6 M 127

Introduction aux systmes dynamiques et la
modlisation
Alexei PANTCHICHKINE
Institut Fourier, Universit Grenoble-1

B.P.74, 38402 St.Martin d'Hres, FRANCE
e-mail : panchish@mozart.ujf-grenoble.fr, FAX : 33 (0) 4 76 51 44 78
Un cours de Licence MAT127 (Mathmatiques pour les
biologistes de 2e semestre 2007/2008)
Rsum
Le prsent cours est inspir par le cours "Mathmatiques en DEUG SV
2me anne" de Prof. Yves Colin de Verdire, voir [YCV].
Nous utilisons comme prrequis le cours MAT110c (Apprentissage du
raisonnement et analyse lmentaire de Prof. Herv Pajot, voir [Pajot]) :
fondements (raisonnements, ensembles, nombres, dnombrements) ;
analyse : tude des fonctions (fonctions continues, drivables, thorme
des accroissements nis, fonctions usuelles, fonctions rciproques) ; calcul
intgral (Intgrale d'une fonction, primitives).
En particulier, on dveloppe plus en dtail la gomtrie en dimension 2 et
3, l'algbre linaire en dimension 2, les fonctions de plusieurs variables, les
quations direntielles coecients constants, les systmes 2x2, dj
vus au premier semestre.
On discute les applications de systmes dynamiques.
On donne des exemples numriques avec des logiciels (Maple)
Rsum
Rsum
Rsum
Programme
Champ de vecteurs dans le plan et introduction aux systmes

dynamiques avec des exemples lis aux sciences de la vie
(dynamique des populations, cintique chimique,...).
Modlisation l'aide d'quations direntielles.
tude d'exemples emprunts la biologie ou la chimie.
Activit
Heures
Cours Magistral (CM)
24
20
Travaux Dirig (TD)
36
30
Travail personnel estim
60
50
TOTAL
120
100
Planning du cours
Premire partie. Modlisation
I
I
I
I
I
I
I
1. Modles dterministes. Schma d'une modlisation (voir [Bert], p.78)

2. Exemples de loi exponentielle. Solution analytique. Temps de doublement
et de demi-vie (voir [Bert], p.80)
3. Adaptation d'un modle. Exemple : Malthus modi, loi logistique.
Implications pour la phase de prvision.
4. Identication d'un modle. Choix des paramtres. La mthode des
moindres carrs : ajustement linaire. Exemples numriques
5. Mise en quation des variables. Notion d'quation direntielle. Champs
de directions, isoclines, courbes intgrales, espace de phase
6. Solution d'une quation direntielle. Problme de Cauchy.
7. Premires mthodes de solution. quations direntielles variables
spares ([Bert], p.102)
Deuxime partie. Systmes dynamiques et quations direntielles
I
I
I
I
8. Systmes dynamiques : un langage pour la modlisation. Exemples provenants

d'quations direntielles et de suites de rcurrence
9.quations direntielles linaires. Mthode de variation de la constante ([Bert],
p.104)
10. Solution numrique. Mthode d'Euler
11. Exemple : systmes cologiques (modle de Lotka-Volterra)
Troisime partie. Mthodes d'algbre linaire
I
I
I
I
12. Vecteurs et matrices. Oprations

13. Bases et dterminants.
14. Vecteurs propres, polynmes caractristiques. Utilisation des nombres
complexes.
15. Application aux quations dierentielles et aux suites de rcurrence.
Quatrime partie. Mthodes gomtriques. Exemples d'une tude

qualitative
I
I
I
I
16. Champs de vecteurs, points singuliers

17. Classication des points singuliers
18. Applications l'tude qualitative de comportements autours des
points singuliers
19. Notion de comportement chaotique de population
Partie I. Exemples de modlisation

Introduction
Qu'est ce que la modlisation ?

Qu'est ce qu'une quation direntielle ?
Schma d'une modlisation
Exemples de modlisation en biologie
Croissance d'une population selon Malthus
Dsintgration radioactive
Calcul des primitives et des intgrales
Adaptation d'un modle. quation logistique.
Identication d'un modle. Mthode des moindres carres
Fonctions de deux variables
'Equations direntielles
quations direntielles autonomes sur la droite
La notion gnrale d'quation direntielle
Les mthodes de rsolution.
quations direntielles linaires.
Mthode de variation de la constante
Types de mthodes de rsolution
Mthodes numriques
Introduction
Mthodes numriques
7
Cours N 1, (disponible sur :
http ://www-fourier.ujf-grenoble.fr/panchish/6mat127)
I. Modlisation.
Comment les sciences peuvent-elles utiliser des mathmatiques ?

Les physiciens ne se posent gure la question car leur science est
trs mathmatise : les lois fondamentales de la physique ont des
expressions mathmatiques. Pour ce qui est des sciences du vivant,
la situation est moins claire. Certaines branches (l'hrdit, la
dynamique des populations, le code gntique, la cintique
biochimique) se prtent bien un traitement mathmatique. C'est
moins clair pour d'autres !
Cours N 1, (disponible sur :
http ://www-fourier.ujf-grenoble.fr/panchish/6mat127)
I. Modlisation.
Comment les sciences peuvent-elles utiliser des mathmatiques ?

Les physiciens ne se posent gure la question car leur science est
trs mathmatise : les lois fondamentales de la physique ont des
expressions mathmatiques. Pour ce qui est des sciences du vivant,
la situation est moins claire. Certaines branches (l'hrdit, la
dynamique des populations, le code gntique, la cintique
biochimique) se prtent bien un traitement mathmatique. C'est
moins clair pour d'autres !
Systmes dterministes
De nombreux systmes que l'on tudie dans les sciences comme la

physique, la chimie, la biologie, l'conomie, etc..., sont (en premire
approximation) des systmes dterministes ; cela signie que
l'volution du systme au cours du temps est compltement
dtermine par son tat un instant donn.
Citons par exemple l'volution des concentrations des ractifs dans
une raction chimique, l'volution de populations (de bactries, de
lapins, etc...) dans un systme ferm, la radioactivit, etc... La
description de ces systmes se fait au moyen de quantits
numriques, souvent appeles variables ou observables, dont il
s'agit d'tudier l'volution au cours du temps.
Systmes dterministes
De nombreux systmes que l'on tudie dans les sciences comme la

physique, la chimie, la biologie, l'conomie, etc..., sont (en premire
approximation) des systmes dterministes ; cela signie que
l'volution du systme au cours du temps est compltement
dtermine par son tat un instant donn.
Citons par exemple l'volution des concentrations des ractifs dans
une raction chimique, l'volution de populations (de bactries, de
lapins, etc...) dans un systme ferm, la radioactivit, etc... La
description de ces systmes se fait au moyen de quantits
numriques, souvent appeles variables ou observables, dont il
s'agit d'tudier l'volution au cours du temps.
Modlisation
de point de vue mathmatique, une modlisation est la donne de :
I Le temps T (on considre soit le temps discret

T
= {lh | l Z, h > 0
une constante xe
(mesur en heures,
minutes, journes, annes, . . .), avec la notation tl

tl +m
= tl + tm ) ;
soit le temps continue T
= lh,
donc
= R) ;
I L'espace M (dit l'espace des phases) dont les points sont des vecteurs
e
= (x , y , ) M ,
o x , y
sont des quantits numriques,
souvent appeles variables ou observables, qui caractrisent un tat de

systme dynamique en question.
I Un processus dynamique est une fonction mathmatique f

f
: t 7 (x (t ), y (t ), ) M ,
telle que f
dynamique avec la proprit f (t0 )
= e0 ,
= fe 0
o e0 est l'tat initial du
processus.
(Exemples de lois utilises :
y (tl +1 ) = 2y (tl ) (loi de doublement discrte) ;
y (t ) = ky (t )t (loi exponentielle continue) y 0 = ky
10
: T M,
satisfait une loi
Modlisation

T
= {lh | l Z, h > 0
une constante xe
(mesur en heures,

tl +m
= tl + tm ) ;
= lh,
donc
= R) ;
e
= (x , y , ) M ,
o x , y


f
: t 7 (x (t ), y (t ), ) M ,
telle que f
= e0 ,
= fe 0
processus.
10
: T M,
satisfait une loi
Modlisation

T
= {lh | l Z, h > 0
une constante xe
(mesur en heures,

tl +m
= tl + tm ) ;
= lh,
donc
= R) ;
e
= (x , y , ) M ,
o x , y


f
: t 7 (x (t ), y (t ), ) M ,
telle que f
= e0 ,
= fe 0
processus.
10
: T M,
satisfait une loi
Modlisation

T
= {lh | l Z, h > 0
une constante xe
(mesur en heures,

tl +m
= tl + tm ) ;
= lh,
donc
= R) ;
e
= (x , y , ) M ,
o x , y


f
: t 7 (x (t ), y (t ), ) M ,
telle que f
= e0 ,
= fe 0
processus.
10
: T M,
satisfait une loi
Loi physique, loi biologique, [Bert], p.28

L'tude de certains phnomnes biologiques, physiques, chimiques, mcaniques,
conomiques, . . .se ramne l'tude des relations qui existent entre pluisieurs
variables caractrisant le phnomne tudi.
Dans les sciences exprimentales ou biologiques, on cherche tablir une relation
entre deux variables x et y donne par une fonction y
= f (x ).
La reprsentation graphique de la fonction est donne par son graphe, ou par une
table des valeurs.
Rappels sur les fonctions usuelles ([Bert], p.26-27)
= t , variable t > 0, paramtre rel quelconque

t
exponentielles f (t ) = a variable t rel quelconque, paramtre a > 0
logaritmiques f (t ) = loga (t ) variable t > 0, paramtre a > 0 , a 6= 1 :
I Fonctions puissances f (t )
I Fonctions
I Fonctions
base du logarithme
11
Croissance compare (on suppose > 0)

Lorsque t augmente inniment :
I
I
t tend vers l'inni plus vite que
, lim
t + t
tend vers l'inni plus vite que ln t , lim
t + ln t
Fig.: 1. Croissance compare
12
Exemple d'une loi physique : Deuxime loi de Newton ou

Principe Fondamental de la Dynamique (voir
http ://fr.wikipedia.org/wiki/Lois_du_mouvement_de_Newton, et
[Brousse], Chapitre 9)
Si la masse d'un corps est constante, l'acclration subie par un corps de masse
m est proportionnelle la rsultante des forces qu'il subit, et inversement
proportionnelle sa masse m.
Ceci est souvent rcapitul dans l'quation :
P~
1 P~
Fi = m~
a,
Fi ou
m
o Fi sont les forces exerces sur l'objet, m est sa masse, et a son acclration.
~a =
Exemple (2.1)
Considrons l'quation de Newton suivante : mv
0 (t )
= v (t ),
o v (t ) est la
vitesse d'un mouvement rectiligne d'un point de masse m, soumis la force
v (t ). Vrier
v (t ) = sin(t ) ne
13
que v (t )
l'est pas.
= C exp(t /m)
est une solution et que
Exemple d'une loi physique : Deuxime loi de Newton ou

Principe Fondamental de la Dynamique (voir
http ://fr.wikipedia.org/wiki/Lois_du_mouvement_de_Newton, et
[Brousse], Chapitre 9)
Si la masse d'un corps est constante, l'acclration subie par un corps de masse
m est proportionnelle la rsultante des forces qu'il subit, et inversement
proportionnelle sa masse m.
Ceci est souvent rcapitul dans l'quation :
P~
1 P~
Fi = m~
a,
Fi ou
m
o Fi sont les forces exerces sur l'objet, m est sa masse, et a son acclration.
~a =
Exemple (2.1)
Considrons l'quation de Newton suivante : mv
0 (t )
= v (t ),
o v (t ) est la
vitesse d'un mouvement rectiligne d'un point de masse m, soumis la force
v (t ). Vrier
v (t ) = sin(t ) ne
13
que v (t )
l'est pas.
= C exp(t /m)
est une solution et que

Une quation direntielle du premier ordre est une quation qui met en jeu une
relation entre une fonction et sa drive, et dont la solution est une fonction
drivable.
Ici la variable pour la fonction y est t , car une quation direntielle modlise
parfois l'volution d'un systme (par exemple, l'volution de la taille d'une
population).
Considrons plus gnralement l'quation direntielle du 1er ordre
y
= G (y , t )
(2.1)
Une solution de l'quation (2.1) sur un intervalle I est une fonction y (t )

drivable I telle que pour tout t
y
(t ) = G (y (t ), t )
on ait :
On choisit en gnral une solution
maximale,
c'est dire qui ne peut pas tre prolonge sur un intervalle J

contenant strictement I .
14
Exemples (voir [Pajot], Ch.VII, p.1)

Exemple (2.2, une quation direntielle facile )
+ 5y = t . Nous pouvons encore l'crire y 0 = 5y + t .
= G (t , y ), o G (t , y ) = 5y + t . Une solution sur R est
0
y (t ) = (1/5)t 1/25. En eet, y (t ) = 1/5 = 5y (t ) + t .
Considrons l'quation y
0
Donc, y
Exemple (2.3, une quation moins facile)

0
y
5yt + t 2 . Donc, y 0
+ 5ty = t 2 . Nous pouvons encore l'crire

= G (t , y ), o G (t , y ) = 5yt + t 2 . Dans
ce cas, les
solutions sont plus diciles crire.

Les quations donnes dans les exemples 2.2 et 2.3 sont des quations linaires
du premier ordre.
Rappelons qu'une fonction linaire f
f (x )
15
= kx .
:RR
est une fonction de la forme
quations direntelles ordinaires et processus d'volution
On tudie dans ce cours des processus d'volution dterministes

l'aide de la thorie des quations direntelles ordinaires. On utilise
de telles quations pour trouver les fonctions de la relation
y
= f (x ).
La thorie des quations direntelles constitue l'un des
principaux instruments des mathmatiques.

Dans l'exemple prcdent mv
et y
= f (x )
0 (t )
= v (t ), on a x := t , y := v ,
= C exp(t /m) (une solution
se transforme en v (t )
de l'quation direntielle de Newton).
16
Modles dterministes et semi-dterministes
Exemples des processus d'volution (voir [ArnED], p.11).

En mcanique classique, on tudie le mouvement des systmes dont
l'avenir et le pass sont univoquement dnis par les positions et
les vitesses initiales de tous les points du systme.
On dit d'un processus qu'il est dterministe si toute son volution
et son pass sont univoquement dnis par son tat prsent.
La propagation de la chaleur, elle, est un processus
semi-dterministe en ce sens que son avenir est dtermin par son
prsent, tandis que son pass ne l'est pas.
17
Modles dterministes et semi-dterministes
Exemples des processus d'volution (voir [ArnED], p.11).

En mcanique classique, on tudie le mouvement des systmes dont
l'avenir et le pass sont univoquement dnis par les positions et
les vitesses initiales de tous les points du systme.
On dit d'un processus qu'il est dterministe si toute son volution
et son pass sont univoquement dnis par son tat prsent.
La propagation de la chaleur, elle, est un processus
semi-dterministe en ce sens que son avenir est dtermin par son
prsent, tandis que son pass ne l'est pas.
17
Schma d'une modlisation (voir [Bert], p.78)

La modlisation d'un phnomne peut ce schmatiser de la manire suivante
(voir [Bert], p.78) :
Phase mathmatique
Phase de mise
en quation
On part de lois lmentaires
(connues ou conjecturales)
et on en dduit des relations
entres les variables
Si l'on exprime certaines

variables , . . .
en fonction de l'une d'elles
(par exemple le temps )
ces relations donnent lieu
des quations dont les inconnues
sont les fonctions , . . .
(quations fonctionnelles)
x y
Phase de vrication
on regarde si les fonctions obtenues
mathmatiquement sont proches
des fonctions donnes
on dit alors que le modle est valide
exprimentalement
x y
On cherche des solutions

de ces quations
Phase de prvision
Si le modle est valide, il peut alors permettre
dans des circonstanses un peu
direntes de prvoir l'volution
des variables dans des situations nouvelles
Si le modle n'est pas valide,

il faut modier ou aner
la phase de mise en quation
et construire un autre modle
La vrication peut amener

une extension du modle mathmatique
(en le modiant ventuellement)
et la construction d'un autre modle
Le modle permet alors d'expliquer
et de dcrire davantage de phnomnes
Deux notions interviennent toujours dans l'utilisation pratique des modles

mathmatiques : -l'identication, - la validation. On s'arrte la validation qui
est le domaine de la statistique et de la probabilit (voir partie IV de [Bert]).
18

Phase mathmatique
Phase de mise
en quation

variables , . . .
x y
Phase de vrication
exprimentalement
x y

de ces quations
Phase de prvision



18

Phase mathmatique
Phase de mise
en quation

variables , . . .
x y
Phase de vrication
exprimentalement
x y

de ces quations
Phase de prvision



18

Phase mathmatique
Phase de mise
en quation

variables , . . .
x y
Phase de vrication
exprimentalement
x y

de ces quations
Phase de prvision



18

Phase mathmatique
Phase de mise
en quation

variables , . . .
x y
Phase de vrication
exprimentalement
x y

de ces quations
Phase de prvision



18

Phase mathmatique
Phase de mise
en quation

variables , . . .
x y
Phase de vrication
exprimentalement
x y

de ces quations
Phase de prvision



18

Phase mathmatique
Phase de mise
en quation

variables , . . .
x y
Phase de vrication
exprimentalement
x y

de ces quations
Phase de prvision



18
Rappels sur les nombres complexes (voir [YCV], p.26)

Dans la thorie d'quations direntielles on utilise beaucoup l'ensemble
nombres complexes : z
= x + iy
des
est l'criture du nombre complexe z . Les quantits x
et y sont des nombres rels appels respectivement partie relle et partie imaginaire
de z . On reprsente gomtriquement z comme le point des coordonnes
cartsiennes
(x , y )
du plan cartsien
R2 .
Oprations :
I Le complexe conjugu de z
= x + iy p
est
not z
I Le module de z est donn par |z | =

x 2 + y 2.
I (x + iy ) + (x 0 + iy 0 ) = (x + x 0 ) + i (y + y 0 ).
I (x + iy )(x 0 + iy 0 ) = (xx 0 yy 0 ) + i (xy 0 + yx 0 ).
I 1
z
|z |2
I e a+ib
0
I e z +z
I e nz
19
= e a (cos b + i sin b)
0
= ez ez
= (e z )n
= x iy .
quations du second degr. Drives

Un nombre complexe non nul admet exactement 2 racines carres
a = i |a
| L'quation
1
a2 4b )
solutions z = (a
2
opposes. Si a est un rel ngatif, on a

z
+ az + b = 0
admet comme
z (t ) = x (t ) + iy (t ) est une fonction drivable ssi x et y le

= x0 + iy0 . On a les mmes formules que dans le cas
n 0
n1 z 0 ; (e z )0 = z 0 e z et en particulier, si a C,
rel : (z ) = nz
(e at )0 = ae at .
Drives : t
sont. On a alors z0
20
quations du second degr. Drives

Un nombre complexe non nul admet exactement 2 racines carres
a = i |a
| L'quation
1
a2 4b )
solutions z = (a
2
opposes. Si a est un rel ngatif, on a

z
+ az + b = 0
admet comme
z (t ) = x (t ) + iy (t ) est une fonction drivable ssi x et y le

= x0 + iy0 . On a les mmes formules que dans le cas
n 0
n1 z 0 ; (e z )0 = z 0 e z et en particulier, si a C,
rel : (z ) = nz
(e at )0 = ae at .
Drives : t
sont. On a alors z0
20
Exemples des problmes (pour TD)

1. Voir
http ://www-fourier.ujf-grenoble.fr/pajot/cours7.pdf
2. Utilisation des nombres complexes (voir [YCV], p.36)
Exercice (2.4)
3
(1 + i )2 , (1 +
i ) .
+ i = 2e i /4
n
dduire la valeur de (1 + i )
a) Calculer
b) Montrer que 1
c) En
Exercice (2.5)
Rsoudre dans
les quations : z
pour tout n
+ z + 2 = 0,
Exercice (2.6)
Tracer les courbes reprsentatives des fonctions
t
21
N.
e it , t e (1+i )t , t e (1i )t , t e 1i t
+ iz + 1 = 0
Introduction
Mthodes numriques
21
Cours N 2,
Exemples de loi exponentielle (voir [Bert], p.80, [Jean87],
p.108)
Cas discret. Lorsqu'une population colonise un milieu vierge dont les
composantes (espace, nourriture) sont illlimites, l'eectif de la population crot de

plus en plus rapidement vers l'inni. Supposons qu'on introduise un organisme se
reproduisant par
ssion binaire (bactrie, levure) dans un milieu de culture
quelconque. Aprs une certaine priode de temps, l'organisme se divise et donne

deux individus qui, leur tour, se divisent en deux. Ce type de croissance est appel
progression gomtrique.
Pour le temps discret T
= {lh | l Z, h > 0
} (mesur en
= lh, et la loi dynamique
n
y (tn ) = 2 y (t0 ) .
une constante xe
heures, minutes, journes, annes, . . .), avec la notation tl

de
22
doublement discrte y (tl +1 ) = 2y (tl ), on a
Cours N 2,
p.108)

reproduisant par

= {lh | l Z, h > 0
} (mesur en
n
y (tn ) = 2 y (t0 ) .
une constante xe

de
22
Cours N 2,
p.108)

reproduisant par

= {lh | l Z, h > 0
} (mesur en
n
y (tn ) = 2 y (t0 ) .
une constante xe

de
22
Croissance d'une population selon Malthus (cas continu)

Dans l'exemple suivant, on considre une population forme de N individus et
voluant en fonction du temps : N est une fonction du temps t (population
humaine dans le cas de Malthus, population bactrienne ou autres). On
considre N comme un nombre rel, en eet les populations concernes sont
nombreuses et si on compte, par exemple, N en milliards d'individus, N prendra
a priori toutes les valeurs dcimales avec 9 chires aprs la virgule et on peut
donc assimiler N un nombre rel. L'hypothse de base est que :
pendant un petit intervalle de temps
t ,
la variation
du nombre d'individus de la population est proportionnelle

N et
: si N (t ) est la population l'instant t ,
+ t , vaut
+ t ) = N (t ) + kN (t )t , o N (t ) = N (t + t ) N (t ).
la population l'instant t
N (t
k est une constante positive, si la population crot, et

ngative, si la population dcrot.
23
Croissance d'une population selon Malthus (cas continu)

Dans l'exemple suivant, on considre une population forme de N individus et
voluant en fonction du temps : N est une fonction du temps t (population
humaine dans le cas de Malthus, population bactrienne ou autres). On
considre N comme un nombre rel, en eet les populations concernes sont
nombreuses et si on compte, par exemple, N en milliards d'individus, N prendra
a priori toutes les valeurs dcimales avec 9 chires aprs la virgule et on peut
donc assimiler N un nombre rel. L'hypothse de base est que :
pendant un petit intervalle de temps
t ,
la variation
du nombre d'individus de la population est proportionnelle

N et
: si N (t ) est la population l'instant t ,
+ t , vaut
+ t ) = N (t ) + kN (t )t , o N (t ) = N (t + t ) N (t ).
la population l'instant t
N (t
k est une constante positive, si la population crot, et

ngative, si la population dcrot.
23
Mis en quation : relation direntielle de croissance

+ t , o t est petit, vaut
+ t ) = N (t ) + kN (t )t .
Divisant par t et en passant la limite quand t tend vers 0, on obtient
0
en dsignant par N (t ) la drive de N (t ) par rapport la variable t :
La population l'instant t
N (t
(t ) = kN (t ).
(3.1)
On notera aussi pour des raisons pratiques (calcul de drives) comme

Leibniz :
dN
dt
= kN .
Si N (0)
= N0 ,
on va dduire de l'quation (3.1)
N (t )
= N0 e kt .
La population a donc une croissance exponentielle, si k
> 0,
contre quoi Malthus mettait ses contemporains en garde...
24
ce

+ t ) = N (t ) + kN (t )t .
0
N (t
(t ) = kN (t ).
(3.1)

Leibniz :
dN
dt
= kN .
Si N (0)
= N0 ,
N (t )
= N0 e kt .
> 0,
24
ce

+ t ) = N (t ) + kN (t )t .
0
N (t
(t ) = kN (t ).
(3.1)

Leibniz :
dN
dt
= kN .
Si N (0)
= N0 ,
N (t )
= N0 e kt .
> 0,
24
ce
Rsolution mathmatique
On a donc rsoudre une quation dont l'inconnue est une fonction ; une telle
quation s'appelle une quation direntielle.
Il s'agit de chercher des fonctions (si possible, toutes les fonctions) vriant la
relation N
0 (t )
= kN (t ).
Dans ce cas nous pouvons raisonner directement :
I Variation de la constante On vrie bien qu'on a N 0 (t )

fonctions N (t )
= Ce kt ,
= kN (t )
pour toutes les
o C est une constante positive quelconque. Pour
montrer qu'il n'y a pas d'autres solutions, on fait "varier" la constante C : on
= C (t )e kt . On a
= kC (t )e kt , on doit
cherche les solutions sous la forme N (t )
0
N (t )
C
0 (t )e kt
0
kt
C (t )e
+ C (t )ke kt et kN (t )
donc avoir
= 0.
Comme une exponentielle est toujours strictement positive, il en rsulte que

C
0 (t )
=0
partout sur
R.
D'aprs le thorme des accroissements nis, la
fonction C (t ) ne peut tre que constante (les rsultats du cours 110c). Les
solutions sont bien toutes de la forme N (t )
positive quelconque.
25
= Ce kt ,
o C est une constante
Utilisation de primitives pour l'quation N 0 (t ) = kN (t )

I Utilisation de primitives (sparation des variables)
On se ramne la recherche d'une primitive, en remarquant que la
fonction N
0 /N est la drive de la fonction ln(N ) (voir les rappels sur les
primitives plus bas).

On a donc
(ln(N ))0 = k .
Il en rsulte que ln(N )
= kt + K ,
o K est une
constante quelconque. En prenant les exponentielles des deux membres, on

retrouve bien
N (t )
o C
26
= eK
= e kt +K = e kt e K = Ce kt ,
est une constante positive quelconque.
Reprsentation graphique
Si N0 est la valeur
de la fonction N pour t
= 0,
l'volution de la population
est dcrite par la fonction
N (t )
= N0 e kt
(loi exponentielle)
Courbes exponentielles :
croissant trs rapidement si k
>0
<0
dcroissant trs rapidement si k
27
Si N0 est la valeur
= 0,
N (t )
= N0 e kt
(loi exponentielle)
>0
<0
27
Si N0 est la valeur
= 0,
N (t )
= N0 e kt
(loi exponentielle)
>0
<0
27
Temps de doublement et de demi-vie

Le coecient k introduit lors de la mise en quation caractrise la
rapidit de croissance ou de dcroissance de la population. On
utilise souvent T dni comme
I temps de doublement de la population si k
>0
I temps de division par deux (ou temps de demi-vie si k
< 0).
Il existe une relation simple entre T et la constante k :
= N0 e kt
k (t +T ) = e kT N e kt = e kT N (t ).
N (t + T ) = N0 e
0
N (t )
On a un doublement, si e
T
ln 2
k
0,69
k
kT
=2
On a une division par deux, si e

siT
28
ln 2
k
0,69
k
avec k
kT
> 0,
c'est--dire si
1
2 avec k
< 0,
c'est--dire
Temps de doublement et de demi-vie

Le coecient k introduit lors de la mise en quation caractrise la
rapidit de croissance ou de dcroissance de la population. On
utilise souvent T dni comme
I temps de doublement de la population si k
>0
I temps de division par deux (ou temps de demi-vie si k
< 0).
Il existe une relation simple entre T et la constante k :
= N0 e kt
k (t +T ) = e kT N e kt = e kT N (t ).
N (t + T ) = N0 e
0
N (t )
On a un doublement, si e
T
ln 2
k
0,69
k
kT
=2
On a une division par deux, si e

siT
28
ln 2
k
0,69
k
avec k
kT
> 0,
c'est--dire si
1
2 avec k
< 0,
c'est--dire
Applications concrtes
Les lois exponentielles se rencontrent assez souvent dans la nature. Pour ne
citer que quelque cas :
en radioactivit, le nombre d'atomes radioactifs suit une loi exponentielle
dcroissante de dsintgration radioactive,
en biologie, le dbut de dveloppement d'un organisme ou d'un organe est en
gnral bien dcrit par une loi exponentielle (phase exponentielle du dveloppement).
Les cellules se divisent en deux au bout du temps T ; donc, aux temps T , 2T , 3T ,
. . . , le nombre de cellules serait environ de 2N0 , 4N0 ,8N0 ,16N0 , . . ., ce qui correspond
la fonction N (t ) = N0 2t /T = N0 e ln 2(t /T ) . Mme dans le cas o on part d'une seule
cellule, N0 = 1, c'est cette fonction qui dcrit correctement le phnomne au bout de
quelques cycles de reproduction.
en dmographie, si on suppose les taux n de natalit et taux m de mortalit
constants, et si on admet l'hypothse de base, la population suit une loi exponentielle
(loi de Malthus), de coecient k = n m ,
en mdecine, l'limination d'un mdicament vers l'extrieur suit une loi exponentielle.
Une limination peut tre considre comme "l'migration" d'une population de
molcules travers une membrane ; cela amne un autre type de modle.
29
29
29
29
29
Datation isotopique : la mthode du carbone 14

La datation des fossiles est importante pour les palontologues. La
mthode du carbone 14 est base sur les 2 observations suivantes :
(1) Le taux
de l'isotope C14 dans un organisme vivant est toujours le
mme.
(2) Lorsque l'organisme meurt, le taux de C14 dcrot par dsintgration
naturelle du C14 en C12 . Cette dsintgration se fait proportionnellement
la population de C14 , ce qui conduit l'quation direntielle
0 (t ) = k (t ); (0) = 0
La solution de cette quation direntielle est
(t ) = 0 e kt
si t
30
=0
reprsente l'instant de la mort de l'organisme.

(1) Le taux
mme.
0 (t ) = k (t ); (0) = 0
(t ) = 0 e kt
si t
30
=0

(1) Le taux
mme.
0 (t ) = k (t ); (0) = 0
(t ) = 0 e kt
si t
30
=0
On dnit k au moyen de la demi-dure de vie T

par
(T ) = (0),
2
soit
T
ln 2
|k |
Connaissant le temps de demi-vie du carbone 14 (environ 5700 ans), on en

dduit, par mesure du taux de carbone 14 prsent dans l'chantillon,
l'anciennet du fossile.
Exemple (3.1, pour les TD)

La dsintgration de 50 % du carbone 14 s'est produite dans 5700 ans.
Dans combien de temps restera-t-il 5 % de toute la quantit initiale ?
Rponse : t
31
5700
ln 20
ln 2
= 5700
3,00
0,69
= 24600.
Rappels sur le calcul des primitives et des intgrales (voir

([Bert], p.63-73)
On part de la notion d'aire d'une surface du plan limite par une

courbe simple. On ne cherche pas dnir rigoureusement cette
notion, mais plutt, en admettant des proprits videntes
(additivit des aires de surfaces disjointes, aire d'un rectangle, d'un
trapze, . . .), calculer de telles aires.
On s'intressera surtout au cas d'une surface limit par la courbe
dnie par une quation du type y
= f (x ).
Dans ce cas, l'aire peut
se calculer numriquement, si on connat une fonction F dont la

drive est la fonction f (i.e. si on connat une primitive F de f ).
32
Dnition de l'intgrale de f sur l'intervalle [a, b]

On suppose d'abord a
< b.
On considre la surface limite par la courbe
reprsentative de la fonction f , l'axe Ox et les parallles x

Si f
0,
Sur les intervalles o f
0,
Notation
L'intgrale de la fonction f
sur l'intervalle [a, b ] se note
a f (x )dx ou
33
=b
l'axe Oy .
l'aire est aecte du signe moins : l'intgrale de f est
l'aire algbrique de la surface.
Rb
= a,
l'intgrale de f sur l'intervalle [a, b ] est l'aire de cette surface.
Rb
a f (t )dt ou
Rb
a fdt

< b.

Si f
0,
0,
Notation
a f (x )dx ou
33
=b
l'axe Oy .
Rb
= a,
Rb
a f (t )dt ou
Rb
a fdt

< b.

Si f
0,
0,
Notation
a f (x )dx ou
33
=b
l'axe Oy .
Rb
= a,
Rb
a f (t )dt ou
Rb
a fdt

< b.

Si f
0,
0,
Notation
a f (x )dx ou
33
=b
l'axe Oy .
Rb
= a,
Rb
a f (t )dt ou
Rb
a fdt
Calcul numrique des intgrales

Mthode des rectangles.
On subdivise l'intervalle [a, b ] en n intervalles gaux. Le pas h de la mthode est gal
(b a )
. On approche l'intgrale I
rectangles
Rn
Rb
Erreur de la mthode.
On suppose que la fonction f

est drivable et que
sa drive f
0 est majore
0
en valeur absolue sur [a, b ] par M ;

on en dduit la majoration
( b a )2
n
0
0
2 hM h
2n M
On vrie que Rn est d'autant plus
|I Rn |
proche de I que n est grand :

la suite
34
(Rn )
a f (x )dx par la somme Rn des aires des
= h[f (a) + f (a + h) + f (a + 2h) + f (a + (n 1)h)]
tend vers l'intgrale I .
Calcul numrique des intgrales

Mthode des rectangles.
On subdivise l'intervalle [a, b ] en n intervalles gaux. Le pas h de la mthode est gal
(b a )
. On approche l'intgrale I
rectangles
Rn
Rb
Erreur de la mthode.
On suppose que la fonction f

est drivable et que
sa drive f
0 est majore
0
en valeur absolue sur [a, b ] par M ;

on en dduit la majoration
( b a )2
n
0
0
2 hM h
2n M
On vrie que Rn est d'autant plus
|I Rn |
proche de I que n est grand :

la suite
34
(Rn )
a f (x )dx par la somme Rn des aires des
= h[f (a) + f (a + h) + f (a + 2h) + f (a + (n 1)h)]
tend vers l'intgrale I .
Proprits de l'intgrale
Proprits algbriques
I Linarit sur l'intervalle x :
Rb
a k
f (t )dt = k
Rb
a (f (t ) + g (t ))dt
Rb
Rb
a f (t )dt
Rb
a g (t )dt ,
R.
< b on pose :
Rb
Rc
= a f (t )dt + b f (t )dt
a f (t )dt pour toute constante k
I Proprits relatives l'intervalle d'intgration : Pour a
Ra
b f (t )dt
pour tous
Rb
Rc
= a f (t )dt , alors a f (t )dt
a, b , c R (l'galit de Chasle).
Relations entre l'intgrale et la primitive

I Primitive d'une fonction. Si F est une fonction drivable telle que F 0
=f,
F est une primitive de f . On suppose f continue sur un intervalle.

La fonction F dnie par F (x )
Indication :
On
veut montrer F
x +x
Z
F (x
+ x ) F (x ) =
|E (x )| x f (x )
0 (x )
Rx
a f (t )dt est une primitive de f .
= f (x ).
f (t )dx
L'identit de Chasle donne :
= x f (x ) + E (x ),
avec
F (x )
= f (x ), puisque E(xx) 0.
x
Z b
0
calcul intgral :
F (t )dt = F (b ) F (a)
lim
x 0
I Formule fondamentale du
35
on dit que
Proprits algbriques
Rb
a k
f (t )dt = k
Rb
a (f (t ) + g (t ))dt
Rb
Rb
a f (t )dt
Rb
a g (t )dt ,
R.
< b on pose :
Rb
Rc
Ra
b f (t )dt
pour tous
Rb
Rc

=f,

Indication :
On
veut montrer F
x +x
Z
F (x
+ x ) F (x ) =
|E (x )| x f (x )
0 (x )
Rx
= f (x ).
f (t )dx
= x f (x ) + E (x ),
avec
F (x )
x
Z b
0
calcul intgral :
F (t )dt = F (b ) F (a)
lim
x 0
35
on dit que
Proprits algbriques
Rb
a k
f (t )dt = k
Rb
a (f (t ) + g (t ))dt
Rb
Rb
a f (t )dt
Rb
a g (t )dt ,
R.
< b on pose :
Rb
Rc
Ra
b f (t )dt
pour tous
Rb
Rc

=f,

Indication :
On
veut montrer F
x +x
Z
F (x
+ x ) F (x ) =
|E (x )| x f (x )
0 (x )
Rx
= f (x ).
f (t )dx
= x f (x ) + E (x ),
avec
F (x )
x
Z b
0
calcul intgral :
F (t )dt = F (b ) F (a)
lim
x 0
35
on dit que
Proprits algbriques
Rb
a k
f (t )dt = k
Rb
a (f (t ) + g (t ))dt
Rb
Rb
a f (t )dt
Rb
a g (t )dt ,
R.
< b on pose :
Rb
Rc
Ra
b f (t )dt
pour tous
Rb
Rc

=f,

Indication :
On
veut montrer F
x +x
Z
F (x
+ x ) F (x ) =
|E (x )| x f (x )
0 (x )
Rx
= f (x ).
f (t )dx
= x f (x ) + E (x ),
avec
F (x )
x
Z b
0
calcul intgral :
F (t )dt = F (b ) F (a)
lim
x 0
35
on dit que
Proprits algbriques
Rb
a k
f (t )dt = k
Rb
a (f (t ) + g (t ))dt
Rb
Rb
a f (t )dt
Rb
a g (t )dt ,
R.
< b on pose :
Rb
Rc
Ra
b f (t )dt
pour tous
Rb
Rc

=f,

Indication :
On
veut montrer F
x +x
Z
F (x
+ x ) F (x ) =
|E (x )| x f (x )
0 (x )
Rx
= f (x ).
f (t )dx
= x f (x ) + E (x ),
avec
F (x )
x
Z b
0
calcul intgral :
F (t )dt = F (b ) F (a)
lim
x 0
35
on dit que
Tableau des primitives usuelles
(toute autre primitive est de la forme F + constante).

I
I
I
I
I
I
I
I
36
Fonctions puissances f (x ) = x , F (x ) = +1 1 x +1 (pour 6= 1)

Fonctions exponentielles f (x ) = e x , F (x ) = 1 e (x ) (pour 6= 0)
Fonctions trigonomtriques f (x ) = cos( x ), F (x ) = 1 sin( x ) (pour 6= 0)
1
f (x ) = sin( x ), F (x ) =
cos( x ) (pour 6= 0
1
3
f (x ) =
,
F (x ) = tgx (pour
2
cos x
2 < x < 2 ou 2 < x < 2 ou . . .)
1
f (x ) =
x +a , F (x ) = ln |x + a| (pour x < a ou pour x > a)
1
1
1+x
f (x ) =
1x 2 , F (x ) = 2 ln | 1x | (pour x < 1 ou pour 1 < x < 1 ou x > 1)
1
f (x ) =
1+x 2 , F (x ) = arctgx
1
f (x ) =
, F (x ) = arcsin x (pour 1 < x < 1)
1x 2
f
(x ) =
1
1+x 2
, F (x ) = arcsinhx

I
I
I
I
I
I
I
I
36

1
f (x ) = sin( x ), F (x ) =
cos( x ) (pour 6= 0
1
3
f (x ) =
,
F (x ) = tgx (pour
2
cos x
2 < x < 2 ou 2 < x < 2 ou . . .)
1
f (x ) =
1
1
1+x
f (x ) =
1
f (x ) =
1+x 2 , F (x ) = arctgx
1
f (x ) =
, F (x ) = arcsin x (pour 1 < x < 1)
1x 2
f
(x ) =
1
1+x 2
, F (x ) = arcsinhx

I
I
I
I
I
I
I
I
36

1
f (x ) = sin( x ), F (x ) =
cos( x ) (pour 6= 0
1
3
f (x ) =
,
F (x ) = tgx (pour
2
cos x
2 < x < 2 ou 2 < x < 2 ou . . .)
1
f (x ) =
1
1
1+x
f (x ) =
1
f (x ) =
1+x 2 , F (x ) = arctgx
1
f (x ) =
, F (x ) = arcsin x (pour 1 < x < 1)
1x 2
f
(x ) =
1
1+x 2
, F (x ) = arcsinhx

I
I
I
I
I
I
I
I
36

1
f (x ) = sin( x ), F (x ) =
cos( x ) (pour 6= 0
1
3
f (x ) =
,
F (x ) = tgx (pour
2
cos x
2 < x < 2 ou 2 < x < 2 ou . . .)
1
f (x ) =
1
1
1+x
f (x ) =
1
f (x ) =
1+x 2 , F (x ) = arctgx
1
f (x ) =
, F (x ) = arcsin x (pour 1 < x < 1)
1x 2
f
(x ) =
1
1+x 2
, F (x ) = arcsinhx

I
I
I
I
I
I
I
I
36

1
f (x ) = sin( x ), F (x ) =
cos( x ) (pour 6= 0
1
3
f (x ) =
,
F (x ) = tgx (pour
2
cos x
2 < x < 2 ou 2 < x < 2 ou . . .)
1
f (x ) =
1
1
1+x
f (x ) =
1
f (x ) =
1+x 2 , F (x ) = arctgx
1
f (x ) =
, F (x ) = arcsin x (pour 1 < x < 1)
1x 2
f
(x ) =
1
1+x 2
, F (x ) = arcsinhx

I
I
I
I
I
I
I
I
36

1
f (x ) = sin( x ), F (x ) =
cos( x ) (pour 6= 0
1
3
f (x ) =
,
F (x ) = tgx (pour
2
cos x
2 < x < 2 ou 2 < x < 2 ou . . .)
1
f (x ) =
1
1
1+x
f (x ) =
1
f (x ) =
1+x 2 , F (x ) = arctgx
1
f (x ) =
, F (x ) = arcsin x (pour 1 < x < 1)
1x 2
f
(x ) =
1
1+x 2
, F (x ) = arcsinhx

I
I
I
I
I
I
I
I
36

1
f (x ) = sin( x ), F (x ) =
cos( x ) (pour 6= 0
1
3
f (x ) =
,
F (x ) = tgx (pour
2
cos x
2 < x < 2 ou 2 < x < 2 ou . . .)
1
f (x ) =
1
1
1+x
f (x ) =
1
f (x ) =
1+x 2 , F (x ) = arctgx
1
f (x ) =
, F (x ) = arcsin x (pour 1 < x < 1)
1x 2
f
(x ) =
1
1+x 2
, F (x ) = arcsinhx

I
I
I
I
I
I
I
I
36

1
f (x ) = sin( x ), F (x ) =
cos( x ) (pour 6= 0
1
3
f (x ) =
,
F (x ) = tgx (pour
2
cos x
2 < x < 2 ou 2 < x < 2 ou . . .)
1
f (x ) =
1
1
1+x
f (x ) =
1
f (x ) =
1+x 2 , F (x ) = arctgx
1
f (x ) =
, F (x ) = arcsin x (pour 1 < x < 1)
1x 2
f
(x ) =
1
1+x 2
, F (x ) = arcsinhx

I
I
I
I
I
I
I
I
36

1
f (x ) = sin( x ), F (x ) =
cos( x ) (pour 6= 0
1
3
f (x ) =
,
F (x ) = tgx (pour
2
cos x
2 < x < 2 ou 2 < x < 2 ou . . .)
1
f (x ) =
1
1
1+x
f (x ) =
1
f (x ) =
1+x 2 , F (x ) = arctgx
1
f (x ) =
, F (x ) = arcsin x (pour 1 < x < 1)
1x 2
f
(x ) =
1
1+x 2
, F (x ) = arcsinhx
Cours N 3,
Mthodes de calcul des primitives
Intgration par
parties. (Ruv )0 = uv 0 R+ vu 0
R
Rb
impliquie
Rb
b
b
b
0
0
0
a (uv ) dx = a uv dx + a vu dx = a udv + a vdu, d'o
Rb
Rb
b
a udv = [uv ]a a vdu ou encore
Rb
Rb
0
0
a u (x )v (x )dx = u (b )v (b ) u (a)v (a) a v (x )u (x )dx .
Exercice (3.2. Application : recherche d'une primitive de f (x ) = ln(x ))

Montrer que F , dnie par F (x )
= x ln(x ) x
(pour x
> 0)),
est une primitive de
ln(x ).
Utilisation de la notation direntielle.

Exercice (3.3. Application : recherche d'une primitive de f (x ) =
Montrer que si f (x )
37
1
x ln(x ) , F (x )
= ln | ln(x )|
(pour x
> 1),
1
x ln(x )
Cours N 3,
Intgration par
R
Rb
impliquie
Rb
b
b
b
0
0
0
Rb
Rb
b
Rb
Rb
0
0

= x ln(x ) x
(pour x
> 0)),
ln(x ).

37
1
x ln(x ) , F (x )
= ln | ln(x )|
(pour x
> 1),
1
x ln(x )
Cours N 3,
Intgration par
R
Rb
impliquie
Rb
b
b
b
0
0
0
Rb
Rb
b
Rb
Rb
0
0

= x ln(x ) x
(pour x
> 0)),
ln(x ).

37
1
x ln(x ) , F (x )
= ln | ln(x )|
(pour x
> 1),
1
x ln(x )
Cours N 3,
Intgration par
R
Rb
impliquie
Rb
b
b
b
0
0
0
Rb
Rb
b
Rb
Rb
0
0

= x ln(x ) x
(pour x
> 0)),
ln(x ).

37
1
x ln(x ) , F (x )
= ln | ln(x )|
(pour x
> 1),
1
x ln(x )
Changement de variables
Rgle pratique du changement de variables :
I On choisit la nouvelle variable u
= u (x )
I On transforme les direntielles suivant les rgles habituelles : du

d'o dx
du
u 0 (x )
= u 0 (x )dx ,
I On transforme l'lment direntiel intgrer de manire obtenir un lment

direntiel en u et du.
I On transforme les bornes :
Rb
a devient
R u (b )
u (a ) .

1
sin(x ) , F
x
ln |tg ( )| (pour sin(x )
2
6= 0 ),
Exercice (3.5. Fonctions logarithmiques)

Soit f (x )
38
= tg(x).
Pour quel x
>0
on a F
= ln | cos(x )| ?
1
sin(x )
Changement de variables
Rgle pratique du changement de variables :
I On choisit la nouvelle variable u
= u (x )
I On transforme les direntielles suivant les rgles habituelles : du

d'o dx
du
u 0 (x )
= u 0 (x )dx ,
I On transforme l'lment direntiel intgrer de manire obtenir un lment

direntiel en u et du.
I On transforme les bornes :
Rb
a devient
R u (b )
u (a ) .

1
sin(x ) , F
x
ln |tg ( )| (pour sin(x )
2
6= 0 ),
Exercice (3.5. Fonctions logarithmiques)

Soit f (x )
38
= tg(x).
Pour quel x
>0
on a F
= ln | cos(x )| ?
1
sin(x )
Gnralisations, voir [Bert], p.73-75

Intgrale sur un intervalle inni. Soit f
coninue pour x
rel
> 0.
une fonction de la variable x dnie et
On considre l'intgralle IA
> a.
Si IA a une limite quand A tend vers
[a, +],
et on la note I
R
a
+,
RA
a f (x )dx , o A est un nombre
on appelle cette limite l'intgrale de f sur
f (x )dx . Dans le cas o la fonction f
0,
cette
limite mesure la surface innie comprise entre la courbe reprsentative de f , l'axe des
x et la droite x
= a.
Dnitions analogues pour
Ra
f (x )dx et pour
R +
f (x )dx .
Exemples (3.6.)
a)
R
1
1
x 2 dx
En eet
b)
39
R
1
= 1.
Z
lim

dx
A+ 1 x 2
1
dx n'existe pas.
x
lim
A+
1
x

A
=
1

lim
A+
1
A

+1
= 1.

coninue pour x
rel
> 0.
> a.
[a, +],
et on la note I
R
a
+,
RA
0,
cette
x et la droite x
= a.
Ra
f (x )dx et pour
R +
f (x )dx .
Exemples (3.6.)
a)
R
1
1
x 2 dx
En eet
b)
39
R
1
= 1.
Z
lim

dx
A+ 1 x 2
1
dx n'existe pas.
x
lim
A+
1
x

A
=
1

lim
A+
1
A

+1
= 1.

coninue pour x
rel
> 0.
> a.
[a, +],
et on la note I
R
a
+,
RA
0,
cette
x et la droite x
= a.
Ra
f (x )dx et pour
R +
f (x )dx .
Exemples (3.6.)
a)
R
1
1
x 2 dx
En eet
b)
39
R
1
= 1.
Z
lim

dx
A+ 1 x 2
1
dx n'existe pas.
x
lim
A+
1
x

A
=
1

lim
A+
1
A

+1
= 1.

coninue pour x
rel
> 0.
> a.
[a, +],
et on la note I
R
a
+,
RA
0,
cette
x et la droite x
= a.
Ra
f (x )dx et pour
R +
f (x )dx .
Exemples (3.6.)
a)
R
1
1
x 2 dx
En eet
b)
39
R
1
= 1.
Z
lim

dx
A+ 1 x 2
1
dx n'existe pas.
x
lim
A+
1
x

A
=
1

lim
A+
1
A

+1
= 1.
Gnralisations (suite) voir [Bert], p.73-75

Intgrale d'une fonction non-borne. Soit f
une fonction de la variable x
dnie sur un intervalle ]a, b ]. On considre l'intgralle Iu
Rb
o u est un nombre rel strictement positif.
a+u f (x )dx ,
Si Iu a une limite quand u tend vers 0, on appelle cette limite l'intgrale de

f sur [a, b ], et on la note I
f
0,
Rb
a f (x )dx . Dans le cas o la fonction
cette limite mesure la surface innie comprise entre la courbe
reprsentative de f , l'axe des x et les droites x
=a
et x
= a.
Exemples
(3.7.)
Z
1
a)
En eet
Z
b)
40
dx
lim
= 2.
Z 1
u +0 u
2
0 x
dx
dx n'existe pas.
lim
u +0
1
x =
u
lim
u +0

2 u = 2.

Rb
a+u f (x )dx ,

f
0,
Rb
=a
et x
= a.
Exemples
(3.7.)
Z
1
a)
En eet
Z
b)
40
dx
lim
= 2.
Z 1
u +0 u
2
0 x
dx
dx n'existe pas.
lim
u +0
1
x =
u
lim
u +0

2 u = 2.

Rb
a+u f (x )dx ,

f
0,
Rb
=a
et x
= a.
Exemples
(3.7.)
Z
1
a)
En eet
Z
b)
40
dx
lim
= 2.
Z 1
u +0 u
2
0 x
dx
dx n'existe pas.
lim
u +0
1
x =
u
lim
u +0

2 u = 2.
Exemples de problmes (pour TD, voir [Ayr], p.49-50)

1. Si la population d'un pays double en 50 ans, en combien de temps
triplera-t-elle, compte tenu de ce que le taux instantan d'accroissement
est proportionnel au nombre d'habitants ?
Rponse : 79 ans
50 ln(3)/ ln(2).
2. Dans une culture le taux instantan d'accroisement du nombre des

bactries est proportionnel ce nombre.
(a) Si l'on constate que ce nombre double en 4 heures, quel sera-t-il au
bout de 12 heures ?
4 bactries au bout de 3 heures et 4 104 au bout de 5
(b) S'il y a 10
heures, quel tait le nombre initial ?

Rponse : (a) 8 fois (b) Il y avait 10
41
4 /8 bactries initialement.

Rponse : 79 ans
50 ln(3)/ ln(2).

bout de 12 heures ?
(b) S'il y a 10

41

Rponse : 79 ans
50 ln(3)/ ln(2).

bout de 12 heures ?
(b) S'il y a 10

41
Calcul des primives et d'intgrales avec Maple (optionnel)

> with(Student[Calculus1]):
ApproximateIntTutor();
ApproximateIntTutor(cos(x));
ApproximateIntTutor(cos(x), 0..Pi/2);
ApproximateIntTutor(cos(x), x=0..Pi/2);
Fig.: 2
42
1
2
Z
1
cos(x ) dx
1
2
cos(x ) sin(x )
cos(1) sin(1)
+
1
2
x
2
= cos(x )2 ,
cos(2) sin(2)
Fig.: 3
43
0
1
2
0.08347501947
Cours N 4,
Remarques sur l'intgration
Soit f une fonction exprime en fonctions usuelles, alors f
0 s'exprime de
nouveau en fonctions usuelles.

Par contre, une primitive F de f ne s'exprime pas en gnral en fonctions
usuelles.
Exemple
= te t
t 2
f (t ) = e
f (t )
44
Rx
2
= a te t dt =
R x t 2
F (x ) =
dt =:
a e
F (x )
R
1 x t 2 2
e
dt
2
a
= 12 e x + C
2
2 erf (x ) ("error function")
Cours N 4,
0 s'exprime de

usuelles.
Exemple
= te t
t 2
f (t ) = e
f (t )
44
Rx
2
= a te t dt =
R x t 2
F (x ) =
dt =:
a e
F (x )
R
1 x t 2 2
e
dt
2
a
= 12 e x + C
2
Cours N 4,
0 s'exprime de

usuelles.
Exemple
= te t
t 2
f (t ) = e
f (t )
44
Rx
2
= a te t dt =
R x t 2
F (x ) =
dt =:
a e
F (x )
R
1 x t 2 2
e
dt
2
a
= 12 e x + C
2
Fonction de Gauss
et l'intgrale de Poisson
R
0
t 2 dt
montre que
f (t )
f,m (t )
45
1 e
2
Exemple
1
Indication :
x 2
t2
utilisant les coordonns polaires on
y 2
Z
dy
/2 Z
fonction de Gauss
Z
dx
en
t m
( )2
2 2
F (t )
Rx
e
2 0
(t ) =
t m
( )2
2 2
r 2

d
rdr
R x t
e 2 dt
2 0
t m
2
dt
= (
Fonction de Gauss
R
0
t 2 dt
montre que
f (t )
f,m (t )
45
1 e
2
Exemple
1
Indication :
x 2
t2
y 2
Z
dy
/2 Z
fonction de Gauss
Z
dx
en
t m
( )2
2 2
F (t )
Rx
e
2 0
(t ) =
t m
( )2
2 2
r 2

d
rdr
R x t
e 2 dt
2 0
t m
2
dt
= (
Fonction de Gauss
R
0
t 2 dt
montre que
f (t )
f,m (t )
45
1 e
2
Exemple
1
Indication :
x 2
t2
y 2
Z
dy
/2 Z
fonction de Gauss
Z
dx
en
t m
( )2
2 2
F (t )
Rx
e
2 0
(t ) =
t m
( )2
2 2
r 2

d
rdr
R x t
e 2 dt
2 0
t m
2
dt
= (
Adaptation d'un modle. Exemple : Malthus modi.

Le raisonnement de Malthus a un dfaut majeur, il ne tient pas compte du fait
que le taux d'accroissement de la population humaine va diminuer cause de
dirents facteurs comme la diminution de l'espace disponible ou des ressources
ainsi que ... du niveau d'ducation.
On peut donc dans un modle un peu amlior imaginer que k dpend de N de
faon dcroissante, le plus simple tant une dcroissance linaire du type
k (N )
= k0 (N N )
(pour la population humaine dans le cas de Malthus, et
pour population bactrienne ou autres on imagine un milieu ne pouvant nourrir
individus). On obtient ainsi l'quation direntielle

= k0 (N N (t ))N (t ) dont on verra plus bas qu'elle prdit une population
tendant vers un quilibre N (t ) = N ("charge biotique", voir [Jean87], p.119).

plus de N
0
N (t )
46
Adaptation d'un modle. Exemple : Malthus modi.

Le raisonnement de Malthus a un dfaut majeur, il ne tient pas compte du fait
que le taux d'accroissement de la population humaine va diminuer cause de
dirents facteurs comme la diminution de l'espace disponible ou des ressources
ainsi que ... du niveau d'ducation.
On peut donc dans un modle un peu amlior imaginer que k dpend de N de
faon dcroissante, le plus simple tant une dcroissance linaire du type
k (N )
= k0 (N N )
(pour la population humaine dans le cas de Malthus, et
pour population bactrienne ou autres on imagine un milieu ne pouvant nourrir
individus). On obtient ainsi l'quation direntielle

= k0 (N N (t ))N (t ) dont on verra plus bas qu'elle prdit une population
tendant vers un quilibre N (t ) = N ("charge biotique", voir [Jean87], p.119).

plus de N
0
N (t )
46
Loi logistique. Rsolution mathmatique

On obtient ainsi l'quation direntielle N
0 (t )
= (N N (t ))N (t ),
= k0 .
En utilisant la sparation des variables on trouve la solution gnrale :
N (t )
N
1
K 1 e N t
Une telle fonction est appele
o K est une constante positive
fonction logistique.

= , et N (N 1N ) = N1 N1 + (N 1N ) ,

0

N 0
(N N )0
N0
N
1
1
0
N (N N ) = N N (N N ) = N ln (N N ) = ( t ) , et

N
N
1
N t e N C .
N ln (N N ) = t + C . Il vient (N N ) = e
En eet ([Bert], p. 102),
On pose K
N (t )
que N
47
= eN
N0
N (N N )
N >0
= K (N N )e N
1 = sgn(N N ).
, alors N
N
, avec
1K 1 e N t
pour ce modle.
, et
Il reste remarquer
d'o

0 (t )
= (N N (t ))N (t ),
= k0 .
N (t )
N
1
K 1 e N t

= , et N (N 1N ) = N1 N1 + (N 1N ) ,

0

N 0
(N N )0
N0
N
1
1
0

N
N
1
N t e N C .
On pose K
N (t )
que N
47
= eN
N0
N (N N )
N >0
= K (N N )e N
1 = sgn(N N ).
, alors N
N
, avec
1K 1 e N t
pour ce modle.
, et
Il reste remarquer
d'o

0 (t )
= (N N (t ))N (t ),
= k0 .
N (t )
N
1
K 1 e N t

= , et N (N 1N ) = N1 N1 + (N 1N ) ,

0

N 0
(N N )0
N0
N
1
1
0

N
N
1
N t e N C .
On pose K
N (t )
que N
47
= eN
N0
N (N N )
N >0
= K (N N )e N
1 = sgn(N N ).
, alors N
N
, avec
1K 1 e N t
pour ce modle.
, et
Il reste remarquer
d'o
Loi logistique. Implications pour la phase de prvision

Exemple typique : dveloppement d'une population de bactries en
milieu ferm
On suppose que le nombre de bactries
l'instant initial t
=0
est trs infrieur
au nombre maximum N
pouvant vivre dans le milieu.

Les constantes
et K
= eN
sont alors positives,

la constante K tant grande.
On voit que la fonction N
est croissante et tend vers N
quand le temps t tend vers
48
+.
Loi logistique. Implications pour la phase de prvision

Exemple typique : dveloppement d'une population de bactries en
milieu ferm
On suppose que le nombre de bactries
l'instant initial t
=0
est trs infrieur
au nombre maximum N
pouvant vivre dans le milieu.

Les constantes
et K
= eN
sont alors positives,

la constante K tant grande.
On voit que la fonction N
est croissante et tend vers N
quand le temps t tend vers
48
+.
Loi logistique. Exemples numriques

Exemple (loi logistique) y
= y (5 y )
(visualisation avec Maple)
Exemple (loi logistique) y'=y(5-y)

> restart;with(DEtools):
ode := diff(y(x),x)=y(x)*(5-y(x));
dsolve(ode);
ode
:=
d
dx
y(x )
y(x )
= y(x ) (5 y(x ))
5
+ 9 e (5 x )
> dsolve( {ode, y(0)=0.5}, y(x));

y(x )
49
5
1
+ 9 e (5 x )
Exemple (loi logistique) y
= y (5 y )
(avec Maple)
> r:=diff(f(x),x$2);
> xi:=evalf(solve(r,x));
#point d'inflexion de y(x)
:= 0.4394449156
> DEplot(ode,y(x),x=0..2,[[y(0)=0.5],[y(0)=0.2],[y(0)=0.3]],
linecolor=[green,yellow,magenta]);
Montrer que tous

les points d'inexion
des solutions y(x)
se trouvent sur la droite
[y (5 y )]0y = 0,
50
i.e. y
= 5/2.
Identication d'un modle. Ajustement linaire par la

mthode des moindres carrs.
Dpendance fonctionnelle. Dans le plan rapport aux axes Ox,

Oy, on associe la fonction f l'ensemble des points de coordonnes
(x , f (x )),
cet ensemble s'appelle la courbe reprsentative ou graphe
de la fonction f .
On peut aussi reprsenter une fonction par une table de valeurs.
On parlera de dpendance fonctionnelle approche s'il existe une
fonction f telle que f (x ) soit une approximation de y .
51
Nuage des points

On parlera de dpendance fonctionnelle approche s'il existe une fonction f telle que
f (x ) soit une approximation de y .
Dans le plan euclidien rapport deux axes rectangulaires on
associe chaque observation du couple
(x , y )
le point M ayant
pour coordonnes les valeurs correspondantes de x et de y .
On obtient un nuage des points qui

dans le cas d'une dpendance fonctionnelle stricte,
sont situs sur la courbe reprsentative de la fonction f .
Dans le cas de deux variables x , y
telles que y soit "proche" de la valeur f (x )
- situation frquente dans les sciences exprimentales le nuage des points
{(x1 , y1 ), . . . , (xN , yN ), . . .}
est applati le long du graphe de la fonction f .
52
Nuage des points

(x , y )
le point M ayant

{(x1 , y1 ), . . . , (xN , yN ), . . .}
52
Nuage des points

(x , y )
le point M ayant

{(x1 , y1 ), . . . , (xN , yN ), . . .}
52
Identication d'un modle : choix des paramtres.

Dans les sciences exprimentales ou biologiques, la relation qu'on cherche
tablir en premire approximation entre deux variables x et y est souvent
donne par une fonction linaire y
= ax + b
(loi linaire). La reprsentation
graphique (coordonnes habituelles) est simple : le nuage de points est sur la

droite d'quation y
= ax + b
(dpendance stricte) ou ne s'en carte pas trop
(dpendance approche).
D'autres lois qui interviennent frquemment dans les sciences exprimentales ou
biologiques sont
I les lois exponentielles y
= Ce x
(dveloppements de populations,
dsintgration radioactive, voluation de concentration dans une raction

chimique, . . .)
I les lois puissances y
= Cx
entre dimensions, . . .
53
(dveloppements des organismes, rapports
Cours N 5,
Problme de l'ajustement
Le problme de l'ajustement consiste chercher parmi les fonctions de certain
type, la fonction f telle que les approximations y1
= f (x1 ),
. . ., yN
= f (xN ),
. . .soient les meilleurs possibles, c'est--dire la fonction approche dont le

graphe approche le "mieux possible" les points du "nuage des points"
{(x1 , y1 ), . . . , (xN , yN ), . . .}.

La famille des fonctions parmi lesquelles on cherche la "meilleure fonction" est
donne en gnral par le problme exprimental lui mme ; il s'agit de
linaires, exponentielles ou puissances.
54
lois
Cours N 5,
Problme de l'ajustement
Le problme de l'ajustement consiste chercher parmi les fonctions de certain
type, la fonction f telle que les approximations y1
= f (x1 ),
. . ., yN
= f (xN ),
. . .soient les meilleurs possibles, c'est--dire la fonction approche dont le

graphe approche le "mieux possible" les points du "nuage des points"
{(x1 , y1 ), . . . , (xN , yN ), . . .}.

La famille des fonctions parmi lesquelles on cherche la "meilleure fonction" est
donne en gnral par le problme exprimental lui mme ; il s'agit de
linaires, exponentielles ou puissances.
54
lois
Ajustement linaire ([Bert],p.29)

Pour traiter ces situations, on se ramne par un changement de variable appropri
(logarithmique ou semi-logarithmique) une loi linaire. On dispose d'une srie de N
observations de deux variables donne par un nuage de points
{(x1 , y1 ), . . . , (xN , yN ), . . .} ;
on suppose que ce nuage de points a une forme presque
rectiligne.
Si, par exemple, l'equation thorique donne par le modle est
= N /(
1 + exp(b x )), on obtient une loi semi-logarithmique

N y (x )
. Sachant les valeurs exprimentalles yi proches
b x = ln
y (x )
y (t )
de y (xi ), on
trouve le nuage des points linaris
{(xi , ai )|i = 1, , N },
On suppose que la loi y
y
= x +
o ai
= f (x )
N yi
yi
est dj linaire. On cherche une fonction
telle que les approximations y1
les "meilleures possibles".
55
= ln
= x1 + ,
. . ., yN
= xN + ,
. . .sont
Ajustement linaire ([Bert],p.29)

Pour traiter ces situations, on se ramne par un changement de variable appropri
(logarithmique ou semi-logarithmique) une loi linaire. On dispose d'une srie de N
observations de deux variables donne par un nuage de points
{(x1 , y1 ), . . . , (xN , yN ), . . .} ;
on suppose que ce nuage de points a une forme presque
rectiligne.
Si, par exemple, l'equation thorique donne par le modle est
= N /(
1 + exp(b x )), on obtient une loi semi-logarithmique

N y (x )
. Sachant les valeurs exprimentalles yi proches
b x = ln
y (x )
y (t )
de y (xi ), on
trouve le nuage des points linaris
{(xi , ai )|i = 1, , N },
On suppose que la loi y
y
= x +
o ai
= f (x )
N yi
yi
est dj linaire. On cherche une fonction
telle que les approximations y1
les "meilleures possibles".
55
= ln
= x1 + ,
. . ., yN
= xN + ,
. . .sont
Mthode des moindres carrs ([Bert],p.29)

Ecart entre un nuage
P de points et une droite.
On pose E (, )
N
n=1 (yn
xn )2 .
On va chercher rendre l'cart
E (, ) minimum par un bon choix des paramtres.
PN
2
n=1 (yn xn )
P
2
E (, ) = N 2 2 n=1 (yn xn ) + N
n=1 (yn xn ) . On obtient un
2
trinme E (, ) du second degr de la forme A + 2B + C , o A, B , C ne
On suppose d'abord
x : E (, )
PN
dpendent pas de
et A est positif ; par suite E (, ) est minimum pour la
P
= BA = N1 N
yn xn ).
n=1 (P

) = N1 N
On voit que b = y
x , o (
x, y
n=1 (xn , yn ) est le centre de gravit
du nuage {(x1 , y1 ), . . . , (xN , yN ), . . .}, c'est--dire que la droite cherche
).
y = x + passe par (
x, y
On suppose maintenant = b (autrement dit : on considre toutes les droites
valeur de
gale b
passant par le centre de gravit).
56

On pose E (, )
N
n=1 (yn
xn )2 .
PN
2
n=1 (yn xn )
P
2
E (, ) = N 2 2 n=1 (yn xn ) + N
2
On suppose d'abord
x : E (, )
PN
dpendent pas de
P
= BA = N1 N
yn xn ).
n=1 (P

) = N1 N
On voit que b = y
x , o (
x, y
).
y = x + passe par (
x, y
valeur de
gale b
56

On pose E (, )
N
n=1 (yn
xn )2 .
PN
2
n=1 (yn xn )
P
2
E (, ) = N 2 2 n=1 (yn xn ) + N
2
On suppose d'abord
x : E (, )
PN
dpendent pas de
P
= BA = N1 N
yn xn ).
n=1 (P

) = N1 N
On voit que b = y
x , o (
x, y
).
y = x + passe par (
x, y
valeur de
gale b
56
Mthode des moindres carrs (suite)

On considre toutes les droites passant par le centre de gravit.
= xn x, Yn = yn y , on a Yn Xn = yn xn b, donc
PN
PN
PN
2
2
2
E (, ) =
n=1 Xn 2
n = 1 Xn Yn +
n=1 Yn . C'est un trinme du
0
2
0
0
0
0
0
second degr de la forme A + 2B + C , o A , B , C ne dpendent pas de
Si l'on pose Xn
et A est positif ; par suite il est minimum lorsque
prend la valeur
PN
PN
)(yn y )
n=1 Xn Yn
n=1 (xn x
= P
=
PN
N
2
)2
n = 1 Xn
n=1 (xn x
Pour obtenir b, il reste substituer a dans l'quation utilise b

La droite trouve y
57
= ax + b
rend minimum l'cart E (, ).
= y
x.
Mthode des moindres carrs (suite)

On considre toutes les droites passant par le centre de gravit.
= xn x, Yn = yn y , on a Yn Xn = yn xn b, donc
PN
PN
PN
2
2
2
E (, ) =
n=1 Xn 2
n = 1 Xn Yn +
n=1 Yn . C'est un trinme du
0
2
0
0
0
0
0
second degr de la forme A + 2B + C , o A , B , C ne dpendent pas de
Si l'on pose Xn
et A est positif ; par suite il est minimum lorsque
prend la valeur
PN
PN
)(yn y )
n=1 Xn Yn
n=1 (xn x
= P
=
PN
N
2
)2
n = 1 Xn
n=1 (xn x
Pour obtenir b, il reste substituer a dans l'quation utilise b

La droite trouve y
57
= ax + b
rend minimum l'cart E (, ).
= y
x.
Exemples numriques : loi linaire.

On considre le nuage des points donn par les valeurs
x
= [0, 1, 2, 3], y = [2, 0.9 = 1 0.1, 0.1 = 0 + 0.1, 1]
(c'est--dire, un nuage applati le long du graphe de la fonction f

Pour retrouver une quation linaire y
{[0, 2], [1, 0.9], [2, 0.1], [3, 1]},
= ax + b
on cacule
= 2 x ).
partir du nuage
le centre de gravit
[x , y ] = [0 + 1 + 2 + 3, 2 + 0.9 + 0.1 1] = [1.5, 0.5].

4
On calcule les points centrs
= [x1 x , x2 x , x3 x , x4 x ], Y = [y1 y , y2 y , y3 y , y4 y ],
= [1.5, 0.5, 0.5, 1.5], Y = [1.5, 0.4, 0.4, 1.5]
X X = 2.25 + 0.25 + 0.25 + 2.25 = 5.0,
X Y = 2.25 0.20 0.20 2.25 = 4.9,
X Y
4.9
a =
X X = 5.0 = 0.98, b = y ax = 0.5 + 0.98 1.5 = 1.97,
y = 0.98x + 1.97.
58

x
= [0, 1, 2, 3], y = [2, 0.9 = 1 0.1, 0.1 = 0 + 0.1, 1]

{[0, 2], [1, 0.9], [2, 0.1], [3, 1]},
= ax + b
on cacule
= 2 x ).
partir du nuage
le centre de gravit
[x , y ] = [0 + 1 + 2 + 3, 2 + 0.9 + 0.1 1] = [1.5, 0.5].

4
= [1.5, 0.5, 0.5, 1.5], Y = [1.5, 0.4, 0.4, 1.5]
X X = 2.25 + 0.25 + 0.25 + 2.25 = 5.0,
X Y = 2.25 0.20 0.20 2.25 = 4.9,
X Y
4.9
a =
X X = 5.0 = 0.98, b = y ax = 0.5 + 0.98 1.5 = 1.97,
y = 0.98x + 1.97.
58

x
= [0, 1, 2, 3], y = [2, 0.9 = 1 0.1, 0.1 = 0 + 0.1, 1]

{[0, 2], [1, 0.9], [2, 0.1], [3, 1]},
= ax + b
on cacule
= 2 x ).
partir du nuage
le centre de gravit
[x , y ] = [0 + 1 + 2 + 3, 2 + 0.9 + 0.1 1] = [1.5, 0.5].

4
= [1.5, 0.5, 0.5, 1.5], Y = [1.5, 0.4, 0.4, 1.5]
X X = 2.25 + 0.25 + 0.25 + 2.25 = 5.0,
X Y = 2.25 0.20 0.20 2.25 = 4.9,
X Y
4.9
a =
X X = 5.0 = 0.98, b = y ax = 0.5 + 0.98 1.5 = 1.97,
y = 0.98x + 1.97.
58
Exemples numriques
I Loi exponentielle.
y
y1
= [7.39, 2.46, 1.11, 0.368],
e 2 , y2 e 0.9 , y3 e 0.1 , y4 e 1 .
y = e 0.98x +1.97 .
I Loi logistique.
y
y1
1
1
+ e2
= [0.119, 0.289, 0.474, 0.730],
, y2
1
1
+ e 0.9
y =
59
, y3
1
1
+ e 0.1
1
1
+ e 0.98x +1.97
, y4
1
1
+ e 1
Exemples numriques
y
y1
= [7.39, 2.46, 1.11, 0.368],
e 2 , y2 e 0.9 , y3 e 0.1 , y4 e 1 .
y = e 0.98x +1.97 .
I Loi logistique.
y
y1
1
1
+ e2
= [0.119, 0.289, 0.474, 0.730],
, y2
1
1
+ e 0.9
y =
59
, y3
1
1
+ e 0.1
1
1
+ e 0.98x +1.97
, y4
1
1
+ e 1
Exemples numriques
y
y1
= [7.39, 2.46, 1.11, 0.368],
e 2 , y2 e 0.9 , y3 e 0.1 , y4 e 1 .
y = e 0.98x +1.97 .
I Loi logistique.
y
y1
1
1
+ e2
= [0.119, 0.289, 0.474, 0.730],
, y2
1
1
+ e 0.9
y =
59
, y3
1
1
+ e 0.1
1
1
+ e 0.98x +1.97
, y4
1
1
+ e 1
Exemples numriques. Datation au moyen du carbone 14

([Bert], p.34).
Un talonnage de la mthoode a t ralis par
l'analyse de troncs de trs vieux arbres
Squoia gigantea et Pinus aristaca
(ouvrage de A.G.Marshall) :
> N :=7 :
t :=[500, 1000, 2000, 3000, 4000, 5000, 6300] :
yt :=[14.5, 13.5, 12.0, 10.8, 9.9, 8.9, 8.0] :
> for n from 1 to N do lt[n] :=ln((yt[n])) ;od :
lt := [2.674148649, 2.602689685, 2.484906650,
2.379546134, 2.292534757, 2.186051277,
2.079441542]
60
Pour trouver l'quation de la droite,

on utilise la mthode de moindres carrs :
> moyenne :=(1/N)*(add([t[n],lt[n],yt[n]],n=1..N)) :
> xb :=moyenne[1] :yb :=moyenne[2] :'[xb,yb]'=[xb,yb] ;
(le centre de gravit du nuage linaris)

> with(linalg) : for n from 1 to N do
X[n] :=t[n]-xb ;Y[n] :=lt[n]-yb ;od :
X :=[seq(X[i],i=1..N)] :Y :=[seq(Y[i],i=1..N)] :
> with(Student[LinearAlgebra]) :evalm(X.X) : evalm(X.Y) :
> lambda :=-evalm(X.Y)/evalm(X.X) :
b :=yb+lambda*xb : l :=-lambda*x+b ;
> L :=plot(l(x), x=0..t[N]) :
pointsplot(points) :
L2 :=plot(pointslt, style=point,
(la droite des moindres carrs)

legend="nuage des points linaris, lt[n]=ln(yt[n])") :
L3 :=pointplot([xb,yb]) :
display(L,L2, L3) ;
l := -0.0001019409404 x + 2.703090171
f(x) := -0.0001019409404 x + 2.703090171
la valeur initiale N0
-vie : T
61
= e b 14.93
, la demi
= ln(2)/0.0001019409404 6790.
Cours N 6, Exemples numriques (R.Pearl, 1925) :

Exprience de T.CARLSON (voir [Bert], p.96)
l'tude de la croissance en milieu ferm d'une population
de saccharomyces (levures) a donn les rsultats suivants,
o le temps t est exprim en heures, et o N est un nombre
proportionnel au nombre total de levures vivantes l'instant t :
> Ns:=665;
t:=[0, 1, 3, 5, 7, 9, 11, 13, 15, 18];
N:=[9.6,18.3, 47.2,119.1,257.3,441.0,559.7,629.4,651.1,661.8];
for n from 1 to 10 do a[n]:=ln((Ns-N[n])/N[n]);od;
>
a[1] := 4.223482638 a[2] := 3.564981448
a[3] := 2.571770888
a[4] := 1.522472332
a[5] := 0.4602888905 a[6] := -0.6773988237
a[7] := -1.670587507 a[8] := -2.872421347
a[9] := -3.846774400 a[10] := -5.331812586
62
Fig.: 4. Donnes exprimentalles et la fonction linarise a[n] = ln((Ns N [n])/N [n])
63
Pour trouver l'quation de la droite,

on utilise la mthode de moindres carrs
l := -0.5323127461 x + 4.159364671
L'quation thorique donne par le modle est

y (t )
64
= Ns /(1 + e bt )
665
1 + e 4.1593646710.5323127461t
Pour ceux qui le souhaitent, les programmes de ces calculs

en utilisant le logiciel Maple sont disponibles l'adresse :
http ://www-fourier.ujf-grenoble.fr/panchish/6mat127-maple, dans
des chiers .mws). Dans ce cas il faut disposer une version assez rcente de Maple
Pour travailler avec ces chiers, on peut :
I les ouvrir avec Netscape,

I "enregistrer sous . . ." comme un chier .mws,
I les ouvrir avec une version de Maple .
65


65


65


65
Fonctions de deux variables ([Bert], p.41)

Au cours d'une srie d'exprimentations ou d'observations, on s'intresse trois
variables x , y , z lies au phnomne tudi, par exemple : pression, volume,
temprature d'un gaz, ou encore taille, ge d'un individu.
Les relations entre les variables s'appuient

sur la notion de fonction de deux variables
et, gomtriquement, correspondent
aux notions de courbre ou de surface
dans l'espace en trois dimensions.
Voici le graphe de la fonction
z
66
= f (x , y ) = x 2 y 2 + 5
Fonctions de deux variables ([Bert], p.41)

Au cours d'une srie d'exprimentations ou d'observations, on s'intresse trois
variables x , y , z lies au phnomne tudi, par exemple : pression, volume,
temprature d'un gaz, ou encore taille, ge d'un individu.
Les relations entre les variables s'appuient

sur la notion de fonction de deux variables
et, gomtriquement, correspondent
aux notions de courbre ou de surface
dans l'espace en trois dimensions.
Voici le graphe de la fonction
z
66
= f (x , y ) = x 2 y 2 + 5
Continuit des fonctions de deux variables

Soit f une fonction des deux variables x et y . On dit que f est continue au
point
(x0 , y0 )
si la valeur z
= f (x , y )
tend vers z0
= f (x0 , y0 )
lorsque x
tend vers x0 , et y tend vers y0 simultanement.

Exercice
1) On pose f (x , y )
(x 1)2 + y 2 = 1 et x > 0 et f (x , y ) = 0,
fonction f (x , y ) est continue en (x0 , y0 ) = (0, 0) ?
= 1,
sinon. Est-ce que la
si
2) Montrer que toute fonction polynmiale de deux variables est continue.
Drives partielles
Si l'on xe une des variables, par exemple y
= y0 ,
z est la fonction de la
seule variable x :
x
7 z = f (x , y0 ).
La drive de cette fonction s'appelle la drive
partielle de f par rapport x : on la note
f
x (x , y0 ).
On dnit de manire analogue la drive partielle par rapport y .
67
Continuit des fonctions de deux variables

Soit f une fonction des deux variables x et y . On dit que f est continue au
point
(x0 , y0 )
si la valeur z
= f (x , y )
tend vers z0
= f (x0 , y0 )
lorsque x
tend vers x0 , et y tend vers y0 simultanement.

Exercice
1) On pose f (x , y )
(x 1)2 + y 2 = 1 et x > 0 et f (x , y ) = 0,
fonction f (x , y ) est continue en (x0 , y0 ) = (0, 0) ?
= 1,
sinon. Est-ce que la
si
2) Montrer que toute fonction polynmiale de deux variables est continue.
Drives partielles
Si l'on xe une des variables, par exemple y
= y0 ,
z est la fonction de la
seule variable x :
x
7 z = f (x , y0 ).
La drive de cette fonction s'appelle la drive
partielle de f par rapport x : on la note
f
x (x , y0 ).
On dnit de manire analogue la drive partielle par rapport y .
67
Exemples
I f (x , y )
I f (x , y )
I f (x , y )
= ax + by , xf (x , y ) = a, yf (x , y ) = b.
p
= x 2 + y 2 , xf (x , y ) = 2x 2 , yf (x , y ) =
=
f
kxy ,
x (x , y )
x +y
f
ky ,
y (x , y ) = kx .
y
.
x 2 +y 2
Accroissement et direntielle Soit

z = z z0 = f (x , y ) f (x0 , y0 ), x = x x0
et
Supposons que les drives partielles
f
f
x et y sont continues
en tout point voisin de
(x0 , y0 ).
z
x et y : f (x , y ) f (x0 , y0 )
= (f (x , y ) f (x , y0 )) + (f (x , y0 ) f (x0 , y0 ))
= xf (x , )(x x0 ) + yf (, y0 )(y y0 )
o [x , x0 ], [y , y0 ],
f
f
f
f
x (x , ) x (x0 , y0 ), et x (x , ) x (x0 , y0 )
La direntielle de f en (x0 , y0 ) est la fonction
Alors on trouve l'accroissement
en termes de
df
68
(x , y ) =
f
x (x0 , y0 )x
f
y (x0 , y0 )y
y = y y0
Exemples
I f (x , y )
I f (x , y )
I f (x , y )
= ax + by , xf (x , y ) = a, yf (x , y ) = b.
p
= x 2 + y 2 , xf (x , y ) = 2x 2 , yf (x , y ) =
=
f
kxy ,
x (x , y )
x +y
f
ky ,
y (x , y ) = kx .
y
.
x 2 +y 2
Accroissement et direntielle Soit

z = z z0 = f (x , y ) f (x0 , y0 ), x = x x0
et
Supposons que les drives partielles
f
f
x et y sont continues
en tout point voisin de
(x0 , y0 ).
z
x et y : f (x , y ) f (x0 , y0 )
= (f (x , y ) f (x , y0 )) + (f (x , y0 ) f (x0 , y0 ))
= xf (x , )(x x0 ) + yf (, y0 )(y y0 )
o [x , x0 ], [y , y0 ],
f
f
f
f
x (x , ) x (x0 , y0 ), et x (x , ) x (x0 , y0 )
La direntielle de f en (x0 , y0 ) est la fonction
Alors on trouve l'accroissement
en termes de
df
68
(x , y ) =
f
x (x0 , y0 )x
f
y (x0 , y0 )y
y = y y0
Introduction
Mthodes numriques
68
Mis en quation des variables. Notion d'quation

direntielle.
Equations direntielles autonomes du premier ordre
Rappelons qu'une
quation direntielle du premier ordre est une quation qui met en jeu une
drivable (voir (2.1)).
Par exemple, y
= 2y ,
= 3y (4 y ),
= 2y + t ,
o y
= y (t ),
dy
dt .
Les exemples prcdents conduisent des quations direntielles du type :

y
On dit qu'on a une
= F (y )
(4.1)
quation direntielle autonome, car t
explicitement. L'inconnue est la fonction y (t )
:RR
drive.
Une
y
n'y gure pas
dy
dt est sa
quation direntielle gnrale du 1er ordre s'crirait
= G (y , t ),
o G est une fonction de
deux variables).
69
et y
R2
dans
(une fonction

direntielle.
Rappelons qu'une
Par exemple, y
= 2y ,
= 3y (4 y ),
= 2y + t ,
o y
= y (t ),
dy
dt .

y
On dit qu'on a une
= F (y )
(4.1)
:RR
drive.
Une
y
n'y gure pas
dy
dt est sa
= G (y , t ),
deux variables).
69
et y
R2
dans
(une fonction

direntielle.
Rappelons qu'une
Par exemple, y
= 2y ,
= 3y (4 y ),
= 2y + t ,
o y
= y (t ),
dy
dt .

y
On dit qu'on a une
= F (y )
(4.1)
:RR
drive.
Une
y
n'y gure pas
dy
dt est sa
= G (y , t ),
deux variables).
69
et y
R2
dans
(une fonction
Cours N 7,
quation direntielle gnrale du 1er ordre
Considrons gnralement l'quation direntielle du 1er ordre

y
Une
= G (y , t )
solution de l'quation (4.2) sur un intervalle I
y (t ) drivable I telle que pour tout t

y
70
(4.2)
0 (t )
= G (y (t ), t )
on ait :
est une fonction
Thorme de l'existence et d'unicit de la solution d'une

quation direntielle du premier ordre avec une condition
initiale
On considre une quation direntielle du 1er ordre y
= G (y , t ).
Une quation
direntielle a, en gnral, une innit de solutions. Pour en prciser une, on se

donne la valeur y (t0 ) de y un instant t0 (souvent gal 0) choisi. Le problme ainsi
pos s'appelle problme de Cauchy. Sous des hypothses de rgularit assez faibles
sur G on montre que le problme de Cauchy admet une solution maximale unique.
Thorme (Cauchy-Lipschitz)
Soient dans un domaine ferm D
= {(t , y ) R2 ||t t0 | a, |y y0 | b} les

= G (y , t ) admet dans un intervalle
vriant la condition initiale y (t0 ) = y0 .
0
0
fonctions G et Gy continues. Alors l'quation y
|t t0 | d
une solution unique
maximale, c'est dire qui ne peut pas tre
prolonge sur un intervalle J contenant strictement I .
71

initiale
= G (y , t ).
Une quation

= {(t , y ) R2 ||t t0 | a, |y y0 | b} les

0
0
|t t0 | d
une solution unique
71

initiale
= G (y , t ).
Une quation

= {(t , y ) R2 ||t t0 | a, |y y0 | b} les

0
0
|t t0 | d
une solution unique
71
Exemple de solutions
Exemples (4.2)
I Les quations y 0
= ky ,
= 2y + t ,
toujours une unique solution

intervalle |t
= y2
etc. admettent
locale (c'est--dire, dans un
t0 | d ).
I Par contre, les hypothses du thorme de Cauchy-Lipschitz

sont prises en dfaut par le problme de Cauchy suivant
y
= 2|y |1/2 , y (0) = 0
qui admet une innit de solutions donnes par y (t )

t
72
(avec a
0)
et y (t )
(t a)2 pour t
a.
=0
pour
Exemple de solutions
Exemples (4.2)
I Les quations y 0
= ky ,
= 2y + t ,
toujours une unique solution

intervalle |t
= y2
etc. admettent
locale (c'est--dire, dans un
t0 | d ).
I Par contre, les hypothses du thorme de Cauchy-Lipschitz

sont prises en dfaut par le problme de Cauchy suivant
y
= 2|y |1/2 , y (0) = 0
qui admet une innit de solutions donnes par y (t )

t
72
(avec a
0)
et y (t )
(t a)2 pour t
a.
=0
pour
Solutions locales et globales

Remarque (4.3, Solutions locales et globales [DDGR], p.26)
Il existe des quations direntielles autonomes dont les solutions ne
peuvent pas tre dnies pour tout t
C t ,
y (t ) =
0,
A0
C 0 t ,
si t
si t
si t
: y
= y2
a pour solutions
[, C [
R,
[C 0 , +[,
mais (grce au thorme Cauchy-Lipschitz), il est toujours possible

y0
de dnir une solution locale, par exemple, y (t ) =
, avec
1 y0 t
h
h
73
, y10
, si y0
>0
quations direntielles variables spares ([Bert], p.102)

Ce sont les quations direntielles qu'on peut crire sous la forme y
Rgle de rsolution
On crit l'quation sous la notation direntielle
On spare les variables t et y : b (y )y
dy
dt
a(t )
b (y )
= a(t ).
Soit B une primitive de b, et soit A une primitive de a,

dB (y )
on crit
dy
= b(y ),
B (y )t
= b(y )y 0 ,
= (A(t ))0
(B (y ))0 = (A(t ))0
a(t )
puisque la drive de la fonction B (y )

on en dduit B (y )
= A(t ) + C ,
A(t )
est nulle,
o C est une constante
On cherche, si possible, une expression de y en fonction de t .
74
a(t )
b (y )
Exemple de solution analytique

Rsoudre l'quation
(t + 1) (
d
dt
y (t ))
+ t y (t )2 = 0,
avec y (1)
= 1.
Indication : Dans ce cas

y
y2
t
t
+1
a(t ) =
t
t
+1
, b(y ) =
1
y2
= 1 +
, on trouve les primitives
+1
t +1
1
1
A(t ) = t + ln |t + 1|, B (y ) = , d'o
y
y = t ln |t + 1| + C ,
Puisque
y (t )
75
1
t
ln(t + 1) + C
avec C
= ln(2).
et
quations direntielles linaires (voir [Pajot], Ch.VII, p.6)

Soient a
: I R,
:I R
Rapellons que la fonction y
deux fonctions dnies sur un intervalle I de
:I R
R.
est une solution de l'quation direntielle
linaire
y
= ay + b
si y est drivable sur I et pour tout t

y
I,
(t ) = a(t )y (t ) + b(t )
Proposition (4.4. Solutions d'quations linaires homognes)

Supposons que la fonction a
:I R
soit continue sur un intervalle I de
soit A une primitive de a sur I . Alors, les solutions de y

t
Ce A(t ) ,
o C
= ay
R.
Il y a bien existence de solutions pour l'quation considre.
76
et
sont les fonctions
Dmonstration. Le principe de la preuve est le mme que celui que

nous avons vu dans le cas o a est une fonction constante.
Tout d'abord, si y (t )
y
= Ce A(t )
0
solution de y
0
I,
alors
(t ) = C (A0 (t )e A(t ) = Ca(t )e A(t ) = a(t )y (t ).
Donc, y est une solution de y
pour t
= ay .
= ay . Rciproquement, soit y une

I , C (t ) = y (t )e A(t ) . Alors,
Posons, pour t
(t ) = y 0 (t )e A(t ) y (t )A0 (t )e A(t )
= e A(t ) (y 0 (t ) A0 (t )y (t )) = e A(t ) (y 0 (t ) a(t )y (t )).

Donc C est constante sur I . Ainsi, il existe C
= C , soit encore y (t )e A(t ) = C

A(t ) pour tout t I .
y (t ) = Ce
C (t )
77
pour t
R tel que
I . Il s'ensuit
que
Lien entre les solutions d'quations homognes et

non-homognes
Que se passe-t-il si l'quation a un second membre ? Nous considrons
l'quation
(E )
ay = b
Nous lui associons l'quation homogne
(E 0 )
ay = 0.
Supposons que l'on connaisse deux solutions y0 et y1 de (E). Alors,

formellement,
(y1 y0 )0 a(y1 y0 ) = (y10 ay1 ) (y00 ay0 ) = b b = 0. Donc, y1 y0

est solution de (E ) et donc, d'aprs ce qui prcde, il existe C R tel que
A(t ) , ou encore
y1 (t ) y0 (t ) = Ce
y1 (t )
78
= y0 (t ) + Ce A(t ) .

Pour trouver une solution particulire y0 de (E), on utilise de nouveau la
mthode de variation de la constante. Nous cherchons une solution de
y
ay = b
sous la forme y0
C
= C (t )e A(t ) .
Ainsi C doit vrier
(t )e A(t ) + C (t )A0 (t )e A(t ) = a(t )C (t )e A(t ) + b(t ),

0
soit encore, puisque A
= a,
0 (t )
= b(t )e A(t ) .
Exemple (4.5)
+ 5y = t . Nous pouvons encore l'crire y 0 = 5y + t ,
a = 5, b =
= G (t , y ), o G (t , y ) = 5y + t . Une solution
A(t ) = C (t )e 5t , o C (t ) est une primitive
particulire sur R est y (t ) = C (t )e
5t
5t
5t
de te , i.e. (1/5)te
1/25e (l'intgration par parties). Donc,
0
A(t ) = (1/5)te 5t 5t 1/25e 5t 5t = (1/5)t 1/25 (comparer
y (t ) = C (t )e
0
t Donc, y
avec Exemple 2.2).
79
Cours N 8,
Les mthodes de rsolution d'quations linaires
On distingue plusieurs types de mthodes de rsolution :
(1)
Les mthodes analytiques : on cherche calculer
explicitement les solutions au moyen des fonctions dites usuelles

(fonctions exponentielles et logarithmes, fonctions
trigonomtriques, ...). Historiquement, c'est la mthode la plus
ancienne. Elle a beaucoup d'inconvnients, le principal tant de ne
pas tre toujours applicable ; par exemple, on ne peut pas rsoudre
une quation aussi simple que y
+ y 4.
Lorsqu'elle marche, elle fournit parfois des expressions trs

compliques et diciles tudier. Elle reste la mthode dominante
dans les manuels scolaires, car elle donne lieu des moyens simples
pour valuer les tudiants...
80
Les mthodes numriques et les mthodes qualitatives

(2)
Les mthodes numriques : on se contente de chercher une
N prs. L'avantage est
approximation de la solution cherche 10
que ces mthodes sont universelles, c'est dire indpendantes de

l'quation tudie. Elles sont trs utilises depuis que l'on dispose
de moyens de calculs automatiques.
(3)
les mthodes qualitatives : on abandonne l'objectif d'une
connaissance quantitative prcise des solutions en se rabattant sur

des objectifs plus limits : recherche des solutions stationnaires,
tude de leur stabilit, comportement des solutions quand
t
+,
caractre chaotique. Le premier s'tre intress un tel
point de vue sur les quations direntielles est sans doute Henri
Poincar au dbut du XXme sicle.
81
tude graphique. Champs de directions, isoclines, courbes intgrales

Le graphe d'une solution a pour tangente au point
(t , y )
la droite de
coecient angulaire G (y , t ) ; comme ce graphe est parcouru dans le sens

des t croissants, on peut visualiser le phnomne en traant au point
(t , y )
une che d'origine ce point, porte par la droite de coecient angulaire

G (y , t ) et orient dans le sens des t croissants.
On obtient ainsi un champ de ches

associ l'quation direntielle ;
une solution de l'quation est une fonction
dont le graphe est tangente
en chaque point la che
ayant pour l'origine ce point.
82
Champ de directions
On s'intresse aux graphes des solutions (maximales) y (t ) de l'quation (2.1).
Quelle proprit gomtrique partagent-ils ? En chaque point
(t , y ),
(t0 , y0 )
du plan des
on peut considrer la droite passant par ce point et de pente p0
= G (y0 , t0 ).
On obtient ce que les mathmaticiens appellent un champ de directions, par analogie

avec un champ de bl o en chaque point on a une tige de bl avec une certaine
direction.
On peut reprsenter graphiquement ce champ de la faon suivante : on choisit une
grille de points, ceux de coordonnes
(ma, na)
o m , n
> 0 est choisir.

(ma, na) un segment
et a
On dessine en chaque point Mm,n de coodonnes cartsiennes
centr au point Mm,n dont la projection sur l'axe des y a pour longueur a et dont la
pente est G (ma, na). Cela donne une ide du champ de direction.
Soit y (t ) une solution de l'quation direntielle y0
alors, pour tout t0
I,
tangente la droite du champ prcdent
83
= G (y , t ),
(t0 , y0 = y (t0 )) est
associe au point (t0 , y0 ).
le graphe de y (t ) en
Exemples : on peut rsoudre gomtriquement les quations direntielles suivantes :

(1) y
(2) y
(3) y
=2
= 0 si |y | > 1, y 0 = 1
= t /y
si |y |
Isoclines. On s'intresse aux points m = (t , y ) du plan tels que la solution qui passe
par ce point ait une pente p. On note Ip cet ensemble, appel isocline de pente p. Il
est remarquable que cet ensemble peut tre dcrit avant de rsoudre l'quation
direntielle, en eet on a :
Ip
= {(t , y )|G (y , t ) = p }
Le trac de quelques isoclines permet de prvoir l'allure des solutions.
Points d'inexion. Rappel : Les points d'inexion sont les points pour lesquels la
00 (t ) change de signe. De y 0 (t ) = G (y (t ), t ), on tire
= Gy0 (y (t ), t )y 0 (t ) + Gt0 (y (t ), t ) = GGy0 + Gt0 . Le lieu des points d'inexion
0
0
0
donn par (GGy + Gt )(y , t ) = 0 et dans le cas autonome par F (y ) = 0.
drive seconde y
y
00 (t )
donc
84
est

(1) y
(2) y
(3) y
=2
= 0 si |y | > 1, y 0 = 1
= t /y
si |y |
Ip
= {(t , y )|G (y , t ) = p }
0
0
0
drive seconde y
y
00 (t )
donc
84
est

(1) y
(2) y
(3) y
=2
= 0 si |y | > 1, y 0 = 1
= t /y
si |y |
Ip
= {(t , y )|G (y , t ) = p }
0
0
0
drive seconde y
y
00 (t )
donc
84
est
Solution numrique. Mthode d'Euler.

Supposons qu'on veuille rsoudre le problme de Cauchy
y
= G (y , t ), y (t0 ) = y0
et trouver une valeur approche de y (a).

On choisit un entier N et on subdivise l'intervalle [t0 , a] en N sous-intervalles
[ti , ti +1 ], i = 0, , N 1 avec ti = t0 + i T avec T = (a t0 )/N . On calcule alors

(ti ) = yi par yi +1 = yi + G (yi , ti )T . On peut calculer ainsi y1 ,
une solution approche y
(a). On montre que lorsque N , y (a) y (a).
puis y2 jusqu' yn = y
Exemple (4.6)
y
yN
= y , y0 = 1, t0 = 0, on a : yn+1 = yn + Tyn = (1 + T )yn ,

= (1 + Na )/N qui converge quand N vers e a .
yn
= (1 + T )n
et
On peut largement amliorer la mthode d'Euler de faon avoir une convergence plus
rapide. Le lecteur intress peut consulter le livre de Jean-Pierre Demailly aux PUG, voir
[Dem].
85

y
= G (y , t ), y (t0 ) = y0


Exemple (4.6)
y
yN

yn
= (1 + T )n
et
[Dem].
85

y
= G (y , t ), y (t0 ) = y0


Exemple (4.6)
y
yN

yn
= (1 + T )n
et
[Dem].
85

y
= G (y , t ), y (t0 ) = y0


Exemple (4.6)
y
yN

yn
= (1 + T )n
et
[Dem].
85
Voici un programme Maple typique pour mettre en oeuvre

la mthode d'Euler pour l'quation direntielle y 0 = 2
ty
> G:=t*y/2;
T:=[0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0];
y[1]:=1;
for n from 1 to 10 do
Gn:=eval(G, [y=y[n],t=T[n]]);
y[n+1]:=y[n]+(T[n+1]-T[n])*Gn;
print('n'=n, 'T[n]'=T[n], 'y[n]'=y[n],
'G(y[n], t[n]) *(T[n+1]-T[n])'=Gn*(T[n+1]-T[n]));
od:
86
> print('y'=[y[1], y[2],y[3],y[4],y[5],y[6],y[7],y[8],y[9],y[10],y[11]]);

T := [0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]
y[1] := 1
n=1,T[n]=0,y[n]=1,G(y[n], T[n]) (T[n+1]-T[n])=0.
n=2,T[n]=0.1,y[n]=1.,G(y[n], T[n])(T[n+1]-T[n])=0.005000000000
n=3,T[n]=0.2,y[n]=1.005000000,G(y[n], T[n])(T[n+1]-T[n])=0.01005000000
n=4,T[n]=0.3,y[n]=1.015050000,G(y[n], T[n])(T[n+1]-T[n])=0.01522575000
n=5,T[n]=0.4,y[n]=1.030275750,G(y[n], T[n])(T[n+1]-T[n])=0.02060551500
n=6,T[n]=0.5,y[n]=1.050881265,G(y[n], T[n])(T[n+1]-T[n])=0.02627203162
n=7,T[n]=0.6,y[n]=1.077153297,G(y[n], T[n])(T[n+1]-T[n])=0.03231459891
n=8,T[n]=0.7,y[n]=1.109467896,G(y[n], T[n])(T[n+1]-T[n])=0.03883137636
n=9,T[n]=0.8,y[n]=1.148299272,G(y[n], T[n])(T[n+1]-T[n])=0.04593197088
n=10,T[n]=0.9,y[n]=1.194231243,G(y[n], T[n])(T[n+1]-T[n])=0.05374040595
y= [1, 1., 1.005000000, 1.015050000, 1.030275750, 1.050881265,
1.077153297, 1.109467896, 1.148299272, 1.194231243,1.247971649]
87
> with(plots):
pointsy:=[seq([T[n],y[n]],n=1..11)]:
R1:=plot(pointsy, style=point,
legend="calcul numrique de y[n]"
):
R2:=plot(pointsy,
color=blue,
title="la mthode d'Euler",
legend="y[n+1]=y[n]+(T[n+1]-T[n])T[n]y[n]/2"
):
display(R1,R2):
> with(DEtools):
ode:=diff(Y(x),x)=x*Y(x)/2;
dsolve(ode, Y(x));
with(plots):
C:=plot(exp(1/4*x^2),x=0..1, color=gold,
legend=`Solution thorique d'une quation diffrentielle ordinaire`,
thickness=2):
C1:=dfieldplot(ode,Y(x),x=0..1,
Y=1..1.5,
color=Y*exp(-1/4*x^2)):
R3:=DEplot(diff(Y(x),x)=x*Y(x)/2,Y(x),x=0..1, [[Y(0)=1]],
color=Y*exp(-1/4*x^2),
linecolor=[gold]
):
display(R1,R2, C, C1);
88
Fig.: 5. Solution thorique y = e (1/4)t de y 0 = ty /2, y (0) = 1, et solution numrique

(par la mthode d'Euler :yn+1 = yn + (tn+1 tn )G (yn , tn )
(G (y , t ) = ty /2, n = 1, , N .)
2
89
Solutions stationnaires et positions d'quilibre

Revenons maintenant dans la suite de cette section au cas
autonome y
= F (y ).
Une solution est dite stationnaire si y (t ) est
constante. Cela correspond en mcanique ce qu'on appelle les

positions d'quilibre. Ici les solutions stationnaires sont faciles
dterminer : y (t )
=c
est stationnaire si et seulement si F (c )
= 0.
On s'attachera donc dans un premier temps dterminer les

solutions de F (y )
=0
qui en gnral partagent l'intervalle de
dnition de F en sous-intervalles o F est de signe constant. Ces

signes vont jouer un rle important dans l'tude qualitative. Soient
a
<b
deux solutions conscutives de F (y )
= 0. Si a < y0 < b, la
= y0 est entirement
croisait la droite y = a, on
solution du problme de Cauchy y (t0 )

comprise entre a et b. Si son graphe
aurait non unicit pour le problme de Cauchy. On en dduit que

les solutions non stationnaires sont strictement monotones et donc
inversibles : on peut ainsi les voir comme des fonctions t (y ).
90

autonome y
= F (y ).

dterminer : y (t )
=c
= 0.

solutions de F (y )
=0

a
<b
= 0. Si a < y0 < b, la
= y0 est entirement


90

autonome y
= F (y ).

dterminer : y (t )
=c
= 0.

solutions de F (y )
=0

a
<b
= 0. Si a < y0 < b, la
= y0 est entirement


90

autonome y
= F (y ).

dterminer : y (t )
=c
= 0.

solutions de F (y )
=0

a
<b
= 0. Si a < y0 < b, la
= y0 est entirement


90
Partie II. Systmes dynamiques et quations direntielles
Systmes dynamiques : un langage pour la modlisation.

Qu'est ce qu'un systme dynamique ?
Systmes dynamiques discrets
Systmes dynamiques continus
Comportement qualitatif et stabilit
tude de stabilit pour un systme dynamique discret
Application : systmes cologiques

Le modle de Volterra-Lotka.
91


91
Cours N 9,
II. Systmes dynamiques : un langage pour la modlisation
(voir [DDGR], p.5)
quations
direntielles et les quations aux drives partielles comme
Depuis le 17e sicle, les scientiques ont utilis les
langage de modlisation.
Newton, Leibniz, Euler, les Bernoulli ont cre les premires bases de
la thorie. Depuis, les scientiques n'ont pas cess de perfectionner
le langage, les outils, les mthodes.
92
Modlisation
Rappelons que de point de vue mathmatique, une modlisation est la donne
de :
I T est le temps (soit un ensemble discret

T
T
T
= {tl = lh | l Z, h > 0 une constante xe }, soit

= {tl = lh | l N, h > 0 une constante xe } soit
= R (ou T = R0 ) donc t + s T pour tout t , s T ).
X
= (x , y , ) M ,
o x , y
sont des quantits numriques, souvent
appeles variables ou observables, qui caractrisent un tat de systme

dynamique en question.
: t 7 (x (t ), y (t ), ) M , telle
avec la proprit f (0) = X0 , o X0
93
que f
= fX 0
: T M,
satisfait une loi dynamique
est l'tat initial du processus.
Modlisation
de :

T
T
T

X
= (x , y , ) M ,
o x , y

: t 7 (x (t ), y (t ), ) M , telle
93
que f
= fX 0
: T M,
Modlisation
de :

T
T
T

X
= (x , y , ) M ,
o x , y

: t 7 (x (t ), y (t ), ) M , telle
93
que f
= fX 0
: T M,
Modlisation
de :

T
T
T

X
= (x , y , ) M ,
o x , y

: t 7 (x (t ), y (t ), ) M , telle
93
que f
= fX 0
: T M,
Espace des phases
La formulation exacte des principes gnraux ci-dessus fait appel

aux notions d'espace des phases (espaces de congurations). On a
vu dj la notion de processus dterministe : toute son volution et
son pass sont univoquement dnis par son tat prsent.
L'ensemble de tous les tats d'un tel processus s'appelle espace de
phases.
Voyons un exemple o la seule introduction de l'espace des phases
permet de rsoudre un exercice pineux.
94
Exemple d'utilisation de l'espace des phases (voir [ArnED], p.12)
Exemple (6.1)
Les villes A et B sont relies par deux routes ne se coupant nulle part. On sait
que deux mobiles empruntant chacun l'une de ces voies et lis entre eux par une
celle d'une longueur infrieur 2l , peuvent se rendre de A en B sans rompre
cette celle. On se demande si deux vhicules sphriques de rayon l , dont les
centres se dplacent sur chacune de ces routes, l'un la rencontre de l'autre,
peuvent se croiser sans se heurter.
Solution : Examinons le carr M = {x1 , x2 | 0 xi 1}. On peut reprsenter la
position de deux mobiles (l'un se dplaant sur la premire route, l'autre sur la
seconde) par un point du carr M : il sut pour cela de dsigner par xi la fraction de
distance AB parcourue par la route i en partant de A.
Toutes les positions des deux mobiles sont reprsentes par des points du carr M . Ce
carr est appel espace des phases et ses points points reprsentatifs. Par consquent,
chaque dplacement des mobiles correspond le dplacement d'un point reprsentatif
dans l'espace des phases.
95
Exemple (6.1)
95
Exemple (6.1)
95
Utilisation de l'espace des phases

Les mobiles partent de la ville A que nous supposerons correspondre l'angle
infrieur gauche du carr (x1
= x2 = 0),
quant leur dplacement de A en B , il
est reprsent par la courbe qui mne l'angle oppos. De la mme manire les
vhicules sphriques partant de l'angle infrieur droit (x1
= 0, x2 = 1),
quant
leur mouvement, il est reprsent par la courbe conduisant l'angle oppos du

carr.
Or dans un carr deux courbes quelconques joignant des sommets opposs se
coupent. Par consquent, quel que soit le mouvement des vhicules sphriques,
il arrivera un instant o ils occuperont une position dj occupe par le couple
des mobiles. cet instant la distance sparant les centres des vhicules
sphriques sera infrieure 2l . De sorte qu'il leur est impossible de ne pas se
heurter.
Dans cet exemple, le raisonnement est proche de ceux dans la thorie
qualitative d'quations direntielles : il est trs utile d'assimiler les tats d'un
processus un point d'un espace convenable.
96

= x2 = 0),
= 0, x2 = 1),
quant

carr.
heurter.
96

= x2 = 0),
= 0, x2 = 1),
quant

carr.
heurter.
96
Oprateur d'volution
Si donc M est un espace de congurations (espace de phases) nous pouvons
considrer l'volution temporelle du systme partir d'une position initiale
X0
occupe par le systme au temps t0 , Si ce systme se trouve une
position X1
au temps t1 , on pose X1
= t1 ,t0 (X0 ),
t1 ,t0 : M M
est
dit l'oprateur d'volution.

Si cet oprateur ne dpend pas du temps initial, c'est--dire qu'il ne dpend que
de t
= t1 t0 ,
on le note
t .
Proprits supplmentaires (dterministes) de l'oprateur d'volution :
t2 ,t1 t1 ,t0 = t2 ,t0 , et t ,t = Id. Cette proprit dit a b = a+b ,

0 = Id pour un systme autonome (indpendant de temps), o
a = t2 t1 , b = t1 t0 T . Ici le temps T est vu comme un ensemble
vriant les proprits :0 T , si a, b T alors a + b T .
Exemple (6.2)
= T = R, alors t (X ) = Xe t est un oprateur

R, a b (X ) = Xe b e a = a+b = Xe a+b .
Soit M
a, b
97
d'volution : pour tout
Oprateur d'volution
X0
position X1
= t1 ,t0 (X0 ),
t1 ,t0 : M M
est

de t
= t1 t0 ,
on le note
t .

Exemple (6.2)

Soit M
a, b
97
Oprateur d'volution
X0
position X1
= t1 ,t0 (X0 ),
t1 ,t0 : M M
est

de t
= t1 t0 ,
on le note
t .

Exemple (6.2)

Soit M
a, b
97
Dnition d'un systme dynamique

t (X ) := (t , X ).
= fX : M M est la fonction du
initiale fX (0) = X M .
Pour un oprateur d'volution autonome on note :

Autrement dit,
(t , X ) = fX (t ),
processus dynamique avec l'tat
o f
Dnition (6.3)
Un
systme dynamique est un triplet (M , T , ), dans lequel M
l'espace de conguration, T est le temps. et
:T M M
est
est une
application telle que :
X M , s , t T , (t , (s , X )) = (s + t , X ), (0, X ) = X .
L'application
: T M M , (t , X ) 7 (t , X )
(M , T , ).
est appel
ot du
systme dynamique
t (X ) := (t , X ), un ensemble
t : M M vriant t s = s +t .
Pour un systme dynamique, on note
{t }t T
98
des applications
Flots, orbites et dynamique : cas discret ([DDGR], p.19)

= Z. Dans ce cas un
: Z M M , (k , X ) 7 (k , X ), telle que
On considre le temps T
I toutes les applications
ot discret
est une application
k = (k , ) : Z M M , X 7 (k , X )
sont
susamment rgulires,
I
I
X M , (0, X ) = Id(X ) = X
X M , k , l Z, (l , (k , X )) = (k + l , X )
(cette proprit est
appele dterminisme du systme).
Dnition (6.4, orbite d'un ot discret)

Pour un ot : Z M M l'ensemble
O (X0 ) = {(k , X0 ) | k Z} est dit l'orbite
l'orbite de X0 .
99
de X0 , et
(k , X0 )
le k
e point de
La fonction dynamique (cas dterministe)

Dnition (6.5, la fonction dynamique)
Soit (M , Z, ) un systme dynamique discret, on pose
(X ) = (1, X ),
alors : M M une application appele dynamique du
systme,
et on a
(k , X0 ) = k (X0 ) (la k me itration de ), et

(k , X0 ) = (1 )k (X0 ) (la k me itration de l'application
1 pour tout entier positif k .
Exemple (6.6)
Soit
:MM
une bijection, on pose
), et
(k , X0 ) = (1 )k (X0 ) (la k me
1 pour tout entier positif k ).
(k , X0 ) = k (X0 )
inverse
(la
k me itration de
100
itration de l'application inverse
Cas discret semi-deterministe

On considre le temps T = N. Dans ce cas un
: N M M , (k , X ) 7 (k , X ), telle que
I toutes les applications
ot discret
est une application
k = (k , ) : N M M , X 7 (k , X )
sont
susamment rgulires,
I
I
X M , (0, X ) = Id(X ) = X
X M , k , l N, (l , (k , X )) = (k + l , X )
(cette proprit est
appele semi-dterminisme du systme).
Remarque
Il se peut que la fonction dynamique semi-dterministe
= 1 : M M
ne soit pas bijective, puisque
k (X ) = (k , X ) = k (X ), mais k = 1 6 N,
(k , X ) (voir l'exemple suivant).
1 n'est pas dnie par

donc
101
Exemple : un systme dynamique discret semi-dterministe

Exercice (6.8, voir [YCV], p.42)
Soit
: [0, 1] [0, 1]
l'application linaire par morceaux dnie par
2x
(x ) =
(a) Tracer le graphe de
2x
et de
x 1/2
1/2 x 1.
si 0
si
2 = .
(b) Calculer les points xes et les points priodiques de priode 2

de
(c) Montrer que la composition de fonctions anes est encore

ane et en dduire le graphe de
102
n .
Cours N 10,
Points xes et points priodiques
Soient M un ensemble et
:MM
une application,
: N M M le systme dynamique associ

(k , x ) = k (x ) pour tous (k , x ) N M ).
(rapellons que
Dnition (6.9)
M est dit point xe de si (X ) = X .
Un point X M est un point priodique de s'il existe N N

N
que (X ) = X , et (X ) 6= X . Le plus petit N qui vrie

Un point X
cette galit est appel la priode de X .
103
tel
Cours N 10,
:MM
une application,

(rapellons que
Dnition (6.9)

N

Un point X
103
tel
Cours N 10,
:MM
une application,

(rapellons que
Dnition (6.9)

N

Un point X
103
tel
Stabilit des points xes

Dnition (6.10, un point xe stable)
Un point xe X
> 0 > 0,
tel que |X0
est dit stable, si
X | < = k 0, |Xk X | < .
Exemple
Soit
: [0, 1] [0, 1]
(
(x ) =
et de
2x
2
2x
x 1/2
1/2 x 1.
si 0
si
2 = .
(b) Calculer les points xes et les points priodiques de priode 2 de
104
Stabilit des points xes

Dnition (6.10, un point xe stable)
Un point xe X
> 0 > 0,
tel que |X0
est dit stable, si
X | < = k 0, |Xk X | < .
Exemple
Soit
: [0, 1] [0, 1]
(
(x ) =
et de
2x
2
2x
x 1/2
1/2 x 1.
si 0
si
2 = .
(b) Calculer les points xes et les points priodiques de priode 2 de
104
Cas continu
sur un ouvert M Rn est une application

: R M M , (t , X ) 7 (t , X ) susamment rgulire,
Un ot
I
I
telle que
X M , (0, X ) = Id(X ) = X
X M , s , t R, (t , (s , X )) = (s + t , X )
Pour un
ot continu on obtient une famille t (X ) := (t , X ), des
fonctions dynamiques
{t }t T , t : M M
vriant
t s = s + t .
Dnition (6.12, orbite ou trajectoire d'un ot continu)

-Pour un ot : R M M l'ensemble
O (X0 ) = {(t , X0 ) | t R} est dit l'orbite
ou trajectoire de X0 .
-X0 est un point xe ou point d'quilibre du ot si

-Une trajectoire priodique du ot
courbe ferm : il existe P
>0
tel que
(P , X ) = X .
P qui convient est appel priode de X .
105
O (X0 ) = X0 ;
est une trajectoire reprsent par une

La valeur minimale de
Cas continu
sur un ouvert M Rn est une application

: R M M , (t , X ) 7 (t , X ) susamment rgulire,
Un ot
I
I
telle que
X M , (0, X ) = Id(X ) = X
X M , s , t R, (t , (s , X )) = (s + t , X )
Pour un
ot continu on obtient une famille t (X ) := (t , X ), des
fonctions dynamiques
{t }t T , t : M M
vriant
t s = s + t .
Dnition (6.12, orbite ou trajectoire d'un ot continu)

-Pour un ot : R M M l'ensemble
O (X0 ) = {(t , X0 ) | t R} est dit l'orbite
ou trajectoire de X0 .
-X0 est un point xe ou point d'quilibre du ot si

-Une trajectoire priodique du ot
courbe ferm : il existe P
>0
tel que
(P , X ) = X .
P qui convient est appel priode de X .
105
O (X0 ) = X0 ;
est une trajectoire reprsent par une

La valeur minimale de
Proprits des trajectoires

Pour un systme autonome, les trajectoires sont disjointes ou confondues dans
l'espace des phases : en eet si deux trajectoires se coupent en un point X ,
(t1 , X1 ) R M , (t2 , X2 ) R M tels que

(
X = (t1 , X1 )
X = (t2 , X2 ),
alors
(t1 , X1 ) = (t2 , X2 ),
et X2
= (t2 , (t2 , X2 )) =
(t2 , (t1 , X1 )) = (t1 t2 , X1 ),

O (X1 ), donc O (X2 ) O (X1 ), et de mme
O (X1 ) O (X2 ), ce qui signie que les trajectoires sont
i.e. X2
confondues.
106
Comportement des solutions d'une quation direntielle ;

orbites (voir [YCV], p.9)
On remarque que si y (t ) est une solution d'une quation
direntielle autonome, et c
R, y (t c )
en est une autre. Cela
implique en gnral, qu'il n'y a qu'un nombre ni de solutions

considrer qui chacune parcourt un des intervalles o F est de signe
constant. Considrons par exemple un intervalle ]a, b [ o F
F (a)
= F (b) = 0.
Soit y (t ) une solution telle que a
> 0 et
< y (0) < b.
Alors on peut montrer que la solution maximale du problme de

Cauchy satisfait limt y (t )
et y (t )
est strictement croissante sur
= a et limt + y (t ) = b
R. L'orbite correspondante
parcourt
donc ]a, b [. On peut la reprsenter gomtriquement en marquant

l'intervalle ]a, b [ d'une che vers la droite.
107
Stabilit
Soit a tel que F (a)
=0
et F
0 (a)
> 0,
on dduit de ce qui prcde que

si y (t0 )
6= a
est proche de a,
+.
< a < c tel que F > 0
sur ]a, c ] et F < 0 sur [b , a[.
Il existe t1 > t0 tel que y (t ) 6 [b , c ] pour t t1 .
La solution stationnaire y (t ) = a est dite instable
3
(par exemple, a = 0 pour F (y ) = y y ).
y (t ) s'loigne de a lorsque t
Plus prcisment, soit b
= 0 et F 0 (a) < 0.
< a < c tel que
F < 0 sur ]a, c ] et F > 0 sur [b , a[.
Alors si y (t0 ) [b , c ], y (t ) a quand t +.
La solution stationnaire y (t ) = a est alors dite stable
3
Soit, au contraire a tel que F (a)
Soit b
108
Stabilit
Soit a tel que F (a)
=0
et F
0 (a)
> 0,
on dduit de ce qui prcde que

si y (t0 )
6= a
est proche de a,
+.
< a < c tel que F > 0
sur ]a, c ] et F < 0 sur [b , a[.
Il existe t1 > t0 tel que y (t ) 6 [b , c ] pour t t1 .
La solution stationnaire y (t ) = a est dite instable
3
y (t ) s'loigne de a lorsque t
Plus prcisment, soit b
= 0 et F 0 (a) < 0.
< a < c tel que
F < 0 sur ]a, c ] et F > 0 sur [b , a[.
Alors si y (t0 ) [b , c ], y (t ) a quand t +.
La solution stationnaire y (t ) = a est alors dite stable
3
Soit, au contraire a tel que F (a)
Soit b
108
Le cas des intervalles innis est plus dlicat :
I Supposons d'abord F (a)
=0
et F (y )
>0
sur ]a, +[, alors
les solutions maximales sont dnies sur un intervalle du type

I
=] , T0 [
avec T0 ni ou non. Sur I , y (t ) est strictement
croissante et si T0
<
on a :
lim y (t )
t T0
I Supposons F (a)
=0
et F (y )
= +
<0
sur ]a, +[, alors les
solutions maximales sont dnies sur ]T0 , +[ et satisfont

lim y (t )
109
=a
Fig.: Le point y = 1 est stable pour y 0 = arctan(y ) +
110
Fig.: Le point y = 0 est instable pour y 0 = arctan(y )
111
Lorsque la drivee s'annule et que F (a)

on a une stabilit ds que F (y )
= 0,
>0
< a proche de a, et
< 0 pour y > a proche de a.
On a instabilit ds que F (y ) < 0
pour y < a proche de a ou
F (y ) > 0 pour y > a proche de a.
pour y
F (y )
L'avantage de l'tude prcdente est

qu'elle permet de prvoir la liste des orbites
et la stabilit des orbites stationnaires.
Exemples :
F (y )
F (y )
= y 3, a = 0
= y 2, a = 0
(cas instable), F (y )
= y 3 , a = 0
= y 2 , a = 0
(cas stable),
(cas instable).
Soit a un point stationnaire stable, le bassin d'attraction de a est l'ensemble des

donnes de Cauchy telles que limt + y (t )
= a,
c'est un intervalle contenant a
et facile dterminer avec les considrations prcdentes.
112
Lorsque la drivee s'annule et que F (a)

on a une stabilit ds que F (y )
= 0,
>0
< a proche de a, et
< 0 pour y > a proche de a.
On a instabilit ds que F (y ) < 0
pour y < a proche de a ou
F (y ) > 0 pour y > a proche de a.
pour y
F (y )
L'avantage de l'tude prcdente est

qu'elle permet de prvoir la liste des orbites
et la stabilit des orbites stationnaires.
Exemples :
F (y )
F (y )
= y 3, a = 0
= y 2, a = 0
= y 3 , a = 0
= y 2 , a = 0
(cas stable),
(cas instable).
Soit a un point stationnaire stable, le bassin d'attraction de a est l'ensemble des

donnes de Cauchy telles que limt + y (t )
= a,
c'est un intervalle contenant a
et facile dterminer avec les considrations prcdentes.
112
113
(F (y )
= y 3, a = 0
(F (y )
= y 3 , a = 0
(cas instable)
(cas stable))
113
(F (y )
= y 3, a = 0
(F (y )
= y 3 , a = 0
(cas instable)
(cas stable))
114
F (y )
= y 2, a = 0
F (y )
= y 2 , a = 0
(cas instable)
(cas instable)
114
F (y )
= y 2, a = 0
F (y )
= y 2 , a = 0
(cas instable)
(cas instable)

Exercice (6.1, une fonction dynamique)
(x ) = x (1 x ). Pour quelles valeurs de la fonction
= [0, 1] sur lui-mme ? Pour une telle valeur, trouver
les points xes de ainsi que les trajectoires de priode 2. tudier leur stabilit
en fonction de .
Considrons
applique-t-elle l'intervalle I
Exercice (6.2, un systme dynamique discret, voir [YCV], p.42)

Soit
: [0, 1] [0, 1]
(
(x ) =
2x
2
2x
x 1/2
1/2 x 1.
si 0
si
(a) Calculer les points xes et les points priodiques de priode 2 de

(b) tudier leur stabilit en utilisant le graphe de
115
n .
Cas = 2 < 1 (instable) ou priodique, y0 =
y0 =
:= [
ou
1024
, 2
, 2 +
, , 592
3
3
3
[0.5773, 0.845, 0.309, 0.619, 0.763, 0.48, 0.94, 0.10, 0.2, 0.3]
Les valeurs de y _n
116
3
3
13
20
Cas = 4/3 > 1 (instable) et = 1/2, || < 1 (stable),
y0 = 2013
117
Cas = 4/3 < 1 (instable) et = 1/2, || < 1

13
(stable), y0 = 20
118


118
Cours N 11,
Exemple : systmes cologiques (modle de Lotka-Volterra)
Nous allons prsenter un modle d'volution dynamique de population, donn
par un systme d'quations direntielles (voir [Pajot], Ch.VII, p.14). Il s'agit
donc d'un modle d'volution de 2 populations : les proies dont le nombre vaut
u
>0
et les prdateurs dont le nombre vaut v
> 0.
Umberto d'Ankona qui tait un des responsables de la pche italienne pendant

la Premire Guerre Mondiale avait remarqu (en regardant les donnes
statistiques en sa possession) que la population de requins et autres prdateurs
qu'on attrapait tait infrieure pendant la guerre ce qu'elle tait avant et
aprs la guerre, priode o la pche tait alors rduite.
Vito Volterra, qui avait t contact par D'Ankona, proposa, au dbut des
annes 1920, l'explication suivante.
119
Soit u (t ) le nombre de poissons (pour nous, des sardines) et v (t ) le nombre des

prdateurs (pour nous, des requins).
Supposons que
I (i) Les sardines ont assez de nourriture et seul les requins s'opposent la
croissance de leur population.
I (ii) Le nombre de requins dpend du nombre de sardines dont ils disposent pour
manger.
De plus Volterra suppose
I (iii) qu'en absence de requins, le nombre de sardines croit exponentiellement,

0
c'est dire u satisfait u = au et que
I (iv) le nombre de requins en absence des sardines dcrot exponentiellement,
0
c'est dire v satisfait v = pv pour une constante p > 0.
Comment traiter leur "vie commune" ? Le nombre des rencontres est suppos
dpendre du produit uv , il est dfavorable pour les sardines et favorable pour les
requins. Donc, il existe b , q
>0
tels que
120
= au buv
= pv + quv

Supposons que
manger.

0
0
>0
tels que
120
= au buv
= pv + quv

Supposons que
manger.

0
0
>0
tels que
120
= au buv
= pv + quv

Supposons que
manger.

0
0
>0
tels que
120
= au buv
= pv + quv

Supposons que
manger.

0
0
>0
tels que
120
= au buv
= pv + quv

Supposons que
manger.

0
0
>0
tels que
120
= au buv
= pv + quv
En gnral, il s'agit d'un modle d'volution de 2 populations : les

proies dont le nombre vaut u
vaut v
> 0.
>0
et les prdateurs dont le nombre
On pose
du
d
dv
d
= au buv
= pv + quv
(7.1)
o a est le taux de croissance de la population de proies en

l'absence de prdateurs et
p le taux de dcroissance des prdateurs en l'absence de proies.
Le modle (7.1) est connu sous le nom
modle de Lotka-Volterra
parce que les mme quations ont t drives par A.J.Lotka (1920)
partir d'une raction chimique hypothtique qui manifestait un
comportement priodique des concentrations chimiques.
121
En gnral, il s'agit d'un modle d'volution de 2 populations : les

proies dont le nombre vaut u
vaut v
> 0.
>0
et les prdateurs dont le nombre
On pose
du
d
dv
d
= au buv
= pv + quv
(7.1)

l'absence de prdateurs et
p le taux de dcroissance des prdateurs en l'absence de proies.
Le modle (7.1) est connu sous le nom
modle de Lotka-Volterra
parce que les mme quations ont t drives par A.J.Lotka (1920)
partir d'une raction chimique hypothtique qui manifestait un
comportement priodique des concentrations chimiques.
121
tude de solutions
Les changements x
= qu /p , y = bv /a, t = /a, = p /a
systme
dx
dt
dy
dt
conduisent au
= x (1 y )
= y (x 1)
Ce systme admet le point singulier (1,1). On pose f (u )
= ln(ue u )
et
on vrie que la fonction
(x , y ) = f (y ) + f (x )
est constante le long des orbites. De l'allure du graphe de f , on dduit
l'endroit, o toutes les orbites sont priodiques. Cela implique que les 2
populations sont des fonctions priodiques du temps dont les maximas
sont dcals, ce qui est conforme certaines observations. Pour les
dtails, consulter [Murr89] chapitre 3.
122
Intgrale premire du systme de Volterra-Lotka

Exemple
a) Vrier que f (x , y )
= x ye x y
est une intgrale premire du systme de
Volterra-Lotka :
considr dans le quart de plan x
= x (1 y )
= y (x 1)
> 0, y > 0.
= 0 et f = e 2 .
b) Tracer les courbes de niveaux f

0
< a < e 2 ,
(7.2)
Montrer (*) que, pour
les courbes de niveaux sont fermes .
c) En dduire que les trajectoires du systme (7.2 ) sont priodiques si la

donne initiale n'a aucune coordonne nulle et est
123
6= (1, 1).
Intgrale premire du systme de Volterra-Lotka

Exemple
a) Vrier que f (x , y )
= x ye x y
est une intgrale premire du systme de
Volterra-Lotka :
considr dans le quart de plan x
= x (1 y )
= y (x 1)
> 0, y > 0.
= 0 et f = e 2 .
b) Tracer les courbes de niveaux f

0
< a < e 2 ,
(7.2)
Montrer (*) que, pour
les courbes de niveaux sont fermes .
c) En dduire que les trajectoires du systme (7.2 ) sont priodiques si la

donne initiale n'a aucune coordonne nulle et est
123
6= (1, 1).
Exemple de Mapleplot du modle de Lotka-Volterra

> with(DEtools):
[diff(x(t),t)=x(t)*(1-y(t)), diff(y(t),t)=.3*y(t)*(x(t)-1)];
(
d
dt x(t ) = x(t ) (1 y(t )),
d
dt y(t ) = 0.3 y(t ) (x(t ) 1)
> dfieldplot([diff(x(t),t)=x(t)*(1-y(t)),
diff(y(t),t)=.3*y(t)*(x(t)-1)],
[x(t),y(t)],t=-2..2, x=-1..2, y=-1..2, arrows=LARGE,
title=`modle de Lotka-Volterra`,
color=[.3*y(t)*(x(t)-1),x(t)*(1-y(t)),.1]);
124
Fig.:
125
Exemples d'exercices(pour TD
On considre le systme
dx
dt
dy
dt
1) En considrant y comme
yx (1
y)
1
x
= x (t ) (1 y (t )),
= y (t ) (x (t ) 1)
fonction de y pour x , y > 0,
dduire
(ln |y |y )0x = (x ln |x |)0x (ln |y |e y )+(ln |x |e x ) = C
2) On considre le systme autour du point critique
(1, 1)
(c'est--dire, un point
o les parties droites s'annulent). On le remplace par un systme linaire en
(
remarquant que
dx
dt
dy
dt
= (x (t ) 1 + 1) (1 y (t )),
= ( y (t ) 1 + 1) (x (t ) 1)
dx
dt
dy
dt
1 y (t ),
(x (t ) 1)
Remarquer que le dernier systme linaris correspond au processus complexe

priodique t
z (t ) = x (t ) + i y(t) ,
priode du systme linaris.
126
tel que z
i (z 1
).
Trouver la
Exemples d'exercices(pour TD
On considre le systme
dx
dt
dy
dt
1) En considrant y comme
yx (1
y)
1
x
= x (t ) (1 y (t )),
= y (t ) (x (t ) 1)
fonction de y pour x , y > 0,
dduire
(ln |y |y )0x = (x ln |x |)0x (ln |y |e y )+(ln |x |e x ) = C
2) On considre le systme autour du point critique
(1, 1)
(c'est--dire, un point
o les parties droites s'annulent). On le remplace par un systme linaire en
(
remarquant que
dx
dt
dy
dt
= (x (t ) 1 + 1) (1 y (t )),
= ( y (t ) 1 + 1) (x (t ) 1)
dx
dt
dy
dt
1 y (t ),
(x (t ) 1)
Remarquer que le dernier systme linaris correspond au processus complexe

priodique t
z (t ) = x (t ) + i y(t) ,
priode du systme linaris.
126
tel que z
i (z 1
).
Trouver la
Exemples d'exercices pour TD (suite)
On considre le modle
( de Lotka-Volterra du systme cologique
lapin (L)/renard (R)
dL
d
dR
d
= aL( ) bL( )R ( ),
= pR ( ) + qL( )R ( )

l'absence de prdateurs et p le taux de dcroissance des prdateurs
en l'absence de proies.
(L( ), R ( ))
(a/b, p /q ), donc
3) Montrer que les trajectoires du couple

courbes fermes autour du point
sont des
a/b est la moyenne du nombre de prdateurs, et

p /q est la moyenne du nombre de proies (voir [Bert], p.93).
127
On considre le modle
( de Lotka-Volterra du systme cologique
dL
d
dR
d
= aL( ) bL( )R ( ),
= pR ( ) + qL( )R ( )

l'absence de prdateurs et p le taux de dcroissance des prdateurs
en l'absence de proies.
(L( ), R ( ))
(a/b, p /q ), donc
3) Montrer que les trajectoires du couple

courbes fermes autour du point
sont des
a/b est la moyenne du nombre de prdateurs, et

p /q est la moyenne du nombre de proies (voir [Bert], p.93).
127

4) Les eets d'intervention sur les populations : supposons qu'on veuille
diminuer le nombre des proies ; on pourra augmenter le nombre de prdateurs ;
ceci revient faire changer le point
(L, R )
de trajectoire (les coecients
(a, b , p , q) restants les mme) ; cela ne change pas la moyenne d /c du nombre

de proies.
Montrer qu'une telle intervention faite un mauvais moment du cycle, lorsque
L( )
> p /q
et R ( )
> a/b,
peut augmenter le nombre maximum de proie.
5) Une autre ide pour diminuer le nombre de proies, consiste les

liminer par pigeage, traitement chimique, . . .Cela revient
augmenter le nombre de dcs dans chaque population, c'est--dire,
remplacer a par a
< a,
p par p
> p,
les coecient b et q restant
les mmes. Montrer qu'une telle intervention augmente la moyenne

des proies, ce qui est le contraire du rsultat cherch.
128

4) Les eets d'intervention sur les populations : supposons qu'on veuille
diminuer le nombre des proies ; on pourra augmenter le nombre de prdateurs ;
ceci revient faire changer le point
(L, R )
de trajectoire (les coecients
(a, b , p , q) restants les mme) ; cela ne change pas la moyenne d /c du nombre

de proies.
Montrer qu'une telle intervention faite un mauvais moment du cycle, lorsque
L( )
> p /q
et R ( )
> a/b,
peut augmenter le nombre maximum de proie.
5) Une autre ide pour diminuer le nombre de proies, consiste les

liminer par pigeage, traitement chimique, . . .Cela revient
augmenter le nombre de dcs dans chaque population, c'est--dire,
remplacer a par a
< a,
p par p
> p,
les coecient b et q restant
les mmes. Montrer qu'une telle intervention augmente la moyenne

des proies, ce qui est le contraire du rsultat cherch.
128

6) On considre le modle de Lotka-Volterra du systme cologique
(
dL
d
dR
d
= aL( ) bL( )R ( ),
= pR ( ) + qL( )R ( )
o a est le taux de croissance de la population de proies en l'absence de

prdateurs et d le taux de dcroissance des prdateurs en l'absence de proies.
Montrer que les changements x
conduisent au systme systme
= qu /p ,(
y = bv /a, t = /a, = p /a > 0
dx
dt = 1 y (t ),
linaris
. Remarquer
dy
dt = (x (t ) 1)
que
le dernier systme linaris correspond au processus complexe priodique

t
z (t ) = x (t ) + i y(t) ,
tel que z
i (z 1
systme linaris. En dduire la priode en la variable
129
).
.
Trouver la priode du
Partie III. Mthodes d'algbre linaire
Vecteurs et matrices.
Oprations sur les vecteurs et matrices.
Vecteurs propres, polynme caractristique.
Utilisation des nombres complexes.
Application aux quations direntielles et aux suites de rcurrence.

Application aux quations direntielles.
Application aux suites de rcurrence.
130

130
III. Algbre linaire.

Vecteurs et matrices. Oprations. Bases et dterminants.
Linaire et non-linaire
Les adjectifs "linaire" et "non-linaire" sont employs dans
beaucoup de contextes. En gros et dans le language courant, une
transformation X
Y = F (X )
est linaire si elle est telle que les
eets (Y ) sont proportionnels aux causes (X ). Par exemple dans la

loi de Malthus, le taux d'accroissement de la population (l'eet) est
proportionnel la population (la cause). Dans une rsistance
lectrique, l'intensit du courant (l'eet) est proportionnel la
dirence de potentiel (la cause). Les lois non linaires jouent un
grand rle en physique : par exemple l'nergie cintique d'un
projectile (ou d'une voiture) n'est pas une fonction linaire de la
vitesse (la cause), mais quadratique : E
131
1
2
2 mv .
Dans un systme dynamique, mme dterministe, de petites causes

(petites modications des donnes initiales) peuvent avoir de
grands eets dus la non-linarit. On a beaucoup parl de l' "eet
papillon" : le battement d'une aile de papillon en un point du globe
terrestre pourrait au bout de quelque temps dclencher une
tempte.
Le contexte mathmatique appropri pour discuter la linarit est
celui des vecteurs et des applications linaires. Nous ne l'aborderons
qu'en dimension 1 ou 2 ci-dessous.
La dimension 1. Soit F : R R. On dit que F est linaire si

x R, F (x ) = F (x ) (proportionnalit). En posant F (1) = a,
on voit que F (x ) = ax . On en dduit aussi
F (x + y ) = F (x ) + F (y ). Cette proprit (superposition) devra tre
prise dans les axiomes en dimension 2.
132
Vecteurs et dterminants
Dans la suite on notera sous la forme matricielle suivante le vecteur X de
x
y On dnit la somme de 2 vecteurs par

x
x
et le produit par un rel :
y = y .
coordonnes x et y de
x
x0
y + y0
x +x 0
y +y 0
x1
y1 et V2
Dnition
Soient V1
formule det(V1 , V2 )
R2
: X
x2
la
y2 , on dnit le dterminant det(V1 , V2 ) par

= x1 y2 x2 y1 ,
not aussi det(V1 , V2 )
x1
x2
y1
y2
Interprtation gomtrique : la valeur absolue du dterminant est l'aire du

paralllogramme engendr par V1 et V2 . Son signe (s'il est non nul) est donn
par l'orientation du couple V1 , V2 .
R2 est euclidien
det(V1 , V2 ) = kV1 kkV2 k sin .
Formule en gomtrie euclidienne : on suppose ici que le plan

orient. Si
133
est l'angle
(V1 , V2 ),
on a
Bases et applications linaires.

Indpendance : 2 vecteurs V1 V2 sont dits linairement dpendants si l'un des 2
est nul ou s'ils sont proportionnels. Ils sont dits indpendants s'ils ne sont pas
linairement dpendants.
Proposition (9.2, critre d'indpendence linaire)

V1 et V2 sont indpendants si et seulement si leur dterminant est non nul.
Dnition (9.3, base)

Un couple (V1 , V2 ) de 2 vecteurs est une base de
R2
si tout vecteur X de
s'exprime de faon unique comme une combinaison linaire X
R2
= uV1 + vV2 .
Proposition (9.4, critre de base)

(V1 , V2 )
est une base si et seulement si det(V1 , V2 )
Exercice (9.5)
1
1 , V2
uV1 + vV2 .
Montrer que V1
la forme X
134
6= 0.
1
0 est une base et crire le vecteur X
x
y sous
Applications linaires
Dnition (9.6, application linaire)
Une application F
(s )
: R2 R2
est dite linaire si
X , Y R2 , F (X + Y ) = F (X ) + F (Y )
et
(p )
R, X R2 ; F (X ) = F (X )
L'quation (s) est l'axiome de superposition et l'quation (p) l'axiome de

proportionnalit.
Soit F linaire et

F(
alors
1
0

)=

0
c
,F(
)=

F(

)=
ax
bx
+ cy
+ dy
et donc F est dtermine par les 4 nombres

135
(a; b; c ; d ).
Forme matricielle d'une application

linaire
= ba dc qui est l'criture matricielle de F .

a c
b d est la matrice de F . Les colonnes de la matrice F
On crit alors F sous la forme F

On dit aussi que
sont les images des vecteurs de la base canonique.
Dnition
On appelle dterminant
de F le nombre ad

a
det(F ) =
b
bc
et on note
Proposition (9.8)
Si F est une application linaire, les 4 proprits suivantes sont
quivalentes :
(1) F est injective
(2) F (X )
= 0 admet
6= 0
(3) det(F )
(4) F est bijective
136
=0
comme unique solution
Produit de deux matrices

La compose K
= M L
de 2 applications linaires est encore linaire et on
peut calculer la matrice de la compose K partir des matrices de M et L.

On dnit ainsi le produit de 2 matrices. De faon prcise
(M L) = (M )(L)
o le produit est not par juxtaposition. Ce produit est
associatif comme la composition des applications :
(AB )C = A(BC )
mais pas commutatif ; en gnral AB
6= BA.
Le produit de matrices est donn par la formule suivante :
a b

c d
a b
c0 d0

=
+ bc 0 ab0 + bd 0
0
ca + dc 0 cb 0 + dd 0
aa

.
Le produit est eectu ligne par colonne suivant la recette
(A, B )
C
D
= AC + BD .
On l'applique en calculant l'lment de la
i-me ligne et j-me colonne du produit comme produit de la i-me

ligne de la 1-re matrice par la j-me colonne de la seconde.
137
Exemple (9.9)

12
34

56

=
78
5+2716+28
35+4736+48
1

=
19 22
43 50
On vrie que
56
78

12
34

=
23 34
31 46
Exercice (9.10)
a) Ecrire la matrice M de l'application linaire donne par
2
b) Calculer M
Exercice (9.11)
On se place dans
3
M M, M
2
1 (M
M M et M
1
M
x
y
Montrer que F
43 50

.
2x y
x +7y .
+ V2 + V3 = 0.
= V2 ; F (V2 ) = V3 ,
F F = Id . b) Rciproque
?

= 11 , V2 = 21 , V3 = 03 .
c) Trouver la matrice de F pour V1
138
19 22
R2 .
Montrer qu'il existe une application linaire F telle que F (V1 )
= V1 .
6=
= Id).
a) Soit V1 , V2 , V3 3 vecteurs, 2 2 indpendants, tels que V1

et F (V3 )
Cours N 12,Vecteurs propres, polynme caractristique.

Vecteurs propres et valeurs propres. Si F est une application linaire de
R2
2
dans lui-mme, un vecteur V R , non nul, est dit vecteur propre de F
x
associ la valeur propre R si F (V ) = V : Si V =
y est un vecteur
propre de valeur propre
, on a
(
(a )x + cy = 0
bx + (d )y = 0
qui n'a de solutions non nulles que si son dterminant (celui de F

s'annule :
a
b
c
d

= (a )(d ) bc = 0

ou
(1)
139
2 (a + d ) + ad bc = 0.
Id)
L'quation caractristique.
Cette quation (1) du second degr en
s'appelle l'quation
caractristique de F . Si l'quation caractristique admet deux

racines (relles) distinctes
1 6= 2 , 2 vecteurs propres associs

R2 . En eet 2 vecteurs propres
(V1 , V2 ) forment une base de
proportionnels correspondraient la mme valeur propre (le cas

hyperbolique).
Attention ! ! Les zros de l'quation caractristique peuvent ne pas
tre rels, mais ce qui suit se modie simplement dans ce cas. Si on
prend comme base
(V1 , V2 ),
la matrice de l'application linaire
prend la forme simple

(F ) =
140
L'quation caractristique.
Cette quation (1) du second degr en
s'appelle l'quation
caractristique de F . Si l'quation caractristique admet deux

racines (relles) distinctes
1 6= 2 , 2 vecteurs propres associs

R2 . En eet 2 vecteurs propres
(V1 , V2 ) forment une base de
proportionnels correspondraient la mme valeur propre (le cas

hyperbolique).
Attention ! ! Les zros de l'quation caractristique peuvent ne pas
tre rels, mais ce qui suit se modie simplement dans ce cas. Si on
prend comme base
(V1 , V2 ),
la matrice de l'application linaire
prend la forme simple

(F ) =
140
Sous cette forme (dite diagonale), on peut calculer les puissances

de l'application linaire F . On a :
(F n ) =
n
1
0 n2
Plus
prcisment, si V est un vecteur quelconque, on crit

V
= xV1 + yV2
et on a F
n (V )
= x n1 V1 + y n2 V2 .
On verra plus bas que cette base permet aussi de rsoudre le

systme direntiel X
= F (X ).
Remarque.
Dans
le cas o
(a) F
0
0
1 = 2 = R
il y a deux possibilits :
(cas scalaire)
(b) Il existe deux vecteurs (V1 , V2 ) qui forment une base de

tels que et F (V1 )
exercice)
141
= V1 ,
F (V2 )
= V2 + V1
R2 ,
et
(cas parabolique) (en
Sous cette forme (dite diagonale), on peut calculer les puissances

de l'application linaire F . On a :
(F n ) =
n
1
0 n2
Plus
prcisment, si V est un vecteur quelconque, on crit

V
= xV1 + yV2
et on a F
n (V )
= x n1 V1 + y n2 V2 .
On verra plus bas que cette base permet aussi de rsoudre le

systme direntiel X
= F (X ).
Remarque.
Dans
le cas o
(a) F
0
0
1 = 2 = R
il y a deux possibilits :
(cas scalaire)
(b) Il existe deux vecteurs (V1 , V2 ) qui forment une base de

tels que et F (V1 )
exercice)
141
= V1 ,
F (V2 )
= V2 + V1
R2 ,
et
(cas parabolique) (en
Le cas des valeurs propres complexes conjugues (cas elliptique).

Dans le cas o les valeurs propres sont complexes, elles sont
conjugues et on peut choisir 2 vecteurs propres composantes
complexes conjugues W1 et W2
= W1 . Si V est rel et qu'on

= xW1 + yW2 o y = x est
dcompose V sur W1 , W2 , on a : V
complexe conjugu de x .
142
le

142
Application aux systmes linaires d'quations

direntielles : rsolution gnrale.
On considre un systme linaire d'quations direntielles
coecients constants crite sous la forme matricielle :
dX
dt
o X
R2
et A
= AX , X (0) = X0
(10.1)
a c
b d est linaire. La linarit a pour
consquence le principe de superposition : si X (t ) et Y (t ) sont 2

solutions et u1 , u2 deux constantes relles, Z (t )
= u1 X (t ) + u2 Y (t )
est une solution de donne initiale Z (0) = u1 X (0) + u2 Y (0). Il
sut donc de connatre X (t ) et Y (t ) ainsi que la dcomposition
Z (0) = u1 X (0) + u2 Y (0) pour rsoudre notre problme. Cette
2
mthode marche si(X (0), Y (0)) est une base de R .
143
Si V est un vecteur propre de A de valeur propre relle

X0
=V
, on a : X (t )
t
e V .
et
La mme expression reste vraie dans le cas complexe condition

d'interprter
e
x +iy
= e x (cos y + i sin y ).
Les solutions gnrales sont obtenues en superposant des solutions

particulires du type prcdent, condition d'avoir une base de
vecteurs propres, ce qui est le cas ds que les 2 valeurs propres de A
sont distinctes.
La solution de l'quation (10.1) est donc donne par :
= u1 e 1 t V1 + u2 e 2 t V2 o V1 et V2 sont
et X0 = u1 V1 + u2 V2 (deux conditions initiales
2
seule galit vectorielle dans R ).
X (t )
144
des vecteurs propres

donnes par une
Si V est un vecteur propre de A de valeur propre relle

X0
=V
, on a : X (t )
t
e V .
et
La mme expression reste vraie dans le cas complexe condition

d'interprter
e
x +iy
= e x (cos y + i sin y ).
Les solutions gnrales sont obtenues en superposant des solutions

particulires du type prcdent, condition d'avoir une base de
vecteurs propres, ce qui est le cas ds que les 2 valeurs propres de A
sont distinctes.
La solution de l'quation (10.1) est donc donne par :
= u1 e 1 t V1 + u2 e 2 t V2 o V1 et V2 sont
et X0 = u1 V1 + u2 V2 (deux conditions initiales
2
seule galit vectorielle dans R ).
X (t )
144
des vecteurs propres

donnes par une
Dans le cas parabolique, on considre le systme
dX
dt
o X
R2 ,
R2
et A
= A(X ), X (0) = X0
(10.2)
a c
b d est linaire. On utilise deux vecteurs (V1 , V2 ) qui forment une base de
= V1 , A(V2 ) = V2 + V1 .
et tels que A(V1 )
Il sut de connaitre deux solutions X (t ) et Y (t ) linairement indpendent ainsi que la

dcomposition Z (0)
= u1 X (0) + u2 Y (0) pour rsoudre notre problme. Cette mthode marche

R2 . Puisque V1 est un vecteur propre de A de valeur propre relle
t
a : X (t ) = e V1 .
si(X (0), Y (0)) est une base de
et X0
= V1
, on
= e t (tV1 + V2 ), alors la drivation (par rapport t ) donne

= e t (tV1 + V2 ) + e t V1
= e t tA(V1 ) + e t A(V2 ) = A(e t (tV1 + V2 )) = A(Y (t )).
t
t
La solution de l'quation (10.2) est donc donne par : X (t ) = u1 e V1 + u2 e (tV1 + V2 )
et V2 sont des vecteurs tels que A(V1 ) = V1 , A(V2 ) = V2 + V1 et X0 = u1 V1 + u2 V2
Puis on pose Y (t )
Y
0 (t )
(conditions initiales)
145
o V1
Dans le cas parabolique, on considre le systme
dX
dt
o X
R2 ,
R2
et A
= A(X ), X (0) = X0
(10.2)
a c
b d est linaire. On utilise deux vecteurs (V1 , V2 ) qui forment une base de
= V1 , A(V2 ) = V2 + V1 .
et tels que A(V1 )
Il sut de connaitre deux solutions X (t ) et Y (t ) linairement indpendent ainsi que la

dcomposition Z (0)
= u1 X (0) + u2 Y (0) pour rsoudre notre problme. Cette mthode marche

R2 . Puisque V1 est un vecteur propre de A de valeur propre relle
t
a : X (t ) = e V1 .
si(X (0), Y (0)) est une base de
et X0
= V1
, on
= e t (tV1 + V2 ), alors la drivation (par rapport t ) donne

= e t (tV1 + V2 ) + e t V1
= e t tA(V1 ) + e t A(V2 ) = A(e t (tV1 + V2 )) = A(Y (t )).
t
t
La solution de l'quation (10.2) est donc donne par : X (t ) = u1 e V1 + u2 e (tV1 + V2 )
et V2 sont des vecteurs tels que A(V1 ) = V1 , A(V2 ) = V2 + V1 et X0 = u1 V1 + u2 V2
Puis on pose Y (t )
Y
0 (t )
(conditions initiales)
145
o V1
Mthode de rsolution
(1) Ecrire la matrice de A.
(2) Ecrire l'quation caractristique.
(3) Rsoudre l'quation caractristique et voir si elle a 2 solutions distinctes
(4) Chercher 2 vecteurs propres V1 (resp. V2 ) tels que AV1
AV2
= 1 V1
1 6= 2 .
(resp.
= 2 V2 ).
(5) Dcomposer X (0)

(6) On a alors X (t )
= u1 V1 + u2 V2 .
= u1 e 1 t V1 + u2 e 2 t V2 .
Exemple de rsolution. On choisit pour simplier des valeurs numriques x (0)

y (0)
= 0.
On obtient
pourles direntes tapes de la rsolution :
(1) A
2
(2)
5 5
1 9
+ 14 + 40 = 0
1 = 10, 2 = 4
1
5
(4) V1 =
1 , V2 = 1 .
x0
(5) X (0) =
6 (V1 + V2 )
x
10t V + e 4t V ) ou encore
(6) X (t ) = 0 (e
1
2
6
x0 10t
x (t ) =
+ 5e 4t ), y (t ) = x60 (e 10t + e 4t )
6 (e
(3)
146
= 1,
Mthode de rsolution
(1) Ecrire la matrice de A.
(2) Ecrire l'quation caractristique.
(3) Rsoudre l'quation caractristique et voir si elle a 2 solutions distinctes
(4) Chercher 2 vecteurs propres V1 (resp. V2 ) tels que AV1
AV2
= 1 V1
1 6= 2 .
(resp.
= 2 V2 ).
(5) Dcomposer X (0)

(6) On a alors X (t )
= u1 V1 + u2 V2 .
= u1 e 1 t V1 + u2 e 2 t V2 .
Exemple de rsolution. On choisit pour simplier des valeurs numriques x (0)

y (0)
= 0.
On obtient
pourles direntes tapes de la rsolution :
(1) A
2
(2)
5 5
1 9
+ 14 + 40 = 0
1 = 10, 2 = 4
1
5
(4) V1 =
1 , V2 = 1 .
x0
(5) X (0) =
6 (V1 + V2 )
x
10t V + e 4t V ) ou encore
(6) X (t ) = 0 (e
1
2
6
x0 10t
x (t ) =
+ 5e 4t ), y (t ) = x60 (e 10t + e 4t )
6 (e
(3)
146
= 1,
dans le plan de phases, i.e. l'allure des courbes t

dans le plan
R2 .
= AX
(x (t ), y (t ))
On veut tudier l'allure des orbites d'un champ linaire X
On supposera dans la suite que A admet 2 valeurs
propres distinctes
1 6= 2 .
Soit
(V1 , V2 )
une base de vecteurs
propres associes ces valeurs propres. Soit

X (t )
= u (t )V1 + v (t )V2
une solution de X
= AX ,
alors u et v
satisfont les quations direntielles trs simples suivantes :

u
(t ) = 1 u (t ), v 0 (t ) = 2 v (t )
qui se rsolvent par :

u (t )
147
= u0 e 1 t , v (t ) = v0 e 2 t ,
Les orbites dans le plan des
(u , v )
t
sont donc les courbes
(u0 e 1 t , v0 e 2 t )
Dans le cas o les valeurs propres ne sont pas relles, la base
(V1 , V2 ) ne l'est pas non plus, mais si AV1 = ( + i )V1 avec

= W1 iW2 , (W1 , W2 ) est une base relle de R2 dans laquelle
V1
on peut tudier les courbes intgrales l'aide d'un passage en

coordonnes polaires. Etudions les dirents cas :
148
Le cas des valeurs propres relles distinctes
Soient
1 < 2
les 2 valeurs propres supposes relles distinctes. Ce
sont les solutions de l'quation caractristique
2 S + P = 0
avec S = a + d et P = ad bc . On est donc dans le cas o

= S 2 4P > 0. Soient (u , v ) les coordonnes dans une base de
0
0
vecteurs propres on a : u = 1 u , v = 2 v . L'allure des solutions
est donc donne par ce modle facile rsoudre :
u (t )
149
= u0 e 1 t , v (t ) = v0 e 2 t ,
Noeuds
Si
1 < 2 < 0,
on a un noeud stable et, si 0
instable. Cela correspond respectivement S

P
> 0,
2 S + P = 0
< 1 < 2 , un noeud

< 0, P > 0 et S > 0,
est l'quation caractristique.
Dans le cas des valeurs propres < 0, toutes les trajectoires, sauf la
trajectoire constante gale l'origine, convergent pour t
vers
l'origine qui est ainsi un point d'quilibre stable. Dans le cas des valeurs
propres > 0, toutes les trajectoires divergent pour t
vers l'inni et
l'origine est alors un point d'quilibre instable.
Cols Si 1 < 0 < 2 , on a un point col. Cela correspond P < 0, Si la

donne initiale n'est pas sur la droite D engendre par V1 (correspondant
la valeur propres ngative), le point X (t ) tend vers l'inni quand
t
+.
Si, au contraire, la donne initiale est sur la droite D engendre
par V1 , X (t )
stable du point col.
150
quand t
+.
La droite D s'appelle la varit
Noeuds
Si
1 < 2 < 0,
on a un noeud stable et, si 0
instable. Cela correspond respectivement S

P
> 0,
2 S + P = 0
< 1 < 2 , un noeud

< 0, P > 0 et S > 0,
est l'quation caractristique.
Dans le cas des valeurs propres < 0, toutes les trajectoires, sauf la
trajectoire constante gale l'origine, convergent pour t
vers
l'origine qui est ainsi un point d'quilibre stable. Dans le cas des valeurs
propres > 0, toutes les trajectoires divergent pour t
vers l'inni et
l'origine est alors un point d'quilibre instable.
Cols Si 1 < 0 < 2 , on a un point col. Cela correspond P < 0, Si la

donne initiale n'est pas sur la droite D engendre par V1 (correspondant
la valeur propres ngative), le point X (t ) tend vers l'inni quand
t
+.
Si, au contraire, la donne initiale est sur la droite D engendre
par V1 , X (t )
stable du point col.
150
quand t
+.
La droite D s'appelle la varit
Les cas des valeurs propres complexes conjugues.

On suppose maintenant que S
4P < 0.
Soit
i ,
avec
> 0, les valeurs

= ( + i )V1 . Si
2
complexe de C .
propres. Il existe un vecteur complexe non nul V1 tel que AV1

V2
= V1 ,
on a : AV2
= ( i )V2
et
(V1 , V2 )
est une base
Soit X (0) la donne de Cauchy suppose relle, on dcompose

X (0)
= z0 V1 + z0 V2
et on a, d'aprs le calcul gnral,

X (t )
= z0 e (+i )t V1 + z0 e ()t V2 .
Cette criture ne permet pas directement de dcrire les courbes

intgrales, on introduit la dcomposition de V1 en parties relles et
= W1 iW2 et donc
(W1 , W2 ) est une base relle de R2 ,
imaginaires pures sous la forme : V1

V2
= W1 + iW2 .
Le couple
mais ce n'est plus une base de vecteurs propres. Nanmoins, on va

voir que l'quation des trajectoires s'crit de faon simple dans
cette base.
151
En dcomposant X (t ) en termes de W1 et W2 , il vient aprs 2

lignes de calcul : X (t )
u (t )
= u (t )W1 + v (t )W2
avec :
= z0 e (+i )t + z0 e ()t , v (t ) = i (z0 e (+i )t + z0 e ()t ),
Si on pose z (t )
=
(t ) = 0 + t .
Si 2z0
= u (t ) + iv (t ), on a nalement z (t ) = 2z0 e (+i )t .

= r (t )e i (t ) avec r (t ) = r0 e t et
i
r0 e 0 , on a : z (t )
Ce qui donne une description des trajectoires en
coordonnes polaires dans le repre
(W1 , W2 ).
Le sens de rotation
des trajectoires autour de l'origine est donn par l'orientation de la

base
(W1 , W2 ).
Si A
a c
b d . Ce sens est donn par le signe de b
(qui est aussi l'oppos du signe de c , pourquoi ?). Il sut de

considrer le signe du dterminant det(X , X
un des vecteurs de base.
152
0 ) avec, par exemple, X
Un exemple
Montrons concrtement comment s'applique la mthode gnrale. Soit
= AX avec

1 2
A =
.
rsoudre l'quation direntielle X
1 = 1 + 2i et
= W1 iW2 , soit
On a
V1
on peut prendre V1

W1
Les trajectoires u (t )W1

Z (t )
= u (t ) + iv (t ),
(W1 , W2 )
+ v (t )W2

, W2 =
0
1
sont donc donnes, en posant
par :
Z (t )
Le repre
1
1i : On crit
= Z (0)e (1+2i )t .
tant positif, ce sont des spirales qui s'enroulent
autour de 0 dans le sens trigonomtrique (foyer stable positif dans la

nomenclature ci aprs)).
153
Foyers.
Si S
<0
(resp. S
> 0),
on a un foyer stable (resp. instable). Les
trajectoires sont des spirales convergentes vers 0 dans le 1er cas,

divergentes vers l'inni dans le second. Un foyer sera dit positif (resp.
ngatif ) si les spirales s'enroulent dans le sens trigonomtrique (resp.
trigo. inverse).
Centres. Si S = 0, on a un centre. Les trajectoires sont toutes

priodiques : ce sont des ellipses. La priode des trajectoires est
T
= 2/
si les valeurs propres sont
i .
Un centre sera dit positif
(resp. ngatif ) si les ellipses s'enroulent dans le sens

trigonomtrique (resp. trigo. inverse).
154
Exercice (10.1)
Soit Am la matrice dnie par

Am
Discuter suivant la valeur de m la nature de la dynamique et tracer la

trajectoire telle que X (0)
= (1, 1).
Fig.: 9 Nature de la dynamique suivant le polynme caractristique 2 S + P .

155
Cas discret : application aux suites de rccurence (en TD)

On considre l'volution d'un vecteur X (n )
R2
pour n
N,
telle
que
X (n
o X
R2
et A
+ 1) = A(X (n)), X (0) = X0

a c
bd
(10.3)
est linaire.
La linarit a pour consquence le principe de superposition : si

X (t ) et Y (t ) sont 2 solutions et
, deux constantes relles,

= C1 X (t ) + C2 Y (t ) est une solution de donne initiale
C1 X (0) + C2 Y (0). Il sut donc de connaitre X (n ) et Y (n ) ainsi
que la dcomposition Z (0) = C1 X (0) + C2 Y (0) pour rsoudre
Z (t )
notre problme.
156
Si
(V1 , V2 )
est une base de vecteurs propres associes des valeurs
propres distinctes, alors la solution de l'quation (10.3) est donc
= C1 n1 V1 + C2 n2 V2
et X0 = C1 V1 + C2 V2 .
donne par : X (n )
vecteurs propres
o V1 et V2 sont des
Dans le cas parabolique on utilise deux vecteurs (V1 , V2 ) qui
R2 ,
et tels que A(V1 ) = V1 ,

= V2 + V1 . Alors
2
A(A(V2 ) = A(V2 + V1 ) = (V2 + V1 ) + V1 = V2 + 2V1 ,
n
. . ., et on obtient aisement deux solutions : X (n ) = V1 et
n
1
Y (n ) =
(nV1 + V2 ) (pour n > 0, Y (0) = V2 ).
n+1 V = X (n) = A(X (n)),
En eet, X (n + 1) =
1
n
n+1 V = n ((n + 1)V + AV V ) =
Y (n + 1) = (n + 1)V1 +
2
1
2
1
n
1
n
nAV1 + A(V2 ) = A(Y (n)) (pour n > 0). Dans ce cas la
forment une base de
A(V2 )
solution de l'quation (10.3) est donc donne par :
= n1 (C1 + nC2 )V1 + C2 n V2 o

vecteurs propres et X0 = C1 V1 + C2 V2 .
X (n )
157
V1 et V2 sont des
Systmes linaires non-homognes d'quations

direntielles linaires (avec second terme)
dX
= A(X ) + b(t ), X (0) = X0
dt
(10.4)
On utilise de nouveau le lien avec le systme linaire homogne associ (10.1). On obtient
la solution gnrale du systme (10.4) sous la forme : C1 X (t )
+ C2 Y (t ) + Z0 (t ),
X (t ), Y (t ) sont deux solutions linairement indpendantes du systme linaire homogne

associ (10.1) (sans second terme), et Z0 (t ) une solution particulire du systme (10.4)
(avec second terme).
Pour trouver Z0 , on utilise la mthode de variation de la constante : on cherche Zp sous la
forme : Zp (t )
= C1 X (t ) + C2 Y (t ),
Zp (t )
= A(Zp (t )) + b(t ) = C1 X 0 (t ) + C2 Y 0 (t ) + C10 X (t ) + C20 Y (t )
= A(C1 X (t ) + C2 Y (t )) + C10 X (t ) + C20 Y (t )

A(Zp (t )))
158
+ b(t )
C1 X (t )
+ C20 Y (t ) = b(t )
(une galit vectorielle)
Systmes linaires non-homognes d'quations

direntielles linaires (avec second terme)
dX
= A(X ) + b(t ), X (0) = X0
dt
(10.4)
On utilise de nouveau le lien avec le systme linaire homogne associ (10.1). On obtient
la solution gnrale du systme (10.4) sous la forme : C1 X (t )
+ C2 Y (t ) + Z0 (t ),
X (t ), Y (t ) sont deux solutions linairement indpendantes du systme linaire homogne

associ (10.1) (sans second terme), et Z0 (t ) une solution particulire du systme (10.4)
(avec second terme).
Pour trouver Z0 , on utilise la mthode de variation de la constante : on cherche Zp sous la
forme : Zp (t )
= C1 X (t ) + C2 Y (t ),
Zp (t )
= A(Zp (t )) + b(t ) = C1 X 0 (t ) + C2 Y 0 (t ) + C10 X (t ) + C20 Y (t )
= A(C1 X (t ) + C2 Y (t )) + C10 X (t ) + C20 Y (t )

A(Zp (t )))
158
+ b(t )
C1 X (t )
+ C20 Y (t ) = b(t )
(une galit vectorielle)
Equations direntielles linaires du second degr

coecients constants
On appelle quation linaire du second degr coecients
constants une quation de la forme
ay
00
+ by 0 + cy = f (t ),
o a, b , c sont des constantes reles (a
6= 0),
(10.5)
f une fonction de la
variable t .
On pose u
= y 0,
= y,
= 1,
alors on obtient un systme linaire
du premier ordre (avec second terme)
0
v
159
= bu cv + f
=u
0
u
v0

=
b c
1

u

+
(10.6)
Partie IV. Mthodes gomtriques.

Champs de vecteurs
Les points singuliers

Classication des points singuliers
Exemples d'tude qualitative autour d'un point singulier
Un exemple linaire : volution du taux d'alcool dans le sang
tude qualitative de comportement autours des points singuliers
Portrait de phases : le pendule simple
Notion de comportement chaotique de populations
160
Champs de vecteurs

160
Cours N 13, IV. Mthodes gomtriques. Exemples d'une

tude qualitative. Observables et espace des phases
On s'intresse la modlisation d'un systme dterministe. Pour

cela, on commence par choisir une famille d'observables, notes
x , y , qui sont des quantits numriques dcrivant l'tat du
systme. Par exemple, pour un pendule simple, x pourra tre un
angle reprant la position du pendule par rapport la verticale et y
la vitesse du pendule. Pour un modle de N populations, on aura
en gnral des observables x1 , xN o xi est le nombre d'individus
de i -me population. Pour un modle de cintique chimique, les
observables sont les concentrations des dirents ractifs.
161
Ces observables doivent tre choisies de faon dcrire

susamment les proprits macroscopiques du systme et de faon
que l'volution des observables partir du temps t0 ne dpende que
de leurs valeurs en t0 . L'espace des phases
dcrit par N observables (x1 ,
, xN )
associ un systme
est l'ensemble des valeurs
prises par ces observables. Par exemple, pour N
= 2,
cas tudi
dans la suite, est une partie du plan. Pour un modle avec 2

populations, est le quart de plan o les observables sont positives.
Pour des concentrations mesures en
suite de cette partie,
%, = [0, 100]N .
Dans la
l'espace de phases, est un ouvert de
R2 ,
gnralement, pour ce qui nous concerne, un ensemble de points

dni par un nombre ni d'inquations fj (x , y )
continues.
162
>0
avec fj
Champs de vecteurs
Un champ de vecteurs V dans
(x , y )
est la donne pour tout
d'un vecteur

V (x , y )
P (x , y )
Q (x , y )
R2
Ce champ de vecteurs reprsente l'volution du systme
0
x
y0
= V (x , y )
en un temps petit : si x (0)
= x0 , y (0) = y0 , on a
x ( t ) x0 + tP (x0 , y0 ), y ( t ) y0 + tQ (x0 , y0 )
163
lorsque
t 0.
Courbes intgrales
Une courbe intgrale (ou trajectoire) est une courbe parmtre
drivable (c'est--dire, une application) X
o t I
(x0 , y0 ),
un intervalle contenant t0 ,
: t (x (t ), y (t )) ,
est un domaine contenant
telle que l'on ait

t I ,
0 (t )
y 0 (t )

=
P (x (t ), y (t ))
Q (x (t ), y (t ))
autrement dit la vitesse de X l'instant t est la valeur de V au

point X (t ). On crira aussi bien :
(t ) =
dX
dt
= V (X (t ))
Les courbes intgrales reprsentent l'volution des observables au

cours du temps.
164
Reprsentations gomtriques
On peut reprsenter sur une mme gure les graphes de t
t
y (t ).
X (t ) = (x (t ), y (t )). Il peut tre utile de

> 0 convenablement
marquer sur cette courbe les points X (kT0 ) avec T0
Z.
Fig.: 10
165
et de
On peut aussi faire un dessin dans l'espace de phases, i.e.
tracer la courbe paramtre t

choisi et k
x (t )
Les points singuliers d'un champ de vecteurs

Ce sont les points
(a, b)
o P et Q s'annulent simultanment : ils
sont obtenus en rsolvant le systme de 2 quations 2 inconnues

P (a, b )
Si x (0)
= a, y (0) = b,
= Q (a, b) = 0.
on a :
t R, x (t ) = a, y (t ) = b.
Ces points s'interprtent donc comme les positions d'quilibre du
systme. Il est de premire importance de les dterminer pour
comprendre le systme dynamique. Une fois les points singuliers
trouvs, on peut s'intresser la dynamique au voisinage de ceux-ci
en se posant par exemple la question de la stabilit d'un point
d'quilibre M0 .
166
Stabilit d'un point d'quilibre M0
si on prend des donnes initiales assez proches de M0 , est ce qu'on va
s'en loigner ou rester asssez proche ?

Nous verrons plus loin des critre simples de stabilit bas sur
l'approximation linaire du champ de vecteurs.
Le cas linaire est important parce qu'on peut calculer compltement les
solutions, mais aussi parce qu'il donne, aprs linarisation, des
informations sur le comportement prs des points singuliers pour un
systme gnral, en particulier sur sa stabilit.
Fig.: 11.
167
Stabilit d'un point d'quilibre M0
si on prend des donnes initiales assez proches de M0 , est ce qu'on va
s'en loigner ou rester asssez proche ?

Nous verrons plus loin des critre simples de stabilit bas sur
l'approximation linaire du champ de vecteurs.
Le cas linaire est important parce qu'on peut calculer compltement les
solutions, mais aussi parce qu'il donne, aprs linarisation, des
informations sur le comportement prs des points singuliers pour un
systme gnral, en particulier sur sa stabilit.
Fig.: 11.
167
Point singuliers d'un

champ de vecteur gnral

Si V (x , y )
P (x , y )
Q ( x ,y )
est un champ de vecteurs quelconque, l'tude des
trajectoires prs d'un point d'quilibre M0 quelconque peut souvent se

faire par linarisation : on remplace le champ V prs de M0 par le champ
linaris V0
P0 ( x , y )
Q0 (x ,y ) prs de 0 (ie on pose x
dni par
168
P0 (X , Y )
Q0 (X , Y )
= x0 + X , y = y0 + Y
P
P
x (M0 )X + y (M0 )Y
Q
Q
x (M0 )X + y (M0 )Y
On appelle matrice jacobienne (voir [YCV], p.26) de l'application
(x , y )
P ( x ,y )
Q (x ,y ) au point (x , y ) la matrice J(x ,y ) dnie par
J(x ,y )
P
x (x , y )
Q
x (x , y )
P
y (x , y )
Q
y (x , y )
Le champ linaris est donc associ la matrice jacobienne J(x0 ,y0 ) au

point singulier M0
lorsque X , Y
0.
=
champ V (x , y )
= (x0 , y0 ) . Plus prcisment, on a

(
P (x0 + X , y0 + Y ) P0 (X , Y )
Q (x0 + X , y0 + Y ) Q0 (X , Y )
Le champ linaris est donc une approximation du
P ( x ,y )
Q (x ,y ) au voisinage de M0 dans un repre d'origine
M0 . Cette approximation est d'autant meilleure que le voisinage est petit.

Il n'est donc pas trop surprenant que les proprits de stabilit puissent se
lire sur le champ linaris.
169
Etude de stabilit l'aide du champ linaris

I Si le champ linaris X0 admet un noeud stable ou un foyer stable, le
point d'quilibre M0 est stable quand t
+.
I Si le champ linaris X0 admet un noeud instable ou un foyer

instable, le point d'quilibre M0 est instable quand t
+.
I Si le champ linaris X0 admet un col, le point d'quilibre M0 est

instable, mais admet une varit stable quand t
+.
I Si le champ linaris X0 admet un centre, on ne peut pas conclure

sans une analyse plus ne.
On a le rsultat suivant :
Thorme (sur la stabilit des poins singuliers)

Si les parties relles de toutes les valeurs propres sont < 0, l'quilibre est
stable. Si au moins une valeur propre a une partie relle > 0, l'quilibre
est instable.
170
Champs de vecteurs

170
Cours N 14, Exemples qualitatifs

Commenons par un exemple simple : aprs ingestion d'alcool (dans
l'estomac), l'alcool diuse dans le sang et est limin
progressivement par les reins. A partir d'un modle simple on
souhaite tudier l'volution au cours du temps du taux d'alcool
dans le sang. Soit x (t ) le taux d'alcool dans l'estomac et y (t ) le
taux d'alcool dans le sang l'instant t .
On fait l'hypothse que les vitesses de diusion de l'alcool de
l'estomac vers le sang ou du sang vers l'extrieur sont
proportionnelles aux dirences de concentration dans les 2
rservoirs.
171
C'est une hypothse naturelle, car il ne doit pas y avoir de transfert

si les concentration sont les mmes et alors le plus simple est de
prendre des vitesses linaires par rapport aux dirences de
concentration.
Rappel : la concentration c d'une substance donne la quantit de
cette substance contenue dans l'unit de volume. La quantit de
substance contenue dans le volume V est cV .
172
On obtient ainsi les quations direntielles suivantes

x
o k1
(t ) = k1 (x (t ) y (t )), y 0 (t ) = k2 (x (t ) y (t )) y (t ),
>0
(resp. k2 ) est la constante de diusion de l'alcool de l'estomac
vers le le sang (resp. du sang vers l'estomac). Si V est le volume de

l'estomac et W le volume du sang, la conservation de la quantit d'alcool
dans cet change implique k1 V
>0
= k2 W
et donc k2
< k1 !
La constante
est la constante d'absorption de l'alcool par les reins.
Les constantes k1 , k2 et
sont des paramtres qui dpendent des individus
et une tude exprimentale a posteriori (i.e. utilisant les quations

direntielles rsolues) doit permettre de les calculer et mme mieux de les
dduire d'autres caractristiques individuelles (poids, ge, etc . . .).
On veut rsoudre le systme d'quations direntielles prcdent
avec comme donne initiale x (0)
= x0 , y (0) = 0
(on suppose que
tout l'alcool a t bu en une fois par un sujet initialement jeun).
173
Rsolution de l'exemple
On choisit pour simplier des valeurs numriques k1
x (0)
= 1, y (0) = 0.

(1)
2 + 14 + 40 = 0
(3)
1 = 10, 2 = 4

V1
(5)
(6)
174
(2)
(4)
= 5,
k2
= 1, = 8,
On obtient pour les direntes tapes de la rsolution :
X (0)
X (t )
x0
6
x0
6

, V2 =
5
1
(V1 + V2 )
(e 10t V1 + e 4t V2 )
Conclusion
x (t )
x0 10t
6 (e
+ 5e 4t ), y (t ) =
x0
10t
6 (e
+ e 4t ). Le graphe de y (t ) peut tre trac (voir

= ln 62,5 . On pourra le montrer en exercice.
gure 12 et montre un maximum pour un temps T
Fig.: 12. Les variations de x et y en fonction de t .

Les fait qualitatifs saillants sont :
l'existence d'un temps caractristique, le temps T pour lequel y (T ) est le maximum
- l'existence d'un taux caractristique le rapport y (T )/x (0).
Plus ce taux est petit, moins vous risquez de vous faire prendre avec un excs d'alcoolmie. On
vrie aussi que les solutions satisfont y (t )
exponentiellement vite.
175
< x (t )
pour tout t et que x (t ) et y (t ) tendent vers 0
Conclusion
x (t )
x0 10t
6 (e
+ 5e 4t ), y (t ) =
x0
10t
6 (e
+ e 4t ). Le graphe de y (t ) peut tre trac (voir

= ln 62,5 . On pourra le montrer en exercice.
gure 12 et montre un maximum pour un temps T
Fig.: 12. Les variations de x et y en fonction de t .

Les fait qualitatifs saillants sont :
l'existence d'un temps caractristique, le temps T pour lequel y (T ) est le maximum
- l'existence d'un taux caractristique le rapport y (T )/x (0).
Plus ce taux est petit, moins vous risquez de vous faire prendre avec un excs d'alcoolmie. On
vrie aussi que les solutions satisfont y (t )
exponentiellement vite.
175
< x (t )
pour tout t et que x (t ) et y (t ) tendent vers 0
Cours N 15, Exemples qualitatifs

Ractions chimique simples.
Il s'agit d'une raction du type A
+B
C
o l'on note a, b , c les
concentrations des ractants A, B , C .

Rappel : la concentration c d'une substance donne la quantit de cette
substance contenue dans l'unit de volume. La quantit de substance contenue
dans le volume V est cV .
Constante d'Avogadro NA
n (X )
= N (X )/NA
= 6, 022.1023 mol 1 ,
(la quantit d'une substance)
Unit de masse atomique mu
= m(C1 2)/12 = 1, 6601027 kg
Pour qu'il y ait raction, il faut qu'il y ait rencontre (acte biomolculaire).
La loi de vitesse est l'expression de la vitesse de la raction en fonction de
direntes concentrations dont elle dpend (Chimie, PCSI, PUF, 1999, p.8)
Exemple :A
Ch.I)
176
= C2 H4 , B = H2 , C = C2 H6
(l'thane) (Chimie, PCSI, PUF, 1999,
Soit k+1 et k1 les taux des ractions

dc
dt
= k+1 ab k1 c ,
da
dt
db
dt
et
),
on a :
= k+1 ab + k1 c .
Cela donne lieu une quation direntielle trs simple puisque l'on
+ c = cte et b + c = cte . Si c (0) = c0 = 0, on a :

= a0 c ; b = b0 c et donc dc
dt = k+1 (a0 c )(b0 c ) k1 c
voit que a
a
qui s'intgre explicitement.
On vrie directement en utilisant les rsultats de la section 6.4 que

c (t ) croit de 0 c qui est la plus petite racine de
k+1 (a0
177
c )(b0 c ) k1 c = 0.
Ractions enzymatiques.
L'enzyme E , prsent en faible quantit, ragit avec le ractant R pour donner un
compos C qui se dcompose en un produit P en redonnant l'enzyme suivant le
schma : R
+ E
C * P + E.
Notons comme plus haut k1 les taux de la
premire raction et k2 celui de la seconde. Notons avec des lettres minuscules les
concentrations et indexons par 0 les valeurs initiales ; on a les 4 quations couples
suivantes :
dr
dt
dc
dt
= k+1 re + k1 c ;
= k+1 re k1 c k2 c ,
Rt
= 0 c (s )ds
= e0 = cte .
On tire p par p (t )
grae e
+c
de
dt
dp
dt
= k2 c k+1 re + k1 c ;
= k2 c .
et il nous reste 3 quations dont on peut liminer e
Il nous reste ainsi :
178
dr
dt
dc
dt
= k+1 re0 + (k+1 r + k1 )c

= k+1 re0 (k+1 r + k1 + k2 )c
Ractions enzymatiques.
L'enzyme E , prsent en faible quantit, ragit avec le ractant R pour donner un
compos C qui se dcompose en un produit P en redonnant l'enzyme suivant le
schma : R
+ E
C * P + E.
Notons comme plus haut k1 les taux de la
premire raction et k2 celui de la seconde. Notons avec des lettres minuscules les
concentrations et indexons par 0 les valeurs initiales ; on a les 4 quations couples
suivantes :
dr
dt
dc
dt
= k+1 re + k1 c ;
= k+1 re k1 c k2 c ,
Rt
= 0 c (s )ds
= e0 = cte .
On tire p par p (t )
grae e
+c
de
dt
dp
dt
= k2 c k+1 re + k1 c ;
= k2 c .
et il nous reste 3 quations dont on peut liminer e
Il nous reste ainsi :
178
dr
dt
dc
dt
= k+1 re0 + (k+1 r + k1 )c

= k+1 re0 (k+1 r + k1 + k2 )c
On en dduit l'espace de phase donn dans la gure suivante avec

une trajectoire typique. Ce qui est intressant est que la raction se
produit mme avec un trs faible taux d'enzyme. Pour plus de
dtails, consulter [Murr89] chapitre 5.
Fig.: 13. Raction enzymatique (Noeud stable autour de (r , c ) = (0, 0))

179
Cours N 16, Applications l'tude qualitative de

comportement autours des points singuliers.
Portrait de phase.
Il s'agit de reprsenter sur un mme dessin un nombre susant de
trajectoires pour avoir une ide assez prcise de la dynamique du systme.
On indique notamment les trajectoires exceptionnelles (les points singuliers,
les varits stables et instables de points cols, les trajectoires priodiques)
et dans chaque rgion limite par les prcdentes quelques trajectoires
typiques encore appelles gnriques. Pour un systme linaire il y a 5
trajectoires exceptionnelles (l'quilibre et les 4 demi-droites engendres par
les vecteurs propres) dans le cas de valeurs propres relles distinctes. Si les
2 valeurs propres sont non relles, il n'y en a qu'une (le point singulier).
180
Le pendule simple
Pour un pendule simple, x est l'angle reprant la position du pendule par
rapport la verticale et y la vitesse du pendule. Il s'agit de l'quation
direrentielle :
x
00
+ sin x = 0
que l'on peut transformer en un champ de vecteurs dans le plan. On

obtient ainsi
dx
dt
dy
dt
=y
= sin x
(y , sin x ) est tangent aux
cos x : l'nergie totale est
On vrie facilement que le champ de vecteurs

lignes de niveau de l'nergie E (x , y )
1 2
2y
conserve au cours du mouvement. E est une intgrale premire.

(Rappel : soit V (x , y )
= (P (x , y ), Q (x , y )) un champ de vecteurs dans

: R est une intgrale premire (IP en
un ouvert du plan. Une fonction F
abrg) de V si elle est constante le long des trajectoires).
181
Cela permet de dessiner les trajectoires dans le plan de phases comme sur la
gure 14. On distingue, sur la gure 14, cinq types de trajectoires : les points
d'quilibre stable (position basse) et instable (position haute), les petites
oscillations priodiques, les grandes oscillations qui font tout le tour et les
trajectoires qui partent au temps
l'autre ct
d'une position instable pour y revenir de
+.
Fig.: 14
182
Champs de vecteurs dans le plan, points singuliers :

visualisation avec MAPLE
> restart ;with(DEtools) :with(plots) : DEplot([di(x(t),t)=y(t),
di(y(t),t)=-sin(x(t))], [x(t),y(t)], t=-4..12,number=2, [ [x(0)=0,y(0)=2],
[x(0)=0,y(0)=-2], [x(0)=2*Pi,y(0)=2], [x(0)=2*Pi,y(0)=-2], [x(0)=0,y(0)=2.2],
[x(0)=4*Pi,y(0)=-2.2], [x(0)=4*Pi,y(0)=1], [x(0)=4*Pi,y(0)=-2],
[x(0)=4*Pi,y(0)=2], [x(0)=0,y(0)=1], [x(0)=2*Pi,y(0)=1]] ) ;
Fig.: 15 Portrait de phases : le pendule simple
183
Cours N 17, Comportement chaotique de population

([Bert], p.97)
Certaines espces d'insectes voluent avec une synchronisation assez grande ; en
particulier, la priode de la ponte est la mme pour tous les individus, et cette
priode revient intervalles rguliers (tous les ans par exemple). L'volution gnrale
d'une telle espce est caractrise par une simulation mathmatique.
Dans un modle simpli d'volution, le nombre un d'insectes la n-me gnration
ne dpend que du nombre un1 d'insectes la gnration prcdente, soit
un
= f (un1 ) ;
la suite est une suite rcurrente (ou un systme dynamique discret).
On supposera que la population suit une lois logistique discrte :

f (x )
= Cx
x
L
, C tant un coecient de reproduction et L le nombre
maximum d'insectes pouvant vivre dans un milieu tudi ; un est remplac par un
entier le plus proche.
La constante C est videmmement positive ; elle ne peut tre
suprieur 4 car la valeur de f (x ) doit rester infrieure ou gale
L, quel que soit x compris entre 0 et L (prendre x
184
L
2 ).
Rsultats thoriques
(un ) sont les solutions de
1
C , mais il n'y a pas toujours
On sait que les seules limites possibles pour la suite
= f (x ),
l'quation x
soit x
=0
ou x
convergence. On montre que :
=L
I si le coecient de reproduction est faible (C
< 1),
la suite tend vers 0
(extinction de la population),
I si le coecient de reproduction est moyen (1

L 1
1
C
< C < 3),
la suite tend vers
(la population se maintient un niveau constant),
I si le coecient de reproduction est grand :

(3
< C < 3, 449), la suite oscille, pour n assez grand, entre deux valeurs,
< C < 3, 544), la suite oscille, pour n assez grand, entre quatre
(3, 449
valeurs,
. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .
I si le coecient de reproduction est trs grand (C
> 3, 750),
la suite parat
distribue au hasard et dpend d'un changement mme minimal de la

valeur initiale ; on dit que son comportement est chaotique. Pour C
suite un /L est dense dans l'intrvalle ]0, 1[.
185
=4
la
Rsultats thoriques
1
= f (x ),
l'quation x
soit x
=0
ou x
=L
< 1),

L 1
1
C
< C < 3),
la suite tend vers

(3
(3, 449
valeurs,
. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .
> 3, 750),
la suite parat

185
=4
la
Rsultats thoriques
1
= f (x ),
l'quation x
soit x
=0
ou x
=L
< 1),

L 1
1
C
< C < 3),
la suite tend vers

(3
(3, 449
valeurs,
. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .
> 3, 750),
la suite parat

185
=4
la
Rsultats thoriques
1
= f (x ),
l'quation x
soit x
=0
ou x
=L
< 1),

L 1
1
C
< C < 3),
la suite tend vers

(3
(3, 449
valeurs,
. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .
> 3, 750),
la suite parat

185
=4
la
Rsultats thoriques
1
= f (x ),
l'quation x
soit x
=0
ou x
=L
< 1),

L 1
1
C
< C < 3),
la suite tend vers

(3
(3, 449
valeurs,
. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .
> 3, 750),
la suite parat

185
=4
la
Reprsentation graphique du comportement chaotique par

"tissage de toile"
Fig.: 16. "Tissage de toile", [Murr89], p.44
186
Aperu culturel sur les systmes dynamiques, voir [YCV],

p.28
On peut faire commencer l'histoire rcente des systmes dynamiques et de la
thorie du chaos Henri Poincar. Conscient que l'on ne pouvait pas en gnral
donner une solution analytique (i.e. des formules) aux problmes de la
dynamique, H. Poincar propose une tude plus qualitative base sur l'tude des
points d'quilibre et des trajectoires priodiques, puis de leur bassin
d'attraction. H. Poincar est sans doute le premier scientique avoir pressenti
la nature complexe (on dirait aujourd'hui chaotique) des trajectoires de certains
systmes dynamiques d'apparence simple. Pour une histoire de cette thorie, on
pourra lire le passionnant livre [GL].
187
Bibliographie
Livres de base :
Franoise et Jean-Paul BERTRANDIAS, Mathmatiques pour
les sciences de la nature et de la vie, Collection Grenoble
Sciences, Press Univ. Grenoble, 1990
Yves COLIN DE VERDIRE, Mathmatiques en DEUG SV
2me anne, Institut Fourier (DU St Martin d'Hres)
http ://www-fourier.ujf-grenoble.fr/ycolver/
Jacquelinne LELONG-FERRAND, Jean-Marie ARNAUDIS,
Cours de Mathmatiques-Tome 4. quations direntielles.
Intgrales multiples. Dunod, Paris-Bruxelles-Montral, 1974
Jean DELLA DORA, Thiery GAUTHIER, Nathalie REVOL,
Systmes dynamiques 1993.
Livres supplmentaires :
Vladimir ARNOLD, quations direntielles ordinaires, Mir
188
(Moscou), 1974.
Vladimir ARNOLD, Mthodes mathmatiques de la mcanique

classique, Mir (Moscou), 1976.
Frank AYRES, Jr., Thorie et application des quations
direntielles. 560 exercises rsolus. Mac Graw-Hill, New-York,
Montral ; Edisciences, Paris, 1972
P. BERGELTON, The physical Basis of Biochemistry, Springer,
1998.
P. BERG, Y. POMEAU, Ch. VIDAL, L'ordre dans la chaos,
Hermann, 1988.
Pierre BROUSSE. Cours de mcanique. Librairie Armand Colin,
Paris, 1973
Athel CORNISH-BOWDEN, Marc JAMIN, Valdur SAKS,
Cintique enzymatique, Collection Grenoble Sciences, Press
Univ. Grenoble, 1990
Jean-Pierre DEMAILLY, Analyse numerique et quations
direntielles Press Univ. Grenoble, 1991
189
P. FLORENT, G. LAUTON, M. LAUTON, Equations et

Systmes direntiels, Vuibert (Paris), 1978
R. JEAN, Une approche mathmatique de la biologie, Gatan
Morin (Chicoutimi, Canada), 1987
J. HUBBARD. ; B. WEST. ; V. GAUTERON, ed. quations
direntielles et systmes dynamiques, Cassini, Enseignement
des mathmatiques (2), 1999
J. GLEICK, La thorie du chaos, Flammarion (Paris), 1987.
J. MURRAY, Mathematical Biology, Springer, 1989.
Herv PAJOT, Cours MAT110c (Apprentissage du
raisonnement et analyse lmentaire),
http ://www-fourier.ujf-grenoble.fr/pajot
Alexei PHILIPPOV, Recuiel de problmes d'quations
direntielles ordinaires, Mir (Moscou), 1976.
Lev PONTRIAGUINE, quations direntielles ordinaires, Mir
190
(Moscou), 1976.

6 M 127

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

6 M 127

Încărcat de

Drepturi de autor:

Formate disponibile

Introduction aux systmes dynamiques et la

Institut Fourier, Universit Grenoble-1

Champ de vecteurs dans le plan et introduction aux systmes

Cours Magistral (CM)

Travaux Dirig (TD)

Travail personnel estim

1. Modles dterministes. Schma d'une modlisation (voir [Bert], p.78)

Deuxime partie. Systmes dynamiques et quations direntielles

8. Systmes dynamiques : un langage pour la modlisation. Exemples provenants

Troisime partie. Mthodes d'algbre linaire

12. Vecteurs et matrices. Oprations

Quatrime partie. Mthodes gomtriques. Exemples d'une tude

16. Champs de vecteurs, points singuliers

Partie I. Exemples de modlisation

Qu'est ce que la modlisation ?

Cours N 1, (disponible sur :

Comment les sciences peuvent-elles utiliser des mathmatiques ?

Cours N 1, (disponible sur :

Comment les sciences peuvent-elles utiliser des mathmatiques ?

De nombreux systmes que l'on tudie dans les sciences comme la

De nombreux systmes que l'on tudie dans les sciences comme la

I Le temps T (on considre soit le temps discret

une constante xe

minutes, journes, annes, . . .), avec la notation tl

soit le temps continue T

sont des quantits numriques,

souvent appeles variables ou observables, qui caractrisent un tat de

I Un processus dynamique est une fonction mathmatique f

dynamique avec la proprit f (t0 )

o e0 est l'tat initial du

satisfait une loi

I Le temps T (on considre soit le temps discret

une constante xe

minutes, journes, annes, . . .), avec la notation tl

soit le temps continue T

sont des quantits numriques,

souvent appeles variables ou observables, qui caractrisent un tat de

I Un processus dynamique est une fonction mathmatique f

dynamique avec la proprit f (t0 )

o e0 est l'tat initial du

satisfait une loi

I Le temps T (on considre soit le temps discret

une constante xe

minutes, journes, annes, . . .), avec la notation tl

soit le temps continue T

sont des quantits numriques,

souvent appeles variables ou observables, qui caractrisent un tat de

I Un processus dynamique est une fonction mathmatique f

dynamique avec la proprit f (t0 )

o e0 est l'tat initial du

satisfait une loi

I Le temps T (on considre soit le temps discret

une constante xe

minutes, journes, annes, . . .), avec la notation tl

soit le temps continue T

sont des quantits numriques,

souvent appeles variables ou observables, qui caractrisent un tat de

I Un processus dynamique est une fonction mathmatique f

dynamique avec la proprit f (t0 )

o e0 est l'tat initial du

satisfait une loi

Loi physique, loi biologique, [Bert], p.28

= t , variable t > 0, paramtre rel quelconque

Deuxime partie. Systmes dynamiques et quations direntielles

une constante xe

une constante xe

une constante xe

une constante xe

t tend vers l'inni plus vite que

tend vers l'inni plus vite que ln t , lim

Qu'est ce qu'une quation direntielle ?

solutions sont plus diciles crire.

quations direntelles ordinaires et processus d'volution

La thorie des quations direntelles constitue l'un des

de l'quation direntielle de Newton).

La vrication peut amener

La vrication peut amener

La vrication peut amener

La vrication peut amener

La vrication peut amener

La vrication peut amener