Cours de modélisation L1S2P

2017

Analyse L1S1 P
Aujourd’hui :

Evolution des populations et suites

récurrentes.

Analyse L1S1 P
Modélisation la plus simple.

On considère une population, disons de bactéries. On veut modéliser son

évolution. On note pn la population au jour n.
Hypothèse simpliste : le nombre de bactéries qui meurent est
propotionnel à pn , le nombre de bactéries qui naissent est propotionnel à
pn .

Analyse L1S1 P
Modélisation la plus simple.

On considère une population, disons de bactéries. On veut modéliser son

évolution. On note pn la population au jour n.
Hypothèse simpliste : le nombre de bactéries qui meurent est
propotionnel à pn , le nombre de bactéries qui naissent est propotionnel à
pn .

pn+1 = αpn

On en déduit

Analyse L1S1 P
Modélisation la plus simple.

On considère une population, disons de bactéries. On veut modéliser son

évolution. On note pn la population au jour n.
Hypothèse simpliste : le nombre de bactéries qui meurent est
propotionnel à pn , le nombre de bactéries qui naissent est propotionnel à
pn .

pn+1 = αpn

On en déduit
pn = αpn−1 = α2 pn−1 = · · · = αn pO

Analyse L1S1 P
Modélisation la plus simple.

On considère une population, disons de bactéries. On veut modéliser son

évolution. On note pn la population au jour n.
Hypothèse simpliste : le nombre de bactéries qui meurent est
propotionnel à pn , le nombre de bactéries qui naissent est propotionnel à
pn .

pn+1 = αpn

On en déduit
pn = αpn−1 = α2 pn−1 = · · · = αn pO

On a donc une croissance exponentielle ce modèle n’est pas réaliste si

α > 1.

Analyse L1S1 P
Modélisation à la Fibonacci.
Cette fois, on a des lapins. On part avec p0 = 0 et p1 = 1 (un couple de
lapins de 1 mois), et on suppose que chaque couple d’au moins 2 mois
donne naissance à un couple chaque mois.

Analyse L1S1 P
Modélisation à la Fibonacci.
Cette fois, on a des lapins. On part avec p0 = 0 et p1 = 1 (un couple de
lapins de 1 mois), et on suppose que chaque couple d’au moins 2 mois
donne naissance à un couple chaque mois.

pn+1 = pn + pn−1

On recherche des solutions de la récurrence de la forme x n . On doit donc

avoir x 2 − x − 1 = 0 ce qui donne x± =

Analyse L1S1 P
Modélisation à la Fibonacci.
Cette fois, on a des lapins. On part avec p0 = 0 et p1 = 1 (un couple de
lapins de 1 mois), et on suppose que chaque couple d’au moins 2 mois
donne naissance à un couple chaque mois.

pn+1 = pn + pn−1

On recherche des solutions de la récurrence √de la forme x n . On doit donc

avoir x 2 − x − 1 = 0 ce qui donne x± = 1±2 5 .
Puis on constate que si l’on peut choisir λ1 et λ2 pour que

λ1 (x+ )n + λ2 (x− )n = pn

pour n = 0 et n = 1, donc pour tout n !

Analyse L1S1 P
Modélisation à la Fibonacci.
Cette fois, on a des lapins. On part avec p0 = 0 et p1 = 1 (un couple de
lapins de 1 mois), et on suppose que chaque couple d’au moins 2 mois
donne naissance à un couple chaque mois.

pn+1 = pn + pn−1

On recherche des solutions de la récurrence √de la forme x n . On doit donc

avoir x 2 − x − 1 = 0 ce qui donne x± = 1±2 5 .
Puis on constate que si l’on peut choisir λ1 et λ2 pour que

λ1 (x+ )n + λ2 (x− )n = pn

pour n = 0 et n = 1, donc pour tout n !

1
λ1 = −λ2 = √
5
donc √ √
(1 + 5)n − (1 − 5)n
pn = √
2n 5
encore une fois, ce n’est pas réaliste.
Analyse L1S1 P
Suites récurrentes linéaires

Théorème
Soit U l’ensemble des suites réelles (ou complexes) vérifiant
un+d = ad −1 un+d −1 + · · · + a0 un (a0 6= 0).
On introduit le polynôme caractéristique P(Z ) = Z d − ad −1 Z d −1 − · · · − a0 .
Dans C, on peut le factoriser sous la forme
P(Z ) = (Z − ω1 )α1 · · · (Z − ωs )αs avec α1 + · · · + αs = d .
Considérons les d suites de la forme
Sn (ωi , j) = nj ωin avec 0 ≤ j < αi .
Alors tout élément (un )n ∈ U s’écrit de manière unique sous la forme

un = λ1 Sn (ω1 , 0) + · · · + λd Sn (ωs , αs )

Démonstration : dans votre cours d’algèbre linéaire (chapitre “forme de Jordan”). On

peut déjà noter que U est un espace vectoriel de dimension d, et que le théorème dit
que les suites S(ωi , j) en forment une base.

Analyse L1S1 P
Modélisation à la Fibonacci avec mort.

Supposons maintenant que nos lapins meurent tous au bout de 3 mois :

pn+1 = pn + pn−1 − pn−2

Le polynôme caractéristique est

P(Z ) = Z 3 − Z 2 − Z + 1 =

Analyse L1S1 P
Modélisation à la Fibonacci avec mort.

Supposons maintenant que nos lapins meurent tous au bout de 3 mois :

pn+1 = pn + pn−1 − pn−2

Le polynôme caractéristique est

P(Z ) = Z 3 − Z 2 − Z + 1 = (Z − 1)2 (Z + 1)

Donc d’après le théorème, (pn )n est de la forme

pn = λ1 .1n + λ2 .n.1n + λ3 .(−1)n

On trouve les valeurs suivantes :

un ∼ λ2 n moins explosif, mais encore pas réaliste.

Analyse L1S1 P
La suite logistique
Il s’agit de la suite définie par

u0 = 1
un+1 = run (1 − un )

Elle modélise la croissance d’une population avec les deux conditions

suivantes :
s’il n’y a pas grand monde (la population est loin de 1), alors la
population augmente proportionnellement, c’est le terme run ;
s’il y a trop de monde (la population est proche de 1), tout le monde
a faim, et la fécondité décroit, c’est le terme (1 − un ).

C’est une suite du type un+1 = f (un ) avec

f (x) = rx(1 − x) .

Etudions quelques suites de ce type, avant de regarder notre suite

logistique.
Analyse L1S1 P
Interprétation graphique

Commençons avec un exemple : la suite un+1 = f (un ) avec

1
f (x) = (x + 2x −1 ).
2
y

y = 21 (x + 2x −1 )

x
Interprétation graphique

Commençons avec un exemple : la suite un+1 = f (un ) avec

1
f (x) = (x + 2x −1 ).
2
y
y =x

y = 21 (x + 2x −1 )

x
Interprétation graphique

Commençons avec un exemple : la suite un+1 = f (un ) avec

1
f (x) = (x + 2x −1 ).
2
y
y =x

y = 21 (x + 2x −1 )

• x
u0
Interprétation graphique

Commençons avec un exemple : la suite un+1 = f (un ) avec

1
f (x) = (x + 2x −1 ).
2
y
y =x

u1 • y = 21 (x + 2x −1 )

• x
u0
Interprétation graphique

Commençons avec un exemple : la suite un+1 = f (un ) avec

1
f (x) = (x + 2x −1 ).
2
y
y =x

u1 • y = 21 (x + 2x −1 )

• • x
u1 u0
Interprétation graphique

Commençons avec un exemple : la suite un+1 = f (un ) avec

1
f (x) = (x + 2x −1 ).
2
y
y =x

u1 • y = 21 (x + 2x −1 )

u2 •

• • x
u1 u0
Interprétation graphique

Commençons avec un exemple : la suite un+1 = f (un ) avec

1
f (x) = (x + 2x −1 ).
2
y
y =x

u1 • y = 21 (x + 2x −1 )

u2 •

• • • x
u2 u1 u0
Interprétation graphique

Commençons avec un exemple : la suite un+1 = f (un ) avec

1
f (x) = (x + 2x −1 ).
2
y
y =x

u1 • y = 21 (x + 2x −1 )

u2
u3
•
•

• • • x
u2 u1 u0
Interprétation graphique

Commençons avec un exemple : la suite un+1 = f (un ) avec

1
f (x) = (x + 2x −1 ).
2
y
y =x

u1 • y = 21 (x + 2x −1 )

u2
u3
•
•

•• • • x
u3 u2 u1 u0
Interprétation graphique

Commençons avec un exemple : la suite un+1 = f (un ) avec

1
f (x) = (x + 2x −1 ).
2
y
y =x

u1 • y = 21 (x + 2x −1 )

u2
u3
•
•

•• • • x
u3 u2 u1 u0

Analyse L1S1 P
un+1 = f (un ) : deuxième exemple
On considère la suite définie comme suit :

u0 = 1
un+1 = cos(x)

Voici les premières valeurs :

u1 = 1.0000 u8 = 0.72210 u15 = 0.74015 u22 = 0.73902
u2 = 0.54031 u9 = 0.75042 u16 = 0.73837 u23 = 0.73913
u3 = 0.85755 u10 = 0.73141 u17 = 0.73957 u24 = 0.73905
u4 = 0.65429 u11 = 0.74424 u18 = 0.73876 u25 = 0.73911
u5 = 0.79348 u12 = 0.73560 u19 = 0.73930 u26 = 0.73907
u6 = 0.70137 u13 = 0.74142 u20 = 0.73894 u27 = 0.73910
u7 = 0.76396 u14 = 0.73751 u21 = 0.73918 u28 = 0.73908
Ca semble converger !

Analyse L1S1 P
un+1 = f (un ) : deuxième exemple
On considère la suite définie comme suit :

u0 = 1
un+1 = cos(x)

Voici les premières valeurs :

u1 = 1.0000 u8 = 0.72210 u15 = 0.74015 u22 = 0.73902
u2 = 0.54031 u9 = 0.75042 u16 = 0.73837 u23 = 0.73913
u3 = 0.85755 u10 = 0.73141 u17 = 0.73957 u24 = 0.73905
u4 = 0.65429 u11 = 0.74424 u18 = 0.73876 u25 = 0.73911
u5 = 0.79348 u12 = 0.73560 u19 = 0.73930 u26 = 0.73907
u6 = 0.70137 u13 = 0.74142 u20 = 0.73894 u27 = 0.73910
u7 = 0.76396 u14 = 0.73751 u21 = 0.73918 u28 = 0.73908
Ca semble converger !
La limite doit être une solution de l’équation

cos(x) = x .

Analyse L1S1 P
Interprétation graphique

y
y =x

y = cos(x)

L’équation x = cos(x) a une unique solution.

Analyse L1S1 P
Interprétation graphique

y =x

y = cos(x)

x
Interprétation graphique

y =x

y = cos(x)

x
Interprétation graphique

y =x

y = cos(x)

x
Interprétation graphique

y =x

y = cos(x)

x
Interprétation graphique

y =x

y = cos(x)

x
Interprétation graphique

y =x

y = cos(x)

Analyse L1S1 P
un+1 = f (un ) : troisième exemple

On est donc tentés de voir si on trouve toujours une solution de x = f (x)

de cette façon-là ...

Analyse L1S1 P
un+1 = f (un ) : troisième exemple

On est donc tentés de voir si on trouve toujours une solution de x = f (x)

de cette façon-là ...
y
y =x

y = cos(2x)

L’équation x = cos(2x) a une unique solution.

Analyse L1S1 P
Interprétation graphique
y

y =x

y = cos(2x)
Interprétation graphique
y

y =x

y = cos(2x)
Interprétation graphique
y

y =x

y = cos(2x)
Interprétation graphique
y

y =x

y = cos(2x)
Interprétation graphique
y

y =x

y = cos(2x)
Interprétation graphique
y

y =x

y = cos(2x)
Interprétation graphique
y

y =x

y = cos(2x)
Interprétation graphique
y

y =x

y = cos(2x)
Interprétation graphique
y

y =x

y = cos(2x)
Interprétation graphique
y

y =x

y = cos(2x)
Interprétation graphique
y

y =x

y = cos(2x)
Interprétation graphique
y

y =x

y = cos(2x)

Analyse L1S1 P
Points fixes attractifs et répulsifs
On dit qu’un x tel que l’on ait

x = f (x)

est un point fixe de f .

On dit qu’il est attractif si, lorsqu’on prend u0 proche de x, la suite un

définie par un+1 = f (un ) converge vers x.

Si au contraire la suite un a tendance à s’échapper, on dit que x est un

point fixe répulsif.

Analyse L1S1 P
Points fixes attractifs et répulsifs
On dit qu’un x tel que l’on ait

x = f (x)

est un point fixe de f .

On dit qu’il est attractif si, lorsqu’on prend u0 proche de x, la suite un

définie par un+1 = f (un ) converge vers x.

Si au contraire la suite un a tendance à s’échapper, on dit que x est un

point fixe répulsif.

Critère.
Si x est un point fixe, alors
x est attractif dès que |f 0 (x)| < 1,
x est répulsif dès que |f 0 (x)| > 1,
on ne peut pas dire directement la nature de x si |f 0 (x)| = 1.

Démonstration : dans votre cours d’analyse, comme corollaire du TAF.

Analyse L1S1 P
Retour à la suite logistique

Y a-t-il un point fixe ?

f (x) = x
⇔ rx(1 − x) = x
⇔ x(r (1 − x) − 1) = 0
⇔ x = 0 ou x = r −1
r = 0

Donc on a deux points fixes. Or on a

f 0 (x) = r − 2rx

donc

f 0 (0) = r , donc x = 0 est un point fixe attractif pour r < 1, et

répulsif pour r > 1.

f 0 ( r −1 r −1
r ) = r − 2(r − 1) = 2 − r donc le point fixe x = r est
attractif pour r ∈]1, 3[ et répulsif si r ∈ [0, 1[ ou si r ∈]3, 4].

Analyse L1S1 P
La suite logistique : exemple de r = 0.75

y =x

x
y = 0.75x(1 − x)

Analyse L1S1 P
La suite logistique : exemple de r = 2.5

y =x

x
y = 2.5x(1 − x)

Analyse L1S1 P
La suite logistique : exemple de r = 3.2

y =x

x
y = 3, 2.x(1 − x)

Analyse L1S1 P
La suite logistique : exemple de r = 3.2 suite.

Observons les premières valeurs :

u1 = 0.28800 u8 = 0.59754 u15 = 0.79853 u22 = 0.51305

u2 = 0.65618 u9 = 0.76955 u16 = 0.51481 u23 = 0.79945
u3 = 0.72195 u10 = 0.56749 u17 = 0.79930 u24 = 0.51305
u4 = 0.64236 u11 = 0.78542 u18 = 0.51334 u25 = 0.79945
u5 = 0.73514 u12 = 0.53931 u19 = 0.79943 u26 = 0.51305
u6 = 0.62307 u13 = 0.79506 u20 = 0.51309 u27 = 0.79945
u7 = 0.75153 u14 = 0.52142 u21 = 0.79945 u28 = 0.51305

On dit que les points x1 ∼ 0.79 et x2 ∼ 0.51 sont des points périodiques.

Analyse L1S1 P
Autre interprétation graphique :
y

y =x

x
y = f ◦ f (x)
Autre interprétation graphique :
y

y =x

x
y = f ◦ f (x)

Analyse L1S1 P
Si l’on continue, voici ce que l’on observe :

Analyse L1S1 P
et, magie ! ! !

Analyse L1S1 P
et, magie ! ! !

Analyse L1S1 P
Et le chaos dans tout ça ?
On dit qu’un système dynamique est chaotique si son comportement à
moyen terme est complètement différent pour deux valeurs initiales prises
au hasard, mais très proches l’une de l’autre. Revenons sur notre exemple
de suite logistique. Avec r = 4 on obtient :
u0 = 0.2 u0 = 0.2001
u1 = 0.6400000000 u1 = 0.6402399600
u2 = 0.9216000001 u2 = 0.9213310145
u3 = 0.2890137598 u3 = 0.2899207049
u4 = 0.8219392257 u4 = 0.8234667592
u5 = 0.5854205398 u5 = 0.5814770228
u6 = 0.9708133255 u6 = 0.9734459790
u7 = 0.1133392499 u7 = 0.1033956199
u8 = 0.4019738575 u8 = 0.3708198626
u9 = 0.9615635016 u9 = 0.9332499684
u10 = 0.1478365361 u10 = 0.2491778595
u11 = 0.5039235788 u11 = 0.7483530155
u12 = 0.9999384221 u12 = 0.7532831188
u13 = 0.0002462963706 u13 = 0.7433906469
u14 = 0.0009849428347 u14 = 0.7630439720
u15 = 0.003935890889 u15 = 0.7232314751

Analyse L1S1 P
Exercices

Exo.1 : On suppose que (pn )n est une suite vérifiant la relation

pn+3 = 3pn+2 − 3pn+1 + 2pn

À quelle condition sur p0 , p1 et p2 cette suite reste-t-elle bornée ?

Exo. 2 : On change un peu le modèle de Fibonacci. On suppose cette
fois que l’on a
pn+3 = pn+1 + pn .
Montrer que le polynôme Z 3 − Z − 1 a exactement une racine réelle ρ, et
montrer les inégalités 1.3 < ρ < 1.4. En déduire que les deux autres
racines (complexes) sont de module < 1 et donc que pour une certaine
constance c, on a pn ∼ c.ρn .
Cette racine est un nombre connu sous le nom de nombre [Link] méthode de Cardan donne
3
p √ 3
q √ r
108+12 69+ 108−12 69 3 3 3 √
q
ρ = . On voit aussi que l’on a ρ = 1+ 1+ 1 + 31 + ···
6

Analyse L1S1 P
 ax+b
Exo. 3 : Une homographie est une fonction réelle du type f (x) = cx+d ,
avec ad − bc 6= 0.
si a, b, c et d sont strictement positifs, montrer que cette suite est
bien définie.
quel est alors (en fonction de a, b, c et d ) son comportement quand
n → ∞?
En général, quelles sont les valeurs de u0 pour lesquelles la suite est
bien définie ?

Exo. 4 : Le modèle logistique ne prend pas en compte un facteur souvent

important : si une population est trop peu nombreuse, au dessous d’un
seuil α, elle périclite (pas facile de trouver un partenaire !) On met donc
en place un modèle “bilogistique” :

un+1 = run .(1 − un )(un − α)

Étudiez en fonction de r et de α l’évolution de un . Il vous est conseillé de

commencer votre exploration à l’aide d’une calculatrice.

Analyse L1S1 P
Aujourd’hui...

Introduction aux équations différentielles.

Analyse L1S1 P
Qu’est-ce qu’une équation différentielle ?
Pour nous, et pour l’instant, une équation différentielle sera une équation
du type
y 0 (t) = F (y (t), t)
où y est une fonction inconnue de la variable t, et sa dérivée.
Exemples :
(E1 ) y 0 (t) = t 2 + 1
(E2 ) y 0 (t) = y
(E3 ) y 0 (t) = 2y − e t
(E4 ) y 0 (t) = y 2 + 1
Une solution d’une telle équation différentielle est une fonction t 7→ y (t)
définie sur un intervalle qui vérifie ladite équation. Par exemple, pour
toute constante C , les fonctions suivantes (Si ) sont solutions de (Ei )
3
(S1 ) y (t) = t3 + t + C
(S2 ) y (t) = Ce t
(S3 ) y (t) = e t + Ce 2t
(S4 ) y (t) = tan(t − C )

Analyse L1S1 P
D’où ça sort ?

• En physique :
Si un corps K de masse m est laché avec une vitesse nulle au moment t0
d’une certaine hauteur h0 , ils subit deux forces : l’attraction
gravitationnelle, d’intensité mg , et dirigée vers le bas, et une force de
frottement kv (t)2 proportionnelle au carré de sa vitesse, le coefficient k
dépendant de la situation. Par exemple, si le corps est en dehors de
l’atmosphère, on a k = 0. S’il c’est une bille de plomb lachée d’un avion,
k est petit, et si c’est un parachutiste, k est grand.
Quelle que soit la situation, le principe fondamental de la Physique nous
dit que la somme mg − kv (t)2 est égale à mv 0 (t). On a donc l’équation
différentielle suivante :
k
v 0 (t) = g − v (t)2
m
soumise à la condition v (t0 ) = 0.
Trouver une solution de cette équation différentielle permet de connaître
la vitesse de K au temps t > t0 .

Analyse L1S1 P
D’où ça sort ?

• En chimie :
Le carbone C12 a un isotope instable C14 . Celui-ci est produit dans la
couche d’ozone et se trouve en quantité constante dans l’air, où il se
dégrade lentement. Tout au long de notre vie, nous respirons cet air, et le
C14 se fixe à nos os, et se dégrade en même temps, de sorte que la
quantité de C14 par gramme de nos os est constante. Lorsque nous serons
morts et enterrés, nous ne respirerons plus l’air, et le C14 ne se fixera
plus, il ne fera que se dégrader, de sorte que la quantité de C14 par
gramme d’os va baisser. Précisément, la loi est la suivante : il existe une
période de temps T , appelée demi-vie du C14 , telle que la quantité de
C14 par gramme est divisée par 2 en un temps T . Une autre façon de le
dire est la suivante :

ln(2)
q 0 (t) = − q(T )
T
Lorsque dans plusieurs milliers d’années nos descendants exhumerons nos
squelettes, il leur suffira de résoudre cette équation différentielle pour
savoir depuis combien de temps nous gisons là.

Analyse L1S1 P
D’où ça sort ?
• En biologie :
On étudie encore l’évolution d’une population p, mais cette fois avec un
temps continu, et non plus discrêt. La suite logistique devient une
équation logistique
p 0 (t) = ap(t)(1 − p(t))
Résoudre cette équation différentielle permet de comprendre l’évolution
de p(t) en fonction du temps.

Bref, comme nous le voyons bien, il y a des équations différentielles

partout.
La plupart du temps cependant, nous ne savons pas les résoudre et il faut
se contenter d’une étude qualitative, qui nous apporte quand même des
informations nombreuses et précieuses sur les phénomènes étudiés. Notre
plan est le suivant :
1 Apprendre à mener une étude qualitative.
2 Apprendre à trouver des solutions explicites quand c’est possible.
3 Apprendre à trouver des solutions approchées quand c’est nécessaire.
Analyse L1S1 P
Équations différentielles autonomes

Les équations différentielles du type

(Int) y 0 = f (t)

nous sont familières. Elles sont l’un des sujets du cours d’intégration.
y Elles sont particulière en ce sens que deux
solutions sont “verticalement parallèles”.
Autrement dit, elles diffèrent d’une
constante. Plus précisément, si ϕ est
t solution, alors les solutions de l’équation
sont exactement les fonctions de la forme
ϕ + C pour une certaine constante C réelle.
Réciproquement, si une équation différentielle a cette propriété, alors elle
est équivalente à une équation différentielle du type (Int) : il nous suffit
de prendre une solution ϕ et de dire que toute autre solution est aussi
solution de y 0 (t) = ϕ0 (t).

Analyse L1S1 P
Équations différentielles autonomes (2)

À l’opposé, considérons une équation différentielle du type

(Aut) y 0 (t) = f (y (t)) .

Alors cette fois, si ϕ est solution, il en va de même de ψ : t 7→ ϕ(t − c)

En effet, on a alors

ψ 0 (t) = (ϕ(t−c))0 = (t−c)0 ϕ0 (t−c) = ϕ0 (t−c) = f (ϕ(t−c)) = f (ψ(t))

y
Une telle équation différentielle (E ) est dite
autonome : les sciences en fournissent des
tombereaux car elles contiennent en elles le
principe suivant lequel les mêmes causes
t produiront les mêmes effets,
indépendemment de la date de l’évènement
...

Analyse L1S1 P
Le théorème de Cauchy pour les équadiffs autonomes
Comme nous le savons depuis le cours d’intégration, pour toute donnée initiale
(t0 , y0 ), une équation différentielle du type
(Int) y 0 (t) = f (t)
admet une unique solution y telle que y (t0 ) = y0 : c’est y (t) = y0 + tt0 f (t)dt, à
R

condition, bien sûr, que f soit continue pour que la fonction y ainsi obtenue soit
dérivable.
Le thm de Cauchy donne un résultat semblable pour les équations autonomes :

Théorème de Cauchy
Soit J un intervalle ouvert sur lequel f est continue. Alors pour toute condition
initiale (t0 , y0 ) avec y0 dans J, et pour tout ε > 0 assez petit, il existe une
solution ϕ :]t0 − ε, t0 + ε[→ R de l’équadiff

(Aut) y 0 (t) = f (y (t))

telle que ϕ(t0 ) égale y0 .

Si de plus f est de classe C 1 au voisinage de y0 , alors cette solution est
essentiellement unique : si une autre solution ψ vérifie ψ(t0 ) = y0 , alors ϕ et ψ
coïncident sur l’intersection de leurs intervalles de définition.

Analyse L1S1 P
Intervalle maximal d’une solution

Dans la suite, nous supposerons toujours que f est de classe C 1 sur un

intervalle ouvert J.
D’après le théorème de Cauchy, étant donnée une condition initiale
(t0 , y0 ), il existe un plus grand intervalle I0 sur lequel est définie l’unique
solution y passant par (t0 , y0 ).
On dit que y est la solution passant par (t0 , y0 ), et on appelle I0
l’intervalle maximal de cette solution.
Nous étudierons bientôt le comportement de y aux bornes de cet
intervalle.

Analyse L1S1 P
Solutions stationnaires et sens de variation

Une solution stationnaire de

(Aut) y 0 (t) = f (y (t))

est une solution constante, c’est-à-dire une solution vérifiant l’une des
CES :
y (t) = y0
⇔ y 0 (t) = 0
⇔ f (y0 ) = 0
On dit alors que y0 est une valeur critique.
De même, si f (y0 ) est strictement positive, alors la solution passant par
(t0 , y0 ) est strictement croissante au voisinage de y0 , et si f est
strictement négative, alors la solution passant par (t0 , y0 ) est strictement
décroissante au voisinage de y0 .
Par conséquent, une étude du signe de f sur J nous donne des
informations précieuses sur les solutions de (Aut).

Analyse L1S1 P
Monotonie des solutions.

Les remarques précédentes, jointes au théorème de Cauchy, montrent

que, lorsque f est de classe C 1 , on a le résultat remarquable suivant :

Monotonie des solutions

Soit J un intervalle sur lequel f est de classe C 1 . Alors une solution ϕ de
l’équadiff
(Aut) y 0 (t) = f (y (t))
est stationnaire ou strictement monotone sur son intervalle maximal.

Analyse L1S1 P
Convexité

De même, on calcule y 00 = (f (y ))0 = y 0 f 0 (y ) = f (y )f 0 (y ). Ainsi, une

étude du signe de f 0 sur J nous permet de savoir où les solutions sont
convexes, concaves, ou admettent un point d’inflexion.

Analyse L1S1 P
Limites
La fonction f est toujours définie et C 1 sur un intervalle qu’on suppose
ici de la forme ]a, b[ (où a et b peuvent être infinis)
Supposons que
(Aut) y 0 (t) = f (y (t))
admet une solution ϕ définie sur un intervalle maximal I0 =]α, β[.
Si ϕ est stationnaire, alors on a α = −∞ et β = +∞.
Si ϕ est strictement croissante, alors on a les possibilités suivantes :
ϕ(t) tend vers b lorsque t → β,
β = +∞ et ϕ(t) tend vers une valeur critique lorsque t → β.
En effet, si ϕ(t) ne tend pas vers b, alors elle converge (puisqu’elle est croissante) vers un
élément b 0 < b. Si β n’était pas +∞, le théorème de Cauchy permettrait de prolonger la
solution ϕ sur un intervalle strictement plus grand que ]α, β[ par l’unique solution passant par
(β, b 0 ), ce qui contredirait la maximalité de I0 . Donc β doit être +∞. Mais ϕ étant croissante
et convergeant vers b 0 , le théorème des accroissements finis implique que ϕ0 tend vers 0 en
β = +∞. Ainsi, f (ϕ(t)) doit tendre vers 0, ce qui implique (f étant continue) que b 0 est une
valeur critique de f .
Bien sûr, on a des alternatives similaires en α, et aussi lorsque ϕ est
strictement décroissante.
Analyse L1S1 P
 Stabilité

Soit y0 une valeur critique.

y0 est dite stable si f est strictement décroissante au
voisinage de y0 . Cela implique que, pour ε assez petit, y
f est strictt positive sur ]y0 − ε, y0 [ et strictt négative
sur ]y0 , y0 + ε[, et par conséquent que toute solution ϕ y0 stable
passant dans la bande R×]y0 − ε, y0 + ε[ aura y0 pour t
limite en +∞.
y0 est dite instable si f est strictement croissante au
y voisinage de y0 . Cela implique que pour ε assez petit, f
est strictt négative sur ]y0 − ε, y0 [ et strictt positive sur
y0 instable ]y0 , y0 + ε[, et par conséquent que toute solution ϕ
t passant dans la bande R×]y0 − ε, y0 + ε[ aura y0 pour
limite en +∞.
y
y0 est dite semistable si f est non nulle et de signe
constant sur la réunion ]y0 − ε, y0 [∪]y0 , y0 + ε[ pour ε
y0 semi-stable
assez petit.
t

Analyse L1S1 P
Plan d’une étude qualitative

Étant donnée une équation différentielle

(Aut) y 0 (t) = f (y (t))

on en mène l’étude qualitative en suivant les étapes suivantes :

1 recherche des solutions stationnaires,
2 étude du sens de variation des solutions,
3 étude des limites des solutions,
4 étude de la stabilité des valeurs critiques,
5 étude de la convexité des solutions.

Analyse L1S1 P
Exercices

Mener les études qualitatives pour les équations différentielles suivantes :

y0 =y y0 = y2
y0 = 1 + y2 y0 = 1 − y2
y0 = sin(y ) y0 = ln(y )
−1)
y0 = tan(y ) y0 = y (y
√ p1+y
y0 =−3y y0 = 1 − y2

(Attention aux hypothèses pour les deux dernières)

Analyse L1S1 P
Résoudre explicitement une équation différentielle autonome
On considère une équation différentielle autonome

y 0 (t) = f (y (t)) ,

où f est définie et continue sur un intervalle J, avec la condition initiale

y (t0 ) = y0 . Si y0 n’est pas une valeur critique, alors f est non-nulle sur
un voisinage ouvert J0 =]y0 − ε, y0 + ε[ de y0 . Occupons-nous seulement
de cet intervalle, et disons que f y est strictt positive. On peut écrire
1
y 0 (t) = f (y (t)) ⇔ y 0 (t). =1 ( ∀t | y (t) ∈ J0 )
f (y (t))

Soit G la primitive de f1 sur J0 qui s’annule en y0 . L’équation ci-dessus se

réécrit
F (y (t))0 = (t)0 ( ∀t | y (t) ∈ J0 )
ou encore

∃c ∈ R, F (y (t)) = t − c ( ∀t | y (t) ∈ J0 ) .

Notre condition initiale fixe la valeur de c : on doit avoir c = t0 .

Analyse L1S1 P
Résoudre explicitement une équation différentielle autonome
(2)

1
Comme f est strictt positive sur J0 , sa primitive

F : ]y0 − ε, y0 + ε[ → ]F (y0 − ε), F (y0 + ε)[

est strictt croissante sur cet intervalle, et bien sûr de classe C 1 , donc en
particulier continue. Elle admet donc une fonction réciproque

F̃ : ]F (y0 − ε), F (y0 + ε)[ → ]y0 − ε, y0 + ε[

pour laquelle on peut écrire

F (y (t)) = t − t0 ⇔ y (t) = F̃ (t − t0 )

Analyse L1S1 P
 1
Exemple : le cas de y 0 = cos(y )

D’abord, il faut choisir l’intervalle J. Celui-ci ne doit contenir aucune valeur de

la forme π2 + kπ. Par exemple, on peut choisir, pour un certain k, l’intervalle
π π
J =] − + kπ, + kπ[
2 2

Une rapide étude qualitative nous apporte les

informations suivantes : y
1 L’intervalle J ne contient aucune valeur
critique.
2 Si k est pair, toute solution est croissante,
sinon, toute solution est décroissante.
3 Si k est pair, les solutions sont concaves t
dans la bande ] − π2 , 0[+kπ et convexes
dans la bande ] − π2 , 0[+kπ. Si k est
impair, c’est le contraire. Dans les deux
cas, il y a un point d’inflexion en kπ.

Analyse L1S1 P
 1
Exemple : le cas de y 0 = cos(y ) (2)

Cherchons maintenant une forme explicite pour les solutions : sur J, on a

1
y0 = ⇔ y 0 cos(y ) = 1 ⇔ sin(y ) = t − c .
cos(y )
Si k est pair, alors la fonction réciproque de F = sin :] − π2 + kπ, π2 + kπ[→] − 1, 1[
est la fonction F̃ :] − 1, 1[→] − π2 + kπ, π2 + kπ[ définie par F̃ (x) = arcsin(x) + kπ.
Sinon, la fonction réciproque de F = sin :] − π2 + kπ, π2 + kπ[→] − 1, 1[ est la fonction
F̃ :] − 1, 1[→] − π2 + kπ, π2 + kπ[ définie par F̃ (x) = kπ − arcsin(x).
Par conséquent, si k est pair, les solutions sont de la forme
y (t) = arcsin(t − c) + kπ
et si k est impair, les solutions sont de la forme
y (t) = kπ − arcsin(t − c)

Analyse L1S1 P
Exercices

Trouver la forme explicite des solutions des équations différentielles

suivantes :
y0 = y y0 = y2
0
y =1+y 2
y0 = 1 − y2
0
y = sin(y ) y 0 = exp(y )
−1)
0
y = tan(y ) y 0 = y (y
√ p1+y
y0 = − 3 y y0 = 1 − y2
Que dire dans les cas suivants :
2
y 0 = ln(y ) et y 0 = e y ?

Analyse L1S1 P
Aujourd’hui ...

La méthode d’Euler pour trouver une

solution approchée d’une équation
différentielle autonome

Analyse L1S1 P
La méthode d’Euler (1)

On reprend notre équadiff

(Aut) y 0 (t) = f (y (t))

avec la condition initiale y (t0 ) = y0 . Sous les hypoyhèses habituelles, il

existe une unique solution ϕ sur un intervalle maximal I0 . Nous allons
chercher à approximer ϕ sur l’intervalle I = [t0 , t0 + T ], en supposant
bien sûr que celui-ci est contenu dans I0 .
ϕ

L’idée est la suivante : pour tout t,

on connaît la tangente au graphe de
ϕ(t). On va discrêtiser le temps en n
intervalles de longueur hn = Tn , et
sur chacun de ces intervalles, on va
suivre la tangente indiquée par (Aut)
La méthode d’Euler (1)

On reprend notre équadiff

(Aut) y 0 (t) = f (y (t))

avec la condition initiale y (t0 ) = y0 . Sous les hypoyhèses habituelles, il

existe une unique solution ϕ sur un intervalle maximal I0 . Nous allons
chercher à approximer ϕ sur l’intervalle I = [t0 , t0 + T ], en supposant
bien sûr que celui-ci est contenu dans I0 .
ϕ

L’idée est la suivante : pour tout t,

on connaît la tangente au graphe de
ϕ(t). On va discrêtiser le temps en n
intervalles de longueur hn = Tn , et
sur chacun de ces intervalles, on va
suivre la tangente indiquée par (Aut) ϕ1
La méthode d’Euler (1)

On reprend notre équadiff

(Aut) y 0 (t) = f (y (t))

avec la condition initiale y (t0 ) = y0 . Sous les hypoyhèses habituelles, il

existe une unique solution ϕ sur un intervalle maximal I0 . Nous allons
chercher à approximer ϕ sur l’intervalle I = [t0 , t0 + T ], en supposant
bien sûr que celui-ci est contenu dans I0 .
ϕ

L’idée est la suivante : pour tout t,

on connaît la tangente au graphe de
ϕ(t). On va discrêtiser le temps en n
intervalles de longueur hn = Tn , et
sur chacun de ces intervalles, on va ϕ2
suivre la tangente indiquée par (Aut) ϕ1
La méthode d’Euler (1)

On reprend notre équadiff

(Aut) y 0 (t) = f (y (t))

avec la condition initiale y (t0 ) = y0 . Sous les hypoyhèses habituelles, il

existe une unique solution ϕ sur un intervalle maximal I0 . Nous allons
chercher à approximer ϕ sur l’intervalle I = [t0 , t0 + T ], en supposant
bien sûr que celui-ci est contenu dans I0 .
ϕ

L’idée est la suivante : pour tout t,

on connaît la tangente au graphe de
ϕ(t). On va discrêtiser le temps en n
intervalles de longueur hn = Tn , et ϕ4

sur chacun de ces intervalles, on va ϕ2

suivre la tangente indiquée par (Aut) ϕ1
La méthode d’Euler (1)

On reprend notre équadiff

(Aut) y 0 (t) = f (y (t))

avec la condition initiale y (t0 ) = y0 . Sous les hypoyhèses habituelles, il

existe une unique solution ϕ sur un intervalle maximal I0 . Nous allons
chercher à approximer ϕ sur l’intervalle I = [t0 , t0 + T ], en supposant
bien sûr que celui-ci est contenu dans I0 .
ϕ

L’idée est la suivante : pour tout t,

on connaît la tangente au graphe de ϕ8
ϕ(t). On va discrêtiser le temps en n
intervalles de longueur hn = Tn , et ϕ4

sur chacun de ces intervalles, on va ϕ2

suivre la tangente indiquée par (Aut) ϕ1
La méthode d’Euler (1)

On reprend notre équadiff

(Aut) y 0 (t) = f (y (t))

avec la condition initiale y (t0 ) = y0 . Sous les hypoyhèses habituelles, il

existe une unique solution ϕ sur un intervalle maximal I0 . Nous allons
chercher à approximer ϕ sur l’intervalle I = [t0 , t0 + T ], en supposant
bien sûr que celui-ci est contenu dans I0 .
ϕ

L’idée est la suivante : pour tout t, ϕ16

on connaît la tangente au graphe de ϕ8
ϕ(t). On va discrêtiser le temps en n
intervalles de longueur hn = Tn , et ϕ4

sur chacun de ces intervalles, on va ϕ2

suivre la tangente indiquée par (Aut) ϕ1
La méthode d’Euler (1)

On reprend notre équadiff

(Aut) y 0 (t) = f (y (t))

avec la condition initiale y (t0 ) = y0 . Sous les hypoyhèses habituelles, il

existe une unique solution ϕ sur un intervalle maximal I0 . Nous allons
chercher à approximer ϕ sur l’intervalle I = [t0 , t0 + T ], en supposant
bien sûr que celui-ci est contenu dans I0 .
ϕ

ϕ32
L’idée est la suivante : pour tout t, ϕ16
on connaît la tangente au graphe de ϕ8
ϕ(t). On va discrêtiser le temps en n
intervalles de longueur hn = Tn , et ϕ4

sur chacun de ces intervalles, on va ϕ2

suivre la tangente indiquée par (Aut) ϕ1
La méthode d’Euler (1)

On reprend notre équadiff

(Aut) y 0 (t) = f (y (t))

avec la condition initiale y (t0 ) = y0 . Sous les hypoyhèses habituelles, il

existe une unique solution ϕ sur un intervalle maximal I0 . Nous allons
chercher à approximer ϕ sur l’intervalle I = [t0 , t0 + T ], en supposant
bien sûr que celui-ci est contenu dans I0 .
ϕ
ϕ64
ϕ32
L’idée est la suivante : pour tout t, ϕ16
on connaît la tangente au graphe de ϕ8
ϕ(t). On va discrêtiser le temps en n
intervalles de longueur hn = Tn , et ϕ4

sur chacun de ces intervalles, on va ϕ2

suivre la tangente indiquée par (Aut) ϕ1

Analyse L1S1 P
La méthode d’Euler (2)

Pour cela, pour tout n ∈ N>0 , on pose hn = Tn , et on considère les

points tk = t0 + khn , qui découpent I en n parties I0 , I1 , . . ., In−1 , avec
Ik = [tk , tk+1 ]. On définit alors une suite (yk )nk=0 en posant

yk+1 = yk + hn f (yk )

Enfin, on définit une fonction ϕn sur I en reliant les valeurs obtenues par
des morceaux affines :

ϕn (t) = yk + (t − tk )f (yk ) si t ∈ [tk , tk+1 ]

L’espoir est alors que pour tout point t de I , la suite ϕn (t) converge vers
ϕ(t).

Analyse L1S1 P
La méthode d’Euler sur un exemple

Essayons avec une de nos équations différentielles préférées :

y0 = y

dont nous savons que la solution passant par le point (0, 1) est ϕ(t) = e t .
La méthode d’Euler sur l’intervalle [0, T ] au rang n donne

T k
yk = (1 + )
n
et en particulier
T n
yn = (1 + )
n
qui tend bien vers e T .

Analyse L1S1 P
Estimation de l’erreur dans la méthode d’Euler (1)
On a une équation du type

(Aut) y 0 (t) = f (y (t))

où f est définie sur un intervalle J.

On suppose que f est K -lipshitzienne sur J :

|f (a) − f (b)| ≤ K |a − b| .

C’est par exemple le cas dès que f est dérivable sur J, et si |f 0 (y )| < K
sur cet intervalle.
On note M le maximum de f sur J.
Erreur dans la méthode d’Euler
Soit ϕ la solution de (Aut) passant par (t0 , y0 ). Soit ϕn la n-ième
approximation d’Euler sur l’intervalle [t0 , t0 + T ]. On a l’inégalité

MT T KT
|ϕ(tj ) − ϕn (tj )| ≤ aj (avec tj = t0 + j et a = e n ).
2n n
En particulier, lorsque n → ∞, cette erreur tend vers 0.
Analyse L1S1 P
Estimation de l’erreur dans la méthode d’Euler (2)

Commençons avec une estimation de l’erreur sur un pas : on a les

inégalités
Rh
|ϕ(t + h) − ϕ(t) − h.f (ϕ(t))| = | 0
ϕ0 (t + x) − f (ϕ(t))dx|
Rh Rh
= | 0
f (ϕ(t + x)) − f (ϕ(t))dx| ≤ 0
|f (ϕ(t + x)) − f (ϕ(t))|dx
Rh Rh Rx 0
≤ K 0
|ϕ(t + x) − ϕ(t)|dx = K 0
| 0 ϕ (t + u)du|dx
RhRx RhRx
≤ K 0 0
|ϕ0 (t + u)|dudx = K 0 0
|f (ϕ(t + u))|dudx
RhRx Rh
≤ K 0 0
Mdudx ≤ K 0
Mxdx
2
≤ K .M. h2

Analyse L1S1 P
Estimation de l’erreur dans la méthode d’Euler (3)
Nous avons donc les deux égalités

hn2

ϕ(tk+1 ) = ϕ(tk ) + f (ϕ(tk )).hn + εk
(avec |εk | ≤ KM )
yk+1 = yk + f (yk ).hn 2

qui impliquent
hn2
|ϕ(tk+1 ) − yk+1 | ≤ |ϕ(tk ) − yk | + hn |f (ϕ(tk )) − f (yk )| + KM 2
h2
≤ (1 + K .hn )|ϕ(tk ) − yk | + KM 2n

Si l’on pose ek = |ϕ(tk ) − yk |, on a donc

hn2
ek+1 ≤ ek .(1 + K .hn ) + KM
2
d’où l’on déduit (exercice)

M
ej ≤ e K .[Link] hn
2

Analyse L1S1 P
Estimation de l’erreur dans la méthode d’Euler (4)

Reprenons notre exemple

(Aut) y 0 (t) = y (t)

et considérons les approximations d’Euler de la solution ϕ(t) = e t sur

l’intervalle [0, 1]. Ici, on a K = 1, T = 1 et M = e, donc on a
j
1 e 1+ n
|e tj − ϕn (tj )| = |e tj − (1 + )j | ≤
n 2n

Analyse L1S1 P
La méthode d’Euler comme lien équadiffs ↔ suites
récurrentes

Comme on l’a vu, la méthode d’Euler permet d’associer à une équation

différentielle y 0 = f (y ) des suites récurrentes de la forme
uk+1 = uk + Tn f (uk ) qui donnent des informations (de type quantitatif)
sur ses solutions.
Nous allons maintenant retourner la situation et associer à une suite
récurrente une équation différentielle qui nous en apprendra peut-être un
peu plus sur le comportement de cette suite.
Commençons avec l’exemple de la suite logistique

u0 = 0.3 , un+1 = aun (1 − un ) .

On constate que c’est la suite d’Euler associée à l’équadiff

y 0 = y (a − 1 − ay )

pour T = n !

Analyse L1S1 P
L’exemple logistique (1)

Une rapide étude qualitative montre que pour a > 0, les solutions ont
l’aspect suivant :
y

a−1
a stable

0 instable
t

La
suite logistique a alors le comprotement suivant :

Analyse L1S1 P
Analyse L1S1 P
Analyse L1S1 P