Note de cours en Modélisation et Simulation des Systèmes
(Version provisoire ! Merci pour toute remarque.)
David Jaurès FOTSA MBOGNE
Me contacter à david jamesf@[Link]
Aller à ma page web [Link]
13 avril 2025
Table des matières
I Modélisation des systèmes 2
1 Généralités sur les systèmes 3
1.1 Systèmes statiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Systèmes déterministes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Systèmes stochastiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 Systèmes dynamiques déterministes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 Systèmes à temps discrets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Systèmes à temps continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Systèmes dynamiques stochastiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Systèmes à temps discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.2 Systèmes à temps continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Modèles dynamiques déterministes 11
2.1 Modèles discrets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Modèles continus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3 Modèles semi-continus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3 Modèles dynamiques aléatoires 12
3.1 Modèles discrets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2 Modèles continus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
II Simulation des systèmes 13
i
Introduction
Un système peut se définir comme un ensemble d’objets éventuellement interactifs et ayant des
caractéristiques appelés états individuels. L’ensemble des états possibles d’un des objets constituant
le système est appelé espace d’état de cet objet. De même, le produit catésien des espaces d’états
des composants du système considéré définit l’espace d’états de ce dernier. Les système peuvent être
classifiés selon plusieurs critères :
— La nature de l’espace d’états : selon la cardinalité de l’espace d’états, on distingue les systèmes
à espace d’états discret (cas fini ou infini dénombrable) de ceux à espace d’états continu (cas
infini non dénombrable).
— L’effet du temps : il est possible que l’état d’un ou plusieurs composants d’un système change,
avec pour conséquence évidente le changement de l’état du système : on parle de système
dynamique.
— La cardinalité du temps : très souvent la suite des états des systèmes sont indexés par le temps.
Selon la cardinalité de l’ensemble des temps, on distinguera les systèmes à temps discret (cas
fini ou infini dénombrable) de ceux à temps continu (cas infini non dénombrable).
— Le changement des états d’un système considéré peut être prévisible (dynamique déterministe)
ou non (dynamique aléatoire ou stochastique). Cet état des choses mène donne lieu également
à une autre classification des systèmes.
— La régularité de la dépendance de l’état au temps (trajectoire) : l’état d’un système étant
finalement une fonction du temps, on peut s’intéresser à la continuité ou à la différentiabilité
d’un certain ordre.
La modélisation est une activité qui consiste à donner une représentation le plus souvent simpli-
fiée et abstraite d’un système d’intérêt. Par abstraction nous entendons le caractère applicable du
modèle à une classe relativement large de cas. Le résultat de la modélisation est appelé modèle. A
travers ce dernier, il est possible d’étudier les propriétés du système qu’il représente, de faire des
prévisions, et même d’envisager un contrôle (optimal). Contrôler un système consiste à lui imposer
une dynamique d’état à travers des facteurs appelés contrôles ou commandes. Le système peut donc
être vu comme une fonction qui produit des sorties selon les entrées passés en argument. Simuler
un système (dynamique) consiste à évaluer le comportement de ce dernier pour différent scénarios
d’entrées. La simulation a ainsi un but exploratoire ou de confirmation d’apriori.
L’objectif de cet enseignement est de donner à l’apprenant les outils théoriques (surtout ma-
thématiques et informatiques) nécessaires pour la modélisation et la simulation d’une large gamme
de systèmes. De façon pratique, il s’agit de tranférer à l’apprenant la compétance d’abstraire les
systèmes d’intérêt qu’il rencontrera dans divers environnements, d’évaluer leurs propriétés, de déter-
miner et exploiter de manière efficace et efficience les moyens contrôle de ceux-ci. Pour y parvenir, il
est nécessaire d’avoir une bonne culture en mathématiques discrètes, algèbre, analyse mathématique,
probabilités, statistiques et en informatique (algorithmique, structure de données, programmation
dans des langages adaptés).
1
Première partie
Modélisation des systèmes
2
Chapitre 1
Généralités sur les systèmes
1.1 Systèmes statiques
Les systèmes déterministes sont caractérisés en général par l’aspect prévisible de leurs dynamiques.
1.1.1 Systèmes déterministes
D’un point de vue statique, un système est un ensemble d’objet en relation les uns avec les
autres. Un relation désigne simplement un sous ensemble d’un produit cartésien. Ladite relation est
dite n-aire si le produit cartésien est d’ordre n.
Example 1.1.1 Soit E un ensemble.
1. Tout sous-ensemble de E × E est une relation binaire. Si R ⊆ A × A désigne une relation
binaire, on dit que a ∈ A est en relation R avec b si (a; b) ∈ R : on note a R b.
2. Tout sous-ensemble de E × E × E est une relation ternaire.
3. L’ensemble vide est appelé relation nulle ou vide.
4. ni=1 E est appelé relation universelle ou complète.
Q
Definition 1.1.1 Soit R une relation n-aire dans E et A ⊆ E. On appelle restriction de R à A et
on note R|A = R ∩ An .
Definition 1.1.2 (Sélection dans une relation) Soient E un ensemble et R une relation n-aire
dans E. On appelle sélection dans R relativement à une condition C et on note SC l’ensemble
{a ∈ R ; a vérifie la condition C}.
Definition 1.1.3 (Projection de relation) Soient ni=1 Ei une relation n-aire et R ⊂ ni=1 Ei
Q Q
une sous-relation. On appelle projection de R sur Ei1 × · · · × Eik l’ensemble
proji1 ,··· ,ik (R) = (ai1 , · · · , aik ) ∈ Ei1 × · · · × Eik ; ∃r ∈ R; rij = aij .
Definition 1.1.4 (Jointure de relations) Soient R ⊆ E × F et S ⊆ F × G deux relations. On
n S, la relation sur E × F × G décrite par (e, f, g) ∈ R o
définit la jointure de R et S et on note R o nS
si et seulement si (e, f ) ∈ R et (f, g) ∈ S.
Definition 1.1.5 Soit R ⊂ A × B une relation binaire. On appelle coupe de R tout sous-ensemble
{b1 , b2 , · · · , bk } ⊆ B constitué de toutes les images d’un antécédent a. Une telle coupe est noté
(a : b1 , b2 , · · · , bk ).
3
CHAPITRE 1. GÉNÉRALITÉS SUR LES SYSTÈMES 4
Une relation binaire R peut être représentée par un graphe orienté, un graphe sagittal, une liste
de coupes, ou une matrice booléene dite caractéristique et noté [R]. La matrice caractéristique de la
relation binaire vide est nulle tandis que celle de la relation binaire universelle à toutes ses cellules
à 1. La matrice caractéristique d’une relation binaire interne (au sens où les facteurs du produit
cartésien définissant la relation sont identiques) est carrée.
Definition 1.1.6 (Relation inverse) Soient R ∈ RAB . On appelle relation inverse de R et on
note R−1 l’élément de RBA tel que (a; b) ∈ R si et seulement si (b; a) ∈ R−1 .
On peut vérifier que la matrice caractéristique de la relation inverse est la transposée de celle de
la relation binaire de référence.
Definition 1.1.7 (Relation totale) Une relation binaire R de A à B est dite totale à gauche si
chaque point de A a au moins une image dans B. Elle est dite totale à droite si chaque élément dans
B est image d’au moins un élément dans A. Elle est dite totale si elle l’est à gauche et à droite.
Definition 1.1.8 (Relations régulières) Soit R une relation binaire. R est dite régulière à gauche
si chaque point de l’image n’a qu’une origine. Elle sera dite régulière à droite si chaque point du
domaine n’a qu’un point comme image. Enfin, R est dite régulière si elle l’est à gauche et à droite.
On peut remarquer q’une relation régulière à droite est une fonction ; elle est une application
si elle est en plus totale à gauche. Les relations étant des ensembles on peut leur appliquer toutes
les opération ensemblistes (union, intersection, différence, différence symétrique, complémentation).
Nous nous attarderons sur les relation binaires.
Proposition 1.1.1 Soient R, S ∈ RAB .
(i) [R ∪ S] = [R] ∨ [S] (au sens où [R ∪ S]ij = [R]ij ∨ [S]ij )
(ii) [R ∩ S] = [R] ∧ [S] (au sens où [R ∩ S]ij = [R]ij ∧ [S]ij )
(iii) [R \ S] = [R] ∧ ¬ [S] (au sens où [R ∪ S]ij = [R]ij ∧ ¬ [S]ij )
(iv) [R∆S] = [R] XOR [S] (au sens où [R ∪ S]ij = [R]ij XOR [S]ij )
Definition 1.1.9 Soient R ∈ RAB et S ∈ RBC . On définit la composition de R par S et on note
S ◦ R, la relation de A vers C telle que a S ◦ R c s’il existe b ∈ B tel que a R b et b S c. Si R est
une relation dans A, on définit les composés itérées de R par la récurrence R0 = A × A et ∀n ∈ N,
Rn+1 = R ◦ Rn .
Proposition 1.1.2 Soient S ∈ RAB et R ∈ RBC
(i) dom (R ◦ S) ⊆ dom (S) et im (R ◦ S) ⊆ im (R)
(ii) 0AB ◦ S = 0AC = R ◦ 0BC
(iii) (R ◦ S)−1 = S −1 ◦ R−1
(iv) si T ∈ RCD alors R ◦ (S ◦ T ) = R ◦ S ◦ T = (R ◦ S) ◦ T (Associativité)
(v) si T ∈ RBC alors R ◦ (S ∪ T ) = (R ◦ S) ∪ (R ◦ T ) (Distributivite de ◦ par rapport à ∪)
(vi) si T ∈ RBC alors R ◦ (S ∩ T ) ⊆ (R ◦ S) ∩ (R ◦ T )
(vii) si T ∈ RBC et S ⊆ T alors R ◦ S ⊆ R ◦ T (Monotonie)
(viii) [R ◦ S] = [R] . [S] au sens où [R ◦ S]ij = ∨k [R]ik ∧ [S]kj
CHAPITRE 1. GÉNÉRALITÉS SUR LES SYSTÈMES 5
Definition 1.1.10 (Relation réflexive, non-réflexive, irréflexive ou anti-réflexive)
Soit E un ensemble et R une relation dans E. R est dite réflexive si ∀a ∈ E, a R a. Elle est
dite irréflexive ou anti-rééflexive si ∀a ∈ E, a R a. Une relation qui n’est pas réflexive est dite non-
réflexive.
La matrice caractéristique d’une relation (binaire interne) réflexive a tous ses termes diagonaux
égaux à un. De façon équivalente tout sommet du graphe orienté associé à une relation réflexive a
une boucle. Par contre, la matrice caractéristique d’une relation irréflexive a une diagonale nulle et
aucun sommet du graphe orienté associé n’a de boucle.
Definition 1.1.11 (Fermeture réflexive)
Soit E un ensemble et R une relation dans E. On appelle fermeture réflexive de R, le plus petit
sous-ensemble RRéf ⊆ E × E qui contient R et constitue une relation réflexive.
Pour obtenir la fermeture réflexive d’une relation, il est nécessaire et suffisant d’ajouter les boucles
manquantes.
Definition 1.1.12 (Relation symétrique, asymétrique, anti-symétrique, non-symétrique)
Soit E un ensemble et R une relation dans E. R est dite symétrique si ∀a, b ∈ E, a R b implique
b R a. Elle est dite asymétrique si ∀a, b ∈ E, a R b implique b R a. Elle est dite anti-symétrique si
∀a, b ∈ E, a R b et b R a alors a = b. Une relation qui n’est pas symétrique est dite non-symétrique.
La matrice caractéristique d’une relation (binaire interne) symétrique est symétrique (égale à
sa transposée). De façon équivalente, pour tout arc (a; b) du graphe orienté associé à une relation
symétrique, l’arc (b; a) en fait partie. Par contre, pour une relation anti-symétrique de matrice ca-
ractéristique M , si i 6= j alors Mij = ¬Mji et le graphe orienté associé ne peut contenir à la fois les
deux arcs (a; b) et (b; a).
Definition 1.1.13 (Fermeture symétrique)
Soit E un ensemble et R une relation dans E. On appelle fermeture symétrique de R, le plus petit
sous-ensemble RSym ⊆ E × E qui contient R et constitue une relation symétrique.
Proposition 1.1.3 Soit E un ensemble et R une relation dans E. La ferméture symétrique de la
relation R vaut RSym = R ∪ R−1 .
Definition 1.1.14 (Relation transitive, intransitive et non-transitive)
Soit E un ensemble et R une relation dans E. R est dite transitive si ∀a, b, c ∈ E, a R b et b R c
implique a R c. Elle est est dite intransitive si ∀a, b, c ∈ E, a R b et b R c implique que a R c. Elle est
dite non-transitive si elle n’est pas transitive.
Definition 1.1.15 Soit E un ensemble et R une relation dans E. On appelle R-chemin de longueur
n tout chemin de longueur n du graphe orienté associé à R. On note a Rn b pour dire qu’il existe un
R chemin de longueur n, d’origine a et d’extrémité b.
Proposition 1.1.4 Soient R une relation dans A, avec |A| = n. R est transitive si et seulement si
∀k ∈ [0; n − 1] ∩ N, Rk = R.
Definition 1.1.16 (Fermeture transitive)
Soit E un ensemble et R une relation dans E. On appelle fermeture transitive de R, le plus petit
sous-ensemble RT rans ⊆ E × E qui contient R et constitue une relation transitive.
CHAPITRE 1. GÉNÉRALITÉS SUR LES SYSTÈMES 6
Proposition 1.1.5 Soit E un ensemble et R une relation dans E. Si |E| = n > 2, la ferméture
n−1 k
transitive de la relation R vaut RT rans = ∪k=1 R .
La réflexivité et la transitivité des relations binaires sont très utilisées dans le processus de nor-
malisation des bases de données. En effet, la dépendance fonctionnelle des attributs d’une entité ou
classe vérifie ces deux propriétés qui permettent d’identifier les clés.
Definition 1.1.17 (Relation d’ordre large, stricte, partielle ou totale)
Soit E un ensemble et R une relation dans E. R est appelée relation d’ordre large si elle est
réflexive, anti-symétrique et transitive. R est appelée relation d’ordre stricte si elle est irréflexive,
asymétrique et transitive. Une relation d’ordre (large ou stricte) est dite totale si R ∪ R−1 = E, sinon
elle est partielle. Le 2-uplet (E, R) est appelé ensemble ordonné.
Example 1.1.2 Dans N, la relation ”est diviseur de ” est une relation d’ordre large et partielle. Dans
R, la relation définie par a R b si et seulement si b − a ∈ R− est une relation d’ordre stricte et totale.
Definition 1.1.18 (Elément minimal et élément maximal)
Soit (E, R) un ensemble ensemble ordonné. Un élément a ∈ E est appelé élément minimal de E
si ∀b ∈ E, b R a. Un élément a ∈ E est appelé élément maximal de E si ∀b ∈ E, a R b.
Definition 1.1.19 (Minimum et maximum)
Soit (E, R) un ensemble ensemble ordonné. Un élément a ∈ E est appelé minimum de E si
∀b ∈ E, a R b. Un élément a ∈ E est appelé maximum de E si ∀b ∈ E, b Ra.
Proposition 1.1.6 Tout minimum est unique élément minimal. De même tout maximum est unique
élément maximal.
Definition 1.1.20 (Minorant et Majorant)
Soit (E, R) un ensemble ensemble ordonné et A ⊆ E. Un élément a ∈ E est appelé minorant de
A si ∀b ∈ A, a R b. Un élément a ∈ E est appelé majorant de A si ∀b ∈ E, b Ra.
Definition 1.1.21 (Borne inférieure et borne supérieure)
Soit (E, R) un ensemble ensemble ordonné et A ⊆ E. Un élément a ∈ E est appelé borne inférieure
de A et est noté inf (A) si ∀b ∈ E minorant A on a nécessairement b R a. Un élément a ∈ E est
appelé borne supérieure de A et est noté sup (A) si ∀b ∈ E majorant A on a nécessairement a R b.
Proposition 1.1.7 La borne inférieure si elle existe est unique. Il en est de même pour la borne
supérieure.
Definition 1.1.22 (Ensemble borné à gauche, à droite et borné)
Soit (E, R) un ensemble ensemble ordonné et A ⊆ E. L’ensemble A est dit borné à gauche
(respectivement, à droite) s’il admet une borne inférieure (respectivement, supérieure). Il est dit
borné s’il admet à la fois une borne inférieure et une borne supérieure.
La définition de bornitude donnée ci-avant est purement algébrique contrairement à celle relative
à la topologie d’espace métrique. Toutefois, il y a des cas de coı̈ncidence.
Definition 1.1.23 (inf-demi-treillis, sup-demi-treillis, treillis)
Soit (E, R) un ensemble ensemble ordonné. E est un inf-demi-treillis si tout sous-ensemble fini
A ⊆ E est borné à gauche. E est un sup-demi-treillis si tout sous-ensemble fini A ⊆ E est borné à
droite. E est un treillis si tout sous-ensemble fini A ⊆ E est borné.
CHAPITRE 1. GÉNÉRALITÉS SUR LES SYSTÈMES 7
Proposition 1.1.8 Tout inf-demi-treillis de cardinal fini admet un minimum. De même tout sup-
demi-treillis de cardinal fini admet un maximum.
Definition 1.1.24 (Relation d’équivalence et classe d’équivalence)
Soit E un ensemble et R une relation dans E. R est appelée relation d’équivalence si elle est
réflexive, symétrique et transitive. On appelle classe d’équivalence d’un élément a ∈ E (relativement
à la relation d’équivalence R) et on note [a] l’ensemble constitué des éléments de E en relation R
avec a.
Relativement à une relation d’équivalence R, l’ensemble des classes d’équivalence d’un ensemble E
en est une partition appelée ensemble quotient de E par R et noté E/R. La considération des classes
d’équivalence permet en générale de réduire les graphes et les problèmes y associés. Elle contribue
également à la normalisation des relations dans les bases de données relationnelles. Le problème de
classification très utilisé en intelligence artificielle est donc celui de la recherche d’une sous relation
d’équivalence optimale.
Definition 1.1.25 (Préordre)
Soit E un ensemble et R une relation dans E. R est appelée relation de préordre si elle est
réflexive et transitive. Un préordre R est dit total si R ∪ R−1 = E, sinon il est partiel.
Les relations d’équivalences et les relations d’ordres sont des préordres. Etant donnée un ensemble
E muni d’un préordre R on peut définir une relation d’équivalence S = R ∩ R−1 . La relation R est
une relation d’ordre sur E/S ; ce qui peut être d’interprété comme un ordre sur des paquets. Les
préordres sont rencontrées dans les applications variées comme l’optimisation de fonctions (dominance
et ensemble de Vilfredo Pareto) ou l’analyse des données.
Exercise 1.1.1
1. Montrer que l’équilibre d’une masse réduite à son centre de gravité sur un plan incliné est
un système statique. Indication : Après avoir rappellé le principe d’équilibre, montrer que
le système peut être vu comme un ensemble de forces à préciser, muni d’une relation binaire
interne d’équivalence à préciser également.
2. Après avoir rappellé les lois de Kirchhoff (lois des nœuds et loi des mailles), montrez comment
un circuit électrique fermé est un système statique dont vous identifirez les éléments et les
relations. Si en particulier, on a un générateur de tension en parallÃĺle avec deux résistances
en séries R1 et R2 , en parallèle avec une troisième résistance R3 .
(a) Quelle est l’arité de la relation entre les courants ?
(b) Quelle est l’arité de la relation entre les tensions des blocs en parallèle ?
(c) Quelle est l’arité de la relation entre la tension aux bornes du générateur et celles aux
bornes des résistances R1 et R2 ?
3. Après avoir rappellé le principe de l’équilibre thermique entre deux corps, montrer qu’il s’agit
d’un système statique dont vous identifirez les éléments et la relation sous-jacente.
4. Montrer que l’emploi du temps d’une salle de classe est un système statique dont on détermi-
nera un modèle abstrait.
5. Montrer que le problème d’ordonnancement est consiste au choix optimal d’un graphe d’une
relation binaire à préciser.
6. Montrer qu’un réseau de neurone est un graphe dont on précisera un modèle abstrait.
7. Montrer que l’arbre de défaillance est un graphe dont on donnera un modèle abstrait.
8. Montrer qu’un réseau Bayesien statique est un graphe dont on donnera un modèle abstrait.
CHAPITRE 1. GÉNÉRALITÉS SUR LES SYSTÈMES 8
1.1.2 Systèmes stochastiques
De façon statique, un système aléatoire peut être décrit par un espace probabilisé. Toutefois pour
des besoins d’évaluation quantitative, l’on peut faire recours aux variables aléatoires. Les systèmes
aléatoires ou stochastiques font intervenir la notion de probabilité d’occurence d’événement. Ils sont
une généralisation des systèmes déterministes.
— Tribu (engendrée), sous-tribu, événement, espaces probabilisables
— Loi de probabilités, espaces probabilisés, propriéts et exemples
— Loi de Bayes et loi de probabilité conditionnelle à un événement
— Espérance conditionnelle à un événement
— Variable aléatoire et caractéristiques
— Distribution identique de deux variables aléatoires
— Réseaux Bayésiens statiques
— Logique floue et applications
1.2 Systèmes dynamiques déterministes
De manière assez générale, un système dynamique déterministe paramétrique (contrôlé ou com-
mandé) est la donnée d’une application Φ : (t, u (t) , λ) ∈ T × U × Λ ⊆ R × U 7→ Φ (t, u (t) , λ) ∈ E,
où l’ensemble totalement ordonné T est l’espace des temps, U l’espace des valeurs de contrôle ou
commande admissibles, Λ est l’espace des paramètres, E l’espace d’état ou de phase et l’application
u : t ∈ T 7→ u (t) ∈ U est la fonction ou stratégie de contrôle. L’application Φ est appelée fonction
ou variable d’état su système tandis que l’application Ψu,λ = Φ (•, u (•) , λ) est appelée flot (para-
métrique) du système (commandé). De même, l’ensemble {(t, Ψu,λ (t)) ; t ∈ T} est appelé graphe ou
trajectoire du système tandis que l’ensemble {Ψu,λ (t) ; t ∈ T} est appelé orbite du système.
1.2.1 Systèmes à temps discrets
Un système sera dit discret en temps si l’espace des temps T est fini ou infini dénombrable (en
bijection avec N), sinon il sera continu en temps. De façon similaire, le système sera dit discret en
état si E est fini ou infini dénombrable, sinon il sera continu en état.
Example 1.2.1
1. Système discret en temps à dynamique explicite :
X : n ∈ Z 7→ (1 + k)n X0 ∈ Q, X (0) = X0 ∈ Q, k ∈ Q∗+
2. Système discret en temps à dynamique implicite :
X (n + 1) = (1 + k) X (n) , n ∈ Z, k ∈ Q∗+
X (0) = X0 ∈ Q
Il arrive qu’on ne puisse pas mesurer directement l’état d’un système mais qu’on en perçoive les
conséquence encore appelée sortie. Ainsi, la sortie d’un système. Si Φ désigne la fonction d’état, la
fonction de sortie est de la forme O ◦ Φ et à valeurs dans un ensemble O appelé espace des sorties.
Definition 1.2.1 (Ensemble α-limite, ω-limite, invariant, équilibre)
Definition 1.2.2 (Cycle limite) ...
CHAPITRE 1. GÉNÉRALITÉS SUR LES SYSTÈMES 9
Remark 1.2.1 Pour le cas du système
Xn+1 = f (Xn ) , (1.1)
un cycle limite d’ordre k généralise la notion d’équilibre puisqu’il s’agit de l’ensemble des points fixe
du système
Xn+k = f ◦ f ◦ . . . ◦ f (Xn ) = ◦k f (Xn ) , (1.2)
| {z }
k fois
Example 1.2.2 (Modèle logistique)
Xn
Xn+1 = rXn 1− (1.3)
k
Definition 1.2.3 (Stabilités locale et globale, attracteur, bassin d’attraction)
Definition 1.2.4 (Bifurcation, portrait de phase)
Definition 1.2.5 (Diagramme opératoire, diagramme de bifurcation, chao)
1.2.2 Systèmes à temps continu
On considère dans cette section, les systèmes continus en temps.
Example 1.2.3
1. Système continu en temps à dynamique explicite :
X : t ∈ R 7→ ekt X0 ∈ Q, X (0) = X0 ∈ R, k ∈ R∗+
2. (
Système continu en temps à dynamique implicite :
•
X (t) = kX (t) , t ∈ R, k ∈ R∗+
X (0) = X0 ∈ R
Il arrive qu’on ne puisse pas mesurer directement l’état d’un système mais qu’on en perçoive les
conséquence encore appelée sortie. Ainsi, la sortie d’un système. Si Φ désigne la fonction d’état, la
fonction de sortie est de la forme O ◦ Φ et à valeurs dans un ensemble O appelé espace des sorties.
Definition 1.2.6 (Ensemble α-limite, ω-limite, invariant, cycle limite, équilibre)
Definition 1.2.7 (Stabilités locale et globale, attracteur, bassin d’attraction)
Definition 1.2.8 (Bifurcation, portrait de phase)
Definition 1.2.9 (Diagramme opératoire, diagramme de bifurcation, chao)
CHAPITRE 1. GÉNÉRALITÉS SUR LES SYSTÈMES 10
1.3 Systèmes dynamiques stochastiques
1.3.1 Systèmes à temps discret
Un système dynamique stochastique est un système dont l’évolution dans le temps est aléatoire.
Il s’agit d’une suite (généralisée) de variables aléatoires indexée par des temps pris dans un ensemble
totalement ordonné.
— Filtration
— Tribu produit
— Indépendance de suite de varibles aléatoires
— Espérance conditionnelle à une sous-tribu
— Espérance conditionnelle à une variable aléatoire
— Processus aléatoires adaptés discrets ou continus
— Temps d’arrêt
1.3.2 Systèmes à temps continu
— Filtration
— Tribu produit
— Indépendance de suite de varibles aléatoires
— Espérance conditionnelle à une sous-tribu
— Espérance conditionnelle à une variable aléatoire
— Processus aléatoires adaptés discrets ou continus
— Temps d’arrêt
Chapitre 2
Modèles dynamiques déterministes
2.1 Modèles discrets
— Equations aux différences (ED, transformée en Z)
— Réseaux de Pétri discrets
2.2 Modèles continus
— Systèmes différentiels (EDO,EDA,EDP)
— Réseaux de Pétri continus
— Réseaux de Pétri différentiels
2.3 Modèles semi-continus
— Systèmes différentiels impulsionnels (EDI, EDPI)
— Réseaux de Pétri hybrides
11
Chapitre 3
Modèles dynamiques aléatoires
3.1 Modèles discrets
— Réseaux Bayésiens dynamiques
— Processus de Markov et processus de Markov cachés
— Réseaux de Pétri stochastisques discrets
3.2 Modèles continus
— Systèmes différentiels stochastiques (EDS, EDPS)
— Processus à sauts (Poisson) et files d’attente
— Processus Semi-Markoviens
— Prcessus de Lévy (EDS, EDPS)
— Réseaux de Pétri hybrides stochastiques
12
Deuxième partie
Simulation des systèmes
13
Bibliographie
14