• Aucun résultat trouvé

Automne2009S.Mousset BiologieetMod´elisationIntroduction

N/A
N/A
Protected

Academic year: 2021

Partager "Automne2009S.Mousset BiologieetMod´elisationIntroduction"

Copied!
22
0
0

Texte intégral

(1)

Biologie et Mod´elisation - Introduction

Biologie et Mod´

elisation

Introduction

Automne 2009

S. Mousset

(2)

Biologie et Mod´elisation - Introduction La mod´elisation en biologie.

Table des mati`

eres

1

La mod´

elisation en biologie.

2

Sujets abord´

es durant le cours

(3)

Biologie et Mod´elisation - Introduction La mod´elisation en biologie.

Pourquoi la mod´

elisation ?

La notion de mod`

eles ´

emerge en biologie dans les ann´

ees

1960-70.

La mod´

elisation est devenue une ´

etape cl´

e de la recherche en

biologie.

La mod´

elisation permet de mener une d´

emarche exp´

erimentale

rigoureuse.

(4)

Biologie et Mod´elisation - Introduction La mod´elisation en biologie.

Qu’est-ce qu’un mod`

ele ?

Une repr´

esentation de certains aspects d’un objet ou d’un

ph´

enom`

ene du monde r´

eel.

Utilisant un syst`

eme symbolique :

´

equation math´

ematique

syst`

eme informatique (langage de programmation, base de

donn´

ees. . . )

repr´

esentation g´

eom´

etrique (courbes, surfaces, cartes. . . )

(5)

Biologie et Mod´elisation - Introduction La mod´elisation en biologie.

Quelques mod`

eles que vous avez peut-ˆ

etre d´

ej`

a

rencontr´

es

En biologie :

en´

etique formelle : disjonction des all`

eles, lois de Mendel.

Enzymologie : cin´

etique enzymatique. . .

en´

etique des populations : ´

evolution des fr´

equences

all´

eliques. . .

Biologie mol´

eculaire : interpr´

etation des ´

eletrophor`

eses. . .

et bien d’autres encore. . .

En physique lors de vos ´

etudes secondaires :

ecanique : pendules, ressorts. . .

´

Electronique : circuits LC, RLC. . .

et bien d’autres encore. . .

(6)

Biologie et Mod´elisation - Introduction La mod´elisation en biologie.

Comment ´

elaborer un mod`

ele ?

La mod´

elisation est la d´

emarche qui permet l’´

elaboration d’un

mod`

ele. Cette ´

etape prend en compte :

L’objet et/ou le ph´

enom`

ene `

a repr´

esenter.

Le syst`

eme formel choisi.

Les objectifs du mod`

ele.

Les donn´

ees (relatives aux variables) et connaissances

(relations entre les variables) disponibles ou accessibles par

l’exp´

erience ou par l’observation.

(7)

Biologie et Mod´elisation - Introduction La mod´elisation en biologie.

Le travail du mod´

elisateur

Le travail du mod´

elisateur d´

epend de la situation biologique et du

syst`

eme formel choisi. Les tˆ

aches `

a effectuer sont g´

en´

eralement :

Formalise le probl`

eme ≈ ´ecrire le mod`ele.

Manipuler le mod`

ele pour le rendre plus utilisable et ´

etudier

ses propri´

et´

es.

´

Etablir des relations avec d’autres repr´

esentations (graphes,

programmes informatiques. . . ).

Interpr´

eter le mod`

ele et confronter les r´

esultats du syst`

eme

formel avec des donn´

ees r´

eelles (issues de l’exp´

erimentation).

(8)

Biologie et Mod´elisation - Introduction Sujets abord´es durant le cours

Table des mati`

eres

1

La mod´

elisation en biologie.

2

Sujets abord´

es durant le cours

(9)

Biologie et Mod´elisation - Introduction Sujets abord´es durant le cours

Mod`eles continus

Plan d´

etaill´

e

2

Sujets abord´

es durant le cours

Mod`

eles continus

Mod`

eles discrets

Mod`

eles stochastiques

(10)

Biologie et Mod´elisation - Introduction Sujets abord´es durant le cours

Mod`eles continus

Mod`

eles continus : EDO dans R

Pour ce cours nous nous int´

eresserons `

a la mod´

elisation de

syst`

emes dynamiqes `

a l’aide d’´

equations diff´

erentielles ordinaires :

Outil math´

ematique simple.

Permettant d’appr´

ehender des ph´

enom`

enes vari´

es.

Analyse et interpr´

etation des r´

esultats ais´

ees.

Le plus souvent, nous essaierons d’illustrer le cours `

a l’aide

d’exemples biologiques et/ou concrets.

(11)

Biologie et Mod´elisation - Introduction Sujets abord´es durant le cours

Mod`eles discrets

Plan d´

etaill´

e

2

Sujets abord´

es durant le cours

Mod`

eles continus

Mod`

eles discrets

(12)

Biologie et Mod´elisation - Introduction Sujets abord´es durant le cours

Mod`eles discrets

Mod`

eles discrets

Dans une deuxi`

eme partie du cours nous nous int´

eresserons aux

mod`

eles discrets.

Lien EDO / suites (mod`

eles continus / mod`

eles discrets)

Mod`

eles de Leslie.

(13)

Biologie et Mod´elisation - Introduction Sujets abord´es durant le cours

Mod`eles stochastiques

Plan d´

etaill´

e

2

Sujets abord´

es durant le cours

Mod`

eles continus

Mod`

eles discrets

(14)

Biologie et Mod´elisation - Introduction Sujets abord´es durant le cours

Mod`eles stochastiques

Mod`

eles stochastiques

La derni`

ere partie du cours s’int´

eressera `

a des mod`

eles

stochastiques.

Intervention du hasard.

Pr´

edictions en termes de probabilit´

e.

Simulations.

(15)

Biologie et Mod´elisation - Introduction Les outils math´ematiques `a connaˆıtre.

Table des mati`

eres

1

La mod´

elisation en biologie.

2

Sujets abord´

es durant le cours

(16)

Biologie et Mod´elisation - Introduction Les outils math´ematiques `a connaˆıtre.

La r´

esolution des EDO simples

La r´

esolution des EDO lin´

eaires d’ordre 1 est au programme de TS.

Adresse utile : http://spiral.univ-lyon1.fr/mathsv/

(17)

Biologie et Mod´elisation - Introduction Les outils math´ematiques `a connaˆıtre.

La notion de voisinage

Lors de l’analyse qualitative des EDO, nous nous placerons souvent

au “voisinage” d’un point particulier. Dans R, un voisinage V

x

0

d’un

point x

0

doit avoir les propri´

et´

es suivantes :

V

x

0

est un intervalle continu

x

0

∈ V

x

0

∃ ∈ R

+∗

|

]x

0

− ; x

0

+ [

V

x

0

.

On consid`

erera tr`

es souvent un voisinage de x

0

pour lequel  est

tr`

es petit.

(18)

Biologie et Mod´elisation - Introduction Les outils math´ematiques `a connaˆıtre.

La notion de diff´

erentielle

efinition

Si g est une fonction de x , on

appelle “diff´

erentielle de g” la

quantit´

e

dg =

dg

dx

dx .

Exemple

g(x ) = ln x

dg =

1

x

dx

La quantit´

e dg repr´

esente la variation de g relative `

a une variation

de x , dx (diff´

erentielle de x ).

(19)

Biologie et Mod´elisation - Introduction Les outils math´ematiques `a connaˆıtre.

La formule de Taylor

Soit f une fonction continue et d´

erivable n fois dans un voisinage

V de a, alors dans ce voisinage V f (a + x ) peut s’´ecrire

f (a + x )

=

n

X

k =0

x

k

k !

f

(k )

(a)

+

1

n!

Z

a+x

a

f

(n+1)

(t )t

n

dt

|

{z

}

o(x

n−1

)

(20)

Biologie et Mod´elisation - Introduction Les outils math´ematiques `a connaˆıtre.

Les d´

eveloppements limit´

es d’ordre n

Un d´

eveloppement limit´

e d’ordre n au voisinage du point a se

eduit de la formule de Taylor.

f (a + x ) = f (a) + xf

0

(a) + . . . +

x

n

n!

f

(n)

(a) + o(x

n

)

Le plus souvent, nous nous limiterons au d´

eveloppement limit´

e

d’ordre 1, c’est `

a dire de la tangeante `

a la courbe repr´

esentative de

f au point x = a. C’est ce que nous appellerons “la lin´

earisation”.

(21)

Biologie et Mod´elisation - Introduction Les outils math´ematiques `a connaˆıtre.

Un peu d’alg`

ebre lin´

eaire

Dans la partie du cours consacr´

e aux syst`

emes discrets

Calcul matriciel simple

(22)

Biologie et Mod´elisation - Introduction Les outils math´ematiques `a connaˆıtre.

Notions de probabilit´

es

Dans la partie du cours consacr´

e aux mod`

eles discrets et aux

mod`

eles stochastiques

Probabilit´

es

Probabilit´

es conditionnelles

Variables al´

eatoires

Références

Documents relatifs

Plus tard, ceci sera une cons´ equence du th´ eor` eme g´ en´ eral d’exis- tence et d’unicit´ e, de l’existence de solution maximales, et du th´ eor` eme de non- explosion

[r]

Exercice 16 - Triplement d’une population L’accroissement de la population P d’un pays est propor- tionnelle ` a cette population. La population double tous les

Parcours int´ egrant obligatoirement cette UE : Math´ ematiques Fonda- mentales et Math´ ematiques pour l’Enseignement.. Parcours pouvant int´ egrer cette UE : tous les

– Equations diff´ ´ erentielles non lin´ eaires, Th´ eor` eme de Cauchy-Lipschitz (local et glo- bal), comparaison de solutions et Lemme de Gronwall, solutions locales - maximales

1 Generalized variational principle for water waves Models in shallow water.. Models in

A travers cet exemple, on peut identifier plusieurs ´ el´ ements : L’ensemble de tous les candidats possibles :. tous les parcours possibles Une fonction de coˆ

Introduction Probl` emes d’optimisation combinatoire Probl` emes d’optimisation num´ erique