Analyse des syst`emes dynamiques dans R
Analyse des syst`
emes dynamiques dans R
2
Automne 2010
S. Mousset
Table des mati`
eres
1
Introduction : le mod`
ele proies-pr´
edateurs de Lotka-Volterra
2
Les syst`
emes planaires dans R
2
3
Etude qualitative des syst`
´
emes non lin´
eaires dans R
2
4
Exemples classiques
Analyse des syst`emes dynamiques dans R
Introduction : le mod`ele proies-pr´edateurs de Lotka-Volterra Les ´equations du mod`ele
Plan d´
etaill´
e
1
Introduction : le mod`
ele proies-pr´
edateurs de Lotka-Volterra
Les ´
equations du mod`
ele
Portrait de phase
Les ´equations du mod`ele
Le mod`
ele proies-pr´
edateurs de Lotka-Volterra
Dynamique des populations de proies et pr´
edateurs sans interactions
Les proies N
croissance logistique,
param`
etres r et K .
t N KLes pr´
edateurs P
d´
ecroissance exponentielle,
param`
etre µ
t P P0Analyse des syst`emes dynamiques dans R
Introduction : le mod`ele proies-pr´edateurs de Lotka-Volterra Les ´equations du mod`ele
Le mod`
ele proies-pr´
edateurs de Lotka-Volterra
Les interactions proies-pr´
edateurs
Si les d´
eplacements de proies et pr´
edateurs se font au hasard, alors
le nombre de rencontres entre proies et pr´
edateurs est
proportionnel au produit NP .
Les proies N
Consommation `
a la vitesse
αNP .
α caract´
erise l’efficacit´
e des
attaques des pr´
edateurs.
Les pr´
edateurs
Reproduction `
a la vitesse
βNP .
β caract´
erise le rendement
des attaques en termes de
reproduction des pr´
edateurs.
Les ´equations du mod`ele
Le mod`
ele proies-pr´
edateurs de Lotka-Volterra
Les ´
equations du mod`
ele
On a le syst`
eme de deux EDO du premier ordre suivant :
dN
dt
= rN
1 −
N
K
− αNP
dP
dt
= −µP + βNP
Dans le plan (N , P ), on peut ´
etudier le signe de
dN
dt
et
dP
dt
.
Analyse des syst`emes dynamiques dans R
Introduction : le mod`ele proies-pr´edateurs de Lotka-Volterra Portrait de phase
Plan d´
etaill´
e
1
Introduction : le mod`
ele proies-pr´
edateurs de Lotka-Volterra
Les ´
equations du mod`
ele
Portrait de phase
Portrait de phase
Portrait de phase
Signe de
dN
dt
L’´
evolution du nombre de proies d´
epend du signe de
dN
dt
dN
dt
> 0
⇐⇒
rN
1 −
N
K
− αNP > 0
⇐⇒
N
r −
rN
K
− αP
> 0
⇐⇒
P <
r
α
1 −
N
K
dN
dt
= 0 pour N = 0 et P =
r
α
1 −
N
K
.
Analyse des syst`emes dynamiques dans R
Introduction : le mod`ele proies-pr´edateurs de Lotka-Volterra Portrait de phase
Portrait de phase
Signe de
dP
dt
L’´
evolution du nombre de pr´
edateurs d´
epend du signe de
dP
dt
dP
dt
> 0
⇐⇒
−µP + βNP > 0
⇐⇒
P (βN − µ) > 0
⇐⇒
N >
µ
β
dP
dt
= 0 pour P = 0 et N =
µ
β
.
Portrait de phase
Portrait de phase
Signe de
dN
dt
P
r
α
K
dN dt
<
0
dN dt
>
0
Analyse des syst`emes dynamiques dans R
Introduction : le mod`ele proies-pr´edateurs de Lotka-Volterra Portrait de phase
Portrait de phase
Signe de
dP
dt
N
P
µ β
dP dt
<
0
dP dt
>
0
Portrait de phase
Portrait de phase
Vecteurs vitesse
N
P
r
α
K
µ β
Analyse des syst`emes dynamiques dans R
Introduction : le mod`ele proies-pr´edateurs de Lotka-Volterra Portrait de phase
Portrait de phase
´
Evolution du syst`
eme
N
P
r
α
K
Portrait de phase
Chroniques
0
50
100
150
200
250
300
350
0.0
0.5
1.0
1.5
2.0
2.5
t
Analyse des syst`emes dynamiques dans R
Introduction : le mod`ele proies-pr´edateurs de Lotka-Volterra D´efinitions
Plan d´
etaill´
e
1
Introduction : le mod`
ele proies-pr´
edateurs de Lotka-Volterra
Les ´
equations du mod`
ele
Portrait de phase
D´
efinitions
D´efinitions
D´
efinitions
Point d’´
equilibre
Soit un syst`
eme dynamique d’EDO tel que
dx
dt
=
f (x , y)
dy
dt
=
g(x , y)
Un point d’´
equilibre de ce syst`
eme est un point (x
?
, y
?
) qui v´
erifie :
dx
dt
x =x
?,y=y
?=
f (x
?
, y
?
) = 0
dy
dt
x =x
?,y=y
?=
g(x
?
, y
?
) = 0
Analyse des syst`emes dynamiques dans R
Introduction : le mod`ele proies-pr´edateurs de Lotka-Volterra D´efinitions
D´
efinitions
Isoclines nulles
Soit un syst`
eme dynamique d’EDO tel que
dx
dt
=
f (x , y)
dy
dt
=
g(x , y)
Les isoclines nulles de ce syst`
emes sont l’ensemble des points du
plan qui v´
erifient :
dx
dt
= f (x , y) = 0
ou
dy
dt
= g(x , y) = 0
Sur le portrait de phase, on parle d’isocline horizontale
dy
dt
= 0
ou verticale
dx
dt
= 0
Table des mati`
eres
1
Introduction : le mod`
ele proies-pr´
edateurs de Lotka-Volterra
2
Les syst`
emes planaires dans R
2
3
Etude qualitative des syst`
´
emes non lin´
eaires dans R
2
4
Exemples classiques
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
D´efinitions
Plan d´
etaill´
e
2
Les syst`
emes planaires dans R
2
D´
efinitions
Solutions des syst`
emes d’EDO lin´
eaires (cas de 2 valeurs
propres r´
eelles)
Exponentielles de matrices et formes de Jordan
Typologie des syst`
emes planaires
D´efinitions
Syst`
eme planaire
D´
efinition
Un syst`
eme d’EDO tel que
dx
dt
=
f (x , y)
dy
dt
=
g(x , y)
est un syst`
eme planaire si et seulement si
∃(α, β, γ, α
0
, β
0
, γ
0
) ∈ R
6
|
f (x , y)
=
αx + βy + γ
g(x , y)
=
α
0
x + β
0
y + γ
0
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
D´efinitions
Syst`
eme planaire
Propri´
et´
e
Si (x
?
, y
?
) est un point d’´
equilibre d’un syst`
eme planaire, on
effectue le changement de variable x = x
?
+ u ⇐⇒ u = x − x
?
et y = y
?
+ v ⇐⇒ v = y − y
?
du
dt
=
dx
dt
= f (x
?
+ u, y
?
+ v )
dv
dt
=
dy
dt
= g(x
?
+ u, y
?
+ v )
Soit
du
dt
= αu + βv
dv
dt
= α
0
u + β
0
v
D´efinitions
Syst`
eme planaire
Propri´
et´
e
Pour tout syst`
eme planaire, il existe un syst`
eme planaire ´
equivalent
s’´
ecrivant a
11
, a
12
, a
21
, a
22
du
dt
=
a
11
u
+
a
12
v
dv
dt
=
a
21
u
+
a
22
v
Pour l’´
etude des syst`
emes non planaires, nous utiliserons un
d´
eveloppement de Taylor du premier degr´
e pour nous placer dans
un syst`
eme planaire ´
equivalent au voisinage des points d’´
equilibre.
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
D´efinitions
Syst`
eme planaire
Ecriture matricielle
Soit un syst`
eme planaire du type
du
dt
=
a
11
u
+
a
12
v
dv
dt
=
a
21
u
+
a
22
v
Ce syst`
eme est ´
equivalent `
a l’´
ecriture matricielle ˙
X = MX avec
M =
a
11
a
12
a
21
a
22
et
X =
u
v
D´efinitions
Syst`
eme planaire
Ecriture matricielle
Soit un syst`
eme planaire du type
du
dt
=
a
11
u
+
a
12
v
dv
dt
=
a
21
u
+
a
22
v
La matrice M =
a
11
a
12
a
21
a
22
est appel´
ee “matrice Jacobienne”
du syst`
eme.
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Solutions des syst`emes d’EDO lin´eaires (cas de 2 valeurs propres r´eelles)
Plan d´
etaill´
e
2
Les syst`
emes planaires dans R
2
D´
efinitions
Solutions des syst`
emes d’EDO lin´
eaires (cas de 2 valeurs
propres r´
eelles)
Exponentielles de matrices et formes de Jordan
Typologie des syst`
emes planaires
Solutions des syst`emes d’EDO lin´eaires (cas de 2 valeurs propres r´eelles)
´
Equation caract´
eristique
Soit un syst`
eme planaire du type admettant la matrice Jacobienne
M =
a
11
a
12
a
21
a
22
Les valeurs propres de M sont les solutions de l’´
equation
caract´
eristique
det(M − λI) = 0
⇔
a
11
− λ
a
12
a
21
a
22
− λ
= 0
⇔
(a
11
− λ)(a
22
− λ) − a
12
a
22
= 0
⇔ λ
2
− (a
11
+ a
22
)λ + (a
11
a
22
− a
21
a
22
) = 0
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Solutions des syst`emes d’EDO lin´eaires (cas de 2 valeurs propres r´eelles)
´
Equation caract´
eristique
Soit un syst`
eme planaire du type admettant la matrice Jacobienne
M =
a
11
a
12
a
21
a
22
La nature des solutions d´
epend du discriminant de l’´
equation
caract´
eristique λ
2
− λtr(M) + det(M) = 0
Solutions des syst`emes d’EDO lin´eaires (cas de 2 valeurs propres r´eelles)
∆ > 0
M admet deux valeurs propres r´
eelles
λ
1
=
tr(M) +
√
∆
2
λ
2
=
tr(M) −
√
∆
2
On effectue un changement de bases pour se placer dans une base
o`
u M est diagonale
D =
λ
1
0
0
λ
2
= P
−1
MP
o`
u M est la matrice de passage constitu´
ee par les vecteurs propres
de M associ´
es `
a λ
1
et λ
2
.
p
11
p
21
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Solutions des syst`emes d’EDO lin´eaires (cas de 2 valeurs propres r´eelles)
∆ > 0
Alors, on pose
u
v
= P
w
z
⇔ P
−1
u
v
=
w
z
On a alors
˙
w
˙z
= P
−1
˙
u
˙v
= P
−1
M
u
v
= P
−1
MP
w
z
= D
w
z
Solutions des syst`emes d’EDO lin´eaires (cas de 2 valeurs propres r´eelles)
∆ > 0
On a alors
˙
w = λ
1
w
˙z = λ
2
z
⇔
w (t ) = K
1
e
λ
1t
z (t ) = K
2
e
λ
2t
d’o`
u
u
v
= P
w
z
=
p
11
p
21
p
12
p
22
w
z
soit
u(t )
v (t )
= K
1
p
11
p
12
e
λ
1t
+ K
2
p
21
p
22
e
λ
2t
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Exponentielles de matrices et formes de Jordan
Plan d´
etaill´
e
2
Les syst`
emes planaires dans R
2
D´
efinitions
Solutions des syst`
emes d’EDO lin´
eaires (cas de 2 valeurs
propres r´
eelles)
Exponentielles de matrices et formes de Jordan
Typologie des syst`
emes planaires
Exponentielles de matrices et formes de Jordan
Solutions de ˙
X = MX
Soit un syst`
eme planaire du type ˙
X = MX, les solutions du
syst`
eme sont du type :
X(t ) = e
Mt
X
0
o`
u e
M
est l’exponentielle de la matrice M d´
efinie par :
e
M
=
∞
X
k =0
M
k
k !
,
o`
u M
0
= I (la matrice identit´
e) et X
0
est impos´
e par les
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Exponentielles de matrices et formes de Jordan
Propri´
et´
es des exponentielles de Matrices
1
Si A et B commutent (AB = BA), alors e
A+B
= e
A
e
B
.
2Si B = −A, alors e
A+B
= e
0
= I, d’o`
u e
−A
= e
A
−1
.
3Si B est semblable `
a A (B = P
−1
AP), alors e
B
= P
−1
e
A
P.
4Si B = At , alors
d
dt
e
Exponentielles de matrices et formes de Jordan
Formes de Jordan dans R
2
Proposition
Soit A une matrice r´
eelle carr´
ee de dimension 2, alors il existe une
matrice r´
eelle inversible P telle que J = P
−1
AP est de l’une des
formes suivantes :
J =
λ
1
0
0
λ
2
J =
λ
0
0
0
λ
0
J =
λ
0
1
0
λ
0
J =
α
−β
β
α
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Exponentielles de matrices et formes de Jordan
Formes de Jordan dans R
2
J =
λ
1
0
0
λ
2
⇒ e
Jt
=
e
λ
1t
0
0
e
λ
2t
J =
λ
0
0
0
λ
0
⇒ e
Jt
=
e
λ
0t
0
0
e
λ
0t
= e
λ
0t
I
2
J =
λ
0
1
0
λ
0
⇒ e
Jt
=
e
λ
0t
te
λ
0t
0
e
λ
0t
= e
λ
0t
1
t
0
1
J =
α
−β
β
α
⇒ e
Jt
= e
αt
cos(βt )
− sin(βt)
sin(βt )
cos(βt )
Typologie des syst`emes planaires
Plan d´
etaill´
e
2
Les syst`
emes planaires dans R
2
D´
efinitions
Solutions des syst`
emes d’EDO lin´
eaires (cas de 2 valeurs
propres r´
eelles)
Exponentielles de matrices et formes de Jordan
Typologie des syst`
emes planaires
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Typologie des syst`emes planaires
Forme de Jordan associ´
ee `
a la Jacobienne
Soit un syst`
eme planaire du type
du
dt
=
a
11
u
+
a
12
v
dv
dt
=
a
21
u
+
a
22
v
Il existe une forme de Jordan r´
eelle J associ´
ee `
a la matrice
Jacobienne du syst`
eme M =
a
11
a
12
a
21
a
22
.
Typologie des syst`emes planaires
Forme de Jordan associ´
ee `
a la Jacobienne
Valeurs propres de la Jacobienne
Les valeurs propres de M =
a
11
a
12
a
21
a
22
sont les solutions de
det(M − λI) = 0.
det(M − λI) = 0
⇐⇒
a
11
− λ
a
12
a
21
a
22
− λ
= 0
⇐⇒
(a
11
− λ)(a
22
− λ) − a
12
a
21
= 0
⇐⇒
λ
2
− λ(a
11
+ a
22
) + a
11
a
22
− a
12
a
21
= 0
⇐⇒
λ
2
− tr(M)λ + det(M) = 0
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Typologie des syst`emes planaires
Forme de Jordan associ´
ee `
a la Jacobienne
´
Equation caract´
eristique de la Jacobienne
Les valeurs propres de M sont les solutions de l’´
equation
caract´
eristique
λ
2
− tr(M)λ + det(M) = 0.
On distingue plusieurs cas selon le signe de
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
∆ > 0, M a 2 valeurs propres r´
eelles distinctes
On note λ
1
et λ
2
les valeurs propres de M.
Des vecteurs propres associ´
es sont u
1
=
u
11
u
12
et
u
2
=
u
21
u
22
.
La matrice de passage est P =
u
11
u
21
u
12
u
22
P
−1
MP = J =
λ
1
0
0
λ
2
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
2 valeurs propres r´
eelles distinctes positives
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
2 valeurs propres r´
eelles distinctes n´
egatives
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
2 valeurs propres r´
eelles de signes oppos´
es
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
∆ = 0, M a 1 valeur propre double r´
eelle
On distinque deux cas possibles :
1
M est d´
ej`
a diagonale, M =
λ
0
0
0
λ
0
, alors M est d´
ej`
a
sous sa forme de Jordan J =
λ
0
0
0
λ
0
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
1 valeur propre r´
eelle double et M est diagonale
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
1 valeur propre r´
eelle double et M est diagonale
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
∆ = 0, M a 1 valeur propre double r´
eelle et n’est pas diagonale
On note λ
0
la valeur propre double de M.
Un vecteur propre associ´
e est u
0
=
u
01
u
02
et m =
m
1
m
2
est un vecteur non colin´
eaire `
a u
0
.
La matrice P =
u
01
m
1
u
02
m
2
permet de triangulariser M.
P
−1
MP =
λ
0
c
0
λ
0
o`
u c est un r´
eel non nul.
Pour triangulariser M, on utilise une nouvelle matrice de
passage P
1
=
1
0
0
c
−1
P
P
1
−1
MP
1
= J =
λ
0
1
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
1 valeur propre r´
eelle double et M n’est pas diagonale
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
1 valeur propre r´
eelle double et M n’est pas diagonale
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
∆ < 0, M a 2 valeurs propres complexes conjugu´
ees
On note λ
1,2
= α ± i β, avec α =
tr(M)
2
et β =
√
|∆|
2
.
Des vecteurs propres associ´
es `
a λ
1
et λ
2
sont ´
egalement
complexes conjugu´
es, et on peut ´
ecrire u
1,2
= a ± i b, o`
u
a =
a
1
a
2
et b =
b
1
b
2
sont des vecteurs r´
eels de R
2
.
La matrice de passage est P =
b
1
a
1
b
2
a
2
P
−1
MP = J =
α
−β
β
α
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
2 valeurs propres complexes conjugu´
ees
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
2 valeurs propres complexes conjugu´
ees
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Typologie des syst`emes planaires
Typologie des syst`
emes planaires
2 valeurs propres complexes conjugu´
ees
Synth`ese
Plan d´
etaill´
e
2
Les syst`
emes planaires dans R
2
D´
efinitions
Solutions des syst`
emes d’EDO lin´
eaires (cas de 2 valeurs
propres r´
eelles)
Exponentielles de matrices et formes de Jordan
Typologie des syst`
emes planaires
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Synth`ese
Typologie des syst`
emes planaires : synth`
ese
Soit un syst`
eme planaire du type
du
dt
=
a
11
u
+
a
12
v
dv
dt
=
a
21
u
+
a
22
v
Ce syst`
eme est ´
equivalent au syst`
eme ˙
X = MX, o`
u M est la
matrice Jacobienne du syst`
eme d´
efinie par
M =
a
11
a
12
a
21
a
22
.
Synth`ese
Typologie des syst`
emes planaires : synth`
ese
Le type de point d’´
equilibre du syst`
eme d´
epend du nombre, du
type (complexe ou r´
eel), et du signe de la partie r´
eelle, des valeurs
propres de la matrice Jacobienne du syst`
eme M. Ces valeurs
propres sont solutions de l’´
equation caract´
eristique de M,
λ
2
− tr(M)λ + det(M) = 0.
On distingue plusieurs cas selon le signe de
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Synth`ese
Typologie des syst`
emes planaires : synth`
ese
Cas ∆ > 0.
Les valeurs propres de M sont
λ
1,2
=
tr(M) ±
p(tr(M))
2
− 4det(M)
2
Si det(M) > 0, alors
p(tr(M))
2
− 4det(M) < |tr(M)| et λ
1
et λ
2
sont du signe de tr(M). Le point d’´
equilibre est un
nœud stable ou instable.
Si det(M) < 0, alors
p(tr(M))
2
− 4det(M) > |tr(M)| et λ
1
et λ
2
sont de signes oppos´
es. Le point d’´
equilibre est un point
Synth`ese
Typologie des syst`
emes planaires : synth`
ese
Cas ∆ = 0.
M poss`
ede une valeur propre double
λ
0
=
tr(M)
2
Si M est diagonale, le point d’´
equilibre est une ´
etoile stable
ou instable selon le signe de tr(M).
Si M n’est pas diagonale, le point d’´
equilibre est un nœud
d´
eg´
en´
er´
e stable ou instable selon le signe de tr(M).
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Synth`ese
Typologie des syst`
emes planaires : synth`
ese
Cas ∆ < 0.
M poss`
ede deux valeurs propres complexes conjugu´
ees
λ
1,2
=
tr(M)
2
± i
p|(tr(M))
2
− 4det(M)|
2
Si tr(M) > 0, le point d’´
equilibre est un foyer instable.
Si tr(M) < 0, le point d’´
equilibre est un foyer stable.
Si tr(M) = 0, le point d’´
equilibre est un centre.
Synth`ese
Typologie des syst`
emes planaires : synth`
ese
Dans le plan (tr(M); det(M)), on peut repr´
esenter les r´
egions
d’apparition des diff´
erents types de points d’´
equilibre.
Le discriminant de l’´
equation caract´
eristique de la Jacobienne M
du syst`
eme est :
∆ = (tr(M))
2
− 4det(M).
La parabole d’´
equation det(M) =
(tr(M))
2
4
d´
elimite les r´
egions du
plan o`
u ∆ > 0 (sous la parabole) et ∆ < 0 (au dessus de la
parabole).
Analyse des syst`emes dynamiques dans R Les syst`emes planaires dans R2
Synth`ese
Table des mati`
eres
1
Introduction : le mod`
ele proies-pr´
edateurs de Lotka-Volterra
2
Les syst`
emes planaires dans R
2
3
Etude qualitative des syst`
´
emes non lin´
eaires dans R
2
4
Exemples classiques
Analyse des syst`emes dynamiques dans R ´
Etude qualitative des syst`emes non lin´eaires dans R2 Exemple : le mod`ele proies-pr´edateurs de Lotka-Volterra
Plan d´
etaill´
e
3
Etude qualitative des syst`
´
emes non lin´
eaires dans R
2
Exemple : le mod`
ele proies-pr´
edateurs de Lotka-Volterra
Isoclines et points d’´
equilibre
Jacobienne d’un syst`
eme quelconque
Exemple : le mod`ele proies-pr´edateurs de Lotka-Volterra
Mod`
ele proies-pr´
edateurs de Lotka-Volterra
Les ´
equations du mod`
ele
Les ´
equations du mod`
ele sont :
dN
dt
= rN
1 −
N
K
− αNP
dP
dt
= −µP + βNP
Analyse des syst`emes dynamiques dans R ´
Etude qualitative des syst`emes non lin´eaires dans R2 Isoclines et points d’´equilibre
Plan d´
etaill´
e
3
Etude qualitative des syst`
´
emes non lin´
eaires dans R
2
Exemple : le mod`
ele proies-pr´
edateurs de Lotka-Volterra
Isoclines et points d’´
equilibre
Jacobienne d’un syst`
eme quelconque
Isoclines et points d’´equilibre
Isoclines nulles
Rappel
Soit un syst`
eme dynamique d’EDO tel que
dx
dt
=
f (x , y)
dy
dt
=
g(x , y)
Les isoclines nulles de ce syst`
emes sont l’ensemble des points du
plan qui v´
erifient :
dx
dt
= f (x , y) = 0
ou
dy
Analyse des syst`emes dynamiques dans R ´
Etude qualitative des syst`emes non lin´eaires dans R2 Isoclines et points d’´equilibre
Isoclines nulles
exemple
Dans le mod`
ele propos´
e, les isoclines verticales v´
erifient
dN
dt
= 0
dN
dt
= 0
⇐⇒
rN
1 −
N
K
− αNP = 0
⇐⇒
N
r −
rN
K
− αP
= 0
⇐⇒
N = 0
ou
P =
r (K − N )
αK
Il existe deux isoclines verticales d’´
equation N = 0 et
P =
r (K − N )
Isoclines et points d’´equilibre
Isoclines nulles
exemple
Dans le mod`
ele propos´
e, les isoclines horizontales v´
erifient
dP
dt
= 0
dP
dt
= 0
⇐⇒
−µP + βNP = 0
⇐⇒
P (−µ + βN ) = 0
⇐⇒
P = 0
ou
N =
µ
β
Il existe deux isoclines horizontales d’´
equation P = 0 et N =
µ
β
.
Analyse des syst`emes dynamiques dans R ´
Etude qualitative des syst`emes non lin´eaires dans R2 Isoclines et points d’´equilibre
D´
efinitions
Point d’´
equilibre
Soit un syst`
eme dynamique d’EDO tel que
dx
dt
=
f (x , y)
dy
dt
=
g(x , y)
Un point d’´
equilibre de ce syst`
eme est un point (x
?
, y
?
) qui v´
erifie :
dx
dt
x =x
?,y=y
?=
f (x
?
, y
?
) = 0
dy
dt
x =x
?,y=y
?=
g(x
?
, y
?
) = 0
Isoclines et points d’´equilibre
Points d’´
equilibre
Les points d’´
equilibre sont `
a l’intersection des isoclines horizontales
et verticales. Dans le mod`
ele de propos´
e, il existe trois points
d’´
equilibre :
A
0
N
0
?
= 0
p
?
0
= 0
A
1
P
1
?
= 0
P
1
?
=
r (K − N
?
1
)
αK
⇐⇒ N
?
1
= K
A
2
N
2
?
=
µ
β
P
2
?
=
r (K −
µ
β
)
αK
Analyse des syst`emes dynamiques dans R ´
Etude qualitative des syst`emes non lin´eaires dans R2 Isoclines et points d’´equilibre
´
Etude du syst`
eme au voisinage des points d’´
equilibre
Changement de variable
Soit un syst`
eme dynamique d’EDO tel que
dx
dt
=
f (x , y)
dy
dt
=
g(x , y),
poss`
edant un point d’´
equilibre (x
?
, y
?
).
On introduit le changement de variable suivant :
u
=
x − x
?
Isoclines et points d’´equilibre
´
Etude du syst`
eme au voisinage des points d’´
equilibre
Lin´
earisation au voisinage du point d’´
equilibre
On lin´
earise le syst`
eme au voisinage du point d’´
equilibre en utilisant
un d´
eveloppement de Taylor au premier ordre des fonctions f et g
˙
u = ˙x = f (x
?
, y
?
) +
∂f
∂x
(x
?,y
?)
(x − x
?
) +
∂f
∂y
(x
?,y
?)
(y − y
?
)
˙v = ˙y = g(x
?
, y
?
) +
∂x
∂g
(x
?,y
?)
(x − x
?
) +
∂g
∂y
(x
?,y
?)
(y − y
?
)
soit,
˙
u =
∂x
∂f
(x
?,y
?)
u +
∂f
∂y
(x
?,y
?)
v
˙v =
∂g
∂x
(x
?,y
?)
u +
∂g
∂y
(x
?,y
?)
v
Analyse des syst`emes dynamiques dans R ´
Etude qualitative des syst`emes non lin´eaires dans R2 Jacobienne d’un syst`eme quelconque
Plan d´
etaill´
e
3
Etude qualitative des syst`
´
emes non lin´
eaires dans R
2
Exemple : le mod`
ele proies-pr´
edateurs de Lotka-Volterra
Isoclines et points d’´
equilibre
Jacobienne d’un syst`
eme quelconque
Jacobienne d’un syst`eme quelconque
Jacobienne d’un syst`
eme quelconque
Soit un syst`
eme dynamique d’EDO tel que
dx
dt
=
f (x , y)
dy
dt
=
g(x , y)
La matrice Jacobienne de ce syst`
eme est d´
efinie par
M =
∂f
∂x
∂f
∂y
∂g
∂x
∂g
∂y
Analyse des syst`emes dynamiques dans R ´
Etude qualitative des syst`emes non lin´eaires dans R2 Jacobienne d’un syst`eme quelconque
Jacobienne d’un syst`
eme quelconque
Exemple du mod`
ele de Lotka-Volterra
Les ´
equations du syst`
eme sont
˙
N = rN
1 −
N
K
− αNP
˙
P = −µP + βNP
La matrice Jacobienne de ce syst`
eme est
M =
∂ ˙
N
∂N
∂ ˙
N
∂P
∂ ˙
P
∂N
∂ ˙
P
∂P
Jacobienne d’un syst`eme quelconque
Jacobienne d’un syst`
eme quelconque
Exemple du mod`
ele de Lotka-Volterra
Les ´
equations du syst`
eme sont
˙
N = rN
1 −
N
K
− αNP
˙
P = −µP + βNP
La matrice Jacobienne de ce syst`
eme est
M =
r − αP −
2rN
K
−αN
βP
βN − µ
Analyse des syst`emes dynamiques dans R ´
Etude qualitative des syst`emes non lin´eaires dans R2 Th´eor`eme de lin´earisation
Plan d´
etaill´
e
3
Etude qualitative des syst`
´
emes non lin´
eaires dans R
2
Exemple : le mod`
ele proies-pr´
edateurs de Lotka-Volterra
Isoclines et points d’´
equilibre
Jacobienne d’un syst`
eme quelconque
Th´eor`eme de lin´earisation
Th´
eor`
eme de lin´
earisation
Th´
eor`
eme de lin´
earisation
Soit un syst`
eme non lin´
eaire ˙
X = Φ(X) admettant un point
d’´
equilibre (x
?
, y
?
) et tel que det(A) 6= 0, o`
u A est la matrice
Jacobienne du syst`
eme au point (x
?
, y
?
). Alors, dans un voisinage
du point d’´
equilibre, les portraits de phase du syst`
eme ˙
X = Φ(X)
et de sa forme lin´
earis´
ee ˙
U = AU sont qualitativement
´
equivalents, sous r´
eserve que le syst`
eme lin´
earis´
e ne corresponde
pas `
a des centres.
Analyse des syst`emes dynamiques dans R ´
Etude qualitative des syst`emes non lin´eaires dans R2 Th´eor`eme de lin´earisation
Th´
eor`
eme de lin´
earisation
Application au mod`
ele de Lotka et Volterra (cas K >
µβ)
On se place dans le cas o`
u il existe trois points d’´
equilibre K >
µ
β
.
La Jacobienne du syst`
eme est :
M =
r − αP −
2rN
K
−αN
βP
βN − µ
Au point d’´
equilibre A
0
= (0, 0), la Jacobienne s’´
ecrit
M
A
0=
r
0
0
−µ
Th´eor`eme de lin´earisation
Th´
eor`
eme de lin´
earisation
Application au mod`
ele de Lotka et Volterra
Au point d’´
equilibre A
1
= (K , 0), la Jacobienne s’´
ecrit
M
A
1=
−r
−αK
0
βK − µ
On a det(M
A
1) = −r (βK − µ) < 0 (car βK > µ) donc le point
d’´
equilibre A
1
= (K , 0) est un point selle.
Analyse des syst`emes dynamiques dans R ´
Etude qualitative des syst`emes non lin´eaires dans R2 Th´eor`eme de lin´earisation
Th´
eor`
eme de lin´
earisation
Application au mod`
ele de Lotka et Volterra
Au point d’´
equilibre A
2
= (
β
µ
,
r (K −
µβ)
αK
), la Jacobienne s’´
ecrit
M
A
2=
−r
N
?K
−αN
?
βP
?
0
On a det(M
A
2) = αβN
?
P
?
> 0 et tr(M
A
2) = −r
N
?K
< 0 donc le
point d’´
equilibre A
2
est un nœud, un nœud d´
eg´
en´
er´
e, ou un foyer
stable selon le signe de ∆ = (tr(M
A
2))
2
− 4det(M
A
2).
Th´eor`eme de lin´earisation
Application au mod`
ele de Lotka et Volterra
´
Etude du signe de ∆
∆
=
(tr(M
A
2))
2
− 4det(M
A
2)
=
K
r
N
?
2
− 4αβN
?
P
?
⇐⇒
∆
N
?=
r
2K
2µ
β
− 4αβ
r
αK
K −
µ
β
⇐⇒
rN
K ∆
?=
r
µ
K β
+ 4(µ − βK ).
∆ est donc du signe de r
K β
µ
+ 4(µ − βK ).
∆ < 0 ⇐⇒ r <
4(βK − µ)K β
µ
Analyse des syst`emes dynamiques dans R ´
Etude qualitative des syst`emes non lin´eaires dans R2 Th´eor`eme de lin´earisation
Application au mod`
ele de Lotka et Volterra
Portrait de phase au voisinage de A
2r <
4(βK −µ)K β
µ
⇒ foyer stable
N Pr >
4(βK −µ)K β
µ
⇒ nœud stable
N PTh´eor`eme de lin´earisation
Application au mod`
ele de Lotka et Volterra
Portrait de phase (cas K >
µ βet r <
4(βK −µ)K β µ)
N
P
r
α
K
µ β
A
0A
1A
2Analyse des syst`emes dynamiques dans R ´
Etude qualitative des syst`emes non lin´eaires dans R2 Th´eor`eme de lin´earisation
Application au mod`
ele de Lotka et Volterra
Chroniques (cas K >
µ βet r <
4(βK −µ)K β µ)
0
50
100
150
200
250
300
350
0
10
20
30
40
50
60
temps
eff
ectif
prédateurs
proies
Table des mati`
eres
1
Introduction : le mod`
ele proies-pr´
edateurs de Lotka-Volterra
2
Les syst`
emes planaires dans R
2
3
Etude qualitative des syst`
´
emes non lin´
eaires dans R
2
4
Exemples classiques
Analyse des syst`emes dynamiques dans R Exemples classiques
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Plan d´
etaill´
e
4
Exemples classiques
Le mod`
ele de comp´
etition intersp´
ecifique de Lotka-Volterra
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Pr´
esentation du mod`
ele
On mod´
elise deux esp`
eces 1 et 2 en comp´
etition
Croissance logistique en absence de comp´
etition
Chaque individu de l’esp`
ece 2 g`
ene la croissance de l’esp`
ece 1
comme α individus de l’esp`
ece 1.
Chaque individu de l’esp`
ece 1 g`
ene la croissance de l’esp`
ece 2
comme β individus de l’esp`
ece 2.
Analyse des syst`emes dynamiques dans R Exemples classiques
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Les ´
equations du mod`
ele
Esp`
ece 1
dN
1
dt
= r
1
N
1
1 −
N
1
+ αN
2
K
1
Esp`
ece 2
dN
2
dt
= r
2
N
2
1 −
N
2
+ βN
1
K
2
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Isoclines nulles : isoclines verticales ˙
N
1= 0
On r´
esoud ˙
N
1
= 0
dN
1dt
= 0
⇐⇒
r
1
N
1
1 −
N
1+αN
2K
1= 0
⇐⇒
N
1
= 0
ou
N
1+αN
2K
1= 1
⇐⇒
N
1
+ αN
2
= K
1
⇐⇒
N
2
=
K
1−N
α
1Analyse des syst`emes dynamiques dans R Exemples classiques
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Isoclines nulles : isoclines horizontales ˙
N
2= 0
On raisonne par sym´
etrie (N
1
↔ N
2
, K
1
↔ K
2
, r
1
↔ r
2
et
α ↔ β).
dN
2dt
= 0
⇐⇒
N
2
= 0
ou
N
1
=
K
2−N
β
2⇐⇒
N
2
= K
2
− βN
1
Il y a deux isoclines horizontales d’´
equation N
2
= 0 et
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Portrait de phase
N
1N
2K
2β
K
2K
1α
K
1Analyse des syst`emes dynamiques dans R Exemples classiques
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Portrait de phase : directions des vecteurs vitesse
N
1N
2K
2β
K
2K
1α
K
1Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Points d’´
equilibre
Points d’´
equilibres sur l’isocline verticale N
1
= 0
N
2
= 0, un point d’´
equilibre A
0
: (N
1 (0)
?
= 0; N
2 (0)
?
= 0).
N
2
= K
2
− N
1
un point d’´
equilibre
A
1
: (N
1 (1)
?
= 0; N
2 (1)
?
= K
2
).
Points d’´
equilibres sur l’isocline verticale N
2
=
K
1−N
α
1N
2
= 0, un point d’´
equilibre A
2
: (N
1 (2)
?
= K
1
; N
2 (2)
?
= 0).
N
2
= K
2
− βN
1
un point d’´
equilibre
A
3
: (N
1 (3)
?
=
K
1−αβ
1−αK
2; N
?
2 (3)
=
K
2−βK
11−αβ
)
Analyse des syst`emes dynamiques dans R Exemples classiques
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Points d’´
equilibre
Il y a quatre points d’´
equilibre
A
0
: (N
1 (0)
?
= 0; N
2 (0)
?
= 0).
A
1
: (N
1 (1)
?
= 0; N
2 (1)
?
= K
2
).
A
2
: (N
1 (2)
?
= K
1
; N
2 (2)
?
= 0).
A
3
: (N
1 (3)
?
=
K
1−αK
21−αβ
; N
2 (3)
?
=
K
2−βK
11−αβ
)
Conditions d’existence du point d’´
equilibre A
3
1 − αβ > 0
K
1K
2> α
K
2K
1> β
ou
1 − αβ < 0
K
1K
2< α
K
2K
1< β
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Matrice Jacobienne
La matrice Jacobienne du syst`
eme est
M =
r
1
1 −
2N
1
+ αN
2
K
1
−
αr
1
K
1
N
1
−
βr
2
K
2
N
2
r
2
1 −
2N
2
+ βN
1
K
2
Analyse des syst`emes dynamiques dans R Exemples classiques
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Stabilit´
e des points d’´
equilibre
Au point d’´
equilibre A
0
: (N
1 (0)
?
= 0; N
2 (0)
?
= 0), la matrice
Jacobienne s’´
ecrit
M
0
=
r
1
0
0
r
2
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Stabilit´
e des points d’´
equilibre
Au point d’´
equilibre A
1
: (N
1 (1)
?
= 0; N
2 (1)
?
= K
2
), la matrice
Jacobienne s’´
ecrit
M
1
=
r
1
1 − α
K
2
K
1
0
−βr
2
−r
2
Si
K
1α
< K
2
, alors det(M
1
) > 0 et tr(M
1
) < 0, A
1
est donc
un point d’´
equilibre stable.
Si
K
1Analyse des syst`emes dynamiques dans R Exemples classiques
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Stabilit´
e des points d’´
equilibre
Au point d’´
equilibre A
2
: (N
1 (2)
?
= K
1
; N
2 (2)
?
= 0), on raisonne par
sym´
etrie
M
2
=
−r
1
−αr
1
0
r
2
1 − β
K
1
K
2
Si
K
2β
< K
1
, alors det(M
2
) > 0 et tr(M
2
) < 0, A
2
est donc
un point d’´
equilibre stable.
Si
K
2Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Stabilit´
e des points d’´
equilibre
Au point d’´
equilibre A
3
: (N
1 (3)
?
=
K
1−αK
21−αβ
; N
2 (3)
?
=
K
2−βK
11−αβ
), la
matrice Jacobienne s’´
ecrit :
M
3
=
r
1
1 −
2N
1 (3)
?
+ αN
2 (3)
?
K
1
!
−
αr
1
N
?
1 (3)
K
1
−
βr
2
N
?
2 (3)
K
2
r
2
1 −
2N
?
2 (3)
+ βN
1 (3)
?
K
2
!
Analyse des syst`emes dynamiques dans R Exemples classiques
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra
Mod`
ele de comp´
etition intersp´
ecifique
Stabilit´
e des points d’´
equilibre
Au point d’´
equilibre A
3
: (N
1 (3)
?
=
K
1−αK
21−αβ
; N
?
2 (3)
=
K
2−βK
11−αβ
), la
matrice Jacobienne s’´
ecrit :
M
3
=
−
r
1
N
?
1 (3)
K
1
−
αr
1
N
?
1 (3)
K
1
−
βr
2
N
?
2 (3)
K
2
−
r
2
N
?
2 (3)
K
2
Le mod`ele de comp´etition intersp´ecifique de Lotka-Volterra