M ARC A RTZROUNI
Les processus itératifs en dynamique des populations et la théorie d’Easterlin
Mathématiques et sciences humaines, tome 76 (1981), p. 33-46
<http://www.numdam.org/item?id=MSH_1981__76__33_0>
© Centre d’analyse et de mathématiques sociales de l’EHESS, 1981, tous droits réservés.
L’accès aux archives de la revue « Mathématiques et sciences humaines » (http://
msh.revues.org/) implique l’accord avec les conditions générales d’utilisation (http://www.
numdam.org/conditions). Toute utilisation commerciale ou impression systématique est consti- tutive d’une infraction pénale. Toute copie ou impression de ce fichier doit conte- nir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
LES PROCESSUS ITERATIFS EN
DYNAMIQUE
DES POPULATIONS ET LA THEORIE D’EASTERLINMarc
ARTZROUNI*
° La théorie
mathématique
des processus itératifs trouve de nombreusesapplications
dans des domaines aussi divers quel’économie, l’électronique,
labiologie
et laphysique
nucléaire. Nous proposons ici une utilisationoriginale
de cette théorie en
dynamique
despopulations,
et nousprésentons,
en illustra-tion des méthodes mises au
point,
unexemple d’application
à la théoriedémographique
de R. Easterlin[1].
Cet économiste américain a constaté quedepuis
la deuxième guerre
mondiale,
dans un certain nombre de paysdéveloppés,
lafécondité est en relation inverse avec le nombre relatif de
jeunes (en
effet, Easterlin et Condran[2]
ont observé dans quatre pays industrialisés une assez forte corrélationpositive
entre d’une part le rapport de lapopulation
masculine des 35-64 ans aux 15-34 ans et d’autre part l’indice
conjoncturel ’de fécondité,
c’est-à-dire la somme des naissancesréduites).
Easterlinconjecture qu’une génération
dejeunes
relativement peu nombreuse seraplus prospère
etde ce fait aura
plus
d’enfants - et vice versa. Nous verronségalement
commentla théorie de l’itération permet d’étudier les
phénomènes asymptotiques qui
sedégagent lorsque
l’onprojette
unepopulation
soumise à une fécondité fonction de la structure parâge (c’est précisément
cequi
seproduit
dans le cas de lathéorie
d’Easterlin).
1)
LA MODELISATION EN TERMES DE FONCTIONS RECURRENTESLe
démographe qui
étudie ladynamique
despopulations
attache uneimportance
toute
particulière
au comportement de la suiteBt
des naissances au temps t.Keyfitz [5],
Lee[7],
Samuelson[12]
et Le Bras[6]
ont étudiél’effet,
sur cettesuite,
d’une féconditédépendant
des naissances antérieures. C’est ainsi que*Department of
Mathematics,
DrexelUniversity, Philadelphia,
PA19104,USA.
Cet article résume la thèse de 3ème
cycle
que l’auteur apréparée
àl’UER de
Mathématiques, Logique
Formelle etInformatique,
UniversitéParis-V René Descartes.
Samuelson propose une "modélisation
ultra-simplifiée
de la théorie dEasterlin’~’dans
laquelle
il s’intéresse au comportementdynamique
de la suiteYt= B t /B t- 1.
.Il montre que
Yt
peut s’écrire itérativement comme une fonction H de si :a)
lapopulation
ne comporte que deux groupesd’âges
etb)
la mortalité étant constante, la fécondité du deuxième grouped’âge
estconstante, et l’année t, celle du
premier
groupe est une fonction(décroissante)
du rapport
Y t- 1= B t- l/B t- 2 (dans
le cas où iln’y
a que deux groupesd’âges,
cettedernière
hypothèse exprime,
defaçon simplifiée,
l’idéed’Easterlin ;
eneffet,
siYt-1 est grand,
le nombre relatif dejeunes
estgrand
etl’hypothèse
dedécroissance rend leur fécondité faible
(et
viceversa)).
Dans ces
conditions, l’équation
récurrente donnantBt
s’écrit :91
etg2 représentent
l’effet combiné de la mortalité et de lafécondité ;
g 2
est donc une constante etg I
est la fonction décroissante deBt-I/B t-2"
On en déduit immédiatement :
ou :
L’équation (3) exprime
doncYt
itérativement comme fonction deYt_1
puisqu’on
peut la récrireYt - H(Y t- 1).
Samuelson étudie alors les comportementsdynamique
etasymptotique
du rapportYt,
ens’appuyant
sur les résultatsconnus de la théorie des processus itératifs dans le cas où H est un
opérateur
sur IR. _
Nous allons voit maintenant comment la modélisation de
l’équation (1)
peutse
généraliser
au cas réaliste où il y aplus
que deux groupesd’âges
et commenton peut étudier le processus
démographique qui
en résulte à l’aide d’unopérateur
sur unespace n
Eneffet, l’équation (1)
segénéralise
de lafaçon
suivante :q est un entier
quelconque. Chaque gi
est une fonctionhomogène (de degré 0)
des q variables et
représente,
l’année t, le nombre defilles nées pour
chaque
naissance féminine en t-i(on
raisonne d’habitude surles naissances
féminines,
mais on peut obtenir les naissances totales enmultipliant
les deux membres del’équation (4)
par2.05).
L’hypothèse d’homogénéité
est celle parlaquelle
estgénéralisée
la formulation de Samuelson : la fécondité dechaque
grouped’âge
est une fonction de ladistribution de la
population
l’année t, cettepopulation
étant mesurée par leseffectifs à la naissance
(ce
sont les q variablesBt- q Bt_q+ 1l...50B t-I ).
Dans la
suite,
on neprécisera
pas ledegré
des fonctionshomogènes
considéréescar elles seront toutes de
degré
0.>
Remarquons
d’abordqu’une
fonctionhomogène
des q variablesB t-q"Bt-q+ 1
Bt lest
- unobjet identique
à une fonction desq-1
variablesB t-q+ j/
-q+Bt- ’
-qEn
effet,
si l’on poseYr=Br Br-1 (les
naissancesseront
toujours
nonnulles)
et si l’on suppose que l’on connaisse une fonctionhomogène
on peut alorsécrire,
en divisantchaque Bi
par
Bt-q :
:L’équation (5)
montre que gdépend des q-1 quantités
*On peut donc dire
qu’il
existe une fonction f deq-1
variables telle que :Inversement, toute fonction
f,
définie comme en(6),
est trivialementidentique
à une fonction g des q variables ; g est alorshomogène.
t-q+ t-
homogène.
Les
gi
del’équation (4)
peuvent donc être considérées comme des fonctionsf.
i des rapportsYt_.=
t-j t-j t-j-1 divisant alors les deux membres del’équation (4)
parB ,,
il vient :La
première étape
de lagénéralisation
du modèle de Samuelson est ainsiobtenue : sous
l’hypothèse
que lesgi dépendent
de la distribution des naissancespassées (fonctions homogènes), Yt s’écrit,
defaçon récurrente,
comme fonctiondes
(q-1) Y. 1
antérieurs.2. LA MODELISATION EN TERMES DE FONCTIONS ITERANTES
De même que Samuelson avait ramené un
problème
sur deux naissances antérieures à unproblème
itératif dans IR, on"plongera" l’équation
récurrente(7), qui
portesur q naissances
passées, dans ÏR
On va construire un
opérateur
Hsur]R q-1
1qui
seraéquivalent (en
un sensqui apparaitra
clairementplus loin)
à la fonction définie en(7).
Récrivons d’abordl’équation (7)
de lafaçon
suivante :où la fonction G
représente
le membre droit del’équation (7).
Considérons maintenantl’opérateur
Hsurmq-l
défini de lafaçon
suivante :Posons X =
(xI,x2,...,Xq-I).
On voit clairement que si
x. = Y.,
i =1,2,...,q-1,
la dernière composantei 1
de l’itéré
Hn(X)
n’est autre queY n+q-1
.On sait que si
Hn(X)’
converge pour n tendant vers l’infini(avec
Hcontinu)
ce ne peut être que vers un
point
fixeXo - H(X £1 ).
Enregardant
la relation(9),
on voit que Xo
est un
point
del’espace1Rq
1 dont toutes les composantessont
égales :
"X = (x ,x ,...,X )
0 et limY
t =x0.
0 Ainsix sera
0 la limite deY t correspondant
à l’état initial X =(Yl’Y 2’***’yq-1
et la convergence des
Y t
est doncéquivalente
à celle deHn(X).
La riche théorie des processus
itératifs, appliquée
àl’opérateur
H, va maintenant nous permettred’analyser
les comportementsdynamique
etasymptotique
de la suite
Yt*
i) Quelques
résultats sur la convergence desY t
La convergence des
Y signifie
que lesnaissances, asymptotiquement,
croissent.
t
... * ..
sensiblement de
façon géométrique .
On dira que lapopulation
tend vers unétat stable "en les naissances". En
effet,
la notion depopulation
stable estchère au
démographe,
mais pour celui-ci ils’agit
d’unepopulation
dont lesnaissances et
chaque
tranched’âge
s’accroissent selon uneprogression géométrique
de même rapport r. Or
ici,
on a cettepropriété uniquement
sur les naissancesmais on ne sait rien de
précis
sur la mortalité(même asymptotiquement) puisqu’elle
est intimement liée à la fécondité dans la fonction nette de maternité(les gi
del’équation (4)).
Pour cetteraison,
on a introduit lanotion
plus générale
de stabilité "en lesnaissances". Néanmoins,
dans les*du moins
lorsque
lesYt
sont définis defaçon
récurrente.projections
qui seront faitesplus
loin engrandeur
nature(pour
laFrance),
la mortalité sera constante et la convergence des
Y t
sera alors la convergencevers un état stable au sens
classique.
Précisons d’abord une définition avant d’entamer l’étude de
l’opérateur
H.Un
point
fixeX 0
d’une transformation H sera dit attractif s’il existe unvoisinage
V de X o tel que si X E V, alors lim n oH n(X) =
X .On va chercher maintenant
quelles
sont les conditions sur les fonctionsfi
de
l’équation (7)
pourqu’il
y ait convergence desYt,
t ou cequi
estéquivalent,
pour
qu’il
y ait convergence des itérésHn(X)
vers unpoint
fixeX .
o Comme on leverra, ce seront
toujours
des conditions locales portant sur unvoisinage
deX ,
ola
question
de"l’universalité"
de cette convergence étant d’un autre ordre.Le résultat que nous utiliserons à ce
sujet
est dû à Ostrowski[11].
SoitH un
opérateur
différentiablesurlRq 1
etX o un point
fixe de H. Si le rayonspectral
p de la matricejacobienne
JH ( X )
de H enXo
est strictement inférieur à1,
alorsX 0
est unpoint fixé
attractif et si p > 1 X0
est
répulsif (rappelons
que p =max
iil
iÀi
i les valeurs propres deJH(X ».
p 1 est doncune condition
suffisante
de convergence vers X0
et l’on 0 peut dire
qu’il s’agit
d’une condition"quasi-nécessaire"
au sens que p > 1garantit
la nonconvergence,
le
caslitigieux
se situant évidemment enp=l (le point
fixe estalors soit
répulsif,
soitattractif,
soitindifférent).
Appliquons
ces résultats au casqui
nous intéresse ici. Enregardant
ladéfinition de H en
(7)
on voit que :est une matrice d’ordre
(q-1)
et l’on a :( o~
Le
polynôme caractéristique
de , s’écrit :Si l’on avait
développé
G en série auvoisinage
deX ,
o on aurait puétudier le processus linéaire tangeant associé et l’on aurait évidemment retrouvé le même
polynôme
et la même condition sur le module des racines pourqu’il
y ait convergence.
Toutefois,
nous avonspréféré
la formulation en termes de processus itératifs(qui
est tout à faitéquivalente)
afin de suivre unedémarche
qui généralise
clairement celle de Samuelson.Explicitons
p maintenant les dérivéespartielles
pd. =
1£
dG*x.(X )
0 où G de(9)
est définie en(7)
et(8)
de lafaçon
suivante : 1Les dérivées
partielles
desfi
sont toutesprises
enXo
et l’on pose, pouralléger l’écriture, f. =
11000f.(x ,x ,...,x ) ;
on obtient alors :r=1,2,...,q-1
_
En
résumé,
pourqu’un
processusdémographique
défini parl’opérateur
H en(9)
converge vers une valeur
xo* ,
il est suffisant(et "quasi-nécessaire")
que toutes les racines del’équation polynomiale (12),
où les coefficientsdr
sont définisen
(13),
soient de modules strictementplus petits
que 1. Nous sommes donc ramenés à l’étude des modules des solutions d’uneéquation algébrique
dedegré quelconque.
La littérature sur le
sujet
est abondante(Marden [9])
et il existe de nombreuxrésultats donnant des
majorations
des modules des racines en fonction descoefficients du
polynôme.
On retrouve enparticulier,
de cettefaçon,
les résultatsconnus dans le cas où la mortalité et la fécondité sont constantes 3f.
( ax1 =
0 V i etr).
On montre en effet que les modules sont strictementplus
dX
rpetits
que 1 si et seulement si le PGCD des i desfi
non nuls estégal
à 1.* (au voisinage de x )
ii)
La"convergence
engénérations
alternées"Dans son
article,
Samuelson considère unexemple
où "l’effet Easterlin" faitapparaître
deux sous-suites convergentes deY , toujours
défini itérativementt
par
Yt - H(Yt-i)
où H est unopérateur
SUr*. Defaçon précise,
la sous-suiteY2t
converge vers un nombre A etY2t+l
converge vers B(différent de A).
On abaptisé
cephénomène "convergence
engénérations
alternées(d’ordre 2)"
etl’on va voir que la théorie de l’itération propose des outils permettant une
généralisation élégante
de ce genre de situation.Considérons la définition
suivante, empruntée
à Gumowski[3].
Unpoint Zo
est dit
point
d’uncycle
d’ordre k de la transformation H s’il estpoint
fixede
Hk
sans êtrepoint
fixek,
c’est-à-dire :Le
cycle
k est ainsi constitué des kpoints (différents) Z ,
o o oH(Z o)’ ...Hk 1(Z o ).
L’exemple
de Samuelson peut alors se décrire de lafaçon
suivante : A et B sontdes
points
attractifs d’uncycle
d’ordre 2 de Hpuisqu’ils
sontpoints
fixesattractifs de
H2.
2Dans le cas
général
où H est défini comme en(9),
on obtient donc ladéfinition suivante : on aura une
"convergence
engénérations
alternées(d’ordre k)"
s’il existe
Z0,
opoint
attractif d’uncycle
d’ordre k de H ; H étantsupposé
continu,
on auraalors,
pour Xproche
deZ :
oIl y a donc k sous-suites
"adjacentes"
de la suiteHr(X) qui
convergent vers les k itérés deZ
o définis en(14).
Comme on l’a vu
plus haut,
ce n’est que la dernière composante del’image
par
Hr qui
nous intéressepuisqu’elle
constitue "l’innovation" au sens queWr(X) =
dernière composante deHr(X)
estY r+q-1
1(correspondant
aux "naissances initiales"X) ;
les autres composantes ne font querépéter,de façon redondante,
les innovations antérieures.
En
exprimant
dans(14)
la convergence de la dernière composante des vecteursconsidérés,
on a :La suite
Y t
peut donc être "éclatée" en k sous-suites convergentes, de lafaçon
suivante :Remarquons
au passage que les composantes deZ ,
opoint
fixe deHk,
ne sontpas nécessairement
égales
si k >1,
contrairement au cas k = 1.On peut maintenant chercher des conditions pour
lesquelles
unpoint Z
d’un
cycle
d’ordre k estpoint
fixe attractif deHk.
Il suffira pour celao
d’adapter
les résultats duparagraphe précédent puisque
l’on est exactementdans la même
situation,
à ceciprès
que H estremplacé
parHk.
La condition néces-saire,
et"quasi-suffisante", pour
que Z 0 soitpoint
fixe attractif deHk
esto .
donc que la matrice
jacobienne ~
1de Hk
enZ0
ait un rayonspectral
strictement inférieur à un.
3. AJUSTEMENTS ET PROJECTIONS
Comme nous l’avons
indiqué
dansl’introduction,
Easterlin aobservé,
pour un certain nombre de paysindustrialisés,
une corrélationpositive
entre la sommedes naissances réduites
(SNR)
l’année t, et le rapport suivant :ou
Pt(a,b) désigne
lapopulation masculine,
l’année t, dontl’âge
estcompris
entre a et b. L’intérêt essentiel de cette corrélation
provient
du faitqu’elle
permet, au vu de la
population
l’année t, deprédire
ce que sera la fécondité(SNR)
cette même année.Néanmoins,
cela n’est pas suffisant pourprojeter
lapopulation.
Eneffet,
nous avons vu(équation(4)) qu’il
est nécessaire de connaitre lesquantités qui
sont en fait leproduit
du taux de fécondité de
l’âge i,
l’année t(nombre
d’enfants nés de 100 femmesd’âge i,
l’annéet)
par laprobabilité
de surviejusqu’à l’âge
i(la
SNRl’année t est alors la somme des taux de fécondité par
âge (TFA)
l’année t etelle est
égale
au nombre d’enfantsqu’aurait
une femme si la fécondité de toutesa vie était celle de l’ensemble de la
population
l’année t).La théorie d’Easterlin a été vérifiée pour la France par Leridon
[8]
qui
trouve un coefficient de corrélation de 0.92 entre les deux séries(SNR
et rapports del’équation (15),
entre les années 1946 et1976).
Nous nous sommesalors
posés
laquestion
de savoir si l’onpouvait,
pour la France,remplacer
le
"rapport
d’Easterlin"(eq. (15))
par un rapport du type :où les
populations
l’année t ont étéremplacées
par des effectifs à la naissanceet où les bornes du rapport
(15-34-65)
sontremplacées
par desparamètres ml, m2
etm3 qui
seront choisis defaçon
à maximiser(en
valeurabsolue)
lescoefficients de corrélation dans la nouvelle
régression
faite entreRt
et laSNR l’année t
(toujours
pour lapériode 1946-1976).
Comme nous l’avons ditplus haut,
la connaissance de la SNR(au
vu des naissancespassées)
ne permet pas deprojeter
lapopulation,
aussi a-t-on fait la même chose pour les taux de fécondité parâge (on
peut dire que pourchaque
grouped’âge -
enpratique
des groupes
quinquennaux -
le taux de fécondité du grouped’âge évolue,
très
approximativement,
et avec desexceptions,
comme la somme des naissancesréduites :
lorsque
celle-ci baisse les TFA baissent aussi etvice-versa).
On va donc chercher à
ajuster
linéairement les taux de fécondité parâge
par des rapportsRt(i)
t de lafaçon
suivante :où
TFAt(i)
est le taux de fécondité du grouped’âge i,
l’année t, et lesmk(i)
sont les bornes
correspondantes du
-R’(i)
tqui
est le rapportR’
t parlequel
on
ajuste
la fécondité du i-ème grouped’âge (ils
seront sept groupesquinquennaux : 15-19, 20-24, 25-29, 30-34, 35-39, 40-44,
45-49ans).
Les résultatsdes
régressions
linéairesapparaissent
au tableau ci-dessous(il
serait en faitplus
exact deparler
derégression "pseudo-linéaire" puisque
nous avonscherché le coefficient de corrélation linéaire pour
chaque triplet (ml,m2,m3)
avec
m 1 5m 2 -55m 3 -10
pour assurer l’existence d’au moinscinq
années de naissancesau numérateur et au dénominateur des rapports
Rt(i), puis
l’on a conservé le ttriplet qui
donnait leplus
fort coefficient de corrélation en valeurabsolue ;
il
s’agit
donc d’unajustement
mixte : en amont sur troisentiers,
et enaval,
pour
chaque triplet,
on a fait unerégression
linéaire normale(dont
lescoefficients sont donc les termes A et B de
l’équation (17)).
Le coefficient de corrélation
négatif
pour les 15-19 ans semble démontrer uneffet d’Easterlin inverse mais il est certain que la théorie ne
s’applique
pas bien à ces classes
d’âges
trèsjeunes
car la fécondité(très faible)
y est surtout conditionnée par des facteurs non strictementéconomiques (âge
aumariage,
accès à lacontraception, etc.).
Les estimations ainsi obtenues serontnéanmoins conservées pour la suite. Pour les autres groupes
d’âges,
on trouvede forts coefficients de corrélation
positifs qui
confirment la théorie d’Easterlinindépendamment
pourchaque
groupequinquennal d’âge.
Il sera alors
possible de projeter
lapopulation
en utilisantl’équation (4),
caron
disposera
d’estimations des TFA en fonction des naissancespassées (eq.(17))
et par ailleurs la mortalité sera
supposée
constante ; étant donnée la forme du rapportRt(i),
lesg.
del’équation (4)
sont alors bien des fonctionst 1
homogènes
de naissances antérieures etl’équation (4) s’écrit,
compte tenu des sept groupesquinquennaux d’âges reproductifs :
où 0.488
M(i)
est le nombre de femmes du groupequinquennal i,
l’annéet, et
R’t (i) A(i)
+B(i)
est leur fécondité.M(i)
est laprobabilité
de surviejusqu’à l’âge
i(mortalité)
et 0.488 est laproportion
de naissances féminines(parmi
les naissances des deuxsexes).
Comme nous l’avons vu au
paragraphe 1, l’équation (18)
peut alors se transformeren une
équation
récurrente deYt qui
s’écrira comme fonction des 67Yt antérieurs
(en
effet, l’examen du tableau ci-dessus permet de voir que lesgi
peuventtous être considérés comme des fonctions de 68
variables,
i.e.q=68
dansl’équation (4)).
H de(9)
est alors unopérateur sur R 67 qui
a été itéré surordinateur et l’on a constaté
empiriquement (après plusieurs
centainesd’itérations)
une convergence de Y t vers lepoint
fixe1.0028,
valeur audemeurant tout à fait réaliste pour le
démographe puisqu’elle correspond
àune très lente
augmentation
de lapopulation (graphique 1).
Les 67 dérivées
partielles di
de(11)
ont été calculées et l’on a pu vérifier quel’équation polynômiale
du 67èmedegré
en(12)
avait bien toutesses racines strictement dans le cercle unité.
La même chose a été faite pour d’autres pays où l’on a observé des
phénomènes
dedivergence.
On a pu établirqu’ils
seproduisaient
auvoisinage
d’un
point
fixe et l’on a pu vérifier que lepolynôme caractéristique
correspondant
avait aumoins
une racine de module strictementsupérieur
à1,
doncque le
point
fixé était bienrépulsif.
4. CONCLUSIONS
Dans cet
article,
nous avons montré comment uneéquation
récurrente de ladynamique
despopulations pouvait
se formulersimplement
en termesd’opérateurs
itératifs dans un
espacelr n
Les avantages d’une telle modélisation ne sont pasnégligeables :
elle permet unegénéralisation élégante
du modèle itératif deSamuelson et du
phénomène
de convergence engénérations
alternées dontl’étude ne peut se faire aisément si l’on raisonne en termes
d’équations
récurrentes. Comme on l’a vu au
premier paragraphe,
l’étudeclassique
de laconvergence d’une
équation
récurrente parapproximation
linéaire auvoisinage
du
point
limite estéquivalente
au travail que nous avons fait en raisonnanten termes de
point
fixeattractif,
mais la théorie des processus itératifs offreégalement
de nombreux outilsqui
permettent une étude de tout ledomaine d’influence d’un
point
limitexo (c’est-à-dire
l’ensemble despoints
initiaux tels que le processus
qui
en résulte converge vers x0 ).
A notreconnaissance,
ces outils n’ont pasd’équivalent
en théorie deséquations
récurrentes
classiques,
et enparticulier,
dèsqu’une
telleéquation
est1-11
00 C,4 0 0 1 ° 4»1 - PQ
w ... t0
4-à »
a w m Q) cr v v >
CY u (1)
"0 0)
F-1 z M
r. »
m 0 Q)
.~ >
C u 0
~ CU a
°H 1
ce 0"’"
p 1
0 P4 4~
PQ O 4à PQ
transformée en
opérateur
H suritn,
il existe en théorie des processus itératifs de nombreux résultats(d’une
utilisation toutefoisdifficile) qui
permettentde
démontrer,
s’il y alieu,
que le processus convergequel
que soit lepoint
initial. Ces résultats sont de deux types : les uns consistent à démontrer que H est
équivalent (par changement
devariable)
à unopérateur
linéaire H’ de rayonspectral
strictementplus petit
que 1 ; il y a alors convergence versl’origine, quel
que soit lepoint
initial[4] ;
les autresappartiennent
àtout un ensemble de résultats du type
"applications
contractantes". Nous endonnerons un
seul,
à titred’exemple :
si H peut être considéré comme unopérateur
sur un espacemétrique
compactA,
si H est continu et si00
n=0 Hn(A) - {},
alors H est uneapplication
contractante et les itérésHn(X)
n=0
convergent vers
l’unique point
fixe ,quel
que soit lepoint
initial X[10].
Enfin nous avons
illustré,
sur unexemple
engrandeur
nature, l’utilisa- tion des processus itératifsqui
ontpermis
deprojeter
unepopulation
réellesoumise à un effet d’Easterlin en
analysant
lesphénomènes asymptotiques
qui
peuvent sedégager
en de telles circonstances.BIBLIOGRAPHIE
[1]
EASTERLIN R., "The americanbaby-boom
in historicalperspective",
AmericanEconomic
Review, 60 (1961).
[2]
EASTERLIN R. et CONDRAN C., "A note on the recentfertility swing
inAustralia, Canada, England
andWales,
and the UnitedStates",
in
Population.,
Factor movement and economicdevelopment :
studies
presented
toBrinley Thomas,
édité par HamishRichards, University
of Wales Press, 1976.[3]
GUMOWSKI I. et MIRA C.,Dynamique chaotique, Toulouse, Cepadues Editions,
1980.
[4]
GUMOWSKI I. et MIRA C., Recurrence and discretedynamic systems,
LectureNotes in
Mathematics,
809(1980).
[5]
KEYFITZ N.,"Population
Waves" inPopulation Dynamics,
T.N.E.Greville,
New
York,
Academic Press, 1972.[6]
LE BRAS H., "Résonnance etéquilibre (alternative
au modèle de Samuelson-Easterlin)",
La RevueEconomique, vol.31,
n°6(1980).
[7]
LEE R., "The formaldynamics
of controlledpopulation
and theecho,
the boom and the
bust", Demography, vol. 11,
n°4(1974).
[8]
LERIDON H., "Fécondité et structuredémographique :
unehypothèse
surl’évolution de la fécondité
depuis 1940", Population, 2 (1978).
[9]
MARDEN M.,Geometry of Polynomials, Providence,
American MathematicalSociety,
1966.[10]
OPOITSEVV.I.,
"A converse to theprinciple
ofcontracting maps",
RussianMathematical
Surveys,
31.4(1976).
[11]
OSTROWSKI A., "Lespoints
d’attraction et derépulsion
pour l’itération dansl’espace
à ndimensions", Compte
Rendu de l’Académiedes Sciences de