UE 4 Applications des équations différentielles
Transcription
UE 4 Applications des équations différentielles
UE 4 Applications des équations différentielles Dr. M-A Dronne PACES, Pôle Est, Lyon 20 septembre 2011 1 Objectifs 1 Ecrire une équation différentielle selon le contexte 2 Reconnaître les caractéristiques d’une équation différentielle 3 Connaître les solutions de 2 types d’équations différentielles 4 Comprendre l’utilisation des équations différentielles dans 2 applications (épidémiologie, pharmacocinétique) 2 Plan Plan du cours I Rappels de notations et définitions I Exemples I I I Bactériologie Pharmacologie Physique I Caractéristiques des équations différentielles I Solutions de 2 types d’équations différentielles I Applications I I Epidémiologie Pharmacocinétique 3 Rappels sur les notations des dérivées Soit y une fonction de la variable t (on note y (t)) Dérivée première (= d’ordre 1) de y par rapport à t y 0 (t) = dy (t) dt Dérivée seconde (= d’ordre 2) de y par rapport à t y 00 (t) = y (2) (t) = d 2 y (t) dt 2 Dérivée n ième (= d’ordre n) de y par rapport à t y (n) (t) = d n y (t) dt n 4 Rappels sur les notations des dérivées Remarque 1 Ne pas confondre la notation puissance et la notation de l’ordre de dérivation : I y (2) = y 00 ⇒ dérivée d’ordre 2 de y I y 2 = y × y ⇒ y élevé à la puissance 2 Remarque 2 En physique, utilisation de la notation ẏ et ÿ pour les dérivées par rapport au temps. I ẏ = y 0 ⇒ dérivée première de y par rapport au temps I ÿ = y 00 ⇒ dérivée seconde de y par rapport au temps 5 Rappels sur les calculs de dérivées Formules usuelles de dérivation cf. fiches sur spiral I Dérivées de fonctions I Dérivées de fonctions composées 6 Equations différentielles (ED) Généralités Définition d’une ED Une équation différentielle (ordinaire) est une équation dont l’inconnue y est une fonction et qui fait intervenir au moins une dérivée de y : y 0 et/ou y 00 et/ou ... et/ou y (n) Exemples Soit y une fonction de t 5y (3) = 7 cos t 00 0 2y + (2t)y + 5 = 6t 2 → ED → ED 2 4y + 3t = 7 → pas ED 7 Equations différentielles (ED) Généralités Objectif I L’objectif est de résoudre l’ED afin de déterminer l’expression de y en fonction de t. On dit aussi que l’on "intègre" l’ED. ⇒ Solution : y (t) I L’expression y (t) est la solution générale de l’ED. Solution générale I Si l’ED est d’ordre 1, sa solution générale comporte 1 constante arbitraire. Cette expression définit donc une famille de solutions. I Si l’ED est d’ordre n, sa solution générale comporte n constantes arbitraires. 8 Equations différentielles Généralités Condition(s) initiale(s) Pour pouvoir calculer la (ou les) constante(s) arbitraire(s) et trouver ainsi la solution recherchée, il faut connaître une (ou plusieurs) conditions initiales (CI). I Si l’ED est d’ordre 1, il faut connaître 1 CI. Il s’agit par exemple de la valeur de y quand t = 0. y (0) = y0 I Si l’ED est d’ordre n, il faut connaître n CI. 9 Système d’équations différentielles Généralités Définition d’un système d’ED Un système d’ED (ou système différentiel) comporte plusieurs ED liées entre elles (= qui dépendent les unes des autres). Exemple Soit y1 et y2 deux fonctions de t. 0 y1 = 2y1 + 5y2 y20 = 4y1 + 2y2 (1) Il s’agit d’un système d’ED. Chaque ED dépend de y1 et de y2 . 10 Système d’équations différentielles Généralités Objectif L’objectif est de résoudre le système afin de déterminer les expressions des fonctions y1 , y2 ,..., yn en fonction de t. ⇒ Solution : y1 (t), y2 (t), ..., yn (t) Conditions initiales Pour trouver la solution recherchée, il faut avoir des conditions initiales (CI). S’il y a n ED d’ordre 1 dans le système, il faut n CI. Il s’agit par exemple des valeurs des fonctions y1 , y2 ,...yn quand t = 0. y1 (0) = y10 , y2 (0) = y20 , ..., yn (0) = yn0 11 Exemple 1 Bactériologie Enoncé du problème I Soit une population de bactéries qui se développent dans un milieu favorable (listeria dans du fromage au lait cru). I On veut connaître le nombre de bactéries au cours du temps afin de déterminer une date limite de consommation (= temps au delà duquel le nombre de bactéries devient dangereux pour la santé). Schéma du problème T=0 B(0) = B0 T = t1 B(t1) T = t2 B(t2) 12 Exemple 1 Bactériologie Hypothèse simple "Production" de bactéries proportionnelle au nombre de bactéries présentes à chaque instant. Formulation par une ED Soit B le nombre de bactéries (fonction du temps t) : dB = k .B dt avec B(0) = B0 k : coefficient de proportionnalité (réel) 13 Exemple 1 Bactériologie Solution de l’ED Solution ⇒ B(t) = B0 .ekt Graphique Evolution de B(t) ⇒ Modèle mono-exponentiel Nombre de bacteries Bmax Tmax : date limite de consommation (temps auquel B > Bmax ) Temps Tmax 14 Exemple 2 Pharmacologie Enoncé du problème I Soit un complexe qui se forme lorsqu’un ligand se fixe sur un récepteur et qui devient alors actif pour transmettre un "signal" à l’intérieur de la cellule lui permettant de produire une protéine particulière. I On veut connaître la concentration en complexe au cours du temps afin d’en déduire la concentration en protéines produite par la cellule. Schéma du problème Ligands Complexes Récepteurs Protéine 15 Exemple 2 Pharmacologie Hypothèses simples I Réaction irréversible : L + R → C I Pas de production ni de dégradation de L, R ou C I "Production" de C proportionnelle aux concentrations de L et R présents dans le milieu. Formulation par un système d’ED 3 espèces : L (ligand), R (récepteur) et C (complexe) : d[C] = k .[L][R] (avec [C](0) = 0) dt d[L] = −k .[L][R] (avec [L](0) = L0 ) dt d[R] = −k .[L][R] (avec [R](0) = R0 ) dt k : vitesse de réaction (k ∈ R) (2) 16 Exemple 2 Pharmacologie Solution du système Solution ⇒ [C](t), [L](t) et [R](t) Graphique Evolution de L(t), de R(t) et de C(t) Ligands Recepteurs Concentration Complexes Temps Etape suivante : détermination de la production de protéine ([P](t)) à chaque instant à partir de [C](t) 17 Exemple 3 Physique (mécanique (cf. cours TS)) Enoncé du problème I Soit un solide de masse m soumis à un ressort de constante de raideur k . I On veut connaître l’évolution de sa position au cours du temps. Schéma du problème F 0 P : poids du mobile R : force de réaction F : force de rappel R P x 18 Exemple 3 Physique (mécanique (cf. cours TS)) Hypothèse simple Absence de frottement Formulation par une ED I Fonction : x (position du mobile sur (Ox)) I Equation du mouvement du solide selon l’axe (Ox) : m d 2x + kx = 0 ⇐⇒ mẍ + kx = 0 dt 2 Conditions initiales I ED d’ordre 2 ⇒ 2 CI I Exemple : x(0) = x0 et ẋ(0) = dx(0) = v0 dt 19 Exemple 3 Physique (mécanique (cf. cours TS)) Solution de l’ED Solution ⇒ x(t) : fonction trigonométrique (cos) Graphique Evolution de x(t) x0 position ⇒ Régime périodique t 20 Synthèse des 3 exemples ED trouvées I Bactériologie =⇒ I Pharmacologie dB = k .B dt d[C] dt d[L] dt d[R] dt I = k .[L][R] = −k .[L][R] = −k .[L][R] Physique =⇒ mẍ + kx = 0 ⇒ Caractéristiques (et solutions) des ED très différentes 21 Caractéristiques des ED Caractéristiques à savoir reconnaître I Ordre I Linéarité / non linéarité I Coefficients constants / non constants I Avec / sans second membre 22 Caractéristiques des ED Ordre Définition L’ordre de l’ED est l’ordre de la plus haute dérivée. Exemples 2y 0 + (2t)y 2 + 5 = 6t 2 → ED du 1er ordre 4y (2) + 3y 0 + (cos t)y = 7 → ED du 2nd ordre 23 Caractéristiques des ED Linéarité Définition Une ED linéaire ne contient pas de termes non linéaires en y Exemples de termes non linéaires (en y ) I √ y , 1/y , ln(y ), cos(y ), sin(y ), ... √ 0 02 0n y , y , y , 1/y 0 , ln(y 0 ), cos(y 0 ), sin(y 0 ), ... I yy 0 , y /y 0 I y 2, y n, Exemples 4y 00 + 3y 0 + (cos t)y = 7t 3 → ED linéaire 4y 00 + 3y 0 + (y + t)y = 7 → ED non linéaire 4y 00 + 3yy 0 + 7y = 7 → ED non linéaire 24 Caractéristiques des ED Coefficients Définition I Les coefficients sont les termes situés devant y , y 0 , y 00 ,... I Ils sont dits non constants s’ils dépendent de t. Exemples 4y 00 + 3y 0 + 7y = cos t 00 → Coefficients constants 0 4y + (3t)y + 7y = 8 → Coefficients non constants 25 Caractéristiques des ED Second membre Définition I Le 2nd membre regroupe l’ensemble des termes de l’ED qui ne comportent ni y ni y 0 ni y 00 ... I Il peut être constant ou fonction de t. I Il se met classiquement à droite du signe égal. Exemples 4y 00 + 3y 0 = cos t → 2nd membre : d(t) = cos t 4y 00 + 3y 0 + sin t + 6 = 0 → 2nd membre : d(t) = − sin t − 6 4y 00 + 3y 0 + (sin t)y = 0 → 2nd membre : d(t) = 0 ⇒ équation sans 2nd membre 26 Caractéristiques des systèmes d’ED Caractéristiques à savoir reconnaître I Ordre I Linéarité / non linéarité I Coefficients constants / non constants I Avec / sans second membre 27 Caractéristiques des systèmes d’ED Ordre Définition L’ordre d’un système est l’ordre de l’ED qui a la plus haute dérivée. Exemple Soit y1 et y2 deux fonctions de t. ( y10 = 2y1 + 3y2 y200 = y20 + 4y1 (3) ⇒ Système d’ordre 2 28 Caractéristiques des systèmes d’ED Linéarité Définition Un système est dit linéaire si toutes ses ED sont linéaires (= pas de terme non linéaire en chacune des fonctions et pas de terme "mixte"). Exemple Soit y1 et y2 deux fonctions de t. ( y10 = 2y1 + 3y2 + 7t 2 y20 = y1 + 4y1 × y2 (4) ⇒ Système non linéaire (terme mixte y1 × y2 ) 29 Caractéristiques des systèmes d’ED Coefficients Définition Un système est dit "à coefficients constants" si toutes les ED sont à coefficients constants. Exemple Soit y1 et y2 deux fonctions de t. ( 2y10 = 2y1 + 3y2 + sin t √ y20 = y1 + 4y2 + 5 t (5) ⇒ Système à coefficients constants 30 Caractéristiques des systèmes d’ED Second membre Définition Un système est dit "avec second membre" si au moins une des ED du système comporte un second membre. Exemple Soit y1 et y2 deux fonctions de t. ( y10 = 3ty1 + 2y2 + sin t y20 = y1 + 4y2 (6) ⇒ Système avec second membre 31 Caractéristiques des ED des exemples Bactériologie (fonction B) dB = k .B ⇐⇒ B 0 − kB = 0 (k ∈ R) dt ⇒ ED linéaire, du 1er ordre, à coefficients constants et sans 2nd membre. Pharmacologie (fonctions [C], [L] et [R]) d[C] = k .[L][R] dt d[L] = −k .[L][R] dt d[R] = −k .[L][R] dt ⇒ Système d’ED non linéaire, du 1er ordre, à coefficients constants et sans second membre. 32 Caractéristiques des ED des exemples Physique (fonction x) mẍ + kx = 0 ⇐⇒ mx 00 + kx = 0 (m et k ∈ R) ⇒ ED linéaire, du 2nd ordre, à coefficients constants et sans 2nd membre. 33 Solutions des ED Généralités Définition I Soit y une fonction de t et soit une ED de y. I Résoudre cette ED revient à trouver l’expression de y en fonction de t. I Cette expression y (t) est la solution générale de l’ED. Remarques I Si l’ED est d’ordre 1, la solution générale comporte une constante arbitraire ⇒ il faut 1 CI I Si l’ED est d’ordre n, la solution générale comporte n constantes arbitraires ⇒ il faut n CI 34 Solutions de certaines ED Cas à connaître Soit y une fonction de t I Cas n˚1 : y 0 = g(t) × y I Cas n˚2 (cas particulier) : y0 = a × y (a ∈ R) (cf. cours TS) 35 Solutions de certaines ED Cas n˚1 Présentation de l’ED y 0 = g(t) × y ⇐⇒ y 0 − g(t) × y = 0 g(t) : fonction de t ⇒ ED linéaire, du 1er ordre, à coefficients non constants et sans second membre. Solution Solution générale de cette ED : y (t) = K .eG(t) (K ∈ R) G(t) : primitive de g(t) 36 Solutions de certaines ED cas n˚1 Remarques I Solution à connaître mais démonstration (sur Spiral) pas au programme PACES I Rappels des calculs de primitives (cf. fiche sur Spiral) Exemple : primitive de 1/y ⇒ ln |y | I Rappels des propriétés des exp et des ln (cf. fiche sur Spiral) Exemple : e(a+b) = ea × eb 37 Solutions de certaines ED Cas n˚2 Présentation de l’ED (cf. cours TS) y 0 = a × y ⇐⇒ y 0 − ay = 0 (a ∈ R) ⇒ ED linéaire, du 1er ordre à coefficients constants et sans second membre. Solution Solution générale de cette ED : y (t) = λ.eat (λ ∈ R) 38 Solutions de certaines ED Cas n˚2 Démonstration I Cas particulier du cas précédent pour g(t) = a I Primitive de g(t) : G(t) = at + b (b ∈ R) I Solution : y (t) = K .eG(t) = K .e(at+b) I Avec les propriétés de l’exponentielle : y (t) = K × eat × eb = (Keb ) × eat I (Keb ) : constante que l’on peut appeler λ I Solution générale de l’ED : y (t) = λ.eat (λ ∈ R) 39 Solutions de certaines ED Cas n˚2 Utilisation de la CI I Solution générale de l’ED : y (t) = λ.eat (λ ∈ R) I Utilisation de la CI pour trouver la valeur de λ : ( y (0) = y0 ⇒ λ = y0 y (0) = λe0 = λ I Solution recherchée : y (t) = y0 eat Exemple de bactériologie Solution recherchée : B(t) = B0 ekt 40 Applications Applications présentées I Epidémiologie I I I Modèle SI (susceptibles - infectés) Modèle SIR (susceptibles - infectés - retirés) Pharmacocinétique (PK : pharmacokinetics) 41 Application en épidémiologie Modèle SI Enoncé du problème Soit une maladie contagieuse (rougeole) qui touche une population de n individus. On considère 2 groupes : I "Susceptibles" (non malades mais pouvant attraper la maladie) I "Infectés" (malades et contagieux). On veut connaître le nombre de malades à chaque instant. Schéma du problème k S (susceptibles) I (infectés) 42 Application en épidémiologie Modèle SI Hypothèse simple On suppose que l’augmentation du nombre de malades est proportionnelle au nombre de susceptibles et de malades (contact nécessaire). Système d’ED 2 groupes : S (susceptibles) et I (infectés) : dS dt dI dt = −k .S.I (avec S(0) = S0 ) = k .S.I (avec I(0) = I0 ) (7) k : taux de contamination Hypothèse : S(t) + I(t) = n 43 Application en épidémiologie Modèle SI Solution du système Solution ⇒ I(t) et S(t) Graphique Evolution de S(t) et de I(t) I0 = 1, S0 = 500 k = 0.001 Nombre d individus 500 S 400 I ⇒ Toute la population devient infectée 300 200 100 0 0 10 20 30 40 Temps (jours) 50 60 44 Application en épidémiologie Modèle SIR Enoncé du problème Soit une maladie contagieuse (rougeole) qui touche une population de n individus. On considère 3 groupes : I "Susceptibles" (non malades mais pouvant attraper la maladie) I "Infectés" (malades et contagieux) I "Retirés" (morts ou mis en quarantaine ou immunisés = ne pouvant plus ni attraper la maladie ni la transmettre). On veut connaître le nombre de malades à chaque instant et le nombre de personnes à vacciner pour éviter une épidémie. 45 Application en épidémiologie Modèle SIR Schéma du problème k S (susceptibles) R (retirés) I (infectés) r Historique 1ers modèles SIR par Kermack et McKendrick en 1927 à partir de données épidémiologiques de la peste de Bombay (1905-1906) 46 Application en épidémiologie Modèle SIR Système d’ED 3 groupes : S (susceptibles), I (infectés) et R (retirés) : dS = −k .S.I (avec S(0) = S0 ) dt dI = k .S.I − r .I (avec I(0) = I0 ) dt dR = r .I (avec R(0) = 0) dt (8) k : taux de contamination r : taux de retrait ⇒ Système non linéaire, du 1er ordre à coefficients constants sans second membre Hypothèse : S(t) + I(t) + R(t) = n 47 Application en épidémiologie Modèle SIR Solution du système Solution ⇒ I(t), S(t) et R(t) Graphique (avec un 1er jeu de CI) Evolution de S(t), de I(t) et de R(t) I0 = 1, S0 = 500, R0 = 0 k = 0.001, r = 0.1 Nombre d individus 500 400 S I 300 ⇒ Pic épidémique au 21ème jour R 200 100 0 0 10 20 30 40 Temps (jours) 50 60 48 Application en épidémiologie Modèle SIR Solution du système Solution ⇒ I(t), S(t) et R(t) Graphique (avec un 2ème jeu de CI) Evolution de S(t), de I(t) et de R(t) 100 I0 = 1, S0 = 95, R0 = 0 k = 0.001, r = 0.1 Nombre d individus 80 S 60 I ⇒ Absence d’épidémie R 40 20 0 0 10 20 30 40 Temps (jours) 50 60 49 Application en épidémiologie Modèle SIR Etape suivante Détermination d’un "taux" de vaccination v pour diminuer le nombre de susceptibles : k S (susceptibles) v R (retirés) I (infectés) r dS dt dI dt dR dt = −k .S.I − v .S = k .S.I − r .I = r .I + v .S 50 Application en épidémiologie Modèle SIR Solution du système Solution ⇒ I(t), S(t) et R(t) Graphique Evolution de S(t), de I(t) et de R(t) I0 = 1, S0 = 500, R0 = 0 k = 0.001, r = 0.1, v = 0.1 Nombre d individus 500 400 S I 300 ⇒ Absence d’épidémie R 200 100 0 0 10 20 30 40 Temps (jours) 50 60 51 Application en pharmacocinétique Introduction Définition Etude du devenir d’un principe actif (PA) dans l’organisme Objectif Concentration Etude de l’évolution temporelle de la concentration en PA dans le compartiment d’intérêt : C(t) Effets indésirables Marge thérapeutique = Index thérapeutique Plage des concentrations utiles Inefficacité Temps 52 Application en pharmacocinétique Introduction Problème On administre à un patient un analgésique et on souhaite étudier la façon dont évolue la concentration plasmatique (C) de ce médicament au cours du temps et selon différents schémas d’administration : I Par voie intraveineuse (IV), en bolus (= de façon instantanée) I Par voie orale (= per os = PO), en 1 prise 53 Application en pharmacocinétique Modèle mono-compartimental, IV bolus Partie I I On administre tout d’abord au patient une dose (D) de cet analgésique par voie IV, en bolus. I On considère un modèle mono-compartimental dans lequel le PA est éliminé du compartiment central avec une constante d’élimination ke . Schéma du problème D C (compartiment central) ke 54 Application en pharmacocinétique Modèle mono-compartimental, IV bolus Formulation par une ED I CI : concentration dans le compartiment central immédiatement maximale : C(0) = C0 = D V V : volume de distribution I ED : diminution de PA dans le compartiment central fonction de l’élimination : dC = −ke .C ⇐⇒ C 0 + ke C = 0 dt Type d’ED ED linéaire du 1er ordre à coefficients constants et sans 2nd membre 55 Application en pharmacocinétique Modèle mono-compartimental, IV bolus Solution de l’ED Solution ⇒ C(t) = C0 e−ke t Graphique Evolution de C(t) en IV bolus ⇒ Modèle mono-exponentiel décroissant Concentration C0 C0/2 T1/2 : demi-vie du PA (= temps pour lequel C = C0 /2) T1/2 Temps 56 Application en pharmacocinétique Modèle "mono-compartimental", PO, 1 prise Partie II I On administre ensuite à ce patient une dose (D) d’analgésique par voie orale en 1 prise. I On considère un modèle dans lequel le PA est absorbé dans le compartiment central avec une constante d’absorption ka et en est éliminé avec une constante d’élimination ke . Schéma du problème D Ca k (compartiment a d’absorption) C (compartiment central) ke 57 Application en pharmacocinétique Modèle "mono-compartimental", PO, 1 prise Remarque Ce modèle est dit mono-compartimental car le compartiment d’absorption n’est pas compté comme un compartiment (= compartiment "virtuel") Système d’ED dCa = −ka Ca (avec Ca (0) = VD ) dt (9) dC = k C − k C (avec C(0) = 0) a a e dt ⇒ Système linéaire du 1er ordre à coefficients constants sans second membre 58 Application en pharmacocinétique Modèle "mono-compartimental", PO, 1 prise Solution du système Solution ⇒ Ca (t) et C(t) Graphique Evolution de C(t) en VO 1 prise ⇒ Modèle bi-exponentiel Cmax 0.3 Concentration 0.25 Tmax : temps auquel C = Cmax 0.2 0.15 0.1 0.05 0 0 5 Tmax 10 15 Temps 59 Comparaison de profils pharmacocinétiques Administrations à dose unique Concentration plasmatique intraveineuse intramusculaire sous-cutanée orale Temps 60 Pharmacocinétique / pharmacodynamie Modèles et applications I Pharmacocinétique (PK) ⇒ C(t) en fonction de D(t) I Pharmacodynamie (PD) ⇒ E(t) en fonction de C(t) I PK/PD Concentration plasmatique Dose D(t) I Modèle PK C(t) Modèle PD Effet E(t) PK/PD de population ⇒ nécessaire pour les dossiers d’AMM (Autorisation de Mise sur le Marché) des médicaments 61 Documents sur Spiral Connect Liste des documents I Diaporama de cours I Fiches de cours I I I Rappels sur les dérivées, les primitives et les fonctions ln et exp Résolution de l’ED du cas n˚1 (solution à connaître mais démonstration pas au programme PACES) Exemples de QCM 62