Ergebnis für URL: http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html De nouvelles propriétés du pic épidémique
N. Bacaër, F. Hamelin, H. Inaba: De nouvelles propriétés du pic épidémique.
Quadrature 119 (2021) p. 40-47
Nicolas Bacaër^1, Frédéric Hamelin^2, Hisashi Inaba^3
1: Unité de modélisation mathématique et informatique des systèmes complexes
Institut de recherche pour le développement
Paris, France
nicolas.bacaer@ird.fr
2: Institut de génétique, environnement et protection des plantes
Institut national de recherche pour l'agriculture, l'alimentation et
l'environnement
Rennes, France
3: Département de mathématiques
Université de Tokyo
Tokyo, Japon
* [de] Um den Artikel auf Deutsch zu lesen, benutzen Sie den in Ihrem Browser
integrierten automatischen Übersetzer.
* [en] To read the article in English, use your browser's machine translator.
* [es] Para leer el artículo en español, utilice el traductor automático de su
navegador.
* [it] Per leggere l'articolo in italiano, utilizzare il traduttore automatico
del browser.
* [ja]
日本語de記事wo読muniha,_BuRaU6Zani内
;蔵saretei5ru自動翻訳機能wogo࠷
3;用kudasai5._
* [pt] Para ler o artigo em português, utilize o tradutor automático do seu
navegador.
* [ru] CHtoby prochitat' stat'yu na russkom yazyke, vospol'zujtes' vstroennym
avtomaticheskim perevodchikom Vashego brauzera.
* [zh]
要阅读中文文本,请使
992;你的浏览器内置的自&
#21160;翻译器._
Résumé
On étudie une épidémie modélisée par un système différentiel de type S-I-R ou
S-E-I-R. Pour le modèle S-I-R, on montre que la date du pic épidémique n'est pas
toujours une fonction décroissante du taux de contact. Pour le modèle S-E-I-R,
lorsque la population N est grande, de nouveaux éléments tendent à confirmer la
conjecture selon laquelle le pic épidémique a lieu au temps T, avec \(\ T \sim
(\ln N)/\lambda\ \), où l est la plus grande valeur propre du système linéarisé.
1. Introduction
On a commencé à étudier dans [[1]2] la date du pic épidémique du modèle S-I-R de
Kermack et McKendrick [[2]1, chapitre 18] \[\frac{dS}{dt} = -a S
\frac{I}{N},\quad \frac{dI}{dt} = a S \frac{I}{N} - b I,\quad \frac{dR}{dt} = b
I, \] dans le cas où a > b et où la population N est grande. La variable
\(\,S(t)\) est le nombre de personnes non infectées, \(I(t)\) le nombre de
personnes infectées, \(R(t)\) le nombre de personnes retirées de la
transmission. La population totale \(\ N=S+I+R\ \) est constante. Le paramètre a
est le taux de contact effectif et b le taux auquel les personnes infectées
cessent d'être infectieuses. Lorsque la population N est grande, le pic
épidémique (qui correspond au maximum de I) a lieu au temps T, \[T \sim \frac{\ln
N}{\lambda}\] et \(\lambda=a-b\). Autrement dit, l est le taux de croissance du
nombre de personnes infectées dans le système linéarisé \(\ dI/dt \simeq
(a-b)I\) au début de l'épidémie, lorsque \(S\simeq N\).
Dans [[3]3], on a brièvement conjecturé que l'équivalent en \(\ (\ln
N)/\lambda\) pour la date du pic était la même dans le modèle S-E-I-R, qui
inclut une phase latente (notée E) avant que les personnes infectées deviennent
infectieuses, \begin{eqnarray} \frac{dS}{dt} &=& -a S \frac{I}{N},\tag{1}\\
\frac{dE}{dt} &=& a S \frac{I}{N} - b E,\tag{2}\\ \frac{dI}{dt} &=& b E-c
I,\tag{3}\\ \frac{dR}{dt} &=& c I,\tag{4} \end{eqnarray} avec \(a>c\ \), à
condition de prendre pour \(\lambda\) la plus grande valeur propre du système
linéarisé au début de l'épidémie, c'est-à-dire la plus grande valeur propre de la
matrice \[M=\left (\begin{array}{cc} -b & a\\ b & -c \end{array} \right ). \]
Dans [[4]7], Piovella s'est aussi intéressé à la date du pic épidémique dans le
modèle S-E-I-R lorsque le rapport a/c
est proche de 1, sans toutefois que ses approximations soient complètement
justifiées d'un point de vue mathématique.
Dans la section 2, on rappelle tout d'abord un résultat apparemment oublié (y
compris dans [[5]2]) de [[6]5, chapitre 2] pour le modèle S-I-R, qui précise le
développement asymptotique de T : \begin{eqnarray*} T&=&\frac{\ln \frac{N}{I(0)}
+ f(\mathcal{R}_0) }{\lambda} + o(1),\quad N\to +\infty, \end{eqnarray*}
\(\mathcal{R}_0=a/b\) est la reproductivité, \(\lambda=a-b\ \) le taux de
croissance, et f une fonction assez compliquée. Ce résultat semble ne figurer
dans aucun livre ou article publié depuis [[7]5], ce qui est un peu étonnant pour
un modèle aussi simple et aussi connu.
On montre dans la suite de la section 2 que \[f(\mathcal{R}_0) = \ln \Bigl [
2(\mathcal{R}_0-1)^2 \Bigr ]+o(1), \quad \mathcal{R}_0\to 1^+.\] On en déduit que
la date du pic épidémique n'est pas toujours une fonction décroissante du taux de
contact effectif a, mais que ceci ne s'observe que pour des valeurs de la
reproductivité proches de 1. La date du pic atteint un maximum pour
\[\mathcal{R}_0 \simeq 1+\mathrm{e}\, \sqrt{\frac{I(0)}{2N}},\] où e est la base
des logarithmes népériens. Cette observation semble nouvelle.
Dans la section 3, on se tourne vers le modèle S-E-I-R. On rappelle ce que l'on
sait sur la taille finale de l'épidémie. On précise ce que l'on entend par pic
épidémique dans ce cadre, à savoir le point où E+I atteint un maximum. On trouve
une nouvelle borne inférieure pour ce pic compatible avec la conjecture sur le
comportement asymptotique. On présente quelques simulations pour illustrer cette
conjecture.
2. Le modèle S-I-R
2.1 Une expression intégrale de T
Pour le modèle S-I-R, supposons \[S(0)=N-i,\quad I(0)=i,\quad R(0)=0,\] avec \(0
< i < N\). Supposons \(a>b\) et \(N\) assez grand pour que \(a(1-i/N)>b\),
c'est-à-dire \(\frac{dI}{dt}(0) > 0\). Comme dans [[8]2] (où l'on avait pris
i=1), on a \[ \frac{1}{S} \frac{dS}{dt} = -\frac{a}{bN} \frac{dR}{dt}\quad ,\quad
\ln \frac{S(t)}{S(0)} = -\frac{a}{bN} R(t). \] Donc \[ \frac{dS}{dt} =-a
\frac{S}{N} (N-S-R)=-a \frac{S}{N} \left (N-S+\frac{bN}{a}\ln \frac{S(t)}{S(0)}
\right ).\] Le pic de \(I(t)\) a lieu au temps T où dI/dt=0, ce qui intervient
lorsque \(\ S=Nb/a\). On en déduit que \begin{equation}\tag{5} T=\frac{1}{a}
\int_{b/a}^{1-i/N} \frac{ds}{ s \left (1-s+\frac{b}{a} \ln s - \frac{b}{a} \ln
(1-i/N)\right )}. \end{equation}
2.2 La formule de Lauwerier quand \(N\to +\infty\)
On définit \(\varepsilon = -\frac{b}{a} \ln(1-\frac{i}{N})\). Avec l'astuce de
[[9]5, p. 12], on a \(\ T=T_1+T_2\) avec \begin{eqnarray*} T_1&=&\frac{1}{a}
\int_{\frac{b}{a}}^{1-\frac{i}{N}} \left ( \frac{1}{ 1+\varepsilon-s+\frac{b}{a}
\ln s} - \frac{1}{ \varepsilon-(1-\frac{b}{a})\ln s} \right ) \frac{ds}{s},\\
T_2&=&\frac{1}{a} \int_{\frac{b}{a}}^{1-\frac{i}{N}} \frac{ds}{ s \left
(\varepsilon-(1-\frac{b}{a})\ln s\right )}. \end{eqnarray*} En réduisant au même
dénominateur, \[ T_1 =\frac{1}{a} \int_{\frac{b}{a}}^{1-\frac{i}{N}}
\frac{-1+s-\ln s}{[\varepsilon-(1-\frac{b}{a})\ln s](1+\varepsilon-s+\frac{b}{a}
\ln s)} \frac{ds}{s}.\] On remarque que \(\varepsilon \sim \frac{b}{a}
\frac{i}{N} \to 0\) lorsque \(N\to +\infty\). Observons que l'intégrale qui
intervient lorsqu'on passe formellement à la limite \(\ N\to +\infty\)
\[\int_{\frac{b}{a}}^{1} \frac{-1+s-\ln s}{-(\ln s) (1-s+\frac{b}{a} \ln s)}
\frac{ds}{s}\] est a priori une intégrale généralisée en \(s=1\). Mais la
fonction intégrée se prolonge par continuité en s=1, car \[\ln s =
s-1-\frac{(s-1)^2}{2}+o((s-1)^2)\] au voisinage de \(s=1\), de sorte que
\[\frac{-1+s-\ln s}{-(\ln s) (1-s+\frac{b}{a} \ln s)s} \quad
\mathop{\longrightarrow}_{s\to 1} \quad \frac{1}{2(1-b/a)}.\] En particulier,
cette intégrale est convergente. On en déduit (voir l'appendice 1) que \[
T_1=\frac{1}{a-b} \int_{\frac{b}{a}}^{1} \frac{-1+s-\ln s}{-(\ln s)
(1-s+\frac{b}{a} \ln s)} \frac{ds}{s}+o(1).\\ \] Avec le changement de variable
\(s=e^{-u}\), \[ T_1=\frac{1}{a-b} \int_0^{\ln \frac{a}{b}}
\frac{-1+e^{-u}+u}{u(1-e^{-u}-\frac{b}{a}u)} du +o(1). \] Par ailleurs,
l'intégrale \(T_2\) se calcule explicitement : \begin{eqnarray*} T_2&=&
\frac{1}{a} \left [ \frac{\ln \left \{-\frac{b}{a}
\ln(1-\frac{i}{N})-(1-\frac{b}{a})\ln s \right \}}{-(1-\frac{b}{a})} \right
]_{\frac{b}{a}}^{1-\frac{i}{N}} \\ &=& \frac{1}{a-b} \left \{ \ln \left
[-\frac{b}{a} \ln \left(1-\frac{i}{N} \right )-\left (1-\frac{b}{a} \right )\ln
\frac{b}{a} \right ] - \ln \left [-\ln \left (1-\frac{i}{N} \right ) \right
]\right \}\\ &=& \frac{ \ln \frac{N}{i} + \ln [(1-\frac{b}{a})\ln \frac{a}{b} ]
}{a-b}+o(1) . \end{eqnarray*} En additionnant les deux résultats, on obtient ce
que l'on peut appeler la formule de Lauwerier [[10]5, p. 13] \[T = \frac{1}{a-b}
\left \{\ln \frac{N}{i} + \ln \left [\left (1-\frac{b}{a}\right )\ln \frac{a}{b}
\right ] + \int_0^{\ln \frac{a}{b}} \frac{-1+e^{-u}+u}{u(1-e^{-u}-\frac{b}{a}u)}
du \right \} +o(1),\] ou \[T = \frac{1}{a-b} \left \{\ln \frac{N}{i} +
f(\mathcal{R}_0) \right \} +o(1)\] avec \(\mathcal{R}_0=a/b>1\).
La figure 1 montre à quel point la formule de Lauwerier donne une bonne
approximation de la date T du pic épidémique. On a utilisé le logiciel libre
Scilab pour le calcul numérique des intégrales. On a choisi le paramètre b de
sorte que la période infectieuse dure en moyenne \(1/b=4\) jours.
[2021Quadrature_figure1.png] Figure 1. La date T du pic épidémique du modèle
S-I-R (en jours écoulés depuis le début de l'épidémie) en fonction de \(\ \ln N\
\) (ligne continue) selon la formule exacte (5) et la formule approchée de
Lauwerier (petits cercles). Valeurs des paramètres : \(\ I(0)=1\), \(b=1/4\)
par jour, \(\mathcal{R}_0=a/b\in \{\mbox{1,5} ; \, 2 ;\, 3\}\). Remarque. La
formule de Lauwerier reste inchangée si l'on part de la condition initiale
\[S(0)=N-i-r,\quad I(0)=i,\quad R(0)=r,\] avec \(i > 0\), \(r\geq 0\), \(i+r <
N\) et \(a(1-\frac{i+r}{N})>b\). En effet, posons \[\widehat{N}=N-r=N(1-r/N),
\quad \widehat{R}(t)=R(t)-r, \quad \widehat{a}=a\widehat{N}/N=a(1-r/N).\] Alors
\[\frac{dS}{dt} = -\widehat{a} S \frac{I}{\widehat{N}},\quad \frac{dI}{dt} =
\widehat{a} S \frac{I}{\widehat{N}} - b I,\quad \frac{d\widehat{R}}{dt} = b I, \]
\[S(0)=\widehat{N}-i,\quad I(0)=i,\quad \widehat{R}(0)=0.\] Donc \[T =
\frac{1}{\widehat{a}-b} \left \{\ln \frac{\widehat{N}}{i} + f(\widehat{a}/b)
\right \} +o(1), \quad \widehat{N}\to +\infty.\] Mais puisque \(\widehat{N}\to
+\infty\) est équivalent à \(N\to +\infty\), et puisque
\(\widehat{a}=a+O(1/N)\), on retombe sur \[T = \frac{1}{a-b} \left \{\ln
\frac{N}{i} + f(a/b) \right \} +o(1), \quad N\to +\infty.\]
2.3 Étude de la fonction \(f(\mathcal{R}_0)\)
La figure 2 montre comment \(f(\mathcal{R}_0)\) varie en fonction de
\(\mathcal{R}_0\). On remarque que \(\ f(\mathcal{R}_0)\) semble être une
fonction croissante (ce n'est pas évident, même en calculant la dérivée) et
\(f(\mathcal{R}_0)=0\) si \(\mathcal{R}_0\simeq \mbox{2,10}\).
[2021Quadrature_figure2.png] Figure 2. \(f(\mathcal{R}_0)\) en fonction de
\(\mathcal{R}_0\) (ligne continue) et l'approximation (6) au voisinage de
\(\mathcal{R}_0=1\) (en pointillé).
Avec \(\mathcal{R}_0\to 1^+\), on remarque que \(\ln \mathcal{R}_0 =
(\mathcal{R}_0-1)(1+o(1))\) et \[\ln \left [\left
(1-\frac{1}{\mathcal{R}_0}\right )\ln \mathcal{R}_0 \right ] = \ln \left
[(\mathcal{R}_0-1)^2 \right ] + o(1) = 2 \ln (\mathcal{R}_0-1) + o(1). \] Au
voisinage de \(u=0^+\), \begin{align*}
\frac{-1+e^{-u}+u}{u(1-e^{-u}-u/\mathcal{R}_0)} &= \frac{u^2/2 +o(u^2)}{u(u-u^2/2
+o(u^2) - u/\mathcal{R}_0)}\\ &= \frac{1+o(1)}{2(1-1/\mathcal{R}_0)-u+o(u)}.
\end{align*} Mais \begin{align*} \int_0^{\ln \mathcal{R}_0}
\frac{du}{2(1-1/\mathcal{R}_0)-u} &= \Bigl [ -\ln \bigl \{
2(1-1/\mathcal{R}_0)-u\bigr \} \Bigr ]_0^{\ln \mathcal{R}_0}\\ &= -\ln
\frac{2(1-1/\mathcal{R}_0)-\ln \mathcal{R}_0}{2(1-1/\mathcal{R}_0)}\\ &= -\ln
\Bigl [ 1 - \frac{\ln \mathcal{R}_0}{2(1-1/\mathcal{R}_0)} \Bigr ]\\ &
\mathop{\longrightarrow}_{\mathcal{R}_0\to 1^+} -\ln (1/2) = \ln 2 \end{align*}
On en déduit (voir l'appendice 2) que \begin{equation}\tag{6} f(\mathcal{R}_0) =
\ln \Bigl [ 2(\mathcal{R}_0-1)^2 \Bigr ]+o(1), \quad \mathcal{R}_0\to 1^+.
\end{equation} Cette approximation coïncide avec celle suggérée dans [[11]2, p.
11] en partant de l'approximation (non rigoureuse) de Kermack et McKendrick pour
le modèle S-I-R lorsque \(\ \mathcal{R}_0\) est proche de 1.
2.4 La date du pic n'est pas une fonction monotone du taux de contact
Ainsi, lorsque N est grand et \(\ \mathcal{R}_0\) proche de 1 avec
\(N(\mathcal{R}_0-1)^2\) pas trop petit, \[T \simeq \frac{\ln \left [ (N/i) 2
(a/b-1)^2 \right ]}{a-b}.\] Donc \begin{align*} \frac{\partial T}{\partial a}&
\simeq \frac{2 - \ln \left [ (N/i) 2(a/b-1)^2 \right ]}{(a-b)^2} . \end{align*}
On remarque que \(\frac{\partial T}{\partial a} \simeq 0\) si \[\frac{a}{b}
\simeq 1+\mathrm{e}\, \sqrt{\frac{i}{2N}}.\] Avec cette valeur de a, notons-la
\(\ a^*\ \), la valeur correspondante du maximum de T est \[T_{\max} \simeq
\frac{2}{a^*-b} = \frac{2}{b \, \mathrm{e}} \, \sqrt{\frac{2N}{i}}.\] La date du
pic n'est donc pas une fonction monotone décroissante du taux de contact, comme
on pourrait le croire a priori. La figure 3 illustre ceci avec quelques exemples
numériques. [2021Quadrature_figure3.png] figure 3. La date T du pic épidémique
selon la formule exacte (5), en fonction du taux de contact a avec \(\
a>b/(1-i/N)\) si \(i=1\) et \(N\in \{100;\, 1000;\, 10000\}\). On a choisi
l'unité de temps de sorte que b=1.
3. Le système S-E-I-R
Considérons désormais le système S-E-I-R (1)-(4). On suppose \(\ N>0\), \(a>0\),
\(b>0\) et \(c>0\). On suppose aussi \(\ a>c\). Les conditions initiales sont
\[S(0)=N-n_E-n_I> 0,\quad E(0)=n_E\geq 0, \quad I(0)=n_I\geq 0, \quad R(0)=0,\]
avec \(n_E+n_I>0\). On remarque que \begin{equation}\tag{7}
S(t)+E(t)+I(t)+R(t)=N, \quad \forall t > 0, \end{equation} \(S(t)>0\),
\(E(t)>0\), \(I(t)>0\) et \(R(t)>0\).
3.1 La taille finale de l'épidémie
La fonction \(S(t)\) est décroissante d'après l'équation (1) et positive, donc
elle converge vers une limite \(S_\infty\). La fonction \(\ R(t)\ \) est
croissante d'après l'équation (4) et inférieure à N, donc elle converge vers une
limite \(\ R_\infty\). Comme les fonctions E(t) et I(t) sont bornées par N si \(\
t \in ]0;+\infty[\), la fonction \(dI/dt\) est aussi bornée d'après l'équation
(3), de même que \(d^2R/dt^2\ \) d'après l'équation (4). La fonction \(\
R(t)\) est donc convergente quand \(t\to +\infty\ \) avec une dérivée seconde
bornée ; donc \(\ dR/dt \to 0\ \) (voir par exemple [[12]4, II.3.21] ou
l'appendice 3). Avec l'équation (4), on voit que \(\ I(t)\to 0\). La fonction \(\
dE/dt\) est bornée d'après l'équation (2), de même que \(d^2I/dt^2\ \) d'après
l'équation (3). Donc \(\ dI/dt \to 0\ \) comme précédemment. D'après l'équation
(2), \(\ E(t)\to 0\). Avec l'équation (7), on obtient à la limite \(\ S_\infty+
R_\infty=N\). D'après les équations (1) et (4), \[\frac{dR}{dt} = - \frac{cN}{aS}
\frac{dS}{dt}.\] Donc \begin{equation}\tag{8} R(t)=- \frac{cN}{a} \ln
\frac{S(t)}{S(0)} . \end{equation} À la limite, on en déduit que \(S_\infty>0\)
et que \[S_\infty=N-R_\infty=N+ \frac{cN}{a} \ln \frac{S_\infty}{S(0)} .\] On
définit \(x_\infty=S_\infty/N\), \(x_0=S(0)/N\) et \[g(x)=1-x+ \frac{c}{a} \ln
\frac{x}{x_0}.\] On a donc \(g(x_\infty)=0\) et \(0 < x_\infty \leq 1\). Mais
\begin{align*} &g'(x)=-1+ \frac{c}{ax}>0,\quad \quad 0 < x < c/a,\\ &g'(x) < 0,
\quad \quad\quad\quad\quad \quad \quad c/a < x < 1. \end{align*} Par ailleurs,
\begin{align*} &g(1)=\frac{c}{a} \ln \frac{1}{x_0} > 0,\\ &g(x)\to -\infty, \quad
\quad x\to 0^+,\\ &g(c/a)=1-\frac{c}{a}+ \frac{c}{a} \ln \frac{c/a}{x_0} >
1-\frac{c}{a}+ \frac{c}{a} \ln \frac{c}{a} > 0. \end{align*} Cette dernière
inégalité vient de l'hypothèse \(c/a < 1\) et de l'observation que la fonction
\(h(u)=1-u+u\ln u\) vérifie \(h'(u)=\ln u < 0\) si \(u\in]0;1[\) et
\(h(1)=0\), de sorte que \(h(u) > 0\) si \(u\in]0;1[\).
Par conséquent, la fonction g croît de -infty à \(\ g(c/a) > 0\) sur
l'intervalle \(]0,c/a[\), puis décroît de \(g(c/a) > 0\) à \(g(1) > 0\) sur
l'intervalle \(]c/a,1[\). L'équation \(\ g(x)=0\) a donc une unique solution
dans l'intervalle \(]0;1]\) et cette solution se trouve dans \(]0;c/a[\). On
conclut que \[0 < S_\infty/N < c/a.\]
3.2 Le pic épidémique
Précisons notre définition du pic épidémique. On a \begin{equation}\tag{9}
\frac{d}{dt}(E+I) = (aS/N - c) I. \end{equation} Supposons \[S(0)/N =
1-(n_E+n_I)/N > c/a. \] Avec l'hypothèse a>c, cette inégalité est vraie dès que N
est assez grand. On a \(\ I(t)>0\ \forall t>0\). La fonction S est strictement
décroissante et décroît de \(S(0) > N c/a\) jusqu'à \(S_\infty < N c/a\) sur
l'intervalle \([0;+\infty[\). Il existe donc un unique \(\ T > 0\) avec
\(S(T)=N c/a\). D'après l'équation (9), la fonction E+I est strictement
croissante sur l'intervalle [0;T] puis strictement décroissante sur l'intervalle
\(\ [T\, ;\, +\infty[\). On appelle T le pic épidémique. Notons qu'il ne
correspond en général ni au maximum de I, ni à celui de E.
D'après l'équation (8), on a aussi \begin{equation}\tag{10} E(T)+I(T) =
N-S(T)-R(T)=N-S(T)+\frac{cN}{a} \ln \frac{S(T)}{S(0)}. \end{equation} Puisque
\(S(T)=Nc/a\), on obtient \[E(T)+I(T) = N \left (1-\frac{c}{a}+\frac{c}{a} \ln
\frac{Nc}{a\,S(0)} \right ),\] comme Hethcote l'a déjà observé dans [[13]6, p.
35].
3.3 Borne inférieure
Comme \(S/N\leq 1\), on obtient \[\frac{dE}{dt} \leq - b E + a I\]
\[\frac{dI}{dt} = b E - c I.\] Dans la suite, l'inégalité = 2 est un entier, si \(F\in C^1(\mathbb{R}^d,\mathbb{R}^d)\), \(X\in
C^1([0,+\infty[,\mathbb{R}^d)\) et \(Y\in C^1([0,+\infty[,\mathbb{R}^d)\)
vérifient \begin{eqnarray*} && \frac{\partial F_i}{\partial x_j}(x) \geq
0\quad \forall i \neq j,\quad \forall x\in \mathbb{R}^d,\\ &&
\frac{dX}{dt}-F(X(t)) \leq \frac{dY}{dt}-F(Y(t))\quad \forall t>0,\\ &&X(0)
\leq Y(0), \end{eqnarray*} alors \(X(t) \leq Y(t) \quad \forall t>0\).
Soit M la matrice définie dans l'introduction. On choisit \(\ d=2\), \[X(t)=\left
(\begin{array}{c} E(t) \\ I(t) \end{array} \right ), \quad Y(t)=e^{tM} \left
(\begin{array}{c} n_E \\ n_I \end{array} \right ), \quad F(x)=Mx.\] On obtient \[
\frac{dX}{dt}-F(X(t)) \leq 0 = \frac{dY}{dt}-F(Y(t))\quad \forall t>0,\] \(X(0) =
Y(0)\ \) et l'hypothèse sur F est vérifiée parce que les coefficients non
diagonaux de la matrice M sont positifs. Donc \[\left (\begin{array}{c} E(t) \\
I(t) \end{array} \right ) \leq e^{tM} \left (\begin{array}{c} n_E \\ n_I
\end{array} \right ), \quad \forall t\geq 0.\] L'exponentielle de matrice \(\
e^{tM}\ \) se calcule explicitement [[15]9, proposition 6] avec les valeurs
propres de la matrice M, qui sont \[\lambda_\pm = \frac{-b-c\pm
\sqrt{(b-c)^2+4ab}}{2}.\] On obtient \[ e^{tM} = \left ( \begin{array}{cc}
\frac{e^{\lambda_+ t}+e^{\lambda_- t}}{2} + \frac{c-b}{\sqrt{(b-c)^2+4ab}}
\frac{e^{\lambda_+ t}-e^{\lambda_- t}}{2}& \frac{a \left (e^{\lambda_+
t}-e^{\lambda_- t}\right )}{\sqrt{(b-c)^2+4ab}} \\ & \\ \frac{b \left
(e^{\lambda_+ t}-e^{\lambda_- t}\right )}{\sqrt{(b-c)^2+4ab}} &
\frac{e^{\lambda_+ t}+e^{\lambda_- t}}{2} + \frac{b-c}{\sqrt{(b-c)^2+4ab}}
\frac{e^{\lambda_+ t}-e^{\lambda_- t}}{2} \end{array} \right ) \quad \forall
t\geq 0.\] On déduit que \begin{eqnarray*} E(T)+I(T) &\leq & (1\quad 1) \ e^{TM}
\left (\begin{array}{c} n_E \\ n_I \end{array} \right ) \\ &\leq & \left
(\frac{e^{\lambda_+ T}+e^{\lambda_- T}}{2} + \frac{b+c}{\sqrt{(b-c)^2+4ab}}
\frac{e^{\lambda_+ T}-e^{\lambda_- T}}{2}\right ) n_E \\ & &+ \left
(\frac{e^{\lambda_+ T}+e^{\lambda_- T}}{2} + \frac{2a+b-c}{\sqrt{(b-c)^2+4ab}}
\frac{e^{\lambda_+ T}-e^{\lambda_- T}}{2}\right ) n_I. \end{eqnarray*} Parce que
\(\lambda_- < \lambda_+\ \), il existe une constante \(k>0\), qui dépend de a,
b, c, \(n_E\) et \(n_I\) (mais qui ne dépend pas de N), telle que \[E(T)+I(T)
\leq k\, e^{\lambda_+ T}.\] Mais (10) montre que \[E(T)+I(T) = N \left
(1-\frac{c}{a}+\frac{c}{a} \ln (c/a)\right ) - \frac{cN}{a} \ln (S(0)/N).\] Parce
que \(S(0)/N 0. Alors \[\exists x_0 > 0,\ \forall x > x_0,\
|Z(x)-L| \leq \varepsilon^2/(4M).\] D'après la formule de Taylor-Lagrange,
\[\forall x > 0,\ \forall h > 0,\ \exists \theta \in ]0,1[, \quad Z(x+h)=Z(x)+h
Z'(x) +\frac{h^2}{2} Z''(x+\theta h).\] Donc \[\forall x > x_0,\ \forall h >
0,\quad |Z'(x)| \leq \frac{|Z(x+h)-Z(x)|}{h}+\frac{Mh}{2} \leq
\frac{\varepsilon^2}{2Mh}+\frac{Mh}{2} .\] Avec \(h=\varepsilon/M\), on obtient
\(|Z'(x)| \leq \varepsilon \ \forall x > x_0\).
Appendice 4
Avec les notations de la section 3.3, posons \(U(t)=Y(t)-X(t)\) et \[H(t)=
\frac{dY}{dt}-F(Y(t)) - \left [\frac{dX}{dt}-F(X(t)) \right ].\] Par hypothèse,
on a l'inégalité vectorielle \(H(t)\geq 0\). Par ailleurs, \[\frac{dU}{dt} =
H(t)+F(X(t)+U(t))-F(X(t))=\phi(t,U(t)),\] avec \[\phi_i(t,U(t))=H_i(t)+\sum_j
\left [ \int_0^1 \frac{\partial F_i}{\partial x_j}(X(t)+s\, U(t))\ ds \right ]
U_j(t).\] Si l'on suppose \(x_j\geq 0\ \forall j\) et \(x_i=0\), alors on
obtient \(\phi_i(t,x)\geq 0\) en raison de l'hypothèse sur le signe des dérivées
partielles de la fonction F. Le cône \(\ \mathbb{R}_+^d\ \) est donc une région
invariante. Comme \(\ U(0)\geq 0\), il en résulte que \(U(t)\geq 0\) et
\(X(t)\leq Y(t)\ \forall t\geq 0\).
Remerciements
On remercie A. Moussaoui pour avoir signalé [[17]7].
Références bibliographiques
1. N. Bacaër : Histoires de mathématiques et de populations, Éditions Cassini,
Paris, 2009.
2. N. Bacaër : Sur le pic épidémique dans un modèle S-I-R. Quadrature 117 (2020)
9-12. [18]https://hal.archives-ouvertes.fr/hal-02518993
3. N. Bacaër : Un modèle mathématique des débuts de l'épidémie de coronavirus en
France. Math. Model. Nat. Phenom. 15 (2020) 29.
[19]https://hal.archives-ouvertes.fr/hal-02509142
4. W.J. Kaczor, M.T. Nowak (trad. E. Kouris) : Problèmes d'analyse II. EDP
Sciences, Les Ulis (2008)
5. H.A. Lauwerier : Mathematical models of epidemics. Mathematisch Centrum,
Amsterdam (1981). [20]https://ir.cwi.nl/pub/12996
6. H. Hethcote : The basic epidemiology models: models, expressions for R0,
parameter estimation, and applications. In : S. Ma, Y. Xia (éd.) Mathematical
Understanding of Infectious Disease Dynamics, World Scientific, Singapour
(2009), p. 1-61.
7. N. Piovella : Analytical solution of SEIR model describing the free spread of
the COVID-19 pandemic. Chaos, Solitons and Fractals 140 (2020) 110243.
8. J.W. Prüß, R. Schnaubelt, R. Zacher : Mathematische Modelle in der Biologie.
Birkhäuser, Basel (2008)
9. E. Thomas, Sur l'exponentielle de matrices. Quadrature 116, 2020.
References
1. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#NB
2. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#Cassini
3. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#MMNP
4. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#Piovella
5. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#NB
6. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#Lauwerier
7. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#Lauwerier
8. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#NB
9. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#Lauwerier
10. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#Lauwerier
11. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#NB
12. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#Kaczor
13. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#Ma
14. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#PSZ
15. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#Th
16. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#Kaczor
17. http://www.ummisco.ird.fr/perso/bacaer/seir_fr.html#Piovella
18. https://hal.archives-ouvertes.fr/hal-02518993
19. https://hal.archives-ouvertes.fr/hal-02509142
20. https://ir.cwi.nl/pub/12996
Usage: http://www.kk-software.de/kklynxview/get/URL
e.g. http://www.kk-software.de/kklynxview/get/http://www.kk-software.de
Errormessages are in German, sorry ;-)