Équations de Lotka-Volterra

Les équations de Lotka–Volterra sont le couple classique d'équations différentielles ordinaires qui décrit comment une population de proies et une population de prédateurs évoluent ensemble dans le temps. Les proies croissent en l'absence de prédateurs et diminuent à proportion des rencontres ; les prédateurs meurent de faim sans proies et croissent grâce à ces mêmes rencontres. Élèves, écologues, analystes des pêches et modélisateurs ont besoin d'une série temporelle déterministe à partir des effectifs initiaux et des quatre coefficients de taux, et non d'une capture d'un graphe qu'on ne peut pas rejouer. Ce calculateur intègre dx/dt = αx − βxy et dy/dt = δxy − γy par une méthode de Runge–Kutta d'ordre quatre à pas fixe et renvoie la trajectoire, les pics, les creux et l'équilibre intérieur lorsqu'il existe.

Ce que les équations de Lotka–Volterra disent du prédateur et de la proie

Alfred Lotka et Vito Volterra ont écrit indépendamment le même modèle à deux espèces dans les années 1920 : un stock de proies x qui croîtrait de façon exponentielle tout seul, et un stock de prédateurs y qui décroîtrait de façon exponentielle sans nourriture. Les rencontres s'écrivent comme le produit x fois y. Les proies suivent donc dx/dt égal à αx moins βxy, où α est le taux de croissance intrinsèque de la proie et β le coefficient de prédation.

Les prédateurs suivent dy/dt égal à δxy moins γy, où δ est la conversion de la proie consommée en croissance du prédateur et γ le taux de mortalité ou de famine. Ces quatre coefficients plus les deux populations initiales déterminent entièrement le champ de vecteurs dans le premier quadrant.

Lorsque α, β, γ et δ sont tous positifs, le système possède un équilibre intérieur en x-étoile égal à γ sur δ et y-étoile égal à α sur β ; les orbites autour de ce point sont fermées dans le modèle continu exact, c'est pourquoi les graphes de manuel montrent les célèbres cycles déphasés : les proies montent, les prédateurs suivent, les proies s'effondrent, les prédateurs s'effondrent et la boucle se répète.

Le modèle n'est pas un écosystème complet : il ignore la capacité de charge, la structure d'âge, le refuge et l'extinction stochastique. C'est l'outil de premier ordre pour enseigner et planifier une croissance et une prédation couplées. Les unités restent les vôtres : si x et y sont des animaux par kilomètre carré et le temps est en années, les taux sont en années réciproques et la série renvoyée utilise les mêmes unités.

Populations et taux nuls sont admis et produisent des trajectoires dégénérées mais bien définies, comme la croissance exponentielle des proies lorsque les prédateurs partent de zéro. Des effectifs ou des taux négatifs ne sont pas biologiques dans ce contrat et sont rejetés plutôt que silencieusement recadrés à la frontière d'entrée.

Qui utilise des simulations proie-prédateur

Les cours d'écologie du secondaire et de l'université demandent souvent aux élèves d'esquisser des cycles de Lotka–Volterra à partir d'un tableau de x(t) et y(t). Un oracle RK4 déterministe permet de vérifier que les proies culminent avant les prédateurs, que l'orbite discrète reste près de l'équilibre prévu, et qu'un taux négatif est illégal au lieu d'un NaN silencieux dans un tableur.

Les planificateurs des pêches et de la faune ont parfois besoin d'une prévision couplée de premier ordre : étant donnés les effectifs actuels et des taux de croissance et de prédation supposés, comment les deux stocks évoluent-ils sur un horizon de T unités de temps ? Le plafond de pas maintient l'isolate peu coûteux tout en résolvant encore quelques cycles.

Un test de sensibilité, ce sont quelques appels de plus : fixez les conditions initiales et faites varier α ou β pour voir si le pic du prédateur croît ou s'effondre.

Conservez les huit paramètres non négatifs et finis, choisissez un steps assez grand pour résoudre l'orbite qui vous intéresse (dix à quarante est typique pour un graphe de devoir ; deux cents est le plafond dur) et traitez la série comme trajectoire numérique des équations classiques — pas comme un recensement de terrain ajusté, un modèle d'extinction stochastique ou une courbe logistique de proies seules.