Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Systèmes dynamiques : formalisme et bases

Dans cours

BIO-341: Dynamical systems in biology

Life is non-linear. This course introduces dynamical systems as a technique for modelling simple biological processes. The emphasis is on the qualitative and numerical analysis of non-linear dynamical models. Examples are taken from biology and population ...

Description

Cette séance de cours présente le formalisme et les bases des systèmes dynamiques, en se concentrant sur la dynamique des populations et la mécanique céleste. Il couvre les équations différentielles, les systèmes non linéaires, les exemples de systèmes dynamiques non linéaires et les solutions utilisant des méthodes géométriques et analytiques.

Enseignant·e·s (2)

Julian Charles Shillcock

Julian received his PhD at Simon Fraser University in Canada for work on Monte Carlo simulations of liquid crystal phase transitions and the elastic properties of fluid and polymerized membranes. He was a Group Leader at the Max Planck Institute of Colloids and Interfaces, Germany for five years applying coarse-grained simulation techniques - principally Dissipative Particle Dynamics (DPD) and Brownian Dynamics - to equilibrium and dynamic properties of fluid lipid membranes. A major target of this research was to reveal the molecular rearrangements that occur during vesicle fusion. During this time, he developed a commercially-available, parallel DPD code that is being used by several universities. He was an Associate Professor at MEMPHYS in the Department of Physics and Chemistry, University of Southern Denmark. He has also worked in industry, designing and writing software for communication satellite simulations (British Aerospace, 1986-1990), and fluid simulation software (Accelrys, Inc., 1998-1999). He joined the Blue Brain Project in 2011, and uses mesoscale simulation techniques, together with theoretical analysis and collaborations with experimentalists, to study the dynamics of cellular processes. Current projects include simulating the formation of the post-synaptic density in dendritic spines and developing theoretical models of the supramolecular organisation of synapses. He also teaches Master's and PhD courses in computational cell biology and biophysics. He wrote and maintains an open source dissipative particle dynamics simulation code: https://github.com/Osprey-DPD/osprey-dpd Orcid: orcid.org/0000-0002-7885-735X

Felix Naef

Felix Naef studied theoretical physics at the ETHZ and obtained his PhD from the EPFL in 2000. He then received postdoctoral training at the Center for Studies in Physics and Biology at the Rockefeller University (NYC) under the guidance of Prof. Magnasco. His research focuses on the modeling and interpretation of high-throughput functional data and the study of biomolecular oscillators. He joined ISREC as an associate scientist in early 2004 and is currently Associate Professor in the Institute of Bioengineering (IBI).

Source officielle

Proximité ontologique

Mathématiques

Analyse (mathématiques): Équation différentielle

Concepts associés (32)

Système dynamique

En mathématiques, en chimie ou en physique, un système dynamique est la donnée d’un système et d’une loi décrivant l'évolution de ce système. Ce peut être l'évolution d'une réaction chimique au cours du temps, le mouvement des planètes dans le système solaire (régi par la loi universelle de la gravitation de Newton) ou encore l'évolution de la mémoire d'un ordinateur sous l'action d'un programme informatique. Formellement on distingue les systèmes dynamiques à temps discrets (comme un programme informatique) des systèmes dynamiques à temps continu (comme une réaction chimique).

Point fixe

En mathématiques, pour une application f d'un ensemble E dans lui-même, un élément x de E est un point fixe de f si f(x) = x. Exemples : dans le plan, la symétrie par rapport à un point A admet un unique point fixe : A ; l'application inverse (définie sur l'ensemble des réels non nuls) admet deux points fixes : –1 et 1, solutions de l'équation équivalente à l'équation . Graphiquement, les points fixes d'une fonction f (d'une variable réelle, à valeurs réelles) sont les points d'intersection de la droite d'équation y = x avec la courbe d'équation y = f(x).

Stabilité numérique

En analyse numérique, une branche des mathématiques, la stabilité numérique est une propriété globale d’un algorithme numérique, une qualité nécessaire pour espérer obtenir des résultats ayant du sens. Une définition rigoureuse de la stabilité dépend du contexte. Elle se réfère à la propagation des erreurs au cours des étapes du calcul, à la capacité de l’algorithme de ne pas trop amplifier d’éventuels écarts, à la précision des résultats obtenus. Le concept de stabilité ne se limite pas aux erreurs d’arrondis et à leurs conséquences.

Fixed-point iteration

In numerical analysis, fixed-point iteration is a method of computing fixed points of a function. More specifically, given a function defined on the real numbers with real values and given a point in the domain of , the fixed-point iteration is which gives rise to the sequence of iterated function applications which is hoped to converge to a point . If is continuous, then one can prove that the obtained is a fixed point of , i.e., More generally, the function can be defined on any metric space with values in that same space.

Équation différentielle

En mathématiques, une équation différentielle est une équation dont la ou les « inconnue(s) » sont des fonctions ; elle se présente sous la forme d'une relation entre ces fonctions inconnues et leurs dérivées successives. C'est un cas particulier d'équation fonctionnelle. On distingue généralement deux types d'équations différentielles : les équations différentielles ordinaires (EDO) où la ou les fonctions inconnues recherchées ne dépendent que d'une seule variable ; les équations différentielles partielles, plutôt appelées équations aux dérivées partielles (EDP), où la ou les fonctions inconnues recherchées peuvent dépendre de plusieurs variables indépendantes.

Afficher plus

Séances de cours associées (44)

Systèmes dynamiques en biologie

Couvre les systèmes dynamiques en biologie, y compris les trajectoires, la stabilité et l'analyse qualitative.

Analyse numérique: Introduction aux méthodes de calcul

Couvre les bases de l'analyse numérique et des méthodes de calcul utilisant Python, en se concentrant sur les algorithmes et les applications pratiques en mathématiques.

Points d'équilibre et bifurcations

Introduit des points d'équilibre et des bifurcations dans les équations différentielles, en discutant de leur stabilité et de leur pertinence dans divers contextes.

Méthodes de runge-Kutta: approximation des équations différentielles

Couvre les étapes de la méthode Runge-Kutta explicite pour approximer y(t) avec des explications détaillées.

Systèmes dynamiques: points d'équilibre et stabilité

Couvre les systèmes dynamiques, les points d'équilibre, l'analyse de stabilité et les placettes de phase à l'aide d'exemples comme le système pendulaire.

Afficher plus

Concepts associés (32)

Système dynamique

Point fixe

Stabilité numérique

Fixed-point iteration

Équation différentielle

Afficher plus