| Summary: | Cette thèse porte sur l'analyse mathématique de modèles d'évolution sur des réseaux. La thèse se compose de trois chapitres. Les deux premiers portent sur un modèle de propagation d'épidémies dans des réseaux et le troisième porte sur l'équation de Price, qui intervient dans la modélisation de la croissance des réseaux complexes.L'essentiel de la thèse est constituée des deux premiers chapitres, où nous proposons et analysons un modèle épidémique de type SIS avec diffusion non locale. Ce modèle est obtenu à partir d'un modèle discret, en supposant que le degré des noeuds du réseau est ici une variable continue à valeurs positives. Le réseau est ainsi modélisé par la distribution de probabilité des degrés des noeuds du réseau, où a lieu la transmission épidémique. La migration le long des arêtes du réseau correspond à une diffusion non locale. Le système d'évolution en temps pour les densités d'individus sains et infectés se ramène ainsi à un système couplé d'équations différentielles non linéaires avec des termes non locaux, qui sont des moyennes sur le réseau de ces densités. Nous analysons ce système d'évolution, en étudiant successivement le cas d'une transmission limitée (Chapitre 1) et non limitée (Chapitre 2).Nous prouvons tout d'abord rigoureusement l'existence d'une unique solution, locale ou globale, par une méthode de point fixe. Nous établissons ensuite des conditions de seuils nécessaires et suffisantes pour l'existence d'un équilibre endémique. Puis nous étudions la stabilité linéaire des équilibres sain et endémique et comparons nos résultats à ceux obtenus sur le modèle discret de départ. Dans le cas de la transmission limitée et de coefficients de diffusion égaux, on se ramène à une équation de type Fisher avec diffusion non locale, pour laquelle on établit un principe de comparaison. Ceci nous permet d'étudier le comportement asymptotique en temps pour des données initiales quelconques.Le dernier chapitre porte sur l'équation de Price, qui est un modèle de croissance des réseaux.Il se présente sous la forme d'une relation de récurrence donnant l'évolution de la distribution des degrés dans un réseau de taille croissante. Nous montrons rigoureusement la convergence de la solution du modèle de Price vers la solution stationnaire et nous montrons que celle-ci est équivalente à une loi puissance, dont nous précisons l'exposant. === This thesis is devoted to the mathematic analysis of time-dependent models on complex networks. There are three chapters. The first two chapters concern a model for the spread of epidemics on networks while the third chapter concerns Price equation, which arises as a model for the growth of complex networks.Most part of this thesis is concentrated in the first two chapters, in which we propose and analyze a SIS-type epidemic model with nonlocal diffusion. This model is derived from a discrete model, by considering here the degree as a continuous variable taking nonnegative values. Hence the network is described by the degree distribution of its nodes, where the epidemic transmission takes place. Migration occurs along the edges of the network and corresponds to nonlocal diffusion. The evolution system for the density of susceptible and infected individuals reads as a coupled system of nonlinear equations with nonlocal terms, which are given by the mean values of these densities on the network. We provide the analysis of this time-dependent system, distinguishing the cases of limited transmision (chapter 1) and illimited transmission (chapter 2).We first rigorously prove the existence of a unique solution to the system, either locally or globally in time, using a fixed point method. Next we establish necessary and sufficient threshold conditions for the existence of an endemic equilibrium. We then investigate the linear stability of both the disease-free and the endemic equilibrium and compare our results to the ones obtained for the discrete system. In the case of equal diffusivities and illimited transmission, we reduce the system to a Fisher-type equation with nonlocal diffusion, for which we prove a comparison principle. This allows us to study the large-time asymptotics of the solution for arbitrary initial data.The last chapter deals with Price equation, which is a model for the growth of networks. The model reads as a discrete recursive equation that provides the time-evolution of the probability distribution of the degrees in a growing network. We show rigorously that the solution converges to a stationary state exhibiting a power-law tail, whose exponent is explicitly given.
|
|---|
