Les lynx dévorent les lièvres, les lièvres se raréfient, les lynx manquent de nourriture et déclinent à leur tour, puis les lièvres repartent… Pour étudier une évolution couplée simplifiée, tu peux utiliser deux suites et une matrice ; ce modèle linéaire ne reproduit pas nécessairement les cycles biologiques. Au programme de maths expertes en Terminale, le modèle proie-prédateur discret transforme une histoire d’écologie en un calcul de puissances de matrices. Voici 8 exercices corrigés pas à pas, classés par difficulté croissante : des premiers termes à calculer jusqu’au problème complet de maths expertes, en passant par l’écriture matricielle et le calcul de \(A^n\). Chaque correction est détaillée, et un PDF bonus t’attend en fin de page.
📌 Au programme — Terminale, maths expertes
Ce chapitre mobilise les puissances de matrices carrées, les suites de matrices colonnes \(U_{n+1} = A\,U_n\) et la diagonalisation (quand une matrice \(P\) et une matrice diagonale \(D\) te sont fournies). Prérequis : produit matriciel, inverse d’une matrice \(2 \times 2\) et suites géométriques.
I. Proie, prédateur : de la biologie au modèle
Une proie est une espèce mangée ; un prédateur est l’espèce qui la mange. Seuls, les lièvres (proies) se reproduisent et se multiplient ; seuls, les lynx (prédateurs) finissent par disparaître faute de nourriture. C’est leur interaction qui crée les cycles observés dans la nature : plus il y a de lièvres, plus les lynx prospèrent ; plus il y a de lynx, plus les lièvres sont dévorés.
L’idée du modèle est simple : on suit les deux populations d’année en année (ou de mois en mois) et on écrit comment chaque effectif dépend des deux effectifs précédents. On obtient alors deux suites couplées — le cœur du programme de maths expertes.
II. Le modèle discret : deux suites couplées
Note \(u_n\) le nombre de proies et \(v_n\) le nombre de prédateurs au rang \(n\). Le modèle discret s’écrit sous la forme :
\(\begin{cases} u_{n+1} = a\,u_n + b\,v_n \\ v_{n+1} = c\,u_n + d\,v_n \end{cases}\)
Sens des coefficients
- \(a\) (souvent \(a > 1\)) : croissance naturelle des proies ;
- \(b\) (négatif) : les proies dévorées par les prédateurs ;
- \(c\) (positif) : les prédateurs qui prospèrent grâce aux proies ;
- \(d\) (souvent \(0 < d < 1\)) : déclin naturel des prédateurs sans nourriture.
Le terme de prédation est celui qui couple les deux suites : \(b\,v_n\) dans la première ligne (les proies perdues) et \(c\,u_n\) dans la seconde (les prédateurs gagnés). Chaque population dépend de l’autre : c’est tout l’intérêt du modèle.

Évolution de l’exercice 7, avec les deux effectifs exprimés dans leurs unités réelles.
La fiche PDF à imprimer
7 pages · 12 exercices corrigés.
Reçois gratuitement le PDF par e-mail.
Le cours reste accessible sur cette page. Le PDF est envoyé après saisie d’une adresse e-mail.
III. Écriture matricielle et calcul de A^n
Le gros avantage du modèle linéaire : on peut le mettre sous forme matricielle. En posant la matrice colonne \(U_n = \begin{pmatrix} u_n \\ v_n \end{pmatrix}\) et la matrice \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\), le système devient :
\(U_{n+1} = A\,U_n \quad \text{d'où} \quad U_n = A^n\,U_0\)
Toute la difficulté se concentre alors sur le calcul de \(A^n\). C’est exactement ce que permet la puissance d’une matrice : une fois \(A^n\) connue, tu obtiens \(u_n\) et \(v_n\) pour tout rang \(n\), sans calculer les termes un par un.
A. Calculer A^n quand l’énoncé donne P et D
Au bac, l’énoncé te fournit presque toujours une matrice inversible \(P\) et une matrice diagonale \(D\) telles que \(A = P D P^{-1}\). La diagonalisation donne alors directement :
\(A^n = P\,D^n\,P^{-1}\)
où \(D^n\) se calcule instantanément : il suffit d’élever chaque coefficient diagonal à la puissance \(n\). Si \(D = \begin{pmatrix} \lambda_1 & 0 \\ 0 & \lambda_2 \end{pmatrix}\), alors \(D^n = \begin{pmatrix} \lambda_1^{\,n} & 0 \\ 0 & \lambda_2^{\,n} \end{pmatrix}\).
La méthode en 3 réflexes
- Calcule \(P^{-1}\) (pour une matrice \(2 \times 2\), c’est rapide).
- Écris \(D^n\) puis effectue \(P \, D^n \, P^{-1}\) dans cet ordre.
- Multiplie par \(U_0\) pour obtenir \(u_n\) et \(v_n\).
Les valeurs diagonales \(\lambda_1\) et \(\lambda_2\) sont les valeurs propres de \(A\) : leur taille décide du comportement à long terme. Pour une matrice diagonalisable, chaque composante propre évolue comme \(c\lambda^n\). Si \(|\lambda| < 1\), ce terme tend vers zéro ; si \(\lambda=1\), il reste constant ; si \(|\lambda| > 1\), sa valeur absolue diverge seulement si \(c\ne0\). Une valeur propre négative peut produire une alternance de signes. Il faut donc tenir compte de l’état initial et vérifier que les effectifs restent positifs.
IV. Série 1 — Mettre en équations et calculer les premiers termes ★
On commence par le plus concret : lire un énoncé, écrire les relations de récurrence, calculer les premiers effectifs. Rien que de l’arithmétique soignée.
Exercice 1 — Pucerons et coccinelles ★
Dans un jardin, on note \(u_n\) le nombre de pucerons (en centaines) et \(v_n\) le nombre de coccinelles au mois \(n\). Le modèle est :
\(\begin{cases} u_{n+1} = 1{,}3\,u_n- 2\,v_n \\ v_{n+1} = 0{,}1\,u_n + 0{,}5\,v_n \end{cases}\)
On donne \(u_0 = 50\) et \(v_0 = 5\). Calcule \(u_1\), \(v_1\), \(u_2\) et \(v_2\).
Voir la correction de l’exercice 1
On applique les formules au rang \(n = 0\) :
\(u_1 = 1{,}3 \times 50- 2 \times 5 = 65- 10 = 55\)
\(v_1 = 0{,}1 \times 50 + 0{,}5 \times 5 = 5 + 2{,}5 = 7{,}5\)
Puis au rang \(n = 1\) :
\(u_2 = 1{,}3 \times 55- 2 \times 7{,}5 = 71{,}5- 15 = 56{,}5\)
\(v_2 = 0{,}1 \times 55 + 0{,}5 \times 7{,}5 = 5{,}5 + 3{,}75 = 9{,}25\)
Les pucerons restent nombreux tandis que les coccinelles augmentent régulièrement.
Exercice 2 — Gardons et brochets ★
Dans un étang, \(u_n\) désigne le nombre de gardons (en milliers) et \(v_n\) le nombre de brochets à l’année \(n\). Le brochet est le prédateur du gardon :
\(\begin{cases} u_{n+1} = 1{,}5\,u_n- 0{,}4\,v_n \\ v_{n+1} = 0{,}05\,u_n + 0{,}8\,v_n \end{cases}\)
a) Parmi les quatre coefficients, lequel traduit la prédation subie par les gardons ? Lequel traduit le bénéfice que les brochets tirent des gardons ?
b) Avec \(u_0 = 20\) et \(v_0 = 3\), calcule \(u_1\) et \(v_1\).
Voir la correction de l’exercice 2
a) Le coefficient \(-0{,}4\) (devant \(v_n\) dans la première ligne) traduit la prédation : chaque brochet retire des gardons. Le coefficient \(0{,}05\) (devant \(u_n\) dans la seconde ligne) traduit le bénéfice des brochets : plus il y a de gardons, plus les brochets se reproduisent. Le \(1{,}5\) est la croissance des gardons, le \(0{,}8\) le déclin naturel des brochets.
b) On calcule :
\(u_1 = 1{,}5 \times 20- 0{,}4 \times 3 = 30- 1{,}2 = 28{,}8\)
\(v_1 = 0{,}05 \times 20 + 0{,}8 \times 3 = 1 + 2{,}4 = 3{,}4\)
Il y a \(28{,}8\) milliers de gardons et \(3{,}4\) brochets après un an.
Exercice 3 — Vrai ou faux : le sens du modèle ★
On reprend un modèle général \(\begin{cases} u_{n+1} = a\,u_n + b\,v_n \\ v_{n+1} = c\,u_n + d\,v_n \end{cases}\). Pour chaque affirmation, indique si elle est vraie ou fausse en justifiant.
a) « Si \(b = 0\), les proies évoluent comme une suite géométrique. »
b) « Un coefficient \(c\) négatif est cohérent avec un modèle proie-prédateur. »
c) « Si \(0\le a\lt 1\), les proies seules finiraient par disparaître. »
Voir la correction de l’exercice 3
a) Vrai. Si \(b = 0\), la première ligne devient \(u_{n+1} = a\,u_n\) : c’est exactement une suite géométrique de raison \(a\). Les proies ne subissent plus l’effet des prédateurs.
b) Faux. Le coefficient \(c\) mesure le bénéfice que les prédateurs tirent des proies : il doit être positif. Un \(c\) négatif signifierait que la présence de proies fait baisser le nombre de prédateurs, ce qui n’a aucun sens biologique.
c) Vrai. Avec \(b = 0\) et \(0\le a\lt 1\), la suite \((u_n)\) serait géométrique de raison comprise entre \(0\) et \(1\), donc de limite \(0\). Les proies s’éteindraient toutes seules, sans même être mangées.
Les signes usuels de ce modèle simplifié sont : \(a > 1\), \(b < 0\), \(c > 0\) et \(0 < d < 1\).
V. Série 2 — Écriture matricielle, puissances et limite ★★
On passe à l’outil central de maths expertes : la matrice \(A\) et sa puissance \(A^n\). C’est là que le modèle révèle son comportement à long terme.
Exercice 4 — De la récurrence à la matrice ★★
Soit le modèle \(\begin{cases} u_{n+1} = 1{,}4\,u_n- 0{,}5\,v_n \\ v_{n+1} = 0{,}2\,u_n + 0{,}7\,v_n \end{cases}\) avec \(U_0 = \begin{pmatrix} 10 \\ 4 \end{pmatrix}\).
a) Donne la matrice \(A\) telle que \(U_{n+1} = A\,U_n\).
b) Calcule \(U_1\) puis \(U_2\) par produit matriciel.
c) Exprime \(U_n\) en fonction de \(A\), \(n\) et \(U_0\).
Voir la correction de l’exercice 4
a) On lit les coefficients ligne par ligne : \(A = \begin{pmatrix} 1{,}4 & -0{,}5 \\ 0{,}2 & 0{,}7 \end{pmatrix}\).
b) \(U_1 = A\,U_0 = \begin{pmatrix} 1{,}4 \times 10- 0{,}5 \times 4 \\ 0{,}2 \times 10 + 0{,}7 \times 4 \end{pmatrix} = \begin{pmatrix} 12 \\ 4{,}8 \end{pmatrix}\)
\(U_2 = A\,U_1 = \begin{pmatrix} 1{,}4 \times 12- 0{,}5 \times 4{,}8 \\ 0{,}2 \times 12 + 0{,}7 \times 4{,}8 \end{pmatrix} = \begin{pmatrix} 14{,}4 \\ 5{,}76 \end{pmatrix}\)
c) Par une récurrence immédiate : \(U_n = A^n\,U_0\).
Exercice 5 — Calculer A^n avec la diagonalisation fournie ★★
On considère \(A = \begin{pmatrix} 1{,}5 & -1 \\ 0{,}5 & 0 \end{pmatrix}\). On admet que \(A = P D P^{-1}\) avec \(P = \begin{pmatrix} 2 & 1 \\ 1 & 1 \end{pmatrix}\) et \(D = \begin{pmatrix} 1 & 0 \\ 0 & 0{,}5 \end{pmatrix}\).
a) Calcule \(P^{-1}\).
b) En déduire une expression de \(A^n\).
Voir la correction de l’exercice 5
a) \(\det(P) = 2 \times 1- 1 \times 1 = 1\). Pour une matrice \(2 \times 2\), on échange la diagonale et on change le signe des antidiagonaux :
\(P^{-1} = \begin{pmatrix} 1 & -1 \\ -1 & 2 \end{pmatrix}\)
b) On a \(D^n = \begin{pmatrix} 1 & 0 \\ 0 & 0{,}5^{\,n} \end{pmatrix}\) et \(A^n = P D^n P^{-1}\). On calcule d’abord :
\(P D^n = \begin{pmatrix} 2 & 0{,}5^{\,n} \\ 1 & 0{,}5^{\,n} \end{pmatrix}\)
puis \(A^n = P D^n P^{-1} = \begin{pmatrix} 2- 0{,}5^{\,n} & -2 + 2 \times 0{,}5^{\,n} \\ 1- 0{,}5^{\,n} & -1 + 2 \times 0{,}5^{\,n} \end{pmatrix}\)
On peut vérifier que pour \(n = 1\) on retrouve bien \(A\).
Exercice 6 — Comportement à long terme ★★
On garde la matrice \(A\) et le résultat de l’exercice 5. Les populations partent de \(U_0 = \begin{pmatrix} 8 \\ 3 \end{pmatrix}\).
a) Exprime \(u_n\) et \(v_n\) en fonction de \(n\).
b) Détermine les limites de \((u_n)\) et \((v_n)\). Interprète.
Voir la correction de l’exercice 6
a) On calcule \(U_n = A^n\,U_0\) :
\(u_n = (2- 0{,}5^{\,n}) \times 8 + (-2 + 2 \times 0{,}5^{\,n}) \times 3 = 10- 2 \times 0{,}5^{\,n}\)
\(v_n = (1- 0{,}5^{\,n}) \times 8 + (-1 + 2 \times 0{,}5^{\,n}) \times 3 = 5- 2 \times 0{,}5^{\,n}\)
(Vérification au rang \(0\) : \(u_0 = 10- 2 = 8\) et \(v_0 = 5- 2 = 3\). ✓)
b) Comme \(0 < 0{,}5 < 1\), on a \(0{,}5^{\,n} \to 0\). Donc :
\(\displaystyle \lim_{n \to +\infty} u_n = 10 \qquad \lim_{n \to +\infty} v_n = 5\)
Les deux populations se stabilisent : \(10\) proies pour \(5\) prédateurs, soit deux fois plus de proies. C’est l’état d’équilibre vers lequel le modèle tend, quelle que soit l’année de départ (pourvu que les effectifs restent positifs).
VI. Série 3 — Problèmes complets de maths expertes ★★★
Place aux problèmes complets, avec toutes les étapes d’un sujet de maths expertes : mise en équations, diagonalisation, expression explicite, limite et algorithme.
Exercice 7 — Lièvres et lynx ★★★
On étudie une population de lièvres \(u_n\) (en centaines) et de lynx \(v_n\) (en dizaines) à l’année \(n\) :
\(\begin{cases} u_{n+1} = 1{,}2\,u_n- 0{,}6\,v_n \\ v_{n+1} = 0{,}2\,u_n + 0{,}4\,v_n \end{cases}\)
avec \(U_0 = \begin{pmatrix} 100 \\ 20 \end{pmatrix}\). On pose \(A = \begin{pmatrix} 1{,}2 & -0{,}6 \\ 0{,}2 & 0{,}4 \end{pmatrix}\), \(P = \begin{pmatrix} 3 & 1 \\ 1 & 1 \end{pmatrix}\) et \(D = \begin{pmatrix} 1 & 0 \\ 0 & 0{,}6 \end{pmatrix}\). On admet \(A = P D P^{-1}\).
a) Calcule \(P^{-1}\).
b) Détermine \(A^n\).
c) En déduire \(u_n\) et \(v_n\) en fonction de \(n\).
d) Étudie les limites et interprète.
Voir la correction de l’exercice 7
a) \(\det(P) = 3 \times 1- 1 \times 1 = 2\), donc :
\(P^{-1} = \displaystyle\frac{1}{2}\begin{pmatrix} 1 & -1 \\ -1 & 3 \end{pmatrix} = \begin{pmatrix} 0{,}5 & -0{,}5 \\ -0{,}5 & 1{,}5 \end{pmatrix}\)
b) On a \(D^n = \begin{pmatrix} 1 & 0 \\ 0 & 0{,}6^{\,n} \end{pmatrix}\), puis \(P D^n = \begin{pmatrix} 3 & 0{,}6^{\,n} \\ 1 & 0{,}6^{\,n} \end{pmatrix}\). On obtient :
\(A^n = \begin{pmatrix} 1{,}5- 0{,}5 \times 0{,}6^{\,n} & -1{,}5 + 1{,}5 \times 0{,}6^{\,n} \\ 0{,}5- 0{,}5 \times 0{,}6^{\,n} & -0{,}5 + 1{,}5 \times 0{,}6^{\,n} \end{pmatrix}\)
c) Avec \(U_n = A^n\,U_0\) et \(U_0 = \begin{pmatrix} 100 \\ 20 \end{pmatrix}\) :
\(u_n = 100\,(1{,}5- 0{,}5 \times 0{,}6^{\,n}) + 20\,(-1{,}5 + 1{,}5 \times 0{,}6^{\,n}) = 120- 20 \times 0{,}6^{\,n}\)
\(v_n = 100\,(0{,}5- 0{,}5 \times 0{,}6^{\,n}) + 20\,(-0{,}5 + 1{,}5 \times 0{,}6^{\,n}) = 40- 20 \times 0{,}6^{\,n}\)
(Vérification : \(u_0 = 120- 20 = 100\) et \(v_0 = 40- 20 = 20\). ✓)
d) Comme \(0{,}6^{\,n} \to 0\) :
\(\displaystyle \lim_{n \to +\infty} u_n = 120 \qquad \lim_{n \to +\infty} v_n = 40\)
À long terme, l’écosystème se stabilise autour de \(12\,000\) lièvres et \(400\) lynx (soit \(120\) centaines et \(40\) dizaines), soit trente fois plus de lièvres que de lynx à la limite. Les deux suites sont croissantes et convergent vers cet équilibre.
Exercice 8 — Sardines, thons et algorithme Python ★★★
Dans une zone de pêche, \(u_n\) est le nombre de sardines (en milliers) et \(v_n\) le nombre de thons à l’année \(n\) :
\(\begin{cases} u_{n+1} = 1{,}1\,u_n- 0{,}3\,v_n \\ v_{n+1} = 0{,}1\,u_n + 0{,}8\,v_n \end{cases}\)
avec \(u_0 = 200\) et \(v_0 = 30\).
a) Explique pourquoi l’affectation suivante produit un résultat faux :
u = u + (0.1*u - 0.3*v)
v = v + (0.1*u + ...) # u a déjà été modifié !
b) Complète la fonction Python qui renvoie les listes des effectifs jusqu’au rang \(N\) :
def populations(N):
u, v = 200, 30
listeU, listeV = [u], [v]
for n in range(N):
u, v = ... # à compléter
listeU.append(u)
listeV.append(v)
return listeU, listeV
Voir la correction de l’exercice 8
a) Le problème vient de l’ordre des calculs : si on met à jour \(u\) avant de calculer \(v\), la ligne de \(v\) utilise la nouvelle valeur de \(u\) au lieu de l’ancienne. Or le modèle exige d’utiliser \(u_n\) et \(v_n\) (les valeurs du même rang) pour calculer \(u_{n+1}\) et \(v_{n+1}\).
b) La solution propre à Python : l’affectation simultanée par tuple, qui évalue tout le membre de droite avant d’affecter.
def populations(N):
u, v = 200, 30
listeU, listeV = [u], [v]
for n in range(N):
u, v = 1.1*u - 0.3*v, 0.1*u + 0.8*v
listeU.append(u)
listeV.append(v)
return listeU, listeV
Grâce à la virgule, \(1{,}1u- 0{,}3v\) et \(0{,}1u + 0{,}8v\) sont calculés à partir des anciennes valeurs, puis affectés ensemble. C’est l’équivalent exact de \(U_{n+1} = A\,U_n\).
VII. Simuler le modèle en Python
Au-delà des exercices, savoir programmer le modèle est précieux — notamment pour illustrer un Grand Oral. Voici une simulation complète qui affiche les effectifs année par année :
u, v = 100, 20
for n in range(1, 11):
u, v = 1.2*u - 0.6*v, 0.2*u + 0.4*v
print(n, round(u, 1), round(v, 1))
Le point crucial reste l’affectation simultanée u, v = ..., .... Si tu écrivais les deux mises à jour sur deux lignes séparées, la seconde utiliserait déjà la nouvelle valeur de u et fausserait tout le modèle. Avec la virgule, Python évalue entièrement le membre de droite avant d’affecter — c’est exactement le produit \(A\,U_n\).
Pour tracer les courbes, il suffit de stocker les valeurs dans deux listes et d’utiliser matplotlib : tu obtiens alors le fameux graphique où proies et prédateurs convergent vers leur équilibre.
VIII. Préparer un Grand Oral sur le modèle proie-prédateur
Le modèle proie-prédateur est un excellent sujet de Grand Oral : il relie les maths (matrices, suites, limites), la SVT (dynamique des populations) et l’informatique (simulation). C’est l’un des rares thèmes où tu peux montrer un calcul et un graphique qui raconte une histoire concrète.
Angle de problématique efficace
« Comment des matrices permettent-elles de prédire l’extinction ou la survie de deux espèces en interaction ? » Tu dérouleras alors : écriture matricielle, diagonalisation, étude de la limite, puis interprétation écologique du résultat.
Pour d’autres pistes et une méthode de préparation, consulte notre sélection de sujets de Grand Oral originaux.
IX. 🟠 Après le bac : le modèle continu de Lotka-Volterra
Le modèle étudié ici est discret et linéaire : \(U_{n+1}=AU_n\). Le modèle continu classique de Lotka–Volterra est différent :
\(\begin{cases}x'=\alpha x-\beta xy\\y'=\delta xy-\gamma y\end{cases}\), avec des paramètres positifs.
Les produits \(xy\) rendent ce système non linéaire. On peut étudier sa linéarisation près d’un équilibre avec les outils des systèmes différentiels linéaires. Le modèle complet est un approfondissement sur Lotka–Volterra, distinct des suites matricielles de Terminale.
X. Erreurs fréquentes à éviter
Erreur n°1 — Inverser l’ordre du produit matriciel
On écrit \(U_{n+1} = A\,U_n\), pas \(U_n\,A\). La matrice \(A\) est toujours à gauche du vecteur colonne. Le produit matriciel n’est pas commutatif : écrire \(U_n A\) n’a même pas de sens dimensionnel ici.
Erreur n°2 — Se tromper dans l’indice de départ
La relation \(U_n = A^n\,U_0\) part bien de \(U_0\), pas de \(U_1\). Vérifie toujours en testant \(n = 0\) : tu dois retrouver \(A^0\,U_0 = U_0\).
Erreur n°3 — Calculer A^n coefficient par coefficient
Élever chaque coefficient de \(A\) à la puissance \(n\) est faux ! \(A^n\) n’est pas la matrice des \(a_{ij}^{\,n}\). Il faut passer par la diagonalisation \(A^n = P D^n P^{-1}\) — seule \(D\) (diagonale) se calcule coefficient par coefficient.
XI. Questions fréquentes
Qu’est-ce qu’un modèle proie-prédateur ?
C’est un modèle mathématique qui décrit l’évolution conjointe de deux populations en interaction : une proie (mangée) et un prédateur (qui mange). En Terminale, on utilise une version discrète avec deux suites couplées \(u_n\) et \(v_n\) et une matrice \(A\) vérifiant \(U_{n+1} = A\,U_n\).
Quelle est la différence entre une proie et un prédateur dans le modèle ?
La proie se reproduit naturellement (coefficient de croissance supérieur à \(1\)) mais perd des individus dévorés par le prédateur. Le prédateur, lui, décline naturellement sans nourriture (coefficient inférieur à \(1\)) mais prospère grâce aux proies disponibles. C’est le signe des coefficients de couplage qui les distingue.
Quelle est la différence entre le modèle discret de Terminale et le modèle de Lotka-Volterra ?
Le modèle de Terminale est discret : le temps avance par pas entiers et on manipule des suites et des puissances de matrices. Le modèle classique de Lotka–Volterra est continu et non linéaire : il comporte des produits proie × prédateur. Sa linéarisation près d’un équilibre peut s’étudier à l’aide d’un système linéaire ; elle ne remplace pas le modèle complet.
Comment trouver la limite des deux populations ?
Lorsque la diagonalisation est donnée, on exprime \(U_n=A^nU_0\) dans la base propre. Les composantes associées à \(|\lambda|\lt 1\) tendent vers zéro ; celles associées à \(\lambda=1\) restent constantes. Cette conclusion suppose que les autres composantes sont nulles : une valeur propre \(-1\) peut produire une alternance, et \(|\lambda|\gt 1\) une divergence. Vérifie aussi que les effectifs restent non négatifs.
Le modèle proie-prédateur est-il un bon sujet de Grand Oral ?
Oui, c’est un sujet très apprécié : il mêle matrices, suites, limites, informatique et biologie. Il permet de montrer un calcul rigoureux puis un graphique parlant, et de conclure par une interprétation concrète (survie, extinction, équilibre d’un écosystème).
XII. Pour aller plus loin
Tu maîtrises maintenant le modèle proie-prédateur discret. Pour prolonger ce chapitre et préparer la suite :
- Équation Différentielle d’Ordre 2 (Prépa) : Cours
- Équations différentielles : cours complet et méthodes de résolution
- Exercices Équations Différentielles Tle Corrigés + PDF
- Forme trigonométrique et exponentielle d’un nombre complexe : cours et exercices corrigés
Tu veux progresser plus vite en maths expertes et aborder la prépa sereinement ? Découvre nos cours particuliers de maths pour la prépa scientifique.