Vous êtes sur la page 1sur 61

Cours dAnalyse: Fonctions de plusieurs variables

1
Mohamed ADDAM
addam@lmpa.univ-littoral.fr
addam.mohamed@gmail.com
13 janvier 2013
1. Mention Mathmatiques, CP-2. Anne 2012/2013
Table des matires
1 Fonctions de plusieurs variables 4
1.1 Introduction : Prsentation et motivation des concepts. . . . . . . . . . . . 4
1.2 Fonctions de deux variables relles valeurs relles . . . . . . . . . . . . . 5
1.2.1 Exemple Mathmatiques et dnition . . . . . . . . . . . . . . . . 5
1.2.2 Exemple en Physique . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3 Reprsentation de fonctions : surfaces et Courbes de niveau . . . . 8
1.3 Fonctions de trois ou plusieurs variables valeurs relles . . . . . . . . . . 10
1.4 Fonctions valeurs vectorielles . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4.1 Composantes dune fonction vectorielle . . . . . . . . . . . . . . . 11
1.4.2 Composantes dune fonction vectorielle . . . . . . . . . . . . . . . 12
1.4.3 Drives dune fonction valeurs vectorielles . . . . . . . . . . . . 12
1.5 Drives partielles et gradient dune fonction . . . . . . . . . . . . . . . . 14
1.5.1 Rappel : drivation dune fonction de R dans R . . . . . . . . . . . 14
1.5.2 Calcul de drives partielles . . . . . . . . . . . . . . . . . . . . . 14
1.5.3 Drives partielles dordre suprieur . . . . . . . . . . . . . . . . . 16
1.5.4 Gradient dune fonction . . . . . . . . . . . . . . . . . . . . . . . 17
1.6 Gnralisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2 Calculs de limites et continuits 18
2.1 Espaces vectoriels norms . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.1.1 Exemples despaces vectoriels norms . . . . . . . . . . . . . . . . 18
2.1.2 Normes sur R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.3 Distances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Limite dune suite de points . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.1 Limite dune suite de points dans un espace mtrique . . . . . . . . 21
2.2.2 Limite dune suite dans un espace vectoriel norm . . . . . . . . . 22
2.2.3 Cas de lespace R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3 Limite dune application . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.1 Limite dune application dun espace mtrique dans un autre . . . . 23
2.3.2 Limite dune application dun espace vectoriel norm dans un autre 24
2.4 Applications continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1
TABLE DES MATIRES 2
2.4.1 Applications continues dun espace mtrique dans un autre . . . . . 25
2.4.2 Prolongement par continuit dun espace mtrique dans un autre . . 26
3 Calcul diffrentiel 28
3.1 Drive directionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.1.1 Drive suivant un vecteur . . . . . . . . . . . . . . . . . . . . . . 28
3.1.2 Drives relatives une base . . . . . . . . . . . . . . . . . . . . . 29
3.1.3 Vision de la physique de la drive selon un vecteur . . . . . . . . 29
3.2 Diffrentiabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2.1 Applications diffrentiables . . . . . . . . . . . . . . . . . . . . . 30
3.2.2 Matrice jacobienne et Gradient dune application . . . . . . . . . . 32
3.3 Drivation des fonctions composes . . . . . . . . . . . . . . . . . . . . . 33
3.3.1 Diffrentiabilit des applications composes . . . . . . . . . . . . . 33
3.3.2 Rgle pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3.3 Exemples pratiques . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3.4 Diffrentielle dun produit et dun quotient . . . . . . . . . . . . . 34
3.3.5 Le jacobien dune application f : R
n
R
m
. . . . . . . . . . . . 35
3.3.6 Divergence et Laplacien dune application . . . . . . . . . . . . . . 37
3.4 Drives successives. Fonctions de calsse c
k
. . . . . . . . . . . . . . . . . 37
3.5 Linarit locale et diffrentielle . . . . . . . . . . . . . . . . . . . . . . . . 38
3.5.1 Diffomorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.5.2 Thorme dinversion locale . . . . . . . . . . . . . . . . . . . . . 38
3.6 Formule des accroissements nis . . . . . . . . . . . . . . . . . . . . . . . 38
3.7 Applications sur le calcul diffrentiel : Thorme des fonctions Implicites
et applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.7.1 Dnition et existence . . . . . . . . . . . . . . . . . . . . . . . . 39
3.7.2 Courbes planes implicites . . . . . . . . . . . . . . . . . . . . . . 40
3.7.3 Thorme des fonctions implicites . . . . . . . . . . . . . . . . . . 40
3.7.4 Tangente la courbe dquation f(x, y) = 0 . . . . . . . . . . . . . 42
3.7.5 Normale la courbe dquation f(x, y) = 0 . . . . . . . . . . . . . 42
3.7.6 Normale principale la courbe dquation f(x, y) = 0 . . . . . . . 43
3.7.7 Gnralisation en trois dimension . . . . . . . . . . . . . . . . . . 43
3.7.8 Plan tangent la surface dquation f(x, y, z) = 0 : . . . . . . . . . 44
3.7.9 Normale la surface dquation f(x, y, z) = 0 : . . . . . . . . . . . 44
3.8 Formules de Taylor-Lagrange et Taylor-Young . . . . . . . . . . . . . . . . 44
3.8.1 Puissances symboliques . . . . . . . . . . . . . . . . . . . . . . . 44
3.8.2 Formule de Taylor-Lagrange . . . . . . . . . . . . . . . . . . . . . 45
3.8.3 Formule de Taylor-Young . . . . . . . . . . . . . . . . . . . . . . 45
3.9 Approximations linaire et quadratique et analyse des erreurs. Lapproxi-
mation par le polynme de Taylor . . . . . . . . . . . . . . . . . . . . . . 45
3.9.1 Approximations linaire . . . . . . . . . . . . . . . . . . . . . . . 45
TABLE DES MATIRES 3
3.9.2 Approximations quadratique . . . . . . . . . . . . . . . . . . . . . 46
3.9.3 Approximation par le polynme de Taylor . . . . . . . . . . . . . . 47
4 Optimisation : Extrema, points critiques et valeurs critiques 48
4.1 Extrema locaux et globaux de fonctions de deux variables ou plusieurs
variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.1.1 Extrema locaux et globaux dune fonction . . . . . . . . . . . . . . 48
4.1.2 tude sur les points critiques dune application . . . . . . . . . . . 49
4.1.3 Maxima et minima des fonctions de n variables . . . . . . . . . . . 52
4.2 Fonctions quadratiques : Recherche linaire et mthode du gradient . . . . 53
4.2.1 Forme linaires et bilinaires . . . . . . . . . . . . . . . . . . . . . 53
4.2.2 Reprsentation matricielle . . . . . . . . . . . . . . . . . . . . . . 54
4.2.3 quivalence entre la rsolution dun systme linaire et la minimi-
sation quadratique . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.3 Application aux moindres carrs . . . . . . . . . . . . . . . . . . . . . . . 56
4.3.1 Approximation par la droite des moindre carrs . . . . . . . . . . . 56
4.3.2 Interprtation gomtrique : projection sur un sous-espace . . . . . 57
5 Calcul dintgrales multiples 58
5.1 Thorme de la divergence, Thorme de Green . . . . . . . . . . . . . . . 58
5.2 Thorme de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.3 Intgrale double : changement en coordonns polaire . . . . . . . . . . . . 59
5.4 Intgrale triple (changements en coordonnes sphriques, cylindriques) . . 59
5.4.1 Intgrale triple en coordonnes sphriques . . . . . . . . . . . . . . 59
5.4.2 Intgrale triple en coordonnes cylindriques . . . . . . . . . . . . . 59
Chapitre 1
Fonctions de plusieurs variables
Ce cours prsente les concepts fondamentaux de lAnalyse des fonctions de plusieurs
variables. Les premiers chapitres gnralisent les notions de limite, drivabilit et dvelo-
pement limit, bien connus dans le cas des fonctions dune variable. Nous ne rechercherons
pas dans ce cours une formalisation mathmatique thorique de ces concepts, mais nous
intresserons au contraire leurs nombreuses applications dans le domaine de la Physique.
Nous ciblerons trois axes principaux de dveloppement :
1. loptimisation (recherche dextremums, minimisaton dune nergie, etc.) ;
2. les quations aux drives partielles (quation de la chaleur, quation des cordes
vibrantes, des ondes, etc.) ;
3. lintgration (calculs de moments dinertie, de ux, etc.).
1.1 Introduction : Prsentation et motivation des concepts.
Ce chapitre a pour vocation dinitier la lecteur dbutant aux objets que nous manipule-
rons dans les chapitres qui vont suivre. Les dnitions et principes seront prsents ici dun
point de vue qualitatif ; ils seront revus, amliors et rigoureusement introduits par la suite.
Je ne prtends donc pas un grand formalisme ni une grande rigueur. Je redonne galement
quelques notions sur la drivation des fonctions dune variable car il est ncessaire de bien
matriser ce concept si lon souhaite comprendre la notion de drive partielle.
Dans ce cours, on sintresse aux fonctions de plusieurs variables
(x
1
, . . . , x
n
) f(x
1
, . . . , x
n
).
Celles-ci interviennent naturellement pour decrire la dependance de grandeurs en fonction
de plusieurs parametres : par exemple la distribution de la temperature ou de la pression
atmospherique en fonction de la position dans lespace et du temps. Elles peuvent aussi
4
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 5
tre dnies par des expressions similaires celles que lon rencontre pour les fonctions
dune variable : par exemple
f(x, y, z) = sin [(xy
2
+ 1) +

z
4
+ 3x
2
[
est une fonction des trois variables x, y et z. Lobjectif principal de ce cours est de gnra-
liser aux fonctions de plusieurs variables les notions de drivation et dintgration qui ont
t abordes dans le cadre des fonctions dune variable.
1.2 Fonctions de deux variables relles valeurs relles
1.2.1 Exemple Mathmatiques et dnition
Considrons un rectangle ABCD. On appelle x la longueur AB et y, la longueur BC.
On suppose x > 0 et y > 0.
On appelle p(x, y), le primtre de ABCD, /(x, y), laire de ce rectangle. On a alors :
p(x, y) = 2(x + y) et /(x, y) = xy
Dnition 1.2.1 Soient E et F deux ensembles.
1. Le produit cartsien de deux ensembles E et F, not E F est lensemble des
couples dont le premier lment appartient E et le second F :
E F = (x, y) / x E et y F.
2. Si E = F, on crit E
2
= E E.
3. On peut aisment gnraliser cette dnition. Si E
1
, E
2
, . . . , E
n
dsignent n en-
sembles. On note E = E
1
E
2
. . . E
n
le produit cartsien des n-uplet dni
par :
E = E
1
E
2
. . . E
n
= (x
1
, . . . , x
n
) / x
1
E
1
. . . x
n
E
n
.
Problme courant en Optimisation :
on peut tre amen chercher x pour que le primtre de ABCD soit minimal sachant
que son aire vaut 1. (problme dOptimisation)
/ et p sont des fonctions de deux variables valeurs relles, et x et y sont les deux va-
riables. Il est important de noter que x et y sont indpendantes, autrement dit, il nexiste
pas dapplication f : R
2
R telle que f(x, y) = 0. On note :
p : R
2
= R R R
(x, y) p(x, y) = 2(x + y)
et
/ : R
2
= R R R
(x, y) /(x, y) = xy
Ici, cet exemple prend tout son sens si x > 0 et y > 0.
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 6
1.2.2 Exemple en Physique
Il est bien rare que le modle mathmatique choisi par le physicien ne dpende que dun
paramtre. En Thermodynamique, par exemple, lorsque lon considre une nergie (nergie
interne U, cintique E
c
, etc.), on est souvent amen tudier linuence des paramtres T
(temprature), P (pression) et V (volume).
Exemple 1.2.1 (loi de Boyle-Mariotte ou loi des gaz parfaits. (1670))
PV = nRT
n dsigne la quantit de matire contenue dans le volume V (le nombre de molcules se
trouvant dans le volume V dun gaz parfait), tandis que R dsigne la constante des gaz
parfaits. Si le volume du systme physique varie en mme temps que la temprature, notre
tude est justie. En gnral, on recherche lquation dtat dun systme. (Relation entre
les paramtres dtat dun systme en quilibre macroscopique.)
Elle scrit f(P, V, T) = 0, o f est une fonction des trois variables P, V et T. Dans notre
cas, on a :
f(P, V, T) = PV nRT.
Exemple 1.2.2 (quation dtat de Van der Waals (Prix nobel de Physique, 1910).)
Pour n moles de gaz, on a la relation
_
P +
a
V
2
_
(V b) = nRT.
Cette relation traduit lexistence de forces dinteraction entre les molcules de gaz, la
diffrence de lquation dtat des gaz parfaits. La fonction dtat scrit P dans ce cas :
f(P, V, T) =
_
P +
a
V
2
_
(V b) nRT.
Voir que lorsque a = b = 0 on retrouve la loi des gaz parfaits de Boyle-Mariotte.
Dnition 1.2.2 Soit T, une partie de R
2
, cest dire un ensemble de couples de rels
(x, y).
On appelle fonction de deux variables dnie sur T, le procd qui consiste associer
chaque couple (x, y) de T un rel unique. On note gnralement : f(x, y) = z.
On peut se reprsenter z comme une altitude dnie en chaque point du plan de base.
Reprsentation graphique dune fonction deux variables
pour reprsenter une fonction f de R dans R, on reprsente les points de coordonnes
M(x, f(x)).
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 7
8 6 4 2 0 2 4 6 8
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
Trigonomtrie
FIGURE 1.1 La gure montre la reprsentation de la courbe c de la fonction x sin(x)
sur le domaine [2, 2].
Pour reprsenter une fonction de R
2
dans R, on reprsente les points de coordonnes
M(x, y, f(x, y)). Il arrive souvent que lon note X = (x, y) pour dsigner un lment de
R
2
. On crira par exemple :
f : R
2
R
X = (x, y) f(x, y) = xy
La reprsentation de la surface dquation z = x
2
+ y
2
. On constate pour la construction
graphique que lintersection de la surface dquation z = x
2
+ y
2
et du plan dquation
z = k, pour k > 0 est un cercle de rayon

k. En effet, dans le plan (xOy), le cercle de


centre (x
0
, y
0
) et de rayon R, dcrit par lensemble des points M de coordonnes (x, y) a
pour quation :
(x x
0
)
2
+ (y y
0
)
2
= R
2
.
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 8
3 2 1 0 1 2 3
3
2
1
0
1
2
3
cos(t)
s
in
(
t
)
FIGURE 1.2 La gure montre la reprsentation du cercle c d quation (x x
0
)
2
+ (y
y
0
)
2
= 3
2
sur le domaine [0, 2].
Le cercle c appartient au plan dquation z = k, et dans notre exemple k = 3.
1.2.3 Reprsentation de fonctions : surfaces et Courbes de niveau
Pour une fonction (x, y) f(x, y) de 2 variables, on dessine une surface au dessus
de son domaine de dnition T.
Pour chaque couple (x
0
, y
0
) de T, un seul point (x
0
, y
0
, z
0
) appartient cette surface
(x, y, z) / (x, y) T z = f(x, y)
Exemple 1.2.3 On considre la fonction suivante (x, y) =
1
4
exp
_

x
2
2

y
2
4
_
,
1
0.5
0
0.5
1 1
0
1 0.01
0.015
0.02
0.025
0.03
0.035
0.04

y
Exact solution
x

0.015
0.02
0.025
0.03
0.035
Exact solution
0.036242
0.034034
0.029619
0
.0
2
5
2
0
5
0
.0
2
0
7
9
1 0.5 0 0.5 1
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
FIGURE 1.3 La gure montre la reprsentation dune surface gaussienne gauche et les
lignes de niveau de cette mme gaussienne droite sur le domaine = [1, 1] [1, 1].
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 9
Dnition 1.2.3 Courbe de niveau
Les courbes de niveau dune fonction (x, y) f(x, y) de 2 variables sont les courbes
dquations f(x, y) = k o k J :
Des courbes de niveau rapproches indiquent une forte variation de la fonction dans
cette rgion.
Des courbes de niveau loignes indiquent que la fonction est relativement constante
dans cette rgion.
Exemple 1.2.4 On considre la fonction suivante, dite fonction de Franke,
(x, y) =
3
4
e
1/4((9x2)
2
+(9y2)
2
)
+
3
4
e
1/49(9x2)
2
1/10(9y2)
2
+
1
2
e
1/4((9x7)
2
+(9y3)
2
)

1
5
e
(9x4)
2
(9y7)
2
0
0.5
1
0
0.5
1
0.05
0
0.05
0.1
0.15
0.2
0.25
0.3

x
Exact solution
y

0
0.05
0.1
0.15
0.2
0.25
Exact solution

0
.0
1
9
2
8
6
0
.1
1
6
0
9
0
.2
2
4
3
9
0
.0
8
9
0
1
5 0
.
0
3
4
8
6
5
0
.1
7
0
2
4
0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
FIGURE 1.4 La gure montre la reprsentation dune surface dite de Franke gauche
et les lignes de niveau de cette mme fonction de Franke droite sur le domaine =
[0, 1] [0, 1].
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 10
6 4 2 0 2 4 6
6
4
2
0
2
4
6
FIGURE 1.5 La gure montre la reprsentation des lignes de niveau de la fonction
(x, y) x
2
+ 2y
2
+ sin(2xy) sur le domaine = [6, 6] [6, 6].
1.3 Fonctions de trois ou plusieurs variables valeurs relles
Cette section est conscr aux fonctions de plusieurs variables, cest--dire dnies sur
une partie de R
n
, quon appellera son domaine de dnition.
Dnition 1.3.1 Une fonction f de n variables assigne chaque vecteur (x
1
, x
2
, . . . , x
n
)
de son domaine de dnition T R
n
une valeur relle unique, note f(x
1
, x
2
, . . . , x
n
) :
f : T R
(x
1
, x
2
, . . . , x
n
) f(x
1
, x
2
, . . . , x
n
)
Si n = 1, on dit que f est une fonction une seule variable relle.
Si n = 2, on dit que f est une fonction deux variables relles
Si n = 3, on dit que f est une fonction trois variables relles
Lensemble T est appele le domaine de dnition de f et limage J de f sur T est len-
semble des valeurs que peut prendre f sur T :
J = f(x
1
, x
2
, . . . , x
n
) / (x
1
, x
2
, . . . , x
n
) T.
Exemple 1.3.1 Soit un domaine de R
n
(n 1).
1. Pour n = 2, f(x, y) =
xy
x
2
+ y
2
.
2. Pour n = 3, f(x, y, z) =
_
x +
a
y
2
_
(y b) cz o a, b et c sont des constantes.
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 11
1.4 Fonctions valeurs vectorielles
Soit E un espace vectoriel euclidien de dimension n, avec n 2. On note par e
1
, e
2
, . . . , e
n

une base de E. Alors pour tout vecteur V de E, il existe


1
, . . . ,
n
unique tels que
V =
n

i=1

i
e
i
.
Dnition 1.4.1 On appelle fonction vectorielle dans E toute application dune partie de
R dans E.
Exemple 1.4.1 1. Soit V un vecteur non nul de E ; lapplication R E, t t.V
est une fonction vectorielle, dont limage est la droite vectorielle de vecteur directeur
V .
2. Soit (i, j) une suite de deux vecteurs de E. Lapplication R E, t t.i + t
2
.j
est une fonction vectorielle.
3. Si E = R
2
et (e
1
, e
2
) la base canonique de R
2
alors Lapplication R R
2
,
t f
1
(t).e
1
+ f
2
(t).e
2
est une fonction vectorielle o f
1
et f
2
sont deux fonctions
dune variable relle valeurs relles.
1.4.1 Composantes dune fonction vectorielle
1. Soit I une partie de R, et f : I E une fonction vectorielle. Considrons
une base B = (e
1
, . . . , e
n
) de E. Pour tout t I, il existe un unique lment
(f
1
(t), . . . , f
n
(t)) R
n
tel que :
f(t) =
n

i=1
f
i
(t).e
i
.
Les applications f
i
: I R (1 i n) sont des fonctions numriques, appeles
composantes de f dans la base B.
2. Rciproquement, soit g
1
, . . . , g
n
des fonctions numriques dnies sur I, la base B
de E tant toujours donne. Il est clair quil existe une unique fonction vectorielle
g : I E dont les composantes dans B sont g
1
, . . . , g
n
. Cette fonction g est
videmment :
g : t
n

i=1
g
i
(t).e
i
.
En rsum : Une base B de E tant xe, la donne dune fonction vectorielle
dans E quivaut celle de ses composantes dans B.
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 12
3. Soit f : I R
n
une fonction vectorielle. On crit
f(t) =
_
_
_
_
_
f
1
(t)
f
2
(t)
.
.
.
f
n
(t)
_
_
_
_
_
.
Exemple 1.4.2 Soit I un intervalle de R.
1. La fonction f : I R
2
, t
_
3t
1+t
3
,
3t
2
1+t
3
_
est vectorielle.
2. La f : [0, 2] R
3
, (cos(), sin(), 1) est vectorielle.
1.4.2 Composantes dune fonction vectorielle
1. Addition : Soit f et g deux fonctions vectorielles dans E, dnies sur la mme
partie I de R. La fonction vectorielle dans E :
I E, t f(t) + g(t),
sappelle somme de f et g, et se note f +g. Lapration (f, g) f +g est appele
addition.
2. Produit par une fonction numrique : Soit I une partie de R, f : I E une
fonction vectorielle et : I R une fonction numrique. La fonction vectorielle
dans E :
I E, t (t).f(t),
sappelle produit de f par , et se note .f.
3. Produit scalaire : Soit f et g deux fonctions vectorielles dans e, dnies sur la mme
partie I de R. La fonction numrique :
I E, t f(t) g(t) = (f(t), g(t)),
sappelle produit scalaire de f et g, et se note f g.
Remarque 1.4.1 En rgle gnrale, nous naurons affaire qu des fonctions vectorielles
dont le domaine de dnition est un intervalle de R.
1.4.3 Drives dune fonction valeurs vectorielles
Dnition 1.4.2 Soit I une partie de R, et f : I E une fonction vectorielle. Consi-
drons une base B = (e
1
, . . . , e
n
) de E. Pour tout t I, il existe un unique lment
(f
1
(t), . . . , f
n
(t)) R
n
tel que :
f(t) =
n

i=1
f
i
(t).e
i
.
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 13
On appelle drive de la fonction vectorielle f, note f

(t), la fonction vectorielle dnie


encore sur I par :
f

(t) =
n

i=1
f

i
(t).e
i
Dans la suite de cette section, On dsigne par E un espace euclidien de dimension 3.
Mouvement ponctuel. Trajectoire
Dnition 1.4.3 On appelle mouvement ponctuel dans E toute application F : I E,
deux fois drivable, dun intervalle (non rduit un point) I de R dans E.
Lintervalle I est appel intervalle de variation du temps.
Lensemble image I par F, not F(I), est appel trajectoire du mouvement.
Si F : t F(t), I E est un mouvement ponctuel, la variable t I sappelle le
temps ; un rel t I particulier sera appelun instant. Le point M = F(t) est appel
position linstant t du mouvement considr.
Repos. Mouvements rectilignes, plans et circulaires
Soit F : I E, t F(t) un mouvement ponctuel.
Le point M = F(t) est dit au repos si lapplication F est constante.
le mouvement F est dit rectiligne si la trajectoire est contenue dans une droite afne
de E.
Le mouvement F est dit plan si la trajectoire est contenue dans un plan afne de E.
Enn, le mouvement F est dit circulaire si la trajectoire est contenue dans un cercle
de rayon non nul de E.
Pour tout t I, on note x(t), y(t) et z(t) les coordonnes de F(t) dans une base orthonor-
me de E.
Vecteur-Vitesse, Vecteur-acclration
Dnition 1.4.4 Soit F : I E un mouvement ponctuel de E. Pour tout t I, on
appelle :
1. vecteur-vitesse (du point mobile) linstant t, le vecteur
dF
dt
(t) = F

(t)
not en gnral par

V (t) ; les coordonnes de

V (t) sont (x

(t), y

(t), z

(t)).
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 14
2. vecteur-acclration (du point mobile) linstant t, le vecteur
d
2
F
dt
2
(t) = F

(t)
not en gnral par

(t) ; les coordonnes de

(t) sont (x

(t), y

(t), z

(t)).
Mouvement acclr, retard, uniforme
Dnition 1.4.5 Soit F : I E un mouvement ponctuel, et, pour tout t I,

V (t) son
vecteur-vitesse.
Pour tout t I, on appelle vitesse numrique (du point mobile) linstant t, le rel
v(t) = |

V (t)|.
1.5 Drives partielles et gradient dune fonction
1.5.1 Rappel : drivation dune fonction de R dans R
Dnition 1.5.1 On dit que f est drivable en x
0
de nombre driv L en x
0
si, et seulement
si lun ou lautre des quotients
f(x)f(x
0
)
xx
0
ou
f(x
0
+h)f(x
0
)
h
admet une limite nie respecti-
vement quand x x
0
et h 0. Dans ce cas, on notera f

(x
0
) cette limite et on a :
f

(x
0
) = lim
xx
0
x=x
0
f(x) f(x
0
)
x x
0
= lim
h0
h=0
f(x
0
+ h) f(x
0
)
h
.
f

(x
0
) sappelle le nombre driv de f en x
0
.
1.5.2 Calcul de drives partielles
On suppose que la fonction f est au moins drivble une seule fois par rapport aux
deux variables x et y. La drivation dune fonction dune variable peut tre gnralise.
Les drives partielles dune fonction de deux variables x et y se calculent de la faon
suivante :
1. par rapport x : on considre que y est constant et on drive la fonction comme
fonction dune variable x. On crit
lim
xx
0
x=x
0
f(x, y) f(x
0
, y)
x x
0
= lim
h
1
0
h
1
=0
f(x
0
+ h
1
, y) f(x
0
, y)
h
1
=
f
x
(x
0
, y)
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 15
2. par rapport y : on considre que x est constant et on drive la fonction comme
fonction dune variable y. On crit
lim
yy
0
y=y
0
f(x, y) f(x, y
0
)
y y
0
= lim
h
2
0
h
2
=0
f(x, y
0
+ h
2
) f(x, y
0
)
h
2
=
f
y
(x, y
0
)
La drive partielle de f par rapport x est encore une fonction de deux variables. On la
note
f
x
. De mme, la drive partielle dune fonction f par rapport y se note
f
y
.
On peut gnraliser cette notion de drive partielle de fonctions deux variables pour des
fonctions plussieurs variables :
Dnition 1.5.2 Soit R
n
et f : R une fonction n variables relles. On
suppose que f est drivable au moins une fois par rapport sa variables x
i
pour i =
1, . . . , n. la drive partielle de f par rapport la variable x
i
, note
f
x
i
est dnie par
f
x
i
(x
1
, . . . , x
(0)
i
, . . . , x
n
) = lim
x
i
x
(0)
i
x
i
=x
(0)
i
f(x
1
, . . . , x
i
, . . . , x
n
) f(x
1
, . . . , x
(0)
i
, . . . , x
n
)
x x
(0)
i
pour tout 1 i n.
Exemple 1.5.1 1. Soit f(x, y) = x + y
2
+ sin(2xy) une fonction deux variables
relles.
f
x
(x, y) = 1 + 2y cos(2xy) et
f
y
(x, y) = 2y + 2xcos(2xy)
2. Soit F(P, V, T) =
_
P +
a
V
2
_
(V b) nRT la fonction dcrivant lquation dtat
de Van der Waals trois variables : la pression P, la temprature T et le volume V .
Les drives partielles
F
P
,
F
T
et
F
V
sont
F
P
(P, V, T) = V b
F
P
(P, V, T) = nR
et
F
V
(P, V, T) = P +
a
V
2

2a
V
3
(V b) = P
a
V
2
+
2ab
V
3
Remarque 1.5.1 En Physique, on entend souvent parler de la diffrentielle dune fonction
f. On la note df. Nous donnerons ultrieurement un sens cette notion. On a :
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 16
1. pour deux variables x et y on crit
df(x, y) =
f
x
(x, y)dx +
f
y
(x, y)dy
2. pour trois variables x, y et z on crit
df(x, y, z) =
f
x
(x, y, z)dx +
f
y
(x, y, z)dy +
f
z
(x, y, z)dz
3. pour n variables x
1
, . . . , x
n
on crit
df(x
1
, . . . , x
n
) =
f
x
1
(x
1
, . . . , x
n
)dx
1
+ . . . +
f
x
n
(x
1
, . . . , x
n
)dx
n
1.5.3 Drives partielles dordre suprieur
Soit f : R R. Nous savons dnir ( la condition qelles existent...) f

, f

, f

,
f
(4)
,. . .,f
(k)
,etc. Il sagit des drives premire, seconde, troisime et quatrime de f.
Exactement de la mme faon, il est ais de dnir :


2
f
x
2
=
f
x
_
f
x
_
: on drive deux fois par rapport x;


2
f
y
2
=
f
y
_
f
y
_
: on drive deux fois par rapport y ;


2
f
xy
=
f
x
_
f
y
_
on drive une fois par rapport y, puis une fois par rapport x ;


2
f
yx
=
f
y
_
f
x
_
on drive une fois par rapport x, puis une fois par rapport y ;
Exemple 1.5.2 g est la fonction dnie sur R
2
par : g(x, y) = x
5
e
y
.
Si x est x, y g(x, y) est bien inniment drivable sur R par rapport x (fonction
usuelle classique) et si y est x, x g(x, y) est encore inniment drivable sur R par
rapport x. On a clairement :
f
x
(x, y) = 5x
4
e
y
,
f
y
(x, y) = x
5
e
y
,

2
f
x
2
(x, y) = 20x
3
e
y
,

2
f
y
2
(x, y) = x
5
e
y
,

2
f
xy
(x, y) = 5x
4
e
y
et

2
f
yx
(x, y) = 5x
4
e
y
.
Remarque 1.5.2 si f dsigne une fonction dune variable relle x suppose drivable sur
son ensemble de dnition T, on fait la diffrence entre la fonction f

, appele fonction
drive de f, qui un rel x T, associe le nombre driv de f en x, et f

(x), qui est


un nombre rel (nombre driv de f en x). Exactement de la mme faon, si f dsigne une
fonction de deux variables drivable par rapport chacune de ses variables x et y sur un
ensemble T R
2
, on fera la diffrence entre
f
x
, fonction drive partielle de f, qui,
CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES 17
(x, y) T, associe le nombre
f
x
(x, y), appel nombre driv de f en (x, y) par rapport
la premire variable, et
f
x
(x, y), le nombre driv lui-mme.
1.5.4 Gradient dune fonction
Dnition 1.5.3 Soit R
n
et f : R une fonction n variables relles. On
suppose que f est drivable au moins une fois par rapport sa variables x
i
pour i =
1, . . . , n. Soit
f
x
i
la i
ime
drive partielle de f par rapport la variable x
i
.
On appelle gradient de f, not grad(f) := f, la fonction valeurs vectorielles dnie
sur par
f(x
1
, . . . , x
i
, . . . , x
n
) =
_
_
_
_
_
_
_
_
_
_
_
_
f
x
1
(x
1
, . . . , x
i
, . . . , x
n
)
.
.
.
f
x
i
(x
1
, . . . , x
i
, . . . , x
n
)
.
.
.
f
x
n
(x
1
, . . . , x
i
, . . . , x
n
)
_
_
_
_
_
_
_
_
_
_
_
_
1.6 Gnralisation
Soient n et p, deux entiers naturels non nuls. On dnit lespace R
n
par lensemble des
lments scrivant sous la forme (x
1
, x
2
, . . . , x
n
), avec x
1
R, x
2
R,. . ., x
n
R. R
p
se dnit exactement de la mme faon. Si lon souhaite gnraliser la notion de fonction
de plusieurs variables, on peut noter par f une fonction de U R
n
dans R
p
. U est un
ensemble contenu dans R
n
. Dans ce cas, il existe p fonctions de U R
n
valeurs dans R
que nous noterons f
1
, f
2
, . . . , f
p
et telles que pour X = (x
1
, x
2
, . . . , x
n
) U, on ait :
f(X) = f(x
1
, x
2
, . . . , x
n
) =
_
_
_
_
_
f
1
(x
1
, x
2
, . . . , x
n
)
f
2
(x
1
, x
2
, . . . , x
n
)
.
.
.
f
p
(x
1
, x
2
, . . . , x
n
)
_
_
_
_
_
.
Les diffrentes variables se notent traditionnellement de la faon suivante :
Dans R : x.
Dans R
2
: (x, y).
Dans R
3
: (x, y, z).
Dans R
4
: (x
1
, x
2
, x
3
, x
4
).
Dans R
n
, pour n 4 : (x
1
, . . . , x
n
).
Chapitre 2
Calculs de limites et continuits
2.1 Espaces vectoriels norms
Dnition 2.1.1 Soit E un espace vectoriel sur K (K = R ou C).
Une norme sur E est une application A : E [0, +[ vriant les conditions sui-
vantes :
i) A(x) = 0 x = 0
E
.
ii) A(x) = [[A(x), K, x E,
iii) A(x + y) A(x) +A(y), x, y E,
Le couple (E, A) est appel un espace vectoriel norm, avec la notation A = | |
E
.
2.1.1 Exemples despaces vectoriels norms
1. C est un espace vectoriel sur R muni de la norme
[z[ =
_
x
2
+ y
2
, o z = x + iy, x, y R
Le couple (C, [ [) est un espace vectoriel norm.
2. c([a, b], R) = f : [a, b] R continue
(a) |f| = sup
x[a,b]
[f(x)[ est une norme sur c([a, b], R).
(b) |f|
1
=
_
b
a
[f(x)[dx est aussi une norme sur c([a, b], R).
(c([a, b], R), | |) et (c([a, b], R), | |
1
) sont deux espaces vectoriels norms.
3. Soit T = x P(x) =
n

i=1
a
i
x
i
fonctions polynmiales de degr n, a
i
R, on
dnit lapplication
|P|
P
=
n

i=1
[a
i
[
18
CHAPITRE 2. CALCULS DE LIMITES ET CONTINUITS 19
Le couple (T, | |
P
) est un espace vectoriel norm.
4. c
0
(R) = f : R R fonction continue telle que lim
x
f(x) = 0
Lespace vectoriel c
0
(R) est muni de la norme de la convergence uniforme
|f|

= sup
|x|R
[f(x)[.
5. L(E, F) lespace vectoriel des applications linaires de E dans F, muni de lappli-
cation
|f|
L(E,F)
= sup
x
E
1
|f(x)|
F
est un espace vectoriel norm, o (E, ||
E
) et (F, ||
F
) sont deux espaces vectoriels
norms.
6. L(E, R) := L
R
(E) lespace vectoriel des formes linaires sur E, muni de lapplica-
tion
|f|
L
R
(E)
= sup
x
E
1
[f(x)[
est un espace vectoriel norm, o (E, | |
E
) est un espace vectoriel norm.
2.1.2 Normes sur R
n
Lespace vectoriel R
n
muni des applications suivantes :
|x|
1
=
n

i=1
[x
i
[, |x|
2
=
_
n

i=1
x
2
i
_
1/2
et |x|

= sup
1in
[x
i
[
est un espace vectoriel norm
Exercice 2.1.1 Montrer que | |
1
, | |
2
et | |

sont des normes sur R


n
.
Relations entre les normes | |
1
, | |
2
et | |

Thorme 2.1.1 On a
|x|

|x|
1
|x|
2
n|x|

, x R
n
.
En gnral, sur un espace vectoriel de dimension nie, toutes les normes sont quivalentes.
CHAPITRE 2. CALCULS DE LIMITES ET CONTINUITS 20
2.1.3 Distances
Dnition 2.1.2 Soit E un espace quelconque.
On appelle espace mtrique tout couple (E, d) o d : E E [0, +[ est une appli-
cation vriant les conditions suivantes :
i) d(x, y) = 0 x = y.
ii) d(x, y) = d(y, x), x, y E,
iii) d(x, y) d(x, z) + d(z, y), x, y, z E,
d sappelle distance o mtrique sur E.
Remarque 2.1.1 Soit (E, | |
E
) un espace vectoriel norm. Lapplication dnie sur E
E par
d(x, y) = |x y|
E
est une distance sur E.
* Cette distance est invariante par translation, cest--dire que
d(x + a, y + a) = |x + a y a|
E
= |x y|
E
= d(x, y), x, y, a E
Exemple 2.1.1 Sur R
n
o n 1, les applications suivantes
1. R
n
R
n
[0, +[, (x, y)
n

i=1
[x
i
y
i
[,
2. R
n
R
n
[0, +[, (x, y) sup
1in
[x
i
y
i
[,
sont des distances.
Proposition 2.1.1 Soit (E, d) un espace mtrique. Alors pour tout x, y et z dans E on a
[d(x, z) d(x, y)[ d(y, z).
Dmonstration. Soit x, y et z dans E, on a
d(x, z) d(x, y) + d(y, z)
d(x, y) d(x, z) + d(z, y)
alors
d(x, z) d(x, y) d(y, z)
d(x, y) d(x, z) d(z, y) = d(y, z)
donc
d(x, z) d(x, y) d(y, z)
d(y, z) d(x, z) d(x, y)
CHAPITRE 2. CALCULS DE LIMITES ET CONTINUITS 21
ce qui montre que
d(y, z) d(x, z) d(x, y) d(y, z) [d(x, z) d(x, y)[ d(y, z)

2.2 Limite dune suite de points


2.2.1 Limite dune suite de points dans un espace mtrique
Dnition 2.2.1 Soit (E, d) un espace mtrique. On dit quune suite de points (x
n
)
nN
de
E tend vers un point x de E, not x
n
x, si
lim
n+
d(x
n
, x) = 0
autrement dit si,
> 0, N

, tel que n N

d(x
n
, x) < .
On crit
lim
n+
x
n
= x
Exemple 2.2.1 Si E = R muni de la distance d(x, y) = [xy[, on retrouve bien la notion
usuelle de limite
Proposition 2.2.1 Soit (E, d) un espace mtrique et (x
n
)
nN
une suite de points de E. Si
la limite de la suite (x
n
)
nN
existe alors elle est unique.
Dmonstration. Supposons que x
n
x et x
n
x

lorsque n +alors on a pour tout


n,
0 d(x, x

) d(x, x
n
) + d(x
n
, x

)
A la limite, on obtient d(x, x

) 0 + 0 = 0, donc d(x, x

) = 0 et x = x

.
Dnition 2.2.2 Soit (E, d) un espace mtrique. Une suite (x
n
)
nN
de points de E est dite
suite de Cauchy si et seulement si
> 0, N

N, tel que n, m N

d(x
n
, x
m
) < .
Dnition 2.2.3 Un espace mtrique (E, d) muni de la distance d est dit complet si toute
suite de Cauchy converge.
Proposition 2.2.2 Soit (E, d) un espace mtrique et (x
n
)
nN
une suite de points de E
convergeant vers x dans E. Alors (x
n
)
nN
est une suite de Cauchy dans E.
CHAPITRE 2. CALCULS DE LIMITES ET CONTINUITS 22
Dmonstration.soit (x
n
)
nN
une suite de points de E convergeant vers x dans E. Soit
> 0, il existe N

tel que
n N

d(x
n
, x) < /2,
alors pour m n N

on a
d(x
m
, x
n
) d(x
m
, x) + d(x, x
n
) /2 + /2 = ,
ce qui prouve le rsultat.
Remarque 2.2.1 Une suite de Cauchy na pas toujours de limite.
2.2.2 Limite dune suite dans un espace vectoriel norm
Dnition 2.2.4 Soit (E, | |
E
) un espace vectoriel norm. On dit quune suite de points
(x
n
)
nN
de E tend vers un point x de E, not x
n
x, si
lim
n+
|x
n
x|
E
= 0
autrement dit si,
> 0, N

, tel que n N

|x
n
x|
E
< .
On crit
lim
n+
x
n
= x dans E
Proposition 2.2.3 Soit (E, | |
E
) un espace vectoriel norm et (x
n
)
nN
une suite dans E.
Si la limite de la suite (x
n
)
nN
existe alors elle est unique.
Dmonstration. Supposons que x
n
x et x
n
x

lorsque n +alors on a pour tout


n,
0 |x

x|
E
|x
n
x|
E
+|x
n
x

|
E
A la limite, on obtient |x

x|
E
0 + 0 = 0, donc |x

x|
E
= 0 et x = x

.
Dnition 2.2.5 Soit (E, | |
E
) un espace vectoriel norm. Une suite (x
n
)
nN
de points
de E est dite suite de Cauchy si et seulement si
> 0, N

N, tel que n m N

|x
n
x
m
|
E
< .
Dnition 2.2.6 Un espace vectoriel norm (E, | |
E
) est dit complet si toute suite de
Cauchy converge.
CHAPITRE 2. CALCULS DE LIMITES ET CONTINUITS 23
Proposition 2.2.4 Soit (E, | |
E
) un espace vectoriel norm et (x
n
)
nN
une suite de points
de E convergeant vers x dans E. Alors (x
n
)
nN
est une suite de Cauchy dans E.
Dmonstration.soit (x
n
)
nN
une suite de points de E convergeant vers x dans E. Soit
> 0, il existe N

tel que
n N

|x
n
x|
E
< /2,
alors pour m n N

on a
|x
m
x
n
|
E
|x
m
x|
E
+|x x
n
|
E
/2 + /2 = ,
ce qui prouve le rsultat.
2.2.3 Cas de lespace R
n
Lespace R
n
est de dimension nie, alors toutes les normes sont quivalentes entre
elles. La notion de la limite est la mme pour toutes les normes.
Thorme 2.2.1 Soit (x
m
)
mN
une suite dans R
n
et x un lment de R
n
. Posons
x
m
= (
(1)
m
,
(2)
m
, . . . ,
(n)
m
), x = (
1
,
2
, . . . ,
n
).
Pour que x
m
tende vers x dans R
n
, il faut et il suft que

(1)
m

1
,
(2)
m

2
, . . . ,
(n)
m

n
Dmonstration.
|x
n
x|
R
n 0 [
(1)
m

1
[ +[
(2)
m

2
[ + . . . +[
(n)
m

n
[ 0
[
(1)
m

1
[ 0, [
(2)
m

2
[ 0, . . . , [
(n)
m

n
[ 0
puisquil sagit de terme positifs.
Thorme 2.2.2 (Critre de Cauchy dans R
n
) : Pour quune suite de points de R
n
ait
une limite, il faut et il suft que ce soit une suite de Cauchy.
2.3 Limite dune application
2.3.1 Limite dune application dun espace mtrique dans un autre
Dnition 2.3.1 Soit (E, d) et (F, ) deux espaces mtriques et soit f : E F une
application, a E et F. On dit que f(x) tend vers , not f(x) , quand x tend
vers a si, tout nombre > 0, on peut faire correspondre un nombre

> 0 tel que


d(x, a)

(f(x), ) .
CHAPITRE 2. CALCULS DE LIMITES ET CONTINUITS 24
On crit alors
lim
xa
f(x) = .
Plus gnralement,
Dnition 2.3.2 Soit (E, d) et (F, ) deux espaces mtriques et A une partie de E, et soit
f : E F une application, a E et F. On dit que f(x) tend vers quand x tend
vers a en restant dans A si, tout nombre > 0, on peut faire correspondre un nombre

> 0 tel que


(x A, et d(x, a)

) (f(x), ) .
On crit alors
lim
xa
xA
f(x) = .
Proposition 2.3.1 Soit (E, d) et (F, ) deux espaces mtriques et soit f : E F une
application, a E. Si la limite F de f(x) au sens de la dnition prcdente existe,
alors = f(a).
Dmonstration.Soit > 0, pour tout > 0 on a d(a, a) = 0 , donc (f(a), ) ,
comme est arbitraire, on a (f(a), ) = 0, do f(a) = .
2.3.2 Limite dune application dun espace vectoriel norm dans un
autre
Dnition 2.3.3 Soit (E, | |
E
) et (F, | |
F
) deux espaces vectoriels norms et soit f :
E F une application, a E et F. On dit que f(x) tend vers , not f(x) ,
quand x tend vers a si, tout nombre > 0, on peut faire correspondre un nombre

> 0
tel que
|x a|
E

|f(x) |
F
.
On crit alors
lim
xa
f(x) = .
Proposition 2.3.2 Soit (E, | |
E
) et (F, | |
F
) deux espaces vectoriels norms et soit
f : E F une application, a E. Si la limite F de f(x) au sens de la dnition
prcdente existe, alors = f(a).
Dmonstration.Soit > 0, pour tout > 0 on a |aa|
E
= 0 , donc |f(a)|
F
,
comme est arbitraire, on a |f(a) |
F
= 0, do f(a) = .
CHAPITRE 2. CALCULS DE LIMITES ET CONTINUITS 25
2.4 Applications continues
2.4.1 Applications continues dun espace mtrique dans un autre
Dnition 2.4.1 Soient (E, d) et (F, ) deux espaces mtriques,
1. f une application de E dans F, x
0
un point de E. On dit que f est continue en x
0
si
lim
xx
0
f(x) = f(x
0
).
Autrement dit, f est continue en x
0
si
> 0,

> 0, tel que d(x, x


0
)

(f(x), f(x
0
)) .
2. On dit que f est continue dans e si elle continue en tout point de E.
Thorme 2.4.1 Soient (E, d), (F, ) et (G, ) trois espaces mtriques, f : E F et
g : F G des applications continues. Alors g f : E G est une application continue.
Dmonstration.Soit x
0
dans e et soit > 0. Posons y
0
= f(x
0
). il existe un nombre

> 0
tel que
d(y, y
0
)

d(g(y), g(y
0
))
Puis il existe un nombre > 0 tel que
d(x, x
0
)

d(f(x), f(x
0
))

Alors d(x, x
0
)

implique successivement d(f(x), y


0
)

, puis
d(x, x
0
)

d(g(f(x)), g(f(x
0
))) .
Ceci prouve la continuit de g f en x
0
.
Exemple 2.4.1 1. Soient I un intervalle de R, et t M(t) R
3
une application.
Dire que cette application est continue en t
0
signie que, pour tout > 0, il existe

> 0 tel que


t I et [t t
0
[

d(M(t), M(t
0
)) .
Supposons choisis une origine et une base de lespace vectoriel R
3
. Le point M(t)
a alors des cordonnes t x(t), t y(t) et t z(t). Dire que lapplication
t M(t) est continue en t
0
revient dire que les fonctions t x(t), t y(t) et
t z(t) sont continues en t
0
.
CHAPITRE 2. CALCULS DE LIMITES ET CONTINUITS 26
2. Soient I un intervalle de R, et t f(t) R
n
une application. On a pour tout
t I,
f(t) = (f
1
(t), f
2
(t), . . . , f
n
(t))
o f
1
, f
2
, . . . , f
n
sont des fonctions de I dans R. Lapplication f est continue en t
0
si et seulement si f
1
, f
2
, . . . , f
n
sont continues en t
0
.
3. Soient E une partie de R
2
et f une application de E dans R(autrement dit, une fonc-
tion relle de deux variables relles). Soit (x
0
, y
0
) dans E. La notion de continuit
de f en (x
0
, y
0
) est la mme pour toutes les distances connues sur R
2
; elle signie
que > 0, > 0, tel que
(x, y) E et et sup([x x
0
[, [y y
0
[) [f(x, y) f(x
0
, y
0
)[ .
Thorme 2.4.2 Soient (E, d) un espace mtrique et a un point de E. Alors la fonction
x d(a, x) dans est continue.
Dmonstration. Soient x
0
dans E et > 0. Si x dans E est tel que d(x, x
0
) , on a,
[d(a, x) d(a, x
0
)[ d(x, x
0
)
donc il suft de prendre

= .
2.4.2 Prolongement par continuit dun espace mtrique dans un autre
Thorme 2.4.3 Soit f une fonction de deux variables dnie sur une partie E = X
0
de R
n
, o X
0
= (
1
,
2
, . . . ,
n
) est un lment de . Supposons que f soit continue sur E
et que lon ait :
lim
XX
0
f(X) = R.
Alors la fonction

f dnie par

f(X) =
_
f(X), si X E,
, si X = X
0
.
est une fonction continue. Cest le prolongement par continuit de la fonction f en X
0
.
Remarque 2.4.1 tous les rsultats que nous venons dobtenir peuvent tre gnraliss trs
facilement aux fonctions de R
n
dans R, puis aux fonctions de R
n
dans R
p
.
Exemple 2.4.2 Soit f une fonction dnie sur T = R
2
(0, 0) par f(x, y) =
x
3
+ y
3
x + y
.
(x, y) T, [f(x, y)[

x
3
x + y

y
3
x + y

x
3
x

y
3
y

[x[
2
+[y[
2
0
CHAPITRE 2. CALCULS DE LIMITES ET CONTINUITS 27
lorsque (x, y) (0, 0). Par consquence, on a
lim
(x,y)(0,0)
f(x, y) = 0
Alors la fonction

f dnie par

f(x, y) =
_
_
_
x
3
+ y
3
x + y
, si (x, y) ,= (0, 0),
0, si (x, y) = (0, 0).
est lextension de f en (0, 0).
Chapitre 3
Diffrentiabilit de fonctions de
plusieurs variables
3.1 Drive directionnelle
3.1.1 Drive suivant un vecteur
Dnition 3.1.1 soit E et F deux R-espaces vectoriels, un ouvert non vide de E, une
application f : F et un vecteur v E0
E
.
1. Si a , on dit que f est drivable en a suivant le vecteur v si et seulement si la
fonction t f(a + t.v) (qui est dnie au voisinage de 0 dans R puisque est
ouvert) est drivable en 0.
Sil en est ainsi, le vecteur
d
dt
[f(a + t.v)]
t=0
sappelle drive de f suivant v en a
et nous le noterons
df
dv
(a).
2. On dit que f est drivable sur suivant v si et seulement si
df
dv
(a) existe en tout
a .
Exemple 3.1.1 Pour E = R
n
et F = R
m
, et v = e
i
le i
eme
-vecteur de la base canonique
de R
n
. Dire que quune application f : R
n
R
m
est drivable en a dans la direction e
i
est quivalent de dire que
lim
t0
f(a + te
i
) f(a)
t
=
f
e
i
(a), i = 1, . . . , n
existe.
Remarque 3.1.1 1. Pour a R
n
et v R
n
0 xs, f est drivable en a suivant
v si et seulement si ( R

) f est drivable en a suivant v.


sil en est ainsi, on a :
( R

),
f
(v)
(a) =
f
v
(a).
28
CHAPITRE 3. CALCUL DIFFRENTIEL 29
Lexistence de
f
v
(a) ne dpend donc que de la droite vectorielle T = Rv. On parle
de drivabilit de f (en a, respectivement sur ) suivant la direction T.
2. Pour v R
n
0 x, lensemble des fonction f : R
m
admettant en a une
drive suivant le vecteur v est un sous-R-e.v. de T(, R
m
), sur lequel lapplication
f
f
v
(a) est linaire.
3. Loprateur

v
se comporte comme la drivation des fonctions dune variable relle :
si F
1
, F
2
et G sont trois R-e.v. et quon donne une application bilinaire F
1
F
2

G, (x, y) x.y, pour toutes fonctions f
1
: F
1
et f
2
: F
2
admettant en
a une drive suivant v, la fonction f
1
f
2
: G, x f
1
(x) f
2
(x) en
admet aussi une, et on a :
(f
1
f
2
)
v
(a) =
f
1
v
(a) f
2
(a) + f
2
(a)
f
2
v
(a).
4. Si f
1
: F
1
et f
2
: F
2
sont donnes quelconques et quon pose f =
(f
1
, f
2
) : F
1
F
2
, alors
f
v
(a) existe si et seulement si
f
1
v
(a) et
f
2
v
(a) existent,
et alors on a :
f
v
(a) =
_
f
1
v
(a),
f
2
v
(a)
_
.
5. Si f : C

(o C est considr comme R-e.v.) admet en a une drive suivant v,


alors
1
f
aussi et on a :

v
_
1
f
_
(a) =
1
f
2
(a)
f
v
(a)
3.1.2 Drives relatives une base
Soit E = R
n
, F = R
m
, R
n
et f : R
m
. On considre B = e
1
, e
2
, . . . , e
n

une base de E.
Nous dirons que f admet au point a (resp. sur ) une drive par rapport la i
eme
coordonnes dans B si et seulement si
f
e
i
(a) existe (resp.
f
e
i
existe sur ).
On dit que f est drivable en a (resp. sur ) dans la base B si et seulement si tous
les vecteurs
f
e
i
(a), 1 i n existent (resp. si et seulement si toutes les fonctions
f
e
i
, 1 i n, existent sur ).
3.1.3 Vision de la physique de la drive selon un vecteur
La notion de la drive directionnelle est souvent utilise en physique, lespace de
dpart tant un espace euclidien afne R
3
, et lespace darrive tant la droite R. Si le
vecteur v est un vecteur unitaire normal en un point a une surface o, alors la drive
f

(a) v est appele drive normale o au point a, et dsigne par


f
n
(a) : cest la
CHAPITRE 3. CALCUL DIFFRENTIEL 30
projection de f = gradf sur v. Mais on prendra garde qu chacun des deux vecteurs
unitaires normaux o en a correspond une valeur de la drive normale de f, et que ces
deux valeurs sont opposses : pour dnir sans ambigut la drive normale
f
n
(a), il faut
donc orienter la normale o en a.
3.2 Diffrentiabilit
3.2.1 Applications diffrentiables
Soient E = R
n
, F = R
m
et un ouvert de E.
Dnition 3.2.1 On dit que f
1
: R
m
et f
2
: R
m
sont tangentes en un point
a si la quantit
M(r) = sup
xar
|f
1
(x) f
2
(x)|,
qui est dnie pour r > 0 assez petit (puisque est ouvert), satisfait la condition
lim
r0
r>0
M(r)
r
= 0.
*La condition lim
r0
r>0
M(r)
r
= 0 implique que la fonction f
1
f
2
est continue au point a et
prend la valeur 0 au point a
Dnition 3.2.2 On dit que f : R
m
est diffrentiable au point a ssi les condi-
tions suivantes sont vries :
i) f est continue au point a ;
ii) il existe une application linaire g : R
n
R
m
telle que les applications x
f(x) f(a) et x g(x a) soient tangentes au point a. cette condition sexprime
ainsi :
lim
xa
|f(x) f(a) g(x a)|
|x a|
= 0
Lapplication g que dnit lapplication diffrentiable f est un lment de L(R
n
, R
m
),
quon notera f

(a), et quon appellera la drive de lapplication f au point a.


Un dnition quivalente est celle-ci : f est diffrentiable au point a sil existe une
application g L(R
n
, R
m
) telle que
lim
xa
|f(x) f(a) g(x a)|
|x a|
= 0.
CHAPITRE 3. CALCUL DIFFRENTIEL 31
Nous rcrivons la dnition avec la notation f

(a) :
lim
xa
|f(x) f(a) f

(a)(x a)|
|x a|
= 0
o bien
|f(x) f(a) f

(a)(x a)| = o(|x a|).


En effet, f

(a) = f(a)
Proposition 3.2.1 Si f est diffrentiable au point a, alors lapplication linaire g est unique
et elle est continue.
Dmonstration.Sil existait deux applications linaires g
1
et g
2
vriant la dnition pr-
cdente, on verrait, par diffrence, que lapplication linaire M = g
1
g
2
vrierait :
lim
xa
M(x a)
|x a|
R
n
= lim
xa
g
1
(x a) g
2
(x a)
|x a|
R
n
= 0.
Or il est facile de voir quune application linaire M, de R
n
dans R
m
, qui satisfait
lim
xa
M(x a)
|x a|
R
n
= 0
est une application nulle : en effet, > 0, h > 0, tel que |x a|
R
n on a
|M(x a)|
R
m |x a|
R
n
lorsque on fait tendre vers 0, on obtient M(x a) = 0 do g
1
= g
2
.
Exemple 3.2.1 Soit un ouvert de R; alors f : R
m
est une fonction dune variable
relle. La diffrentiabilit de f au point a quivant lexistence dun lment c R
m
tel
que
|f(x) f(a) (x a)c| = o(|x a|);
autrement dit, le quotient
f(x) f(a)
x a
(pour x ,= a
doit avoir une limite c R
m
lorsque x tend vers a.
Si cette limite c est note f

(a), lapplication linaire


t tf

(a)
de R dans R
m
est un lment de L(R, R
m
).
Dnition 3.2.3 On dit que f est diffrentiable dans si f est diffrentiable en tout point
de .
CHAPITRE 3. CALCUL DIFFRENTIEL 32
3.2.2 Matrice jacobienne et Gradient dune application
Soit f : R
n
R
m
une application dnie par
f(X) = (f
1
(X), f
2
(X), . . . , f
m
(X))
o X = (x
1
, . . . , x
n
) R
n
. Supposons que lapplication est diffrentiable sur R
n
.
Pour m = 1. On appelle Gradient de f au point X
0
, not f(X
0
) =

gradf(X
0
),
est le vecteur pointant dans la direction de croissance maximale de la fonction f o
bien il est le vecteur dnie par
f(X
0
) =
_
_
_
_
_
_
_
f
x
1
(X
0
)
f
x
2
(X
0
)
.
.
.
f
xn
(X
0
)
_
_
_
_
_
_
_
Pour m > 1. On appelle Gradient de f au point X
0
, not f(X
0
) := J
f
(X
0
), la
matrice jacobienne de taille (n m) dnie par
J
f
(X
0
) =
_
f
i
x
j
(X
0
)
_
1in
1jm
=
_
_
_
_
_
_
_
_
_
f
1
x
1
(X
0
)
f
1
x
2
(X
0
) . . .
f
1
xn
(X
0
)
f
2
x
1
(X
0
)
f
2
x
2
(X
0
) . . .
f
2
xn
(X
0
)
.
.
.
.
.
.
.
.
.
.
.
.
fm
x
1
(X
0
)
fm
x
2
(X
0
) . . .
fm
xn
(X
0
)
_
_
_
_
_
_
_
_
_
la matrice jacobienne dune application diffrentiable f : R
n
R
m
est une matrice
carre si n = m.
Exemple 3.2.2 1. Lapplication f : R
2
R, (x, y) f(x, y) = xy est diffrentiable
en tout point de R
2
et sa diffrentielle est une application linaire L : R
2
R,
(u, v) L(u, v) = y
0
u = x
0
v = f(x
0
, y
0
) (u, v)
T
avec L = f

(x
0
, y
0
). Le
gradient
f(x
0
, y
0
) = (y
0
, x
0
)
T
2. Lapplication g : R
2
R
2
, (x, y) g(x, y) = (g
1
(x, y), g
2
(x, y)) = (x + y, xy)
est diffrentiable en tout point (x
0
, y
0
) de R
2
, sa diffrentielle au point (x
0
, y
0
) tant
une application linaire, L : R
2
R
2
, (u, v) (u + v, y
0
u + x
0
v). L est lendo-
morphisme de R
2
R
2
associ la matrice jacobienne
J
g
(x
0
, y
0
) =
_
g
1
x
(x
0
, y
0
)
g
1
y
(x
0
, y
0
)
g
2
x
(x
0
, y
0
)
g
2
y
(x
0
, y
0
)
_
=
_
1 1
y
0
x
0
_
CHAPITRE 3. CALCUL DIFFRENTIEL 33
Proprit 3.2.1 Soit f, g : R
n
R
m
deux applications diffrentiables en X
0
, et soit
R, alors
1. (f + g)(X
0
) = f(X
0
) +g(X
0
),
2. (f.g)(X
0
) = g(X
0
) f(X
0
) + f(X
0
) g(X
0
),
3. (f)(X
0
) = f(X
0
).
3.3 Drivation des fonctions composes
Dnition 3.3.1 Soient fR
n
R
m
et g : R
m
R
p
deux applications. On appelle
compose, de g avec f, lapplication h := g f : R
n
R
p
.
3.3.1 Diffrentiabilit des applications composes
Thorme 3.3.1 Si f est diffrentiable au point a, et si g est diffrentiable au point b =
f(a), alors h := g f est diffrentiable au point a et sa diffrentielle est le compos des
diffrentielles de f et g, soit h

(a) = g

(b) f

(a)
3.3.2 Rgle pratique
Utilisons les notations diffrentielles, et posons :
df
a
= f

(a).dx et dg
b
= g

(b).dy
on a alors
dh
a
= [g

(b) f

(a)] .dx = g

(b). [f

(a).dx]
En dautres termes on obtient la diffrentielle de h := g f en remplaant, dans la
diffrentielle de g, lindtermin dy par la diffrentielle de f.
Cette rgle de substitution permet de calculer de faon mcanique les diffrentielles des
applications composes. Nous allons en donner quelques exemples simples, mais impor-
tant :
3.3.3 Exemples pratiques
Soit f une fonction numrique diffrentiable au point a. En composant f avec chacune
des fonctions g
i
(de R dans R) dnies par :
g
1
(x) = x
n
; g
2
(x) = e
x
; g
3
(x) =
1
x
; g
4
(x) = log(x)
on obtient :
CHAPITRE 3. CALCUL DIFFRENTIEL 34
Proposition 3.3.1 Soit f une fonction numrique diffrentiable au point a. Alors les fonc-
tions composes f
n
: x (f(x))
n
, o n N, et e
f
: x exp(f(x)), sont diffrentiables
en a. Si on suppose f(a) ,= 0, les fonctions qui suivent sont aussi diffrentiables en a :
1
f
: x
1
f(x)
et log [f[ : x log [f(x)[.
Les diffrentielles de ces fonctions sont donnes par les formules
1. (n N) : d(f
n
) = nf
n1
df, d(e
f
) = e
f
df.
2. d(
1
f
) =
df
f
, d(log [f[) =
df
f
.
3.3.4 Diffrentielle dun produit et dun quotient
Dsignons par f et g deux fonctions numriques dnies sur un mme voisinage V de
a, et diffrentiables en a. La fonction numrique
h = fg : x f(x)g(x)
peut tre considre comme compose des applications
: V R
2
, x (f(x), g(x))
et
p : R
2
R, (u, v) uv.
Nous avons dj tabli que p est diffrentiable sur R
2
, sa diffrentielle tant dnie par
d(uv) = udv + vdu
dautre part, est diffrentiable au point a, sa diffrentielle tant lapplication linaire
E R
2
, dx (f

(a).dx, g

(a).dx)
Donc h = p est diffrentiable au point a ; et sa diffrentielle sobtient, partir de
lexpression de d(uv), en remplaant u par f, v par g, du par df
a
et dv par dg
a
.
On obtient ainsi
d(fg)
a
= f(a)dg
a
+ g(a)df
a
;
= f(a)g

(a).dx + g(a)f

(a).dx
Si les fonctions f et g sont diffrentiables en tout point dun ouvert U de E, leur produit
est diffrentiable sur U, et on peut crire simplement
d(fg)
a
= f(a)dg
a
+ g(a)df
a
.
CHAPITRE 3. CALCUL DIFFRENTIEL 35
En combinant ce rsultat avec la proprit de drivabilit de x
1
f(x)
, si g ne sannule pas
alors
d
_
f
g
_
a
=
g(a)df
a
f(a)dg
a
(g(a))
2
On en dduit de l que la fonction x arctan
_
f(x)
g(x)
_
est diffrentiable, et vrie :
d
_
arctan
f
g
_
a
=
g(a)df
a
f(a)dg
a
(f(a))
2
+ (g(a))
2
.
3.3.5 Le jacobien dune application f : R
n
R
m
tant donne une application diffrentiable f : R
n
R
m
de matrice jacobienne
J
f
(X
0
) =
_
f
i
x
j
(X
0
)
_
1in
1jm
=
_
_
_
_
_
_
_
_
_
f
1
x
1
(X
0
)
f
1
x
2
(X
0
) . . .
f
1
xn
(X
0
)
f
2
x
1
(X
0
)
f
2
x
2
(X
0
) . . .
f
2
xn
(X
0
)
.
.
.
.
.
.
.
.
.
.
.
.
fm
x
1
(X
0
)
fm
x
2
(X
0
) . . .
fm
xn
(X
0
)
_
_
_
_
_
_
_
_
_
en le point X
0
.
Dnition 3.3.2 1. La matrice J
f
(X
0
) est une matrice carre si n = m.
2. Dans ce cas, on appelle jacobien de f, not j
f
(X
0
), le dterminant de la matrice
jacobienne J
f
(X
0
). On le note souvent par
j
f
(X
0
) =
D(f
1
, f
2
, . . . , f
n
)
D(x
1
, x
2
, . . . , x
n
)
(X
0
) = det(J
f
(X
0
)).
On ne peut parler du jacobien que si la matrice jacobienne est une matrice carre.
On lappelle aussi dterminant fonctionnel.
Exemple 3.3.1 1. Soit f : R
2
R
2
, (r, ) (r cos(), r sin()) : sa matrice jaco-
bienne dans la base canonique est :
J
f
(r, ) =
_
cos() r sin()
sin() r cos()
_
et son jacobien au point (r, ) est
D(r cos(), r sin())
D(r, )
(r, ) = r.
CHAPITRE 3. CALCUL DIFFRENTIEL 36
2. Soit f : R
3
R
3
, (r, , ) (r sin() sin(), r sin() cos(), r cos()) : sa
matrice jacobienne dans la base canonique est :
J
f
(r, , ) =
_
_
sin() sin() r sin() cos() r cos() sin()
sin() cos() r sin() sin() r cos() cos()
cos() 0 r sin()
_
_
et son jacobien au point (r, , ) est
D(r sin() sin(), r sin() cos(), r cos())
D(r, , )
(r, , ) = r
2
sin().
3. Soit f : R
3
R
3
,(x, y, z) ((x y)
2
z
2
, (x y)
2
z
2
, x(x y)z
2
) : sa matrice
jacobienne dans la base canonique est :
J
f
(x, y, z) =
_
_
2(x y)z
2
2(x y)z
2
2(x y)
2
z
2(x y)z
2
2(x y)z
2
2(x y)
2
z
(2x y)z
2
xz
2
2xz(x y)
_
_
Thorme 3.3.2 Soient U (resp. V ) un ouvert de R
n
(resp. R
p
) et soit f : U V ;
g : V R
m
. On suppose que f est diffrentiable en a, et g diffrentiable en f(a). Alors
g f a pour matrice jacobienne J
gf
(a) :
J
gf
(a) = J
g
(f(a)).J
f
(a)
o J
gf
(a) /
m,n
(R) ; J
g
(f(a)) /
m,p
(R) et J
f
(a) /
p,n
(R).
Ce thorme permet deffectuer, pratiquement, des changements de variables.
Exemple 3.3.2 Pour n = 2, p = 3 et m = 2. Notons h = g f, et
(x
1
, x
2
) (f
1
(x
1
, x
2
), f
2
(x
1
, x
2
), f
3
(x
1
, x
2
)),
(u
1
, u
2
, u
3
) (g
1
(u
1
, u
2
, u
3
), g
2
(u
1
, u
2
, u
3
)).
Alors
_
_
h
1
x
1
h
1
x
2
h
2
x
1
h
2
x
2
_
_
=
_
_
_
_
_
_
_
g
1
u
1
g
1
u
2
g
1
u
3
g
2
u
1
g
2
u
2
g
2
u
3
g
3
u
1
g
3
u
2
g
3
u
3
_
_
_
_
_
_
_
_
_
_
_
_
_
_
f
1
x
1
f
1
x
2
f
2
x
1
f
2
x
2
f
3
x
1
f
3
x
2
_
_
_
_
_
_
_
par exemple :
h
1
x
1
(a) =
g
1
u
1
(f(a))
f
1
x
1
(a) +
g
1
u
2
(f(a))
f
2
x
1
(a) +
g
1
u
3
(f(a))
f
3
x
1
(a)
CHAPITRE 3. CALCUL DIFFRENTIEL 37
3.3.6 Divergence et Laplacien dune application
Soit f : R
n
R une application dnie pour tout X = (x
1
, . . . , x
n
) R
n
par
(x
1
, . . . , x
n
) f(x
1
, . . . , x
n
)
On suppose que f est deux fois diffrentiable en tout point de R
n
.
On appelle divergence de f, not divf := f, lapplication dnie de R
n
R
par
divf(X
0
) =
f
x
1
(X
0
) + . . . +
f
x
n
(X
0
)
pour tout X
0
R
n
.
On appelle Laplacien de f, not f := div(f) :=
2
f, lapplication dnie de
R
n
R par
f(X
0
) := (div)f(X
0
) =

2
f
x
2
1
(X
0
) + . . . +

2
f
x
2
n
(X
0
)
pour tout X
0
R
n
.
Proprit 3.3.1 Soit f, g : R
n
R deux applications diffrentiables en X
0
, et soit
R, alors
1. div(f + g)(X
0
) = div(f)(X
0
) + div(g)(X
0
),
2. div(f.g)(X
0
) = g(X
0
)div(f)(X
0
) + f(X
0
)div(g)(X
0
),
3. div(f)(X
0
) = div(f)(X
0
).
3.4 Drives successives. Fonctions de calsse c
k
Dnition 3.4.1 Soit U R
n
, et f : U R admet des drives partielles dans un
voisinage V de a.
si lapplication a
f
x
i
(a), dnie sur V , admet en a une drive partialle dindice j, on
la note

2
f
x
j
x
i
(a) ( et

2
f
x
2
i
(a) si i = j) : cest une drive partielle seconde de f en a.
On a donc

2
f
x
j
x
i
(a) =
_
f
x
j
_
f
x
i
__
(a).
Thorme 3.4.1 (Thorme de Schwarz)
Si f admet des drives partielles secondes

2
f
x
j
x
i
et

2
f
x
i
x
j
dans un voisinage de a, et si
ces drives partielles sont continues en a, alors :

2
f
x
j
x
i
(a) =

2
f
x
i
x
j
(a)
Remarque 3.4.1
CHAPITRE 3. CALCUL DIFFRENTIEL 38
3.5 Linarit locale et diffrentielle
3.5.1 Diffomorphismes
Dnition 3.5.1 Soient U et V deux ouverts de R
n
. Une application : U V est un
diffomorphisme si
i) est bijective diffrentiable.
ii)
1
est bijective diffrentiable de V dans U.
*Pour tout a U, J

(a) est inversible avec


J

1((a)) = [J

(a)]
1
.
*Le jacobien ne sannule pas et j

1 =
1
j

.
*On dit que est un c
1
-diffomorphisme si est une bijection de classe c
1
ainsi que
1
.
Dans ce cas lapplication a j

(a) est continue sur U.


3.5.2 Thorme dinversion locale
Thorme 3.5.1 Soit U un ouvert de R
n
, et f : U R
n
une application de classe c
1
dans
U telle que la matrice jacobienne J
f
(a) soit inversible. Alors il existe un voisinage W
1
(resp. W
2
) de a (resp. f(a)) tel que f : W
1
W
2
soit un c
1
-diffomorphisme.
3.6 Formule des accroissements nis
Dnition 3.6.1 Soit U un ouvert de R
n
, et soit f : U R une application diffrentiable
sur U. Soient a et a + h deux lments de U tel que le segment [a, a + h] U. Alors il
existe un rel ]0, 1[ tel que
f(a + h) f(a) =
n

i=1
h
i
.
f
x
i
(a + .h)
o h = (h
1
, . . . , h
n
)
Remarque 3.6.1 Ce rsultat ne stend pas au cas o f est valeurs dans R
p
(p > 1)
Thorme 3.6.1 Soient [a, b] un intervalle ferm born, et f : [a, b] R
n
une applica-
tion. Soit g : [a, b] R une fonction continue.
Si f et g sont diffrentiables dans ]a, b[ et si |f

(x)| g

(x), x ]a, b[, alors


|f(b) f(a)| g(b) g(a).
CHAPITRE 3. CALCUL DIFFRENTIEL 39
Corollaire 3.6.1 Soit f : [a, b] R
n
une application ayant une drive borne sur ]a, b[,
cest--dire, ici, sil existe M > 0 tel que
z ]a, b[ , |f

(z)| M,
alors
(x, y ]a, b[) on a |f(y) f(x)| K[y x[.
Proposition 3.6.1 (Ingalit des accroissements nis)
Si U est un ouvert convexe et si df est borne sur U, cest--dire, ici, sil existe M > 0 tel
que
(z U) (i)

f
x
i
(z)

M,
alors
(K > 0) ((a, b) U
2
) [f(b) f(a)[ K|b a|.
3.7 Applications sur le calcul diffrentiel : Thorme des
fonctions Implicites et applications
Introduction
Considrons lquation
x
5
x
2
y + y
3
x
2
y
4
= 0.
Les points de R
2
dont les coordonnes vrient cette quation forment une courbe qui
passe par le point (1, 1).
1. Est-ce que possde une tangente en ce point ?
2. Si oui, comment la trouver ?
Dans ce chapitre, on aborde ce genre de problme.
3.7.1 Dnition et existence
Dnition 3.7.1 Soit (x, y) f(x, y) une fonction relle dnie dans une partie de R
2
.
On appelle fonction implicite dnie par lquation f(x, y) = 0 toute fonction y = (x),
dnie dans un intervalle I de R, telle que
f(x, (x)) = 0 pour tout x dans I
CHAPITRE 3. CALCUL DIFFRENTIEL 40
Exemple 3.7.1 1. Lquation x
2
+y
2
= 1 dnit y comme une fonction implicite de x.
On peut dailleurs crire dans cet exemple une expression explicite de y :
y =

1 x
2
, x [1, 1]
2. Lquation y
5
4y
4
+ 4xy
2
x
2
= 0 dnit y comme une fonction implicite de
x (pour tout x rel, on a une quation de degr impair en y, qui admet donc au
moins une solution). On ne sait pas exprimer cette fonction laide de fonctions
lmentaires.
3.7.2 Courbes planes implicites
Soit f : R
2
unee fonction de classe c
k
(k 1) sur un ouvert du plan R
2
.
Lensemble des points M(x, y) tels que f(x, y) = 0 est appele la courbe implicite
dnie par f 0 :
= M(x, y) , f(x, y) = 0
Dnition 3.7.2 Un point M(x, y) de la courbe est dit ordinaire (ou rgulier) sil est
tel que :
f(M) =
_
f
x
(x, y),
f
y
(x, y)
_
,= (0, 0).
1. La courbe est dite rgulire si f(M) ,= 0 pour tout point M.
2. Le point M est dit singulier si f(M) = 0.
Notons que limage rciproque dune valeur y de Rest la solution de lquation f(M) = y,
en un point M de R
2
.
Par consquent la courbe , dnie par lquation f = 0, est := f
1
(0), limage rci-
proque de 0.
Plus gnralement, une courbe
k
dnie par lquation f(x, y) = k est appele une
courbe diso-valeur ou (courbe de niveau, k tant le niveau de f.
3.7.3 Thorme des fonctions implicites
Thorme 3.7.1 (2D)
Soit f : U R une application de classe c
1
o U un ouvert de R
2
et (a, b) U tel que
i) f(a, b) = 0
ii)
f
y
(a, b) ,= 0
Alors il existe des nombres > 0 et > 0 possdant les proprits suivantes :
CHAPITRE 3. CALCUL DIFFRENTIEL 41
1. Pour tout x ]a , a + [, lquation en y :
f(x, y) = 0
admet une solution unique dans ]b , b + [.
2. Si (x) dsigne cette solution, la fonction :]a , a + []b , b + [ est
continment drivable.
3. On a

(x) =
f
x
f
y
(x, (x)), x ]a , a + [ (3.1)
Autrement dit, sous la condition ii), on peut rsoudre en y localement, lquation f(x, y) =
0.
Dmonstration. Lgalit f(x, (x)) = 0, valable pour x dans ]a , a + [. La relation
(3.1) sobtient tout simplement par drivation de la relation f(x, (x)) = 0.

(x)
f
y
(x, (x)) +
f
x
(x, (x)) = 0.
Si et ont t pris assez petits, on a
f
y
(x, y) ,= 0 pour [xa[ < et [y b[ < puisque
f
y
(a, b) ,= 0. On obtient enn La relation (3.1).
Exemple 3.7.2 1. On prend lquation f(x, y) = x
2
+y
2
1 = 0. On a f(0, 1) = 0 et
f
y
(0, 1) = 2. Daprs le thorme, il existe une fonction x (x) unique telle que
x
2
+ (x)
2
= 1
pourvu que [x 0[ et [(x) 1[ soient assez petits. Et lon a, pour [x[ assez petit,

(x) =
2x
2(x)
=
x
(x)
On vrie cette expression de

par un calcul explicite. En effet, on a si [(x)1[


1 entraine (x) 0 : cest--dire
(x) =

1 x
2
do

(x) =
x

1 x
2
=
x
(x)
CHAPITRE 3. CALCUL DIFFRENTIEL 42
2. On prend lquation f(x, y) = y
5
4y
4
+ 4xy
2
x
2
= 0. On a f(1, 1) = 0 et
f
y
(1, 1) = 3. Daprs le thorme, il existe une fonction x y = (x) unique
telle que
(x)
5
4(x)
4
+ 4x(x)
2
x
2
pourvu que [x 1[ et [(x) 1[ soient assez petits. On a, pour [x 1[ assez petit,

(x) =
4(x)
2
2x
5(x)
4
16(x)
3
+ 8x(x)
En particulier, comme (1) = 1, on a

(1) =
2
3
.
3.7.4 Tangente la courbe dquation f(x, y) = 0
Lquation f(x, y) = 0 dnit, au moins dans le rectangle ]a , a + []b , b +
[, une courbe ayant une tangente en chaque point ceci daprs la (ii) du thorme.
Daprs la (iii) du thorme, cette tangente est, au point de coordonnes x
0
, y
0
, dnie par
lquation
(y y
0
)
f
y
(x
0
, y
0
) + (x x
0
)
f
x
(x
0
, y
0
) = 0.
On note le vecteur directeur de cette tangente.
3.7.5 Normale la courbe dquation f(x, y) = 0
Soit f : U R une application de classe c
1
o U un ouvert de R
2
et (a, b) U tel
que
i) f(a, b) = 0
ii)
f
y
(a, b) ,= 0
On munit R
2
du produit scalaire habituel. La normale au point de coordonnes (x
0
, y
0
)
est parallle au vecteur de coordonnes
_
f
x
(x
0
, y
0
),
f
y
(x
0
, y
0
)
_
. Cest--dire que la nor-
male au point M(x
0
, y
0
) est colinaire au gradient
f(x
0
, y
0
) =
_
f
x
(x
0
, y
0
),
f
y
(x
0
, y
0
)
_
T
.
Remarque 3.7.1 Une quation f(x, y) = 0 dnit aussi x comme fonction implicite de y,
et lon peut appliquer le thorme au voisinage de (x
0
, y
0
), en changeant les rles de x
et y, pourvu que
f
x
(a, b) ,= 0. On trouve que lquation de la tangente est encore valable
dans ce cas.
CHAPITRE 3. CALCUL DIFFRENTIEL 43
3.7.6 Normale principale la courbe dquation f(x, y) = 0
La normale la courbe au point ordinaire M
0
(x
0
, f(x
0
)) est colinaire au vecteur
de coordonnes
f
x
(x
0
, y
0
) et
f
y
(x
0
, y
0
), cest--dire au vecteur gradient f(x
0
, y
0
). Le
vecteur
(M
0
) =
f(x
0
, y
0
)
|f(x
0
, y
0
)|
est appele la normale principale la courbe en M
0
et vrie
|(M
0
)| = 1
Notons que, comme attendu, le produit scalaire ((M
0
), (M
0
)) = 0, pour tout point ordi-
naire M
0
de .
3.7.7 Gnralisation en trois dimension
Thorme 3.7.2 (3D)
Soit f : U R une application de classe c
1
o U un ouvert de R
3
et (a, b, c) U tel
que
i) f(a, b, c) = 0
ii)
f
z
(a, b, c) ,= 0
Alors il existe des nombres > 0 et > 0 possdant les proprits suivantes :
1. Pour tout x ]a , a + [ et y ]b , b + [, lquation en z :
f(x, y, z) = 0
admet une solution unique dans ]c , c + [.
2. Si (x, y) dsigne cette solution, la fonction :]a , a + []b , b + [
]c , c + [ est continment drivable.
3. On a
d(x) =
f
x
f
z
(x, , y, (x, y))dx
f
y
f
z
(x, , y, (x, y))dy, (3.2)
(x, y) ]a , a + []b , b + [.
Pour tout (x, y) ]a , a + []b , b + [ on a

x
(x, y) =
f
x
f
z
(x, , y, (x, y)) et

y
(x, y) =
f
y
f
z
(x, , y, (x, y)) (3.3)
Autrement dit, sous la condition ii), on peut rsoudre en z localement, lquation f(x, y, z) =
0. Et les relations (3.3) sobtiennent tout simplement par drivation de la relation
f(x, y, (x, y)) = 0.
CHAPITRE 3. CALCUL DIFFRENTIEL 44
3.7.8 Plan tangent la surface dquation f(x, y, z) = 0 :
Daprs le thorme, lquation f(x, y, z) = 0 dnit, au moins dans le paralllpipde
]a , a + []b , b + []c , c + [
une surface ayant un plan tangent H en chaque point, ce plan tangent, au point M(x
0
, y
0
, z
0
)
de , admet lquation
(z z
0
)
f
z
(x
0
, y
0
, z
0
) + (y y
0
)
f
y
(x
0
, y
0
, z
0
) + (x x
0
)
f
x
(x
0
, y
0
, z
0
) = 0
3.7.9 Normale la surface dquation f(x, y, z) = 0 :
Soit f : U R une application de classe c
1
o U un ouvert de R
3
et (a, b, c) U tel
que
i) f(a, b, c) = 0
ii)
f
z
(a, b, c) ,= 0
On munit R
3
du produit scalaire habituel. La normale au point de coordonnes (x
0
, y
0
, z
0
)
est parallle au vecteur de coordonnes
_
f
x
(x
0
, y
0
, z
0
),
f
y
(x
0
, y
0
, z
0
),
f
z
(x
0
, y
0
, z
0
)
_
. Cest-
-dire que la normale au point M(x
0
, y
0
, z
0
) est colinaire au gradient
f(x
0
, y
0
, z
0
) =
_
f
x
(x
0
, y
0
, z
0
),
f
y
(x
0
, y
0
, z
0
),
f
z
(x
0
, y
0
, z
0
)
_
T
.
3.8 Formules de Taylor-Lagrange et Taylor-Young
3.8.1 Puissances symboliques
1. Soit f : R ( est un ouvert de R
3
) une fonction de classe c
p
dans (p 2) et
a . Pour h = (h
1
, h
2
, h
3
) R
3
, on dnit le rel
_
h
1
f
x
1
+ h
2
f
x
2
+ h
3
f
x
3
_
[2]
(a)
par :
h
2
1

2
f
x
2
1
(a)+h
2
2

2
f
x
2
2
(a)+h
2
3

2
f
x
2
3
(a)+2h
1
h
2

2
f
x
1
x
2
(a)+2h
2
h
3

2
f
x
2
x
3
(a)+2h
1
h
3

2
f
x
1
x
3
(a).
On dit quil sagit dune puissance symbolique deux, cest--dire que lcriture est
obtenue de faon analogue celle du dveloppement dun carr : le terme

2
f
x
2
x
3
(a)
remplaant
f
x
2
f
x
3
.
CHAPITRE 3. CALCUL DIFFRENTIEL 45
2. Pour dnir les puissances symbolique dordre k, on crit le dveloppement alg-
brique :
(h
1

1
+ h
2

2
+ h
3

3
)
k
=

1
+
2
+
3
=k
A

1
,
2
,
3
h

1
1
h

2
2
h

3
3

1
1

2
2

3
3
(o A

1
,
2
,
3
N). Alors, la puissance symbolique k :
_
h
1
f
x
1
+ h
2
f
x
2
+ h
3
f
x
3
_
[k]
(a)
est, par dnition, gale :

1
+
2
+
3
=k
A

1
,
2
,
3
h

1
1
h

2
2
h

3
3

k
f
x

1
1
x

2
2
x

3
3
(a)
3.8.2 Formule de Taylor-Lagrange
Thorme 3.8.1 Soit f : R ( est un ouvert de R
3
) une fonction de classe c
p
dans
(p 2) et a . Soit h = (h
1
, h
2
, h
3
) R
3
tel que a + h . Supposons que le segment
gomtrique [a, a + h] . Alors il existe ]0, 1[ tel que :
f(a + h) = f(a) +
p1

k=1
1
k!
_
h
1
f
x
1
+ h
2
f
x
2
+ h
3
f
x
3
_
[k]
(a)
+
1
p!
_
h
1
f
x
1
+ h
2
f
x
2
+ h
3
f
x
3
_
[p]
(a + h).
3.8.3 Formule de Taylor-Young
Thorme 3.8.2 Soit f : R ( est un ouvert de R
3
) une fonction de classe c
p
dans
(p 2) et a . Soit h = (h
1
, h
2
, h
3
) R
3
tel que a + h . Supposons que le segment
gomtrique [a, a + h] . Alors on a le rsultat local suivant
f(a + h) = f(a) +
p1

k=1
1
k!
_
h
1
f
x
1
+ h
2
f
x
2
+ h
3
f
x
3
_
[k]
(a) +O(|h|
p
) .
3.9 Approximations linaire et quadratique et analyse des
erreurs. Lapproximation par le polynme de Taylor
3.9.1 Approximations linaire
Dnition 3.9.1 Soit f : R ( est un ouvert de R
3
) une fonction et a . Soit
h = (h
1
, h
2
, h
3
) R
3
tel que a + h .
CHAPITRE 3. CALCUL DIFFRENTIEL 46
On dit que f admet une approximation linaire au voisinage de a sil existe une application
linaire unique L : R
3
R telle que
f(a + h) = f(a) + L(h) + o
_
|h|
2
_
.
Thorme 3.9.1 Soit f : R ( est un ouvert de R
3
) une fonction de classe c
1
dans
et a . Soit h = (h
1
, h
2
, h
3
) R
3
tel que a + h . Alors f admet en a un
dveloppement limit fourni par la formule de Taylor-Young de type :
f(a + h) = f(a) + L(h) + o
_
|h|
2
_
o L(h) =
_
h
1
f
x
1
+ h
2
f
x
2
+ h
3
f
x
3
_
[1]
(a) = h
1
f
x
1
(a) + h
2
f
x
2
(a) + h
3
f
x
3
(a).
*On dit le terme f(a)+h
1
f
x
1
(a)+h
2
f
x
2
(a)+h
3
f
x
3
(a) est lapproch linaire de f(a+h).
3.9.2 Approximations quadratique
Dnition 3.9.2 Soit f : R ( est un ouvert de R
3
) une fonction et a . Soit
h = (h
1
, h
2
, h
3
) R
3
tel que a + h .
On dit que f admet une approximation linaire au voisinage de a sil existe une application
linaire unique L : R
3
R et une forme quadratique Q : R
3
R telle que
f(a + h) = f(a) + L(h) + Q(h) + o
_
|h|
2
_
.
Thorme 3.9.2 Soit f : R ( est un ouvert de R
3
) une fonction de classe c
2
dans
et a . Soit h = (h
1
, h
2
, h
3
) R
3
tel que a + h . Alors f admet en a un
dveloppement limit fourni par la formule de Taylor-Young de type :
f(a + h) = f(a) + L(h) +
1
2
q(h) + o
_
|h|
2
_
o L(h) =
_
h
1
f
x
1
+ h
2
f
x
2
+ h
3
f
x
3
_
[1]
(a) = h
1
f
x
1
(a) + h
2
f
x
2
(a) + h
3
f
x
3
(a).
et q(h) =
_
h
1
f
x
1
+ h
2
f
x
2
+ h
3
f
x
3
_
[2]
(a).
*On dit le terme f(a)+h
1
f
x
1
(a)+h
2
f
x
2
(a)+h
3
f
x
3
(a)+
1
2
_
h
1
f
x
1
+ h
2
f
x
2
+ h
3
f
x
3
_
[2]
(a)
est lapproch quadratique de f(a + h).
Remarque 3.9.1 1. Soit q la forme quadratique gurant dans lapproche quadratique
de f(a + h) :
q(h) =
_
h
1
f
x
1
+ h
2
f
x
2
+ h
3
f
x
3
_
[2]
(a),
CHAPITRE 3. CALCUL DIFFRENTIEL 47
La matrice 1
f
(a) associe la forme quadratique q relativement la base cano-
nique de R
3
sappelle la hessienne de f en a et elle est dnie par

ij
=

2
f
x
i
x
j
(a), 1 i, j 3.
2. Ce rsultat peut tre gnraliser aux domaine R
p
ou p 4.
Dans la pratique
Soit K un domaine de R
2
, de fait le triangle de sommets A, B et C. On considre
f : K R une fonction. Pour une telle fonction, note f(X). On fait varier X sur le
triangle K. Le dveloppement autour de A donne :
f(X) f(A) =
_

AX, f(A)
_
+
1
2
_

AX, 1
f
(A)

AX
_
+O
_
|

AX|
3
_
o

AX est le dplacement autour de A dans le triangle K.


Pour

AX = h alors X = A+ h on obtient les rsultats ci-dessus.


3.9.3 Approximation par le polynme de Taylor
Soit f : R ( est un ouvert de R
3
) une fonction de classe c
p
dans (p 2)
et a . Soit h = (h
1
, h
2
, h
3
) R
3
tel que a + h . Supposons que le segment
gomtrique [a, a + h] . Alors on a le rsultat local suivant
f(a + h) = f(a) +
p1

k=1
1
k!
_
h
1
f
x
1
+ h
2
f
x
2
+ h
3
f
x
3
_
[k]
(a) +O(|h|
p
) .
Chapitre 4
Optimisation : Extrema, points critiques
et valeurs critiques
Nous nous intresserons dans cette partie au problme de maximisation ou minimisa-
tion des fonctions de plusieurs variables. Commenons par les fonctions de deux variables.
4.1 Extrema locaux et globaux de fonctions de deux va-
riables ou plusieurs variables
4.1.1 Extrema locaux et globaux dune fonction
Thorme 4.1.1 Soit f une fonction numrique, dnie sur un voisinage V du point a
dans R
n
, et diffrentiables en a. Si f prsente un extrmum en a, alors on a
()
f
x
i
(a) = 0, 1 i n.
Dmonstration.Soit r le rayon dune boule de centre a contenue dans V . Pour chaque
vecteur X R
n
0
R
n, la fonction numrique
X
: t f(a + tX) est dnie sur
lintervalle
_

r
|X|
,
r
|X|
_
et prsente un extremum au point t = 0. Cette fonction est donc drivable au point t = 0,
sa drive tant
d
dt
[
X
(t)]
t=0
= f

(a).X
Donc f

(a).X = 0 pour tout X R


n
0
R
n, do f

(a) = 0.
48
CHAPITRE 4. OPTIMISATION: EXTREMA, POINTS CRITIQUES ETVALEURS CRITIQUES49
Remarque 4.1.1 On nobtient quune condition ncessaire, mais non sufsante, pour que
f admette un extremum : par exemple la fonction
f : R
2
R, (x, y) xy
a une diffrentielle nulle au point (0, 0) mais ne prsente pas dextremum en ce point. Ce
problme sera discut dans ce chapitre, cependant les points a vriant la condition ()
prsentent souvent un grand intrt, mme sils ne correspondent pas des extrema de f.
Dnition 4.1.1 Les points a o lapplication f vrie f

(a) = 0 o bien
f
x
i
(a) =
0, 1 i n sont dits critiques, ou extrmaux pour cette application.
Problmes dextremum li
Considrons le problme suivant : U tant un ouvert de R
n
, on donne deux fonctions
numriques f, g, de classe C
1
sur U. Posant
A = x U / g(x) = 0
on cherche des conditions pour que la restriction f
A
de f A prsente un extremum en un
point a.
Proposition 4.1.1 Soient f et g deux fonctions numriques de classe C
1
sur un voisinage
U du point (a, b) dans R
2
tel que g(a, b) = 0 ; et soit A lensemble des points (x, y) de U
vriant g(x, y) = 0. Si la restriction de f A prsente un extrmum au point (a, b), et si
lune au moins des drives partielles
g
x
(a, b),
g
y
(a, b) est ,= 0, alors on a :
D(f, g)
D(x, y)
(a, b) =
_
f
x
g
y

y
y
g
x
_
(a,b)
= 0
4.1.2 tude sur les points critiques dune application
Commenons par les fonctions de deux variables. Nous rappelons ici un thorme fon-
damental, qui va servir dans ce chapitre
Thorme 4.1.2 Une matrice symtrique Aest dnie positive si et seulement si det(A
k
) >
0 pour toutes les sous-matrices principales A
k
de A.
Considrons une fonction de deux variables dnie par f(x, y). Nous supposerons que f
est de classe c
3
(i.e. f et ses drives partielles dordre 3 sont continues).
Dnition 4.1.2 On dit que (x
0
, y
0
) est un point critique de f si f
x
(x
0
, y
0
) = 0 et f
y
(x
0
, y
0
) =
0 o f
x
et f
y
dnotent les drives partielles de f par rapport x et y respectivement.
CHAPITRE 4. OPTIMISATION: EXTREMA, POINTS CRITIQUES ETVALEURS CRITIQUES50
Soit X
0
= (x
0
, y
0
) un point critique de f. En utilisant le formule de Taylor on obtient :
f(x
0
+h, y
0
+k) = f(X
0
)+hf
x
(X
0
)+kf
y
(X
0
)+
1
2
_
h
2
f
xx
(X
0
) + 2hkf
xy
(X
0
) + k
2
f
yy
(X
0
)

+R
o R =
1
6
[h
3
f
xxx
(X) + 3h
2
kf
xxy
(X) + 3hk
2
f
xyy
(X) + k
3
f
yyy
(X)] avec X = (x
0
+
h, y
0
+ k) (0 < < 1).
Or f
x
(x
0
, y
0
) = 0 et f
y
(x
0
, y
0
) = 0 puisque X
0
est un point critique. Il en rsulte que
f(x
0
+ h, y
0
+ k) = f(X
0
) +
1
2
_
ah
2
+ 2bhk + ck
2

+ R
o on a pos a = f
xx
(X
0
), b = f
xy
(X
0
) et c = f
yy
(X
0
). Si h et k sont sufsamment petits,
on montre alors que
[R[
1
2
[ah
2
+ 2bhk + ck
2
[
Par consquent, f(x
0
+h, y
0
+k) f(x
0
, y
0
) a le mme signe que ah
2
+2bhk +ck
2
pour
h et k petits, ce qui entrane que (x
0
, y
0
) est minimum local si
ah
2
+ 2bhk + ck
2
> 0, pour tout(h, k),
est un maximum local si
ah
2
+ 2bhk + ck
2
< 0, pour tout(h, k),
ou est un point selle si ah
2
+2bhk+ck
2
prend des valeurs positives et des valeurs ngatives.
En dautres mots, on a minimum local si la forme quadratique
q(h, k) = ah
2
+ 2bhk + ck
2
est dnie positive,un maximum local si elle est dnie ngative ou un point selle si elle
est indnie. La forme quadratique scrit
q(h, k) = (h, k)
_
f
xx
(X
0
) f
xy
(X
0
)
f
yx
(X
0
) f
yy
(X
0
)
__
h
k
_
La matrice prcdente
H(X
0
) =
_
f
xx
(X
0
) f
xy
(X
0
)
f
yx
(X
0
) f
yy
(X
0
)
_
dnissant la forme quadratique est appele la matrice hessienne de f en X
0
. Soient
1
et

2
les valeurs propres de H(X
0
). On dduit du thorme 4.1.2 :
1. (x
0
, y
0
) est un minimum local si
1
> 0 et
2
> 0.
2. (x
0
, y
0
) est un maximum local si
1
< 0 et
2
< 0.
CHAPITRE 4. OPTIMISATION: EXTREMA, POINTS CRITIQUES ETVALEURS CRITIQUES51
3. (x
0
, y
0
) est un point selle si
1

2
< 0.
Comme on la vu au thorme 4.1.2, la matrice hessienne H(X
0
) est dnie positive si ses
dterminants principaux f
xx
(X
0
) et = det(H(X
0
)) = f
xx
(X
0
)f
yy
(X
0
) (f
xy
(X
0
)))
2
sont > 0.
La matrice hessienne est dnie ngative si H(X
0
) est dnie positive, ce qui sera le cas
si ses dterminants principaux f
xx
(X
0
) et det(H(X
0
)) = det(H(X
0
)) = sont > 0,
cest--dire f
xx
(X
0
) < 0 et > 0. Il rsulte de ce qui prcde que H(X
0
) est indnie si
< 0. Ainsi, on obtient :
1. Si > 0 et f
xx
(X
0
) > 0, alors X
0
= (x
0
, y
0
) est un minimum local.
2. Si > 0 et f
xx
(X
0
) < 0, alors X
0
= (x
0
, y
0
) est un maximum local.
3. Si < 0, alors X
0
= (x
0
, y
0
) est un point selle.
Remarque 4.1.2 Si = 0, on peut rien conclure quant la nature du point critique.
Exemple 4.1.1 Considrons la fonction donne par
f(x, y) =
1
3
x
3
+ xy
2
4xy + 1.
Dterminons dabord les points critiques.
Ce sont les solutions du systme suivant :
_
f
x
(x, y) =
F
x
(x, y) = 0
f
y
(x, y) =
F
y
(x, y) = 0
On a
_
f
x
(x, y) =
F
x
(x, y) = x
2
+ y
2
4y
f
y
(x, y) =
F
y
(x, y) = 2xy 4x
On obtient les quatre points critiques : X
1
= (0, 0), X
2
= (0, 4), X
3
= (2, 2) et X
4
=
(2, 2). La matrice hessienne de f est
H(x, y) =

2
F
xy
(x, y) =
_
2x 2y 4
2y 4 2x
_
.
En valuant la matrice hessienne aux points X
1
, . . . , X
4
on a
H(0, 0) =
_
0 4
4 0
_
, H(0, 4) =
_
0 4
4 0
_
,
H(2, 2) =
_
4 0
0 4
_
, H(2, 2) =
_
4 0
0 4
_
.
Les valeurs propres de ces matrices sont :
CHAPITRE 4. OPTIMISATION: EXTREMA, POINTS CRITIQUES ETVALEURS CRITIQUES52
1. Pour H(0, 0) sont
1
= 4 et
2
= 4.
2. Pour H(0, 4) sont
1
= 4 et
2
= 4.
3. Pour H(2, 2) sont
1
= 4 et
2
= 4.
4. Pour H(2, 2) sont
1
= 4 et
2
= 4.
Par consquent, X
1
et X
2
sont des points selles, X
3
est minimum local et X
4
est un maxi-
mum local.
4.1.3 Maxima et minima des fonctions de n variables
Considrons une fonctions de n variables dnie par F(x) = F(x
1
, . . . , x
n
). Un point
a = (a
1
, . . . , a
n
) est un point critique si F
x
i
(a) = 0 pour i = 1, . . . , n, o F
x
i
=
F
x
i
dsigne la drive partielle par rapport x
i
.
Cest--dire que Les points critiques de lapplication F : (x
1
, . . . , x
n
) F(x
1
, . . . , x
n
)
sont les solutions de lquation vectorielle suivante :
F(x
1
, . . . , x
n
) = 0
ce qui quivalent au systme dquations suivant
_

_
F
x
1
(x
1
, . . . , x
n
) = 0
F
x
2
(x
1
, . . . , x
n
) = 0
.
.
.
F
xn
(x
1
, . . . , x
n
) = 0
Utilisant, comme pour les fonctions de deux variables, la formule de Taylor on montre
quun point critique X
1. est un minimum local si la matrice hessienne H(X) est dnie positive,
2. est un maximum local si H(X) est dnie ngative
3. est un point selle si H(X) est indnie.
Ici, la matrice hessienne est la matrice symtrique n n dnie par
H(X) = (F
x
i
x
j
(X)) =
_

2
F
x
i
x
j
(x
1
, . . . , x
n
)
_
,
o i = 1, . . . , n et j = 1, . . . , n.
Exemple 4.1.2 On considre la fonction dnie par
F(x, y, z) = x
2
+ xz 3 cos(y) + z
2
.
CHAPITRE 4. OPTIMISATION: EXTREMA, POINTS CRITIQUES ETVALEURS CRITIQUES53
Dterminons les points critiques. Les drives partielles sont
_
_
_
F
x
(x, y, z) = 2x + z
F
y
(x, y, z) = 3 sin(y)
F
z
(x, y, z) = x + 2z
Ainsi, les points critiques sont les solutions de
_
_
_
2x + z = 0
3 sin(y) = 0
x + 2z = 0
Il en rsulte que les points critiques sont les points X
k
= (0, k, 0), k Z. La matrice
hessienne au point X
k
est
H(X
k
) =
_
_
2 0 1
0 3(1)
k
0
1 0 2
_
_
.
Si k est pair, les valeurs propres de H(X
k
) sont 3, 3 et 1. Ainsi, H(X
k
) est dnie
positive si k est pair.Do il sensuit que X
k
est un minimum local si k pair.
si k est impair, les valeurs propres sont 3, 3 et 1. Ainsi, H(X
k
) est indnie si k est
impair. Do X
k
est un point selle si k est impair.
4.2 Fonctions quadratiques : Recherche linaire et m-
thode du gradient
4.2.1 Forme linaires et bilinaires
Dnition 4.2.1 Une forme linaire sur un espace vectoriel rel E est une application
linaire de E dans R.
Cest--dire pour tout x, y E et , R on a
f(x + y) = f(x) + f(y).
Si E est dimension nie n, (e
1
, . . . , e
n
) sa base canonique et L = ((e
1
), . . . , (e
n
)) le
vecteur ligne des images de dans la base (e
1
, . . . , e
n
). Soit x = x
1
e
1
+ . . . + x
n
e
n
un
vecteur dans E et X = (x
1
, . . . , x
n
), alors
(x) = (L, X)
En dimension nie, toute forme linaire est reprsente par un produit scalaire.
CHAPITRE 4. OPTIMISATION: EXTREMA, POINTS CRITIQUES ETVALEURS CRITIQUES54
Dnition 4.2.2 Une forme bilinaire a sur un espace vectoriel rel E est une application
de E E dans R, linaire par rapport chacune de ses deux arguments.
Soit a la forme bilinaire, on a donc :
a(u, v
1
+ v
2
) = a(u, v
1
) + a(u, v
2
) (4.1)
a(u
1
+ u
2
, v) = a(u
1
, v) + a(u
2
, v) (4.2)
4.2.2 Reprsentation matricielle
Toute forme bilinaire sur un espace E de dimension nie n se reprsente, dans une
basee (e
1
, . . . , e
n
) par une matrice carre dordre n. Les coefcients A
ij
de la matrice A
reprsentant lapplication a sont donns par
A
ij
= a(e
i
, e
j
)
Soit u = u
1
e
1
+ . . . + u
n
e
n
et v = v
1
e
1
+ . . . + v
n
e
n
on a
a(u, v) = (AU, V ) = (U, A
T
V )
o U = (u
1
, . . . , u
n
)
T
et V = (v
1
, . . . , v
n
)
T
.
Si (, ) reprsente le produit scaalaire usuel de R
n
et A
T
est la matrice transpose de A
dnie par
A
T
ij
= A
ji
, i, j = 1, . . . , n
Dnition 4.2.3 1. Une forme bilinaire a sur un espace vectoriel rel E est sym-
trique si :
u, v E, a(u, v) = a(v, u).
2. Une forme bilinaire a sur un espace vectoriel rel E est dnie positive si :
u E, a(u, u) 0 et a(u, u) = 0 u = 0
Les formes bilinaires symtriques sont reprsentes par des matrices symtriques
A
ij
= A
ji
.
Les formes bilinaires symtriques dnies positives sont reprsentes par des matrices
symtriques dnies positives, qui vrient donc
(AU, U) 0, U R
n
et (AU, U) = 0 U = 0
Thorme 4.2.1 (Rsultat important)
1. Les matrices symtriques relles ont des valeurs propres relles, sont diagonali-
sables et admettent une base de vecteurs propres orthonorms.
2. Les matrices symtriques relles dnies positives ont des valeurs propres stricte-
ment positives, et donc sont inversibles.
CHAPITRE 4. OPTIMISATION: EXTREMA, POINTS CRITIQUES ETVALEURS CRITIQUES55
4.2.3 quivalence entre la rsolution dun systme linaire et la mini-
misation quadratique
On considre a : R
n
R
n
R une forme bilinaire et A la matrice associe a
relativement la base (e
1
, . . . , e
n
) :
A
ij
= a(e
i
, e
j
), i, j = 1, . . . , n
On dnit la fonctionnelle J : R
n
R donne pour tout v R
n
par
J(v) =
1
2
(Av, v) (b, v)
o b R
n
est un vecteur donn.
Thorme 4.2.2 Si A est une matrice symtrique dnie positive, il y a quivalence entre
les trois problmes suivants :
(1)
_
trouver X R
n
tel que
AX = b
(2)
_
trouver X R
n
tel que
(AX, Y ) = (b, Y ), Y R
n
(3)
_
trouver X R
n
tel que
J(X) =
1
2
(AX, X) (b, X) soit minimale.
Dmonstration. (1) (2) est vident.
(2) (1) en prenant pour Y les vecteurs de base e
i
de R
n
.
(2) (3) On calcule J(X + Y ) pour tout rel et tout Y R
n
, on obtient
J(X + Y ) = J(X) + ((AX, Y ) (b, Y )) +
1
2

2
(AY, Y )
en utilisant la symtrie de la matrice A.
On en dduit, si (AX, Y ) (b, Y ) = 0 que J(X + Y ) = J(X) +
1
2

2
(AY, Y )
do en utilisant le fait que A est dnie positive :
J(X + Y ) > J(X)
si et Y sont non nuls. Donc on a montr que si X vrie (2), X minimise J.
(3) (2), car X minimise J, on a
((AX, Y ) (b, Y )) +
1
2

2
(AY, Y ) 0, , Y
le trinme en ci-dessus doit tre toujours positif. Ceci entrane que son discriminant soit
toujours ngatif ou nul. Or ce discriminant est
= ((AX, Y ) (b, Y ))
2
ceci implique (2).
CHAPITRE 4. OPTIMISATION: EXTREMA, POINTS CRITIQUES ETVALEURS CRITIQUES56
4.3 Application aux moindres carrs
Considrons le problme gnrale dun systme linaire sur-dtermin, cest--dire
dans lequel il y a plus dquations que dinconnues. Cest en particulier le cas dans le
calcul de la droite des moindre carr ou plus gnralement de polynmes dapproximation
au sens des moindres carrs. On ne peut pas obtenir exactement lgalit
AX = b
o A est une matrice rectangulaire de n lignes et m colonnes avec n > m. On dnit
J(X) = |AX b|
2
= (AX b, AX b).
On essaie alors de minimiser lcart entre les vecteurs AX et B de
min
XR
m
J(X)
en minimisant la norme euclidienne de leur diffrence, ou ce qui revient au mme le
carr de cette norme. On utilise les proprits classiques du produit scalaire (AU, V ) =
(U, A
T
V ) pour obtenir :
J(X) = (A
T
AX, X) 2(A
T
b, X) + (b, b)
la matrice A
T
A est une matrice carre (mm) symtrique dnie positiveds lors que la
matrice rectangulaire A est de rang m. Le thorme (4.2.2) nous donne lquivalence de ce
problme de moindre carrs avec la rsolution du systme linaire
A
T
AX = A
T
b
On retrouve ainsi le systme carr de m quations m inconnues, dit systme des qua-
tions normales.
4.3.1 Approximation par la droite des moindre carrs
Par exemple, dans le cas de la droite des moindre carrs, il sagit de trouver la fonction
afnie
y = + x
qui reprsente au mieux une collection de n valeurs y
i
associes aux n abscisses x
i
. Au
sens des moindres carrs , ceci revient minimiser la somme
n

i=1
(y
i
( + x
i
))
2
CHAPITRE 4. OPTIMISATION: EXTREMA, POINTS CRITIQUES ETVALEURS CRITIQUES57
donc minimiser la norme euclidienne de la diffrence
J(a) = |Xa Y |
2
o lon a not Y le vecteur des n valeurs y
i
, X la matrice rectangulaire n lignes et 2
colonnes
X =
_
_
_
_
_
_
_
1 x
1
1 x
2
.
.
.
.
.
.
1 x
n1
1 x
n
_
_
_
_
_
_
_
et a =
_

_
. En appliquant les rsultats prcdents, on obtient la solution en rsolvant le
systme (2 2) suivant
X
T
Xx = X
T
Y
4.3.2 Interprtation gomtrique : projection sur un sous-espace
Reprenons le problme de lapproximation au sens des moindre carrs
J(X) = |AX b|
2
On peut interprter ce problme comme celui de la recherche du vecteur de la forme AX
le plus proche au sens de la norme euclidienne dun vecteur b donn dans R
n
.
Les vecteurs de la forme AX sont une combinaison linaire des m vecteurs colonnes de la
matrice A. Ces vecteurs colonnes sont indpendants car A est suppose de rang m.
Ils engendrent donc un sous-espace vectoriel F de R
n
de dimension m. Et le problme
sinterprte comme la recherche du vecteur du sous-espace F le plus proche du vecteur b.
On obtient donc X en crivant que AX est la projection orthogonale de b dans F donc
(AX b, V ) = 0, V F
ceci car R
n
= F F

et que AX b F

.
ce qui est quivalent, puisque les colonnes de A engendrent F,
(AX b, A
j
) = 0, j = 1, . . . , n
o A
j
est le j
ime
vecteur colonne de A. On retrouve ainsi le rsultat
A
T
AX = A
T
b.
Chapitre 5
Calcul dintgrales multiples
5.1 Thorme de la divergence, Thorme de Green
Thorme 5.1.1 (Thorme de la divergence)
1. Soit R
n
(n 1) de frontire . Soit f : R de classe C
1
sur . Alors
_

f
x
i
(X)dX =
_

f(X)(

e
i
)d(X)
o

n dsigne le vecteur normal unitaire dirig vers lextrieur de la frontire ,

e
i
est le i
ime
vecteur de la base canonique de R
n
et d est la mesure surfacique sur
.
2. Soit R
n
(n 1) de frontire . Soit F : R
n
de classe C
1
sur . Alors
_

divF(X)dX =
_

F(X)

n d(X)
o

n dsigne le vecteur normal unitaire dirig vers lextrieur de la frontire .


Thorme 5.1.2 (Thorme de Gauss-Green)
Soit R
n
(n 1) de frontire . Soient f, g : R de classe C
2
sur . Alors
_

g(x)f(x)dx =
_

g(x)
f
n
(x) d(x)
_

g(x) f(x)dx
o n :=

n (x) dsigne le vecteur normal unitaire dirig vers lextrieur de la frontire


en x et
f
n
(x) =

n (x) f(x)
58
CHAPITRE 5. CALCUL DINTGRALES MULTIPLES 59
5.2 Thorme de Fubini
5.3 Intgrale double : changement en coordonns polaire
5.4 Intgrale triple (changements en coordonnes sph-
riques, cylindriques)
5.4.1 Intgrale triple en coordonnes sphriques
5.4.2 Intgrale triple en coordonnes cylindriques
Bibliographie
[1] William F. Trench, Introduction to real analysis Library of Congress Cataloging-in-
PublicationData, Free Edition 1.02, December 2009.
[2] Arnaudis J. M., Boursin J. L. et G. Goeringer, Mathmatiques, terminale D, Paris,
1976.
[3] Arnaudis J. M. et H. Fraysse, Algbre, cours de mathmatiques-1. Dunod, Paris,
1987.
[4] Deschamps C. et A. Warusfel, Algbre, Mathmatiques 1
re
anne : Cours et exercices
corrigs, MPSI, PCSI, PTSI. Dunod, Paris, 1999.
60