Académique Documents
Professionnel Documents
Culture Documents
Analyse3 PDF
Analyse3 PDF
Cours dAnalyse 3
Fonctions de plusieurs variables
sin(x2 +3y 2 )
F IGURE 1 Reprsentation de la fonction f : R2 7 R dfinie par (x, y) 7 z = 0.1+r2 +
exp(1r2 ) p
(x2 + 5y 2 ) 2
, avec r = x2 + y 2 , et projection des courbes de niveau sur les plans
z = 0 et z = 9.
1
Prambule
Le but de ce cours est de gnraliser la notion de drive dune fonction dune variable relle
valeurs relles partir de la thorie du calcul diffrentiel applique aux fonctions de plusieurs
variables. Lide fondamentale de cette thorie est dapprocher une application quelconque (de
plusieurs variables relles ici) par une application linaire au voisinage dun point.
Le cadre gnral pour la mettre en uvre est celui des espaces vectoriels (ce qui donne un sens
au mot "linaire" comme nous le verrons dans les chapitres qui suivent), munis dune norme sur
lespace de dpart (pour avoir une notion de voisinage) et une norme sur lespace darrive (pour
savoir "approcher").
Nous verrons que de cette thorie dcoule plusieurs proprits et thormes classiques importants
ainsi que plusieurs applications notamment pour loptimisation (voir le dernier chapitre du cours).
Toutefois, avant de sattaquer au calcul diffrentiel proprement dit, il parat ncessaire de bien
dfinir les notions de bases en topologie associes cette thorie, savoir :
- les distances, boules ouvertes, fermes,
- les ensembles ouverts, ferms, les normes, etc.
Nous ne le ferons pas dans le contexte des espaces vectoriels de dimension infinie (hors pro-
gramme), mais dans le cas particulier des espaces Rn (et le plus souvent les espaces o R2 et R3 )
qui sont des espaces vectoriels particuliers de dimension n (dimension finie).
Rappelons quen dimension 2 (n = 2), on identifie un vecteur x de coordonnes (x1 , x2 ) avec un
point du plan de coordonnes (x1 , x2 ) une fois fixe une origine.
Ici, on gnralisera cette identification en dsignant le point ou le vecteur de coordonnes (x1 , ..., xn )
par x = (x1 , ..., xn ) Rn .
2
Table des matires
3 Calcul diffrentiel 41
3.1 Drives partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2 Oprateurs diffrentiels classiques . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2.1 Gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2.2 Divergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.2.3 Rotationnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3 Proprits des drives partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.4 Notion de diffrentiabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.5 Oprations sur les fonctions diffrentiables . . . . . . . . . . . . . . . . . . . . . . 50
3.6 Proprits gomtriques des fonctions de plusieurs variables . . . . . . . . . . . . 51
3
TABLE DES MATIRES TABLE DES MATIRES
5 Diffomorphismes 61
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.2 Thorme dinversion locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.3 Thorme des fonctions implicites . . . . . . . . . . . . . . . . . . . . . . . . . . 63
6 Formules de Taylor 67
6.1 Applications deux fois diffrentiables . . . . . . . . . . . . . . . . . . . . . . . . 68
6.2 Exemples de diffrentielles dordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.3 Matrice Hessienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
6.4 Diffrentielle dordre k . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
6.5 Formule de Taylor avec reste intgral . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.5.1 Fonction dune variable relle valeur relle . . . . . . . . . . . . . . . . 73
6.5.2 Fonction dune variable relle valeurs dans Rq . . . . . . . . . . . . . . . 73
6.5.3 Fonction de Rp valeurs dans Rq . . . . . . . . . . . . . . . . . . . . . . 75
6.6 Formule de Taylor-Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
6.6.1 Fonction dune variable relle valeur dans Rq . . . . . . . . . . . . . . . 75
6.6.2 Fonction de Rp valeur dans Rq . . . . . . . . . . . . . . . . . . . . . . . 76
6.7 Formule de Taylor-Young . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
7 Extrema 79
7.1 Rappels dalgbre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
7.2 Extrema libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
7.2.1 Condictions ncessaires du premier ordre . . . . . . . . . . . . . . . . . . 82
7.2.2 Conditions du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . 83
7.2.3 Critres avec les matrices Hessiennes . . . . . . . . . . . . . . . . . . . . 85
7.2.4 Cas particulier o f : R2 R . . . . . . . . . . . . . . . . . . . . . . . . 85
7.3 Extrema lis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
7.3.1 Contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
7.3.2 Extrema lis avec une seule contrainte . . . . . . . . . . . . . . . . . . . . 86
7.3.3 Extrema lis avec plusieurs contraintes . . . . . . . . . . . . . . . . . . . 87
7.4 Convexit et minima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4
Chapitre 1
Nous allons donc dfinir de nouvelles notions : distances, normes, ouverts, ferms, etc. dans les
domaines inclus dans Rn qui nous seront utiles tout au long de ce semestre pour tous les nouveaux
outils abords.
Toutefois, mme si nous travaillerons principalement dans R2 , R3 ou de faon gnrale Rn , nous
pourrons de temps autre donner des rsultats plus gnraux qui resteront valables dans des es-
paces autres que ceux-ci (ce sera le cas de ce premier chapitre). Mais ce ne seront pas nimporte
quels espaces. Les dfinitions et propositions ci-dessous font en effet intervenir des combinaisons
entre eux des lments dun mme espace, des multiplications par des scalaires, etc. Par cons-
quent il est ncessaire que cet espace reste stable par combinaison linaires de ses lments, et les
plus appropris ici seront les espaces vectoriels que nous rappelons ci-dessous.
Soit E un ensemble. On dispose sur cet ensemble dune opration (note additivement)
et on dispose par ailleurs dune application K E E qui tout couple (, x) associe
x. On dit que E est un espace vectoriel lorsque
1. E est un groupe commutatif (pour laddition)
2. pour tout vecteur x de E, 1.x = x (1 dsignant le neutre de la multiplication de K).
3. pour tous , K et pour tout vecteur x de E, ()x = (x)
4. pour tous , K et pour tout vecteur x de E, ( + )x = x + x
5. pour tout K et tous vecteurs x, y E, (x + y) = x + y.
Exemple .
Lespace
Rn = R
| {z
... R}
nf ois
= {x = (x1 , ..., xn ), tel que xi R, pour tout i {1, ..., n}}.
Rn est un espace vectoriel de dimension n. Cest celui que nous utiliserons le plus souvent ici.
Une fois donn lespace vectoriel, il faut pouvoir valuer ses lments les uns par rapport aux
autres. Do la notion de distance.
6
Notion de topologie dans Rn 1.1 Espaces mtriques, distance
Soit E un ensemble non vide (on utilisera le plus souvent Rn ici). On dit quune applica-
tion
d : E E R+ ,
(x, y) 7 d(x, y),
est une distance sur E si elle vrifie
1. (SEPARATION) pour tout (x, y) E E, {x = y} {d(x, y) = 0},
2. (SYMETRIE) pour tout (x, y) E E, d(x, y) = d(y, x),
3. (INEGALITE TRIANGULAIRE) pour tout (x, y, z) E E E,
On appelle espace mtrique tout couple (E, d) o E 6= est un espace vectoriel et d est
une distance.
Exemple .
Xn
d2 (x, y) = ( |xi yi |2 )1/2 .
i=1
7
1.1 Espaces mtriques, distance Notion de topologie dans Rn
F IGURE 1.2 Reprsentation de trois distances. 1. Plan de Manhattan qui, par ses rues quadrilles a
donn son nom la distance de Manhattan. 2. Cette distance est reprsente en bleu, jaune et rouge
dans la figure 2. On peut noter que la distance euclidienne dans cette figure est reprsente en vert
et correspond a la somme des diagonales des petits carrs (daprs le thorme de Pythagore). 3.
Enfin dans la figure 3, est reprsente la distance infinie qui correspond au nombre minimum de
mouvements ncessaire au roi pour se dplacer de sa case (ici f6) une autre case.
Il est noter que la distance de Manhattan est la distance de Minkowski pour p = 1, la distance
Euclidienne est la distance de Minkowski pour p = 2 et la distance de Thcebychev est la distance de
Minkowski quand p 7 . Voir figure 1.2 pour une illustration des diffrentes distances abordes
dans cet exemple.
Pour rendre le cours plus simple, nous utiliserons plutt la notion de norme dans tout le reste
de notre cours, et les espaces vectoriels norms plutt que les espaces mtriques. Il se trouve que
toute norme induit une distance (mais attention tout distance induit ninduit pas ncessairement une
norme). Donc ce qui va suivre peut sadapter parfaitement dans le cadre des espaces mtriques, tout
en tant plus facilement comprhensible.
8
Notion de topologie dans Rn 1.2 Normes des espaces vectoriels
Soit E un espace vectoriel sur R (on utilisera en gnral E = Rn ). On appelle norme sur
E une application
E R+ ,
x 7 kxk,
et vrifie
1. (SEPARATION) pour tout x E, kxk = 0 x = 0,
2. (HOMOGENEITE POSITIVE) pour tout R, pour tout x E kxk = ||.kxk,
3. (INEGALITE TRIANGULAIRE) pour tous x, y E, kx + yk kxk + kyk.
Un espace vectoriel sur R muni de la norme est appel espace vectoriel norm, que lon
notera souvent e.v.n..
d : E E R+ ,
(x, y) 7 d(x, y) := kx yk,
est une distance sur E. On lappelle DISTANCE INDUITE sur E par la NORME.
Toute norme k.k dans un e.v.n (E, k.k) vrifie, pour tous x, y E
Deux normes k.k et k.k0 sur E sont EQUIVALENTES sil existe deux constantes relles
> 0 et > 0 telles que pour tout x E
Proposition 1.10
Sur Rn (et tout autre espace vectoriel norm de dimension finie) TOUTES les normes
sont quivalentes.
10
Notion de topologie dans Rn 1.3 Boules ouvertes, fermes et parties borne
Remarque . Dans la suite du cours on notera donc (sauf prcision) k.k pour dsigner une norme
quelconque sur Rn .
Nous nous plaons dsormais dans des espaces vectoriels norms (E, k.k). En gnral nous pren-
drons E = Rn . Il nous faudra ensuite nous approcher dun lment de cet espace et regarder ce
quil se passe autour de lui (comme par exemple, le dfinir comme la limite dune suite dlments
de lespace mtrique). Il nous faudra donc dfinir la notion de voisinage. Et les outils que nous
utiliserons ici sont les boules.
Dans le cas o a = 0 (vecteur nul) et r = 1 on a ce quon appelle les boules ou sphres units.
Remarque . Dans la suite et pour viter les lourdeurs dcriture nous ne mettrons pas la norme
en indice et nous crirons juste B(a, r), B(a, r), et S(a, r) lorsque lon dsignera respectivement
la boule ferme, ouverte ou la sphre de centre a et de rayon r pour une norme k.k quelconque. Si
jamais la norme devait tre spcifie, nous lajouterons alors en indice.
Remarque . ATTENTION : les boules ont des formes diffrentes selon les espaces mtriques
utiliss. Voir un exemple dans R2 pour la distance euclidienne dans la figure 1.3, ou la figure 1.4
pour des distances p, o p = 0.5, 1, 2, 4 et .
11
1.3 Boules ouvertes, fermes et parties borne Notion de topologie dans Rn
F IGURE 1.3 Exemples sur R2 avec la norme euclidienne dune boule ferme (1.), ouverte (2.), et
dune sphre (3.) centre en a et de rayon r.
F IGURE 1.4 Exemples sur R2 avec la norme de Minkowski p de la sphre unit (centre en 0
et de rayon 1, avec p = 1, 2, 4 et ). Le cas p = 0.5 est part puisquon rappelle que k.kp avec
0 < p < 1 nest pas une norme sur Rn ). On dessine juste lensemble {x Rn , kxk0.5 = 1}
Soit (E, k.k) un e.v.n. Une partie borne P de E est une partie de E pour laquelle on
peut trouver une boule (ouverte ou ferme) qui contient tous les points de P (voir figure
1.5 pour un exemple).
12
Notion de topologie dans Rn 1.4 Ouverts et ferms
Soit (E, k.k) un e.v.n. Une partie ouverte (ou un ouvert) de E est une partie U de E telle
que pour tout x U , il existe r > 0 rel, tel que B(x, r) U . Autrement dit, tout point
de U est le centre dune boule ouverte de rayon non-nul, incluse dans U (voir figure 1.6
pour un exemple).
Soit (E, k.k) un e.v.n. Une partie ferme (ou un ferm) de E est une partie telle que son
complmentaire U de E est un ouvert.
Soit (E, k.k) un e.v.n. Soit A E une partie quelconque de E. Alors A contient au-moins un
ouvert (en effet A). [
Soit OA lensemble de toutes les parties ouvertes de E contenues dans A. Alors P est un
P OA
ouvert (comme runion de parties quelconques douverts).
Soient (E, k.k) un e.v.n. et A E. Lintrieur de A est la plus grande partie ouverte
incluse dans A.
Remarque . On a :
1. A est un ouvert,
15
1.5 Position dun point par rapport une partie de E Notion de topologie dans Rn
2. A A,
3. A est un ouvert A = A.
Preuve : (3.) fait en cours.
Soit (E, k.k) un e.v.n. Soit A une partie quelconque de E. Alors E contient au-moins une partie
ferme contenant A (en effet E est ferm). \
Soit F lensemble des parties fermes contenant A. Alors F est la plus petite partie ferme
\ F F
contenant A. Et F est bien une partie ferme (comme intersection de familles fermes).
F F
Soient (E, k.k) un e.v.n. et A E. Un point x de E est dit adhrent A si tout voisinage
de x rencontre A , autrement dit, si toute boule ouverte contenant x contient au-moins un
lment de A.
Ladhrence de A E, note A ou adh(A), est lensemble des points adhrents A.
Soient (E, k.k) un e.v.n. et A E. Ladhrence de A est la plus petite ferme contenant
Remarque . On a :
1. A est un ferm,
2. A A,
3. A est un ferm A = A.
Preuve : (3.) fait en cours.
16
Notion de topologie dans Rn 1.5 Position dun point par rapport une partie de E
Soit (E, k.k) un e.v.n. On appelle frontire de A E, note F r(A) lensemble dfini
par F r(A) = A A.
On dit que x est un point frontire de A si et seulement si x F r(A).
A P 6= A P 6=
Maintenant que les notions de bases qui nous intressent sont tablies, nous pouvons nous int-
resser des outils qui nous seront utiles dans certaines preuves du cours : les suites et la notion
densemble compact.
17
1.6 Suites numriques dans un espace vectoriel norm Notion de topologie dans Rn
Soit (xn )nN , une suite de E muni de la norme k.k. La suite (xn )nN est dite borne si et
seulement si lensemble {xn , n N} est born. Autrement dit, il existe M > 0 tel que
pour tout n N, kxn k M .
Lensemble des suites bornes dans un espace vectoriel norm est un espace vectoriel.
Soit (xn )nN , une suite de E muni de la norme k.k. On dit que (xn )nN converge dans
(E, k.k), si et seulement sil existe l E, tel que pour tout > 0, il existe N N, tel
que pour tout n N , kxn lk < .
Lensemble des suites convergentes dans un espace vectoriel norm est un espace vecto-
riel.
Sur Rn , comme toutes les normes sont quivalentes , toute suite convergente pour lune
des normes est convergente pour lautre.
Soit A E. On dit que (xn )nN est une suite de points de A si et seulement si pour tout
n N, xn A.
Si (xn )nN est une suite de points de A et (xn )nN converge vers l, alors l A.
Soit A E, alors A est ferm si et seulement TOUTE suite de points de A qui converge
a sa limite qui appartient A.
Soit (xn )nN une suite de E. On dit que (xn )nN est une suite de Cauchy si et seulement
si pour tout > 0, il existe N N, tel que pour tous n, m N , kxn xm k < .
19
1.6 Suites numriques dans un espace vectoriel norm Notion de topologie dans Rn
Remarque . ATTENTION : la rciproque nest pas vraie en gnral. Par contre, le fait de tra-
vailler sur un espace o la rciproque est vraie serait bien pratique. En effet nous pourrions mon-
trer la convergence dune suite sans avoir calculer la limite de cette suite. Les espaces dont la
rciproque de la proprit ci-dessus.
Si dans un ensemble, toute suite de Cauchy est convergente, on dit que lensemble est
complet.
Remarque .
Tout espace vectoriel norm complet est appel espace de Banach.
Les e.v.n. (Rn , k.k) dans lesquels nous travaillerons pratiquement tout le temps, sont des
espaces de Banach. Donc toute suite de Cauchy dans ces espaces sera convergente.
Soit (xn )nN une suite convergente vers l = (l1 , ...., lp ) dans (Rp , k.k). Alors
lim xn = l lim xn = li ,
n+ n+
20
Notion de topologie dans Rn 1.7 Ensemble compact
Soient (xn )nN une suite de E et : N N une application strictement croissante, alors
la suite (x(n) )nN dfinie pour tout n N est appele suite extraite ou sous-suite de la
suite (xn )nN .
Une partie A qui vrifie une de ces deux proprits est un COMPACT.
21
1.8 Ensemble convexe Notion de topologie dans Rn
Soient (E, k.k) et C une partie de E. On dit que C est un convexe si et seulement si pour
tous x, y C, pour tout [0, 1], on a
x + (1 )y C.
22
n
Notion de topologie dans R1.9 HORS PROGRAMME : Applications dune e.v.n. vers un e.v.n.
Soient (E, k.k) et (F, k.k) deux espaces vectoriels norms et U une partie ouverte non vide de
E. On considre lapplication f : U F .
On dit que f est continue sur U si et seulement f est continue en tout point de U .
Si f : (E, k.kE ) (E, k.kF ) est continue sur U E et si k.kE k.kE et k.kF
k.kF . Alors f : (E, k.kE ) (E, k.kF ) est galement continue sur U relativement ces
nouvelles normes.
23
1.9 HORS PROGRAMME : Applications dune e.v.n. vers un e.v.n.Notion de topologie dans Rn
Soit f : U E F continue sur U . Soit (xn )nN une suite de points de U convergeant
vers un point x U . Alors (f (xn ))nN converge vers f (x).
Soit f : U E F une application. Si pour toute suite (xn )nN convergeant vers
x U on a la suite (f (xn ))nN qui converge vers f (x) alors f est continue en x.
Soient
f : U E F et g : U 0 F G
,
x 7 f (x) U, y = f (x) 7 g(f (x)).
24
n
Notion de topologie dans R1.9 HORS PROGRAMME : Applications dune e.v.n. vers un e.v.n.
Soient f : D (E, k.kE ) (F, k.kF ) avec D 6= et a D. On dit que f est continue
en a relativement D si et seulement si pour tout > 0, il existe > 0, pour tout x D,
25
1.9 HORS PROGRAMME : Applications dune e.v.n. vers un e.v.n.Notion de topologie dans Rn
Soient f : D (E, k.kE ) (F, k.kF ) avec D 6= . On dit que f est uniformment
continue sur D relativement D si et seulement si pour tout > 0, il existe > 0, pour
tous x, y D,
kx ykE < = kf (x) f (y)kF < .
Remarque . Pour bien faire la diffrence entre la continuit simple et la continuit uniforme en
un point x de E, on peut faire la comparaison entre les deux dfinitions suivantes (sans passer par
la continuit relative pour simplifier les dfinitions) (qui mettront les choses au clair) :
lapplication f est continue de E dans F si et seulement si pour tout x E, pour tout x > 0, il
existe ,x > 0, pour tout y E,
Et dautre part
lapplication f est uniformment continue de E dans F si et seulement si > 0, il existe > 0,
pour tous x, y E,
kx ykE < = kf (x) f (y)kF < .
Autrement dit, dans la continuit uniforme le choix de ne dpend pas de x, et celui de ne dpend
que de celui de .
26
n
Notion de topologie dans R1.9 HORS PROGRAMME : Applications dune e.v.n. vers un e.v.n.
Soient f : (E, k.kE ) (F, k.kF ) une application linaire. Alors les proprits suivantes
sont quivalentes :
1. f est continue en un point a de E,
2. f est continue en tous points de E,
3. f est borne sur la boule unit ferme de E,
4. f est borne sur la sphre unit de E,
5. f est bornante, cest dire que limage dun born de E est un born de F .
Soient f : (E, k.kE ) (F, k.kF ) une application linaire avec dim E < +, alors f
est continue.
Remarque . Cette dernire proposition sera trs utile pour nous tant donn que dans ce cours
nous travaillerons principalement en dimension finie. Pour montrer la continuit de f il faudra
juste montrer alors f est linaire.
(E, k.kE ) et (F, k.kF ) deux e.v.n., alors lensemble des applications linaires continues de E vers
F , not L (E, F ) es un espace vectoriel. Comment normer cet espace ?
27
1.9 HORS PROGRAMME : Applications dune e.v.n. vers un e.v.n.Notion de topologie dans Rn
28
Chapitre 2
F IGURE 2.1 Quelques mathmaticiens clbres lis ltude de fonctions de plusieurs variables.
Que sont les fonctions de plusieurs variables ? Dans ce chapitre nous allons tudier les fonc-
tions de plusieurs variables dans des cadres particuliers (R2 ou R3 ), mais galement dans un cadre
trs gnral (Rn ). Nous ntudierons pas le cas encore plus gnral dans lequel la dimension des
espaces est infinie. Nous laissons cela pour un cours un peu plus avanc. Ces fonctions seront donc
de la forme
f : E Rp F Rq ,
29
Fonctions de plusieurs variables. Limite. Continuit.
o p et q sont des entiers naturels > 0. Autrement dit, les lments de lensemble de dpart E
seront des vecteurs du type x = (x1 , ..., xp ), et les lments de lensemble darrive seront des
vecteurs du type f (x) = (f1 (x), ..., fq (x)), o x est un vecteur de E.
Nous considrons plusieurs cas de fonctions plusieurs variables, donc voici quelques illustrations
graphiques.
F IGURE 2.2 Quelques reprsentations graphiques illustrant des fonctions de plusieurs variables.
30
Fonctions de plusieurs variables. Limite. Continuit. 2.1 Fonctions relles de variable relle
F IGURE 2.3 Reprsentation du champ de vecteur donn par (x, y, z) 7 (y/z, x/z, z/4).
Ds que p et q sont > 3, il est assez difficile davoir une vision graphique de leur reprsentation,
mais cela ne veut pas dire quil ny a pas dinterprtation possible. Les variables peuvent reprsen-
ter bien autre chose que lespace : cela peut tre des populations, des traits caractristiques (taille,
ge, maturit, gnes,...), etc. Nous essaierons de donner quelques illustrations tout au long de ce
cours.
Dans la suite de ce cours, nous distinguerons parfois des rsultats pour deux types bien distincts
de fonctions :
- les fonctions scalaires Rp R (quon appelle aussi fonctions relles de variables relles),
-les fonctions vectorielles Rp Rq , q > 1.
ATTENTION : certains rsultats seront donns pour les fonctions scalaires alors que dautres le
seront pour les fonctions vectorielles.
Soient E un sous-ensemble non vide de Rn et G une partie de E R telle que pour tout
vecteur x E, il existe un nombre rel y et un seul tel que le couple (x, y) appartienne
G. Alors le triplet (f, E, R) sappelle fonction dfinie sur E valeurs dans R.
-on dit que E est lensemble de dpart de f (ou le domaine de dfinition), et on le dsigne
par D(f ).
-le sous-ensemble {y R, il existe x E, f (x) = y} est appel limage de E par f et il
est not Im(f ).
-lUNIQUE nombre rel y correspondant llment x E par f sappelle limage de
x par f et se note f (x).
-la notation f = (G, E, R) nest pas utilise en pratique. On lui prfre la notation
f : E R.
31
2.1 Fonctions relles de variable relle Fonctions de plusieurs variables. Limite. Continuit.
Remarque . Pour les fonctions de 3 variables, la notion analogue la ligne de niveau est celle de
la SURFACE de niveau.
32
Fonctions de plusieurs variables. Limite. Continuit. 2.2 Notion de limite
lim f (x) = l.
xx0
Remarque .
1. La notion de limite ici ne dpend pas des normes utilises.
2. La limite, si elle existe est unique.
3. Nous pouvons gnraliser ces dfinitions aux fonctions de E Rp Rq .
33
2.2 Notion de limite Fonctions de plusieurs variables. Limite. Continuit.
Soient :
-a R, b = (b1 , ..., bn ) Rn et f : E Rn R une fonction telle que pour tout
x = (x1 , ...xn ) E,
lim f (x) = l,
xb
-soient g1 , ..., gn : R R, n fonctions relles telles que lim gi (t) = bi , pour tout i =
ta
1, ..., n,
-supposons de plus quil existe R, > 0 tel que pour tout t avec 0 < |t a| < on
ait (g1 (t), ..., gn (t)) 6= (b1 , ..., bn ) alors,
Soit f : R2 R une fonction telle que lim f (x, y) = l. Supposons de plus que
(x,y)(a,b)
pour tout x R lim f (x, y) existe et que pour tout y R, lim f (x, y) existe. Alors
yb xa
35
2.3 Fonctions continues Fonctions de plusieurs variables. Limite. Continuit.
36
Fonctions de plusieurs variables. Limite. Continuit. 2.4 Coordonnes polaires
R2 \ {0, 0} R+ [0, 2[
(x, y) 7 (r, ),
p
o r = x2 + y 2 et est dfini de la faon suivante :
arctan(x/y) si x > 0 et y 0,
arctan(x/y) + 2 si x > 0, et y < 0,
arctan(x/y) + si x < 0,
=
si x = 0 et y > 0,
2
si x = 0 et y < 0.
2
Donc en particulier, on a r2 = x2 + y 2 .
Dans certains exemples dtude de continuit des fonctions, il est utile de passer aux coordonnes
polaires : en effet, la condition sur deux variables (x, y) 0 devient une condition sur une seule
variable r 0 et prouver la continuit dune fonction devient plus facile (voir les exemples du
37
2.5 Continuit sur un compact Fonctions de plusieurs variables. Limite. Continuit.
cours).
On aurait galement pu considrer sur lintervalle ] , ] au lieu de [0, 2[ mais alors il aurait
fallu changer la fonction rciproque arctan...( faire en exercice).
Une fonction continue sur un compact est borne et atteint ses bornes.
38
Fonctions de plusieurs variables. Limite. Continuit. 2.6 Thorme des valeurs intermdiaires
On dit quune partie de Rp est un arc continu si on peut trouver une application continue
: [a, b] R Rp dont limage soit . Lapplication est appele un paramtrage de
. Les points de , A = (a) et B = (b) sappellent les extrmits de .
Remarque . ATTENTION :
1. est un objet gomtrique tandis que , fonction continue, est un objet analytique.
Un arc continu admet une infinit de paramtrages possibles.
2. Ne pas confondre ensemble CONVEXE et ensemble CONNEXE. Dans un ensemble CONVEXE,
le segment reliant deux points de cet ensemble doit se trouve en entier dans cet ensemble.
Tandis quun ensemble CONNEXE (ensemble en un seul morceau peut ne pas tre CONVEXE
et possder des lments dont le segment qui relie deux de ces lments puisse sortir de cet
ensemble (voir figure 2.6).
F IGURE 2.6 Exemples sur R2 dun ensemble CONVEXE E gauche et dun ensemble
CONNEXE non convexe F droite.
Soit E un sous-ensemble de Rp . On dit que E est connexe par arc si tant donns deux
points arbitraires A et B de E on peut trouver un arc continu , dextrmits A, et B
entirement contenu dans E.
39
2.6 Thorme des valeurs intermdiaires Fonctions de plusieurs variables. Limite. Continuit.
Exemple .
1. Dans E = R, tous les intervalles I sont connexes par arc.
2. R nest pas connexe par arc.
3. Les ensembles convexes sont connexes par arc.
4. Les boules tant convexes, elles sont connexes par arc.
5. La runion de deux connexes par arc non disjoints est connexe par arc.
Voir une illustration de connexit par arc sur la figure 2.8.
F IGURE 2.8 Exemples sur R2 de partie connexe par arc E et de partie non connexe par arc
E1 t E2 .
40
Chapitre 3
Calcul diffrentiel
(a) Pierre de Fermat (b) Charles Gustave Jacob (c) Hermann Schwarz
(1605/1608-1665) : Jacobi, ou Carl Gustav Ja- (1843-1921), math-
mathmaticien fran- kob Jacobi, (1804 - 1851 ) , maticien allemand
ais, il dveloppe une un mathmaticien allemand, connu entre autre
mthode gnrale pour il est entre autre connu pour pour son clbre
trouver les tangentes avoir t lun des fonda- thorme concernant
aux courbes, mthode teurs du calcul des dtermi- les diffrentielles
qui sera considre nants de matrices et notam- dordre 2, nonc dans
par la suite comme le ment celui de la matrice ja- ce chapitre.
fondement du calcul bobienne.
diffrentiel.
41
3.1 Drives partielles Calcul diffrentiel
f f (a1 + h, a2 ) f (a1 , a2 )
(a1 , a2 ) = lim ,
x1 h0 h
et,
f f (a1 , a2 + k) f (a1 , a2 )
(a1 , a2 ) = lim .
x2 k0 k
On les note parfois fx0 1 (a1 , a2 ) et fx0 2 (a1 , a2 ).
Remarque . Si f : E Rp
Rq ce sont les composantes fj de f pour j = 1, ..., q qui admettent p drives partielles. Nous le
verrons un peu plus bas dans la dfinition de la matrice jacobienne.
Remarque . Attention : une fonction peut possder des drives partielles en un point sans pour
autant tre continue en ce point ! Cest pour cela que lon donne la condition suffisante suivante
pour quune fonction soit continue en un point
f
Soit f : E Rp R une fonction continue telle que les p fonctions , i = 1, ..., p
xi
soient continues au point (a1 , ..., ap ) E. Alors f est aussi continue en ce point.
f1 (x0 ) f1 (x0 )
...
x1 xp
J(f )x0
= .. .. Mq,p (R).
. .
fq (x0 ) fq (x0 )
...
x1 xp
Autrement dit, si x = (x1 , ..., xp ) pour une fonction vectorielle f (x1 , ..., xp ) valeurs
f
dans Rq , la Jacobienne a pour colonnes les vecteurs . En particulier, pour une fonction
xi
de p variables valeurs relles, la matrice jacobienne est juste une matrice ligne :
f (x) f (x)
J(f )(x1 ,...,xp ) = , ...,
x1 xp
grad est appel gradient de f et il est not f (x) (qui se lit nabla f de x).
f : E Rp R
grad(f ) : E Rp Rp
t
f (x) f (x)
x 7 (grad(f ))(x) := , ..., .
x1 xp
43
3.3 Proprits des drives partielles Calcul diffrentiel
3.2.2 Divergence
Pour une fonction f : E Rp Rp (q = p) de composante f1 , ..., fp , dont toutes les drives
partielles existent, on dfinit sa divergence par
div(f ) : E Rp R
p
X fi
x 7 (div(f ))(x) := tr(J(f )x ) = (x),
i=1
x i
p
X
x.y = xi y i .
i=1
ATTENTION : ne pas confondre les notions de gradient et de divergence. grad(f ) est un vecteur
alors que div(f ) est un scalaire !
3.2.3 Rotationnel
Si p = 3 et q = 3 pour une fonction f : E R3 R3 de composante f1 , ..., f3 dont toutes les
drives partielles existent on dfinit le rotationnel de f par
rot(f ) : E R3 R3
x 7 (rot(f ))(x),
o
f3 f2 f1 f3 f2 f1
(rotf )(x) = (x) (x), (x) (x), (x) (x) = f,
x2 x3 x3 x1 x1 x2
Soient
g : I R J R, h : J R R,
x 7 g(x), y 7 h(y),
et,
f : I R R,
x 7 f (x) = h(g(x)).
On a
df dh dg
(x0 ) = (g(x0 )). (x0 ),
dx dy dx
que lon crivait plus souvent de la faon suivante : f 0 (x0 ) = h0 (g(x0 )).g 0 (x0 ).
Soient
g : D Rp E Rm , h : E Rm Rq ,
x 7 g(x), y 7 h(y),
et,
f : D Rp Rq ,
x 7 f (x) = h(g(x)).
des fonctions telles que les p drives partielles de chacune des m composantes de g en
x0 D existent et h en g(x0 ) E soit une fonction continment drivable (i.e. ses
drives partielles existent et sont continues) alors pour tout i = 1, ..., p, et pour tout
j = 1, ..., q on a :
1. chaque fj possde une drive partielle par rapport xi au point x0 ,
2. on a la formule suivante
fj (h g)j
(x0 ) = (x0 ),
xi xi
hj g1 hj gm
= (g(x0 )) (x0 ) + ... + (g(x0 )) (x0 ),
y1 xi ym xi
ce qui donne les entres dune matrice jacobienne de f qui est un produit des matrices
jacobiennes de h et g. Autrement dit,
45
3.4 Notion de diffrentiabilit Calcul diffrentiel
Remarque . Attention : si dans lnonc de la proposition on ne suppose pas que les drives
partielles de f sont toutes continues au point g(x0 ) alors le rsultat peut trs bien cesser dtre
vrai !
Par contre, si en plus les applications partielles de g sont de continment drivables alors f aura
ses drives partielles continues galement en x0 .
kf (a + h) f (a) l(h)k
lim = 0,
h0
h6=0
khk
Remarque .
-lapplication l est linaire et continue (ici cest vident puisquelle est linaire en dimension finie,
donc forcment continue),
-cette application l lorsquelle existe est unique et on la note dfa ,
-on peut galement crire cette dfinition sous la forme, pour tout h Rp
kr(h)k
lim = 0,
h0 khk
h6=0
46
Calcul diffrentiel 3.4 Notion de diffrentiabilit
On dit que lapplication f est diffrentiable sur E si elle est diffrentiable en tout point
x E. Dans ce cas, on appelle la diffrentielle de f la fonction
df : E L (Rp ; Rq )
x 7 dfx ,
o L (Rp ; Rq ) est lensemble des fonctions linaires (donc continues car nous sommes
en dimension finie) de Rp valeurs dans Rq .
Si de plus df est continue, on dit que f est continment diffrentiable ou de faon qui-
valente que f est de classe C 1 .
Remarque .
ATTENTION : bien remarquer que la formulation ci-dessus correspond df et non pas dfx
qui est daprs la dfinition toujours linaire et continue de Rp dans Rq . Autrement dit, ne pas
confondre df et dfx !
Remarque . Il faudra bien distinguer deux cas. Les fonctions valeurs dans un espace produit,
autrement dit f (x) sera un vecteur de composantes fi (x) pour tout x dans lespace de dpart. Et
le cas o f est dfinie sur un espace produit, cest dire que f sera dfinie pour tout x E Rn ,
x tant un vecteur de Rn .
Bien entendu, la plupart du temps nous travaillerons sur le cas gnral qui est un mlange de ces
deux cas, et donc f sera une fonction dfinie de E Rn vers Rp . Il faudra alors garder lesprit
les rsultats suivants.
1. Une fonction f : I R Rq dfinie pour tout x dans I par f (x) = (f1 (x), ..., fq (x)) est
diffrentiable en un point x I si et seulement si toutes composantes fi de f , i = 1, ..., q
sont diffrentiables et dfx (h) = (df1,x (h), ..., dfq,x (h)) = hf 0 (x), o dans ce cas h est un
rel (scalaire) et f 0 (x) est le vecteur de composantes les drives fi0 (x). Attention, cela ne
marche que si lespace de dpart est R ici. Cela ne marche plus du tout si lespace de dpart
est inclus dans Rp . On aura alors le rsultat suivant.
2. On considre une fonction f : E Rp R dfinie pour tout x = (x1 , .., xp ) dans E par
f (x) R.
Si f est diffrentiable en un point x E alors les drives partielles seront diffrentiables.
Mais la rciproque sera FAUSSE en gnral.
On peut rsumer ce dernier point de la faon suivante :
-Si f est diffrentiable alors les applications partielles sont drivables (cest le rsultat de
la proposition 3.10).
-PAR CONTRE,lexistence de la drive des applications partielles nimplique pas nces-
sairement la diffrentiabilit de f .
-Mais, si les applications partielles sont continment diffrentiables alors f est continment
diffrentiable (ce sera le rsultat de la proposition 3.11).
Nous allons noncer ces rsultats dans les deux propositions suivantes.
48
Calcul diffrentiel 3.4 Notion de diffrentiabilit
49
3.5 Oprations sur les fonctions diffrentiables Calcul diffrentiel
Remarque .
Soit f : E Rp Rq , f est-elle diffrentiable en a E ?
fi
-calculer sa matrice jacobienne et donc les drives partielles (a) pour tous i = 1, ..., q et
xj
fj
j = 1, ..., p, sil existe j0 tel que (a) pour un j nexiste pas alors f nest pas diffrentiable.
xi0
f
-sinon, considrons lapplication linaire l : Rp Rq o l(ei ) = (a) pour tout i = 1, ..., p, et
xi
on regarde si
kf (a + h) f (a) l(h)k
lim = 0,
h0
h6=0
khk
En termes de Jacobiennes :
-J(f + g)x = J(f )x + J(g)x ,
-J(f )x = J(f )x .
pour tout x E.
En termes de Jacobiennes :
d(g f )x = J(g f )x = J(g)f (x) .J(f )(x).
Remarque .
Cette dernire proposition peut savrer utile lorsque lon veut exprimer la diffrentielle de fonc-
tions un peu complique. Il suffit alors dessayer de dcomposer ces fonctions en fonctions
classiques dont les diffrentielles sont connues et de rassembler les pices du puzzle par la for-
mule de diffrentielle dune fonction compose. Ce rsultat est valable galement en dimension
infinie (hors programme), et il peut tre utilis lorsque le calcul des jacobiennes peut savrer trop
long.
51
3.6 Proprits gomtriques des fonctions de plusieurs variables Calcul diffrentiel
f f
(x0 , y0 )(x x0 ) + (x0 , y0 )(y y0 ) = 0.
x y
Le vecteur gradient f (x, y) indique la direction de plus grande pente positive sur f
partir dun point.
On a des rsultats similaires pour les surfaces de niveau. Pour cela rappelons ce quest lquation
dun plan dans R3 .
52
Calcul diffrentiel 3.6 Proprits gomtriques des fonctions de plusieurs variables
f f f
(x0 , y0 , z0 )(x x0 ) + (x0 , y0 , z0 )(y y0 ) + (x0 , y0 , z0 )(z z0 ) = 0.
x y z
Attention ici, il ne faut pas confondre le graphe dune fonction scalaire ( valeurs dans R) de deux
variables avec la surface de niveau. En effet, dans cette section nous nous intressons lquation
du plan tangent la surface reprsentant une fonction f : E R2 R qui est donne par
f (x, y) = z pour tout (x, y) E, o z est un rel image de (x, y) par f . Rappelons que les
surfaces de niveau pour une application g dfinie sur un domaine de R3 la surface est donne par
g(x, y, z) = a, o a est un rel.
53
3.6 Proprits gomtriques des fonctions de plusieurs variables Calcul diffrentiel
f f
(x0 , y0 )(x x0 ) + (x0 , y0 )(y y0 ) z + z0 ) = 0,
x y
ou encore
f f
f (x, y) = f (x0 , y0 ) + (x0 , y0 )(x x0 ) + (x0 , y0 )(y y0 ).
x y
54
Chapitre 4
(a) Michel Rolle (1652- (b) Pierre Varignon (c) Ren Eugne Ga-
1719) : mathmaticien (1654-1722) : math- teaux (1889-1914),
franais, lorigine du clbre maticien franais, mathmaticien
thorme qui porte son lorigine du formalisme franais lorigine
nom, quil a nonc pour la de la dfinition de de la drive direc-
premire fois en 1691. vitesse instantane tionnelle portant son
et dacclration, un nom.
des fondateurs de la
mcanique analytique.
Il a russi convaincre
Rolle de lutilit du
calcul infinitsimal.
F IGURE 4.1 Quelques mathmaticiens clbres lis la thorie des accroissements finis.
Ce chapitre est ddi lun des rsultats fondamentaux du calcul diffrentiel qui permettra de
rsoudre pas mal dexercices. Nous allons commencer par des rsultats connus pour des fonctions
dune variable relle valeurs relles. Nous gnraliserons un rsultat analogue en dimension su-
prieure (pour lespace de dpart, puis pour lespace darrive). Nous terminerons enfin ce chapitre
par une application.
55
4.1 Fonction dune variable relle valeurs relles Thorme des accroissements finis
Soit f : [a, b] R, o a < b, une fonction continue sur [a, b] et drivable sur ]a, b[ telle
que f (a) = f (b). Alors il existe c ]a, b[ tel que f 0 (c) = 0.
Soit f : [a, b] R continue, drivable sur ]a, b[, o a < b, alors il existe c ]a, b[ tel que
[a, b] (resp. ]a, b[) = {ta + (1 t)b tel que t [0, 1] (resp. t ]0, 1[)}.
On dit que A Rp est convexe si pour tout (a, b) A2 , le segment ferm [a, b] A.
56
Thorme des accroissements finis 4.3 Fonction dune variable relle
Alors
kf (x) f (y)kRq k|x y| quel que soit (x, y) I I. (4.1)
Remarque . On remarque :
1. que lon peut avoir une ingalit (4.1) plus fine en prenant
pour tous x, y I.
2. que ce rsultat sapplique mme pour x et y au bord de lintervalle I condition que f soit
continue sur lintervalle ferm I et que lon ait une estimation de f 0 sur lintervalle ouvert
I.
Alors
kf (x) f (y)kRq |(x) (y)| quel que soit (x, y) I I.
Alors
kf (x) f (y)kRq kkx ykRp quel que soit (x, y) U U.
Nous avons en fait un rsultat un peu plus gnral qui ne ncessite pas le fait que U soit convexe.
Il est donn dans la proposition suivante.
58
Thorme des accroissements finis 4.5 Application
4.5 Application
Dfinition 4.11 (ENSEMBLE CONNEXE)
Un sous-ensemble dun espace topologique X (par exemple Rn ) est dit CONNEXE sil
nadmet pas de sous-ensemble la fois ouvert et ferm autre que lensemble vide et
lui-mme.
60
Chapitre 5
Diffomorphismes
5.1 Introduction
Si
1. f : U V est de classe C 1 ,
2. a U est tel que dfa soit un isomorphisme (de Rp dans lui-mme),
alors il existe un voisinage ouvert Ua de a dans U et un voisinage ouvert Vb de b = f (a)
dans V tel que la restriction de f Ua soit un diffomorphisme de Ua sur Vb .
f (x, y) = 0,
et doit son nom au fait que, sous les hypothses que lon va prciser, on peut en tirer y comme
fonction de x : on dit alors que f (x, y) = 0 dfinit implicitement y, ou encore y comme fonction
implicite de x.
Donnons dabord une formulation gnrale (qui peut tre utilise sans passer par les matrices
jacobiennes), puis un cas particulier de fonctions de R2 valeurs dans R pour finalement nonc
le rsulat avec les matrices jacobiennes.
: Wa F
telle que
((x, y) U(a,b) et f (x, y) = 0G ) y = (x).
: Wa Rq ,
telle que
((x, y) U(a,b) et f (x, y) = 0) y = (x),
et quitte rduire Wa on a la jacobienne de en (x1 , ..., xp )
J (x1 , ..., xp ) =
1
f1 f1 f1 f1
(x, (x)) ... (x, (x)) (x, (x)) ... (x, (x))
xp+1 xp+q x1 xp
.. .. .. ..
.
. .
. .
fq fq fq fq
(x, (x)) ... (x, (x)) (x, (x)) ... (x, (x))
xp+1 xp+q x1 xp
65
5.3 Thorme des fonctions implicites Diffomorphismes
66
Chapitre 6
Formules de Taylor
(a) Brook Taylor (1685- (b) William Henry Young (c) Hermann
1731) : mathmaticien (1863-1942) : mathmati- Amandus Schwarz
britannique, lorigine cien britannique. Lune des (1843-1921), math-
de la notion du calcul plus importantes contribu- maticien allemand
des diffrences finies, tion fut dans ltude des (n en Pologne).
on lui doit galement fonctions de plusieurs va- On lui doit entre
la mthode dintgra- riables quil publia dans autres lingalit de
tion par parties, et bien The fundamental theorems Cauchy-Scharwz
entendu, ces clbres of the differential calculus mais galement le
dveloppement en s- en 1910. On lui doit entre clbre thorme de
ries que nous tudions autres la formule du dve- Swharz nonc dans
ici. Il publia le tout loppement de Taylor-Young. ce chapitre.
en 1715 dans Metho-
dus incrementorum di-
recta and reversed.
F IGURE 6.1 Quelques mathmaticiens clbres lis aux diffrentielles dordre suprieures ou
gales 2.
Avant de donner les formules de Taylor, qui dpendent des diffrentielles dordre n 1 dans
diffrents cas de fonctions : fonctions de R dans R, fonctions de R dans Rq et fonctions de Rp dans
Rq , nous allons donner un aperu de ce quest une diffrentielle dordre 2 dans un premier temps,
avec un thorme de symtrie important : le thorme de Schwarz. Nous dfinirons galement la
matrice Hessienne qui nous servira beaucoup dans le chapitre 7 sur les extrema.
67
6.1 Applications deux fois diffrentiables Formules de Taylor
Une fonction f dfinie sur un OUVERT (non vide) U Rp et valeurs dans Rq est dite
deux fois diffrentiable en x U si
1. elle est diffrentiable dans un voisinage ouvert Ux de x et si,
2. sa diffrentielle df : Ux L (Rp ; Rq ) est diffrentiable en x.
On dit que f est deux fois diffrentiable dans U si elle est diffrentiable en tout point de
U.
Remarque .
Par sa dfinition, la diffrentielle de df en x, que lon crit d(df )x est une application linaire
continue de Rp dans L (Rp ; Rq ). Autrement dit, on a
df : U L (Rp ; Rq ),
et
d(df )x : U L (Rp , L (Rp ; Rq )).
Mais elle sidentifie naturellement avec une application linaire continue sur Rp Rp (cest dire
une application bilinaire continue sur Rp ) grce la proposition suivante.
Les espaces L (Rp ; L (Rq ; Rn )) et L (Rp , Rq ; Rn ) munis des normes usuelles sont iso-
mtriques.
68
Formules de Taylor 6.2 Exemples de diffrentielles dordre 2
Remarque . On peut interprter cette dfinition de la faon suivante (quon utilise en pratique
pour calculer d2 f ). Si f est deux fois diffrentiable sur U , alors, quel que soit k Rp , lapplication
g : U Rq
x 7 dfx (k)
est diffrentiable et
Donnons ici quelques diffrentielles dordre 2 pour deux types de fonctions classiques : les
applications affines et les applications quadratiques.
1. Une application affine f : x 7 l(x) + b avec l L (Rp ; Rq ) et b Rq est deux fois
diffrentiable et sa diffrentielle seconde est identiquement nulle.
2. Une application quadratique f : x 7 (x, x) avec L (Rp , Rp ; Rq ) est deux fois diff-
rentiable et sa diffrentielle seconde est constante, et mme gale 2 si est symtrique.
69
6.3 Matrice Hessienne Formules de Taylor
f
d2 fx (ei , ej ) = (x).
xi xj
Alors la matrice
2f 2f
(x) . . . (x)
x21 x1 xp
.. ..
d2 fx := Hess fx :=
. .
2f 2f
(x) . . . (x)
xp x1 x2p
Le thorme de Schwarz montre que les drives partielles croises sont gales, cest dire
f f
=
xi xj xj xi
pour tous i, j {1, ..., p}. Et donc la matrice hessienne est symtrique. Ces drives sont en
gnral notes
2f
.
xi xj
Par bilinarit, si h et k sont deux vecteurs de Rp de composantes (h1 , ..., hp ) et (k1 , ..., kp ) respec-
tivement, alors
p p
2 t
X X 2f
dx f (h, k) = h.Hess fa .k = hi kj (x).
i=1 j=1
xi xj
Autrement dit, Hess fa est la matrice de la forme bilinaire d2 fa par rapport la base canonique
de Rp . Lgalit de Schwarz assure de plus que la matrice hessienne est symtrique.
Soit une fonction f dfinie sur un ouvert (non vide) U de Rp et valeurs dans un Rq , et
k un entier au moins gal 2. On dit quelle est :
1. k fois diffrentiable en x U si sa diffrentielle df : Ux L (Rp ; Rq ) est (k 2)
fois diffrentiable dans un voisinage ouvert Ux de x, et sa (k 1)i`eme diffrentielle est
diffrentiable en x.
2. k fois diffrentiable dans U si elle est k fois diffrentiable en tout point de U .
3. de classe C k si et seulement si sa diffrentielle est de classe C k1 .
4. de classe C si elle est de classe de C k pour tout k 1.
Nous pouvons maintenant donner un rsultat qui permettra dtablir de faon ncessaire et suffi-
sante les diffrentielle dordre k, k N, qui gnralisera le cas des diffrentielles dordre 2. Par
gnralisation du thorme de Schwarz, il vient que si une fonction f est k fois diffrentiable en un
point x, sa diffrentielle dordre k sera une application k-linaire symtrique (nous ne montrerons
pas ce rsultat ici). Il est donc tout naturel de dfinir un tel espace dans laa dfinition ci-dessous
aprs avoir rappel ce quest une permutation.
71
6.4 Diffrentielle dordre k Formules de Taylor
Soit Lk (Rp ; Rq ) lespace des applications k-linaires continues sur (Rp )k . Une appli-
cation Lk (Rp ; Rq ) est dite symtrique si pour tout permutation de lensemble
{1, ..., k} et pour tout k-uplet (x1 , ..., xk ) (Rp )k ,
On notera Lks (Rp ; Rq ) lespace des applications k-linaires continues et symtriques sur
(Rp )k .
Nous pouvons ds lors donner une condition ncessaire et suffisante pour quune fonction f soit
k-fois diffrentiable.
Thorme 6.12 (CNS APPLICATION DIFFERENTIABLE)
De faon analogue aux diffrentielles dordre 2, nous obtenons que si h et k et l sont trois vecteurs
de Rp de composantes (h1 , ..., hp ), (k1 , ..., kp ) et (l1 , ..., lp ) respectivement, alors
p p p
X X X 3f
d3x f (h, k, l) = hi kj ln (x).
i=1 j=1 n=1
xi xj xn
Les diffrentielles dordre suprieure 1 tant dfinies, nous pouvons nous intresser dsormais
aux diffrents rsultats concernant les formules de Taylor. Nous nous intressons dans la section
suivante aux formules de Taylor avec reste intgral, aux formules de Taylor-Lagrange et enfin aux
formules de Taylor-Young.
72
Formules de Taylor 6.5 Formule de Taylor avec reste intgral
Z b
q
Remarque . Dans notre cas, nous sommes en dimension finie R et pour simplifier g(t)dt est
Z b a
simplement le vecteur dont les composantes sont gi (t)dt o les gi sont les i 1, ..., q sont les
a
composantes de g dans la base canonique.
Nous pouvons alors passer au cas le plus gnral de cette section qui sont les fonctions de Rp
valeurs dans Rq .
Si U est un ouvert de Rp , et f : U Rq est une fonction de classe C n+1 , alors pour tout
(x, h) U Rp tel que le segment [x, x + h] soit inclus dans U ,
n Z 1
X 1 k [k] (1 t)n n+1
f (x + h) = f (x) + d fx (h ) + d fx+th (h[n+1] )dt.
k=1
k! 0 n!
au-moins n + 1-fois diffrentiable (ou drivable si cest une fonction dune variable relle). On
perd par contre lgalit avec le reste intgral prcdent pour obtnir une ingalit dfinie dans les
forumes de Taylor-Lagrange ci-dessous.
alors n
X 1 (k) M
kg(1) g(0) g (0)k .
k=1
k! (n + 1)!
1. Si U est un ouvert Rp
2. si (x, h) U Rp est tel que le segment [x, x + h] soit inclus dans U , et
3. si f : U Rq est une fonction (n + 1) fois diffrentiable telle que
alors n
X 1 k M
kf (x + h) f (x) d fx (h[k] )k khkn+1 .
k=1
k! (n + 1)!
77
6.7 Formule de Taylor-Young Formules de Taylor
78
Chapitre 7
Extrema
Ce chapitre est consacr ltude de lexistence de deux types dextrema : les extrema libre
et les extrema lis. Les seconds correspondent au cas o les extrema sont justement lis des
contraintes. Dans les deux cas, nous pourrons dfinir ce que lon appelle extrema locaux (ou rela-
tifs) et les extrema globaux (ou absolus). Il se pourra donc que des minima locaux par exemple ne
soit pas globaux si lon tend le domaine de dfinition de la fonction f .
Nous ne nous intresserons galement qu ltude de minima (pour simplifier le chapitre) tant
donn que les maxima des fonctions f peuvent tre vus comme les minima des fonction f .
Enfin, nous ne nous intresserons quaux fonctions scalaires (autrement dit les fonctions f dfinies
sur Rp valeurs dans R).
Avant de commencer par ltude des extrema libres, faisons quelques petits rappels dalgbre.
q : Rp R
x 7 B(x, x).
Remarque . On remarque quen dimension finie, q est elliptique si et seulement si q est dfinie
positive. Si on nest pas en dimension finie (hors programme) on a juste lllipticit qui implique
q dfinie positive mais pas la rciproque.
Etant donn que certains rsultats dexistence dextrema font intervenir les matrices Hessiennes
(qui sont des matrices symtriques), rappelons ici quelques rsultats pour les matrices.
Soit
a1,1 a1,p
.. .. ..
A= . . .
ap,1 ap,p
une matrice carre, A Mp (R). On dit que A est symtrique si ai,j = aj,i pour tout
i, j = 1, ..., p.
80
Extrema 7.1 Rappels dalgbre
On peut prouver facilement si une matrice symtrique est dfinie positive grce au rsultat suivant.
Soit A Mp (R) une matrice symtrique, alorsA est DEFINIE POSITIVE si et seule-
ment si lune des proprits suivantes est satisfaite :
1. k > 0 pour tout k = 1, ..., n,
2. A est diagonalisable et ses valeurs propres sont strictement positives.
Remarque .
1) On remarque que si une matrice A Mp (R) une matrice symtrique est DEFINIE POSITIVE
on a les proprits suivantes :
-tous les coefficients diagonaux de A sont des rels strictement positifs,
81
7.2 Extrema libres Extrema
-le dterminant de A est strictement positif (cest dire que A est inversible),
- il existe une constante > 0 telle que xT .A.x kxk2 , pour nimporte quelle norme k.k,
2) Une matrice symtrique relle est dite dfinie ngative si son oppose (symtrique elle aussi)
est dfinie positive.
Si f est une fonction dfinie sur une partie U de Rp et valeurs relles, un point a U
est un minimum local (ou relatif) de f sil existe un voisinage Va de a ouvert dans U tel
que
f (x) f (a) pour tout x Va .
On dira que a est un minimum global (ou absolu) de f si
Un minimum est dit strict si lingalit est stricte, cest dire f (x) > f (a), pour tout
x 6= a (que ce soit local ou global).
Remarque .
1. Noter que si f : I R R, a U est un point critique de f si f 0 a) = 0.
2. Nous allons voir dans la proposition suivant quun extremum est un point critique, mais at-
tention, la rciproque est fausse. Ce nest pas parce que lon a un point critique que cest un
extremum. Par exemple, 0 est un point critique de f : x 7 x3 et pourtant ce nest pas un extremum
sur R.
Dans toute la suite, nous allons donner des critres ncessaires (et on lespre quelques fois suf-
fisants) pour trouver lexistence de ces extrema locaux selon le degr de diffrentiabilit de la
fonction f .
Si lon passe maintenant dans un cadre plus gnral des fonctions de RP R. Nous obtenons le
rsultat suivant.
Remarque . Attention :
1. La condition prcdente nest pas suffisante car a peut tre un point critique de f sans pour
autant que f possde dextremum local.
2. La condition U ouvert est importante. En effet, il se peut que f admette un extremum sur un
domaine U inclus dans Rp alors que ses drives partielles ne sannuleront pas sur U . Ce
qui nous ramne au rappel suivant (voir la remarque de la section 1.7).
Remarque . Attention !
1. Les conditions f 0 (a) = 0 et f 00 (a) 0 ne sont pas suffisantes ! On a besoin davoir f 00 (a) > 0.
On pourrait par exemple le voir avec f : x 7 x3 en x = 0.
2. Dautre part, la condition f 00 (a) > 0 nest pas ncessaire (autrement dit on peut avoir f 00 (a)
0. On pourrait par exemple le voir avec f : x 7 x4 en x = 0.
Remarque .
1. On retrouve ici la notion de coercivit donne dans le rappel tout au dbut de ce chapitre puisque
d2 fa est une application bilinaire symtrique (daprs le thorme de Schwarz).
2. Comme nous sommes en dimension finie, la condition sil existe C > 0 tel que d2 fb (h, h)
Ckhk2 , pour tout h Rp revient dire sil existe C > 0 tel que d2 fb (h, h) > 0 , pour tout
h Rp \ 0Rp (car la coercivit est quivalent dire que la fonction bilinaire symtrique est
dfinie positive en dimension finie).
3. Ce rsultat peut sinterprter facilement avec les matrices Hessiennes. Cest ce que nous allons
voir dans la section suivante.
84
Extrema 7.2 Extrema libres
pour tout x U , alors a est un minimum global de f sur U (resp. maximum global), et
si les ingalits sont strictes les extrema sont stricts.
2f 2f 2f
r= (a, b), s = (a, b), et t = (a, b).
x2 xy y 2
Alors
1. si rt s2 > 0 et r > 0, (a, b) est un minimum local de f sur U ,
2. si rt s2 > 0 et r < 0, (a, b) est un maximum local de f sur U ,
3. si rt s2 < 0 la fonction nadmet pas dextremum local, on dit alors que (a, b) est un
point SELLE ou COL.
7.3.1 Contraintes
Dfinition 7.19 (CONTRAINTES)
f (x) f (a)
Commenons par les fonctions dun espace R2 avec une seule contrainte :
86
Extrema 7.3 Extrema lis
df a + dga = 0.
Si jamais on est mal laise avec la notion de rgulire, il suffit juste de voir le rsultat prcdent
de la faon suivante :
1. on suppose que les fonctions f et g1 ,...,gk dfinies de Rp R sont continment diffrentiables.
2. on dit que les contraintes g1 ,...,gk sont indpendantes au point a U si la famille de formes
linaires continues {(dg1 )a , ..., (dgk )a } est libre (ce qui revient exactement dire que g est rgu-
lire. Alors on a le rsultat suivant quivalement au thorme prcdent :
Soient f et g1 ,...,gk sont des fonctions de classe C 1 dfinies sur un ouvert U Rp dun
valeurs dans R. Soit a U tel que g1 (a) = 0,...,gk (a) = 0 et les contraintes g1 ,...,gk sont
indpendantes au point a. Si a est un minimum local de f sous les contraintes g1 ,...,gk ,
alors il existe des rels 1 ,...,k tels que
Elle est dite strictement convexe si lingalit ci-dessus est stricte lorsque x 6= y et
]0, 1[.
Elle est strictement convexe si lingalit ci-dessus est stricte pour x 6= y. En supposant
en outre que f est deux fois diffrentiable, f|C est convexe si et seulement si, pour tous
x, y C
d2 fx (y x, y x) 0.
Elle est strictement convexe si lingalit ci-dessus est stricte pour x 6= y.
89