Académique Documents
Professionnel Documents
Culture Documents
ne société qui n’aime pas ses enseignants est une société qui n’a pas compris le défi de la mondia-
U lisation de demain. [Valérie Pécresse]
l y a des sciences bonnes dont l’existence est nécessaire et dont la culture est inutile. Telles sont les
I mathématiques. [Joseph Joubert]
0.1 Avant-propos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
0.2 Introduction. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1 Toplogie dans Rn 9
1.1 Normes et distances dans Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.1 Norme sur l’espace vectoriel Rn . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.2 Distance sur un espace vectoriel. . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.3 Normes classiques dans Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.4 Boule et sphère associées à une norme. . . . . . . . . . . . . . . . . . . . . . . 11
1.2 Défintions et propriétés de parties de Rn . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3
Table des matières Dr M.Harfaoui
2.4.2 Propriétés de la différentiabilité. . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4.3 Dérivées partielles d’une fonction composée . . . . . . . . . . . . . . . . . . . . 34
2.5 Fonctions homogènes et théorène des fonctions implicites . . . . . . . . . . . . . . . . 37
2.5.1 Fonctions homogènes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.5.2 Théorèmes de fonctions implicites . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.6 Formules de Taylor et développement limité . . . . . . . . . . . . . . . . . . . . . . . . 39
2.6.1 Formule de Taylor d’une fonction de plusieurs variables . . . . . . . . . . . . . 39
2.6.2 Développement limité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.7 Extremums libres de fonctions de Rn dans R . . . . . . . . . . . . . . . . . . . . . . . 42
2.7.1 Définitions et généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.7.2 Quelques graphes ; . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.7.3 Conditions d’extremums libres . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.8 Extremums liés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.8.1 Définitions et généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.8.2 Méthode de substitution. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.8.3 Méthode de Lagrange. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.9 Etudes d’extremums sur un compact . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
0.1 Avant-propos
e cours s’adresse à des étudiants de la tiendrez pas grande chose si vous vous
C deuxième année d’un DEUST. limitez à choisir un exercice, y réfléchir une
Il a pour objectif de donner les bases minute et aller vite voir le début de la cor-
en calcul différentiel pour des fonctions de rection en passant tout le temps à essayer de
plusieurs variables indispensables à toute comprendre la correction qui va paraı̂tre in-
formation en mathématiques appliquées à compréhensible. Pour que la méthode d’étude
l’économie. Les notions supposées connues soit vraiment efficace, il faut d’abord vraiment
correspondent au programme de la première essayer de chercher la solution. En particu-
année. lier, il faut avoir un papier brouillon à coté de
De nombreux livres, parfois très four- soi et un crayon. La première étape consiste
nis, existent. Ici on a cherché, compte tenu alors à traduire l’énoncé (pas le recopier), en
des contraintes de volume horaire, des acquis particulier s’il est constitué de beaucoup de
des étudiants à la première année et des exi- jargon mathématique. Ensuite il faut essayer
gences pour la suite du cursus, à dégager les de rapprocher les hypothèses de la conclusion
points clés permettant de structurer le tra- souhaitée, et pour cela faire quelques calculs
vail personnel de l’étudiant voire de faciliter ou transformer les hypothèses pour appliquer
la lecture d’autres ouvrages. Ce polycopié ne un théorème dont on aura vérifier que les hy-
dispense pas des séances de cours et de TD pothèses sont bien satisfaite. C’est ici que l’in-
ni de prendre des notes complémentaires. Il tuition joue un grand rôle et il ne faut pas
est d’ailleurs important de comprendre et ap- hésiter à remplir des pages pour s’apercevoir
prendre le cours au fur et à mesure. Ce poly- que l’idée qu’on a eu n’est pas la bonne. Elle
copié est là pour éviter un travail de copie qui pourra toujours resservir dans une autre situa-
empêche parfois de se concentrer sur les expli- tion. Quand finalement on pense tenir le bon
cations données oralement mais ce n’est pas un bout, il faut rédiger soigneusement en s’inter-
livre auto-suffisant (il est loin d’être exhaustif). rogeant à chaque pas sur la validité (logique,
De plus, ne vous étonnez pas si vous découvrez mathématique) de ce qu’on a écrit. Si l’étape
des erreurs (merci de me les communiquer). précédente ne donne rien, il faut chercher de
ependant, veuillez noter que vous n’ob- l’aide.
C
u’il s’agisse de traiter des questions rela- solides ne sont posés qu’au début du 20e siècle.
Q tives à la biologie, la chimie, la physique, La notion de dérivée partielle est connue à la
la production, la consommation ou encore l’en- fin du 17e siècle, mais les premières équations
vironnement, etc..., une modélisation adéquate aux dérivées partielles n’apparaissent qu’à par-
s’exprime le plus souvent à l’aide de fonctions tir de 1740 dans des problèmes de mécaniques.
de plusieurs variables. Ce chapitre introduit Deux mathématiciens sont considérés
les fonctions de plusieurs variables réelles en comme les pères des dérivées partielles. Tout
élargissant les définitions des fonctions d’une d’abord , le français CLAIRAUT Alexis-
variable réelle. Évidemment, la représentation Claude (1713-1765) en 1747, puis le suisse EU-
géométrique devient plus lourde : une fonc- LER Leonhard (Bâle 1707 - Saint-Pétersbourg
tion de n variables se visualise à priori dans 1783) dans son traité Institutiones calculi dif-
un espace à (n, 1) dimensions (n pour les va- ferentialis de 1755. Ils étudient ce que l’on
riables, 1 pour la fonction), alors que les pages nomme maintenant, la différentielle totale
d’un livre sont, par nature, bi-dimensionnelles. pour des fonctions de deux variables réelles :
Pour contourner cette impossibilité technique,
nous nous limiterons aux représentations des ∂f ∂f
fonctions de deux variables, soit sous forme df (x, y) = (x, y) + (x, y).
∂x ∂y
de dessins en perspective, soit sous forme de
coupes par des plans horizontaux ou verti- Au 18e siècle, les mathématiciens
caux qui donnent des informations souvent doivent apprendre à maı̂triser des équations
utiles, quoique parcellaires. Ce problème de d’ordre supérieur lorsqu’ils se consacrent
visualisation introduit une rupture nette par aux problèmes de la Mécanique des corps
rapport aux fonctions d’une variable étudiées déformables, de la théorie de l’élasticité et
antérieurement. Nous prenons le parti de pri- de l’hydrodynamique. Les dérivées partielles
vilégier les thèmes qui s’écartent des notions secondes apparaissent notamment lors de la
vues pour les fonctions d’une seule variable. À fameuse étude de l’équation aux cordes vi-
l’opposé, les définitions et les propriétés qui ap- brantes qui, avec celle de la propagation de
paraissent comme des généralisations évidentes la chaleur, donna naissance à la théorie des
sont évoquées ou présentées brièvement. séries de FOURIER (1768-1830). Le français
La température sous la surface de la Terre D’ALEMBERT Jean Le Rond (Paris 1717
est une funcion de la profondeur x sous la sur- - Paris 1783) a le premier donné en 1747,
face et le temps t de l’année. Je nous mesu- une solution de ce problème qui se ramène
rons en pieds x et t comme un certain nombre à l’intégration de l’équation aux dérivées par-
de jours écoulés entre la date prévue de la tielles (avec d’autres notations) :
température de l’habitable annuel le plus élevé,
∂2y 2
2∂ y
nous pouvons modéliser la variation de tempe- (x, y) = a (x, y).
tarure avec la fonction ∂t2 ∂x2
Exemples :
La température, la pression comme fonc-
w(x, t) = cos(0.017t − 0.2x)e−0.2x . tion de la position sur une carte : fonction de
deux variables x et y.
L’étude des fonctions de plusieurs variables L’altitude en un point d’une carte : fonc-
commence au 18e siècle mais ses fondements tion de deux variables x et y.
1
Toplogie dans Rn
a distance usuelle entre deux points de Le produit scalaire de x = (x1 , ..., xn ) avec
LR 2 ou R3 vue dans les petites classes est y = (y1 , ..., yn ) est défini par
ce qu’on appelle la distance euclidienne. On
définit également ainsi la longueur d’un vec-
x.y = x1 y1 + ... + xn yn .
teur − →
u , encore appelée la norme euclidienne de
ce vecteur et notée k → −u k : si −→u a pour compo-
santes (u1 et u2 ) dans un repère orthonormale On a en particulier k x k2 = x∆x. Inégalité
→
− − → de Cauchy-Schwarz : pour tout x et y dans
(O, i , j ), alors le Théorème p de Pythagorer
donne (figure 1.7) : k → −u k= u21 + u22 . Rn
Rappelons qu’en dimension 2, on identifie
un vecteur − →u de coordonnées (u1 et u2 ) avec
un point M du plan de coordonnées (u1 , u2 ) | x.y |≤k x k . k y k
−−→ −
une fois fixée une origine O et écrit OM = → u.
On généralisera ici cette identification en avec égalité si et seulement si x et y sont
désignant le point ou le vecteur de coordonnées proportionnels.
(x1 , ..., xn ) par x = (x1 , ..., xn ) ∈ Rn . Inégalité triangulaire : pour tout x et y
La norme euclidienne d’un vecteur x = dans Rn
(x1 , ..., xn ) ∈ Rn est définie par
q
k x k2 = x21 + ... + x2n | x + y |≤k x k + k y k .
9
Chapitre-1- Distance sur un espace vectorie Dr M.Harfaoui
n
1.1.1 Norme sur l’espace vectoriel R .
Définition 1.1.1
On appelle norme sur Rn toute application
N : Rn −→ R+ x −→ N (x), vérifiant, pour tout couple (x, y) de Rn × Rn et tout scalaire λ de R :
1. N (x) = 0 si et seulement si x = 0.
2. N (λx) =| λ | N (x), pour tout x ∈ Rn .
3. N (x + y) ≤ N (x) + N (y), pour tout x, y de Rn .
D’un point de vue géométrique, la norme euclidienne k x k correspond à la longueur du vecteur x (ou
encore à la distance du point x à l’origine).
C’est à dire la longueur du vecteur reliant le point x au point y. La norme euclidienne n’est pas
l’unique façon de mesurer la taille d’un vecteur x.
Définition 1.1.3
Deux normes N et N 0 sont dites équivalentes s’il existe α, β et γ de R tels que :
αN ≤ βN 0 ≤ γN
Proposition 1.1.2
1. Les trois normes N1 (x), N2 (x) et N∞ (x) sont équivalentes.
2. Toutes les normes de R3 sont équivalentes.
Exercice 1.1.1
Soit l’application d définie par :
R × R −→ R ¯ ¯
d: ¯ x y ¯¯
(x, y) −→ d(x, y) = ¯¯ −
1+ | x | 1+ | y | ¯
1. Montrer que d est une distance sur R.
2. La distance d est-elle induite par une norme ?
3. On munit R de la distance d. Montrer que
Corrigé 1.1.1
1. On vérifie les trois propriétés d’une distance.
(a) ∀x, y ∈ R, il est clair que d(x, y) = d(y, x),
x y
= (1)
1+ | x | 1+ | y |
.
x
si x ≥ 0, alors ≥ et les seuls y qui vérifient (1) seront positifs. Dans ce cas
1+ | x |
( ½
y ≥ 0 y ≥ 0
(1) ⇔ x y ⇔ ⇔x=y
= x + xy = y + xy
1+x 1+y
On raisonnerait de la même façon pour x ≤ 0 et la deuxième propriété est démontrée.
x
(c) Reste à montrer l’inégalité triangulaire. Posons f (x) = . On a :
1+ | x |
d(x, y) ≤ d(x, z) + d(z, y) ⇔ |f (x) − f (y)| ≤ |f (z) − f (y)| + |f (z) − f (y)|
|x|
k x k= d(x, 0) = ,
1+ | x |
et l’on aurait
∀λ, ∀x ∈ R, k λx k=| λ | . k x k
autrement dit
|λ|.|x| |x|
∀λ, ∀x ∈ R, = |λ|. .
1 + |λ|.|x| 1+ | x |
c’est absurde, comme on le vérifie en prenant par exemple λ = 2 et x = 1.
3. I Pour tout réel x,
x
d(x, 0) = < 1,
1+ | x |
donc R est entièrement inclus dans la boule ouverte de centre O et de rayon 1. C’est donc
un ensemble borné pour cette distance.
I Pour tous réels x et y,
Exercice 1.1.2
On munit R de la distance euclidienne associée à la norme N2 . Soit A le sous-ensemble de
R2 défini par :
A = {(x, y) ∈ R2 /x2 − 2x ≤ y ≤ 2x − x2 }
1. Représenter sommairement l’ensemble A.
2. Montrer que A est borné.
3. Vérifier que : ∀(x, y) ∈ A2 , y 2 ≤| y |.
4. calculer, dim(A), le diamètre de A.
Corrigé 1.1.2
1. L’ensemble A est formé des points situés entre les courbes d’équations : y = x2 −2x et y = 2x−x2 .
2. la figure montre bien que A est borné et nous donne une indication sur le diamètre de A. Si
(x, y) ∈ A alors y = x2 − 2x ≤ 2x − x2 et donc x(x − 2) ≤ 0, et cela équivaut à 0 ≤ x ≤ 2.
Ensuite | y |≤ sup | x2 − 2x |= 1. Finalement 0 ≤ x ≤ 2 et | y |≤ 1 pour tout (x, y) ∈ A, et
0≤x≤2
cela prouve que A est borné.
3. Si (x, y) ∈ A, alors | y |≤ 1 et donc
y 2 ≤| y |.
4. On remarque que A est inclus dans le disque fermé D = B((1, 0), 1) de centre (1, 0) et de rayon
R = 1, par conséquent
B(x, r) ⊂ U.
Définition 1.2.2
Un ensemble F de Rn est dit fermé si et seulement si son complémentaire F c = Rn \F est ouvert.
Définition 1.2.3
Un ensemble E ⊂ Rn est dit borné si et seulement si il existe R > 0 tel que E ⊂ B(0, R). Un ensemble
fermé et borné de Rn est dit compact.
Définition 1.2.4
Dans Rn un ensemble E est dit compact si et seulement si il est fermé borné.
Remarque 1.2.1
Soit K un corps muni d’une valeur absolue, et non discret (par exemple le corps des réels ou des
complexes. Tous les résultats présidents se généralisent sur Un K-espace vectoriel E dit normé E muni
d’une norme définie par la même définition.1.3.1.
Définition 1.2.5
Un ensemble E est dit connexe si et seulement si il existe aucune paire d’ouverts (U1 , U2 ) tels que
E ⊂ U1 ∪ U2 et E ∩ U2 et E ∩ U2 sont disjoints.
Autrement dit, E est connexe si on ne peut pas le séparer en deux partie disjointes en l’interceptant
avec deux ouverts. Dans le cas d’un ensemble ouvert, cela se traduit par la propriété intuitive suivante.
Proposition 1.2.2
Un ensemble ouvert U est connexe si et seulement si pour tout x et y dans U , il existe une ligne brisée
contenue dans U qui les relie.
Remarque 1.2.2 On peut vérifier qu’en dimension n = 1 les connexes et les convexes de R sont
exactement les intervalles (de taille finie ou infinie).
En revanche, en dimension n > 1 tout convexe est connexe mais la réciproque est fausse. On vérifie
aussi qu’une intersection finie ou infinie de compacts est un compact et de même pour les convexes.
Définition 1.2.7
1. Soit un ouvert Ω de Rn et a ∈ Ω. On dit que Ω est étoilé par rapport à a si [a, x] ⊂ Ω, ∀x ∈ Ω.
2. Ω est étoilé si Ω étoilé par rapport à tous ses points.
Fig. 1.3 – Connexe par arc non étoilé Fig. 1.4 – Poincaré Henri
2
Fonctions numériques à plusieurs variables
n veut généraliser pour ce type de fonc- cela, il sera nécessaire de préciser certains ou-
O tions les notions et résultats étudiés pour tils topologiques déjà plus ou moins abordés
les fonctions réelles de la variable réelle vues, pour l’étude des fonctions de R dans R norme,
à savoir, régularité (continuité, dérivabilité...), distances associée, ouvert, fermé, notion de li-
existence d’extrema locaux ou globaux pour les mite...
fonctions à valeurs dans R, intégrabilité... Pour
Exemple 2.1.1.1
17
Chapitre-1- Généralité, et définitions Dr M.Harfaoui
2.1.2 Domaine de définition de fonctions de plusieurs variables.
Définition 2.1.2
Le domaine de définition d’une fonction numérique de plusieurs va-
riables f est l’ensemble Df défini par
p
Fig. 2.1 – f (x) = x2 − 1 Fig. 2.2 – 1 − x2 − y 2
Définition 2.1.3
Soit Ω une partie de Rn et
Cas particuliers.
1. Dans le cas d’une fonction d’une seule variable le graphe est une partie de IR2 et prend le nom
de courbe.
2. Dans le cas d’une fonction de deux variable le graphe est une partie de IR3 et prend le nom de
surface.
Exemple 2.1.3.1
p
Fig. 2.3 – f (x, y) = x2 − y 2 Fig. 2.4 – f (x, y) = x2 + y 2
p
4. f (x, y) = 1 − x2 − y 2 , G est la demi-sphère supérieure avec sa frontière, (fig.1.2).
5. f (x, y) = cos(x). cos(y), G est la surface représentée dans (fig.1.5).
6. f (x, y) = x2 + y 2 , Gf est une paraboloı̈de, (fig.1.6).
cos(1/x) − y
Fig. 2.10 – .
Fig. 2.9 – cos(x). cos(y) x3 − y 2
Définition 2.1.4
Soit k ∈ R et f une fonction de D ⊂ R2 dans R,l’ensemble
{(x, y) ∈ R2 : f (x, y) = k}
est la courbe de niveau k de la fonction f . Les courbes de niveau d’une fonction f fournissent une
représentation géométrique de f sur le plan, alors que son graphe en donne une dans l’espace. La
courbe de niveau k est la projection sur le plan d’équation z = 0 de l’intersection du graphe de f avec
le plan horizontal z = k.
On appelle fonction partielle d’ordre i (ou ieme fonction partielle) la fonction d’une seule variable en
variant la ieme coordonnée et en fixant les autres. Elle est définie par
ne fois qu’on a les normes et les voisinages, que le domaine se situe dans un espace à deux
U la définition de limite est la même que dimensions au moins, les chemins qui mènent
dans R ou C. à un point donné peuvent suivre divers axes.
La notion de limite pour une fonction de Ainsi, l’ensemble des points en lesquels une li-
plusieurs variables généralise naturellement la mite peut être considérée, doit être défini en te-
notion correspondante dans le cas des fonc- nant compte de toutes les possibilités d’accès
tions d’une seule variable. Toutefois, un nouvel (voir par exemple la figure 1.18). Une façon
élément entre en jeu : les limites unilatérales commode de procéder s’appuie sur la notion
(i.e. de la gauche et de la droite) perdent leur de boule ouverte dans Rn qui généralise celle
sens et sont remplacées par les nombreuses li- d’intervalle ouvert dans R. Pour cela il faut uti-
mites directionnelles possibles. En effet, dès liser la notion de norme dans Rn qui généralise
Soit (pk )k > 0 une suite de points (ou de vecteurs) de Rn . On dit que cette suite converge vers une
limite p ∈ Rn si et seulement si pour tout ² > 0, il existe k0 tel que
k ≥ k0 ⇒ N (pk − p) < ².
Théorème 2.2.1
F est ferme si et seulement toute suite de points de F qui converge a sa limite dans F .
Définition 2.2.1
Soit Ω un ouvert de Rn , a = (a1 , a2 , ..., an ) ∈ Ω et f une fonction numérique de plusieurs variables
définie sur un domaine Ω, sauf peut être au point a, à valeurs dans R.
On dit que f admet une limite L en a si (∀ε > 0), (∃η > 0) tels que
Proriété 2.2.1
L’existence et la valeur éventuelle de la limite sont indépendantes de la norme choisie dans R2 .
Lorsqu’elle existe, la limite est unique.
Proriété 2.2.2
Si f a pour limite L en un point a, la restriction de f à toute courbe continue (non seulement les
droites !) passant par a admet la même limite L.
3. Soit f une fonction numérique définie sur Rn . Si h est une fonction continue de R et lim f (x) = l
x→a
existe alors lim h(f (x)) = h(l).
x→a
Astuces
1. En pratique, pour prouver qu’une fonction de plusieurs variables n’admet pas de limite en a, il
suffit d’expliciter une restriction à une courbe continue passant par a qui n’admet pas de limite,
ou deux restrictions qui conduisent à des limites différentes. Mais pour prouver l’existence d’une
limite, il faut considérer le cas général.
¡ ¢ ¡ ¢
2. Attention lim f (x, y) 6= lim lim f (x, y) et lim f (x, y) 6= lim lim f (x, y) . (voir
(x,y)→(a,b) x→a y→b (x,y)→(a,b) y→b x→a
l’exemple ci-dessous.)
3. Si au voisinage de (a, b) on a | f (x, y) − l |≤ h(x, y) et lim f (x, y) = 0 alors
(x,y)→(a,b)
lim f (x, y) = l.
(x,y)→(a,b)
x2 − y 2
Exemple 2.2.1.1 Montrons de deux manières que lim )f (x, y) avec f (x, y) = . n’existe
(x,y)→(0,0 x2 + y 2
pas.
ExerciceMontrer que les fonctions suivantes admettent les limites 0 aux points données
x2 y 3
1. f (x, y) = p , où (x0 , y0 ) = (0, 0) (utiliser les inégalités x2 ≤ x2 + y 2 et y 2 ≤ x2 + y 2 ).
2
x +y 2
2
x sin(xy)
2. f (x, y) = , où (x0 , y0 ) = (0, 0) (utiliser l’inégalité x2 ≤ x2 + y 2 , on obtient | f (x, y) |≤|
x2 + y 2
sin(xy) |) .
x2 y
3. f (x, y) = 4 , où (x0 , y0 ) = (0, 0). (passer aux coordonnées polaires puis aux directions
x + y2
x = y et y = x2 ).
Théorème 2.2.2
Si f admet une limite en un point a sur un voisinage Va de a alors sa restriction sur tout sous ensemble
0
Va de Va admet la même limite en a. On a :
Corollaire 2.2.1.1
Si une fonction f admet une limite sur un ouvert alors f admet la même limite par rapport à chacune
de ses variables.
Remarque 2.2.1
La réciproque de ce théorème n’est pas toujours vraie.
xy
En effet soit la fonction définie par f (x, y) = 2 . Cette fonction admet la même limite par
x + y2
rapport à chacune des variable au point (0, 0).
Car : lim f (x, 0) = 0 et lim f (0, y) = 0,
x→0 y→0
kx2 k
mais lim f (x, kx) = lim = . Cette dernière limite dépend de k et
(x,kx)→(0,0) (x,kx)→(0,0) (1 + k 2 )x2 1 + k2
donc f n’a pas de limite.
Proposition 2.2.1
Soient f et g deux fonctions admettant en x0 les limites L et L0 . Alors
1. Soient f + g admet en x0 la limite L + L0 .
2. Soient αf admet en x0 la limite αL
f L
3. admet en x0 la limite 0 , si L0 6= 0.
g L
Définition 2.2.2
On dit que f est continue en un point x0 si :
(∀ε > 0), (∃η > 0) tels que :k x − x0 k⇒| f (x) − f (x0 ) |< ², pour x = (x1 , ..., xn )
Remarque 2.2.2
Dans le cas d’une fonction d’une variable réelle on sait que tout fonction continue à droite et à
gauche en un point est continue. Cette propriété tombe en défaut dans le cas des fonction de plusieurs
variables.
En effet, la fonction définie sur R2 par :
xy 2
f (x, y) = 2 , si (x, y) 6= (0, 0)
x + y4
f (x, y) = 0, si (x, y) = (0, 0)
est continue suivant toute direction passant passant par (0, 0) mais pas continue en (0, 0) (poser x =
y 2 ).
Proposition 2.2.2
Si f et g sont continues en x0 et α ∈ R alors
1. f + g, f.g et α f sont continues en x0 .
f
2. si g(x0 ) 6= 0 alors est continue en x0 .
g
Définition 2.2.3
On dit que f est continue sur un ouvert Ω si f est continue en tout point de Ω.
Théorème 2.2.4
1. Toute fonction polynôme est continue sur Rn .
2. Toute fonction rationnelle est continue sur son domaine de définition.
Théorème 2.2.5
Si f est continue alors f est continue par rapport à chacune de ses variables séparément.
Donc la fonction f restreinte à un sous-ensemble D1 de R2 n’a pas la même limite que la même
fonction restreinte à deux autres sous-ensembles de R2 . (Les fonctions partielles f(0,0),1 et f(0,0),2 sont
des restrictions de f aux droites y = 0 et x = 0 respectivement). Or la limite, si elle existe, doit être
unique , donc la limite n’existe pas.
Exemple 2.2.2.3
1. f (x, y) = x2 + y 2 − xy + y est continue dans R2 (polynôme du second degré à deux variables).
2. f (x, y, z) = ey + xy 2 − z + sin(xyz) est continue dans R3 (somme d’une exponentielle et d’un
polynôme).
3. f (x, y) = ln(x + y 2 ) − 3xy est continue dans D = {(x, y) ∈ R2 /x + y 2 > 0} comme somme du
logarithme d’un polynôme (fonction composée) et d’une constante.
2.3.1 Motivation.
es fonctions de plusieurs trouvent leurs ap- Il s’agit de calculer la dérivée par rap-
L plications en économie surtout. Pour une port au facteurs qui varie et comme la fonc-
fonction de production de la forme P = tion dépend de deux variables on parlera de
f (K, L) = aK α Lβ (celébre fonction de cob- dérivées partielles.
Douglass), on peut se demander de combien
augmentera la production si l’un des facteurs Pour une entreprise si on cherche à mini-
de production augmente en gardant le second miser le coût, il s’agit là encore d’étudier les
constant ? dérivées premières et secondes partielles.
Définition 2.3.1
On appelle dérivée partielle première ou d’ordre un de f par rapport à x au point (x0 , y0 ), notée :
∂f 0
(x0 , y0 ) = fx (x0 , y0 ), la dérivée de la fonction x −→ f (x, y0 ) au point x0 . Donc
∂x
∂f f (x, y0 ) − f (x0 , y0 )
(x0 , y0 ) = lim
∂x x→x0 x − x0
On appelle dérivée partielle première ou d’ordre un de f par rapport à y au point (x0 , y0 ), notée
∂f 0
(x0 , y0 ) = fy (x0 , y0 ), la dérivée de la fonction y −→ f (x0 , y) au point y0 . Donc
∂x
∂f f (x0 , y) − f (x0 , y0 )
(x0 , y0 ) = lim
∂y y→y0 y − y0
Exemple 2.3.2.1 Soit f (x, y) = 2x2 − 3xy + 4y 2 . Calculer les dérivées partielles au point (1, 2). En
considérant y constant et en dérivant par rapport à x on a :
∂f ¯¯ ¯
(x,y)=(1,2)
= (4x − 3y)¯(x,y)=(1,2) = −2
∂x
∂f ¯¯ ¯
(x,y)=(1,2)
= (−3x + 8y)¯(x,y)=(1,2) = 13
∂y
Définition 2.3.2
∂2f ∂ ∂f 00
(x0 , y0 ) = ( )(x0 , y0 ) = fx (x0 , y0 ),
∂x2 ∂x ∂x
∂f
la dérivée de la fonction x −→ (x, y0 ) au point x0 .
∂x
On appelle dérivée partielle seconde ou d’ordre deux de f par rapport à y au point (x0 , y0 ), notée :
∂2f ∂ ∂f 00
2
(x0 , y0 ) = ( )(x0 , y0 ) = fy (x0 , y0 ),
∂y ∂y ∂y
∂f
la dérivée de la fonction y −→ (x0 , y) au point x0 .
∂y
On appelle dérivée partielle seconde ou d’ordre deux de f par rapport à x, y au point (x0 , y0 ), notée
∂2f ∂ ∂f 00
(x0 , y0 ) = ( )(x0 , y0 ) = fxy (x0 , y0 ),
∂x∂y ∂x ∂y
la dérivée de la fonction :
∂f
x −→ (x, y0 ) au point x0 .
∂x
On appelle dérivée partielle seconde ou d’ordre deux de f par rapport à y, x au point (x0 , y0 ), notée :
∂2f ∂ ∂f 00
(x0 , y0 ) = ( )(x0 , y0 ) = fyx (x0 , y0 ),
∂y∂x ∂y ∂x
∂f
la dérivée de la fonction : y −→ (x0 , y) au point y0 .
∂x
Définition 2.3.3
On dit que f est de classe C k sur un ouvert Ω de IRn si les dérivées partielles d’ordre k de f sont
continues sur Ω.
Définition 2.3.4
On appelle dérivée de f en a suivant le vecteur −
→
u , et on note df−
u (a), la dérivée (si elle existe) de la
→
→
−
fonction t → f (a + t. u ) en 0, i.e.
f (a + t.−
→
u ) − f (a)
u (a) = lim
df−
→
t→0 t
Notons que df−
u (0) existe toujours et vaut 0.
→
0 df 0
f (a) = (a), doncdf (a) = f (a)dx.
dx
On généralise cette définition dans Rn de la façon suivante.
Définition 2.4.1
Soit f : Ω ⊂ Rn → R, a = (a1 , a2 , ..., an ) ∈ Ω. La différentielle de f au point a , notée df (a) est une
application linéaire de Rn dans R telle que au voisinage de a on a
Proposition 2.4.1
La différentielle df (a), si elle existe, est unique. On la note selon les auteurs ou les circonstances :
L = Df (a) ou df (a) ou Da f ou da f.
En utilisant les définitions des dérivées partielles on peut montrer la proposition suivante carctérisnat
la différentielle
Proposition 2.4.2
Soit f une fonction numérique de plusieurs variables définie sur un ouvert un voisinage contenant
a = (a1 , a2 , ..., an ).
La différentielle totale de f en a, qu’on note dfx0 , l’application linéaire de Rn dans R définie par
n
X ∂f
(df )a = (a)dxi .
∂xi
i=1
Remarque 2.4.2
La différentielle totale de z = f (x, y) est l’accroissement de z lorsque dx et dy tendent vers 0.
dz ' ∆z.
On peut déterminer l’erreur ε(z) de z si on connaı̂t les variations dx et dy.
∂f ∂f
En effet dz = (a, b)dx + (a, b)dy.
∂x ∂y
∂f ∂f
| dz |≤| (a, b) | . | dx | + | (a, b) | . | dy |, ou
∂x ∂y
∂f ∂f
| ε(z) |≤| (a, b) | . | ε(x) | + | (a, b) | . | ε(y) |.
∂x ∂y
Proposition 2.4.4
Si f est différentiable en un un point a alors f est continue en a
Proposition 2.4.5
Si f est différentiable en un point a alors f admet une dérivé suivant tout vecteur non nul −
→u de Rn .
En patrticulier Si f est différentiable en un point a alors f admet une dérivé partielle par rapport à
chacune de ses variables.
On sait que f n’est pas différentiable en (0, 0) parce qu’elle n’est même pas continue. Comment se
comportent ses dérivées partielles au voisinage de (0, 0) ?
∂f y0 (y02 − x20 ) ∂f ∂f
On a vu que si (x0 , y0 ) 6= (0, 0), (x0 , y0 ) = 2 2 2
et que (0, 0) = 0. Donc est
∂x (x0 + y0 ) ∂x ∂x
bien définie au voisinage de (0, 0), mais elle n’est pas continue : si xn = 1/n et yn = 2/n, on a
∂f 2/n2 2/n2 ∂f
lim xn = 0, lim yn = 0, et (xn , yn ) = 2 2 2
= . Donc, lim (xn , yn ) 6= 0.
n→+∞ n→+∞ ∂x (1/n + 4/n ) 25/n4 n→+∞ ∂x
Proposition 2.4.6
Pour que f : Ω ⊂ Rn → R soit différentiable en un point a, il suffit que f admette sur V , un voisinage
∂f
de a, n dérivées partielles , toutes continues en a.
∂xi
Démonstration. Comme V est un ouvert donc il existe η > 0, P ⊂ V , où P = {x; ∀j =
1, ..., n, |xj − aj | < η}.
j
X
Pour h ∈ Ω, tel que ∀j = 1, ..., n, |h| < η, soit Vj = hi ei , 1 ≤ j ≤ n et V0 = 0
i=1
n
X
On a alors f (a + h) − f (a) = f (a + Vj ) − f (a + Vj−1 )
j=1
n
X X n
∂f
donc : f (a + h) − f (a) − hj = ϕj (hj ) − ϕj (0)
∂xj
j=1 j=1
∂f
avec : ϕj : t → f (a + Vj−1 tej ) − t (a)
∂xj
L’inégalité des accroissements finis appliquée à ϕj sur [0, hj ] donne
∂f
|ϕj (hj ) − ϕj (0)| ≤ |hj |c avec ϕj = sup |f (a + Vj−1 tej ) − t (a)|
t∈[0,hj ] ∂xj
donc avec, par exemple, khk = sup
1≤j≤n
n
X X n
∂f
|f (a + h) − f (a) − hj | ≤ khk Mj
∂xj
j=1 j=1
La continuité des dérivées partielles en a donne lim Mj
h→0=1
Pn ∂f
D’où f (a + h) − f (a) − j=1 hj = o(h)
∂xj
Proposition 2.4.7
Pour que f : Rn → R soit différentiable sur un ouvert U de Rn , il suffit et il suffit que f soit de classe
C 1 sur U .
Conséquence. Si f est différentiable en un point a alors f addmet une dérivée partielle suivant toute
direction (et en particulier : par rapport à chacune de ses variables).
Exemple 2.4.2.2
Etude de la continuité et la diffrentiabilité (0, 0) de la fonction f définie par
y2x
f (x, y) = , si ;(x, y) 6= (0, 0)
x2 + y 2
f (x, y) = 0, si :(x, y) = (0, 0)
t3
Il est évident que la fonction est continue en (0, 0). On a pour tout t, f (t(1, 1)) = , et
2.t2
f (t(1, 1)) − f (0, 0) 1 1
lim = . Donc f est dérivable suivant le vecteur (1, 1) et on a d(1,1) f (0, 0) = .
t→0 t 2 2
f (t(2, 1)) − f (0, 0) 2 1
De même lim = 6= .
t→0 t 5 2
∂f ∂f
Mais f n’est pas diffrentiable en (0, 0). En effet, on vérifie que (0, 0) = (0, 0) = 0 et on a
∂x ∂y
¯
¯ f (h, +k) − f (0, 0)¯ k2 h ¯ 1
lim ¯ √ = lim √ ¯=∓ √ 6= 0.
(h,k)→(0,0) 2
h +k 2 2 2 2
(h,k)→(0,0),h=k (h + k ) h + k 2 2 2
Attention. Une fonction peut admettre des dérivées partielles en tout point d’un ouvert sans
xy
qu’elle soit continue en un point de cet ouvert. Étudier la fonction f (x, y) = 2 et f (0, 0) = 0.
x + y2
0 dF ∂f dx ∂f dy
F = = . + . ,
dt ∂x dt ∂y dt
ou
0 0 0 0 0
F (t) = fx (ϕ(t), ψ(t))ϕ (t) + fy (ϕ(t), ψ(t))ψ (t).
Exemple 2.4.3.1 Si F (t) = x(t)y(t) = f (x(t), y(t)) avec x(t) = cos t et y(t) = sin(t) alors
0 ∂f dx ∂f dy ∂(xy) d ∂(xy) d
F = . + . = . (cos t) + . (sin t)
∂x dt ∂y dt ∂x dt ∂y dt
= −y. sin t + x. cos t = − sin2 t + cos2 t = cos(2t).
Théorème 2.4.2
Corrigé
∂ϕ ∂ϕ ∂f ∂f
1. On a pour tout (r, θ) ∈ ]r, +∞[×]0, 2π[ , (r, θ) et (r, θ) en fonction de (x, y) et (x, y)
∂r ∂θ ∂x ∂y
donnent
:
∂ϕ ∂f ∂f
(r, θ) = cos θ. (x, y) + sin θ. (x, y)
∂r ∂x ∂y (S)
∂ϕ ∂f ∂f
(r, θ) = −r sin θ (x, y) + r cos θ (x, y)
∂θ ∂x ∂y
r cos θ ∂ϕ (r, θ) = r cos2 θ. ∂f (x, y) + r cos θ sin θ. ∂f (x, y)
∂r ∂x ∂y
∂ϕ ∂f ∂f
− sin θ (r, θ) = r sin2 θ (x, y) − r sin θ cos θ (x, y)
∂θ ∂x ∂y
et
∂ϕ ∂f ∂f
r sin θ (r, θ) = r sin θ cos θ. (x, y) + r sin2 θ. (x, y)
∂r ∂x ∂y
∂ϕ ∂f ∂f
cos θ (r, θ) = −r cos θ sin θ (x, y) + r cos θ (x, y)
2
∂θ ∂x ∂y
∂f ∂f
et pour tout (x, y) on a On résout le système (S) d’inconnues (x, y) et (x, y) on aura pour
∂x ∂y
tout (x, y)
Corollaire 2.4.3.1
Soit f une fonction définie sur un ouvertU de R2 .
∂2f ∂2f
Si les fonctions dérivées partielles secondes : et sont continues sur U .
∂y∂x ∂x∂y
∂2f ∂2f
Alors pour tout (a, b) ∈ U : (a, b) = (a, b).
∂y∂x ∂x∂y
Exemple 2.5.2.1
Soit f (x, y) = x2 +y 2
√ −1 et soit l’équation
2 2 2 2
√ f (x, y) = x +y −1 = 0. Alors f (x, y) = x +y −1 = 0
2
est équivalente à y = −x + 1 ou y = − −x + 1. 2
Théorème 2.5.2 (Théorème des fonctions implicites définies par une équation.)
Soit f une fonction de deux variables declasse C 1 sur un ouvert U de R2 et un point (x0 , y0 ) ∈ U telle
que f (x0 , y0 ) = 0.
0 0 0
Si fx et fy existent et sont continues sur V et si fy (x0 , y0 ) 6= 0, alors Il existe :
– un voisinage Ix0 de x0 .
– un voisinage Jx0 de y0 .
– une fonction ϕ d’une seule variable de classe C 1 de Ix0 dans Jy0
tels que pour tout (x, y) ∈ Ix0 × Jy0 :
0
fy (x, y) 6= 0
f (x, y) = 0 ⇐⇒ y = φ(x)
0
0 f (x, ϕ(x))
De plus pour tout x ∈ Ix0 : ϕ (x) = − 0x
fxy (x, ϕ(x))
Définition 2.5.2
La fonction ϕ ainsi définie est appelée fonction implicite définie par une équation.
Exemple 2.5.2.2 Montrer qu’il existe une fonction ϕ de classe C ∞ au voisinage de 0 telle que ϕ(0) =
0, définie implicitement par arctan(xy) + 1 = exp(x + y).
Donner le DL3 de f au voisinage de 0.(On trouve ϕ(x) = −x − x2 − x3 + o(x3 ))
Alors il existe :
– un voisinage U1 de (a1 , a2 , ..., an ).
– un voisinage U2 de (an+1 , ..., an+p ).
– une fonction ϕ de classe C 1 de U1 dans U2
tels que pour tout x = (x1 , x2 , ..., xn , xn+1 , ..., xn+p ) ∈ U1 × U2 :
h ∂f i
i
det (x) 6= 0
∂xn+j 1≤i≤p 1≤j≤p
f (x1 , x2 , ..., xn , xn+1 , ..., xn+p ) = 0 ⇐⇒ (xn+1 , ..., xn+p ) = φ(x1 , x2 , ..., xn )
où φ = (φ1 , φ2 , ..., φp ).
Exercice 2.5.1
Soit f : R3 → R2 définie par f (x, y, z) = (f1 (x, y, z), f2 (x, y, z)) = (x2 − y 2 + z2 − 1, xyz − 1) telle
que f (1, 1, 1) = (0, 0).
Montrez qu’il existe un intervalle I contenant x0 et une application ϕ : I → R2 tels que ϕ(x0 ) =
(y0 , z0 ) et f (x, ϕ(x)) = 0 pour tout x ∈ I.
Corrigé 2.5.1
La fonction f est de classe C 1 car ces composantes sont des fonctions polynômes.
Le jacobien
¯ ¯
¯ ∂f1 ∂f1 ¯
D(f1 , f2 ) ¯ ∂y (1, 1) ∂z (1, 1)¯¯
¯
= ¯ ∂f ¯ = −4 6= 0.
D(y, z) ¯ 2 (1, 1) ∂f2 (1, 1)¯
¯ ¯
∂y ∂z
D’après le théorème des fonctions implicites, il existe I intervalle contenant 1 et g : I → R2 tel
que f (x, ϕ(x)) = 0 pour tout x ∈ I et ϕ(1) = (1, 1).
D’après la formule des accroissements finis dans IR appliquée à g sur l’intervalle [0, 1], on a :
0
Il existe θ ∈]0, 1[ tel que g(1) − g(0) = g (θ).
D’où la D’après la formule des accroissements finis dans IR2 .
Application
Soit f la fonction définie par :f (x, y) = e−y ln(1 + x). Calculer f (0, 2, 1, 05)
Corrigé
0 e−y 0 0
On a fx (x, y) = et fy (x, y) = −e−y ln(1 + x) et on a f (0, 2, 1, 05) = f (0, 1) + 0, 2fx (0, 1θ, 1 +
0
1+x
0, 05θ) + 0, 05fy (0, 1θ, 1 + 0, 05θ)
Donc f (0, 2, 1, 05) = ln(2) + ε(θ), où ε(θ) est l’erreur commise
Théorème 2.6.2
Soit f une fonction de classe C 2 sur un ouvert Ω de IR2 (a, b) ∈ Ω, et (h, k) ∈ IR2 tels que le segment
[a,a+h] alors il existe θ ∈]0, 1[ tel que :
0 0 1 00 00 00
f (a+h, b+k) = f (a, b)+hfx (a, b)+kfy (a, b)+ (h2 fx (a, b)+2hkfxy (a, b)+k 2 fy (a, b))+o((h2 +k 2 )2 ).
2
1
f (a + h, b + k) = f (a, b) + ph + qk + (rh2 + 2shk + tk 2 ) + o((h2 + k 2 )2 )
2
1
où f (a + h, b + k) = f (a, b) + ph + qk + Q(h, k) + o((h2 + k 2 )2 ).
2
Exercice d’application.
Théorème 2.6.5 .
La fonction f admet un développement limité à l’ordre un et on a
0 0 1 00 00 00
f (a+h, b+k) = f (a, b)+hfx (a, b)+kfy (a, b)+ (h2 fx (a, b)+2hkfxy (a, b)+k 2 fy (a, b))+(h2 +k 2 )ε(h, k).
2
Remarque 2.7.1
Généralement les deux problèmes mathématiques montrer qu’il existe un objet et trouver un
tel objet son assez différents. Le second problème entraı̂ne le premier, il est en général plus difficile
à résoudre. Par exemple, on sait que :
Toute fonction continue sur un fermé borné est une application bornée qui atteint
ses bornes.
Exemple 2.7.2.1
1. Soit la fonction f définie par f (x, y) = 3 + 2x + 4y − x2 − y 2 .
On a pour tout (x, y) de R2 : f (x, y) = 8 − (x − 1)2 − (y − 1)2 et f (2, 1) = 8 donc f admet un
maximum global au point (2, 1) et ce maximum est : 8.
2. La fonction f (x, y) = x2 y n’admet ni maximum ni minimum au voisinage de (0, 0).
Soit f une fonction de deux variables de classe ∈ sur un ouvert Ω de R2 et (a, b) un point de Ω.
¥ Conditions nécessaires d’optimalité (du premier ordre)
Théorème 2.7.1
Si f admet un extremum au point (a, b) et si elle a des dérivées partielles en ce point, alors
∂f ∂f
(a, b) = (a, b) = 0.
∂x ∂y
Définition 2.7.3
On appelle point stationnaire ou critique le point solution du système :
∂f ∂f
(x, y) = 0, et (x, y) = 0..
∂x ∂y
Définition 2.7.4
On appelle matrice
2 héssienne2 de f aupoint (a, b) la matrice
∂ f ∂ f
∂x2 (a, b) ∂x∂y (a, b)
Hf (a, b) = ∂2f
. Son déterminant, noté ∇(a, b), est appelé : hessien de f au
∂2f
(a, b) (a, b)
∂x∂y ∂y 2
point (a, b). On a alors Hf (a, b) = r0 t0 − s20 .
Théorème 2.7.2
1. Si Hf < 0 alors f n’admet pas d’extremum au point (a, b) ( c’est un point selle).
2. Si Hf > 0 et r0 < 0, alors f admet un maximum local au point (a, b).
3. Si Hf > 0 et r0 > 0, alors f admet un minimum local au point (a, b).
4. Si Hf = 0, on ne peut pas conclure.
Définition 2.7.6
1. Un polynôme scindé est un polynôme qui peut se factoriser en produit d’expressions du 1er degré.
2. On appelle polynôme caractéristique de la matrice A, le déterminant de A − λIn , noté PA (λ) =
det(A − λ.In ).
Théorème 2.7.3
Si le polynôme caractéristique est scindé, la trace d’une matrice est égale à la somme des valeurs
propres.
Exemple 2.7.3.1
1. Le polynôme X 2 + 2X + 1 = (X + 1)(X + 1) est scindé sur R comme sur C.
2. Le polynôme X 2 + X + 1 est scindé sur C mais pas sur R. En particulier, sur C, tous les
polynômes sont scindés.
Remarque 2.7.3
Dans la pratique, le calcul des valeurs propre est unitil. Car
T r(Hf (a, b) = r0 + t0 = λ + µ.
Si par exemple r0 t0 − s20 > 0 et r0 < 0, les deux valeurs propres sont de même signe. Comme r0 < 0
on a aussi t0 < 0 sinon on aurait r0 t0 − s20 < 0. Donc λ + µ < 0, ce qui entraı̂ne que les deux valeurs
propres sont négatives. On a donc un maximum local.
Théorème 2.7.4
1. Si detHf (a, b) < 0 alors f n’admet pas d’extremum au point (a, b) ( c’est un point selle).
2. Si detHf (a, b) = λ.µ > 0 et T r(Hf )(a, b) = λ + µ > 0, alors f admet un minimum local au point
(a, b).
3. Si detHf (a, b) = λ.µ > 0 et T r(Hf )(a, b) = λ + µ < 0, alors f admet un maximum local au point
(a, b).
4. Si ∇(a, b) = 0, on ne peut pas conclure.
∂f ∂f
= 3x2 = 0 ⇒ x = 0, et = 3y 2 = 0 ⇒ y = 0
∂x ∂y
Il n’y a qu’un seul point critique (0, 0). En ce point (0, 0) on a
Soit f une fonction de trois variables définie sur un ouvert Ω de R3 . On considère le héssien de f
défini par 00
fx2 (a, b, c) 00 (a, b, c) f 00 (a, b, c)
fxy xz
Hf (a, b, c) = fyx
00 (a, b, c) 00 (a, b; c)
fy002 (a, b, c) fyz et son déterminant est
00 (a, b, c)
fzx 00 00
fzy (a, b, c) fz 2 (a, b, c)
¯ 00 00 (a, b, c) f 00 (a, b, c)¯¯
¯fx2 (a, b, c) fxy
¯ 00 xz ¯
detHf (a, b, c) = ¯¯fyx 00 (a, b; c)¯
(a, b, c) fy002 (a, b, c) fyz ¯.
¯f 00 (a, b, c) f 00 (a, b, c) f 00 (a, b, c)¯
zx zy z2
Théorème 2.7.5
Soit un domaine ouvert Ω de R3 , une fonction deux fois continûment différentiable sur Ω et (a, b, c)
−
→
un point de Ω. On note ∇f le gradient et Hf la matrice hessienne de f au point (a, b, c).
−
→ −
→
1. Si ∇f = 0 et si Hf a toutes ses valeurs propres strictement négatives, alors f admet un
maximum local en (a, b, c).
−
→ −
→
2. Si ∇f = 0 et si Hf a toutes ses valeurs propres strictement positives, alors f admet un
minimum local en (a, b, c).
→
− −
→
3. Si ∇f = 0 et si Hf a au moins une valeur propre nulle on ne peut pas conclure.
Théorème 2.7.6
1. Si tous les déterminants ∆i strictement positifs pour i = 1, 2, 3, alors f admet un minimum local
en (a, b, c).
2. Si tous les déterminants (−1)i ∆i strictement positifs pour i = 1, 2, 3, alors f admet un maximum
local en (a, b, c).
3. Si l’un au moins des déterminants est nul on ne peut pas conclure.
Exemple 2.7.3.2
Le gradient s’annule au point(1, 1, 1) , qui est un minimum local, puisque les valeurs propres de
la matrice hessienne sont toutes strictement positives. Il s’agit en fait d’un minimum global.
2. Soit la fonction de trois variables. f (x, y, z) = x4 − 2x2 y + 2y 2 + 2z 2 + 2yz − 2y − 2z + 2.
Le gradient et la matrice hessienne de f sont
4x3 − 4xy 12x2 + 4y −4x 0
→
−
∇f (x, y, z) = −2x2 + 4y + 2z − 2 Hf (x, y, z) = −4x 4 2 .
2y + 4z − 2 0 2 4
1 1
Le gradient s’annule en trois points,(1, 1, 0) ,(−1, 1, 0) et (0, , ). Pour les deux premiers points,
3 3
1 1
la matrice hessienne a toutes ses valeurs propres positives : ce sont des minimums. En (0, , ), la
3 3
matrice hessienne a deux valeurs propres positives, et une négative. Ce n’est donc ni un maximum
ni un minimum : nous parlerons encore de “point selle”, par analogie avec la dimension .
3. Soit la fonction de trois variables f (x, y, z) = x4 − 2x2 y + 2y 2 + 2z 2 + 4yz − 2y − 2z + 2.
Le gradient et la matrice hessienne de f sont
4x3 − 4xy 12x2 − 4y −4x 0
→
−
∇f (x, y, z) = −2x2 + 4x + 4y − 2 Hf (x, y, z) = −4x 4 4 .
4y + 4z − 2 0 4 4
Le gradient s’annule en tous les points (x, y, z) tels que x = 0 et4y + 4z − 2 = 0. En chacun de
ces points la matrice hessienne a au moins une valeur propre nulle et le théorème ne permet pas
de conclure.
On utilise la formule de Taylor pour étudier donc le signe de :
1 1 1
f (h, k, + l) − f (0, 0, ), en (0, 0, ) par exemple.
2 2 2
1
On a au point (0, 0, ) :
2
1 1
fx2 = fxz = fxy = fyz = 0, fy002 (0, 0, ) = 4, et fz002 (0, 0, ) = 4.
00 00 00 00
2 2
1 1 1 2 2
Donc f (h, k, + l) − f (0, 0, ) = (4k + 4l ) ≥ 0 ; ce qui prouve que f admet un minimum
2 2 2
1 1 3
local en (0, 0, ) et ce minimum est : f (0, 0, ) = .
2 2 2
Il s’agit de chercher les extremums d’une g(x1 , ..., xn ) = 0, appelée : contrainte. Pour
I fonction z = f (x , ..., x ) dans le cas où les
1 n ceci on utilise deux méthodes : Méthode de
variables sont liés par une relation de la forme : substitution et Méthode de Lagrange.
Remarque 2.8.1
a fonction à optimiser peut souvent La difficulté réside dans le fait que nous
Ldépendre de plusieurs facteurs. Par sommes confrontés à plus d’une variable. La
exemple, les profits réalisés peuvent dépendre résolution d’un tel problème fait appel à la
du coût des ressources, du nombre d’employés, méthode dite de substitution, le résultat étant
du prix de vente. Comment optimiser, sous la réduction du nombre de variables.
contrainte, une fonction à plusieurs variables ?
Soit à optimiser la fonction : f sous la contrainte g(x, y) = 0 . Soit (a, b) tel que : g(a, b) = 0 et
gy0 (a, b) 6= 0.
On suppose que gx0 et gy0 sont définies et continues sur un voisinage de (a, b).
Alors d’après le théorème des fonctions implicits il existe une fonction ϕ d’une seule variable telle
que
Exemple 2.8.2.1
Une compagnie produit et distribue de la boisson gazeuse. Les contenants (canettes) ont une forme
cylindrique de hauteur h et de rayon r. Afin de réduire les coûts, Kola veut minimiser la surface d’alu-
minium nécessaire à la construction des contenants. Cependant, ils doivent s’assurer qu’un contenant
ait un volume de 128πcm3 . Quels sont les dimensions du contenant qui réalisent l’objectif et satisfait
la contrainte ?
Solution
Remarque 2.8.2
La résolution par substitution demeure un moyen très efficace, même dans les problèmes ayant plus
de deux variables.
Étudier les 2 2
½ extremums de la fonction f définie par ; f (x, y, z) = x + y − xy + z + 4 sous les
x=y
contraintes :
x2 + y 2 + z = 5
Exemple 2.8.2.2
Avec exactement 2700cm2 de carton, nous désirons construire une boı̂te (largeur x, profondeur y,
hauteur z) pouvant contenir un volume V . Nous exigeons que la largeur de la boı̂te soit le double de
sa profondeur. Nous aimerions maximiser le volume que peut contenir cette boı̂te. Quelles valeurs de
x, y, z réalisent notre objectif.
a méthode de Lagrange est une méthode tiplicateur de Lagrange, par contrainte. En-
L permettant de résoudre les problèmes suite, on forme une combinaison linéaire de
d’optimisation sous contrainte. Supposons que la fonction et des contraintes, les coefficients
le problème soit de trouver les extremums des contraintes étant les multiplicateurs de La-
d’une fonction de plusieurs variables f , tout grange. Le problème passe ainsi d’un problème
en imposant des contraintes sur les valeurs d’optimisation avec contrainte à un problème
de celle-ci, définie par : g(x1 , x2 , ..., xn ) = 0. non contraint, qui peut être résolu par une
Cette méthode consiste à introduire une in- méthode adaptée.
connue scalaire supplémentaire, appelée mul-
Soit à optimiser la fonction de deux variables f sous la contrainte g(x, y) = 0, où f et g sont de
classe C 2 .
Pour résoudre le problème, on forme la fonction auxiliaire appelée : Lagrangien :
0 0
Lx (x, y, λ) = fx (x, y) + λgx (x, y) = 0 (3)
L0y (x, y, λ) = fy0 (x, y) + λgy0 (x, y) = 0 = 0 (4)
L0λ (x, y, λ) = g(x, y) = 0 (5)
Théorème 2.8.1
1. Si detHL (x0 , y0 , λ0 ) > 0, f admet un maximum.
2. Si detHL (x0 , y0 , λ0 ) < 0, f admet un minimum.
3. Si detHL (x0 , y0 , λ0 ) = 0, on ne peut pas conclure.
Exemple 2.8.3.1 Étudier les extremums de la fonction f sous la contrainte dans le cas suivant
f (x, y) = x2 y 3 et g(x, y) = x + y − 5 = 0.
,
un ouvert O sera défini par
D = {(x, y) ∈ R2 : x2 + y 2 ≤ 4}.
∂2f ¡ √ √ ¢ ¡ √ √ ¢
comme 2
∓ ( 2, − 2) = 8 > 0 f admet un minimum local en ∓ ( 2, − 2) et ce
∂x
minimum est
√ √
f ∓ ( 2, − 2) = 4 + 4 − 16 = −8.
2. Soit D le domaine de R2 défini par D = {(x, y) ∈ R2 : x2 + y 2 ≤ 4}. Déterminer les extremums
de f sur le domaine D.
La fonction f est continue sur le compact D (c’est un fermé borné de R2 ) et donc y admet un
minimum et un maximum.
3
Fonction de plusieurs variables à valeurs dans
Rp
où les fi , sont des fonctions numériques de plusieurs variables définies sur Ω, appelées composantes
de f et on écrit : f = (f1 , f2 , ..., fp ). Le domaine de définition de f est l’ensemble Df défini par :
Exemples.
Fig 1.1.
57
Chapitre-2- Différentielle d’une fonction de plusieurs variables M.Harfaoui
½
f : Ω → IR3
√ ,
(x, y, z) → (ln(1 − x2 − y 2 − z 2 ), arctan( z)) .
Fig 1.2
Définition 3.1.2
Soit f : Ω ⊂ IRn −→ IRp définie sur un domaine Ω de IRn , avec f = (f1 , f2 , ..., fp ). Pour tout a ∈ Ω,
f est continue en a si et seulement si f i est continue en a pour tout i = 1, 2, ..., p
Définition 3.2.1
Pour tout a ∈ Ω, on note dfa l’application linéaire de IRn dans IRp définie par :
Pn ∂f
i
pour tout h = (h1 , h2 , ..., hn ) de IRn et(dfi )a (h) = (a)hi . L’application dfa est appelée
i=1 ∂x i
différentielle de f en a.
Définition 3.2.2
On dit que f est de classe C k sur un ouvert Ω de IRn si toutes les fonctions composantes sont de
classes C k sur Ω.
Les applications de Rn dans Rn qui sont bijectives, et continûment différentiables ainsi que leur
réciproque, sont utilisées comme changements de variables. On les appelle des difféomorphismes.
Définition 3.2.3
Soient D et ∆ deux domaines ouverts de Rn . Soit Φ une application de D dans ∆. On dit que Φ est un
difféomorphisme si : Φ est une bijection de D sur ∆, Φ ainsi que sa réciproque Φ−1 sont continûment
différentiables.
Les matrices jacobiennes, qui sont des matrices carrées n × n, sont inverses l’une de l’autre.
Définition 3.2.4
On dit que f est de classe C 1 -difféomorphisme d’ un ouvert Ω de IRn sur un ouvert Ω0 de IRp si f est
une bijection de Ω sur Ω0 et si les fonctions f et f −1 sont de classes C 1 .
Définition 3.2.5
Pour tout a ∈ Ω, on note dfa l’application linéaire de IRn dans IRp définie par dfa .(h) =
Pn ∂f
i
((df1 )a (h), (df2 )a (h), ..., (dfp )a (h)) pour tout h = (h1 , h2 , ..., hn ) de IRn et (dfi )a (h) = (a)hi .
i=1 ∂xi
L’application dfa est appelée différentielle de f en a.
Définition 3.2.6
On dit que f est de classe C k sur un ouvert Ω de IRn si toutes les fonctions composantes sont de
classes C k sur Ω.
Définition 3.2.7
On dit que f est de classe C 1 -difféomorphisme d’ un ouvert Ω de IRn sur un ouvert Ω0 de IRp si f est
une bijection de Ω sur Ω0 et si les fonctions f et f −1 sont de classes C 1 .
Définition 3.3.1 · ¸
∂fi
Pour tout a ∈ Ω, la matrice (a) , est appelée matrice Jacobiene de f en a. Elle
∂xj 1≤i≤p
1≤j≤n
est notée : Jf (a). Si n = p le déterminant de Jf (a) est appelé : Jacobienne de f en a. Il est noté
D(f1 , f2 , ..., fn )
det Jf (a) = .
D (x1 , x2 , ...xn )
Proposition 3.3.1
Soit f une application d’ un ouvert Ω de IRn sur un ouvert Ω0 de IRn injective. Alors Ω0 = f (Ω).
Dans ce cas f est de classe C 1 -difféomorphisme de Ω sur Ω0 si et seulement si la matrice jacobienne
de f est inversible. C’est-à-dire le jacobien de f en tout point de Ω est non nul.
Exemples.
1. Coordonnées polaires.
Soit f : [0, R] × [0, 2π] −→ V 2 , (r, θ) 7−→ (x, y) = (r cos θ, r sin θ). On a pour tout (r, θ) :
1
Charles Gustave Jacob Jacobi, ou Carl Gustav Jakob Jacobi, (10 décembre 1804 à Potsdam - 18 février 1851 à
Berlin) est un mathématicien allemand.
2. Coordonnées cylindriques
Soit f : [0, R] × [0, 2π] × [0, h] −→ R3 ,
et
D(x, y, z)
= r.
D(r, θ, t)
3. Coordonnées sphériques. h π πi
Soit f : [0, R] × [0, 2π] × − , −→ IR3 ,
2 2
( 3 2 (
1 x3 y 2 = u x y =u 1
3 2 1 x =
φ(x, y) = (u, v) ⇔ (u, v) = (x y , 2 ) ⇔ ⇔ 1 ⇔ uv 2
x y 2 =v x2 y = y = u2 v 3
x y v
1
Ainsi, φ est bijective et φ−1 (x, y) = ( , x2 y 3 ).
xy 2
φ−1 est donc de classe C 1 sur U . On conclut que φ est un C 1 -diffeomorphisme de U sur U .
Théorème 3.3.1
0 0
Soit f : Ω ⊂ IRn −→ IRp et g : Ω ⊂ IRp → IRq de classe C 1 sur l’ouvert Ω de Rn tel que f (Ω) ⊂ Ω .
Alors g ◦ f : Ω ⊂ Rn −→ Rq est de classe C 1 sur Ω et pour tout a ∈ Ω :
0
· ¸ f1 (x)
0 ∂f i f 0 (x)
f (a) = Jf (a) = (a) =
:
1
∂x 1≤i≤p 0
fp (x)
Solution.
∂ϕ ∂ϕ ∂f ∂f
1. On a pour tout (r, θ) ∈ ]r, +∞[×]0, 2π[ , (r, θ) et (r, θ) en fonction de (x, y) et (x, y)
∂r ∂θ ∂x ∂y
donnent
∂ϕ ∂f ∂f
(r, θ) = cos θ. (x, y) + sin θ. (x, y)
∂r ∂x ∂y (S)
∂ϕ ∂f ∂f
(r, θ) = −r sin θ (x, y) + r cos θ (x, y)
∂θ ∂x ∂y
∂ϕ ∂f ∂f ∂ϕ ∂f ∂f
r cos θ = r cos2 θ. + r cos θ sin θ. r sin θ = r sin θ cos θ. + r sin2 θ.
∂r ∂x ∂y ∂r ∂x ∂y
∂ϕ ∂f ∂f et ∂ϕ ∂f ∂f
− sin θ 2
= r sin θ − r sin θ cos θ cos θ = −r cos θ sin θ 2
+ r cos θ
∂θ ∂x ∂y ∂θ ∂x ∂y
∂f ∂f
On résout le système (S) d’inconnues (x, y) et (x, y). On aura pour tout (x,y),
∂x ∂y
∂f ∂ϕ 1 ∂ϕ ∂f ∂ϕ ∂ϕ
(x, y) = cos θ (r, θ) − sin (r, θ) x (x, y) = r cos2 θ (r, θ) − cos θ sin (r, θ)
∂x ∂r r ∂θ et ∂x ∂r ∂θ
∂f 1 ∂ϕ ∂ϕ ∂f ∂ϕ ∂ϕ
(x, y) = cos θ (r, θ) + sin θ (r, θ) y (x, y) = sin θ cos θ (r, θ) + r sin2 θ (r, θ)
∂y r ∂θ ∂r ∂y ∂θ ∂r
→
−
On munit R2 d’un repère orthonormé (O, i , ~j).
Soit f une fonction de deux variables continue sur ∆ = [a, b] × [c, d] de graphe S (partie de R3 ).
© ª
S = (x, y, z) ∈ R2 : z = f (x, y) dans R3 .
65
Chapitre-2- Intégrales doubles M.Harfaoui
Définition 4.1.1
On appelle intégrale double de la fonction f sur le rectangle ∆ = [a, b] × [c, d] le volume du domaine
délimité par :
-les plans : x = a, x = b, y = c, y = d, (xoy)
-le graphe S.
Cette intégrale double est notée :
ZZ Z bZ d
f (x, y)dxdy = f (x, y)dxdy.
∆ a c
Exemple 4.1.1.1ZZ
√
Calculer I = (yx + x)dxdy où ∆ : 1 ≤ x ≤ 4, 0 ≤ y ≤ 1
∆
La fonction f : ∆ → R; (x; y) → f (x, y)
1
Guido Fubini (19 janvier 1879 - 6 juin 1943) est un mathématicien italien célèbre notamment pour ses travaux sur
les intégrales
Théorème 4.1.3
Si D est un domaine défini par
D = {(x, y) ∈ IR2 a ≤ y ≤ b, et γ(y) ≤ x ≤ δ(y)} alors l’intégrale double de f sur D est donnée par :
ZZ Z "Z d
#
δ(y)
f (x, y)dxdy = f (x, y)dx dy.
D c γ(y)
Exemple 4.1.2.1Z Z
Calcul de I = xy 3 dxdy, D : x2 + y 2 ≤ 1, y ≥ 0
D √
On a :D = {(x, y) ∈ IR2 / − 1 ≤ x ≤ 1pet 0 ≤ y ≤ 1p− x2 }
où D = {(x, y) ∈ IR2 /0 ≤ y ≤ 1 et − 1 − y 2 ≤ x ≤ 1 − y 2√}
ZZ Z 1 "Z √1−x2 # Z 1 · ¸ 1−x2
3 3 1 4
I= xy dxdy = x y dy dx = x y dx
D −1 0 −1 4 0
Z 1 · ¸ Z
1 1 1
= x (1 − x2 )2 dx = (x − 2x3 + x5 )dx = 0.
−1 4 4 −1
4.1.3 Propriétés
ZZ
1. Si f ≥ 0 sur D alors f (x, y)dxdy ≥ 0.
D
2. Pour tout (α, β) de R2 et f et g deux fonctions continues on
ZZ ZZ ZZ
(αf + βg)(x, y)dxdy = α f (x, y)dxdy + β g(x, y)dxdy
D D D
Le même changement de variable sera utilisé dans le cas de deux variables et la dérivée sera
remplacée par le Jacobien.
½ 2
¾
2 x 2 1 1
D = (x, y) ∈ R ; <y<x , <y< .
2 2x x
n (u−1/3 v 1/3 )2 1 1 o
∆ = (u, v); < u1/3 v 2/3 < (u−1/3 v 1/3 )2 ; −1/3 1/3 < u1/3 v 2/3 < −1/3 1/3 .
2 2u v u v
n 1 1 o
∆ = (u, v); < u < 1 , < v < 1 .
2 2
La troisième étape consiste à calculer le déterminant jacobien de Φ−1 . Pour cela, il faut d’abord
écrire la matrice jacobienne, en dérivant les expressions de x et y en fonction de u et v.
DR = { (x, y) , x2 + y 2 < R2 } .
Le changement en coordonnées polaires envoie le disque D sur un domaine rectangulaire :
ZZ Z µZ ¶ " 2
#R
2π R
−x2 −y 2 −r2 e−r 2
e dxdy = re dr dθ = 2π − = π(1 − e−R ) ,
DR 0 0 2
0
qui converge vers π quand R tend vers l’infini. On en déduit donc
Z +∞
2 √
e−x dx = π.
−∞
Exemple 4.1.5.1
Calculer l’aire du domaine borné D de limité par les droites d’équations : x = y 2 −1 et x = 2y 2 −2.
Z 1 Z y 2 −1
On calcule A(D) = dxdy (voir
−1 2y 2 −2
graphe à côté.)
Z h iy2 −1
1 Z 1
A(D) = x 2 dy = (−y 2 + 1)dy
−1 h 2y −2
1 i1−1 117
= − y3 + y =
3 −1 20
Remarque 4.1.2 1. Si σ est constante le système matériel est dit : homogène, et sa masse est
donnée par M (S) = σA(S).
| ax + by + c |
2. Si D admet pour équation cartésienne ax + by + c = 0, alors r(x, y) = √ , et on a
a2 + b2
ZZ
(ax + by + c)2
ID = σ(x, y) dxdy.
D a2 + b2
3. Cas particuliers. : Les moments d’inertie d’une plaque plane D de R2 par rapport à (x0 ox)
et (y 0 oy) sont respectivement
ZZ ZZ
I(x0ox) = 2
σ(x, y, z)y dxdy, J(y0oy) = σ(x, y, z)x2 dxdy.
D D
(Dans le premier cas a = c = 0 et b = 1, dans le deuxième cas a = 1 et b = c = 0)
Remarque 4.1.3
Le centre d’inertie d’un système M1 (x1 , y1 ), M2 (x2 , y2 ), ..., Mk (xk , yk ) de points du plan de masses
respectives m1 , m2 , ..., mk n’est autre que le barycentre des points M1 (x1 , y1 ), M2 (x2 , y2 ), ..., Mk (xk , yk )
affectés des coefficients m1 , m2 , ..., mk .
Soit Ω un domaine borné de IR3 . Dans ce cas il s’agit de trois variables, on peut donc fixer une
variable et varier les deux autres ou fixer deux et varier la troisième. Le domaine prendra deux formes.
:Première forme : z fixé dans [r, s].
Théorème 4.2.2
Si Ω est un domaine R3 défini par
Ω = {(x, y, z) ∈ R3 /r ≤ z ≤ s et (x, y) ∈ Dz }, alors l’intégrale triple de f sur Ω est donnée par
ZZZ Z s ·Z Z ¸
f (x, y)dxdy = f (x, y, z)dxdy dz.
Ω r Dz
Exemple 4.2.2.2
Soit Ω = { (x, y, z) ∈ IR3 /x2 + y 2 + z 2 ≤ R 2 }. On fixe (x, y) dans D, projection de Ω sur le plan
(xoy), avec D = {(x, y) ∈ IR2 /x2 + y 2 ≤ R2 } et on a
p p
ψ1 (x, y) = − R2 − x2 − y 2 ≤ z ≤ ψ2 (x, y) = R2 − x2 − y 2 .
Théorème 4.2.3
Si Ω est un domaine de R3 défini par :
Ω = { (x, y, z) ∈ R3 /(x, y) ∈ D et φ(x, y) ≤ z ≤ ψ(x, y)}, alors l’intégrale triple de f sur Ω est donnée
par
ZZZ Z Z "Z ψ(x,y)
#
f (x, y)dxdy = f (x, y, z)dz dxdy.
Ω D φ(x,y)
Définition 4.2.2
ZZZ
3
1. Le volume du domaine Ω de IR est défini par υ(Ω) = dxdydz.
Ω
ZZZ
2. La masse d’un solide est donnée par M (Ω) = ρ(x, y, z)dxdydz,
Ω
oú ρ(x, y, z) est la fonction de répartition dite : masse volumique. Si le solide est homogène
ρ(x, y, z) = ρ0 = cte et M (Ω) = ρ0 υ(Ω).
ZZ
| ax + by + cz + d | (ax + by + cz + d)2
r(x, y, z) = √ et on a IP = σ(x, y, z) dxdydz.
a2 + b2 + c2 Ω a2 + b2 + c2
Cas particuliers
1. Les moment d’inertie d’un solide de R3 par rapport aux plans : (x = 0), (y = 0) et (z = 0) sont
respectivement :
ZZZ ZZZ
2
I(x=0) = ρ(x, y, z)x dxdydz, J(y=0) = ρ(x, y, z)y 2 dxdydz,
S ZZZ S
K(z=0) = ρ(x, y, z)z 2 dxdydz.
S
3
2. Les moments d’inertie d’un solide de IR par rapport aux axes (x0 ox) et (y 0 oy) et (z 0 oz) sont
respectivement :
ZZZ °−−→ − ZZZ
° →°°
°−−→ −
° →° °
I(x0ox) = σ(x, y, z) °OM ∧ i ° dxdydz, Jy0oy) = ρ(x, y, z) °OM ∧ j ° dxdydz, et
S ZZZ °−−→ − S
° →° °
K(z0oz) = ρ(x, y, z) °OM ∧ k ° dxdydz.
S
Exemple 4.2.4.2 Calculer le moment d’inertie et le moment de masse par rapport à l’axe z du
solide S de la figure ci-dessous, sachant que sa densité, exprimée enkg/m3 varie selon l’équation
δ(x, y, z) = x∆y.
Le moment d’inertie est
ZZZ ZZZ
K(z0oz) = δ(x, y, z)(x2 + y 2 )dxdydz = xy.(x2 + y 2 )dxdydz
Ω
Z 6 h Z 2 Z 1−x/2 Ω
¡ ¢ i .
= xy.(x + y )dy dx dz = 1kg.m2 .
2 2
0 0 0
La masse est
Remarquer
Z Z Z que si le solide est homogène
ZZZ les coordonnéesZdu
Z Zcentre de gravité deviennent :
xdxdydz ydxdydz zdxdydz
S S S
xG = , yG = , zG =
υ(Ω) υ(Ω) υ(Ω)
79
INDEX INDEX
Graphe d’une fonction, 18
homogène, 37
Inégalité triangulaire, 9
inégalité triangulaire, 10
intérieur, 14
intervalles, 15
Intégrale triple, 74
isobares, 22
isothermes, 22
Limites et continuité, 23
minimiser le coût, 29
moments d’inertie, 77
norme, 10
norme euclidienne, 9
Normes équivalentes, 10
ouvert, 14
parabole, 18
paraboloı̈de, 20
plan, 18
pression, 6
production, 29
Propriétés de la différentiabilité, 32
quantité de mouvement , 78
repère orthonormale, 9
restriction, 25
stationnaire , 45
surface, 19
température, 6
Théorème de Pythagore, 9
Théorème d’Euler, 37
Théorème de Schwartz, 36
topologiques, 17
vecteur normal, 18
voisinage, 25
volume, 76