Calcdiff-Crs Screen

Cpge my Youssef
Cours
Calcul
différentiel
avec exercices corrigés
Classe MP*
Table des matières
1 Calcul différentiel 5
I Différentielle, dérivées partielles . . . . . . . . . . . . . . 5
1 Applications différentiables . . . . . . . . . . . . 5
2 Propriétés des applications différentiables . . . . 10
3 Matrice jacobienne, jacobien . . . . . . . . . . . . 14
4 Applications de classe C1 . . . . . . . . . . . . . 15
5 Difféomorphisme de classe C1 . . . . . . . . . . 17
6 Exercices d’approfondissement . . . . . . . . . . 21
II Inégalité des accroissements finis . . . . . . . . . . . . . 24
1 Inégalité des accroissements finis . . . . . . . . . 24
2 Caractérisation d’une application constante de
classe C1 . . . . . . . . . . . . . . . . . . . . . . 24
3 Condition nécessaire d’extrémalité . . . . . . . . 26
III Fonctions de classe C2 . . . . . . . . . . . . . . . . . . . 29
1 Définitions . . . . . . . . . . . . . . . . . . . . . 29
2 Le théorème de Schwarz . . . . . . . . . . . . . . 31
3 Formule de Taylor . . . . . . . . . . . . . . . . . 32
4 Condition suffisante d’extrémalité . . . . . . . . . 33
IV Exercices d’application . . . . . . . . . . . . . . . . . . . 37
V Démonstrations des théorèmes . . . . . . . . . . . . . . . 41
VI Solutions des exercices . . . . . . . . . . . . . . . . . . . 46
Liste des résultats remarquables
1.6 Théorème : différentielle d’une composée . . . . . . . . . 11

1.7 Corollaire : Dérivées partielles d’une composée . . . . . . 11
page 2 / 58
Cours Table des matières
1.8 Théorème : Théorème fondamental du calcul différentiel 15

1.6 Remarque : Différentielle de la réciproque d’une bijection 17
1.10 Théorème : théorème d’inversion globale . . . . . . . . . 18
1.4 Exemples fondamentaux : Changement de variables en
coordonnées polaires . . . . . . . . . . . . . . . . . . . . 18
1.3 Exercice : caractérisation des fonctions homogènes de
classe C1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.4 Exercice : égalité des accroissements finis . . . . . . . . . 21
1.5 Exercice : preuve du théorème fondamental . . . . . . . . 22
1.6 Exercice : Caractérisation d’une fonction convexe diffé-
rentiable . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.7 Exercice : preuve du théorème d’inversion globale . . . . 22
1.11 Exercice : théorème de « différentiation terme à terme » . 23
1.11 Théorème : Inégalité des accroissements finis . . . . . . . 24
1.13 Théorème : caractérisation d’une application constante C1 25
1.14 Théorème : condition de première espèce d’extrémalité . 26
1.12 Exercice : une démonstration du théorème spectral . . . 28
1.15 Exercice : Méthode de Newton pour approcher l’inverse
d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . 28
1.8 Vocabulaire : Matrice hessienne . . . . . . . . . . . . . . 30
1.16 Théorème : de Schwarz . . . . . . . . . . . . . . . . . . . 31
1.18 Théorème : Formule de Taylor à l’ordre 2 . . . . . . . . . 32
1.12 Remarques : Écriture matricielle pour une fonction numé-
rique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.19 Théorème : condition de deuxième espèce d’extrémalité . 33
1.20 Corollaire : Cas d’une fonction de 2 variable . . . . . . . 33
1.17 Exercice : Principe du maximum . . . . . . . . . . . . . . 35
1.18 Exercice : Caractérisation d’une fonction convexe de classe
C2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.22 Exercice : extrémats liés . . . . . . . . . . . . . . . . . . . 37
Classe MP* page 3 / 58 Cpge my Youssef

Calcul différentiel
chapitre 1
Conventions et notations
Dans tout ce document 𝑛 et 𝑚 désigneront des entiers naturels
non nuls.
𝐸 et 𝐸 0 seront des evns de dimensions respectives 𝑛 et 𝑚, 𝑈 et 𝑈 0
des ouverts non vides respectifs de 𝐸 et de 𝐸 0. B = (𝑒 1, 𝑒 2, . . . , 𝑒𝑛 )
et B0 = (𝑒 10 , 𝑒 20 , . . . , 𝑒𝑝0 ) seront des bases fixées respectivement
dans 𝐸 et dans 𝐸 0.
𝐼 sera un intervalle non trivial de R.
Toutes les applications considérées seront définies sur des ouverts.
Un vecteur 𝑥 de 𝐸 sera automatiquement écrit si besoin sous la
P P P
forme 𝑛𝑖=1 𝑥𝑖 𝑒𝑖 (𝑎 = 𝑛𝑖=1 𝑎𝑖 𝑒𝑖 , ℎ = 𝑛𝑖=1 ℎ𝑖 𝑒𝑖 ...).
Pour toute application 𝑓 : 𝑈 ↦−→ 𝐸 0, on notera 𝑓1, 𝑓2, · · · , 𝑓𝑝 les
applications composantes de 𝑓 dans la base B0 de 𝐸 0.
Une fonction à valeurs dans R sera dite une fonction numérique.
Si 𝑢 est une application linéaire de 𝐸 dans 𝐸 0, et ℎ est un vecteur
de 𝐸, on notera 𝑢 · ℎ le vecteur 𝑢 (ℎ).
I
Différentielle, dérivées partielles
I.1 Applications différentiables

Remarques 1.1
Soit une application 𝑓 : 𝑈 −→ 𝐸 0 et soit 𝑎 ∈ 𝑈 .

1.1.1 Puisque 𝑈 est un ouvert alors la fonction ℎ ↦−→ 𝑓 (𝑎 + ℎ) est
bien définie au voisinage du vecteur nul 0𝐸 .
page 4 / 58
Cours Calcul différentiel
remarques 1.1 (suite)
précisément sur la boule 𝐵(0𝐸 , 𝑟 ), lorsque 𝑟 > 0 est un réel tel que 𝐵(𝑎, 𝑟 ) ⊂
𝑈.
1.1.2 Soit 𝑟 > 0 tel que 𝐵(𝑎, 𝑟 ) ⊂ 𝑈 . Alors pour tout vecteur non nul
ℎ de 𝐸, la fonction de la variable réelle 𝑡 ↦−→ 𝑓 (𝑎 + 𝑡ℎ) est bien définie
sur l’intervalle ] − 𝑟/kℎ k, 𝑟/kℎ k [.
Définition 1.1
Soit une fonction 𝑓 : 𝑈 −→ 𝐸 0. Soit 𝑎 ∈ 𝑈 .
1 Soit ℎ un vecteur non nul de 𝐸. On dit que 𝑓 est dérivable en 𝑎
selon le vecteur ℎ si la fonction de la variable réelle 𝑡 : 𝑡 ↦−→ 𝑓 (𝑎 + 𝑡ℎ)
est dérivable en 0. Le vecteur dérivé de cette dernière en 0 est alors
appelée vecteur dérivé de 𝑓 en 𝑎 selon ℎ, on le note 𝐷ℎ 𝑓 (𝑎).
𝑓 (𝑎 + 𝑡ℎ) − 𝑓 (𝑎)
𝐷ℎ 𝑓 (𝑎) := lim
𝑡 →0 𝑡
2 Soit 𝑖 ∈ [[1, 𝑛]]. On dit que 𝑓 admet une dérivée partielle selon
la 𝑖 𝑒𝑚𝑒 variable en 𝑎 dans la base B, si 𝑓 est dérivable en 𝑎 selon le
vecteur 𝑒𝑖 . On note alors son vecteur dérivé 𝐷𝑖 𝑓 (𝑎) et si la variable
𝜕𝑓
est notée 𝑥, on le note aussi 𝜕𝑥𝑖 (𝑎).
𝜕𝑓 𝑓 (𝑎 + 𝑡𝑒𝑖 ) − 𝑓 (𝑎)
(𝑎) := lim
𝜕𝑥𝑖 𝑡 →0 𝑡
3 On dit que 𝑓 est différentiable en 𝑎 s’il existe une application
linéaire 𝑢 ∈ L(𝐸), telle que pour tout ℎ voisin de 0𝐸 on ait :
𝑓 (𝑎 + ℎ) = 𝑓 (𝑎) + 𝑢 · ℎ + kℎk 𝜀 (ℎ) avec 𝜀 (ℎ) −−−−→ 0𝐸 0
ℎ→0𝐸
Si 𝑓 est différentiable en 𝑎 alors l’application linéaire 𝑢 est unique,

on l’appelle différentielle de 𝑓 en 𝑎 et on la note d𝑓 (𝑎) (parfois aussi
d𝑓𝑎 ).
𝑓 (𝑎 + ℎ) = 𝑓 (𝑎) + d𝑓 (𝑎) · ℎ + kℎk 𝜀 (ℎ)
On dit que 𝑓 est différentiable sur 𝑈 si elle est différentiable en tout
𝑥 ∈ 𝑈.
n.b. Dans la suite, pour simplifier les formulations, lorsqu’on parle des
dérivées partielles de 𝑓 sans préciser dans quelle base, cela sous-entend que
c’est par rapport à la base B qu’on a fixé dans 𝐸.

Proposition 1.1
Avec les notations de la définition, si 𝑓 est différentiable en 𝑎 alors 𝑓
est continue en 𝑎.
Remarques 1.2
Attention ! il existe des fonctions qui admettent des dérivées en un

point donné selon toutes les directions (et donc des dérivées partielles)
alors qu’elles ne sont même pas continues en ce point, et encore moins
différentiables.
Proposition 1.2
Avec les notations de la définition, si 𝑓 est différentiable en 𝑎 alors 𝑓
est dérivable en 𝑎 selon tout vecteur non nul ; elle admet en particulier
des dérivées partielles en 𝑎 et on a
𝑛
∑︁ 𝜕𝑓
d𝑓 (𝑎) · ℎ = 𝐷ℎ 𝑓 (𝑎) = ℎ𝑖 (𝑎) (1.2.1)
𝑖=1 𝜕𝑥𝑖
𝜕𝑓
∀𝑖 ∈ [[1, 𝑛]] , (𝑎) = d𝑓 (𝑎) · 𝑒𝑖 (1.2.2)
𝜕𝑥𝑖
Proposition 1.3
Grace à la relation (1.2.1), 𝑓 est différentiable en 𝑎 si et seulement si
• 𝑓 admet des dérivées partielles𝑛 en 𝑎 ;
1 ∑︁ 𝜕𝑓
• lim 𝑓 (𝑎 + ℎ) − 𝑓 (𝑎) − ℎ𝑖 (𝑎) = 0𝐸 0
ℎ→0𝐸 kℎk 𝑖=1 𝜕𝑥𝑖
Des cas particuliers fréquents

1.2.1 Pour une fonction d’une variable réelle 𝜑 : 𝐼 ⊂ R −→ 𝐸 0, 𝜑
est différentiable en 𝑎 si et seulement si elle est dérivable en 𝑎 et dans
ce cas :
∀𝑡 ∈ R, d𝜑 (𝑎) · 𝑡 = 𝑡𝜑 0 (𝑎)
𝜑 0 (𝑎) = d𝜑 (𝑎) · 1
n.b. En général, les applications linéaires de R dans 𝐸 0 sont celles de la forme
𝑡 ↦−→ 𝑡𝑣 où 𝑣 est un vecteur quelconque de 𝐸 0 .
1.2.2 On suppose que 𝐸 est un espace euclidien et 𝑓 : 𝑈 −→ R est

une fonction numérique. Si 𝑓 est differentiable en 𝑎 alors d𝑓 (𝑎) est une
forme linéaire de 𝐸 et donc il existe un unique vecteur unique de 𝐸

noté ∇𝑓 (𝑎) et appelé gradient de 𝑓 en 𝑎 tel que

∀ℎ ∈ 𝐸, d𝑓 (𝑎) · ℎ = h ∇𝑓 (𝑎), ℎi
En outre, si B est une bon de 𝐸 alors la formule (1.2.1) suggère que
𝑛
∑︁ 𝜕𝑓
∇𝑓 (𝑎) = (𝑎)𝑒𝑖
𝐼 =1 𝜕𝑥𝑖
À retenir
On considère une application 𝑓 : 𝑈 ⊂ 𝐸 → 𝐸 0. Soit 𝑎 ∈ 𝑈 et supposons
que 𝑓 est différentiable en 𝑎. Alors :
1.3.1 d𝑓 (𝑎) est une application linéaire de 𝐸 dans 𝐸 0 ;
1.3.2 l’application ℎ ↦→ 𝐷ℎ 𝑓 (𝑎) est linéaire. C’est d𝑓 (𝑎).
n.b. Ainsi d𝑓 (𝑎) est l’application qui à un vecteur non nul ℎ associé la dérivée
de la restriction de 𝑓 sur un segment passant par 𝑎 et dirigé par ℎ.
(𝑎) est l’image du vecteur 𝑒𝑖 de la base B par d𝑓 (𝑎).

𝜕𝑓
1.3.3 𝜕𝑥𝑖
n.b. 𝑥𝑖 est la notation donnée à la 𝑖 ème coordonnée de la variable 𝑥 dans la
base de travail B de 𝐸. 𝜕𝑥𝑖 revient à dériver 𝑓 (𝑥) par rapport à cette coordonnée
𝜕𝑓
en considérant que les autres coordonnées de 𝑥 sont des constantes.
1.3.4 Si 𝐸 est euclidien et 𝑓 est numérique alors d𝑓 (𝑎) · ℎ =

h ∇𝑓 (𝑎), ℎi.
1.3.5 Si 𝑓 est une fonction d’une seule variable réelle alors d𝑓 (𝑎) ·
ℎ = ℎ𝑓 0 (𝑎).
Propriétés 1.4
Soit une application 𝑓 : 𝑈 ↦−→ 𝐸 0 et soit 𝑎 ∈ 𝑈 .
1.4.1 𝑓 admet une dérivée en 𝑎 selon le vecteur ℎ si et seulement si
ses applications composantes en admettent, et dans ce cas :
𝑚
𝐷ℎ 𝑓 𝑗 (𝑎)𝑒 𝑗0
∑︁
𝐷ℎ 𝑓 (𝑎) =
𝑗=1
1.4.2 𝑓 admet une dérivée partielle selon la 𝑖 eme variable en 𝑎 si et
seulement si ses applications composantes en admettent et dans ce

propriétés 1.4 (suite)
cas
𝑚 𝜕𝑓
𝜕𝑓
(𝑎)𝑒 𝑗0
∑︁ 𝑗
(𝑎) =
𝜕𝑥𝑖 𝑗=1 𝜕𝑥 𝑖
1.4.3 𝑓 est différentiable en 𝑎 si et seulement si ses applications

composantes le sont et dans ce cas𝑝
d𝑓𝑖 (𝑎) · ℎ 𝑒𝑖0
∑︁
d𝑓 (𝑎) · ℎ =
𝑖=1
1.4.4 Si 𝑢 est une application linéaire de 𝐸 0 dans un autre evn de di-
mension finie 𝐸 00 et 𝑓 est différentiable en 𝑎 alors 𝑢 ◦ 𝑓 est différentiable
en 𝑎 et on a
d(𝑢 ◦ 𝑓 )(𝑎) = 𝑢 ◦ d𝑓 (𝑎)

∀ℎ ∈ 𝐸, 𝐷ℎ (𝑢 ◦ 𝑓 ) (𝑎) = 𝑢 𝐷ℎ (𝑓 ) (𝑎)
𝜕(𝑢 ◦ 𝑓 ) 𝜕𝑓
∀𝑖 ∈ [[1, 𝑛]] , (𝑎) = 𝑢 (𝑎)
𝜕𝑥𝑖 𝜕𝑥𝑖
Exemples 1.1
1.1.1 Une application constante sur 𝐸 est partout différentiable sur

𝐸 et sa différentielle en tout point de 𝐸 est l’application nulle.
1.1.2 Une application linéaire 𝑢 : 𝐸 −→ 𝐸 0 est différentiable en tout
point et
∀𝑥 ∈ 𝐸, d𝑢 (𝑥) = 𝑢
n.b. L’application 𝑥 ↦→ d𝑢 (𝑥) de 𝐸 dans L(𝐸, 𝐸 0 ) constante de valeur 𝑢. Les
dérivées partielle de 𝑢 sont constantes.
1.1.3 Une application affine 𝑓 : 𝑥 ∈ 𝐸 ↦−→ 𝑐 + 𝑢 (𝑥), où 𝑐 est un

vecteur constant de 𝐸 0 et 𝑢 est une application linéaire de 𝐸 dans 𝐸 0,
est différentiable en tout point de 𝐸 et
∀𝑥 ∈ 𝐸, d𝑓 (𝑥) = 𝑢
1.1.4 Considérons l’application 𝑓 de M𝑛 (R) dans M𝑛 (R) définie
par 𝑓 (𝑀) = 𝑀 2 . 𝑓 est différentiable en tout 𝑀 ∈ M𝑛 (R) et on a
∀𝐻 ∈ M𝑛 (R), d𝑓 (𝑀) · 𝐻 = 𝑀𝐻 + 𝐻 𝑀
En général l’application 𝑓𝑘 : 𝑀 ↦−→ 𝑀 𝑘 est partout différentiable sur

exemples 1.1 (suite)
M𝑛 (R) et pour tout 𝑀 ∈ M𝑛 (R),

𝑘−1
∀𝐻 ∈ M𝑛 (R), d𝑓𝑘 (𝑀) · 𝐻 =
∑︁
𝑀 𝑖 𝐻 𝑀 𝑘−𝑖−1
𝑖=0
1.1.5 Soit 𝑘 ∈ On considère la fonction 𝜑𝑘 définie sur M𝑛 (R)
N∗ .
par 𝜑𝑘 (𝑀) = Tr(𝑀 𝑘 ). 𝑓 est différentiable en tout 𝑀 ∈ M𝑛 (R) et on a
∀𝐻 ∈ M𝑛 (R), d𝜑𝑘 (𝑀) · 𝐻 = 𝑘 Tr(𝑀 𝑘−1𝐻 )
𝑓 étant une fonction numérique, l’expression précédente signifie que
∇𝜑𝑘 (𝑀) = 𝑘 𝑡𝑀 𝑘−1
1.1.6 On considère la fonction définie sur R2 par

𝑥 2𝑦
si (𝑥, 𝑦) ≠ (0, 0)
𝑓 (𝑥, 𝑦) = 𝑥 4 + 𝑦 2

0 si (𝑥, 𝑦) = (0, 0)
𝑓 est dérivable en (0, 0) selon toutes les directions. Elle n’est pas diffé-
rentiable en (0, 0). Elle n’est même pas continue en (0, 0).
1.1.7 On considère la fonction définie sur R2 par
|𝑥 |𝛼 𝑦

si (𝑥, 𝑦) ≠ (0, 0)
𝑓 (𝑥, 𝑦) = 𝑥 2 + 𝑦 4

0 si (𝑥, 𝑦) = (0, 0)
𝑓 est continue en (0, 0) si 𝛼 > 3/2, elle est dérivable en (0, 0) selon
toutes les directions dès que 𝛼 > 2. Elle est différentiable en (0, 0) ssi
𝛼 > 2.
I.2 Propriétés des applications différentiables

Propriétés 1.5
1.5.1 Soient deux applications 𝑓 , 𝑔 : 𝑈 −→ 𝐸 0. Si 𝑓 et 𝑔 sont diffé-
rentiables en 𝑎 alors pour tout 𝜆 ∈ R, 𝑓 + 𝜆𝑔 est différentiable en 𝑎 et
on a
𝑑 (𝑓 + 𝜆𝑔)(𝑎) = 𝑑 𝑓 (𝑎) + 𝜆𝑑𝑔(𝑎).
𝜕 𝜕𝑓 𝜕𝑔
∀𝑖 ∈ [[1, 𝑛]] , (𝑓 + 𝜆𝑔) (𝑎) = (𝑎) + 𝜆 (𝑎)
𝜕𝑥𝑖 𝜕𝑥𝑖 𝜕𝑥𝑖
1.5.2 Soient des applications 𝑓 : 𝑈 −→ 𝐸 0, 𝑔 : 𝑈 −→ 𝐸 00, et soit

propriétés 1.5 (suite)
une application bilinéaire 𝐵 : 𝐸 0 × 𝐸 00 −→ 𝐹 . On pose pour tout 𝑥 ∈ 𝑈

ℓ (𝑥) = 𝐵(𝑓 (𝑥), 𝑔(𝑥))
Si 𝑓 et 𝑔 sont différentiables en 𝑎, alors ℓ est différentiable en 𝑎 et on
a:
∀ℎ ∈ 𝐸, dℓ (𝑎) · ℎ = 𝐵(d𝑓 (𝑎) · ℎ, 𝑔(𝑎)) + 𝐵(𝑓 (𝑎), d𝑔(𝑎) · ℎ)
𝜕ℓ 𝜕𝑓 𝜕𝑔
∀𝑖 ∈ [[1, 𝑛]] , (𝑎) = 𝐵 (𝑎), 𝑔(𝑎) + 𝐵 𝑓 (𝑎), (𝑎)
Théorème 1.6 différentielle d’une composée

Soient des applications 𝑓 : 𝑈 −→ 𝐸 0 et 𝑔 : 𝑈 0 −→ 𝐸 0 telles que
𝑓 (𝑈 ) ⊂ 𝑈 0.
Si 𝑓 est différentiable en 𝑥 et 𝑔 est différentiable en 𝑓 (𝑥) alors 𝑔 ◦ 𝑓
est différentiable en 𝑥 et on a :

d 𝑔 ◦ 𝑓 (𝑥) = d𝑔 𝑓 (𝑥) ◦ d𝑓 (𝑥)
Corollaire 1.7 Dérivées partielles d’une composée

Soient deux fonctions
𝑓 : 𝑈 −→ 𝐸 0 et 𝑔 : 𝑈 0 ⊂ 𝐸0 −→ 𝐺
𝑚 𝑚
𝑓 𝑗 (𝑥)𝑒 𝑗0 𝑦 𝑗 𝑒 𝑗0 ↦−→ 𝑔(𝑦)
∑︁ ∑︁
𝑥 ↦−→ 𝑦=
𝑗=1 𝑗=1
telles que 𝑓 (𝑈 ) ⊂ 𝑈 0. On
suppose que 𝑓 est différentiable en 𝑥 ∈ 𝑈 et
𝑔 est différentiable en 𝑓 (𝑥). Alors pour tout 𝑖 ∈ [[1, 𝑛]]
𝜕(𝑔 ◦ 𝑓 ) 𝜕𝑓 𝑚 𝜕𝑓
∑︁ 𝑗 𝜕𝑔
(𝑥) = d𝑔 𝑓 (𝑥) · = (𝑥) 𝑓 (𝑥)
𝜕𝑥𝑖 𝜕𝑥𝑖 𝑗=1 𝜕𝑥𝑖 𝜕𝑦 𝑗
Cas particuliers usuels

1.4.1 Des cas particuliers de la propriété 1.5.2
1 On suppose que 𝐸 0 est une R-algèbre de dimension finie. Soient

deux applications 𝑓 , 𝑔 : 𝑈 −→ 𝐸 0.
Si 𝑓 et 𝑔 sont différentiables en 𝑎 alors 𝑓 𝑔 est différentiable en 𝑎 et :

∀ℎ ∈ 𝐸, 𝑑 𝑓 𝑔 (𝑎) · ℎ = 𝑓 (𝑎)𝑑𝑔(𝑎) · ℎ + 𝑔(𝑎)𝑑 𝑓 (𝑎) · ℎ

𝜕 𝜕𝑓 𝜕𝑔
∀𝑖 ∈ [[1, 𝑛]] , (𝑓 𝑔) (𝑎) = (𝑎)𝑔(𝑎) + 𝑓 (𝑎) (𝑎)
2 Soient une application numérique 𝜆 : 𝑈 −→ R et une application
vectorielle 𝑓 : 𝑈 −→ 𝐸 0. Si 𝜆 et 𝑓 sont différentiables en 𝑎 alors
l’application 𝜆𝑓 : 𝑥 ↦−→ 𝜆(𝑥) 𝑓 (𝑥) est différentiable en 𝑎 et :

∀ℎ ∈ 𝐸, 𝑑 (𝜆𝑓 )(𝑎) · ℎ = 𝜆(𝑎)𝑑 𝑓 (𝑎) · ℎ + 𝑑𝜆(𝑎) · ℎ 𝑓 (𝑎).
𝜕 𝜕𝜆 𝜕𝑓
∀𝑖 ∈ [[1, 𝑛]] , (𝜆𝑓 ) (𝑎) = (𝑎) 𝑓 (𝑎) + 𝜆(𝑎) (𝑎)
1.4.2 Un cas particulier du théorème 1.6
Soient une application d’une variable 𝜑 : 𝐼 −→ 𝐸 et une application de
plusieurs variables 𝑓 : 𝑈 −→ 𝐸 0 telles que 𝜑 (𝐼 ) ⊂ 𝑈 . Si 𝜑 est dérivable
en 𝑎 et 𝑓 est différentiable en 𝜑 (𝑎) alors 𝑓 ◦ 𝜑 est dérivable en 𝑎 et :
0
𝑓 ◦ 𝜑 (𝑎) = d𝑓 (𝜑 (𝑎)) · 𝜑 0 (𝑎)
Cas des fonctions numériques

On suppose que 𝐸 est muni d’un produit scalaire h., .i. Soit une appli-
cation numérique 𝑓 : 𝑈 −→ R. On suppose que 𝑓 est différentiable en
𝑎.
1.5.1 Gradient
Rappelons que ∇𝑓 (𝑎) est l’unique vecteur de 𝐸 tel que
∀ℎ ∈ 𝐸, 𝑑 𝑓 (𝑎) · ℎ = h ∇𝑓 (𝑎), ℎi
si B est une bon de 𝐸,
𝑛
∑︁ 𝜕𝑓
∇𝑓 (𝑎) = (𝑎)𝑒𝑖
𝑖=1 𝜕𝑥𝑖
1.5.2 linéarité du gradient
Si 𝑓 et 𝑔 sont deux applications numériques de 𝑈 dans R différentiables
en 𝑥 ∈ 𝑈 alors pour tout 𝜆 ∈ R :
∇(𝑓 + 𝜆𝑔) (𝑥) = ∇𝑓 (𝑥) + 𝜆 ∇𝑔(𝑥)
1.5.3 gradient d’un produit
Si 𝑓 et 𝑔 sont deux applications numériques de 𝑈 dans R différentiables
en 𝑥 ∈ 𝑈 alors 𝑓 𝑔 est différentiable en 𝑥 et :
∇(𝑓 𝑔) (𝑥) = 𝑓 (𝑥) ∇𝑔(𝑥) + 𝑔(𝑥) ∇𝑓 (𝑥)

1.5.4 gradient d’une composée I

Si 𝑓 : 𝑈 −→ R est une fonction numérique et 𝜑 : 𝐼 −→ R et une
fonction réelle telles que 𝑓 (𝑈 ) ⊂ 𝐼 . Si 𝑓 est différentiable en 𝑥 ∈ 𝑈 et
𝜑 est dérivable en 𝑓 (𝑥) alors
∇(𝜑 ◦ 𝑓 )(𝑥) = 𝜑 0 (𝑓 (𝑥)) ∇𝑓 (𝑥)
exemple Si 𝑓 : 𝑈 −→ R est une fonction strictement positive différentiable
en 𝑥 alors

∇ 𝑓 (𝑥)𝛼 = 𝛼 𝑓 (𝑥)𝛼−1 ∇𝑓 (𝑥)
∇𝑓 (𝑥)
∇ ln 𝑓 (𝑥) =
𝑓 (𝑥)
1.5.5 gradient d’un quotient
Si 𝑔 : 𝑈 −→ R est un fonction qui ne s’annule pas sur 𝑈 , différentiable
en 𝑥 alors la fonction 𝑔1 est différentiable en 𝑥 et :

1 ∇𝑔(𝑥)
∇ (𝑥) = −
𝑔 𝑔(𝑥) 2
Si 𝑓 est une fonction numérique différentiable en 𝑥 on a donc

𝑓 𝑔(𝑥) ∇𝑓 (𝑥) − 𝑓 (𝑥) ∇𝑔(𝑥)
∇ (𝑥) =
𝑔 𝑔(𝑥) 2
1.5.6 gradient d’une composée II
Cette fois on considère une fonction 𝑓 à valeurs dans 𝐸 et une fonction
numérique 𝑔 telle que 𝑔 ◦ 𝑓 soit bien définie. Si 𝑓 est différentiable en
𝑥 et 𝑔 est différentiable en 𝑓 (𝑥) alors 𝑔 ◦ 𝑓 est différentiable en 𝑥 et
on a
𝑛 𝑛
∑︁ 𝜕𝑓 ∑︁ 𝜕𝑓
∇(𝑔 ◦ 𝑓 ) (𝑥) = d𝑔(𝑓 (𝑥)) · (𝑥) 𝑒𝑖 = ∇𝑔 𝑓 (𝑥) , (𝑥) 𝑒𝑖
𝑖=1 𝜕𝑥𝑖 𝑖=1 𝜕𝑥𝑖
Exemples 1.2
𝐸 est un espace euclidien dans ces exemples.

1.2.1 L’application 𝜌 : 𝑥 ↦−→ k𝑥 k 2 est différentiable en tout 𝑥 ∈ 𝐸 et
on a
∇𝜌 (𝑥) = 2𝑥
Par composition avec la racine carrée, l’application 𝑁 : 𝑥 ↦−→ k𝑥 k est

différentiable en tout vecteur non nul 𝑥 ∈ 𝐸 et on a

𝑥
∇𝑁 (𝑥) =
k𝑥 k
1.2.2 Si 𝑓 est une fonction différentiable à valeurs dans 𝐸 partout non
nulle alors la fonction numérique 𝑔 : 𝑥 ↦−→ k𝑓 (𝑥) k est différentiable
et
𝑛
1 ∑︁ 𝜕𝑓
∇𝑔(𝑥) = 𝑓 (𝑥), (𝑥) 𝑒𝑖
k𝑓 (𝑥) k 𝑖=1 𝜕𝑥𝑖

𝜕𝑓
application si 𝑥 ↦−→ k𝑓 (𝑥) k est constante alors 𝑓 (𝑥), 𝜕𝑥𝑖 (𝑥) = 0 pour
tout 𝑖 et pour tout 𝑥.
1.2.3 On fixe un vecteur 𝑎 dans 𝐸 et on pose :

𝑓 (𝑥) = 1 + k𝑥 k 2 ) 1/2 − h𝑎, 𝑥i
alors 𝑓 est différentiable en tout 𝑥 ∈ 𝐸 r{0𝐸 } et on a
k𝑥 k 𝑥 𝑥
∇𝑓 (𝑥) = . −𝑎 = 1/2 − 𝑎
2 1/2 k𝑥 k
1 + k𝑥 k 1 + k𝑥 k 2
I.3 Matrice jacobienne, jacobien

Remarque 1.3
Si 𝑓 : 𝑈 −→ 𝐸 0 est différentiable en 𝑎, pour tout 𝑗 ∈ [[1, 𝑛]]

𝑚
𝜕𝑓 𝜕𝑓𝑖
(𝑎)𝑒𝑖0
∑︁
d𝑓 (𝑎) · 𝑒 𝑗 = (𝑎) =
𝜕𝑥 𝑗 𝑖=1 𝜕𝑥 𝑗
Ce qui suggère la définition suivante.
Définition 1.2
Soit une application 𝑓 : 𝑈 −→ 𝐸 0.
1 Si 𝑓 est différentiable en 𝑎, on appelle matrice jacobienne de 𝑓
en 𝑎 relativement aux bases B de 𝐸 et B0 de 𝐸 0, la matrice de sa
différentielle d𝑓 (𝑎) relativement à ces bases, on la note JB,B0 𝑓 (𝑎) ou,

s’il n’y a pas de risque de confusion, simplement J𝑓 (𝑎),

𝜕𝑓1 𝜕𝑓1 𝜕𝑓1
© ··· ª
𝜕𝑥 1 𝜕𝑥 2 𝜕𝑥𝑛 ®
𝜕𝑓2 𝜕𝑓2 𝜕𝑓2 ®®
· · ·
J𝑓 (𝑎) = 𝜕𝑥 1 𝜕𝑥 2 𝜕𝑥𝑛 ®®

.. .. .. ®
. . . ®
®
𝜕𝑓𝑝 𝜕𝑓𝑝 𝜕𝑓𝑝 ®
···
« 𝜕𝑥 1 𝜕𝑥 2 𝜕𝑥𝑛 ¬
𝑓1, 𝑓2, · · · , 𝑓𝑝 étant les applications composantes de 𝑓 .
2 On suppose que 𝐸 0 = 𝐸. Si 𝑓 est différentiable en 𝑎, on appelle
jacobien de 𝑓 en 𝑎 le déterminant de la différentielle d𝑓 (𝑎). On le note
jac 𝑓 (𝑎).

jac 𝑓 (𝑎) = det d𝑓 (𝑎) = det(JB,B 𝑓 (𝑎))
n.b. Si 𝐸 = 𝐸 0 , une application 𝑓 , en général une bijection d’un ouvert 𝑈 sur
un ouvert 𝑉 de 𝐸 jouera le rôle d’un changement de variables, poser 𝑦 = 𝑓 (𝑥).
C’est pourquoi le jacobien est lié à la notion de changement de variable.
I.4 Applications de classe C1

Définition 1.3
Une application 𝑓 : 𝑈 −→ 𝐸 0 est dite de classe C1 si 𝑓 admet des
dérivées partielles en tout point et ses fonctions dérivées partielles
sont continues.
Théorème 1.8 Théorème fondamental du calcul différentiel

Soit une fonction 𝑓 : 𝑈 −→ 𝐸 0.
Si 𝑓 est de classe C1 sur 𝑈 alors 𝑓 est différentiable en tout point de
𝑈.
Remarques 1.4
1.4.1 L’intérêt du théorème fondamental du calcul différentiel ré-

side dans le fait qu’il affirme que si une fonction admet des dérivées
partielles continues sur 𝑈 alors 𝑓 est différentiable sur 𝑈 .
n.b. On sait que l’existence des dérivées partielles (sans leurs continuité)
n’assure pas l’existence des différentielles.

1.4.2 Si 𝑓 est de classe C1 sur 𝑈 alors

pour tout ℎ ∈ 𝐸 r{0𝐸 }, l’application 𝑥 ↦−→ 𝐷ℎ 𝑓 (𝑥) est continue ;
l’application d𝑓 : 𝑥 ↦−→ d𝑓 (𝑥) est continue ;
si 𝑓 est une application numérique alors 𝑥 ↦−→ ∇𝑓 (𝑥) est contin
Propriétés 1.9
1.9.1 Une application linéaire 𝑢 de 𝐸 dans 𝐸 0 est de classe C1 et on

a:
∀𝑥 ∈ 𝐸, d𝑢 (𝑥) = 𝑢
n.b. L’application d𝑢 est constante de valeur 𝑢.
1.9.2 Une combinaison linéaire de fonctions de classe C1 est de

classe C1 .
1.9.3 Soit 𝐵 est une application linéaire de 𝐸 0 × 𝐸 00 dans 𝐹 . Soient
des aapplications 𝑓 : 𝑈 −→ 𝐸 et 𝑔 : 𝑈 −→ 𝐸 0. Si 𝑓 et 𝑔 sont de classe
C1 alors il en est de même de l’application

ℓ : 𝑥 ↦−→ 𝐵 𝑓 (𝑥), 𝑔(𝑥)
1.9.4 La composée de deux applications de classe C1 est de classe
C1 .
1.9.5 Toute fonction polynomiale est de classe C1 .
Remarque 1.5
Pour une intégrale à paramètre

∫ 𝑏
𝑔(𝑥) = 𝑓 (𝑥, 𝑡)d𝑡
𝑎
il suffit donc de constater que 𝑓 est de classe C1 pour que les hypothèses
suivantes du théorème de dérivation :
𝜕𝑓
• Pour tout 𝑥 ∈ 𝐾, 𝑡 ↦→ 𝑓 (𝑥, 𝑡) et 𝑡 ↦→ 𝜕𝑥 (𝑥, 𝑡) sont cpm sur 𝐼 ;
𝜕𝑓
• Pour tout 𝑡 ∈ 𝐼 , 𝑥 ↦→ 𝑓 (𝑥, 𝑡) et 𝑥 ↦→ 𝜕𝑥 (𝑥, 𝑡) sont continues sur 𝐼
soient toutes vérifiées.

Exemples 1.3
1.3.1 det est de classe C1 sur M𝑛 (R) et

∀𝑀 ∈ M𝑛 (R), ∇(det) (𝑀) = Com(𝑀)
On en déduit que
∀𝐻 ∈ M𝑛 (R), d(det) (𝑀) · 𝐻 = Tr 𝑡
Com(𝑀)𝐻

n.b. on retrouve ainsi l’expression de la dérivée de la fonction 𝑡 ↦−→ det 𝐴(𝑡)
lorsque 𝐴 est une fonction dérivable de 𝐼 dans M𝑛 (R) :
d
det 𝐴(𝑡) = Tr 𝑡 Com(𝐴(𝑡))𝐴 0 (𝑡)

d𝑡
1.3.2 On considère l’application définie sur GL𝑛 (R) par 𝑓 (𝑀) = 𝑀 −1 .
Elle est de classe C1 sur GL𝑛 (R) et
∀𝐻 ∈ M𝑛 (R), d𝑓 (𝑀) · 𝐻 = −𝑀 −1𝐻 𝑀 −1
n.b. On en déduit la dérivée de la fonction 𝑡 ↦−→ (𝐴(𝑡)) −1 lorsque 𝐴 est une
fonction dérivable de 𝐼 dans GL𝑛 (R) :
d
𝐴(𝑡) −1 = −𝐴(𝑡) −1𝐴 0 (𝑡)𝐴(𝑡) −1

d𝑡
1.3.3 On peut généraliser l’exemple précédent à l’application 𝑓 :
𝑥 ↦−→ 𝑥 −1 définie sur le groupe des inversibles 𝐴× d’une algèbre de
dimension finie 𝐴. Elle est de classe C1 et
∀𝑥 ∈ 𝐴×, ∀ℎ ∈ 𝐴, d𝑓 (𝑥) · ℎ = −𝑥 −1ℎ𝑥 −1
n.b. On sait que 𝐴× est un ouvert de 𝐴.
1.3.4 𝐸 étant un espace euclidien,

𝑥 ↦−→ k𝑥 k 2 est de classe C1 sur 𝐸 et ∇ k𝑥 k 2 = 2𝑥 ;

𝑥 ↦−→ k𝑥 k est de classe C1 sur 𝐸 r{0𝐸 } et ∇ k𝑥 k =

𝑥
k𝑥 k
2
On en déduit par exemple que 𝑓 : 𝑥 ↦−→ e− k𝑥 k /2 est de classe C1 sur
𝐸 et
∀𝑥 ∈ 𝐸, ∇𝑓 (𝑥) = ...
I.5 Difféomorphisme de classe C1

Remarque 1.6 (Différentielle de la réciproque d’une bijection)
On considère une bijection 𝑓 : 𝑈 −→ 𝑈 0. On suppose que 𝑓 est

différentiable en 𝑎 ∈ 𝑈 et 𝑓 −1 est différentiable en 𝑏 = 𝑓 (𝑎). Alors par

remarque 1.6 (différentielle de la réciproque d’une bijection) (suite)
différentiation de la relation 𝑓 −1 ◦ 𝑓 = id𝐸 en 𝑎 on a

d𝑓 −1 𝑓 (𝑎) ◦ d𝑓 (𝑎) = id𝐸

−1
On déduit que : d𝑓 −1 (𝑏) = d𝑓 (𝑎)
−1
J(𝑓 −1 ) (𝑏) = J𝑓 (𝑎)
1
et si 𝐸 0 = 𝐸 alors jac(𝑓 −1 ) (𝑏) = jac 𝑓 (𝑎)
Définition 1.4
Soit 𝑉 un autre ouvert non vide de 𝐸. Une application 𝑓 : 𝑈 −→ 𝑉 est
dite un C1 -difféomorphisme de 𝑈 sur 𝑉 si
• 𝑓 est une bijection de U sur V
• 𝑓 est de classe C1 sur U
• 𝑓 −1 est de classe C1 sur V
Théorème 1.10 théorème d’inversion globale

Soit une application 𝑓 : 𝑈 −→ 𝐸. Si
• 𝑓 est injective
• 𝑓 est de classe C1 sur U
• ∀𝑥 ∈ 𝑈 , jac 𝑓 (𝑥) ≠ 0
Alors 𝑉 = 𝑓 (𝑈 ) est un ouvert de 𝐸 ;
𝑓 induit un C1 -difféomorphisme de 𝑈 sur 𝑉 .
n.b. la différentiabilité de 𝑓 −1 découle du fait que 𝑓 est de classe C1 et
l’endomorphisme d𝑓 (𝑥) est inversible pour tout 𝑥 ∈ 𝑈 . Ce n’est pas un résultat
trivial.
voir l’exercice 1.7, page 22, pour la démonstration.
Exemples fondamentaux 1.4 (Changement de variables en coordonnées po-

laires)
1.4.1 C1 -difféomorphisme du passage en coordonnées polaire

On considère l’application 𝜙 : Ω =]0, +∞[ × ] − 𝜋, 𝜋 [ −→ R2 définie
par :
𝜙 (𝑟, 𝜃 ) = (𝑟 cos 𝜃, 𝑟 sin 𝜃 )

exemples fondamentaux 1.4 (changement de variables en coordonnées polaires) (suite)
On démontre que :
𝜙 est injective.
𝜙 (Ω) = R2 \ (] − ∞, 0] × {0}) = 𝑈 0 avec pour tout (𝑥, 𝑦) ∈ 𝑈 0
√︁
= 𝑥 2 + 𝑦2
(
𝑥 = 𝑟 cos 𝜃



𝑟
⇐⇒ 𝜃 = 2 arctan 𝑦
𝑦 = 𝑟 sin 𝜃 √︁
𝑥 + 𝑥 2 + 𝑦2



Ainsi 𝜙 induit une bijection de Ω sur 𝑈 0 avec :
!
0 −1
√︁ 𝑦
∀(𝑥, 𝑦) ∈ 𝑈 , 𝜙 (𝑥, 𝑦) = 𝑥 2 + 𝑦 2, 2 arctan √︁
𝑥 + 𝑥 2 + 𝑦2
∀(𝑟, 𝜃 ) ∈ Ω, jac 𝜙 (𝑟, 𝜃 ) = 𝑟 ≠ 0
n.b. Noter que si (𝑟, 𝜃 ) ∈ Ω et 𝜙 (𝑟, 𝜃 ) = (𝑥, 𝑦) alors :

cos 𝜃 −𝑟 sin 𝜃
J𝜙 (𝑟, 𝜃 ) =
sin 𝜃 𝑟 cos 𝜃

1 𝑟 cos 𝜃 𝑟 sin 𝜃 𝑥/𝑟 𝑦/𝑟
Et J(𝜙 −1 )(𝑥, 𝑦) = (J𝜙 (𝑟, 𝜃 )) −1 = =
𝑟 − sin 𝜃 cos 𝜃 −𝑦/𝑟 2 𝑥/𝑟 2
On en déduit les dérivées partielles inverses :
𝜕𝑟 𝑥 𝜕𝑟 𝑦
= =
𝜕𝑥 𝑟 𝜕𝑦 𝑟
𝜕𝜃 𝑦 𝜕𝜃 𝑥
=− 2 =
𝜕𝑥 𝑟 𝜕𝑦 𝑟 2
1.4.2 Gradient en coordonnées polaires
Soit un ouvert 𝑈 inclu dans l’ensemble 𝑈 0 = R2 \ (] − ∞, 0] × {0}) et
soit une fonction numérique de classe C1
𝑓 : 𝑈 −→ R, (𝑥, 𝑦) −→ 𝑓 (𝑥, 𝑦)
calcul On pose 𝑔(𝑟, 𝜃 ) = 𝑓 (𝑟 cos 𝜃, 𝑟 sin 𝜃 ). De ce fait 𝑔 = 𝑓 ◦ 𝜙 est définie
et elle est de classe C1 sur l’ouvert 𝑉 = 𝜙 −1 (𝑈 ). Un calcul des dérivées partielles
donne
𝜕𝑔 𝜕𝑓 𝜕𝑓
(𝑟, 𝜃 ) = cos 𝜃 (𝑟 cos 𝜃, 𝑟 sin 𝜃 ) + sin 𝜃 (𝑟 cos 𝜃, 𝑟 sin 𝜃 )
𝜕𝑟 𝜕𝑥 𝜕𝑦
𝜕𝑔 𝜕𝑓 𝜕𝑓
(𝑟, 𝜃 ) = −𝑟 sin 𝜃 (𝑟 cos 𝜃, 𝑟 sin 𝜃 ) + 𝑟 cos 𝜃 (𝑟 cos 𝜃, 𝑟 sin 𝜃 )
𝜕𝜃 𝜕𝑥 𝜕𝑦
Qu’on peut schématiser sous la forme
𝜕𝑔 𝜕𝑓 𝜕𝑓 𝜕𝑔 𝜕𝑓 𝜕𝑓
𝑟 =𝑥 +𝑦 = −𝑦 +𝑥
𝜕𝑟 𝜕𝑥 𝜕𝑦 𝜕𝜃 𝜕𝑥 𝜕𝑦

exemples fondamentaux 1.4 (changement de variables en coordonnées polaires) (suite)
𝜕𝑓 𝜕𝑔 sin 𝜃 𝜕𝑔
Ensuite (𝑟 cos 𝜃, 𝑟 sin 𝜃 ) = cos 𝜃 (𝑟, 𝜃 ) − (𝑟, 𝜃 )
𝜕𝑥 𝜕𝑟 𝑟 𝜕𝜃
𝜕𝑓 𝜕𝑔 cos 𝜃 𝜕𝑔
(𝑟 cos 𝜃, 𝑟 sin 𝜃 ) = sin 𝜃 (𝑟, 𝜃 ) + (𝑟, 𝜃 )
𝜕𝑦 𝜕𝑟 𝑟 𝜕𝜃
Soit (𝑖®, 𝑗®) la base canonique de R2 et posons

𝑢®𝜃 = cos 𝜃 𝑖® + sin 𝜃 𝑗® 𝑛®𝜃 = − sin 𝜃 𝑖® + cos 𝜃 𝑗®
𝜕𝑓 𝜕𝑓 𝜕𝑔 1 𝜕𝑔
Alors ∇𝑓 (𝑥, 𝑦) = (𝑥, 𝑦)𝑖® + (𝑥, 𝑦) 𝑗® = (𝑟, 𝜃 )𝑢®𝜃 + (𝑟, 𝜃 )𝑛®𝜃
𝜕𝑥 𝜕𝑦 𝜕𝑟 𝑟 𝜕𝜃
𝜕𝑔 1 𝜕𝑔
et pour schématiser ∇𝑓 = 𝑢®𝜃 + 𝑛®
𝜕𝑟 𝑟 𝜕𝜃 𝜃
Exemples 1.5
1.5.1 Soient des réels 𝑎, 𝑏, 𝑐, 𝑑 tels que 𝑎𝑑 − 𝑏𝑐 ≠ 0 de telle sorte

que l’application 𝜙 : (𝑢, 𝑣) ↦−→ (𝑎𝑢 + 𝑏𝑣, 𝑐𝑢 + 𝑑𝑣) soit un C1 -
difféomorphisme (linéaire) de R2 sur lui même. Soit maintenant une
application numérique de classe C1 𝑓 : 𝑈 R2 −→ R et posons pour
tout (𝑢, 𝑣) ∈ 𝑉 = 𝜙 −1 (𝑈 )
𝑔(𝑢, 𝑣) = 𝑓 (𝑎𝑢 + 𝑏𝑣, 𝑐𝑢 + 𝑑𝑣)
Alors 𝑔 est de classe C1 sur 𝑉 et
𝜕𝑔 𝜕𝑓 𝜕𝑓 𝜕𝑔 𝜕𝑓 𝜕𝑓
=𝑎 +𝑐 =𝑏 +𝑑
𝜕𝑢 𝜕𝑥 𝜕𝑦 𝜕𝑣 𝜕𝑥 𝜕𝑦
application Déterminer les fonctions 𝑓 : R2 −→ R de classe C1 telles que
𝜕𝑓 𝜕𝑓
𝜕𝑥 − 𝜕𝑦 =𝑥.
1.5.2 Soit 𝑈 = {(𝑥, 𝑦) ∈ R2 / 𝑥 > 0}. On veut déterminer les

fonctions de classe C1 sur 𝑈 telles que
𝜕𝑓 𝜕𝑓
𝑥 (𝑥, 𝑦) + 𝑦 (𝑥, 𝑦) = (𝑥 4 + 𝑦 4 ) 1/2
𝜕𝑥 𝜕𝑦

I.6 Exercices d’approfondissement

Vocabulaire
1.5.1 L’ensemble 𝑈 est dit convexe si
∀(𝑥, 𝑦) ∈ 𝑈 2, ∀𝑡 ∈ [0, 1], (1 − 𝑡)𝑥 + 𝑡𝑦 ∈ 𝑈 .
On note en outre
[𝑥, 𝑦] := {(1 − 𝑡)𝑥 + 𝑡𝑦 / 𝑡 ∈ [0, 1]}
1.5.2 On suppose que 𝑈 est convexe. Une fonction numérique 𝑓 :
𝑈 −→ R est dite convexe si
∀(𝑥, 𝑦) ∈ 𝑈 2, ∀𝑡 ∈ [0, 1], 𝑓 (1 − 𝑡)𝑥 + 𝑡𝑦 6 (1 − 𝑡)𝑓 (𝑥) + 𝑡 𝑓 (𝑦)

Exercice 1.1
Écrire la matrice jacobienne du changement de variable 𝐵 = 𝐴−1 sur

GL𝑛 (R).
Exercice 1.2
On considère l’application définie sur M𝑛 (R) par 𝑓 (𝑀) =

(Tr 𝑀, . . . , Tr 𝑀 𝑛 ).
1 Montrer que 𝑓 est de classe C1 sur M𝑛 (R) et exprimer d𝑓 (𝑀) · 𝐻 .
2 Soit 𝑀 ∈ M𝑛 (R). Montrer que rg d𝑓 (𝑀) = deg 𝜋𝑀 ,
3 Montrer que l’ensembles des matrice 𝑀 ∈ M𝑛 (R) telles que
𝜒 𝑀 = 𝜋𝑀 est un ouvert de M𝑛 (R).
Exercice 1.3 caractérisation des fonctions homogènes de classe C1
Une fonction numérique 𝑓 sur 𝐸 est dite homogène de degré 𝑝 ∈ N si

∀𝑡 ∈ R, ∀𝑥 ∈ 𝐸, 𝑓 (𝑡𝑥) = 𝑡 𝑝 𝑓 (𝑥)
Montrer que si 𝑓 est différentiable alors elle est homogène de degré 𝑝
ssi
∀𝑥 ∈ 𝐸, d𝑓 (𝑥) · 𝑥 = 𝑝 𝑓 (𝑥) (condition d’Euler)
Exercice 1.4 égalité des accroissements finis
On suppose que 𝑈 est convexe. Soit une fonction numérique différen-

tiable 𝑓 : 𝑈 −→ R. Montrer que si (𝑎, 𝑏) ∈ 𝑈 2 alors il existe 𝑐 ∈ [𝑎, 𝑏]

tel que
𝑓 (𝑏) − 𝑓 (𝑎) = d𝑓 (𝑐) · (𝑏 − 𝑎)
Exercice 1.5 preuve du théorème fondamental
Soit 𝑓 une fonction de classe C1 sur l’ouvert 𝑈 .

1 Montrer qu’on peut se ramener au cas où 𝑓 est une fonction
numérique. On suppose désormais qu’elle l’est.
2 On fixe 𝑥 ∈ 𝑈 et on considère 𝑟 > 0 tel que 𝐵(𝑥, 𝑟 ) ⊂ 𝑈 . On utilise
la norme k.k = k.k 1,B de 𝐸.
Soit ℎ ∈ 𝐸 tel que kℎk < 𝑟 . Justifier que pour tout 𝑘 ∈ [[2, 𝑛]], il
existe une vecteur 𝑐𝑘 tel que k𝑐𝑘 k < kℎk et
𝑘 𝑘−1
∑︁ ∑︁ 𝜕𝑓
𝑓 𝑥+ ℎ𝑖 𝑒𝑖 − 𝑓 𝑥 + ℎ𝑖 𝑒𝑖 = ℎ𝑘 (𝑥 + 𝑐𝑘 )
𝑖=1 𝑖=1 𝜕𝑥𝑘
𝑛
En déduire que kℎ1 k 𝑓 (𝑥 + ℎ) − 𝑓 (𝑥) −
𝜕𝑓
ℎ𝑘 𝜕𝑥𝑘 (𝑥) −−−−→ 0.
P
𝑘=1 ℎ→0𝐸
3 Conclure.
solution 1.5, page 46
Exercice 1.6 Caractérisation d’une fonction convexe différentiable
On suppose que 𝑈 est convexe. Soit une fonction numérique 𝑓 : 𝑈 −→

R. On suppose que 𝑓 est différentiable sur 𝑈 . Montrer que 𝑓 est convexe
si et seulement si
∀(𝑥, 𝑦) ∈ 𝑈 2, 𝑓 (𝑦) − 𝑓 (𝑥) > h ∇𝑓 (𝑥), 𝑦 − 𝑥i
En déduire que si 𝑓 est convexe et différentiable alors elle admet un
minimum global en tout 𝑥 0 ∈ 𝑈 tel que ∇𝑓 (𝑥 0 ) = 0𝐸 .
Exercice 1.7 preuve du théorème d’inversion globale
Soit 𝑓 une application vérifiant les hypothèses du théorème 1.10. On

munit (𝐸) d’une norme d’algèbre qu’on notera également k.k.
−1
1 Soit 𝑥 0 ∈ 𝑈 . On pose 𝑔(𝑥) = d𝑓 (𝑥 0 ) · 𝑓 (𝑥) − 𝑓 (𝑥 0 ) . Justifier

l’existence d’un réel 𝑟 > 0 tel que

1
∀𝑥 ∈ 𝐵(𝑥 0, 𝑟 ), kd𝑔(𝑥) − id𝐸 k 6
2
Montrer que 𝑉 = 𝑓 (𝑈 ) est un ouvert de 𝐸.
2 Montrer que 𝑓 −1 est différentiable en tout 𝑦 ∈ 𝑉 .
Exercice 1.8
Montrer que la fonction 𝑓 est de classe C1 sur 𝑈 =]0, +∞[2 lorsque

+∞
∑︁ (−1)𝑛
𝑓 (𝑥, 𝑦) =
𝑛=1 𝑥 + 𝑛𝑦
Exercice 1.9
Soit 𝑓 : R2 −→ C une fonction polynomiale. On suppose que

𝜕𝑓 𝜕𝑓
=i
𝜕𝑦 𝜕𝑥
Montrer qu’il existe un polynôme 𝑃 ∈ C[𝑋 ] tel que 𝑓 (𝑥, 𝑦) = 𝑃 (𝑥 + i𝑦).
Exercice 1.10
Soit 𝑈 un ouvert non vide de C. On dit qu’une fonction 𝑓 : 𝑈 −→ C

de classe C1 vérifie la condition de Cauchy si 𝜕𝑦 = i 𝜕𝑥 .
𝜕𝑓 𝜕𝑓
Montrer que les fonctions

+∞ ∫ +∞
1
Γ(𝑧) = 𝑡 𝑧−1 e−𝑡 d𝑡
∑︁
𝜁 (𝑧) = 𝑧
𝑛=1 𝑛 0
sont de classe C1 et vérifient la condition de Cauchy respectivement
sur 𝑈 = {𝑧 ∈ C / Re 𝑧 > 1} et sur 𝑉 = {𝑧 ∈ C / Re 𝑧 > 0}.
Exercice 1.11 théorème de « différentiation terme à terme »
Soit (𝑓𝑛 )𝑛 une suite de fonctions définie de 𝑈 dans 𝐸 0.

1 Montrer que si

• Pour tout 𝑛 ∈ N, 𝑓𝑛 est de classe C1 sur 𝑈 ;

• (𝑓𝑛 )𝑛 cvs sur 𝑈 ;
• (d𝑓𝑛 )𝑛 cvu sur tout compact de 𝑈 .
Alors la limite 𝑓 de (𝑓𝑛 )𝑛 est de classe C1 sur 𝑈 et
∀𝑥 ∈ 𝑈 , d𝑓 (𝑥) = lim d𝑓𝑛 (𝑥)
2 Application : Montrer que la fonction exp est de classe C1 sur
toute algèbre 𝐴 de dimension finie.
II
Inégalité des accroissements finis
II.1 Inégalité des accroissements finis

Théorème 1.11 Inégalité des accroissements finis
On suppose que l’ouvert 𝑈 est un convexe. Soit une application nu-
mérique 𝑓 : 𝑈 −→ R de classe C1 . Alors pour tout (𝑎, 𝑏) ∈ 𝑈 2 ,
|𝑓 (𝑏) − 𝑓 (𝑎)| 6 k𝑏 − 𝑎k sup k ∇𝑓 (𝑢)k
𝑢 ∈ [𝑎,𝑏 ]
n.b. On peut généraliser ce résultat à une application non numérique en

introduisant la norme |||.||| de L(𝐸, 𝐸 0 ) subordonnée aux normes de 𝐸 et de 𝐸 0 :
k 𝑓 (𝑏) − 𝑓 (𝑎)k 6 k𝑏 − 𝑎k sup |||d𝑓 (𝑢)|||
𝑢 ∈ [𝑎,𝑏 ]
démonstration 1.11, page 41
II.2 Caractérisation d’une application constante de classe

C1
Lemme 1.12
On suppose que 𝑈 est convexe. Soit une application, 𝑓 : 𝑈 −→ 𝐸 0 de
classe C1 . Alors 𝑓 est constante sur 𝑈 si et seulement si sa différentielle
est nulle en tout point de 𝑈 .

Théorème 1.13 caractérisation d’une application constante C1

On suppose que 𝑈 est connexe par arcs. Soit une application 𝑓 : 𝑈 −→
𝐸 0 de classe C1 . Alors 𝑓 est constante sur 𝑈 si et seulement si sa
différentielle est nulle en tout point de 𝑈 .
Remarques 1.7
Si 𝑈 est connexe par arcs et 𝑓 : 𝑈 −→ 𝐸 0 est une fonction de classe C1

alors d𝑓 est constante sur 𝑈 si et seulement si 𝑓 est la restriction sur
𝑈 d’une application affine de 𝐸 dans 𝐸 0.
𝜕𝑓
n.b. d𝑓 est constante si et seulement si les dérivées partielles 𝜕𝑥𝑖 sont
constantes.
Exemples 1.6
Comparer les fonctions 𝑓 et 𝑔 définies sur 𝑈 = {(𝑥, 𝑦) ∈ R2 / 𝑥𝑦 ≠ 1}

par
𝑥 +𝑦
𝑓 (𝑥, 𝑦) = arctan 𝑥 + arctan 𝑦 et 𝑔(𝑥, 𝑦) = arctan
1 − 𝑥𝑦
𝑓 et 𝑔 sont C1 et
𝜕𝑔 1 − 𝑥𝑦 + 𝑦 (𝑥 + 𝑦) 1 𝜕𝑓
(𝑥, 𝑦) = = (𝑥, 𝑦)
(1 − 𝑥𝑦) 2 𝑥+𝑦 2

𝜕𝑥 𝜕𝑥
1+ 1−𝑥 𝑦
𝜕𝑓 𝜕𝑔
Par symétrie 𝜕𝑦 = 𝜕𝑦 .
Cela signifie-t-il que 𝑓 − 𝑔 est constante ?
La réponse est oui bien sûr, mais pas sur 𝑈 lui
même. Plutôt sur chacune de ces composantes
connexes par arcs. 4 𝑥𝑦 > 1,
𝑈 se divise en trois parties connexes par arcs : 𝑥𝑦 < 1 𝑥>0
2
𝑈 1 = {(𝑥, 𝑦) ∈ R2 / 𝑥𝑦 > 1 et 𝑥 > 0}
𝑈 2 = {(𝑥, 𝑦) ∈ R2 / 𝑥𝑦 < 1}
𝑈 3 = {(𝑥, 𝑦) ∈ R2 / 𝑥𝑦 > 1 et 𝑥 < 0} −4 −2 2 4
𝑓 − 𝑔 est constante sur chaque composante. On −2
calcule les valeurs de ces constantes en évaluant 𝑥𝑦 > 1,
𝑓 − 𝑔 en des points donnés de ces composantes. 𝑥<0 −4
En conclusion

0 si 𝑥𝑦 < 1
𝑥 + 𝑦
arctan 𝑥 + arctan 𝑦 = arctan + 𝜋 si 𝑥𝑦 > 1, 𝑥 > 0
1 − 𝑥𝑦
−𝜋 si 𝑥𝑦 > 1, 𝑥 < 0

II.3 Condition nécessaire d’extrémalité

Vocabulaire
Soient 𝑓 : 𝑈 −→ R une fonction numérique et 𝑎 ∈ 𝑈
1.6.1 On dit que 𝑓 admet un maximum local en 𝑎 s’il existe 𝑟 > 0
tel que
• 𝐵(0𝐸 , 𝑟 ) ⊂ 𝑈
• ∀𝑥 ∈ 𝐵(0𝐸 , 𝑅), 𝑓 (𝑥) 6 𝑓 (𝑎)
1.6.2 On dit que 𝑓 admet un minimum local en 𝑎 s’il existe 𝑟 > 0
tel que
• 𝐵(0𝐸 , 𝑟 ) ⊂ 𝑈
• ∀𝑥 ∈ 𝐵(0𝐸 , 𝑅), 𝑓 (𝑥) > 𝑓 (𝑎)
1.6.3 Un point critique de 𝑓 est un point en lequel son gradient est
nul.
Théorème 1.14 condition de première espèce d’extrémalité

Soient 𝑓 : 𝑈 −→ R une fonction numérique et 𝑎 ∈ 𝑈 . Si 𝑓 est de classe
C1 et admet un extrémum local en 𝑎 alors ∇𝑓 (𝑎) = 0𝐸
Remarque 1.8
Soit 𝐾 un compact de 𝐸 et soit 𝑓 : 𝐾 −→ R une fonction numérique

continue sur 𝐾 et de classe C1 sur 𝐾.
˚
On sait que 𝑓 admet un maximum et un minimum globaux sur 𝐾. Il
˚ Dans ce cas ses
se peut que 𝑓 n’admette aucun point critique dans 𝐾.
extrémums sont nécessairement atteint sur la frontière de 𝐾.
Exemples 1.7
1.7.1 𝑓 définie sur R2 par 𝑓 (𝑥, 𝑦) = 𝑥 3 + 3𝑥 2𝑦 + 𝑦 3

étude 𝑓 est polynomiale donc de classe C1 .
𝜕𝑓 (
 𝜕𝑥 (𝑥, 𝑦) = 0 3𝑥 2 + 6𝑥𝑦 = 0



⇐⇒
 𝜕𝑓
 𝜕𝑦 (𝑥, 𝑦) =0 3𝑥 2 + 3𝑦 2 = 0

⇐⇒ 𝑥 = 𝑦 = 0
(0, 0) est le seul point critique de 𝑓 .

𝑓 (0, 0) = 0, mais 𝑓 (𝑥, 𝑥) = 5𝑥 3 et donc 𝑓 (𝑥, 𝑥) n’a pas un signe constant quand
𝑥 est voisin de 0. 𝑓 n’admet aucun extremum local.
1.7.2 𝑓 définie sur 𝐷 = [0, 1] 2 par 𝑓 (𝑥, 𝑦) = 𝑥 − 𝑦 + 𝑥 3 + 𝑦 3 . Calcul

des extrémums de 𝑓 dans 𝐷.
étude 𝑓 est polynomiale donc de classe C1 ...
𝑓 est continue sur le compact 𝐷 donc elle y est bornée et atteint ses bornes.
Mais 𝜕𝑥 = 1 + 3𝑥 2 > 0. Donc 𝑓 n’admet aucun point critique. Ce qui signifie
𝜕𝑓
que 𝑓 atteint ses extrémums globaux sur la frontière 𝜕𝐷.

2
min 𝑓 = − √ et max = 2
𝐷 3 3 𝐷
𝑓 (0, 𝑦) = 𝑦 3 − 𝑦 𝑓 (1, 𝑦) = 𝑦 3 − 𝑦 + 2 𝑦=1

3 3
𝑓 (𝑥, 0) = 𝑥 + 𝑥 𝑓 (𝑥, 1) = 𝑥 + 𝑥 𝑥 =0
𝑥 =1
2 2
− √ 6 𝑓 (0, 𝑦) 6 0 2 − √ 6 𝑓 (1, 𝑦) 6 2
3 3 3 3
𝑦=0
0 6 𝑓 (𝑥, 0) 6 2 0 6 𝑓 (𝑥, 0) 6 2
1.7.3 𝑓 est définie sur R2 par 𝑓 (𝑥, 𝑦) = 𝑥 2𝑦 (20 − 𝑥 + 𝑦)

étude 𝑓 est C1 car polynomiale.
𝜕𝑓 𝜕𝑓
(𝑥, 𝑦) = 𝑥𝑦 (40 − 3𝑥 + 2𝑦) (𝑥, 𝑦) = 𝑥 2 (20 − 𝑥 + 2𝑦)
𝜕𝑥 𝜕𝑦
Points critiques de 𝑓 : (20, 0), (10, −5) et (0, 𝑏) pour tout 𝑏 ∈ R.
Étude en (0, 20) :
𝑓 (20 + 𝑢, 𝑣) − 𝑓 (20, 0) = (20 + 𝑢) 2 𝑣 (−𝑢 + 𝑣)
Même signe que 𝑣 (𝑣 − 𝑢) : pas d’extrémum en (20, 0)
Étude en (10, −5)
𝑓 (10 + 𝑢, −5 + 𝑣) − 𝑓 (10, −5) = (10 + 𝑢) 2 (𝑣 − 5) (5 − 𝑢 + 𝑣) − 25.102
On attend l’énoncé de la condition suffisante d’extrémalité.
Étude en (0, 𝑏), 𝑏 quelconque
𝑓 (𝑢, 𝑏 + 𝑣) − 𝑓 (0, 𝑏) = 𝑢 2 (𝑏 + 𝑣)(20 + 𝑏 − 𝑢 + 𝑣)
Même signe que 𝜑 (𝑢, 𝑣) = (𝑏 +𝑣)(20+𝑏 −𝑢 +𝑣) = 𝑏 (20+𝑏) −𝑏𝑢 + (20+2𝑏)𝑣 +𝑣 2 .
Si 𝑏 ≠ 0 et 𝑏 ≠ −20 alors 𝜑 (𝑢, 𝑣) est de même signe que 𝑏 (20 + 𝑏) et pour
(𝑢, 𝑣) voisin de (0, 0). Donc 𝑓 admet un maximum local en (0, 𝑏) si 𝑏 > 0 ou
𝑏 < −20 et un minimum local si −20 < 𝑏 < 0. Si 𝑏 = 0, 𝜑 (𝑢, 𝑣) = 20𝑢 + 𝑣 2 4
donc pas d’extrémum en (0, 0). Si 𝑏 = −20, 𝜑 (𝑢, 𝑣) = 20𝑢 − 20𝑣 + 𝑣 2 donc pas
d’extrémum en (0, −20) non plus.

II.4 Exercices d’approfondissement

Exercice 1.12 une démonstration du théorème spectral
Soit 𝑢 un endomorphisme symétrique de 𝐸. On pose 𝜌 = max h𝑥, 𝑢 (𝑥)i

k𝑥 k=1
et on définit la fonction numérique 𝑓 sur 𝐸 par
∀𝑥 ∈ 𝐸, 𝑓 (𝑥) = h𝑥, 𝑢 (𝑥)i − 𝜌 k𝑥 k 2
1 Justifier l’existence de 𝜌. Montrer que si 𝑥 0 et un vecteur de
𝑆 (0𝐸 , 1) tel que 𝜌 = h𝑥 0, 𝑢 (𝑥 0 )i alors 𝑓 atteint un maximum global
en 𝑥 0
2 Montrer que 𝑓 est de classe C1 sur 𝐸 et exprimer son gradient en
𝑥.
3 Montrer que 𝜌 est une vap de 𝑢. Montrer le théorème spectrale
par récurrence sur 𝑛 = dim 𝐸.
Exercice 1.13
Soient 𝐴 ∈ M𝑛,𝑝 (R) et 𝑏 ∈ M𝑛,1 (R). Identifier les points critiques de

la fonction définie sur M𝑛,1 (R) par
𝑓 (𝑋 ) = k𝐴𝑋 − 𝑏 k 2
Montrer que 𝑓 atteint un minimum absolu en tous ces points.
Exercice 1.14
Montrer que la fonction définie sur R2 par

1
𝑓 (𝑥, 𝑦) = sin(𝑥 + 𝑦), cos(𝑥 − 𝑦)
2
admet un point fixe unique dans R2 .
Méthode de Newton pour approcher l’inverse d’une ma-

Exercice 1.15
trice
Soit une matrice inversible 𝐴 ∈ M𝑑 (R). On définit la fonction 𝑓 par
∀𝑀 ∈ M𝑑 (R), 𝑓 (𝑀) = 2𝑀 − 𝑀𝐴𝑀
1 Montrer que 𝑓 est de classe C1 et donner sa différentielle.
2 Calculer 𝑓 (𝐴−1 ) et d𝑓 (𝐴−1 ).
3 On munit M𝑑 (R) d’une norme d’algèbre k.k. On considère une

matrice 𝐵 telle que k𝐼𝑑 − 𝐴𝐵k < 1. Montrer que la suite (𝐵𝑛 )𝑛 définie
par
et ∀𝑛 ∈ N, 𝐵𝑛+1 = 𝑓 (𝐵𝑛 )
𝐵0 = 𝐵

converge vers 𝐴−1 et donner une majoration de 𝐵𝑛 − 𝐴−1 .
Exercice 1.16
Soit une fonction numérique 𝑓 : 𝑈 ↦−→ R de classe C1 . Soit 𝐾 un

compact contenu dans 𝑈 tel que 𝐾˚ ≠ ∅. Montrer que si 𝑓 est constante
˚
sur 𝜕𝐾 alors elle admet au moins un point critique dans 𝐾.
III
Fonctions de classe C2
III.1 Définitions
Définition 1.7
Soit une application 𝑓 : 𝑈 −→ 𝐸 0. 𝑓 est dite de classe C2 si

• 𝑓 est de classe C1
𝜕𝑓
• ∀𝑖 ∈ [[1, 𝑛]] , est de classe C1
𝜕𝑥𝑖
𝜕𝑓 𝜕2 𝑓
Les dérivés partielles de la fonction 𝜕𝑥𝑖 sont notées 𝜕𝑥 𝑗 𝜕𝑥𝑖 , 𝑗 ∈ [[1, 𝑛]].
Remarques 1.9
1.9.1 Ainsi une fonction 𝑓 est de classe C2 si et seulement les déri-

𝜕2 𝑓
vées partielles secondes 𝜕𝑥𝑖 𝜕𝑥 𝑗 sont toutes bien définies et sont conti-
nues.
1.9.2 il est tout à fait possible de définir une "différentielle seconde"
d’une fonction C2 , mais c’est une notion hors-programme. On se limite
aux dérivées partielles secondes.
n.b. La différentielle seconde de 𝑓 est la différentielle de l’application d𝑓 :
𝑥 ↦−→ d𝑓 (𝑥). Pour tout 𝑥 ∈ 𝑈 , d2 𝑓 (𝑥) serait une application linéaire dans

L(𝐸, L(𝐸, 𝐸 0 )) qu’on peut assimiler à une application bilinéaire de 𝐸 × 𝐸 dans

𝐸 0 dans le sens suivant :
d2 𝑓 (𝑥) · (𝑘, ℎ) = d d𝑓 (𝑥) · 𝑘 · ℎ

1.9.3 Avec les notations de la définition précédente, 𝑓 sera dite de

classe C𝑝 sur 𝑈 , 𝑝 ∈ N∗ si
• 𝑓 est de classe C1 sur 𝑈
est de classe C𝑝−1 sur 𝑈 .
𝜕𝑓
• ∀𝑖 ∈ [[1, 𝑛]] , 𝜕𝑥𝑖
𝜕𝑝 𝑓
On note alors 𝜕𝑥𝑖 𝜕𝑥𝑖 ···𝜕𝑥𝑖 les dérivées partielles dites d’ordre 𝑝 de 𝑓
1 2 𝑝
avec la convention
𝜕𝑝 𝑓 𝜕 𝜕𝑝−1 𝑓
=
𝜕𝑥𝑖 1 𝜕𝑥𝑖 2 · · · 𝜕𝑥𝑖𝑝 𝜕𝑥𝑖 1 𝜕𝑥𝑖 2 𝜕𝑥𝑖 3 · · · 𝜕𝑥𝑖𝑝
On notera C𝑝 (𝑈 , 𝐸 0) l’ensemble des fonctions de classe C𝑝 de 𝑈 dans
𝐸 0.
Vocabulaire Matrice hessienne

Soit 𝑓 une fonction numérique. Si 𝑓 admet des dérivées partielles
secondes en 𝑥, on appelle matrice hessienne de 𝑓 en 𝑥, la matrice
carrée
𝜕2 𝑓
H𝑓 (𝑥) = (𝑥)
𝜕𝑥𝑖 𝜕𝑥 𝑗 𝑖,𝑗
Propriétés 1.15
1.15.1 Toute application linéaire 𝑢 de 𝐸 dans 𝐸 0 est de classe C2 .

Ses dérivées partielles secondes sont nulles.
1.15.2 Une combinaison linéaire de fonctions de classe C2 est une
fonction de classe C2
1.15.3 La composée de deux applications de classe C2 est une ap-
plication de classe C2 .
1.15.4 Le composée par bilinéarité avec deux fonctions numériques
de classe C2 est une fonction de classe C2 .
1.15.5 Toute fonction polynomiale est de classe C2 .

Remarques 1.10
Les propriétés précédentes se généralisent aux fonctions de classes C𝑝 ,

𝑘 ∈ N∗ . Elles impliquent entre autre que :
1.10.1 C𝑝 (𝑈 , 𝐸 0) est un R-ev.
1.10.2 Si 𝐸 0 est une algèbre alors C𝑝 (𝑈 , 𝐸 0) est une R-algèbre.
1.10.3 Pour tout ℎ ∈ 𝐸 r0𝐸 , on peut définir l’application
𝐷ℎ : C1 (𝑈 , 𝐸 0) −→ C0 (𝑈 , 𝐸 0)
𝑓 ↦−→ 𝐷ℎ 𝑓
Elle est linéaire. Par abus de notation, on écrira 𝐷ℎ ◦ 𝐷𝑘 pour désigner
l’application définie sur C2 (𝑈 , 𝐸 0) par

(𝐷ℎ ◦ 𝐷𝑘 )𝑓 = 𝐷ℎ 𝐷𝑘 𝑓
∑︁ 𝜕2 𝑓
On notera que 𝐷ℎ (𝐷𝑘 𝑓 ) = ℎ𝑗𝑘𝑗
16𝑖,𝑗 6𝑛 𝜕𝑥𝑖 𝜕𝑥 𝑗
En particulier les applications 𝐷ℎ (𝐷𝑘 𝑓 ) sont toutes biens définies et
continues sur 𝑈 .
III.2 Le théorème de Schwarz
Théorème 1.16 de Schwarz
Soit une application 𝑓 : 𝑈 −→ 𝐸 0. Si 𝑓 est de classe C2 alors

𝜕2 𝑓 𝜕2 𝑓
∀(𝑖, 𝑗) ∈ [[1, 𝑛]] 2 , =
𝜕𝑥𝑖 𝜕𝑥 𝑗 𝜕𝑥 𝑗 𝜕𝑥𝑖
Corollaire 1.17
Soit une application 𝑓 : 𝑈 ↦−→ 𝐸 0. Si 𝑓 est de classe C2 sur 𝑈 alors

∀ℎ ∈ 𝐸 r{0𝐸 }, 𝐷ℎ 𝑓 est de classe 𝐶 1 sur 𝑈 ;
∀(𝑘, ℎ) ∈ (𝐸 r{0𝐸 }) 2, (𝐷ℎ ◦ 𝐷𝑘 )𝑓 = (𝐷𝑘 ◦ 𝐷ℎ ) 𝑓
Remarque 1.11
Si 𝑓 est une fonction numérique de classe C2 alors pour tout 𝑥, la

matrice H𝑓 (𝑥) est symétrique.

Exemples 1.8
On considère la fonction définie sur R2 par

𝑥 2 − 𝑦2
𝑥𝑦 si (𝑥, 𝑦) ≠ (0, 0)
𝑓 (𝑥, 𝑦) = 𝑥 2 + 𝑦 2

0 sinon
𝜕2 𝑓 𝜕2 𝑓
𝑓 admet des dérivées partielles secondes 𝜕𝑥 𝜕𝑦 (0, 0) et 𝜕𝑦𝜕𝑥 (0, 0) mais
elles sont distinctes.
III.3 Formule de Taylor
Théorème 1.18 Formule de Taylor à l’ordre 2
Soient 𝑓 : 𝑈 → 𝐸 0 une application de classe C2 et 𝑎 ∈ 𝑈 . Pour tout ℎ

voisin de 0𝐸 on a
𝑛
𝜕𝑓 1 ∑︁ 𝜕2 𝑓
(𝑎) + kℎk 2 𝜀 (ℎ)
∑︁
𝑓 (𝑎 + ℎ) = 𝑓 (𝑎) + ℎ𝑖 (𝑎) + ℎ𝑖 ℎ 𝑗
𝑖=1 𝜕𝑥 𝑖 2 16𝑖,𝑗 6𝑛 𝜕𝑥 𝑖 𝜕𝑥 𝑗
ou encore
1
𝑓 (𝑎 + ℎ) = 𝑓 (𝑎) + 𝐷ℎ 𝑓 (𝑎) + 𝐷ℎ2 𝑓 (𝑎) + kℎk 2 𝜀 (ℎ)
2
avec 𝜀 (ℎ) −→ 0𝐸 0 .
ℎ→0𝐸
Remarques 1.12 (Écriture matricielle pour une fonction numérique)
Soit une application numérique 𝑓 : 𝑈 −→ R de classe C2 . Soit 𝑎 ∈ 𝑈 .

1.12.1 Si on note 𝑌 = [ℎ] B alors
∑︁ 𝜕2 𝑓
ℎ𝑗ℎ𝑗 (𝑎) = 𝑡 𝑌 H𝑓 (𝑎)𝑌
16𝑖,𝑗 6𝑛 𝜕𝑥 𝑖 𝜕𝑥 𝑗
H𝑓 (𝑎) étant une matrice symétrique réelle. Ainsi la formule de Taylor

s’écrit
1
𝑓 (𝑎 + ℎ) = 𝑓 (𝑎) + J𝑓 (𝑎)𝑌 + 𝑡 𝑌 H𝑓 (𝑎)𝑌 + kℎk 2 𝜀 (ℎ)
2
1.12.2 Si 𝑎 est un point critique de 𝑓 alors
1
𝑓 (𝑎 + ℎ) − 𝑓 (𝑎) = 𝑡 𝑌 H𝑓 (𝑎)𝑌 + kℎk 2 𝜀 (ℎ)
2

III.4 Condition suffisante d’extrémalité

Rappel
Soit 𝐴 ∈ M𝑛 (R) une matrice symétrique.
1.6.1 On dit que 𝐴 est positive si pour tout 𝑋 ∈ M𝑛,1 (R), 𝑡 𝑋𝐴𝑋 > 0.
1.6.2 On dit que 𝐴 est négative si −𝐴 est positive.
1.6.3 On dit que 𝐴 est définie positive (resp. définie négative) si 𝐴
est inversible et positive (resp. inversible et négative).
1.6.4 Caractérisation à l’aide du spectre
𝐴 est positive ⇐⇒ Sp(𝐴) ⊂ R+
𝐴 est négative ⇐⇒ Sp(𝐴) ⊂ R−
𝐴 est définie positive ⇐⇒ Sp(𝐴) ⊂ R∗+
𝐴 est définie négative ⇐⇒ Sp(𝐴) ⊂ R∗−
Théorème 1.19 condition de deuxième espèce d’extrémalité
Soit une application numérique 𝑓 : 𝑈 −→ R de classe C2 . Soit 𝑎 ∈ 𝑈 .

On suppose que 𝑎 est un point critique de 𝑓 .
1.19.1 On suppose que 𝑓 admet un extrémum local en 𝑎
Si 𝑓 admet un minimum local en 𝑎 alors H𝑓 (𝑎) est positive.
Si 𝑓 admet un maximum local en 𝑎 alors H𝑓 (𝑎) est négative.
1.19.2 Réciproquement
Si H𝑓 (𝑎) est définie positive alors 𝑓 admet un minimum local
en 𝑎.
Si H𝑓 (𝑎) est définie négative alors 𝑓 admet un maximum local
en 𝑎.
Si H𝑓 (𝑎) est inversible mais ni positive ni négative alors 𝑓
n’admet pas d’extrémum local en 𝑎.
Si H𝑓 (𝑎) est non inversible, on ne peut rien dire.
Corollaire 1.20 Cas d’une fonction de 2 variable

On suppose que dim 𝐸 = 2 et que 𝑓 est un point critique de 𝑓 . On

pose

𝑟 𝑠
H𝑓 (𝑎) =
𝑠 𝑡
Si 𝑟𝑡 − 𝑠 2 > 0 et 𝑟 > 0 alors 𝑓 admet un minimum local en 𝑎
Si 𝑟𝑡 − 𝑠 2 > 0 et 𝑟 < 0 alors 𝑓 admet un maxnimum local en 𝑎
Si 𝑟𝑡 − 𝑠 2 < 0 pas d’extrémum local en a
Si 𝑟𝑡 − 𝑠 2 = 0 cas douteux
Ce sont les règles de Monge.
Exemples 1.9
1.9.1 𝑓 est définie sur R2 par 𝑓 (𝑥, 𝑦) = 𝑥 2𝑦 (20 − 𝑥 + 𝑦)

étude 𝑓 est C1 car polynomiale.
 𝜕𝑓
 𝜕𝑥 (𝑥, 𝑦) = 𝑥𝑦 (40 − 3𝑥 + 2𝑦)



𝜕𝑓
 (𝑥, 𝑦) = 𝑥 2 (20 − 𝑥 + 2𝑦)


 𝜕𝑦
Points critiques de 𝑓 : (0, 𝑏), (20, 0), (10, −5)
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
= 𝑦 (40 − 6𝑥 + 2𝑦) = 2𝑥 2 = 𝑥 (40 − 3𝑥 + 4𝑦)
𝜕𝑥 2 𝜕𝑦 2 𝜕𝑥 𝜕𝑦
1 Étude en (10, −5) 𝑟 = 125, 𝑡 = 200, 𝑠 = −100

𝑟𝑡 − 𝑠 2 > 0 et 𝑟 > 0
(10, −5) minimum local de 𝑓
2 Étude en (0, 𝑏) 𝑟 = 𝑏 (40 + 2𝑏), 𝑡 = 0, 𝑠 = 0
𝑟𝑡 − 𝑠 2 = 0 : analyse « manuelle ».
1.9.2 Étude des extrémums de la fonction 𝑓 définie sur 𝐸 par :
1/2
𝑓 (𝑥) = 1 + k𝑥 k 2 − h𝑎, 𝑥i
étude On a vu que 𝑓 est de classe C1 et que
𝑥
∇𝑓 (𝑥) = 1/2 − 𝑎
1 + k𝑥 k 2
Les dérivées partielles secondes de 𝑓 s’obtiennent en dérivant les applications
𝜕𝑓 𝑥𝑗
composantes de ∇𝑓 : 𝜕𝑥 𝑗 : 𝑥 ↦−→ 1/2 − 𝑎 𝑗
1+ k𝑥 k 2
𝜕2 𝑓 𝛿𝑖,𝑗 𝑥𝑖 𝑥 𝑗
(𝑥) = 1/2 − 3/2
𝜕𝑥𝑖 𝜕𝑥 𝑗 1+ k𝑥 k 2 1 + k𝑥 k 2

Ce qui permet d’écrire

1
(1 + k𝑥 k 2 )𝐼𝑛 − 𝑥 𝑡 𝑥

H𝑓 (𝑥) = 1/2
1+ k𝑥 k 2
On en déduit que les valeurs propres de H𝑓 (𝑥) sont positivement proportionnelles
à 1 et 1 + k𝑥 k 2 . La matrice symétrique H𝑓 (𝑥) est donc définie positive pour tout
𝑥 ∈ 𝐸.
Par ailleurs, les points critiques possibles de 𝑓 sont de la forme 𝑥 = 𝜆𝑎
𝜆
∇𝑓 (𝑥) = 0 ⇐⇒ =1
(1 + 𝜆 2 k𝑎k 2 ) 1/2
⇐⇒ 1 + 𝜆 2 k𝑎k 2 = 𝜆 2
1
⇐⇒ k𝑎k ≠ 1 et 𝜆 = ±
1 − k𝑎k 2 ) 1/2
𝑎
⇐⇒ k𝑎k ≠ 1 et 𝑥 = ±
1 − k𝑎k 2 ) 1/2
En conclusion : 𝑓 n’admet pas d’extrémums locaux si k𝑎k = 1 et elle admet deux

minimums locaux en 𝑎 et en − 𝑎 si k𝑎k ≠ 1
2 1/2 2 1/2
1− k𝑎 k ) 1− k𝑎 k )
III.5 Exercices d’approfondissement

Vocabulaire
Soit 𝑓 : 𝑈 −→ R une fonction numérique de classe C2 . On appelle

laplacien de 𝑓 en 𝑥 ∈ 𝑈 le réel
𝑛
𝜕2 𝑓
Δ𝑓 (𝑥) =
∑︁
2
(𝑥)
𝑖=1 𝜕𝑥𝑖
Δ𝑓 (𝑥) = Tr H𝑓 (𝑥) .

n.b.
n.b. Δ est une application linéaire de C2 (𝑈 , R) dans C0 (𝑈 , R).
Exercice 1.17 Principe du maximum
Soit 𝐵 la boule unité ouverte de 𝐸 pour sa norme euclidienne k.k. Soit

une fonction numérique 𝑓 : 𝐵 −→ R continue sur 𝐵 et de classe C2
sur 𝐵. On note
𝑚 = min 𝑓 (𝑥) 𝑀 = max 𝑓 (𝑥)
k𝑥 k=1 k𝑥 k=1
1 Montrer que si Δ𝑓 (𝑥) > 0 sur 𝐵 alors 𝑓 (𝑥) < 𝑀 sur 𝐵.

2 Montrer que si Δ𝑓 (𝑥) = 0 sur 𝐵 (on dit que 𝑓 est harmonique)

alors
∀𝑥 ∈ 𝐵, 𝑚 6 𝑓 (𝑥) 6 𝑀
n.b. Ce qui signifie que 𝑓 atteint ses extrémums globaux sur la frontière de
𝐵.
ind On pourrait introduire la fonction 𝑥 ↦−→ 𝑓 (𝑥) + 𝜀 k𝑥 k 2 pour tout réel

𝜀 > 0.
Exercice 1.18 Caractérisation d’une fonction convexe de classe C2
On suppose que 𝑈 est convexe et on considère une fonction de classe

C2 , 𝑓 : 𝑈 −→ R. Montrer que 𝑓 est convexe si et seulement si la
matrice H𝑓 (𝑥) est positive pour tout 𝑥 ∈ 𝐸.
Exercice 1.19
On munit 𝐸 d’un produit scalaire. Soit 𝑓 : 𝐸 −→ 𝐸 une fonction de

classe C2 . Montrer que les assertions suivantes sont équivalentes
i d𝑓 (𝑥) est une isométrie de 𝐸 pour tout 𝑥 ∈ 𝐸 ;
ii il existe une isométrie 𝑢 de 𝐸 telle que 𝑓 − 𝑢 soit constante.
𝜕2 𝑓 𝜕𝑓
ind en partant de 𝑖, montrer que h 𝜕𝑥𝑖 𝜕𝑥 𝑗 (𝑥), 𝜕𝑥𝑘 (𝑥)i = 0 pour tous 𝑖, 𝑗, 𝑘 et
pour tout 𝑥.
Exercice 1.20

i d𝑓 (𝑥) est un endomorphisme antisymétrique de 𝐸 pour tout 𝑥 ∈ 𝐸 ;
ii il existe 𝑢 ∈ L(𝐸) antisymétrique tel que 𝑓 − 𝑢 soit constante.
Exercice 1.21


i d𝑓 (𝑥) est un endomorphisme symétrique de 𝐸 pour tout 𝑥 ∈ 𝐸 ;

il existe une application C2 , 𝑔 : 𝐸 −→ R telle que 𝑓 𝑗 =
𝜕𝑔
ii 𝜕𝑥 𝑗 pour
tout 𝑗.
ind si 𝑓 vérifie i, considérer l’application 𝑔 définie par
𝑛 ∫ 1
∑︁
𝑔(𝑥) = 𝑥 𝑗 𝑓 𝑗 (𝑡𝑥)d𝑡
𝑗=1 0
Exercice 1.22 extrémats liés
Soit 𝐸 un espace euclidien et soient 𝑓 et 𝜑 deux fonctions numériques

de classe C1 sur 𝐸. On pose 𝑆 = {𝑥 ∈ 𝐸 / 𝜑 (𝑥) = 0}. Montrer que si
𝑥 0 est un point de 𝑆 en lequel 𝑓 admet un extrémum local sur 𝑆 alors
∇𝑓 (𝑥 0 ) est colinéaire à ∇𝜑 (𝑥 0 ).
n.b. Ce résultat est inaccessible vu les limitations du programme. Il est basé
sur le théorème des fonctions implicites (hors programme). Il figure dans ce
document à titre informatif.
IV
Exercices d’application
Exercice 1.23
Soit 𝑓 : R2 −→ R définie par : 𝑓 (𝑥, 𝑦) = (𝑥 + 𝑦, 𝑥𝑦).

1 Montrer que 𝑓 est de classe C1 sur R2 et calculer sa différentielle.
2 En quels points de R2 le jacobien de 𝑓 s’annule-t-il ?
On pose 𝑈 = (𝑥, 𝑦) ∈ R2 |𝑦| < |𝑥 | .

3
Justifier que 𝑈 est un ouvert de R2 .
Montrer que 𝑓 induit une bijection 𝑔 de 𝑈 sur un ouvert 𝑉 de
R2 que l’on déterminera.
Déterminer la réciproque de 𝑔 et calculer sa différentielle.

Exercice 1.24
En posant 𝑢 = 𝑥𝑦 et 𝑣 = 𝑥/𝑦, résoudre sur 𝑈 =]0, +∞[ 2 l’équation aux

dérivées partielles
𝜕𝑓 𝜕𝑓
𝑥 =𝑦
𝜕𝑥 𝜕𝑦
Exercice 1.25
Soit 𝑈 =]0, +∞[ 2 . Soit 𝑓 : 𝑈 ↦−→ R une fonction numérique de classe

C2 .
1 Montrer que 𝑓 est homogène de degré 𝑝 sur 𝑈 si et seulement s’il
existe une 𝜑]0, +∞[↦−→ R de classe C2 telle que 𝑓 (𝑥, 𝑦) = 𝑥 𝑝 𝜑 (𝑥/𝑦).
2 Déterminer les fonctions 𝑓 homogènes de classe C2 sur 𝑈 telles
que
𝜕2 𝑓 𝜕2 𝑓 𝑦
2
+ 2 =− 3
𝜕𝑥 𝜕𝑦 𝑥
Exercice 1.26
On pose pour tout (𝑥, 𝑦) ∈ (R∗+ ) 2

𝑥𝑦
𝑓 (𝑥, 𝑦) =
(1 + 𝑥) (1 + 𝑦)(𝑥 + 𝑦)
1 Justifier que 𝑓 est de classe C1 et qu’elle admet un seul point
critique dans (R∗+ ) 2 .
2 Montrer que 𝑓 admet un minimum global en ce point.
Exercice 1.27
On considère la fonction 𝑓 définie sur R3 par

∫ +∞
3
∀(𝑥, 𝑦, 𝑧) ∈ R 𝑓 (𝑥, 𝑦, 𝑧) = e−𝑡 (𝑡 3 + 𝑥𝑡 2 + 𝑦𝑡 + 𝑧) 2 d𝑡
0
Montrer que 𝑓 est bien définie et de classe C2 sur R3 . Étudier ses
extrémums éventuels.
ind il suffit d’expliquer théoriquement que 𝑓 admet un minimum global en
un point unique et de le calculer en tant que point critique de 𝑓 .

Exercice 1.28
Déterminer, lorsqu’ils existent, les extremums locaux et globaux des

fonctions suivantes :
1 𝑓 : (𝑥, 𝑦) ↦−→ 𝑥 3 + 𝑦 3 − 3𝑥𝑦.
2 𝑓 : (𝑥, 𝑦) ↦−→ 𝑥 4 + 𝑦 4 − 4𝑥𝑦.
3 𝑓 : (𝑥, 𝑦) ↦−→ 𝑥 3𝑦 2 (1 − 𝑥 + 𝑦).
4 𝑓 : (𝑥, 𝑦) ↦−→ 𝑦 (𝑥 2 + ln2 𝑦).
2 −𝑦 2
5 𝑓 : (𝑥, 𝑦) ↦−→ (𝑥 2 + 3𝑦 2 )𝑒 −𝑥


V
Démonstrations des théorèmes
Démonstration du théorème 1.11

Soient 𝑎, 𝑏 ∈ 𝑈 , du fait de la convexité
de 𝑈 la fonction de la variable
réelle 𝑡, 𝜑 : 𝑡 ↦−→ 𝑓 (1 − 𝑡)𝑎 + 𝑡𝑏 , 𝑡 ∈ [0, 1] est bien définie. Elle est de
classe C1 sur [0, 1] comme composée de deux applications de C1 et on
a pour tout 𝑡 ∈ [0, 1] :
𝜑 0 (𝑡) = 𝑑 𝑓 (1 − 𝑡)𝑎 + 𝑡𝑏 · (𝑏 − 𝑎) = ∇𝑓 (1 − 𝑡)𝑎 + 𝑡𝑏 , 𝑏 − 𝑎

D’après l’inégalité de Cauchy–Schwarz,

|𝜑 0 (𝑡)| 6 ∇𝑓 (1 − 𝑡)𝑎 + 𝑡𝑏 k𝑏 − 𝑎k

et donc si on pose 𝑘 = sup𝑢 ∈ [𝑎,𝑏 ] k ∇𝑓 (𝑢) k k𝑏 − 𝑎k

|𝜑 0 (𝑡)| 6 𝑘
D’après l’inégalité des accroissements finis pour une fonction d’une
variable réelle on a donc : |𝜑 (1) − 𝜑 (0)| 6 𝑘 |1 − 0|, soit .
|𝑓 (𝑏) − 𝑓 (𝑎)| 6 sup k ∇𝑓 (𝑢)k k𝑏 − 𝑎k
𝑢 ∈ [𝑎,𝑏 ]
Démonstration du lemme 1.12

Si 𝑓 est constante alors sa différentielle est partout nulle.
Réciproquement, on suppose que d𝑓 est partout nulle.
Les différentielles des applications composantes 𝑓1, 𝑓2, · · · , 𝑓𝑚 de 𝑓 sont
partout nulles donc pour tous 𝑖 ∈ [[1, 𝑚]], ∇𝑓𝑖 (𝑥) = 0.
D’après l’IAF 𝑓𝑖 est constante pour tout 𝑖. Donc 𝑓 est constante.

Supposons que d𝑓 = 0. D’après le lemme 𝑓 est constante sur toute
boule incluse dans 𝑈 .
Soient 𝑥 ≠ 𝑦 ∈ 𝑈 , il existe 𝜑 : [0, 1] −→ 𝑈 continue telle que 𝜑 (0) = 𝑥
et 𝜑 (1) =𝑦.
Soit 𝐽 = 𝑡 ∈ [0, 1] 𝑓 ◦ 𝜑 (𝑡) = 𝑓 (𝑥) .
𝐽 est non vide (0 ∈ 𝐽 ) majorée (par 1), Soit 𝛼 sa borne sup. La fonction
𝑓 ◦ 𝜑 est continue donc 𝑓 ◦ 𝜑 (𝛼) = 𝑓 (𝑥).

Supposons que 𝛼 < 1. 𝑐 = 𝛾 (𝛼) ∈ 𝑈 , donc il existe 𝑟 > 0 tel que

𝐵(𝑐, 𝑟 ) ⊂ 𝑈 . 𝑓 est constante sur cette boule, de valeur 𝑓 (𝑐) = 𝑓 (𝑥). Par
continuité, il existe 𝛿 > 0 tel que :
∀𝑡 ∈ [𝛼 − 𝛿, 𝛼 + 𝛿] ∩ [0, 1], |𝜑 (𝑡) − 𝑐 | 6 𝑟
∀𝑡 ∈ [𝛼, 𝛼 + 𝛿] ∩ [0, 1], 𝑓 ◦ 𝜑 (𝑡) = 𝑓 (𝑥)
Contradiction avec le choix de 𝛼.
Alors 𝛼 = 1 et donc 𝑓 ◦ 𝜑 (1) = 𝑓 (𝑥), soit 𝑓 (𝑦) = 𝑓 (𝑥).

Supposons que 𝑓 admet un extrémum local en 𝑎. Soit 𝑟 tel qu’en (1).
Soit ℎ ∈ 𝐸\{0𝐸 }
La fonction 𝜑 : 𝑡 ↦→ 𝑓 (𝑎 + 𝑡ℎ) est dérivable et admet un extrémum local
en 0. Donc 𝜑 0 (0) = 0. Comme
𝜑 0 (𝑡) = d𝑓 (𝑎 + 𝑡ℎ)ℎ = h ∇𝑓 (𝑎 + 𝑡ℎ), ℎi
Alors h ∇𝑓 (𝑎), ℎi = 0. Ceci pour tout ℎ ∈ 𝐸. Ainsi ∇𝑓 (𝑎) = 0𝐸 .

On fixe ℎ ∈ 𝐸\{0ℎ }, on pose 𝑒 = ℎ/kℎk et on définie 𝜑 : 𝑡 ↦→ 𝑓 (𝑎 + 𝑡𝑒).
𝑛
𝜕𝑓
𝜑 0 (𝑡) = d𝑓 (𝑎 + 𝑡𝑒)𝑒 =
∑︁
𝜖𝑖 (𝑎 + 𝑡𝑒)
𝑖=1 𝜕𝑥𝑖
𝜕2 𝑓
𝜑 00 (𝑡) =
∑︁
𝜖𝑗𝜖𝑗 (𝑎 + 𝑡𝑒)
16𝑖,𝑗 6𝑛 𝜕𝑥𝑖 𝜕𝑥 𝑗
La formule de Taylor appliquée à 𝜑 en 0 donne
1
𝜑 (𝑡) = 𝜑 (0) + 𝑡𝜑 0 (0) + 𝑡 2𝜑 00 (0) + 𝑡 2𝜀𝑒 (𝑡)
2
𝑡 2 ∑︁ 𝜕2 𝑓
= 𝑓 (𝑎) + 𝑡d𝑓 (𝑎).𝑒 + 𝜖𝑗𝜖𝑗 (𝑎) + 𝑡 2𝜀𝑒 (𝑡)
2 16𝑖,𝑗 6𝑛 𝜕𝑥𝑖 𝜕𝑥 𝑗
Avec 𝑡 = kℎk
1 ∑︁ 𝜕2 𝑓
𝜑 (𝑡) = 𝑓 (𝑎) + d𝑓 (𝑎).ℎ + ℎ𝑗ℎ𝑗 (𝑎) + kℎk 2 𝜀𝑒 (kℎk)
216𝑖,𝑗 6𝑛 𝜕𝑥𝑖 𝜕𝑥 𝑗


On notera 𝑌 la matrice des coordonnées du vecteur ℎ dans une bon
B de 𝐸.
Sachant que 𝑎 est un point critique de 𝑓 , la formule de Taylor en 𝑎
s’écrit
1
𝑓 (𝑎 + ℎ) − 𝑓 (𝑎) = 𝑡 𝑌 H𝑓 (𝑎)𝑌 + k𝑌 k 2 𝜀 (𝑌 ) (1.19.9)
2
En fixant ℎ et en faisant varier le réel 𝑡 cela donne
𝑡2
𝑓 (𝑎 + 𝑡ℎ) − 𝑓 (𝑎) = 𝑡 𝑌 H𝑓 (𝑎)𝑌 + 𝑡 2𝜀 1 (𝑡) (1.19.10)
2
1.19.1 On suppose que 𝑓 admet un extremum local en 𝑎. Soit un
vecteur non nul ℎ ∈ 𝐸. Si 𝑡 𝑌 H𝑓 (𝑎)𝑌 ≠ 0 alors, d’après (1.19.10) la
différence 𝑓 (𝑎 + 𝑡ℎ) − 𝑓 (𝑎) a le même signe que 𝑡 2 𝑡 𝑌 H𝑓 (𝑎) quand 𝑡
est voisin de 0. Elle a donc le même signe que 𝑡 𝑌 H𝑓 (𝑎)𝑌 . On en déduit
que
Si 𝑓 admet un minimum local en 𝑎 alors 𝑡 𝑌 H𝑓 (𝑎)𝑌 > 0 pour tout
𝑌 ∈ M𝑛,1 (R) ;
Si 𝑓 admet un maximum local en 𝑎 alors 𝑡 𝑌 H𝑓 (𝑎)𝑌 6 0 pour tout
𝑌 ∈ M𝑛,1 (R) ;
1.19.2
Supposons que la matrice symétrique H𝑓 (𝑎) est définie positive.
Notons 𝜆 la plus petite de ses vap. Alors 𝜆 > 0 et en écrivant 𝑌 dans
une bon de diagonalisation de H𝑓 (𝑎) on démontre que
∀𝑌 ∈ M𝑛,1 (R), 𝑡 𝑌 H𝑓 (𝑎)𝑌 > 𝜆 k𝑌 k 2
D’après (1.19.9), il existe 𝛿 > 0 tel que
1 𝜆
kℎk 6 𝛿 =⇒ 𝑓 (𝑎 + ℎ) − 𝑓 (𝑎) − 𝑡 𝑌 H𝑓 (𝑎)𝑌 6 k𝑌 k 2

2 2
Et donc
1 𝜆
kℎk 6 𝛿 =⇒ 𝑓 (𝑎 + ℎ) − 𝑓 (𝑎) − 𝑡 𝑌 H𝑓 (𝑎)𝑌 > − k𝑌 k 2
2 2
1 𝑡
=⇒ 𝑓 (𝑎 + ℎ) − 𝑓 (𝑎) > ( 𝑌 H𝑓 (𝑎)𝑌 − 𝜆 k𝑌 k 2 ) > 0
2
Alors 𝑓 admet un minimum local en 𝑎.
En appliquant le résultat précédent à −𝑓 on démontre que si H𝑓 (𝑎)
est définie négative alors 𝑓 admet un maximum local en 𝑎.

Si maintenant H𝑓 (𝑎) est inversible sans être définie positive, ni défi-

nie négatives alors il existe des vecteurs non nuls ℎ 1 et ℎ 2 tels que
𝑡 𝑡
𝑌1 H𝑓 (𝑎)𝑌1 > 0 𝑌2 H𝑓 (𝑎)𝑌2 < 0
La relation (1.19.10) implique alors que 𝑓 (𝑎 + 𝑡ℎ 1 ) − 𝑓 (𝑎) > 0 et 𝑓 (𝑎 +
𝑡ℎ 2 ) − 𝑓 (𝑎) < 0 quand le réel 𝑡 est voisin de 0. La fonction 𝑓 n’admet
donc pas d’extrémum local en 𝑎.
Dans le cas où H𝑓 (𝑎) n’est pas inversible, même si elle est positive ou
négative, on ne peut conclure comme le montre les fonctions suivantes
en (0, 0)
(𝑥, 𝑦) ↦−→ 𝑥 2 + 𝑦 3 (𝑥, 𝑦) ↦−→ −𝑥 2 + 𝑦 3
n.b. Si H𝑓 (𝑎) n’est pas inversible alors pour tout vecteur non nul ℎ tel que
H𝑓 (𝑎)𝑌 = 0, ce n’est plus le terme 𝑡 2𝑌 H𝑓 (𝑎)𝑌 = 0 qui détermine le signe de
𝑓 (𝑎 + 𝑡ℎ) − 𝑓 (𝑎). Il faudra développer davantage 𝑓 (𝑎 + 𝑡ℎ) en 0.
Démonstration du corollaire 1.20

Soient 𝜆 et 𝜇 les va. p de H𝑓 (𝑎).
𝜆 + 𝜇 = 𝑟 + 𝑡 et 𝜆𝜇 = 𝑟𝑡 − 𝑠 2
Si 𝑟𝑡 − 𝑠 2 < 0, 𝜆 et 𝜇 sont nulles de signes opposés. H𝑓 (𝑎) est inversible
non positive et non négative.
Si 𝑟𝑡 − 𝑠 2 > 0, 𝜆 et 𝜇 non nulles de même signe.
𝑟𝑡 > 𝑠 2 , 𝑟 et 𝑡 de même signe.
𝜆 + 𝜇 = 𝑟 + 𝑡 donc 𝜆, 𝜇 et 𝑟 ont même signe.


VI
Solutions des exercices
Solution de l’exercice 1.5
1 𝑓 est de classe C1 si et. Seulement si ces fonctions composantes le

sont. Ils suffit donc de montrer le théorème pour les fonctions numé-
riques.
Posons 𝑣 0 = 0𝐸 et pour tout 𝑘 ∈ [[1, 𝑛]], 𝑣𝑘 = 𝑘𝑖=1 ℎ𝑖 𝑒𝑖 . Soit
P
2
𝑘 ∈ [[1, 𝑛]] et considérons l’application 𝜑𝑘 définie sur [0, 1] par
𝜑𝑘 (𝑡) = 𝑓 𝑥 + 𝑣𝑘−1 + 𝑡ℎ𝑘 𝑒𝑘 )
𝜕𝑓
𝜑𝑘 est une fonction réelle et par définition de la dérivée partielle 𝜕𝑥𝑘 ,
elle est dérivable sur [0, 1] avec
𝜕𝑓
𝜑𝑘0 (𝑡) = ℎ𝑘 (𝑥 + 𝑣𝑘 + 𝑡ℎ𝑘 𝑒𝑘 )
𝜕𝑥𝑘
Le théorème des accroissements finis implique alors l’existence de
𝑠 ∈ [0, 1] tel que 𝜑𝑘 (1) − 𝜑𝑘 (0) = 𝜑𝑘0 (𝑠). En posant 𝑐𝑘 = 𝑣𝑘−1 + 𝑠ℎ𝑘 𝑒𝑘 ,
cela donne
𝜕𝑓
𝑓 (𝑥 + 𝑣𝑘 ) − 𝑓 (𝑥 + 𝑣𝑘−1 ) = ℎ𝑘 (𝑥 + 𝑐𝑘 )
𝜕𝑥𝑘
Avec les notations de la question précédente, on peut écrire
𝑛−1 𝑛−1
∑︁ ∑︁ 𝜕𝑓
𝑓 (𝑥 + ℎ) − 𝑓 (𝑥) = 𝑓 (𝑥 + 𝑣𝑘 ) − 𝑓 (𝑥 − 𝑣𝑘−1 ) = ℎ𝑘 (𝑥 + 𝑐𝑘 )
𝑘=0 𝑘=0 𝜕𝑥𝑘
Et donc
𝑛 𝑛−1 𝜕𝑓
∑︁ 𝜕𝑓 ∑︁ 𝜕𝑓
𝑓 (𝑥 + ℎ) − 𝑓 (𝑥) − ℎ𝑘 (𝑥) = ℎ𝑘 (𝑥 + 𝑐𝑘 ) − (𝑥)
𝑘=1 𝜕𝑥𝑘 𝑘=0 𝜕𝑥𝑘 𝜕𝑥𝑘
Soit maintenant 𝜀 > 0. Les fonctions d𝑓 𝑥𝑘 étant continues, il est possible
de choisir un même 𝛿 > 0 tel que

𝜕𝑓 𝜕𝑓
∀𝑣 ∈ 𝐸, k𝑣 k 6 𝛿 =⇒ ∀𝑘 ∈ [[1, 𝑘]] , (𝑥 + 𝑣) − (𝑥) 6 𝜀
𝜕𝑥 𝑘 𝜕𝑥 𝑘
Si le vecteur ℎ vérifie kℎk 6 𝛿 alors le choix effectué pour la norme k.k
implique que les vecteurs k𝑐𝑘 k vérifient aussi k𝑐𝑘 k 6 𝛿. Si kℎk 6 𝛿, on
a donc
𝑛 𝑛
∑︁ 𝜕𝑓 ∑︁
𝑓 (𝑥 + ℎ) − 𝑓 (𝑥) − (𝑥) 6 𝜀 |ℎ𝑘 | = 𝜀 kℎk

ℎ𝑘
𝑘=1 𝜕𝑥𝑘 𝑘=1

𝑛 𝜕𝑓
L’application ℎ ↦−→ ℎ𝑘 𝜕𝑥𝑘 (𝑥) étant linéaire, cela implique que 𝑓 est
P
𝑘=1
différentiable en 𝑥.

On suppose que 𝑓 est de classe C1 .
Supposons que 𝑓 est convexe. Soient 𝑥, 𝑦 ∈ 𝑈 . Posons pour tout
𝑡 ∈ [0, 1], 𝜑 (𝑡) = 𝑓 (1 − 𝑡)𝑥 + 𝑡𝑦 . La définition de la convexité de
𝑓 implique que si 𝑡 ≠ 0 alors
𝜑 (𝑡) − 𝜑 (0)
6 𝜑 (1) − 𝜑 (0)
𝑡
Comme 𝑓 est de classe C1 alors 𝜑 est dérivable et 𝜑 0 (0) =
h ∇𝑓 (𝑥), 𝑦 − 𝑥i. En faisant tendre 𝑡 vers 0 dans l’inégalité pré-
cédente on obtient donc
𝑓 (𝑦) − 𝑓 (𝑥) > h ∇𝑓 (𝑥), 𝑦 − 𝑥i (11)
Inversement, supposons que cette dernière inégalité est vérifiée
pour tout 𝑥, 𝑦 ∈ 𝑈 2 . Soit (𝑥, 𝑦) ∈ 𝑈 2 et soit 𝑡 ∈ [0, 1]. En appli-
quant la dite inégalité entre (1 − 𝑡)𝑥 + 𝑡𝑦 et 𝑦 et ensuite entre
(1 − 𝑡)𝑥 + 𝑡𝑦 et 𝑦 on obtient

𝑓 (𝑥) − 𝑓 (1 − 𝑡)𝑥 + 𝑡𝑦 > h ∇𝑓 (1 − 𝑡)𝑥 + 𝑡𝑦 , 𝑡 (𝑥 − 𝑦)i (1)

𝑓 (𝑦) − 𝑓 (1 − 𝑡)𝑥 + 𝑡𝑦 > h ∇𝑓 (1 − 𝑡)𝑥 + 𝑡𝑦 , (1 − 𝑡) (𝑦 − 𝑥)i (2)
(1 − 𝑡)(1) + 𝑡 (2) donne alors

(1 − 𝑡) 𝑓 (𝑥) + 𝑡 𝑓 (𝑦) − 𝑓 (1 − 𝑡)𝑥 + 𝑡𝑦 > 0
D’où la convexité de 𝑓 .
Supposons que 𝑥 est un point critique de 𝑓 . L’inégalité (11)
implique alors que 𝑓 (𝑦) − 𝑓 (𝑥) > 0 pour tout 𝑦 ∈ 𝐸. La fonction
𝑓 admet donc un minimum global en 𝑥.

−1
· 𝑓 (𝑥) − 𝑓 (𝑥 0 ) , 𝑔 est de classe C1 par

1 Avec 𝑔(𝑥) = d𝑓 (𝑥 0 )
composition avec une application linéaire et on a
−1
d𝑔(𝑥) = d𝑓 (𝑥 0 ) ◦ d𝑓 (𝑥)

En particulier d𝑔(𝑥 0 ) = id𝐸 . Ensuite, 𝑔 étant de classe C1 , l’application

d𝑔 est continue. Sa continuité en 𝑥 0 implique qu’il existe 𝑟 > 0 tel que
1
∀𝑥 ∈ 𝐵(𝑥 0, 𝑟 ), kd𝑔(𝑥) − id𝐸 k 6 (12)
2
n.b. La norme k.k utilisée ici est la norme de L(𝐸) subordonnée à la norme
k.k de 𝐸.
Reprenons la fonction 𝑔 définie précédemment. Elle est différentiable

en 𝑥 0 avec 𝑔(𝑥 0 ) = 0𝐸 et d𝑔(𝑥 0 ) = id𝐸 . On peut donc écrire
𝑔(𝑥) − (𝑥 − 𝑥 0 ) = 𝑔(𝑥) − 𝑔(𝑥 0 ) − d𝑔(𝑥 0 ) · (𝑥 − 𝑥 0 ) = 𝑜 (k𝑥 − 𝑥 0 k)
Tout en restant dans la boule 𝐵(𝑥 0, 𝑟 ), il existe donc 𝛿 ∈]0, 𝑟 [ tel que
1 𝛿
∀𝑥 ∈ 𝐵(𝑥 0, 𝛿), k𝑥 − 𝑥 0 − 𝑔(𝑥)k 6 k𝑥 − 𝑥 0 k 6
2 2
Fixons maintenant 𝑧 ∈ 𝐵(0𝐸 , 𝛿/2), alors
∀𝑥 ∈ 𝐵(𝑥 0, 𝛿), k𝑥 − 𝑔(𝑥) + 𝑧 − 𝑥 0 k 6 𝛿
La fonction 𝑢 : 𝑥 ↦→ 𝑥 − 𝑔(𝑥) + 𝑧 vérifie ainsi les conditions

• 𝑢 𝐵(𝑥 0, 𝛿) ⊂ 𝐵(𝑥 0, 𝛿)
• 𝑢 est C1 et : ∀𝑥 ∈ 𝐵(𝑥 0, 𝛿), kd𝑢 (𝑥) k 6 1
2
Le deuxième point découlant de l’égalité d𝑢 (𝑥) = id𝐸 −𝑔(𝑥) et de (12).
La fonction 𝑢 vérifie donc les hypothèses du théorème du point fixe.
Celui-ci implique l’existence d’un point 𝑥 (unique) de 𝐵(𝑥 0, 𝛿) tel que
𝑢 (𝑥) = 𝑥. Ce qui équivaut à 𝑔(𝑥) = 𝑧. Comme 𝑔(𝑥) = d𝑓 (𝑥 0 ) −1· (𝑓 (𝑥) −
𝑓 (𝑥 0 )) cece équivaut à
𝑓 (𝑥) = 𝑓 (𝑥 0 ) + d𝑓 (𝑥 0 ) · 𝑧
𝛿 −1 · (𝑦 −
Posons 𝜌 = 2 k (d𝑓 (𝑥 −1 . Si 𝑦 ∈ 𝐵(𝑓 (𝑥 0 ), 𝜌) alors 𝑧 = (d𝑓 (𝑥 0 ))
0 )) k
𝑓 (𝑥 0 )) vérifie k𝑧 k 6 𝛿2 et donc selon ce qui précède, il existe 𝑥 ∈ 𝐵(𝑥 0, 𝛿)
tel que
𝑓 (𝑥) = 𝑓 (𝑥 0 ) + d𝑓 (𝑥 0 ) · 𝑧 = 𝑦
Ainsi 𝐵(𝑓 (𝑥 0 ), 𝛿) ⊂ 𝑓 (𝑈 ). Voilà ! Ceci démontre que 𝑓 (𝑈 ) est un ouvert.
n.b. Le théorème du point fixe est un résultat très important de l’analyse. Il
est utilisé dans beaucoup de preuves d’autres théorèmes dont certains sont des
théorèmes clés.
n.b. On n’a pas vraiment utilisé l’hypothèse d’injectivité de 𝑓 dans cette

démonstration. Seule celle de l’inversibilité de d𝑓 (𝑥) en tout 𝑥 ∈ 𝑈 à été mise à
contribution.

2 Maintenant qu’on sait que 𝑉 = 𝑓 −1 (𝑈 ) est un ouvert de 𝐸, mon-

trons que 𝑓 −1 est différentiable sur 𝑈 .
Soit donc 𝑦0 = 𝑓 (𝑥 0 ) ∈ 𝑉 . Procédons en deux étapes
𝑓 −1 est lipschitzienne sur un voisinage de 𝑦0 . En effet, reprenons la
fonction 𝑔 précédente et la boule 𝐵(𝑥 0, 𝑟 ). Soient 𝑥 et 𝑥 0 des points
du convexe 𝐵(𝑥 0, 𝑟 ) en appliquant l’IAF à la fonction 𝑥 ↦−→ 𝑥 − 𝑔(𝑥)
entre 𝑥 et 𝑥 0 on a
1
k𝑥 − 𝑥 0 − (𝑔(𝑥) − 𝑔(𝑥 0))k 6 k𝑥 − 𝑥 0 k
2
Ce qui implique que
1
k𝑥 − 𝑥 0 k 6 k𝑥 − 𝑥 0 k + k𝑔(𝑥) − 𝑔(𝑥 0) k
2
Et donc k𝑥 − 𝑥 0 k 6 2 k𝑔(𝑥) − 𝑔(𝑥 0)k
k𝑥 − 𝑥 0 k 6 2 d𝑓 (𝑥 0 ) −1 k 𝑓 (𝑥) − 𝑓 (𝑥 0) k

Soit (13)
Selon la question précédente 𝑓 (𝐵(𝑥 0, 𝑟 )) est un ouvert. Il contient
𝑦0 donc il existe 𝜌 > 0 tel que 𝐵(𝑦0, 𝜌) ⊂ 𝑓 (𝐵(𝑥 0, 𝑟 )). Pour tous
𝑦, 𝑦 0 ∈ 𝐵(𝑦0, 𝑟 ), en appliquant (13) à 𝑥 = 𝑓 −1 (𝑦) et 𝑥 0 = 𝑓 −1 (𝑦) on a
−1
𝑓 (𝑦) − 𝑓 −1 (𝑦 0) 6 𝑘 k𝑦 − 𝑦 0 k

(𝑘 = 2 d𝑓 (𝑥 0 ) −1 )
𝑓 −1 est différentiable en 𝑦0 . Soit 𝜀 > 0. Par définition d cela différen-
tiabilté de 𝑓 en 𝑥 0 , il existe 𝛿 > 0 tel que pour tout 𝑥 ∈ 𝐵(𝑥 0, 𝛿)
k 𝑓 (𝑥) − 𝑓 (𝑥 0 ) − d𝑓 (𝑥 0 ) · (𝑥 − 𝑥 0 ) k 6 𝜀 k𝑥 − 𝑥 0 k
Et comme on peut écrire
𝑥 − 𝑥 0 − d𝑓 (𝑥 0 ) −1 · 𝑓 (𝑥) − 𝑓 (𝑥 0 ) =

d𝑓 (𝑥 0 ) −1· 𝑓 (𝑥) − 𝑓 (𝑥 0 ) − d𝑓 (𝑥 0 ) · (𝑥 − 𝑥 0 )

Alors
𝑥 − 𝑥 0 − d𝑓 (𝑥 0 ) −1· 𝑓 (𝑥) − 𝑓 (𝑥 0 ) 6 𝜀 d𝑓 (𝑥 0 ) −1 k𝑥 − 𝑥 0 k

En posant 𝑦 = 𝑓 (𝑥) et en utilisant le caractère lipchitzien de 𝑓 −1

au voisinage de 𝑦0 , il existe 𝑘 0 > 0 et 𝜌 0 > 0 tels que pour tout
𝑦 ∈ 𝐵(𝑦0, 𝜌 0)
𝑓 (𝑦) − 𝑓 (𝑦0 ) − d𝑓 (𝑥 0 ) −1 · (𝑦 − 𝑦0 ) 6 𝑘 0𝜀 k𝑦 − 𝑦0 k

𝑓 −1 est ainsi différentiable en 𝑦0 et d𝑓 −1 (𝑦0 ) = d𝑓 (𝑥 0 ) −1 . En remar-

quant ensuite que cette expression implique que d𝑓 −1 est la composée
de d𝑓 avec l’application 𝑢 ∈ GL(𝐸) ↦−→ 𝑢 −1 , on en déduit que d𝑓 −1
est continue sur 𝑉 .


𝜕𝑓 𝜕𝑓
Il s’agit de montrer que 𝑓 admet des dérivées partielles 𝜕𝑥 et 𝜕𝑦 qui
sont continues sur 𝑈 . Ce qui revient ici à fixer l’une des deux variables
et à justifier la dérivabilité par rapport à l’autre en utilisant le théorème
de dérivation terme à terme de la somme d’une série de fonctions. On
pose
(−1)𝑛
𝑢𝑛 (𝑥, 𝑦) =
𝑥 + 𝑛𝑦
On fixe d’abords 𝑦 ∈]0, +∞[ et on considère la série de fonctions
𝑢𝑛 (𝑥, 𝑦) en la variable 𝑥.
P
(−1) 𝑛
• les fonctions 𝑥 ↦−→ 𝑢𝑛 (𝑥, 𝑦) sont de classes C1 et 𝜕𝑢 𝜕𝑥 (𝑥, 𝑦) = (𝑥+𝑛𝑦
𝑛
• 𝑢𝑛 (𝑥, 𝑦) cvs lorsque 𝑥 décrit ]0, +∞[ grâce au cscsa

P
1 P 1
• ∀𝑥 ∈]0, +∞[, 𝜕𝑢𝜕𝑥 (𝑥, 𝑦) 6 𝑛 2 𝑦 2 et converge
𝑛
𝑛2 𝑦 2
Le théorème de dérivation terme à terme implique bien que la fonction
𝑥 ↦−→ 𝑓 (𝑥, 𝑦) est de classe C1 sur ]0, +∞[ et que
+∞
𝜕𝑓 ∑︁ (−1)𝑛+1
∀𝑥 ∈]0, +∞[, (𝑥, 𝑦) = 2
𝜕𝑥 𝑛=1 (𝑥 + 𝑛𝑦)
𝜕𝑓
On traite maintenant 𝜕𝑥 comme une fonction en la variable (𝑥, 𝑦) et
on lui applique le théorème de continuité de la somme d’une série de
fonctions.
• les fonctions 𝜕𝑢𝜕𝑥 sont continues sur 𝑈
𝑛
𝜕𝑢
𝑛
1
• si 𝐾 est un compact de 𝑈 alors ∀(𝑥, 𝑦) ∈ 𝐾, (𝑥, 𝑦) 6 2 2 .

𝜕𝑥 𝑏 𝑛
où 𝑏 est une réel > 0 tel que 𝑦 > 𝑏 pour tout (𝑥, 𝑦) ∈ 𝐾. Un tel réel
existe grâce au fait que la fonction continue (𝑥, 𝑦) ↦→ 𝑦 atteint sa borne
𝜕𝑓
inférieure sur le compact 𝐾. Ce qui précède assure que la fonction 𝜕𝑥
est continue sur 𝑈 .
𝜕𝑓
On démontre de même que 𝜕𝑦 est bien définie et continue sur 𝑈 avec
+∞
𝜕𝑓 ∑︁ 𝑛
∀(𝑥, 𝑦) ∈ 𝑈 , (𝑥, 𝑦) = (−1)𝑛
𝜕𝑥 𝑛=1 (𝑥 + 𝑛𝑦) 2
n.b. Pour traiter les convergences uniformes sur tout compact, on pourrait
utiliser la transformation
𝜕𝑢𝑛 (−1)𝑛 𝑛 𝑛 𝑥 + 𝑛𝑦 − 𝑥 (−1)𝑛 (−1)𝑛+1𝑥
(𝑥, 𝑦) = = (−1) = +
𝜕𝑦 (𝑥 + 𝑛𝑦) 2 𝑦 (𝑥 + 𝑛𝑦) 2 𝑦 (𝑥 + 𝑛𝑦) 𝑦 (𝑥 + 𝑛𝑦) 2
n.b. Grâce à cette même transformation, 𝑓 vérifie l’équation aux dérivée

partielles
𝜕𝑓 𝜕𝑓
−𝑥 +𝑦 =𝑓
𝜕𝑥 𝜕𝑦

On peut écrire 𝑓 (𝑥, 𝑦) = La fonction 𝑓 est C1 car polyno-
P 𝑘 𝑦ℎ .
𝑎𝑘,ℎ 𝑥
06𝑘,ℎ6𝑛
miale et on a
𝑛 ∑︁𝑛 𝑛 ∑︁𝑛
𝜕𝑓 ∑︁ 𝜕𝑓 ∑︁
i (𝑥, 𝑦) = i𝑘𝑎𝑘,ℎ 𝑥 𝑘−1𝑦ℎ (𝑥, 𝑦) = ℎ𝑎𝑘,ℎ 𝑥 𝑘 𝑦ℎ−1
𝜕𝑥 ℎ=0 𝑘=1 𝜕𝑦 𝑘=0 ℎ=1
Par unicité des coefficients d’une fonction polynomiales on a donc
i(𝑘 + 1)𝑎𝑘+1,ℎ = (ℎ + 1)𝑎𝑘,ℎ+1
Soit 𝑝 ∈ [[0, 2𝑛]]. Avec la convention 𝑎𝑘,ℎ = 0 si 𝑘 > 𝑛 ou ℎ > 𝑛, on a
pour tout couple (𝑘, ℎ) ∈ [[0, 𝑛]] 2 tels que 𝑘 + ℎ = 𝑝

𝑘 +1 (𝑘 + 1)(𝑘 + 2) · · · (𝑘 + ℎ) 𝑝
𝑎𝑘,ℎ = i 𝑎𝑘+1,ℎ−1 = iℎ 𝑎𝑘+ℎ,0 = iℎ 𝑎𝑝,0
ℎ ℎ(ℎ − 1) · · · 1 ℎ
Ainsi
2𝑛 ∑︁ 2𝑛 𝑝 2𝑛
ℎ 𝑝 𝑝−ℎ ℎ
∑︁ 𝑘 ℎ
∑︁ ∑︁ ∑︁
𝑓 (𝑥, 𝑦) = i𝑎𝑘,ℎ 𝑥 𝑦 = 𝑎𝑝,0 i 𝑥 𝑦 = 𝑎𝑝,0 (𝑥 + i𝑦)
𝑝=0 𝑘+ℎ=𝑝 𝑝=0 ℎ=0 ℎ 𝑝=0

S’inspirer de la solution de l’exercice précédent est utiliser le théorème
de dérivation de la somme d’une série de fonctions et celui de dérivation
d’une intégrale à paramètre pour montrer que 𝜁 et Γ sont de classe C1
sur les domaines indiqués avec
+∞ +∞
𝜕𝜁 ∑︁ ln 𝑛 𝜕𝜁 ∑︁ ln 𝑛
∀𝑧 ∈ 𝑈 , (𝑧) = − 𝑧
(𝑧) = −i 𝑧
𝜕𝑥 𝑛=1 𝑛 𝜕𝑦 𝑛=1 𝑛
∫ +∞ ∫ +∞
𝜕Γ 𝜕Γ
∀𝑧 ∈ 𝑉 , (𝑧) = 𝑡 𝑧−1 ln(𝑡)e−𝑡 d𝑡 (𝑧) = i 𝑡 𝑧−1 ln(𝑡)e−𝑡 d
𝜕𝑥 0 𝜕𝑦 0
Formules qui confirment que 𝜁 et Γ vérifient la condition de Cauchy.

On notera 𝑑 la dimension de 𝐸.

remarque Soit (𝑢𝑛 )𝑛 une suite d’applications de 𝑈 dans L(𝐸, 𝐸 0 ). Supposons

que (𝑢𝑛 )𝑛 cvu vers une fonction 𝑢 sur 𝑈 . On a alors pour tout vecteur ℎ ∈ 𝐸r{0𝐸 }
∀𝑥 ∈ 𝑈 , k𝑢𝑛 (𝑥) · ℎ − 𝑢 (𝑥) · ℎk 6 |||𝑢𝑛 − 𝑢 ||| kℎk
Ce qui montre que la suite des fonctions 𝑥 ↦−→ 𝑢𝑛 (𝑥) ·ℎ cvu sur 𝑈 vers la fonction
𝑥 ↦−→ 𝑢 (𝑥) · ℎ.
1 Fixons 𝑥 ∈ 𝑈 et soient 𝑟 > 0 et ℎ ∈ 𝐸 r {0𝐸 } tels que 𝑥 + ℎ ∈

𝐵(𝑥, 𝑟 ) ⊂ 𝑈 . Posons pour tout 𝑡 ∈ 𝐼 =] − 𝑟 /kℎk , 𝑟 /kℎk [
𝜑𝑛 (𝑡) = 𝑓𝑛 (𝑥 + 𝑡ℎ)
Les fonctions 𝜑𝑛 sont de classe C1 sur 𝐼 avec
𝜑𝑛0 (𝑡) = d𝑓𝑛 (𝑥 + 𝑡ℎ) · ℎ
En notant que tous segment de 𝐼 induit un segment, et donc un compact,
de 𝑈 , les hypothèses du théorème et la remarque précédente impliquent
alors que
(𝜑𝑛 )𝑛 cvs vers 𝜑 : 𝑡 ↦−→ 𝑓 (𝑥 + 𝑡ℎ) sur 𝐼 ;
(𝜑𝑛0 )𝑛 cvu sur tout segment de 𝐼 .
La fonction 𝜑 est donc dérivable sur 𝐼 et 𝜑 0 (𝑡) = lim 𝜑𝑛0 (𝑡). En ap-
pliquant en 𝑡 = 0, on voit que 𝑓 est dérivable en 𝑥 selon ℎ et que
𝐷ℎ 𝑓 (𝑥) = lim 𝐷ℎ 𝑓𝑛 (𝑥). En particulier 𝑓 admet des dérivées partielles
en 𝑥 avec
𝜕𝑓 𝜕𝑓𝑛
∀𝑘 ∈ [[1, 𝑛]] , (𝑥) = lim (𝑥)
𝜕𝑥𝑘 𝜕𝑥𝑘
La remarque précédente montre aussi que la suite de fonctions conti-
𝜕𝑓 𝜕𝑓
nues ( 𝜕𝑥𝑛𝑘 )𝑛 cvu sur tout compact de 𝑈 . La fonction 𝜕𝑥𝑘 est donc conti-
nue. Alors 𝑓 est de classe C1 sur 𝑈 .
2 Le résultat de la question précédente s’adapte facilement à une
série de fonctions. Posons pour tout 𝑛 ∈ N,
1
∀𝑥 ∈ 𝐴, 𝑢𝑛 (𝑥) = 𝑥 𝑛
𝑛!
P
La série de fonction 𝑢𝑛 cvs sur 𝐴 vers la fonction exp. Les fonctions
𝑢𝑛 sont de classe C1 sur 𝐴 comme produit 𝑛 fois de l’application linéaire
𝑢 par elle même et on a pour tout 𝑛 ∈ N∗
𝑛−1
1 ∑︁
∀ℎ ∈ 𝐸, d𝑢𝑛 (𝑥) · ℎ = 𝑥 𝑘 ℎ𝑥 𝑛−𝑘−1
𝑛! 𝑘=0
k𝑥 k𝑛−1
et donc ∀ℎ ∈ 𝐸, kd𝑢𝑛 (𝑥) · ℎk 6 kℎk
(𝑛 − 1)!

k𝑥 k𝑛−1
ou encore |||d𝑢𝑛 (𝑥)||| 6
(𝑛 − 1)!
P
Ce qui montre que la série de fonction d𝑢𝑛 cvn, et donc cvu, sur tout
compact de 𝐴. Selon la question 1, exp est de classe C1 sur 𝐴 et pour
tout 𝑥 ∈ 𝐴 on a
+∞ 𝑛−1
∑︁ 1 ∑︁
d(exp)(𝑥) · ℎ = 𝑥 𝑘 ℎ𝑥 𝑛−𝑘−1
𝑛=1 𝑛! 𝑘=0
n.b. Résultat à célébrer comme il se doit.
n.b. 𝑢 0 est constante donc sa différentielle est nulle.
n.b. Si ℎ commute avec 𝑥 alors d(exp) (𝑥) · ℎ = e𝑥 ℎ.
𝜕 exp +∞ 1 𝑛−1
∑︁ ∑︁ 𝑘 𝑛−𝑘−1
n.b. Pour tout 𝑖 ∈ [[1, 𝑑]], (𝑥) = 𝑥 𝑒𝑖 𝑥 .
𝜕𝑥𝑖 𝑛=1 𝑛! 𝑘=0
1 L’application 𝑥 ↦−→ h𝑥, 𝑢 (𝑥)i est continue. Elle est donc bornée et
atteint ses bornes sur le compact 𝑆 (0𝐸 , 1). Ce qui justifie l’existence de
𝜌.
Soit maintenant 𝑥 0 ∈ 𝑆 (0𝐸 , 1) un point en lequel 𝜌 est atteint. On a
𝑓 (𝑥 0 ) = 0 et pour tout 𝑥 ∈ 𝐸 r{0𝐸 }, 𝑓 (𝑥/k𝑥 k) 6 0 par définition de 𝜌,
ce qui donne 𝑓 (𝑥) 6 0. Alors 𝑓 atteint un maximum global en 𝑥 0 .
2 Par opérations standards sur les applications de classe C1 , 𝑓 est
une fonction numérique de classe C1 et on a
∇𝑓 (𝑥) = 2𝑢 (𝑥) − 2𝜌𝑥
Puisque 𝑓 admet un maximum global en 𝑥 0 alors ∇𝑓 (𝑥 0 ) = 0𝐸 et donc
𝑢 (𝑥 0 ) = 𝜌𝑥 0 . Sachant que 𝑥 0 est non nul, cela démontre que 𝜌 est une
vap de 𝑢.
On a démontré que tout endomorphisme symétrique admet au moins
une vap. Un raisonnement par récurrence permet alors de montrer que
le polynôme caractéristique d’un endomorphisme symétrique est en
fait scindé sur R. On utilise ensuite le caractère semi-simple d’un tel
endomorphisme pour conclure qu’il est diagonalisable.

1 Supposons par l’absurde que Δ𝑓 (𝑥) > 0 sur 𝐵 et qu’il existe 𝑥 0 ∈ 𝐵

tel que 𝑓 (𝑥 0 ) = 𝑀. L’application 𝑓 admet donc un maximum global
en 𝑥 0 et comme 𝑥 0 ∈ 𝐵 alors c’est un point critique de 𝑓 et H𝑓 (𝑥 0 )
est une matrice symétrique négative. Mais comme Δ𝑓 (𝑥 0 ) > 0 alors
Tr(H𝑓 (𝑥 0 )) > 0. Ce qui est contradictoire.
Ainsi, si Δ𝑓 (𝑥) > 0 pour tout 𝑥 ∈ 𝐵 alors 𝑓 (𝑥) < 𝑀 pour tout 𝑥 ∈ 𝐵.
2 Un calcul rapide conduit à Δ(k𝑥 k 2 ) = 2𝑛. Donc si 𝜀 est un réel
donné alors
Δ(𝑓 (𝑥) + 𝜀 k𝑥 k 2 ) = Δ𝑓 (𝑥) + 2𝑛𝜀 = 2𝑛𝜀
Si 𝜀 > 0 alors, d’après la question précédente, le maximum global
de 𝑓 (𝑥) + 𝜀 k𝑥 k 2 sur 𝐵 ne peut ne peut être atteint dans 𝐵. Comme
max (𝑓 (𝑥) + 𝜀 k𝑥 k 2 ) = 𝑀 + 𝜀 alors pour tout 𝜀 > 0
k𝑥 k=1
∀𝑥 ∈ 𝐵, 𝑓 (𝑥) + 𝜀 k𝑥 k 2 < 𝑀 + 𝜀
donc ∀𝑥 ∈ 𝐵, 𝑓 (𝑥) 6 𝑀
En appliquant le résultat précédant à la fonction −𝑓 , on obtient
∀𝑥 ∈ 𝐵, 𝑓 (𝑥) > 𝑚
n.b. On peut justifier que la fonction 𝑓 est convexe si et seulement si pour

tout 𝑥 ∈ 𝑈 et pour tout ℎ ∈ 𝐸 tel que 𝑥 + ℎ ∈ 𝑈 , la fonction réelle
𝜑𝑥,ℎ : 𝑡 ↦−→ 𝑓 (𝑥 + 𝑡ℎ), 𝑡 ∈ [0, 1]
est convexe.
Si 𝑓 est de classe C2 . Alors les fonctions 𝜑𝑥,ℎ sont de classe C2 avec

𝑛
0
∑︁ 𝜕𝑓
𝜑𝑥,ℎ (𝑡) = ℎ𝑖 (𝑥 + 𝑡ℎ)
𝑖=1 𝜕𝑥 𝑖
00
𝑛 ∑︁
∑︁ 𝑛
𝜕2 𝑓
𝜑𝑥,ℎ (𝑡) = ℎ𝑖 ℎ 𝑗 (𝑥 + 𝑡ℎ) (14)
𝑖=1 𝑗=1 𝜕𝑥 𝑗 𝜕𝑥𝑖
Supposons donc que 𝑓 est convexe, les fonctions 𝜑𝑥,ℎ sont convexes
00 (0) > 0. Ce qui implique que si 𝑥 ∈ 𝑈 et 𝑟 > 0 tel
et on aura donc 𝜑𝑥,ℎ

que 𝐵(𝑥, 𝑟 ) ⊂ 𝑈 alors pour tout ℎ ∈ 𝐸

𝑛 ∑︁
∑︁ 𝑛
𝜕2 𝑓
kℎk 6 𝑟 =⇒ ℎ𝑖 ℎ 𝑗 (𝑥) > 0
𝑖=1 𝑗=1 𝜕𝑥 𝑗 𝜕𝑥𝑖
Si ℎ est un vecteur non nul quelconque, en appliquant l’inégalité précé-
dente au vecteur kℎ𝑟 k ℎ on obtient également
𝑛 ∑︁
∑︁ 𝑛
𝜕2 𝑓
ℎ𝑖 ℎ 𝑗 (𝑥) > 0
𝑖=1 𝑗=1 𝜕𝑥 𝑗 𝜕𝑥𝑖
La matrice symétrique H𝑓 (𝑥) est donc positive. Ceci pour tout 𝑥 ∈ 𝑈 .
Réciproquement, supposons que H𝑓 (𝑥) est positive pour tout 𝑥 ∈ 𝑈 .
L’expression (14) montre que les fonctions 𝜑𝑥,ℎ sont toutes convexes.
La fonction 𝑓 est donc convexe.
Autre méthode : sans passer par les fonctions 𝜑𝑥,𝑦 , mais en utilisant
le résultat de l’exercice 1.6.
Supposons que 𝑓 est convexe. La formule de Taylor-Young donne
𝑡 2 ∑︁ 𝜕2 𝑓
𝑓 (𝑥 + 𝑡ℎ) − 𝑓 (𝑥) = 𝑡 h ∇𝑓 (𝑥), ℎi + ℎ𝑖 ℎ 𝑗 (𝑥) + 𝑡 2𝜀 (𝑡)
2 𝑖,𝑗 𝜕𝑥𝑖 𝜕𝑥 𝑗
D’après l’exercice 1.6, 𝑓 (𝑥 + 𝑡ℎ) − 𝑓 (𝑥) > 𝑡 h ∇𝑓 (𝑥), ℎi. Donc
∑︁ 𝜕2 𝑓
ℎ𝑖 ℎ 𝑗 (𝑥) + 2𝜀 (𝑡) > 0
𝑖,𝑗 𝜕𝑥𝑖 𝜕𝑥 𝑗
Et on conclut en faisant tendre 𝑡 vers 0.
Réciproquement si H𝑓 (𝑥) est positive pour tout 𝑥 ∈ 𝑈 . La formule
de Taylor avec reste intégrale appliquée à la fonction 𝑡 ↦−→ 𝑓 (𝑥 + 𝑡ℎ)
s’écrit
𝜕2 𝑓
∑︁ ∫ 𝑡
𝑓 (𝑥 + 𝑡ℎ) = 𝑓 (𝑥) + 𝑡 h ∇𝑓 (𝑥), ℎi + ℎ𝑖 ℎ 𝑗 (𝑡 − 𝑠) (𝑥 + 𝑠ℎ)d𝑠
𝑖,𝑗 0 𝜕𝑥𝑖 𝜕𝑥 𝑗
Le reste intégrale est par hypothèses toujours positif. On obtient donc
en 𝑡 = 1, 𝑓 (𝑥 + ℎ) − 𝑓 (𝑥) > h ∇𝑓 (𝑥), ℎh. Par suite 𝑓 est convexe.

On suppose que la base de travail B est une bon de 𝐸.
On suppose que d𝑓 (𝑥) est une isométrie de 𝐸 pour tout 𝑥 ∈ 𝐸.

𝜕𝑓
Pour tout 𝑥 ∈ 𝐸, les vecteurs dérivée partielles 𝜕𝑥𝑘 , image par l’isométrie
d𝑓 (𝑥) des vecteurs de la bon B, forment une bon de 𝐸. Soit
D 𝜕𝑓 𝜕𝑓 E
∀(𝑖, 𝑗) ∈ [[1, 𝑛]] 2 , (𝑥), (𝑥) = 𝛿𝑖,𝑗
𝜕𝑥𝑖 𝜕𝑥 𝑗
Et en dérivant ses relations par rapport à 𝑥𝑘
D 𝜕2 𝑓 𝜕𝑓 E D 𝜕𝑓 𝜕2 𝑓 E
∀(𝑖, 𝑗, 𝑘) ∈ [[1, 𝑛]] 3 , (𝑥), (𝑥) + (𝑥), (𝑥) = 0
𝜕𝑥𝑘 𝜕𝑥𝑖 𝜕𝑥 𝑗 𝜕𝑥𝑖 𝜕𝑥𝑘 𝜕𝑥 𝑗
Fixons 𝑖, 𝑗 et soit 𝑘 ∈ [[1, 𝑛]] quelconque. Tout en comptant sur l’aide
du théorème de Schwarz, la relation précédente implique que
D 𝜕2 𝑓 𝜕𝑓 E D 𝜕2 𝑓 𝜕𝑓 E
(𝑥), (𝑥) = − (𝑥), (𝑥)
𝜕𝑥𝑖 𝜕𝑥 𝑗 𝜕𝑥𝑘 𝜕𝑥𝑖 𝜕𝑥𝑘 𝜕𝑥 𝑗
D 𝜕2 𝑓 𝜕𝑓 E
= (𝑥), (𝑥)
𝜕𝑥𝑘 𝜕𝑥 𝑗 𝜕𝑥𝑖
D 𝜕2 𝑓 𝜕𝑓 E
=− (𝑥), (𝑥)
𝜕𝑥𝑖 𝜕𝑥 𝑗 𝜕𝑥𝑘
D 𝜕2 𝑓 𝜕𝑓 E
Ainsi ∀𝑘 ∈ [[1, 𝑛]] , (𝑥), (𝑥) = 0
𝜕𝑥𝑖 𝜕𝑥 𝑗 𝜕𝑥𝑘
𝜕𝑓
Mais comme les vecteurs 𝜕𝑥𝑘 (𝑥) forment une base de 𝐸 alors
𝜕2 𝑓
𝜕𝑥𝑖 𝜕𝑥 𝑗 (𝑥) = 0. Ceci pour tout (𝑖, 𝑗) ∈ [[1, 𝑛]] 2 et pour tout 𝑥 ∈ 𝐸.
𝜕𝑓
Cela signifie que les dérivées partielles 𝜕𝑥𝑖 , et donc la différentielle d𝑓 ,
sont constantes sur 𝐸. Il existe donc un endomorphisme 𝑢 de 𝐸 tel que
𝑓 − 𝑢 est constante. On aura ensuite en tout 𝑥 ∈ 𝐸, d𝑓 (𝑥) = d𝑢 (𝑥) = 𝑢
et donc 𝑢 est une isométrie.
La réciproque est évidente puisque on aura pour tout 𝑥 ∈ 𝐸, d𝑓 (𝑥) =
𝑢.
n.b. Le résultat reste valable pour toute fonction 𝑓 : 𝑈 ↦−→ 𝐸 de classe C2
lorsque 𝑈 est un ouvert connexe par arcs de 𝐸.
n.b. Lorsque 𝑈 est un ouvert connexe par arcs de 𝐸, on a en fait montré
l’équivalence :
∀(𝑥, ℎ) ∈ 𝑈 × 𝐸, kd𝑓 (𝑥) · ℎk = kℎk ⇐⇒ ∀(𝑥, 𝑦) ∈ 𝑈 2, k𝑓 (𝑥) − 𝑓 (𝑦)k = k𝑥 − 𝑦 k
L’énoncé de gauche étant effectivement équivalent à dire que 𝑓 est la restriction
sur 𝑈 d’une fonction affine dont la partie linéaire est une isométrie de 𝐸. On dit
que 𝑓 conserve les distances pour l’exprimer. Ce qui notable donc c’est que d𝑓 (𝑥)

conserve la norme pour tout 𝑥 ∈ 𝑈 si et seulement si 𝑓 conserve les distances

sur 𝑈 . Carrément 𝑓 est un simple changement de repères orthonormés (mais qui
peuvent être d’orientations inverses).
Une interprétation physique de ce résultat : si 𝑓 conserve les normes des vecteurs
vitesses le long de tout chemin de classe C1 contenus dans 𝑈 alors c’est une
transformation affine qui conserve les distances.

L’endomorphisme d𝑓 (𝑥) est antisymétrique si et seulement si sa matrice
𝐽 𝑓 (𝑥) dans la bon B est antisymétrique. Ce qui équivaut à
𝜕𝑓𝑖 𝜕𝑓 𝑗
∀(𝑖, 𝑗) ∈ [[1, 𝑛]] 2 , (𝑥) = − (𝑥)
𝜕𝑥 𝑗 𝜕𝑥𝑖
Ce qui implique que
𝜕 2 𝑓𝑖 𝜕2 𝑓 𝑗
∀(𝑖, 𝑗, 𝑘) ∈ [[1, 𝑛]] 3 ,=−
𝜕𝑥𝑘 𝜕𝑥 𝑗 𝜕𝑥𝑘 𝜕𝑥𝑖
Et comme dans l’exercice précédente, cela implique que d𝑓 est constante
et donc qu’il existe un endomorphisme 𝑢 de 𝐸 tel que 𝑓 −𝑢 soit constante.
L’endomorphisme 𝑢 sera alors antisymétrique car on aura d𝑓 (𝑥) =
d𝑢 (𝑥) = 𝑢 pour tout 𝑥 ∈ 𝐸.
La réciproque est élémentaire.
n.b. Le résultat reste valable pour toute fonction 𝑓 : 𝑈 ↦−→ 𝐸 de classe C2
lorsque 𝑈 est un ouvert connexe par arcs de 𝐸.

S’il existe une fonction numérique de classe C2 𝑓 : 𝐸 −→ R telle que
𝜕𝑔
𝑓 𝑗 = 𝜕𝑥 𝑗 pour tout 𝑗 ∈ [[1, 𝑛]] alors le théorème de Schwarz appliquée
à 𝑔 donne
𝜕𝑓 𝑗 𝜕𝑓𝑖
∀(𝑖, 𝑗) ∈ [[1, 𝑛]] 2 , =
𝜕𝑥𝑖 𝜕𝑥 𝑗
Ce qui implique que l’endomorphisme d𝑓 (𝑥) est symétrique pour tout
𝑥 ∈ 𝐸.
Réciproquement supposons que d𝑓 (𝑥) est symétrique pour tout 𝑥 ∈ 𝐸.
Supposons un instant que la fonction 𝑔 existe et fixons 𝑥 0 ∈ 𝐸. On aura

alors Pour tout 𝑥 ∈ 𝐸

∫ 1
𝑔(𝑥) − 𝑔(𝑥 0 ) = d𝑔 (1 − 𝑡)𝑥 0 + 𝑡𝑥 · (𝑥 − 𝑥 0 )d𝑡
0
𝑛 ∫ 1
∑︁ 𝜕𝑔
= (𝑥 𝑗 − 𝑥 0,𝑗 ) (1 − 𝑡)𝑥 0 + 𝑡𝑥)d𝑡
𝑗=1 0 𝜕𝑥 𝑗
𝑛 ∫ 1
∑︁
= (𝑥 𝑗 − 𝑥 0,𝑗 ) 𝑓 𝑗 (1 − 𝑡)𝑥 0 + 𝑡𝑥)d𝑡
𝑗=1 0
Choisissons donc 𝑥 0 = 0𝐸 pour plus de simplicité et posons pour tout

𝑥 ∈𝐸
𝑛 ∫ 1
∑︁
𝑔(𝑥) = 𝑥 𝑗 𝑓 𝑗 (𝑡𝑥)d𝑡
𝑗=1 0
En utilisant le théorème de dérivation d’une intégrale à paramètre∫1 sur
un segment, on justifie que chacune des fonctions 𝑥 ↦−→ 0 𝑓 𝑗 (𝑡𝑥)d𝑡
admet des dérivées partielles continues avec
∫ 1 ∫ 1
𝜕 𝜕𝑓 𝑗
𝑓 𝑗 (𝑡𝑥)d𝑡 = 𝑡 (𝑡𝑥)d𝑡
𝜕𝑥𝑖 0 0 𝜕𝑥 𝑖
𝑔 est donc de classe C1 avec
∫ 1 𝑛 ∫ 1
𝜕𝑔 ∑︁ 𝜕𝑓 𝑗
(𝑥) = 𝑓𝑖 (𝑡𝑥)d𝑡 + 𝑡𝑥 𝑗 (𝑡𝑥)d𝑡
𝜕𝑥𝑖 0 𝑗=1 0 𝜕𝑥𝑖
𝜕𝑓 𝜕𝑓
La symétrie de d𝑓 (𝑥) en tout 𝑥 ∈ 𝐸 se traduit par 𝜕𝑥𝑖𝑗 = 𝜕𝑥𝑗𝑖 pour tout
couple (𝑖, 𝑗) et on a donc
∫ 1 ∫ 1 ∑︁𝑛
𝜕𝑔 𝜕𝑓𝑖
(𝑥) = 𝑓𝑖 (𝑡𝑥)d𝑡 + 𝑡 𝑥𝑗 (𝑡𝑥)d𝑡
𝜕𝑥𝑖 0 0 𝑗=1 𝜕𝑥 𝑗
𝑛 𝜕𝑓
Comme 𝑡 ↦−→ 𝑥 𝑗 𝜕𝑥𝑖𝑗 (𝑡𝑥) est la dérivée de la fonction 𝑡 ↦−→ 𝑓𝑖 (𝑡𝑥),
P
𝑗=1
une intégration par parties donne
∫ 1 ∑︁ 𝑛 ∫ 1 ∫ 1
𝜕𝑓𝑖 1
𝑡 𝑥𝑗 (𝑡𝑥)d𝑡 = 𝑡 𝑓𝑖 (𝑡𝑥)] 0 − 𝑓𝑖 (𝑡𝑥)d𝑡 = 𝑓𝑖 (𝑥) − 𝑓𝑖 (𝑡𝑥)d𝑡
0 𝑗=1 𝜕𝑥 𝑗 0 0
𝜕𝑔
Et finalement (𝑥) = 𝑓𝑖 (𝑥)
𝜕𝑥𝑖
La fonction 𝑔 est ensuite de classe C2 car 𝑓 est de classe C1 .
n.b. La démarche aurait abouti en utilisant un point 𝑥 0 quelconque. En outre
le résultat resterait valable si 𝑓 était définie sur un ouvert 𝑈 tel que pour tout
𝑥 ∈ 𝑈 , [𝑥 0, 𝑥] ⊂ 𝑈 . On dit dans ce cas que 𝑈 est étoilé en 𝑥 0 .

n.b. Avec les notations de la physique (en fait tout à fait mathématique) si
𝜔 (𝑥, 𝑦) = 𝑃 (𝑥, 𝑦)d𝑥 + 𝑄 (𝑥, 𝑦)d𝑦
est une « forme différentielle » telle que 𝑃 et 𝑄 soient des fonctions de classes
C1 sur un ouvert étoilé de R2 qui vérifient la condition 𝜕𝑃
𝜕𝑄
𝜕𝑦 = 𝜕𝑥 (on dit que 𝜔
est fermée), alors il existe une fonction 𝑔 de classe C2 telle que 𝜔 = d𝑔 (on dit 𝜔
est exacte).
L’exercice démontre donc que toute forme différentielle fermée de classe C1 sur
un ouvert étoilé de R2 est exacte.

Calcdiff-Crs Screen

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Calcdiff-Crs Screen

Transféré par

Droits d'auteur :

Formats disponibles

Cpge my Youssef

Liste des résultats remarquables

1.6 Théorème : différentielle d’une composée . . . . . . . . . 11

1.8 Théorème : Théorème fondamental du calcul différentiel 15

Classe MP* page 3 / 58 Cpge my Youssef

I.1 Applications différentiables

Soit une application 𝑓 : 𝑈 −→ 𝐸 0 et soit 𝑎 ∈ 𝑈 .

remarques 1.1 (suite)

Si 𝑓 est différentiable en 𝑎 alors l’application linéaire 𝑢 est unique,

Classe MP* page 5 / 58 Cpge my Youssef

Attention ! il existe des fonctions qui admettent des dérivées en un

Des cas particuliers fréquents

1.2.2 On suppose que 𝐸 est un espace euclidien et 𝑓 : 𝑈 −→ R est

Classe MP* page 6 / 58 Cpge my Youssef

noté ∇𝑓 (𝑎) et appelé gradient de 𝑓 en 𝑎 tel que

(𝑎) est l’image du vecteur 𝑒𝑖 de la base B par d𝑓 (𝑎).

en considérant que les autres coordonnées de 𝑥 sont des constantes.

1.3.4 Si 𝐸 est euclidien et 𝑓 est numérique alors d𝑓 (𝑎) · ℎ =

Classe MP* page 7 / 58 Cpge my Youssef

propriétés 1.4 (suite)

1.4.3 𝑓 est différentiable en 𝑎 si et seulement si ses applications

1.1.1 Une application constante sur 𝐸 est partout différentiable sur

1.1.3 Une application affine 𝑓 : 𝑥 ∈ 𝐸 ↦−→ 𝑐 + 𝑢 (𝑥), où 𝑐 est un

Classe MP* page 8 / 58 Cpge my Youssef

exemples 1.1 (suite)

M𝑛 (R) et pour tout 𝑀 ∈ M𝑛 (R),

I.2 Propriétés des applications différentiables

Classe MP* page 9 / 58 Cpge my Youssef

propriétés 1.5 (suite)

une application bilinéaire 𝐵 : 𝐸 0 × 𝐸 00 −→ 𝐹 . On pose pour tout 𝑥 ∈ 𝑈

Théorème 1.6 différentielle d’une composée

Corollaire 1.7 Dérivées partielles d’une composée

Cas particuliers usuels

1 On suppose que 𝐸 0 est une R-algèbre de dimension finie. Soient

Classe MP* page 10 / 58 Cpge my Youssef

Cas des fonctions numériques

Classe MP* page 11 / 58 Cpge my Youssef

1.5.4 gradient d’une composée I

𝐸 est un espace euclidien dans ces exemples.

Classe MP* page 12 / 58 Cpge my Youssef

exemples 1.2 (suite)

différentiable en tout vecteur non nul 𝑥 ∈ 𝐸 et on a

1.2.3 On fixe un vecteur 𝑎 dans 𝐸 et on pose :

I.3 Matrice jacobienne, jacobien

Si 𝑓 : 𝑈 −→ 𝐸 0 est différentiable en 𝑎, pour tout 𝑗 ∈ [[1, 𝑛]]

Classe MP* page 13 / 58 Cpge my Youssef

s’il n’y a pas de risque de confusion, simplement J𝑓 (𝑎),

I.4 Applications de classe C1

Théorème 1.8 Théorème fondamental du calcul différentiel

1.4.1 L’intérêt du théorème fondamental du calcul différentiel ré-

Classe MP* page 14 / 58 Cpge my Youssef

remarques 1.4 (suite)

1.4.2 Si 𝑓 est de classe C1 sur 𝑈 alors

1.9.1 Une application linéaire 𝑢 de 𝐸 dans 𝐸 0 est de classe C1 et on

1.9.2 Une combinaison linéaire de fonctions de classe C1 est de

Pour une intégrale à paramètre

Classe MP* page 15 / 58 Cpge my Youssef

1.3.1 det est de classe C1 sur M𝑛 (R) et

1.3.4 𝐸 étant un espace euclidien,

 𝑥 ↦−→ k𝑥 k est de classe C1 sur 𝐸 r{0𝐸 } et ∇ k𝑥 k =

I.5 Difféomorphisme de classe C1

On considère une bijection 𝑓 : 𝑈 −→ 𝑈 0. On suppose que 𝑓 est

Classe MP* page 16 / 58 Cpge my Youssef

𝑥 ↦−→ k𝑥 k est de classe C1 sur 𝐸 r{0𝐸 } et ∇ k𝑥 k =