ChapitreIII PDF

CHAPITRE 3
FONCTIONS À DEUX VARIABLES
EA
SS
– EN
——
Motivations et exemples
——
——
La notion de fonction à une ou à plusieurs variables est à la base de la plupart
——
des modèles mathématiques utilisés dans les sciences en général et en particulier les
E—
sciences de gestions.
N
A
Exemples 3.0.1.
H
ER
Application linéaire : Les applications linéaires vus en algèbre sont un cas particulier
SS
des fonctions à plusieurs variables, pour n ∈ N∗ :

–E
——
f : Rn −→ R
——
(x1 , · · · , xn ) 7→ f((x1 , · · · , xn ))
——
vérifiant ∀(x1 , · · · , xn ), (y1 , · · · , yn ) ∈ Rn et ∀λ ∈ R :

E A
SS
f((x1 , · · · , xn ) + λ(y1 , · · · , yn )) = f((x1 , · · · , xn )) + λf((y1 , · · · , yn )).

EN
La fonction coût : Si une entreprise produit x articles au coût de 10 (en unité moné-
taire) par article, alors le coût total serai :
C(x) = 10x.
Le coût est une fonction de la variable indépendante « nombre d’articles »notée x.

Si l’entreprise produits deux articles différents au coût de 10 et 15 (en unité moné-
taire) chacun, alors le coût total est une fonction à deux variables indépendantes
x, y qui s’écrit :
C(x, y) = 10x + 15y.
1
Chapitre 3. Fonctions à deux variables
Fonction de production : La quantité de production noté Q d’une entreprise est une

fonction P qui est souvent exprimée en fonction de deux facteurs ou variables, le
travail noté L et le capital noté K :
Q = P(L, K)
En particulier la fonction de Cobb-Douglas à deux facteurs :
Q = P(L, K) = ALα Kβ où A, α, β > 0
Fonction d’utilité : L’utilité d’un consommateur est exprimé en fonctions des quan-
tités consommées de n biens.
U = f((x1 , · · · , xn ))
où xi exprime la quantité consommée du ième bien.
3.1 Généralités sur les fonctions à plusieurs Variables
Rappel
Soit n ∈ N∗ , On désigne par Rn l’ensemble des n−uplet x = (x1 , x2 , · · · , xn ) avec
xi ∈ R pour tout i = 1, · · · n qui est un espace vectoriel sur R muni des lois :
∀ X = (x1 , x2 , · · · , xn ) ∈ Rn , ∀ Y = (y1 , y2 , · · · , yn ) ∈ Rn , et ∀ λ ∈ R



X + Y = (x1 + y1 , x2 + y2 , · · · , xn + yn )


λX = (λx1 , λx2 , · · · , λxn )
on note généralement pour
n = 2, X = (x, y) et pour n = 3, X = (x, y, z)
3.1.1 Domaine de définition, image et graphe d’une fonction réelles

à plusieurs variables
Définition 3.1.1
Une fonction numérique f de plusieurs variables est une application :
f : Rn → R
(x1 , · · · , xn ) 7→ f ((x1 , · · · , xn )) .
2
Le domaine de définition de f , noté Df ou D, est l’ensemble des vecteurs

X = (x1 , · · · , xn ) ∈ Rn pour lesquels f(x1 , · · · , xn ) est bien définie sur R :
Df = {(x1 , · · · , xn ) ∈ Rn / f(x1 , · · · , xn ) ∈ R}.
Exemples 3.1.1.
À La fonction f1 définie par :
√
f1 (x, y) = x + y,
√
Df1 = (x, y) ∈ R2 / x + y ∈ R

= (x, y) ∈ R2 / x + y ≥ 0 .
y
De manière générale, l’équa-
tion d’une droite est :
Df
1
αx+βy+γ = 0. α, β, γ ∈ R.
x
y = −x
F 3.1 – Représentation géométrique du

√
domaine de f1 = x + y dans R2
Á La fonction f2 définie par :
p
f2 (x, y) =1 − x2 − y2 ,

Df2 = (x, y) ∈ R2 / 1 − x2 − y2 ∈ R
p

= (x, y) ∈ R2 / x2 + y2 ≤ 1
= D(0, 1) le disque fermé de centre (0, 0) et de rayon 1.
3
De manière générale, l’équation

d’un cercle de centre (x0 , y0 ) et de
rayon r est :
y
(x − x0 )2 + (y − y0 )2 = r2 .
Le cercle x2 + y2 = 1 L’équation du disque ouvert (resp.

Df
2
fermé) de centre (x0 , y0 ) et de rayon
x
r est :
(x − x0 )2 + (y − y0 )2 < r2 ;
resp.
(x − x0 )2 + (y − y0 )2 ≤ r2 .
F 3.2 – Représentation géométrique du domaine de f2 (x, y) = 1 − x2 − y2 dans R2

p
Â La fonction f3 définie par :
f3 (x, y) = ln (xy)

Df3 = (x, y) ∈ R2 / xy > 0
Df
3
F 3.3 – Représentation géométrique du domaine de f3 = ln (xy) dans R2
Ã La fonction f4 définie par :
1
f4 (x, y) = √
x+y+z−1

Df4 = (x, y, z) ∈ R3 / x + y + z > 1 .
4
1
z=
y+
x+
Df x
4
1
F 3.4 – Représentation géométrique du domaine de f4 = √
x+y+z−1
dans R3
Définition 3.1.2
¶ L’image par f de D est l’ensemble :
Imf = f(D) = {f(x1 , · · · , xn ), / (x1 , x2 , · · · , xn ) ∈ D} ⊂ R.
· Le graphe de f est une hyper-surface de Rn+1
Gf = {(x1 , · · · , xn , f(x1 , · · · , xn )) ∈ Rn+1 / (x1 , · · · , xn ) ∈ D} ⊂ Rn+1 .
Exemples 3.1.2.
À La fonction f1 définie par :

√
f1 (x, y) = x+y
4
y
2
5
x
2 4 6 8
√
F 3.5 – Graphe de la fonction f(x, y) = x + y.
Á La fonction f2 définie par :

f2 (x, y) = ln (xy)
5
15
5
10 y
5
5
10
x
15
F 3.6 – Graphe de la fonction f2 (x, y) = ln(xy)
Â La fonction f3 définie par :

f3 (x, y) = x2 + y2
200
100
10
0
−10 0
−5 0 5 y
10−10
x
F 3.7 – Graphe de la fonction f3 (x, y) = x2 + y2
Ã La fonction f3 définie par :

f4 (x, y) = x2 − y2
100
10
−100
−10 0
−5 0 5 y
10−10
x
F 3.8 – Graphe de la fonction f4 (x, y) = x2 − y2
3.1.2 Les courbes de niveau ou lignes de niveau

Le graphe d’une fonction à n variables est un sous ensemble de Rn+1 , ce qui est
difficile à représenter graphiquement dans un plan surtout si n > 2. Néanmoins, pour
le graphe Gf d’une fonctions à deux variables f, qui est un sous ensemble de dimension
trois, on peut le visualiser grace une série de courbes dites courbes de niveau, et qui
sont représentées en fixant l’une des variables ce qui permet de réduire la dimension à
deux.
Définition 3.1.3 (Courbe de niveau)
Soit f : D → R, où D ⊂ R2 et k ∈ Imf (D) ⊂ R. La courbe de niveau k de f est la

6
courbe d’équation f(x, y) = k
Exemples 3.1.3.
À Les courbes de niveau de la fonction f1 définie par :

√
f1 (x, y) = x + y
sont des droites d’équations : x + y = k2 , k ∈ R+

10
8
4
4
4 6 3
y
3 4
2 2
2 3
1 10
2
0 2 5 0 1
4 6 0 2 4 6 8 10
8 10 0 y
x x
√
F 3.9 – Les lignes de niveau de la fonction f1 (x, y) = x+y
Á Les courbes de niveau de la fonction f2 définie par :
f2 (x, y) = ln (xy) .
sont des hyperboles d’équations : xy = k k ∈ R.

10
8
4 4
4 6
0
2
2
y
2
0 0 4
− 2 −2 0
− 10 2 2
−4 4
2
2 4 5 −4
−2 0 0
6 8 2 4 6 8 10
10 y
x x
F 3.10 – Les lignes de niveau de la fonction f1 (x, y) = ln(x.y)
Â Les courbes de niveau de la fonction f3 définie par :
f3 (x, y) = x2 + y2
√
sont des cercles de centre (0, 0) et de rayon k pour k ≥ 0 : x2 + y2 = k
150
200
150
10
15 100 0 50
10
0
0
15
0 10
15
5
150 00
100 1
100
50
0
y
50
50
50 10
−5
10
−10 −5 0
0
0
10
50
0 5 150
10−10 y −10
−10 −5
100
0 5
150
10
x x
F 3.11 – Les courbes de niveau de la fonction f3 (x, y) = x2 + y2
7
Ã Les courbes de niveau de la fonction f4 définie par :
f4 (x, y) = x2 − y2
pour k = 0 ce sont les droites croisées d’équations :
x2 − y2 = 0 ⇒ |y| = |x|
Pour k 6= 0 : ce sont les paraboles
x2 − y2 = k ⇒ y2 = x2 − k.
10
−50
5 0 0
0
y
50
50
100 0 0
50
0
−5
0 −50
50
−50
0
10
−5
0
0
−10
−10 −5
0 −10 −5 0 5 10
5 10−10 y
x x
F 3.12 – Les courbes de niveau de la fonction f4 (x, y) = x2 − y2
3.1.3 Fonctions vectorielles à plusieurs variables :

Soient n, m ∈ N∗ deux entiers naturels. On défini une fonction vectorielle à plu-
sieurs variables comme une application définie sur une partie D de Rn à valeurs dans
Rm .
f : D ⊂ Rn −→ Rm
(x1 , · · · , xn ) 7→ f(x1 , x2 , · · · , xn ).
Comme f((x1 , x2 , · · · , xn )) ∈ Rm , il est représenté dans la base canonique de Rm comme
un m−uplet de fonctions réelles à plusieurs variables
f(x1 , x2 , · · · , xn ) = (f1 (x1 , x2 , · · · , xn ), · · · , fm (x1 , x2 , · · · , xn )).
avec pour tout k = 1, · · · n, fk : D ⊂ Rn −→ R.

Le domaine de définition d’une fonction vectorielle f est défini par :
Df = {(x1 , x2 , · · · , xn ) ∈ Rn / fk ((x1 , x2 , · · · , xn )) ∈ R} = ∩m n
k=1 Dfk ⊂ R .
Exemples 3.1.4.
À la fonction f définie sur R2 à valeur dans R3 par :

p
f(x, y) = (x + y, 1 − x − y, exy ).
8
est définie sur D ⊂ R2 avec :

D = (x, y) ∈ R2 /x + y ∈ R, 1 − x − y ≥ 0, exy ∈ R

= (x, y) ∈ R2 /x + y ≤ 1
Á la fonction f définie sur R2 à valeur dans R2 par :
f(r, θ) = (r cos θ, r sin θ).
est définie sur R2 .
3.2 Topologie de Rn :
En première année on a vu qu’une fonction réelle f admet une limite l quand x tend
vers un point x0 ∈ R si la distance entre f(x) et l est de plus en plus petite quand la
distance entre x et x0 est très petite.
La distance dans R est définie grace à la valeur absolue :
∀x, y ∈ R, d(x, y) = |x − y|.
et la notion de limite est définie par :
∀ε > 0, ∃δ > 0, ∀x ∈ Df : |x − x0 | < δ ⇒ |f(x) − l| < ε.
Pour les fonctions réelles à plusieurs variables, la notion de limite est la même, mais
on se pose les questions suivantes :
1. C’est quoi une distance dans Rn ?
2. Peut on généralisé la notion de valeur absolue sur Rn ?
3.2.1 Norme et distance sur Rn :
Définition 3.2.1 (Norme)
Une application N : Rn → R est une norme si et seulement si :
¶ ∀x ∈ Rn , N(x) ≥ 0; (Positivité)
· ∀x ∈ Rn , N(x) = 0 ⇔ x = 0;
¸ ∀x ∈ Rn , ∀λ ∈ R, N(λx) = |λ|N(x); (Homogénéité)
¹ x, y ∈ Rn , N(x + y) ≤ N(x) + N(y). (Inégalité triangulaire)
9
Exemples 3.2.1.
Norme dans R l’application x 7→ |x| est une norme sur R
Normes usuelles dans Rn Pour X = (x1 , x2 , · · · , xn ) ∈ Rn et Y = (y1 , y2 , · · · , yn ) ∈ Rn

on a :
La norme euclidienne : Pour tout X = (x1 , · · · , xn ) ∈ Rn :

v
uX
u n q
kXk2 = t x2k = x21 + x22 + · · · + x2n .
k=1
En particulier dans R2
pour (x, y) ∈ R2 ,
p
k(x, y)k2 = x2 + y 2 .
La norme infinie : Pour tout X = (x1 , · · · , xn ) ∈ Rn :
kXk∞ = max{|xk | / k = 1 · · · n} = max(|x1 |, |x2 |, · · · , |xn |)
pour (x, y) ∈ R2 , k(x, y)k∞ = max(|x|, |y|).
La norme : Pour tout X = (x1 , · · · , xn ) ∈ Rn :

X
n
kXk1 = |xk | = |x1 | + |x2 | + · · · + |xn |.
k=1
pour (x, y) ∈ R2 , k(x, y)k1 = |x| + |y|.
Définition 3.2.2 (Normes équivalentes)
Soit Rn muni de deux normes N1 et N2 . Ces deux normes sont dites équivalentes
si et seulement s’il existe deux réels A > 0 et B > 0 tels que :
AN1 (X) ≤ N2 (X) ≤ BN1 (X) ∀X ∈ Rn
Exemple 3.2.1. Sur R2 les normes k.k1 , k.k2 et k.k∞ sont équivalentes et on a :
k(x, y)k∞ ≤ k(x, y)k2 ≤ k(x, y)k1 ≤ 2k(x, y)k∞ , ∀(x, y) ∈ R2 .
En particulier, la norme infinie k.k∞ est équivalente à la norme euclidienne k.k2 dans
R2 , en effet, d’une part on a pour :
(x, y) ∈ R2 , k(x, y)k∞ ≤ k(x, y)k2
10
car :
√ p p p
|x| = x2 ≤ x2 + y2 = k(x, y)k2 et |y| = y2 ≤ x2 + y2 = k(x, y)k2
alors :
k(x, y)k∞ = max (|x|, |y|) ≤ k(x, y)k2 (3.1)

√
D’autre part k(x, y)k2 ≤ 2k(x, y)k∞ car :
|x| ≤ k(x, y)k∞ ⇒ x2 = |x|2 ≤ k(x, y)k2∞

et :
|y| ≤ k(x, y)k∞ ⇒ y2 = |y|2 ≤ k(x, y)k2∞

d’où :
√
x2 + y2 ≤ 2k(x, y)k2∞ ⇒
p
x2 + y2 ≤ 2k(x, y)k∞ . (3.2)
et par inégalités (3.1) et (3.2), on en déduit que :

√
k(x, y)k∞ ≤ k(x, y)k2 ≤ 2k(x, y)k∞ . (3.3)
Définition 3.2.3 (Distance associée à une norme)
Soit Rn muni d’une norme N, alors l’application d définie par :
d : Rn × Rn → R+
(x, y) 7→ d(x, y) = N(x − y).
est appelée la distance associée à la norme N.
Exemple 3.2.2. Dans R2 on définie trois distances :
• ∀x = (x1 , x2 ) ∈ R2 , ∀y = (y1 , y2 ) ∈ R2 ,
d1 (x, y) = k(x1 , y1 ) − (x2 , y2 )k1 = |x1 − y1 | + |x2 − y2 |;
• ∀x = (x1 , x2 ) ∈ R2 , ∀y = (y1 , y2 ) ∈ R2 ,
p
d2 (x, y) = k(x1 , y1 ) − (x2 , y2 )k2 = (x1 − y1 )2 + (x2 − y2 )2 ;
• ∀x = (x1 , x2 ) ∈ R2 , ∀y = (y1 , y2 ) ∈ R2 ,
d∞ (x, y) = k(x1 , y1 ) − (x2 , y2 )k∞ = max (|x1 − y1 |, |x2 − y2 |) .
11
Proposition 3.1
Soient (Rn , N) un espace normé de norme N, et d une distance associée à N alors :
1. ∀x, y ∈ Rn , d(x, y) = 0 ⇔ x = y ;
2. ∀x, y ∈ Rn , d(x, y) = d(y, x) ;
3. ∀x, y, z ∈ Rn , d(x, z) ≤ d(x, y) + d(y, z) ;
3.2.2 Partie ouverte et partie fermée de Rn
Définition 3.2.4 (Boules ouvertes et boules fermée de Rn )
Soient a ∈ Rn et r ∈ R∗+ .
• On appelle boule ouverte de centre a et de rayon r l’ensemble noté B(a, r)

ou Br (a) définie par : B(a, r) = {x ∈ Rn / d(x, a) < r}
• On appelle boule fermé de centre a et de rayon r l’ensemble noté B(a, r)

ou Br (a) définie par : B(a, r) = {x ∈ Rn / d(x, a) ≤ r}
Exemple 3.2.3.
À Dans (R, |.|) : Soient a ∈ R et r > 0 alors :
• B(a, r) =]a − r, a + r[
• B(a, r) = [a − r, a + r]
Á Dans (Rn , k.k1 ). Soient a = (a1 , a2 ) ∈ R2 et r > 0 alors :
• B(a, r) = {x = (x1 , x2 ) ∈ R2 / |x1 − a1 | + |x2 − a2 | < r}

• B(a, r) = {x = (x1 , x2 ) ∈ R2 / |x1 − a1 | + |x2 − a2 | ≤ r}
Â Dans (Rn , k.k2 ). Soient a = (a1 , a2 ) ∈ R2 et r > 0 alors :
• B(a, r) = {x = (x1 , x2 ) ∈ R2 / (x1 − a1 )2 + (x2 − a2 )2 < r2 }

• B(a, r) = {x = (x1 , x2 ) ∈ R2 / (x1 − a1 )2 + (x2 − a2 )2 ≤ r2 }
Ã Dans (Rn , k.k∞ ). Soient a = (a1 , a2 ) ∈ R2 et r > 0 alors :
• B(a, r) = {x = (x1 , x2 ) ∈ R2 / max (|x1 − a1 |, |x2 − a2 |) < r}

• B(a, r) = {x = (x1 , x2 ) ∈ R2 / max (|x1 − a1 |, |x2 − a2 |) ≤ r}
12
3.3 Limite et continuité des fonctions à plusieurs va-

riables
3.4 Suite dans Rn et limité d’une suite
3.4.1 Limite en un point X0 ∈ Rn

Soient Rn l’espace normé muni de l’une des normes usuelles qu’on notera k.k, U
une partie de Rn , f : U → R une fonction réelles à plusieur variables et X0 =
(x01 , x02 , · · · , x0n ) ∈ U.
Définition 3.4.1
Soit l ∈ R. On dit que f tends vers l lorsque X tend vers X0 si :
∀ > 0, ∃r > 0 , ∀X ∈ U : kX − X0 k < r ⇒ |f(X) − l| < .
Exemples 3.4.1.
À lim x + 2y = 5 en effet :
(x,y)→(1,2)
|f(x, y) − f(1, 2)| = |x + 2y − 5| = |(x − 1) + 2(y − 2)| ≤ 2 (|x − 1| + |y − 2|)

≤ 2k(x, y) − (1, 2)k1
d’où, dès que :

ε
k(x, y) − (1, 2)k1 ≤ on a : |f(x, y) − f(1, 2)| ≤ ε
2
donc il suffit de prendre δ = ε
2
>0
x2 y
Á lim = 0 En effet : Pour ε > 0 on cherche un δ > 0 tels que, si
x2 + y2
(x,y)→(0,0)
k(x, y) − (0, 0)k < δ alors |f(x, y) − f(0, 0)| < ε.

2
xy
|f(x, y) − f(0, 0)| = 2 ≤ |y|
2
car :x2 ≤ x2 + y2
x + y
≤ k(x, y) − (0, 0)k1
d’où :
k(x, y) − (0, 0)k1 ≤ ε ⇒ |f(x, y) − f(0, 0)| ≤ ε
donc il suffit de prendre δ = ε > 0.
13
Propriétés 1.
Propriétés algébriques de la limite : Soient U ⊂ Rn f, g : U → R, X0 ∈ Rn . On

suppose que lim f(X) = l1 et lim g(X) = l2 . Alors :
X→X0 X→X0
i) ∀α, β ∈ R : lim (αf + βg) (X) = αl1 + βl2

X→X0
ii) lim (f.g) (X) = l1 l2

X→X0
iii) Si l2 6= 0 et ∀X ∈ U \ {X0 } : g(X) 6= 0 alors lim f(X)

= l1
X→X0 g(X) l2
iv) lim |f(X)| = |l1 |

X→X0
Limite de la composition de fonctions
1ier cas : Soit g : I ⊂ R → R. On suppose que f admet une limite l ∈ R quad

X tend vers X0 telle que l ∈ I et que g admet une limite L ∈ R quand t ∈ R
tend vers l. Alors g ◦ f : U ⊂ Rn → R tend vers L quad X tend vers X0
lim g (f(X)) = lim g(t). (3.4)

X→X0 t→l
2ième cas : Soient f : U ⊂ Rn → R, et g : V ⊂ Rm → Rn , telle que

g(V) ⊂ U. On suppose que f admet une limite l ∈ R quad X ∈ R tend vers n
X0 ∈ Rn et g admet une limite X0 ∈ Rn quand Y ∈ Rm tend vers Y0 ∈ V. Alors

f ◦ g : U ⊂ Rm → R tend vers l quad Y tend vers Y0
lim f (g(Y)) = lim f(X) = l. (3.5)

Y→Y0 X→X0
Limite par encadrement : Soient f, g et h trois fonctions définies sur un ouvert U

contenant X0 telles que :
• ∀X ∈ U on a h(X) ≤ f(X) ≤ g(X);
• lim h(X) = lim g(X).

X→X0 X→X0
alors f admet une limite en X0 et on a :
lim f(X) = lim h(X) = lim g(X).

X→X0 X→X0 X→X0
Indépendance de la limite du chemin : Si f est une fonction réelle à n variables

telle que lim f(X) = L, alors pour toute fonction vectorielle ϕ : I ⊂ R → Rn
X→X0
vérifiant :
• ϕ(I) ⊂ Df ;
• lim ϕ(t) = X0
t→t0
14
on a :
lim f(X) = lim f(ϕ(t)) = L.
X→X0 t→t0
Limite séquentielle : Une fonction f : U ⊂ Rn → R admet une limite l ∈ R quand

X tend vers X0 si et seulement si pour toute suite de vecteurs (Xk )k∈N ⊂ U qui
converge vers X0 (c.à.d. Si Xk = xk1 , xk2 , · · · , xkn et X0 = x01 , x02 , · · · , x0n alors

∀j ∈ {1, 2, · · · , n} xkj −−−−→ x0j ), la suite (f(Xk ))k∈N tend vers l.

n→+∞

lim f(X) = l ⇔ ∀ (Xk )k∈N ⊂ U : lim Xk = X0 ⇒ lim f(Xk ) = l . (3.6)
X→X0 k→+∞ k→+∞
Remarque 1. En pratique, on utilise la contraposé des deux dernières propriétés pour

montre l’inexistence de la limite.
Exemples 3.4.2.
À Comme lim 1−cos 1

et t = x2 + y2 −−−−−−→ 0, alors :
t
p
t2
= 2
t→0 (x,y)→(0,0)
p
1 − cos x2 + y2 1
lim = (3.7)
(x,y)→(0,0) x2 + y2 2
Á Comme lim+ t ln(t) = 0 et t = x2 + y2 −−−−−−→ 0+ , alors :

t→0 (x,y)→(0,0)
lim (x2 + y2 ) ln x2 + y2 = 0 (3.8)

(x,y)→(0,0)

2 2 1
Â lim (x + y ) cos xy
= 0, car par le théorème d’encadrement on a d’une part :
(x,y)→(0,0)
pour tout (x, y) ∈ {(x, y) ∈ R2 /xy 6= 0}
1 1

2 2 2 2
−1 ≤ cos ≤ 1 ⇒ (−x − y ) ≤ (x + y ) cos ≤ (x2 + y2 )
xy xy
et d’autre part :
lim (x2 + y2 ) = lim (−x2 − y2 ) = 0.

(x,y)→(0,0) (x,y)→(0,0)
Ã La fonction f(x, y) = xy
x2 +y2
n’a pas de limite quand (x, y) tend vers (0, 0) car si on
considère les deux chemin suivant :
ϕ1 : t 7→ (t, t) et ϕ2 : t 7→ (t, −t)
on a :
t2 1
lim f (ϕ1 (t)) = lim =
t→0 t→0 2t2 2
−t2 −1
lim f (ϕ2 (t)) = lim 2 =
t→0 t→0 2t 2
d’où :
lim f (ϕ1 (t)) 6= lim f (ϕ2 (t))

t→0 t→0
15
Ä La limite de f(x, y) = quand (x, y) tend vers (0, 0) n’existe pas car si on
xy
x2 +y2
considère les deux suites (0, n1 ) n>0 et ( n1 , n1 ) n>0 on a :

1 1 1

lim 0, = (0, 0) = lim ,
n→+∞ n n→+∞ n n
1

lim f 0, = lim 0 = 0
n→+∞ n n→+∞
1
1 1 1

2
lim f , = lim n2 = .
n→+∞ n n n→+∞ 2
n
2
d’où :
1 1 1

lim f 0, 6= lim f ,
n→+∞ n n→+∞ n n
Calcul Limite pour les fonctions à deux variables
Soient (x0 , y0 ) ∈ R2 et f une fonction définie au moins sur une boule de R2 contenant
(x0 , y0 ), on vous propose dans cette section une certaine démarche à suivre pour calculer
la limite :
lim f(x, y).
(x,y)→(x0 ,y0 )
• Comme premier geste, on remplace (x, y) par (x0 , y0 ) dans l’expression de f.
Exemples 3.4.3.
À lim (x3 − 2x2 y + xy − 1) = 13 − 2.12 .2 + 1.2 − 1 = −2;

(x,y)→(1,2)
y2 02
Á lim = = 0;
(x,y)→(+∞,0) x +∞
x3 + x2
Â lim = +∞;
(x,y)→(+∞,0) y2 − y2 + 1
ln(1 + xy) 0
Ã lim = = F.I.
(x,y)→(0,0) xy 0
• Dans le cas où les opérations algébriques aboutissent à une forme indéterminée :

∞ 0 ∞
+∞ − ∞, , , 1 ,···
∞ 0
on ne sait plus si la limite existe ou non. Pour les fonctions à une variable, quand
un point x tend vers un point x0 , il existe deux manières et directions possibles,
à gauche x→x
lim f(x) ou à droite x→x
lim f(x), et on sait que si ces deux limites sont
0 0
< >
distinctes alors la limite n’existe pas.
à gauche à droite
•O • •
x < x0 x0 x > x0
•
La droite R
16
Pour les fonctions à plusieurs variables et en particulier pour les fonctions à deux
variables, il existe une infinité de directions et de manières d’approcher un point
comme c’est illustré dans la figure ci dessous :
y •
y0 •
x0 x
•
F 3.13 – Illustration graphique des directions et chemins pour approcher un point dans
R2
Dans ce cas, on peut procéder de la manière suivante :
– On fait un changement de variables
(s = x − x0 , t = y − y0 )
lim f(x, y) = lim F(s, t)
(x,y)→(x0 ,y0 ) (t,s)→(0,0)
avec F(s, t) = f(s + x0 , t + y0 ).
– On vérifie si l’égalité suivante est vraie :

lim lim F(s, t) =? lim lim F(s, t) . (3.9)
t→0 s→0 s→0 t→0
i) Si l’égalité (3.9) n’est pas vérifiée on arrête et on dit que :
lim F(s, t) = @ ⇒ lim f(x, y) = @.

(s,t)→(0,0) (x,y)→(x0 ,y0 )
ii) Si l’égalité (3.9) est vérifiée alors tous ce qu’on peut dire est que cette
limite commune qu’on notera L est une limite éventuelle.

L = lim lim F(s, t) = lim lim F(s, t) .
t→0 s→0 s→0 t→0
– Pour montrer l’existence de la limite on doit trouver une majoration de la

forme :
0 ≤ |F(s, t) − L| ≤ ϕ(s, t)
avec lim ϕ(s, t) = 0
(s,t)→(0,0)
– Sinon il faut voir avec l’un des chemins suivants pour montrer l’inexistence
17
de la limite.



lim F(s, t) 6= L 

(s,t)→(0,0) 



t=s




lim F(s, t) 6= L 

(s,t)→(0,0) 
t=λs
⇒ lim F(s, t) = @.

lim F(s, t) = depend de λ 
(s,t)→(0,0)


(s,t)→(0,0) 



t=λs




lim F(s, t) 6= L 

(s,t)→(0,0) 
t=sα
– On peut avec les coordonnées polaires confirmer l’existence ou l’inexis-

tence de la limite, en procédant comme suit :
(s = r cos θ, t = r sin θ)
lim |F(s, t) − L| = lim |F(r cos θ, r sin θ) − L| .
(s,t)→(0,0) r→0
θ∈R
r→0
i) Si |F(r cos θ, r sin θ) − L| ≤ Mϕ(r) −−→ 0 avec M > 0 et ϕ une fonc-
tion définie et bornée sur R alors lim |F(r cos θ, r sin θ) − L| = 0 et par
r→0
θ∈R
conséquent : lim F(s, t) = L
(s,t)→(0,0)
ii) Si lim |F(r cos θ, r sin θ) − L| dépend de θ alors lim F(s, t) = @
r→0 (s,t)→(0,0)
θ∈R
Voici quelques exemples illustrant ce qui a été dit ci dessus :
Exemples 3.4.4.
À lim x−y
x+y
n’existe pas car
(x,y)→(0,0)

x−y x x−y −y
lim lim = lim = 1 6= lim lim = lim = −1.
x→0 y→0 x + y x→0 x y→0 x→0 x + y y→0 y
2
Á lim ( x2x+yy 2 ) = 0, en effet on d’une part :
(x,y)→(0,0)
x2 y x2 y

lim lim 2 = lim lim 2
x→0 y→0 x + y2 y→0 x→0 x + y2
d’autre part comme
2|xy| ≤ x2 + y2 ∀(x, y) ∈ R2
alors
2
xy 1

0 ≤ 2 ≤ |x| ∀(x, y) ∈ R2
x + y2 2
18
d’où
1 x2 y

lim |x| = 0 ⇒ lim ( )=0
(x,y)→(0,0) 2 (x,y)→(0,0) x2 + y2
sin(xy)
Â La fonction f(x, y) = x2 +y2
n’admet pas de limite car :
sin(xy) sin(xy)

lim lim 2 = lim lim 2 =0
x→0 y→0 x + y2 y→0 x→0 x + y2
par contre :
sin(xy) sin(λx2 ) λ
lim = lim =
2
(x,y)→(0,0) x + y 2 (x,y)→(0,0) (1 + λ )x
2 2 (1 + λ2 )
y=λx y=λx
x2 y
Ã La fonction x4 +y2
n’admet pas de limite en (0, 0) car :
x2 y 0
lim = = F.I
4
(x,y)→(0,0) x + y 2 0
2
x2 y

xy
L ≡ lim lim 4 = 0 = lim lim 4
x→0 y→0 x + y2 y→0 x→0 x + y2
x2 y λx3 λx
lim 4 2
= lim 2 2 2
= lim =0=L
(x,y)→(0,0) x + y (x,y)→(0,0) (x + λ )x (x,y)→(0,0) x + λ2
2
y=λx y=λx y=λx
par contre :
x2 y x2 x2 1
lim = lim = 6= L.
4
(x,y)→(0,0) x + y 2 4
(x,y)→(0,0) x + x 4 2
y=x2 y=x2
xy2
Ä La fonction x2 +y4
n’admet pas de limite en (0, 0) car :
xy2 0
lim = = F.I
(x,y)→(0,0) x2 + y4 0
xy2 xy2

L ≡ lim lim 2 = 0 = lim lim 2
x→0 y→0 x + y4 y→0 x→0 x + y4
xy2 λ2 x3 λ2 x
lim = lim = =0
(x,y)→(0,0) x2 + y4 (x,y)→(0,0) (1 + λ4 x2 )x2 1 + λ4 x2
y=λx y=λx
2
yx y2 y2 1
lim = lim = 6= L
2
(x,y)→(0,0) x + y4 4
(x,y)→(0,0) y + y 4 2
x=y2 x=y2
x3
Å Pour calculer : lim x2 +y2
, on pose : ce qui donne :
(x,y)→(0,0)
x = r cos θ et y = r sin θ
19
ce qui nous ramène au calcul de la limite :
r3 cos3 θ r3 cos3 θ
lim = lim
r→0 r2 (cos2 θ + sin2 θ) r→0 r2
∀θ∈R ∀θ∈R
= lim r cos θ = 0 car | cos3 θ| ≤ 1

3
r→0
∀θ∈R
Æ Pour calculer : lim xy

x2 +y2
, on pose :
(x,y)→(0,0)
x = r cos θ et y = r sin θ
ce qui nous ramène au calcul de la limite :
r2 cos θ sin θ r2 cos θ sin θ

lim = lim = cos θ sin θ.
r→0 r2 (cos2 θ + sin2 θ) r→0 r2
∀θ∈R ∀θ∈R
d’où la limite n’existe pas car elle dépend de θ.
Attention !
Faite attention dans l’utilisation des coordonnées polaires, si on abouti à une limite
comme :
lim f(r cos θ, r sin θ) = lim h(r).ϕ(θ).
r→0 r→0
∀θ∈R ∀θ∈R
avec h(r) −−→ 0 et ϕ(θ) une fonction non bornée. on ne peut pas écrire :
r→0
lim f(r cos θ, r sin θ) = 0.

r→0
∀θ∈R
y2
Exemple 3.4.1. La fonction f(x, y) = x
n’admet pas de limite car :
y2 x y2
lim = lim = 1 6= lim =0
√ 0,0) x
(x,y)→( √ 0,0) x
(x,y)→( (x,y)→(0,0) x
y= x y= x y=0
et si on utilise les coordonnées polaires :
y2 sin2 θ

lim = lim r 6= 0
r→0 x r→0 cos θ
∀θ∈R ∀θ∈R
sin2 θ
car la fonction cos θ
n’est pas bornée
2
sin θ
−−→ ∞.
cos θ −

θ→ π2
20
3.4.2 Limite d’une fonction vectorielle

Soit f une fonction de Rn vers Rm et f1 , f2 , · · · , fm les fonctions coordonnées de
f. On suppose que L = (l1 , · · · , lm ) ∈ Rm , alors on a l’équivalence suivante :

lim f(X) = L ⇔ ∀k = 1, · · · , m lim fk (X) = lk . (3.10)
X→X0 X→X0
Exemple 3.4.2.
sin(x2 + y2 )

2 3
lim 2x − 3xy + 5xy + 1, = (1, 1) car
(x,y)→(0,0) x2 + y2
lim 2x2 − 3xy + 5xy3 + 1 = 1 et
(x,y)→(0,0)
sin(x2 + y2 )
lim =1
(x,y)→(0,0) x2 + y2
3.4.3 Continuité en un point X0 ∈ Rn et continuité sur un ouvert

U ⊂ Rn
Définition 3.4.2
Soient U un ouvert de Rn et f : U → R :
1. On dit que f est continue en X0 ∈ U si : lim f(X) = f(X0 ).

X→X0
2. On dit f est continue sur U si elle est continue en tout point de U
Exemples 3.4.5.
À La fonction polynomiale à deux variables
f(x, y) = x4 + 5x3 y2 + 6x2 y4 − 7y + 6.
est continue en tout point (a, b) de R2 et par conséquent sur R2 .
Á Les fonctions projections :
P1 : (x, y) 7→ x et P2 : (x, y) 7→ y.
Sont des fonctions continues en tout point (a, b) de R2 et par conséquent sur R2 .
Propriétés 2.
Propriétés algébriques Soient f, g deux fonctions définies et continues sur une partie
U de R2 , alors :
21
¶ Les fonctions λf (où λ ∈ R) f + g et f.g sont continues sur U.

1 f
· Si g ne s’annule pas sur U alors les fonctions et sont continues sur U.
g g
Composition de fonctions Soient f et g deux fonctions définies respectivement sur
U ⊂ R2 et V ⊂ R2 vérifiant f(U) ⊂ V alors la fonction g ◦ f est une fonction
continue sur U.
Fonction bornée Soit f une fonction définie et continue sur le fermé borné U ⊂ R2 ,
alors f est bornée et atteint ses bornes. En d’autre termes : ∃u ∈ U, ∃v ∈ U tels
que f(u) = inf {f(x), x ∈ U} et f(u) = sup{f(x), x ∈ U}
Exemples 3.4.6.
2x+y2 +xy+x2
À La fonction f(x, y) = 1+x2 +y2
est le quotient de deux fonctions polynomiales
continues avec 1 + x2 + y 6= 0 sur R2 alors f est continue sur R2 .
2
Á La fonction f(x, y) = ln(1 + x2 + y2 ) est la composée de deux fonctions continues :

t 7→ ln(t) continue sur ]0, +∞[ et (x, y) 7→ 1 + x2 + y2 qui est continue sur R2 avec
1 + x2 + y 2 > 0
3.5 Dérivées partielles et différentiabilité

L’année passée nous avons étudié les fonctions à une variable et nous avons dit que
la dérivée d’une fonction f en un point a de son domaine de définition représentait le
taux d’accroissement de cette dernière :
δf
f 0 (a) = lim , δx = x − a δf = f(x) − f(a).
δx→0 δx
Pour les fonctions à plusieurs variables, plusieurs variables interviennent dans son
accroissement donc on peut l’étudier suivant :
• Un accroissement par rapport à chaque variable séparément, ce qui permettra de

définir les Dérivées partielles ;
• Un accroissement par rapport à toutes les variables simultanément permettra de

définir ce qu’on entend par Différentielle.
3.5.1 Dérivées partielles d’ordre un

Soient f une fonction définie sur un domaine D ⊂ Rn et a = (a1 , · · · , an ) ∈ D.
En fixant à chaque fois toutes les variables sauf x1 , ainsi de suite jusqu’à xn , nous
22
introduisant, par cela n− fonctions à une variable dite fonction partielles associées
à f et notées respectivement
F1 : t 7→ F1 (t) = f(t, a2 , · · · , an )
et
Fk : t 7→ Fk (t) = f(a1 , · · · , ak−1 , t, ak+1 , · · · , an ).
Définition 3.5.1
On dit que f admet une dérivée partielle par rapport à xk en a = (a1 , · · · , an ) et

∂f
on note ∂xk
(a1 , · · · , an ) si :
∂f f(a1 , · · · , ak−1 , ak + h, ak+1 , · · · , an ) − f(a1 , · · · , an )

(a) ≡ lim
∂xk h→0 h
exist et elle est finie.
On note aussi parfois ∂xk f ou fxk

En particulier pour une fonction f définie sur un domaine D de R2 et (x0 , y0 ) ∈ D
on a :
∂f f(x, y0 ) − f(x0 , y0 )
(x0 , y0 ) = lim ;
∂x x→x0 x − x0
∂f f(x0 , y) − f(x0 , y0 )
(x0 , y0 ) = lim
∂y y→y0 y − y0
Si une fonction f admet des dérivées partielles d’ordre un en a alors on dit que
f est dérivable en a.
Exemples 3.5.1.
À La fonction f(x, y) = 4 − x2 − 2y2 admet des dérivées partielles d’ordre un en

chaque point (a, b) ∈ R2 car :
∂f f(a + h, b) − f(a, b)
(a, b) ≡ lim
∂x h→0 h
(4 − (a + h)2 − 2b2 ) − (4 − a2 − 2b2 )
= lim
h→0 h
2 2
−(a + h) + a
= lim = −2a
h→0 h
∂f f(a, b + k) − f(a, b)
(a, b) ≡ lim
∂y k→0 k
(4 − a − 2(b + k)2 ) − (4 − a2 − 2b2 )
2
= lim
h→0 h
2 2
−2(b + k) + 2b
= lim = −4b
h→0 h
23
d’où f admet des dérivées partielle d’ordre 1 en chaque point R2 :
∂f ∂f
(x, y) = −2x et (x, y) = −4y
∂x ∂y
Á La fonction f définie par :




 xy
(x, y) 6= (0, 0),
x2 +y2
f(x, y) =


0 (x, y) = (0, 0).
admet des dérivées partielles d’ordre un en (0, 0) et on a :
∂f f(0 + h, 0) − f(0, 0) 0
(0, 0) ≡ lim = lim = 0;
∂x h→0 h h→0 h
∂f f(0, 0 + k) − f(0, 0) 0
(0, 0) ≡ lim = lim = 0.
∂y k→0 k k→0 k
Â La fonction f définie par :




 2x
(x, y) 6= (0, 0),
x2 +y2
f(x, y) =


0 (x, y) = (0, 0).
n’admet pas de dérivée partielle d’ordre un par rapport à x en (0, 0) car :
2h
f(0 + h, 0) − f(0, 0) 2 2
lim = lim h = lim 2 = +∞
h→0 h h→0 h h→0 h
Par contre elle admet une drivée partielle d’ordre un par rapport à y en (0, 0) et
on a :
0
∂f f(0, 0 + k) − f(0, 0) k2
(0, 0) ≡ lim = lim = 0.
∂y k→0 k h→0 k
Attention
Une fonction qui admet des dérivées partielles d’ordre un n’est pas forcément une
fonction continue,il suffit de considéré l’exemple :



 2xy 2 (x, y) 6= (0, 0),
f(x, y) = x +y


0 (x, y) = (0, 0).
qui n’est pas continue en (0, 0) mais qui admet des dérivées partielles en (0, 0).
24
Interprétation géométriques des dérivées partielles
Afin de donner une interprétation géométrique des dérivées partielles nous considé-
rons le graphe d’une fonction f à deux variables (x, y) qui est représenté graphiquement
par une surface S ⊂ R3 . Pour (a, b) un point fixe du domaine de définition de f on
a P(a, b, c = f(a, b)) ∈ S est un point du graphe. Fixant tout d’abord x = a, la courbe
C1 : z = f(a, y) représente l’intersection du plan x = a avec le graphe de f,la droite
tangente à C1 en P est donnée par :
T1 : y = ∂x f(a, b)(x − a) + c
De même si on fixe y = b la courbe C2 : z = f(x, b) représente l’intersection du plan

y = b avec le graphe de f la droite tangente à C2 en P est donnée par :
T2 : y = ∂y f(a, b)(y − b) + c
le plan y = b
C1 : z = f(x, b)
T2
T1
z = f(x, y)
P(a, b, c)
•
C2 : z = f(a, y)
b
y
a (a, b, 0)
D
Calcul des dérivées partielles
Somme et Produit : supposons que f et g sont des fonctions à valeurs dans R définies
sur le même ouvert D de Rn , et qu’au point a ∈ D les dérivées partielles ∂f
∂xk
(a) et
∂g
∂xk
(a) existent pour tout k = 1, · · · , n. Alors :
∂(f + g) ∂f ∂g
• (a) = (a) + (a).
∂xk ∂xk ∂xk
   
∂(f.g) ∂f ∂g
• (a) =  (a) g(a) +  (a) f(a).
∂xk ∂xk ∂xk
25
En pratique
Une dérivée partielle se calcule au moyen des techniques de calcul de la
dérivée d’une fonction à une variable réelle ; pour cela il suffit de considérer
que l’une des variables est constante.
Exemples 3.5.2.
À Les dérivées partielles de la fonction f(x, y) = 3x2 + xy − 2y2 sont :

∂f ∂f
(x, y) = 6x + y, (x, y) = x − 4y.
∂x ∂y
Á Les dérivées partielles de la fonction f(x, y) = xy

x2 +y2 +1
sont :
∂f y + y3 − x2 y ∂f x + x3 − y2 x
(x, y) = , (x, y) = .
∂x (1 + x2 + y2 )2 ∂y (1 + x2 + y2 )2
Â Les dérivées partielles de la fonction f(x, y) = 5x ln(1 + 7y) sont : pour chaque
(x, y) ∈ {(x, y) ∈ R2 \ 1 + 7y > 0}
∂f ∂f 35x
(x, y) = 5 ln(1 + 7y), (x, y) = .
∂x ∂y 1 + 7y



 ∂f (x, y) = 2xy − y3 e−xy3 .
2 2 −xy3
Ã Pour chaque (x, y) ∈ R on a , f(x, y) = x y+e ⇒ ∂x


 ∂f (x, y) = x2 − 3xy2 e−xy3
∂y
Ä Pour chaque (x, y) ∈ {(x, y) ∈ R2 /x + y 6= 0} on a , f(x, y) = x−y

⇒
 x+y


 ∂f (x, y) = 2y 2
∂x (x+y)


 ∂f (x, y) = −2x 2
∂y (x+y)
Å Les dérivées partielles de la fonction f définie par :




 2xy 2 si (x, y) 6= (0, 0)
f(x, y) = x +y


0 si (x, y) = (0, 0).
sont données par :





 ∂f y3 −x2 y
si (x, y) 6= (0, 0)

 (x, y) = (x2 +y2 )2


∂x



 ∂y
∂f
(x, y) = x3 −y2 x
si (x, y) 6= (0, 0)
(x2 +y2 )2




∂f
(0, 0) = lim f(x,0x−
)−f(0,0)
=0

 ∂x 0 0


x→
 ∂f


 ∂y (0, 0) = lim
f(0,y)−f(0,0)
=0
y→0 y−0
26
Le vecteurs gradient d’une fonction à plusieurs variables : Soit f : D ⊂ Rn →

R une fonction dont toutes les dérivées partielles en un point a = (a1 , · · · , an )
−−−→
existent. le vecteur gradient de la fonction f noté ∇f(a) ou grada f est défini
par :
 
∂f
 ∂x1
(a) 
 .. 
 . 
∇f(a) =  .
 
..
.
 
 
 
∂f
∂xn
(a)
Exemple 3.5.1. Le gradient de la fonction f(x, y) = 4 − x2 − 2y2 est la fonction

vectorielle :  
−2x
∇f(x, y) =  
−4y
Matrice jacobienne d’un fonction vectorielle à plusieurs variables : Dans le cas d’une
fonction vectorielle f D ⊂ Rn → Rm dont les fonctions composante fk : Rn → R.
La matrice jacobienne de f est une matrice m−lignes et n−colonnes dont les
lignes sont les vecteurs gradient des fonctions fk sont dérivables en X ∈ D :
   
∂f1 ∂f1 ∂f1
 ∇f1 (X)   ∂x1 ∂x2
··· ∂xn 
   
 ∇f (X)   ∂f2 ∂f2
··· ∂f2 
 2   ∂x1 ∂x2 ∂xn 
J f(X) =  =
.
..   .. .. .. .. 

  . . . . 


   
∂fm ∂fm ∂fm
∇fm (X) ∂x1 ∂x2
··· ∂xn

∂fi
= (X)
∂xj i=1,··· ,m
j=1,··· ,n
Exemple 3.5.2. La matrice Jacobienne de la fonction f : (r, θ) ∈ R2 7→ (r cos θ, r sin θ)

est :  
cos θ −r sin θ
J f(r, θ) =  
sin θ r cos θ.
Règles de dérivation en chaines :
1ier cas : Soit f une fonction scalaire définie et admet des dérivées partielles
d’ordre un sur Rn et g la fonction composée définie par :
g : R −→ Rn −→ R
t 7→ (x1 (t), · · · , xn (t)) 7→ f(x1 (t), · · · , xn (t))
27
alors g est dérivable et on a :
X
n
∂f
0
g (t) = x0k (t) (x1 (t), · · · , xn (t))
k=1
∂xk
dx1 ∂f dxn ∂f
= (t) + ··· + (t)
dt ∂x1 dt ∂xn
En particulier pour n = 2 :
∂f ∂f
g 0 (t) = x 0 (t) (x(t), y(t)) + y 0 (t) (x(t), y(t)).
∂x ∂y
Exemples 3.5.3.
√
À La fonction f(x, y) = 2x + 3y avec x(t) = 1 + t et y(t) = 2 + 31 t alors la
fonction g(t) = f(x(t), y(t)) est dérivable et on a :
∂f ∂f
g 0 (t) = x 0 (t) (x(t), y(t)) + y 0 (t) (x(t), y(t))
∂x ∂y
!
1 1

= .2 + .3
2 (1 + t) 3
p
1
=1+ √
1+t
Á Le consommateur dont la fonction d’utilité est donnée par U(x, y) est

soumis à la contrainte budgétaire Px + Qy = R où P > 0 et Q > 0 sont
les prix unitaires des biens X et Y respectivement et R > 0 le budget
dévolu à ces achats avec cette contrainte
la fonction d’utilité devient une

fonction à une variable V(x) = U x, Q R−Px
∂U −P ∂U
V 0 (x) = +
∂x Q ∂y
2ième cas : Soit f une fonction scalaire et xk = xk (u1 , · · · , un ) des fonctions de Rn

dans R qui admettent des dérivées partielles d’ordre un, alors :
g(u1 , · · · , un ) = f(x1 (u1 , · · · , un ), · · · , xn (u1 , · · · , un ))
admet des dérivées partielles d’ordre un et on a :
∂g X ∂xi ∂f
n
=
∂uk i=1
∂uk ∂xi
en particulier pour n = 2, g(u, v) = f(x(u, v), y(u, v))
∂g ∂x ∂f ∂y ∂f
= +
∂u ∂u ∂x ∂u ∂y
∂g ∂x ∂f ∂y ∂f
= + .
∂v ∂v ∂x ∂v ∂y
28
Exemples 3.5.4.
À
g :R2 −→ R2 −→ R
(r, θ) 7→ (r cos θ, r sin θ) 7→ f(r cos θ, r sin θ)
avec f une fonction qui admet des dérivées partielles :

∂g ∂x ∂f ∂y ∂f ∂f ∂f
= + = cos θ + sin θ
∂r ∂r ∂x ∂r ∂y ∂x ∂y
∂g ∂x ∂f ∂y ∂f ∂f ∂f
= + = −r sin θ + r cos θ
∂θ ∂θ ∂x ∂θ ∂y ∂x ∂y
Fonctions de classe C1
Soit f une fonction scalaire définie sur une partie D de Rn et a ∈ D.
1. On dit que f est de classe C1 au voisinage de a si toutes les dérivées partielles

d’ordre un existent et sont continues en a.
2. On dit que f est de classe C1 sur D si toutes les dérivées partielles d’ordre un
existent et sont continues sur D.
Exemples 3.5.5.
1. La fonction f(x, y) = x2 + y2 − 2xy2 + y3 est de classe C1 sur R2 car :

∂f ∂f
(x, y) = 2x − 2y2 , (x, y) = 2y − 2xy + 3y2
∂x ∂y
sont définies et continues sur R2
2. La fonction f définie par :




 xy
si (x, y) 6= (0, 0)
x2 +y2


0 si (x, y) = (0, 0)
n’est pas de classe C1 au voisinage de (0, 0) car ces dérivées partielles ne sont pas
continues en (0, 0) :



∂f 2
 2 2
y3 −x2 y
si (x, y) 6= (0, 0)
(x, y) = (x +y )
∂x 

0 si (x, y) = (0, 0)



∂f  x32−y22x2 si (x, y) 6= (0, 0)
(x, y) = (x +y )
∂y 

0 si (x, y) = (0, 0)
29
3.5.2 Dérivées partielles d’ordre supérieur

Soit f : D ⊂ R2 → R une fonction à deux variables dont les dérivées partielles
∂f
∂x
∂f
, ∂y existent et admettent à leurs tour des dérivées partielles :
∂2 f ∂2 f

∂ ∂f ∂ ∂f
= , =
∂x2 ∂x ∂x ∂y∂x ∂y ∂x
∂2 f 2

∂ ∂f ∂f ∂ ∂f
= , = .
∂x∂y ∂x ∂y ∂y2 ∂y ∂y
Ces dérivées partielles sont appelées les dérivées partielles d’ordre 2 de f, ce qui nous
permet de définir la matrice (2 × 2) dite matrice Hessienne, notée Hf et définie par :
 
∂2 f ∂2 f
∂x2
(X0 ) ∂y∂x
(X0 )
Hf (X0 ) =   .
∂2 f ∂2 f
∂x∂y
(X0 ) ∂y2
(X0 )
Exemple 3.5.3.
À les dérivées partielles du second ordre de la fonction f(x, y) = x2 y + y3 sont :
∂2 f ∂2 f ∂2 f ∂2 f
(x, y) = 2y, (x, y) = 2x, (x, y) = 2x, (x, y) = 6y.
∂x2 ∂x∂y ∂y∂x ∂y2
et par suite la matrice hessienne de f :

 
2y 2x
Hf (x, y) =  
2x 6y
Á les dérivées partielles du second ordre de la fonction f(x, y) = ln(x2 + y) sont :
∂2 f 2(y − x2 ) ∂2 f −2x
2
(x, y) = 2 2
, (x, y) = 2
∂x (x + y) ∂x∂y (x + y)2
∂2 f −2x ∂2 f −1
(x, y) = 2 2
, 2
(x, y) = 2 .
∂y∂x (x + y) ∂y (x + y)2
et par suite la matrice hessienne de f :

 
2(y−x2 ) −2x
 (x2 +y)2 (x2 +y)2 
Hf (x, y) =  
−2x −1
(x2 +y)2 (x2 +y)2
De manière générale, si f est une fonction définie sur une partie de Rn et α = (α1 , · · · , αn ) ∈ Nn
désigne un vecteur d’entiers naturels alors on définie la dérivée partielle d’ordre k de la
fonction f par :
∂k f
Dk f(X0 ) = , avec k = α1 + · · · + αn .
∂xα1 1 ∂xα2 2 · · · ∂xαnn
30
Exemple 3.5.4.
les dérivées partielles d’ordre 3 de la fonction f(x, y) = x2 y + y3 sont :
∂3 f ∂3 f
(x, y) = 0 , (x, y) = 2
∂x3 ∂y∂x2
∂3 f ∂3 f
(x, y) = 2, (x, y) = 0
∂x∂y∂x ∂y2 ∂x
∂3 f ∂3 f
(x, y) = 2 , (x, y) = 0
∂x2 ∂y ∂y∂x∂y
∂3 f ∂3 f
(x, y) = 0, (x, y) = 6.
∂x∂y2 ∂y3
Proposition 3.2
Soient f une fonction définie sur un ouvert U de R2 et X0 = (x0 , y0 ) ∈ U.
¶ Si les dérivées partielles d’ordre 2 de f existent au voisinage de X0 et sont

continues en X0 alors :
∂2 f ∂2 f
(X0 ) = (X0 ).
∂y∂x ∂x∂y
· La fonction f est de classe C 2 (U) si :
∂2 f ∂2 f
(x, y) = (x, y). ∀(x, y) ∈ U.
∂y∂x ∂x∂y
Remarque 2.
• Par définition une fonction f est de classe Cn (U) si et seulement si toutes les
dérivées partielles d’ordre n de la fonction f existent et sont continues sur U.
• Il résulte de la proposition ci dessus que la fonction f est de classe Cn (U) si :

∂n f ∂n f
(x, y) = (x, y), ∀k = 1, .., (n − 1) et ∀(x, y) ∈ U
∂xk ∂yn−k ∂yn−k ∂xk
Exemples 3.5.6.
À La fonction définie par :
f : R2 −→ R



xy x22 −y22 si (x, y) 6= (0, 0),
(x, u) 7−→ x +y


0 si (x, y) = (0, 0).
vérifie :
∂2 f ∂2 f
(0, 0) = 1 6= −1 = (0, 0)
∂x∂y ∂y∂x
On en déduit que la fonction f n’est pas de classe C 2 (R2 ).
31
3.5.3 Différentiabilité et différentielle total

La dérivée d’une fonction f à une variable permettait de donner une approximation
linéaire de la fonction f au voisinage d’un point a :
f(x) ≈ f(a) + f 0 (a)(x − a).
Nous généralisons cette notion d’approximation linéaire à une fonction f de plusieurs

variables en introduisant la notion de différentiabilité qui non seulement étudie l’ac-
croissement par rapport à toutes les variables simultanément mais qui permet aussi de
donné une « approximation »linéaire exprimée par une certaine application linéaire
La : Rn → R
telle que :
f(X) ≈ f(a) + La (X − a).

Définition 3.5.2
Soit f : D ⊂ Rn → R et a = (a1 , · · · , an ) ∈ D. La fonction f est dite différentiable

en a s’il existe une application linéaire noté La telle que :
La : Rn → R
(h1 , · · · , hn ) 7→ La (h1 , · · · , hn )
et vérifiant :
|f(X) − f(a) − La (X − a)|
lim =0
X→a kX − akRn
Exemple 3.5.5.
À La fonction f définie par

f(x, y) = x2 + y2
est différentiable en chaque point (a, b) de R2 . En effet :
f(a + h, b + k) − f(a, b) = (a + h)2 + (b + k)2 − a2 − b2

= 2ah + 2kb + h2 + k2
d’où si on considère l’application linéaire L(a,b) (h, k) = 2ah + 2bk on aura :
|f(a + h, b + k) − f(a, b) − L(a,b) (h, k)| h 2 + k2

lim √ = lim √ =0
(h,k)→(0,0) h 2 + k2 (h,k)→(0,0) h 2 + k2
d’où f est différentiable en (a, b) et sa différentielle est donnée par :
L(a,b) (h, k) = 2ah + 2bk ∀(a, b) ∈ R2
32
Á La fonction f définie par :
f(x, y) = x2 − xy + y2
est différentiable, car si on calcul sont accroissement
f(x + h, y + k) − f(x, y) = (x + h)2 − (x + h)(y + k) + (y + k)2 − (x2 − xy + y2 )

= 2xh + h2 − hk − xk − yh + 2yk + k2
= (2x − y)h + (2y − x)k + h2 − hk + k2
avec
p
h2 − hk + k2 = o h 2 + k2
car :
2
h − hk + k2 3 p

(h,k)→(0,0)
0 ≤ √ ≤ h2 + k2 −−−−−−→ 0
h 2 + k2 2
d’ou la différentielle de f en (x, y) est définie par :
D(x,y) f : R2 → R
(h, k) 7→ D(x,y) f(h, k) = (2x − y)h + (2y − x)k
Propriétés 3. Soient f : D ⊂ Rn → R et a ∈ D
¶ Si f est différentiable en a alors l’application linéaire définie dans la définition 3.5.2

est unique , elle est appelé Différentielles de f en a et est noté Da f ou dfa .
· Si f est différentiable en a alors elle est continue en a.
¸ Si f est une application linéaire de Rn , alors f est différentiable en a et on a :
dfa = f.
¹ Si f est de classe C 1 en a alors f est différentiable en a et on a :

Xn
∂f
dfa (h1 , · · · , hn ) = (a)hk .
k=1
∂x k
En pratique
Si f admet des dérivées partielles en a alors pour étudier la différentiabilité de f
en a, il suffit de montrer que :
Pn ∂f
f(A + H) − f(X) − k=1 ∂xk (a)hk
lim =0
H→ORn kHkRn
33
∂f ∂f
f(a + h, b + k) − f(a, b) − ∂x (a, b)h − (a, b)k
lim √ ∂x
= 0.
(h,k)→(0,0) h 2 + k2
Remarque 3. Pour répondre à la question « la fonction f : Rn → R est-elle différen-

tiable ? il est utile de se rappeler le schéma suivant :
∂f
∂xk existent
⇒
⇒
f est de classe C 1 f est différentiable
;
;
f est continue
3.6 Formule de Taylor pour les fonctions à deux va-

riables
34
Théorème 3.3
Soient f une fonction définie sur un ouvert D de R2 et de classe C2 sur D. Alors

pour tout X0 = (x0 , y0 ) ∈ D et tout H = (h, k) ∈ D tel que X0 + H ∈ D on a :
1
f(X0 + H) = f(X0 ) + dfX0 (H) + H.Hf (X0 ).HT + o(kHk)
2
1 ∂f

∂f
f(x, y) = f(x0 , y0 ) + (x0 , y0 ) (x − x0 ) + (x0 , y0 ) (y − y0 )
1! ∂x ∂y
1 ∂2 f ∂2 f

2
+ (x 0 , y0 )(x − x 0 ) + 2 (x0 , y0 )(x − x0 )(y − y0 )
2! ∂x2 ∂x∂y
∂2 f

+ 2 (x0 , y0 )(y − y0 ) + o k(x − x0 , y − y0 )k2 .
2

∂y
Si f est de classe Cn alors :
1 ∂f

∂f
f(x, y) = f(x0 , y0 ) + (x0 , y0 ) (x − x0 ) + (x0 , y0 ) (y − y0 )
1! ∂x ∂y
..
.
1 ∂n f

+ (x0 , y0 )(x − x0 )n
n! ∂xn
X1
k=n−
∂n f
+ Ckn k n−k (x0 , y0 )(x − x0 )k (y − y0 )n−k
k=1
∂x ∂y
∂n f

n
+ n (x0 , y0 )(y − y0 ) + o (k(x − x0 , y − y0 )kn ) .
∂y
Exemples 3.6.1.
À Le développement de Taylor à l’ordre 2 au voisinage de (1, 0) de la fonction

f(x, y) = x2 y + y2 est donné par :
f(x, y) = y + 2(x − 1)y + y2 + o(k(x − 1, y)k2 ).
Á Le développement de Taylor à l’ordre 3 au voisinage de (0, 0) de la fonction

f(x, y) = ex sin y est donné par :
1
f(x, y) = y + xy + x2 y − y3 + o(k(x, y)k3 ).
2
Â Le développement de Taylor à l’ordre 2 au voisinage de (−2, 1) de la fonction

f(x, y) = −x2 + 2xy + 3y2 − 6x − 2y − 4 est donné par :
f(x, y) = 1 − (x + 2)2 + 2(x + 2)(y − 1) + 3(y − 1)2 + o(k(x + 2, y − 1)k2 ).
35
3.7 Calcul d’extremum
3.7.1 Généralités
Parmi tous les sujets abordés dans ce cours, l’optimisation de fonctions, générale-
ment de plusieurs variables, est sans conteste celle qui apparaît le plus fréquemment
dans la modélisation économique (maximiser le bénéfice, la satisfaction des clients, la
productivité ou minimiser les coûts, le risque,...etc.).
Définition 3.7.1
Soit f une fonction de D ⊂ Rn dans R.
¶ On dit que f est bornée dans D s’il existe un nombre réel positif M, tel que
∀X ∈ D |f(X)| ≤ M.
· On dit que f admet un maximum ( resp.minimum) global ( ou absolu)en

X0 ∈ D si
∀X ∈ D : f(X) ≤ f(X0 ) (resp. f(X) ≥ f(X0 )).
¸ On dit que f admet un maximum ( resp. minimum) local ( ou relatif) en

X0 ∈ D s’il existe un réel r > 0 tel que
∀X ∈ D, kX − X0 k < r : f(X) ≤ f(X0 ) (resp. f(X) ≥ f(X0 )).
Exemples 3.7.1.
¶ La fonction f(x, y) = sin(x2 + y2 ) est bornée sur R2
∀(x, y) ∈ R2 , | sin(x2 + y2 )| ≤ 1.
· La fonction f(x, y) = x2 + y2 admet un minimum global en (0,0)
∀(x, y) ∈ R2 , x2 + y2 ≥ 0 = f(0, 0).
¸ tandis que la fonction f(x, y) = 1 − x2 − y2 admet un maximum global en (0,0)

p
p
∀(x, y) ∈ Df , 1 − x2 − y2 ≤ 1 = f(0, 0).
1
¹ La fonction f(x, y) = 2
− sin(x2 + y2 ) admet un maximum local en (0, 0), car pour
tout (x, y) ∈ R2 vérifiant : k(x, y) − (0, 0)k2 = x2 + y2 < π6 on a :
p p
1 1
− sin(x2 + y2 ) ≤ = f(0, 0).
2 2
36
q
7π
cet extremum n’est pas global car, il existe un point (x1 , y1 ) = (0, 6
) tel que :
r
7π 1
f(0, ) = 1 ≥ = f(0, 0).
6 2
3.7.2 Calcul d’extremum locals
Condition nécessaire d’ordre un
Définition 3.7.2
Soient f : D ⊂ Rn une fonction de classe C1 . On appelle point critique de f un

élément X0 ∈ D tel que :
∂f
(X0 ) = 0 ∀k = 1, · · · , n
∂xk
en d’autre termes :
∇f(X0 ) = 0Rn
Exemples 3.7.2.
À La fonction f(x, y) = x2 + y2 − 2x − 6y + 14 admet un seul point critique (1, 3), en

effet :
 
2x − 2
∇f(x, y) =  
2y − 6
d’où
 

 

2 x − 2 = 0 x = 1
 
0
∇f(x, y) = ⇒ ⇒
 
 
0 
2 y − 6 = 0 
y = 3
Á la fonction g(x, y) = x4 + y4 − 4xy + 1 admet trois points critiques : (0, 0), (1, 1) et
(−1, −1).
 
3
4x − 4y
∇g(x, y) =  
3
4y − 4x
37
d’où



4x3 − 4y = 0
 
0
∇g(x, y) =   ⇒


0 4y3 − 4x = 0
 

 

y = x 3 y = x 3
⇒ ⇒

 

x 9 − x = 0 x = 0 ou x = 1 ou x = −1
Proposition 3.4
Si f admet un extremum local en X0 alors X0 est un point critique de f
Exemple 3.7.1. La fonction f(x, y) = x3 + y3 + x + y − 2 n’admet pas d’extremums car

elle n’admet pas de points critiques.



3x2 + 1 = 0
 
0
∇f(x, y) = ⇒

 
0 
3y2 + 1 = 0
qui est un système sans solution.
Attention !
La condition donnée ci-dessus n’est pas suffisante, car les points critiques ne sont
pas forcément des extrema locaux mais juste des candidats.
Exemple 3.7.2. la fonction f(x, y) = x2 − y2 + 2 admet (0, 0) comme point cri-

tique,qui n’est ni un maximum local ni un minimum local :
 
2x
∇f =   = 0 ⇒ (x, y) = (0, 0)
2y
or
∀r > 0 f(0, r) = 2 − r2 < 2 = f(0, 0) < f(r, 0) = 2 + r2
38
Conditions suffisantes
Proposition 3.5
Soit f une fonction de classe C2 sur un ouvert D ⊂ R2 et X0 un point stationnaire

de f ; posons :
∂2 f ∂2 f ∂2 f
s= (X0 ), r = 2 (X0 ), t = (X0 ), ∆X0 = rt − s2 .
∂x∂y ∂x ∂y2
Alors
1. Si ∆X0 > 0 et r = ∂xx f(X0 ) < 0 alors f présente un maximum local en X0 ;
2. Si ∆X0 > 0 et r = ∂xx f(X0 ) > 0 alors f présente un minimum local en X0 ;
3. Si ∆X0 < 0 alors f ne présente ni un maximum local ni un minimum local en

X0 , on dit que f présente un point selle ou un point col en X0 ;
4. Si ∆X0 = 0 on ne peut rien dire, il faut se référer à la formule de Taylor.
Exemples 3.7.3.
À La fonction f(x, y) = x4 + y4 − 4xy + 1 admet 3 points critiques :(0, 0), (1, 1) et

(−1, −1) où f présent un minimum local en (1, 1) et en (−1, −1) et un point selle
en (0, 0).


r= ∂2 f
(x, y) = 12x2 


∂x2 
∂2 f 2
t = ∂y2 (x, y) = 12y 



∂2 f
s = ∂x∂y (x, y) = −4. 
d’où le tableau suivant :
XXX
XXX coefficients
XXX
r t s rt − s2 Conclusion
Point critique
XXX
XXX
(0, 0) 0 0 −4 −16 < 0 f(0, 0) n’est pas un extremum
(1, 1) 12 > 0 12 −4 128 > 0 f(1, 0) minimum local
(−1, −1) 12 > 0 12 −4 128 > 0 f(1, 0) minimum local
Á La fonction f(x, y) = (x − 1)2 + y2 admet un seul point critique (1, 0) où elle présent
39
un minimum local. 

r= ∂2 f
(x, y) = 2; 


∂x2 
2
t = ∂y2 (x, y) = 2; 
∂ f



s = ∂x∂y (x, y) = 0. 
∂2 f
d’où comme rt − s2 = 4 > 0 et r = 2 > 0 on en déduit que f(1, 0) est un minimum

local
Â La fonction f(x, y) = x3 +3xy2 −15x−12y admet 4 points critiques (−1, −2), (−2, −1), (1, 2)
et (2, 1) où f présent un minimum local en (2, 1) et un maximum local en (−2, −1).


= 6x; 
2
∂ f
r = ∂x 2 (x, y) 


∂2 f
t = ∂y2 (x, y) = 6x; 



s = ∂x∂y (x, y) = 6y. 
∂2 f
d’où le tableau suivant :

XXX
XXX coefficients
XXX
r t s rt − s2 Conclusion
Point critique
XXX
XXX
(−1, −2) −6 −6 −12 −108 < 0 f(−1, −2) est un point selle
(−2, −1) −12 < 0 −12 −6 108 > 0 f(−2, −1) maximum local
(1, 2) 6 6 12 −108 < 0 f(1, 2) est un point selle
(2, 1) 12 12 6 108 > 0 f(2, 1) est un minimum local
3.7.3 Recherche d’extrema globaux
Proposition 3.6
Soit f une fonction définie et continue sur le fermé borné D ⊂ R2 , alors f est
bornée et atteint ses bornes. En d’autre termes : ∃(x0 , y0 ) ∈ D, ∃(x1 , y1 ) ∈ D tels que
f(x0 , y0 ) = inf {f(x, y), (x, y) ∈ D} et f(x1 , y1 ) = sup{f(x, y), (x, y) ∈ D}
Les ensembles fermés bornés de R2 que nous rencontrerons tout au long de ce chapitre,
sont les ensembles de la forme :
D = {(x, y)/ a ≤ x ≤ b c ≤ y ≤ d}
ou
D = {(x, y)/ 0 ≤ g(x, y) ≤ M} avec g une fonction continue
40
ou
D = {(x, y)/ a ≤ x ≤ b g(x) ≤ y ≤ h(x)} avec g, h des fonctions continues.
Exemples 3.7.4.
À Les pavés ou rectangles :
D = {(x, y) ∈ R2 / 2 ≤ x ≤ 3 − 1 ≤ y ≤ 2}
dont le bord est :
∂D = Γ1 ∪ Γ2 ∪ Γ3 ∪ Γ4
avec
Γ1 = {(x, y) ∈ R2 / 2 ≤ x ≤ 3 y = −1}
Γ2 = {(x, y) ∈ R2 / 2 ≤ x ≤ 3 y = 2}
Γ3 = {(x, y) ∈ R2 / x = 2 − 1 ≤ y ≤ 2}
Γ4 = {(x, y) ∈ R2 / x = 3 − 1 ≤ y ≤ 2}
Γ2
Γ3 Γ4
Γ1
F 3.14 – Les rectangles sont des fermés bornés de R2
Á Les disques fermés par exemple
D = {(x, y) ∈ R2 / 0 ≤ x2 + (y − 1)2 ≤ 4};
dont le bord est :

∂D = {(x, y) ∈ R2 / x2 + (y − 1)2 = 4}.
41
∂D
F 3.15 – Les disques fermés sont des fermés bornés de R2
Â Les triangles par exemple :
D = {(x, y) ∈ R2 / 0 ≤ x ≤ 2, 0 ≤ y ≤ 2 − x}
dont le bord est
∂D = Γ1 ∪ Γ2 ∪ Γ3
avec
Γ1 = {(x, y) ∈ R2 / x = 0 0 ≤ y ≤ 2}
Γ2 = {(x, y) ∈ R2 / 0 ≤ x ≤ 2 y = 2 − x}
Γ3 = {(x, y) ∈ R2 / 0 ≤ x ≤ 2 y = 0}
∂D
Γ1 Γ2
Γ3 x
F 3.16 – Les triangles sont des fermés bornés de R2
Procédé pour déterminer les extrema globaux
Pour rechercher les extrema globaux d’une fonction f définie sur un domaine borné
D on procède comme suit :
42
1. Déterminer la valeur de f en chacun de ses points critiques ;
2. Déterminer la valeur de la fonction f en chaque point ou elle n’est pas dérivable ;
3. Déterminer les extrema de f sur le bord du domaine, ce qui nous ramène le plus
souvent à la recherche d’extrema d’une fonctions à une variable ;
4. Pour conclure la plus grande valeurs indique le maximum global et la plus petite
valeur indique le minimum global.
Exemple 3.7.3. Soit la fonction f définie par :
f(x, y) = x2 + y2 − xy + x + y sur D = {(x, y) ∈ R/x ≤ 0, y ≤ 0, x + y ≥ −3}
f admet un point critique en M0 (−1, −1) dont la valeur est f(−1, −1) = −1
• Sur la partie de frontière {x = 0} ∩ D le problème revient à optimiser une fonction

à une variable f0 (y) = y2 + y qui admet un minimum en m1 (0, −21 ) dont la valeur
est f(0, −21 ) = −1
4
et un maximum en M1 (0, −3)dont la valeur est f(0, −3) = 6.
• Sur la partie de frontière {y = 0} ∩ D le problème revient à optimiser une fonction

à une variable f1 (x) = x2 + x qui admet un minimum en m2 ( −21 , 0) dont la valeur
est f( −21 , 0) = −1
4
et un maximum en M2 (−3, 0) dont la valeur es f(−3, 0) = 6.
• Sur la partie de frontière {y + x = −3} ∩ D le problème revient à optimiser une

fonction à une variable f2 (x) = 3x2 + 9x + 6 qui admet un minimum en m2 ( −23 , −23 )
dont la valeur est f( −23 , −23 ) = −3
4
et un maximum en M3 (−3, 0) dont la valeur est
f(−3, 0) = f(0, 0) = 6.
Pour conclure
max f(x, y) = max(6, 6, 6, −1)

(x,y)∈D
= f(0, −3) = f(−3, 0) = f(0, 0)

−3 −1
min f(x, y) = min( , , −1)
(x,y)∈D 4 4
= −1 = f(−1, −1)
∂D
y
M2 m2
• •
x
• m1
M0 ×
•
m3
D • M31
x+y+3=0
43
Fonctions concave et convexe
Soit f une fonction de D ⊂ Rn dans R.

Définition 3.7.3
1. On dit que f est une fonction convexe sur D si :
∀X ∈ D, ∀Y ∈ D, ∀λ ∈ [0, 1]
f (λX + (1 − λ)Y) ≤ λf (X) + (1 − λ)f (Y) .
2. On dit que f est une fonction concave surD si :
∀X ∈ D, ∀Y ∈ D, ∀λ ∈ [0, 1]
f (λX + (1 − λ)Y) ≥ λf (X) + (1 − λ)f (Y) .
Exemples 3.7.5.
À la fonction f(x, y) = x2 + y2 est une fonction convexe :
200
100
10
0
−10 0
−5 0 5 y
10−10
x
F 3.17 – Graphe de la fonction f3 (x, y) = x2 + y2
Comme pour les fonctions d’une variable, la concavité et la convexité des fonctions de
deux variables suffisamment régulières peuvent être caractérisées à l’aide des dérivées
d’ordres un ou deux.
Proposition 3.7
Soit f une fonction de D ⊂ R2 dans R. On suppose que f ∈ C2 (D), alors :
1. La fonction f est concave sur D si et seulement si
∂2 f
∀(x, y) ∈ D, det (Hf (x, y)) ≥ 0 et (x, y) ≤ 0.
∂x2
44
2. La fonction f est convexe sur D si et seulement si

∂2 f
∀(x, y) ∈ D, det (Hf (x, y)) ≥ 0 et (x, y) ≥ 0.
∂x2
Exemples 3.7.6.
À La fonction f(x, y) = x2 + y2 est convexe car :

 
2 0
Hf (x, y) =  
0 2
d’où ∀(x, y) ∈ R2 det(Hf (x, y)) = 4 > 0 et ∂xx f(x, y) = 2 > 0
Á La fonction f(x, y) = x4 + y4 est convexe car :

 
2
12x 0
Hf (x, y) =  
2
0 12y
d’où ∀(x, y) ∈ R2 det(Hf (x, y)) = 144x2 y2 ≥ 0 et ∂xx f(x, y) = 12x2 ≥ 0
Â La fonction f(x, y) = x4 + y4 est convexe car :

 
2
12x 0
Hf (x, y) =  
0 12y2
d’où ∀(x, y) ∈ R2 det(Hf (x, y)) = 144x2 y2 ≥ 0 et ∂xx f(x, y) = 12x2 ≥ 0
Proposition 3.8
Soit f une fonction de classe C1 sur Rn
1. Si f est convexe sur Rn , et f admet un point critique X0 alors f(X0 ) est le

minimum global de f.
2. Si f est concave sur Rn , et f admet un point critique X0 alors f(X0 ) est le

maximum global de f.
Exemples 3.7.7.
À La fonction f(x, y) = x2 −xy+ 41 y4 + 21 y2 est une fonction convexe sur R2 qui atteint
son minimum global en son point critique (0, 0) et qui n’admet pas de maximum
car f(x, 0) = x2 −−−−→ +∞.
x→+∞
45
3.8 Théorème des fonctions implicites

Si b 6= 0, α ∈ R l’equation ax + by + c = α définie une fonction y = α−ax−c
b
. Nous
allons généralisé ce fait au cas d’une équation du type f(x, y) = α où f est une fonction
de classe C1 . Étant donnée un point (x0 , y0 ), vérifiant f(x0 , y0 ) = α, le théorème des
fonction implicite confirme -sous certaines conditions- l’existence d’un voisinage I ⊂ R
de x0 et d’une fonction ϕ définie sur I telle que f(x, ϕ(x)) = α en chaque point x ∈ I,
d’où l’énoncé :
Théorème 3.9
Soit f une fonction de classe C1 sur D et (x0 , y0 ) un point vérifiant : f(x0 , y0 ) = α et

tel que ∂f
∂y
(x0 , y0 ) 6= 0. Alors il existe deux intervalles I 3 x0 , J 3 y0 et une fonction
ϕ : I −→ J tels que :
f(x, ϕ(x)) = α ∀x ∈ I
De plus ϕ est dérivable et on a :
∂x f(x, ϕ(x))
ϕ0 (x) = − ∀x ∈ I
∂y f(x, ϕ(x))
Exemples 3.8.1.
1. Soit P la fonction de production. Une isoquante est une courbe de niveau α où

α est un réel fixé. Si on diminue un peu la quantité de x, de combien faudra-il
augmenter la quantité de y pour garder le même niveau de production α? D’après
l’équation de la tangente
−∂x f(x0 , y0 )
y − y0 = (x − x0 ).
∂y f(x0 , y0 )
−∂x f(x0 ,y0 )
Le ratio ∂y f(x0 ,y0 )
s’appelle le TMST ( taux marginal de substitution technique).
3.9 Fonctions homogènes

Soit f une fonction définie sur U ⊂ Rn à valeur dans R, on suppose que U est tel
que :
∀X ∈ U, ∀δ > 0, δX ∈ U.
Définition 3.9.1
On dit que f est homogène de degré r ∈ R sur U si :
∀X ∈ U, ∀δ > 0, f(δX) = δr f(X).
46
∀(x, y) ∈ U ⊂ R2 , ∀δ > 0, f(δx, δy) = δr f(x, y).
Le théorème d’Euler montre que les fonctions homogènes satisfont une propriété remar-
quable liant la fonction et ses dérivées partielles.
Théorème 3.10 (Théorème d’Euler)
Si f est homogène de degrés r sur U, on a en tout point X = (x1 , · · · , xn ) ∈ U où f

est différentiable
X
n
∂f
xi (X) = r.f(X);
i=1
∂xi
∂f ∂f
x +y = r.f(x, y).
∂x ∂y
3.10 Application économique

Dans cette section, nous aborderons des application économiques des dérivées par-
tielles et du calcul d’extremums.
3.10.1 Fonction d’utilité

La relation de préférence « »donne le classement, par un individu, des différentes
combinaisons de biens en fonction de la satisfaction qu’il lui procure.
La fonction d’utilité représentant les préférences d’un consommateur dans un en-
semble de n−biens est une fonction mathématique qui, à chaque panier composé de ces
n−biens, fais correspondre un nombre qui respecte l’ordre des préférences. En d’autre
terme : Si on note par :
• (x1 , · · · , xn ) la combinaison de n−biens dite panier de biens , constituée de

nombres réels xi représentant pour chaque i = 1, · · · , n la quantité de bien i.
• Cn l’ensemble des paniers .
• « »la relation de préférence.
47
Une fonction d’utilité est une fonction U définie sur Cn à valeurs dans R qui vérifie :
∀A, B ∈ Cn : A B ⇔ U(A) ≥ U(B).
où ≥ est la relation d’ordre usuelle définie sur R.

Les fonctions d’utilités les plus utilisées dans le cas de deux biens, sont les suivantes,
avec a, b, α, β et γ des nombres réels strictement positifs :
+ U(x, y) = xα yβ ;
+ U(x, y) = a ln(x) + b ln(y) ;

γ
+ U(x, y) = axα + byβ .
à titre d’application de ce qui a été fait dans ce chapitre, dans l’étude de la fonction
d’utilité on retrouve :
Utilité marginal d’un bien pour un consommateur, notée Umi , désigne la satisfac-
tion supplémentaire qui résulte de l’augmentation ( minimal) de la quantité consom-
mée de ce bien, elle se calcul ( voir [10] p.131.) :
∂U
Umi (x1 , · · · , xn ) = (x1 , · · · , xi , · · · , xn ).
∂xi
La Courbe d’indifférence associée à un panier quelconque A, regroupe tous les pa-
niers qui procurent au consommateur la même satisfaction que A. Ainsi si U est
la fonction d’utilité d’un consommateur, On notera IA cette courbe :
IA = {B ∈ Cn /A B et B A} = {B ∈ Cn /A ∼ B}.
Le taux de substitution du bien j au bien i, est le taux auquel un individu accepte

d’échanger du bien i contre du bien j ( voir [10] p.133.) :
∂U
∂xi
(x1 , · · · , xn ) Umi
TMSj/i = − ∂U =− .
∂xj
(x1 , · · · , xn ) Umj
3.10.2 Fonction de production

La fonction de production est l’un des plus important outil pour les économistes. En
générale, la fonction de production donne une relation entre la quantité de facteurs de
production « inputs »et le volume de bien produit « output ». Considérons un entreprise
qui utilise n facteurs de production, notons xi , i = 1 · · · n, la quantité de facteur
« i »utilisés et Q la quantité de bien produit, la formulation mathématique de la fonction
de production est une fonction noté Q définie par :
F : (R+ )n → R∗+
(x1 , · · · , xn ) 7→ Q = Q(x1 , · · · , xn )
48
L’un des exemples les plus utilisé en économie est la fonction de production de Cobb-
Douglas développée en 1928 par deux américains : Paul. H. Douglas ( 1892-1976) un
économiste et Charles W.Cobb un mathématicien, qui s’écrit sous la forme :
Q = Q(L, K) = ALα Kβ (3.11)
avec
• L est la quantité de travail ;
• K la quantité du capital investi ;
• A, α, β sont des constantes réelles strictement positives.
Prenons un exemple spécifique en plaçant A = 10 et α = β = 0.5, donc nous avons :
Q = Q(L, K) = AL0.5 K0.5 (3.12)
Une isoquante : associée à une fonction de production Q et à un niveau de production

q0 donné, est l’ensemble de toutes les combinaisons de facteurs qui permettent de
produire exactement q0 . Mathématiquement cela représentent pour les fonctions
de production à deux facteurs les courbes de niveau de la fonction de production :
Iq0 = {(L, K) ∈ R+ × R+ /Q(K, L) = q0 }.
Exemple 3.10.1. Considérons l’isoquante de la fonction de Cobb-Douglas pour

un niveau de production fixé à Q = 50 ce qui donne la relation implicite entre la
quantité de travail L et la quantité de capital K :
50 = 10L0.5 K0.5
en élevant au carré on obtient la relation explicite :

25
25 = LK ⇔ K =
L
De même pour un niveau de production fixé à Q = 60 on a la relation explicite
travail-capital donnée par :
49
70 = 10L0.5 K0.5 ⇒ K =
L
L 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00 1.10 1.20 1.30 1.40
25
K= L 250 125 83 63 50 42 36 31 28 25 22.73 21 19 18
49
K= L 490 245 136 123 98 82 70 61 54 49 45 41 38 35
64
K= L 640 320 213.33 160 128 106.67 91.43 80 71.11 64 58.18 53.33 49.23 45.71
T 3.1 – Tableau des isoquantes de niveaux Q = 50, Q = 70 et Q = 80 pour la fonction de

production Q = 10L0.5 K0.5 .
49
K
600
500
Isoquante de niveau Q = 80
400 Isoquante de niveau Q = 70
Isoquante de niveau Q = 50
300
200
100
0 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 1 1,10 1,20 1,30 1,40 L
F 3.18 – Isoquantes de niveaux Q = 50, Q = 70 et Q = 80 pour la fonction de production

Q = 10L0.5 K0.5 .
Productivité marginale : En générale, la productivité marginale d’un facteur de pro-

duction désigne l’augmentation de la quantité de bien produit qui résulte de ce
facteur utilisé( voir [10]). Pour la fonction de production à deux facteurs on a :
Productivité marginale du travail (PML ) :
∂Q
PML = (L, K) = AαLα−1 Kβ .
∂L
ainsi pour une quantité de capital « K »fixe : PML > 0, alors Q augmente
quand L augmente.
Exemple 3.10.2. Si on prend le cas Q = 10L0.5 K0.5 . La productivité marginale

du travail : r
K
PML = 5 > 0 ∀L, K > 0.
L
Productivité marginale du capital (PMK ) :
∂Q
PMK = (L, K) = AβLα Kβ−1 .
∂K
ainsi pour une quantité de travail « L »fixe : PMK > 0, alors Q augmente
quand K augmente.
Exemple 3.10.3. Si on prend le cas Q = 10L0.5 K0.5 . La productivité marginale

du travail : r
L
PMK = 5 > 0 ∀L, K > 0.
K
Loi de décroissance de productivité : appliqué au travail L (resp. au capital K), sti-
pule que si on continue à augmenté la quantité de travail avec une quantité de
50
capital K constante, alors la croissance de la production devient de plus en plus

lente, ce qui se traduit mathématiquement par la décroissance de PML (resp. PMK )
qu’on peut constater en calculant la dérivé partielle seconde de la fonction de
production par rapport au travail (L) (resp. par rapport au travail (K) :
∂2 Q
< 0, ∀L > 0, Kest constante.
∂L2
Exemple 3.10.4. Si on prend le cas Q = 10L0.5 K0.5 . La productivité marginale du
travail est décroissante du moment que :
∂2 Q
= 5(−0.5)K0.5 L−0.5−1 = −0.25K0.5 L−1.5 < 0 ∀L > 0, K constante.
∂L2
De même si on applique cette loi au capital on aura :
∂2 Q
< 0, ∀K > 0, Lest constante.
∂K2
Exemple 3.10.5. Si on prend le cas Q = 10L0.5 K0.5 . La productivité marginale du
capital est décroissante du moment que :
∂2 Q
2
= 5(−0.5)K−0.5−1 L0.5 = −0.25K−1.5 L0.5 < 0 ∀K > 0, L est constante.
∂L
Élasticité d’un facteur de production : mesure la variation en pourcentage « % »de

la quantité produite à la suite d’une augmentation de 1% de la quantité d’un
facteur (voir [10]). Mathématiquement elle se calcul par :
∂Q
∂L
(L, K) L ∂Q α.ALα−1 Kβ
ε L
= = (L, K) = =α (3.13)
Q(L,K) Q(L, K) ∂L ALα−1 Kβ
L
∂Q
∂K
(L, K) K ∂Q β.ALα Kβ−1
ε K
= = (L, K) = =β (3.14)
Q(L,K) Q(L, K) ∂K ALα Kβ−1
K
Exemple 3.10.6. Si on prend le cas Q = 10L0.5 K0.5 . L’élasticité des facteurs K, et

L:
∂Q √
∂L
(L, K) L 5 K
ε L
= = √ √ = 0.5 (3.15)
Q(L,K)
L
10 LK L
∂Q √
∂K
(L, K) K 5 L
εK = = √ √ = 0.5 (3.16)
Q(L,K)
K
10 LK K
Taux marginal de substitution technique(TMST ) : Le taux marginal de substitution

technique du facteur j au facteur i 6= j est la quantité minimal de facteur j qui
peut compenser une faible diminution du facteur i tout en maintenant le niveau
de production inchangé (Voir [10], p.35). Mathématiquement, En maintenant le
niveau de production inchangé l’égalité :
Q = Q(x1 , · · · , xi , · · · , xj , · · · , xn )
51
devient une équation implicite reliant la quantité xi du ièmefacteurs avec la quantité

xj du jèmefacteurs ce qui nous permet de confirmer que :
xi = ϕ(xj )
d’où :

dxi
TMST =
dxj
et comme c’est une équation implicité on utilise le théorème des fonctions impli-
cites pour calculer cette dérivée

∂Q
∂xi (x1 , · · · , xi , · · · , xj , · · · , xn )

TMST = − ∂Q

(x
∂xj 1 , · · · , xi , · · · , xj , · · · , x )
n

En particulier pour la fonction de production de Cobb-Douglas à deux facteurs :
Q = Q(L, K)
Rendement d’échelle : désigne la façon dont varie la quantité produite si l’on aug-
mente dans la même proportion tous les facteurs de production
Le rendement d’échelle est constant si en multipliant par la même constante

δ > 1 la quantité de tous les facteurs de production, la quantité produite est
multiplié par δ exactement. Ce qui se traduit mathématiquement par :
Q(δx1 , · · · , δxn ) = δQ(x1 , · · · , xn ) Qest une fonction homogène de degré 1.
Le rendement d’échelle est croissant si en multipliant par la même constante

multiplié par plus de δ. Ce qui se traduit mathématiquement par :
Q(δx1 , · · · , δxn ) > δQ(x1 , · · · , xn ).
Le rendement d’échelle est croissant si en multipliant par la même constante

multiplié par plus de δ. Ce qui se traduit mathématiquement par :
Q(δx1 , · · · , δxn ) < δQ(x1 , · · · , xn ).

Exemple 3.10.7. La fonction production de Cobb-Douglas à deux facteurs est
homogène de degré α + β. Soit δ > 1
Q(δL, δK) = A (δL)α (δK)β

= Aδα+β Lα Kβ = δα+β Q(L, K).
• Si α + δ = 1 le rendement d’échelle est constant ;

• Si α + δ > 1 le rendement d’échelle est croissant ;
• Si α + δ < 1 le rendement d’échelle est décroissant.
52
BIBLIOGRAPHIE
[1] B.A,Analyse : Fonctions de plusieurs variables et géométrie analytique,

cours et exercices corrigées L2,Vuibert, Paris(2011).
[2] S.B,F.S, Algèbre et analyse "cours de mathématiques de première année

avec exercices corrigés", Presses polytechniques et universitaires Romandes (2009).
[3] S.B,F.S, Algèbre et analyse "cours de mathématiques de deuxième année

avec exercices corrigés", Presses polytechniques et universitaires Romandes (2008).
[4] T. B, Essential mathematics for economics and business, J.Wiely & sons,
3rdedition, (2009).
[5] A. D, H. G, F. P, Mathématiques 2ième année PC*,PC-

PT*,PT, collection Méthode et annales,éditions Tec& Doc Lavoisier,Paris (2006).
[6] C.D, A. W, F. M, J. F. R, Mathématiques tout-en-un

1èreannée, Dunod, Paris (2003).
[7] J. D, Analyse. Recueil d’exercices. Aide-mémoire,vol 1, 2èmeed, Press poly-

technique et université Romande (2005).
[8] J. D, Analyse. Recueil d’exercices. Aide-mémoire,vol 2, 2èmeed, Press poly-

technique et université Romande (2005).
[9] J.D,N.J,A.L,A.S, Mathématiques appliquées à la gestion

"synthèse de cours et exercices, Pearson education france, Paris (2009).
[10] J. E,M. JMiroéconomieDunod(2014).
[11] J. M. M, Les méthodes et exercices de mathématiques MPSI,Dunod, Paris

(2008).
53
BIBLIOGRAPHIE
[12] J.Q Cours élémentaires de mathématiques supérieurs : Calcul intégrale et séries

6ièmeed, Dunod(1976).
[13] J. S, Multivariable calculus, Books Cole(2012).
[14] J. P. R, A. W,X. B,J. G,E. H,T. L. R, F. M-

, J. S, Mathématiques tout-en-un niveau L1, Dunod, Paris (2006).
[15] Y.D, Mathématiques de base pour économiste, Springer-Verlag France, Paris

(2007).
54

ChapitreIII PDF

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

ChapitreIII PDF

Transféré par

Droits d'auteur :

Formats disponibles

CHAPITRE 3

FONCTIONS À DEUX VARIABLES

des fonctions à plusieurs variables, pour n ∈ N∗ :

vérifiant ∀(x1 , · · · , xn ), (y1 , · · · , yn ) ∈ Rn et ∀λ ∈ R :

f((x1 , · · · , xn ) + λ(y1 , · · · , yn )) = f((x1 , · · · , xn )) + λf((y1 , · · · , yn )).

Le coût est une fonction de la variable indépendante « nombre d’articles »notée x.

Fonction de production : La quantité de production noté Q d’une entreprise est une

En particulier la fonction de Cobb-Douglas à deux facteurs :

Q = P(L, K) = ALα Kβ où A, α, β > 0

où xi exprime la quantité consommée du ième bien.

3.1 Généralités sur les fonctions à plusieurs Variables

on note généralement pour

n = 2, X = (x, y) et pour n = 3, X = (x, y, z)

3.1.1 Domaine de définition, image et graphe d’une fonction réelles

Une fonction numérique f de plusieurs variables est une application :

Le domaine de définition de f , noté Df ou D, est l’ensemble des vecteurs

Df = {(x1 , · · · , xn ) ∈ Rn / f(x1 , · · · , xn ) ∈ R}.

À La fonction f1 définie par :

F 3.1 – Représentation géométrique du

Á La fonction f2 définie par :

De manière générale, l’équation

Le cercle x2 + y2 = 1 L’équation du disque ouvert (resp.

F 3.2 – Représentation géométrique du domaine de f2 (x, y) = 1 − x2 − y2 dans R2

Â La fonction f3 définie par :

F 3.3 – Représentation géométrique du domaine de f3 = ln (xy) dans R2

Ã La fonction f4 définie par :

¶ L’image par f de D est l’ensemble :

Imf = f(D) = {f(x1 , · · · , xn ), / (x1 , x2 , · · · , xn ) ∈ D} ⊂ R.

· Le graphe de f est une hyper-surface de Rn+1

Gf = {(x1 , · · · , xn , f(x1 , · · · , xn )) ∈ Rn+1 / (x1 , · · · , xn ) ∈ D} ⊂ Rn+1 .

À La fonction f1 définie par :

Á La fonction f2 définie par :

F 3.6 – Graphe de la fonction f2 (x, y) = ln(xy)

Â La fonction f3 définie par :

F 3.7 – Graphe de la fonction f3 (x, y) = x2 + y2

Ã La fonction f3 définie par :

F 3.8 – Graphe de la fonction f4 (x, y) = x2 − y2

3.1.2 Les courbes de niveau ou lignes de niveau

Soit f : D → R, où D ⊂ R2 et k ∈ Imf (D) ⊂ R. La courbe de niveau k de f est la

courbe d’équation f(x, y) = k

À Les courbes de niveau de la fonction f1 définie par :

sont des droites d’équations : x + y = k2 , k ∈ R+

Á Les courbes de niveau de la fonction f2 définie par :

sont des hyperboles d’équations : xy = k k ∈ R.

F 3.10 – Les lignes de niveau de la fonction f1 (x, y) = ln(x.y)

Â Les courbes de niveau de la fonction f3 définie par :

F 3.11 – Les courbes de niveau de la fonction f3 (x, y) = x2 + y2

Ã Les courbes de niveau de la fonction f4 définie par :

pour k = 0 ce sont les droites croisées d’équations :

Pour k 6= 0 : ce sont les paraboles

F 3.12 – Les courbes de niveau de la fonction f4 (x, y) = x2 − y2

3.1.3 Fonctions vectorielles à plusieurs variables :

f(x1 , x2 , · · · , xn ) = (f1 (x1 , x2 , · · · , xn ), · · · , fm (x1 , x2 , · · · , xn )).

avec pour tout k = 1, · · · n, fk : D ⊂ Rn −→ R.

À la fonction f définie sur R2 à valeur dans R3 par :

est définie sur D ⊂ R2 avec :

Á la fonction f définie sur R2 à valeur dans R2 par :

f(r, θ) = (r cos θ, r sin θ).

est définie sur R2 .

∀x, y ∈ R, d(x, y) = |x − y|.

et la notion de limite est définie par :

∀ε > 0, ∃δ > 0, ∀x ∈ Df : |x − x0 | < δ ⇒ |f(x) − l| < ε.

1. C’est quoi une distance dans Rn ?

∀ > 0, ∃r > 0 , ∀X ∈ U : kX − X0 k < r ⇒ |f(X) − l| < .