5 Derivees

1/7 2/7 3/7 4/7 5/7 6/7 7/7
5. Dérivées de fonctions de plusieurs

variables
MTH1101
C. Audet, G. Jomphe, S. Le Digabel

Polytechnique Montréal
A2022
v7
MTH1101: Calcul I 1/49

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Plan
1. Dérivées partielles
2. Approximations linéaires
3. Différentielle
4. Différentiabilité
5. Dérivation en chaı̂ne
6. Dérivée directionnelle
7. Développement de Taylor pour les fonctions de plusieurs
variables

1/7 2/7 3/7 4/7 5/7 6/7 7/7
3. Différentielle

variables

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Fonction de une variable

▶ Soit f une fonction de une variable définie de R dans R
▶ La dérivée de f au point x ∈ R est

df f (x + h) − f (x)
f ′ (x) = (x) = lim (si cette limite existe)
dx h→0 h
▶ f ′ (x) est aussi appelé le taux de variation (instantanné) ou la

pente de la tangente au graphe en x
▶ On peut approcher f ′ (x) par l’expression suivante où h est

petit (dérivée amont) :
f (x + h) − f (x)
f ′ (x) ≃
h

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Fonction de deux variables
▶ Soit f une fonction de deux variables définie de R2 dans R
▶ Les dérivée partielles de f au point (x, y) = x ∈ R2 sont


∂f ∂
 ∂x (x) = ∂x f (x) = fx (x) = h→0

 lim f (x+h,y)−f
h
(x)
 ∂f ∂ f (x,y+h)−f (x)
∂y (x) = ∂y f (x) = fy (x) = lim


h→0 h

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Fonction de deux variables : Dérivées secondes

▶ Dérivées secondes :
 2
∂ f ∂ ∂f ∂

 ∂x2
 (x) = ∂x ∂x (x) = ∂x (fx (x)) = fxx (x)

∂2f ∂f
 ∂ ∂
∂x∂y (x) = ∂y (x) = (fy (x)) = fyx (x)


∂x ∂x
Même logique pour fyy et fxy

▶ Si les dérivées mixtes fxy et fyx existent et sont continues,
alors elles sont égales : fxy (x) = fyx (x)
▶ Matrice hessienne de f en (x) :

2 fxx (x) fyx (x)
H(x) = ∇ f (x) = ∈ R2×2
fxy (x) fyy (x)
(symétrique quand fxy (x) = fyx (x))

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Fonction de n variables
▶ Soit f une fonction de n variables définie de Rn dans R
▶ Soit x = (x1 , x2 , . . . , xn )
▶ Les n dérivées partielles de f en x sont, pour i = 1, 2, . . . , n :
∂f f (x1 , x2 , . . . , xi−1 , xi + h, xi+1 , . . . , xn ) − f (x)

(x) = lim
∂xi h→0 h
▶ Le gradient est le vecteur des dérivées partielles :

∂f ∂f ∂f
∇f (x) = (x), (x), . . . , (x)
∂x1 ∂x2 ∂xn

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Exemples 1 et 2
1. Donner le gradient de f (x, y) = cos 5x3 y 2 − xy 3 , puis

∇f (1, 0)
2. Donner le gradient et la matrice hessienne de

f (x, y) = x2 − y 2 , puis exprimer-les en 0

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Approximation des dérivées partielles

Méthode des différences finies illustrée sur une fonction de deux
variables, selon un petit déplacement en x noté ∆x :
▶ Dérivée amont :
f (x + ∆x, y) − f (x)
fx (x) ≃
∆x
▶ Dérivée aval :
f (x) − f (x − ∆x, y)
fx (x) ≃
∆x
▶ Dérivée centrée :
f (x + ∆x, y) − f (x − ∆x, y)
fx (x) ≃
2∆x

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Approximation des dérivées : Avec une table

x1 x2
On dispose des 4 valeurs suivante de f (x, y) : y1 v1 v2
y2 v3 v4
Les dérivées amont donnent :
∂f f (x1 +∆x,y1 )−f (x1 ,y1 ) f (x2 ,y1 )−f (x1 ,y1 ) v2 −v1
▶ ∂x (x1 , y1 ) ≃ ∆x = x2 −x1 = x2 −x1
▶ ∂2f ∂fx fx (x1 ,y1 +∆y)−fx (x1 ,y1 )

∂y∂x (x1 , y1 ) = ∂y (x1 , y1h) ≃ i h ∆y i h i
v −v v4 −v3 v −v
fx (x1 ,y2 )− x2 −x1 x −x
− x2 −x1
≃ y2 −y1
2 1
≃ 2 1
y2 −y1
2 1
h i h i
v4 −v2 v −v
∂2f y2 −y1
− y3 −y1
▶ De même : ∂x∂y (x1 , y1 ) ≃ x2 −x1
2 1
▶ Ces approximations ne respectent pas forcément

fxy (x) = fyx (x)

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Approximation des dérivées : Avec des courbes de

niveau
Exemple 3 : Exercice 4.1.10 page 157

1/7 2/7 3/7 4/7 5/7 6/7 7/7
3. Différentielle

variables

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Approximation linéaire
Motivation : Approximer, en un point, une fonction quelconque
par une autre plus simple telle une droite ou un plan
(la possibilité de faire ceci sera discutée lors de la définition de la différentiabilité)
▶ Une approximation linéaire (affine) est une fonction de la

forme
L(x, y) = ax + by + c
▶ Géométriquement cela signifie que :

▶ f (x) sera approximée par une droite : f (x) ≃ ax + b
▶ f (x, y) sera approximée par un plan : f (x, y) ≃ ax + by + c
▶ Pour trouver cette approximation, il est nécessaire de faire

appel au gradient
1/7 2/7 3/7 4/7 5/7 6/7 7/7
Gradient
▶ Le gradient est le vecteur des dérivées partielles :

∂f ∂f ∂f
∇f (x) = (x), (x), . . . , (x)
∂x1 ∂x2 ∂xn
▶ Pour une fonction f (x, y, z), en un point x0 = (x0 , y0 , z0 ), on
note
∂f ∂f ∂f
∇f (x0 ) = (x0 ) ⃗i + (x0 ) ⃗j + (x0 ) ⃗k
∂x ∂y ∂z
▶ Le gradient est un vecteur qui est perpendiculaire à une

courbe de niveau f (x, y) = c ou à une surface de niveau
f (x, y, z) = c

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Vecteur normal à une surface

→
−
Pour obtenir un vecteur normal N à une courbe ou une surface de
niveau, en un point x0 , il suffit de prendre
→
−
N (x0 ) = ±∇f (x0 )
Exemple 4 : Donner un vecteur normal à la surface

z = g(x, y) = x2 + y 2 (cône parabolique) au point x0 = (0, 0, 0)

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Plan tangent à une surface (1/3)

On cherche l’équation du plan tangent à une surface z = f (x, y)
au point de contact p0 = (x0 , y0 , z0 ) = (x0 , z0 ) ∈ R3 entre le plan
et la surface.
▶ Soit p = (x, y, z) ∈ R3 un point appartenant au plan tangent
▶ Posons F (x, y, z) = z − f (x, y). La surface de niveau

F (x, y, z) = 0 correspond à la surface z = f (x, y)
▶ Comme ∇F (x0 , z0 ) est orthogonal au vecteur −
p−0→
p , alors le
produit scalaire entre ces vecteurs est nul :
∇F (x0 , z0 ) · −
p−0→
p = ∇F (x0 , z0 )⊤ −
p−0→
p=0

1/7 2/7 3/7 4/7 5/7 6/7 7/7

Le produit scalaire
∇F (x0 , z0 )⊤ −
p−0→
p=0
devient
 
x − x0
∂F (x0 , z0 ) ∂F (x0 , z0 ) ∂F (x0 , z0 ) 
y − y0  = 0
∂x ∂y ∂z
z − z0
qui donne l’équation du plan tangent à la surface :
∂F (x0 , z0 ) ∂F (x0 , z0 ) ∂F (x0 , z0 )

(x−x0 )+ (y−y0 )+ (z−z0 ) = 0
∂x ∂y ∂z

1/7 2/7 3/7 4/7 5/7 6/7 7/7

∂F (x0 ,z0 ) ∂F (x0 ,z0 ) ∂F (x0 ,z0 )
∂x (x − x0 ) + ∂y (y − y0 ) + ∂z (z − z0 ) = 0
▶ Comme F (x, y, z) = z − f (x, y), on a :
∂F (x0 ,z0 )
∂x = − ∂f∂x
(x0 ) ∂F (x0 ,z0 )
, ∂y = − ∂f∂y
(x0 )
, et ∂F (x0 ,z0 )
∂z =1
▶ z0 = f (x0 ) complète l’équation du plan tangent :
∂f (x0 ) ∂f (x0 )
z = f (x0 ) + (x − x0 ) + (y − y0 )
∂x ∂y
| {z }
L(x,y)=ax+by+c
= f (x0 ) + ∇f (x0 )⊤ (x − x0 )
▶ L’approximation est f (x, y) ≃ L(x, y) (fonction linéaire

(affine) en x et y)
1/7 2/7 3/7 4/7 5/7 6/7 7/7
3. Différentielle

variables

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Différentielle pour une fonction à une variable

Soit y = f (x). On cherche à approximer un accroissement ∆y de y
lorsque x subit un accroissement de ∆x
Différentielle de x : dx peut
prendre n’importe quelle valeur,
dont ∆x
Différentielle de y : Variation de
l’ordonnée de la tangente :
dy(x) = df (x) = f ′ (x)dx
(avec x = a sur la figure)
dy df
On a f ′ (x) = dx (x) = dx (x) et la variation de la fonction est :
∆f (x) = ∆y(x) ≃ dy(x) = f ′ (x)dx

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Différentielle pour une fonction à deux variables

▶ z = f (x, y)
▶ Différentielles de x et y : dx et dy (indépendantes)
▶ On peut poser dx = ∆x et dy = ∆y
▶ Différentielle totale :
df (x, y) = dz(x, y) =
∂f (x, y) ∂f (x, y)
fx (x, y)dx + fy (x, y)dy = dx + dy
∂x ∂y
∂f ∂f
(noté aussi df = dz = ∂x dx + ∂y dy)
▶ Approximation numérique de la variation de f en (x, y) :
∆f (x, y) = ∆z(x, y) ≃ dz(x, y)

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Propriétés
▶ Si f est constante, alors df = 0
▶ Si f = f1 + f2 , alors df = df1 + df2
▶ Si f = f1 f2 , alors df = df1 f2 + f1 df2
1
▶ Si f = f2 , alors df = −df2 /f22
▶ Si f = f1 df1 f2 −f1 df2

f2 , alors df = f22

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Exemples
▶ Exemple 5 :
▶ Calculer dz pour f (x, y) = z = x2 + 3xy − y 2
▶ Si x varie de 2 à 2.05, et y de 3 à 2.96, comparer ∆z et dz
▶ Exemple 6 : Trouver la différentielle de R, la résistance

équivalente de deux résistances connectées en parallèles :
1 1 1
= +
R R1 R2
▶ Exemple 7 : On mesure le rayon r0 d’un ballon et on constate

qu’il est de 30cm avec une erreur de mesure de ±1cm. Quelle
est l’erreur maximale associée au volume du ballon ?

1/7 2/7 3/7 4/7 5/7 6/7 7/7
3. Différentielle

variables

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Introduction
▶ La notion de différentiabilité permettra de répondre à la

question : Est-il possible d’approximer localement au point
x0 = (x0 , y0 ), une fonction f par une fonction linéaire L ?
▶ Géométriquement, puisqu’en général z = f (x, y) représente

une surface dans l’espace, la question est de savoir s’il existe
un plan tangent à cette surface au point de contact
p0 = (x0 , y0 , f (x0 , y0 )) = (x0 , z0 ). Si oui, la fonction sera dite
différentiable en p0 . Sinon elle sera non différentiable en p0
▶ Une fonction différentiable en tout point de son domaine est

dite différentiable

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Différentiabilité : Définition
▶ Soit la fonction z = f (x, y) de Df ⊆ R2 dans R

▶ Soient x0 = (x0 , y0 ) et x0 + ∆x = (x0 + ∆x, y0 + ∆y) deux
points de Df
▶ f est différentiable si la variation de la fonction peut se

décomposer sous la forme
∆z = f (x0 +∆x)−f (x0 ) = fx (x0 )∆x+fy (x0 )∆y+ε1 ∆x+ε2 ∆y
avec ε1 → 0 et ε2 → 0 quand ∆x → 0 et ∆y → 0
(ε1 et ε2 sont des fonctions de ∆x et ∆y)

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Différentiabilité : Théorèmes
▶ Si fx et fy existent et sont continues au point x, alors f est

différentiable en x
▶ Si une fonction f est différentiable en un point, alors elle est

continue en ce point
(réciproque fausse, voir exemple 8)

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Différentiabilité : Exemples
p
▶ Exemple 8 : Montrer que f (x, y) = x2 + y 2 n’est pas
différentiable en (0, 0)
▶ Exemple 9 : Montrer que la fonction suivante est

différentiable en (0, 0) :
(
x4
x 2 +y 2 + y si (x, y) ̸= (0, 0)
f (x, y) =
0 sinon

1/7 2/7 3/7 4/7 5/7 6/7 7/7
3. Différentielle

variables

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Fonctions de une variable
Règle de dérivation en chaı̂ne pour une composition de fonctions

d’une seule variable : Si y = f (x) et x = g(t) avec f et g
différentiables, alors y est une fonction différentiable de t et
dy dy dx
=
dt dx dt

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Fonctions de deux variables : Cas 1
Si f (x, y) est différentiable, et que x = g(t) et y = h(t) sont deux

fonctions différentiables de t, alors f est une fonction différentiable
de t et
df ∂f dx ∂f dy
= +
dt ∂x dt ∂y dt

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Dérivation en chaı̂ne : Exemples
▶ Exemple 10 :
dz
Trouver
 dt en 2t = 0 4
 z = x y + 3xy
avec x = sin 2t
y = cos t

▶ Exemple 11 : Soit P V = 8.31T . Calculer le taux de variation

de P lorsque T vaut 300 et croı̂t de 0.1 par seconde, et que
V = 100 et croı̂t de 0.2 par seconde

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Fonctions de deux variables : Cas 2
Si f (x, y) est différentiable, et que x = g(s, t) et y = h(s, t) sont

deux fonctions différentiables de s et t, alors f est une fonction
différentiable de s et t et
∂f ∂f ∂x ∂f ∂y
= +
∂s ∂x ∂s ∂y ∂s
∂f ∂f ∂x ∂f ∂y
= +
∂t ∂x ∂t ∂y ∂t

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Dérivées secondes : Exemple 12
Soit la fonction continue et différentiable f (x, y)

avec x = s + t et y = s − t
∂f ∂f ∂ 2 f ∂2f
Calculer ∂s , ∂t , ∂s2 , et ∂s∂t

1/7 2/7 3/7 4/7 5/7 6/7 7/7
3. Différentielle

variables

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Définitions
▶ Soit f : Df ⊆ R2 → R et x0 = (x0 , y0 ) ∈ Df
▶ On considère la direction p
u comme le vecteur unitaire
u = (u1 , u2 ) avec ∥u∥ = u21 + u22 = 1
▶ La dérivée directionnelle de f en x0 dans la direction u est la
limite suivante, si elle existe :
f (x0 + tu) − f (x0 )

fu (x0 ) = f ′ (x0 ; u) = lim
t→0 t
f (x0 + tu1 , y0 + tu2 ) − f (x0 , y0 )
= lim
t→0 t
▶ Cas particuliers : f ′ (x0 ;⃗i) = ∂f ∂f

∂x (x0 ) et f ′ (x0 ; ⃗j) = ∂y (x0 )

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Dérivée directionnelle et gradient (1/2)

▶ Avec t ∈ R, u = (u1 , u2 ) ∈ R2 unitaire et x0 = (x0 , y0 ) ∈ R2 ,
on considère la droite paramétrique d’équation
(x, y) = (x0 + tu1 , y0 + tu2 ) ou x = x0 + tu
▶ On pose f (x) = f (x0 + tu) = g(t)
f (x0 +tu)−f (x0 ) g(t)−g(0)
▶ fu (x0 ) = lim t = lim t = g ′ (0)
t→0 t→0
dg df ∂f ∂f dy
g ′ (t) = dx
dt (t) = dt (t) = ∂x (x) dt (t) + ∂y (x) dt (t)
▶ ∂f ∂f ⊤
= ∂x (x)u1 + ∂y (x)u2 = ∇f (x) u
▶ Et donc
fu (x0 ) = ∇f (x0 )⊤ u = ∥∇f (x0 )∥ cos θ
avec θ l’angle formé entre ∇f (x0 ) et u

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Dérivée directionnelle et gradient (2/2)
▶ fu (x0 ) = ∇f (x0 )⊤ u = ∥∇f (x0 )∥ cos θ
▶ La direction qui maximise le croissance de f est donc pour

∇f (x0 )
cos θ = 1, c’est à dire u = ∥∇f (x0 )∥
▶ Ainsi le taux maximal de variation en x0 est
∇f (x0 )
fu⋆ (x0 ) = ∇f (x0 )⊤ = ∥∇f (x0 )∥
∥∇f (x0 )∥
▶ On dit que le gradient est la direction de plus forte pente

1/7 2/7 3/7 4/7 5/7 6/7 7/7
3. Différentielle

variables

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Développement de Taylor pour f (x, y)

▶ f définie de R2 dans R
▶ x0 = (x0 , y0 ) et x = (x, y) = (x0 + h, y0 + k)
▶ f et ses dérivées sont continues en x0 : fxy (x0 ) = fyx (x0 )
Segment
D reliant x0 et x :
x = x0 + th
avec 0 ≤ t ≤ 1
y = y0 + tk
Soit la fonction d’une variable
g(t) = f (x0 + th, y0 + tk)

1/7 2/7 3/7 4/7 5/7 6/7 7/7

▶ Développement de Taylor de g(t) = f (x0 + th, y0 + tk) centré
en t = 0 :
1
g(t) = g(0) + g ′ (0)t + g ′′ (0)t2 + . . .
2
▶ Dérivation en chaı̂ne avec dx dy

dt = h et dt = k :
(
g ′ (t) = dg ∂f dx ∂f dy
dt = ∂x dt + ∂y dt = hfx + kfy
g ′′ (t) = h2 fxx + 2hkfxy + k 2 fyy (exemple 13)
▶ En t = 0 :
′
g (0) = hfx (x0 , y0 ) + kfy (x0 , y0 )
g ′′ (0) = h2 fxx (x0 , y0 ) + 2hkfxy (x0 , y0 ) + k 2 fyy (x0 , y0 )

1/7 2/7 3/7 4/7 5/7 6/7 7/7

▶ Avec
1
g(t) = g(0) + g ′ (0)t + g ′′ (0)t2 + . . .
2
▶ et

 g(0) = f (x0 , y0 )
g ′ (0) = hfx (x0 , y0 ) + kfy (x0 , y0 )
 ′′
g (0) = h2 fxx (x0 , y0 ) + 2hkfxy (x0 , y0 ) + k 2 fyy (x0 , y0 )
▶ on obtient
g(1) = f (x, y) = f (x0 , y0 ) + hfx (x0 , y0 ) + kfy (x0 , y0 )

+ 21 h2 fxx (x0 , y0 ) + 2hkfxy (x0 , y0 ) + k 2 fyy (x0 , y0 )

+...

1/7 2/7 3/7 4/7 5/7 6/7 7/7
f (x, y) = f (x0 , y0 ) + hfx (x0 , y0 ) + kfy (x0 , y0 )

+ 12 h2 fxx (x0 , y0 ) + hkfxy (x0 , y0 ) + 12 k 2 fyy (x0 , y0 ) + . . .
Comme h = x − x0 et k = y − y0 , on a finalement le
développement suivant :
f (x, y) = f (x0 , y0 ) + fx (x0 , y0 )(x − x0 ) + fy (x0 , y0 )(y − y0 )

+ 21 fxx (x0 , y0 )(x − x0 )2
+ fxy (x0 , y0 )(x − x0 )(y − y0 )
+ 12 fyy (x0 , y0 )(y − y0 )2
+...

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Approximations linéaire et quadratique

On peut approximer f (x, y) proche de (x0 , y0 ) par

f (x, y) ≃ L(x, y) (ordre 1 : approximation linéaire)
f (x, y) ≃ Q(x, y) (ordre 2 : approximation quadratique)
avec
L(x, y) = f (x0 , y0 ) + fx (x0 , y0 )(x − x0 ) + fy (x0 , y0 )(y − y0 )
et
Q(x, y) = f (x0 , y0 ) + fx (x0 , y0 )(x − x0 ) + fy (x0 , y0 )(y − y0 )
+ 21 fxx (x0 , y0 )(x − x0 )2
+ fxy (x0 , y0 )(x − x0 )(y − y0 )
+ 21 fyy (x0 , y0 )(y − y0 )2

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Développement de Taylor pour f : Rn → R

▶ n=2 :
f (x, y) = f (x0 , y0 ) + fx (x0 , y0 )(x − x0 ) + fy (x0 , y0 )(y − y0 )

+ 21 fxx (x0 , y0 )(x − x0 )2
+ fxy (x0 , y0 )(x − x0 )(y − y0 )
+ 21 fyy (x0 , y0 )(y − y0 )2
+...
▶ n quelconque :
1
f (x) = f (x0 )+∇f (x0 )⊤ (x−x0 )+ (x−x0 )⊤ ∇2 f (x0 )(x−x0 )+. . .
2

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Erreur de l’approximation linéaire

▶ Approximation linéaire de f (x) par L(x) au point x0 :
f (x) ≃ L(x) et f (x) = L(x) + EL (x)
▶ Une borne sur l’erreur EL (x) pour tout x ∈ X est
|EL (x)| ≤ ML d2
avec
d = max ∥x − x0 ∥
x∈X
et ML tel que
n o
ML ≥ max |fxx (x)|, |fxy (x)|, |fyy (x)|
x∈X
▶ Généralement, on fixe d et on prend

X = Bd (x0 ) = {x ∈ Rn : ∥x − x0 ∥ ≤ d}

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Erreur de l’approximation quadratique

▶ Approximation quadratique de f (x) par Q(x) au point x0 :
f (x) ≃ Q(x) et f (x) = Q(x) + EQ (x)
▶ Une borne sur l’erreur EQ (x) pour tout x ∈ X est
√
2
|EQ (x)| ≤ MQ d3
3
(preuve : exercice 4.5.22)
avec
d = max ∥x − x0 ∥
x∈X
et MQ tel que
n o
MQ ≥ max |fxxx (x)|, |fxxy (x)|, |fxyy (x)|, |fyyy (x)|
x∈X
▶ Pour d, même remarque que l’acétate précédente

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Exemple 14
Soit f (x, y) = sin x + cos y considérée sur
n π πo
X = (x, y) ∈ R2 : |x| ≤ et |y| ≤
2 2
a Donner une fonction linéaire et une fonction quadratique qui

approchent f en (0, 0)
b Donner les bornes d’erreurs de ces approximations, sur X

1/7 2/7 3/7 4/7 5/7 6/7 7/7
Exemple 15
Soit f (x, y) = e−(x+y) considérée sur
X = (x, y) ∈ R2 : |x − 1| ≤ 3 et |y − 2| ≤ 4

a Donner une fonction linéaire et une fonction quadratique qui

approchent f en (1, 2)
b Donner les bornes d’erreurs de ces approximations, sur X

5 Derivees

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

5 Derivees

Transféré par

Droits d'auteur :

Formats disponibles

1/7 2/7 3/7 4/7 5/7 6/7 7/7

5. Dérivées de fonctions de plusieurs

C. Audet, G. Jomphe, S. Le Digabel

MTH1101: Calcul I 1/49

MTH1101: Calcul I 2/49

7. Développement de Taylor pour les fonctions de plusieurs

MTH1101: Calcul I 3/49

Fonction de une variable

▶ La dérivée de f au point x ∈ R est

▶ f ′ (x) est aussi appelé le taux de variation (instantanné) ou la

▶ On peut approcher f ′ (x) par l’expression suivante où h est

MTH1101: Calcul I 4/49

Fonction de deux variables

▶ Soit f une fonction de deux variables définie de R2 dans R

▶ Les dérivée partielles de f au point (x, y) = x ∈ R2 sont

MTH1101: Calcul I 5/49

Fonction de deux variables : Dérivées secondes

Même logique pour fyy et fxy

MTH1101: Calcul I 6/49

▶ Les n dérivées partielles de f en x sont, pour i = 1, 2, . . . , n :

∂f f (x1 , x2 , . . . , xi−1 , xi + h, xi+1 , . . . , xn ) − f (x)

▶ Le gradient est le vecteur des dérivées partielles :

MTH1101: Calcul I 7/49

1. Donner le gradient de f (x, y) = cos 5x3 y 2 − xy 3 , puis

2. Donner le gradient et la matrice hessienne de

MTH1101: Calcul I 8/49

Approximation des dérivées partielles

MTH1101: Calcul I 9/49

Approximation des dérivées : Avec une table

▶ ∂2f ∂fx fx (x1 ,y1 +∆y)−fx (x1 ,y1 )

▶ Ces approximations ne respectent pas forcément

MTH1101: Calcul I 10/49

Approximation des dérivées : Avec des courbes de

Exemple 3 : Exercice 4.1.10 page 157

MTH1101: Calcul I 11/49

7. Développement de Taylor pour les fonctions de plusieurs

MTH1101: Calcul I 12/49

▶ Une approximation linéaire (affine) est une fonction de la

▶ Géométriquement cela signifie que :

▶ Pour trouver cette approximation, il est nécessaire de faire

▶ Le gradient est un vecteur qui est perpendiculaire à une

MTH1101: Calcul I 14/49

Vecteur normal à une surface

Exemple 4 : Donner un vecteur normal à la surface

MTH1101: Calcul I 15/49

Plan tangent à une surface (1/3)

▶ Posons F (x, y, z) = z − f (x, y). La surface de niveau

MTH1101: Calcul I 16/49

Plan tangent à une surface (2/3)

qui donne l’équation du plan tangent à la surface :

∂F (x0 , z0 ) ∂F (x0 , z0 ) ∂F (x0 , z0 )

MTH1101: Calcul I 17/49

Plan tangent à une surface (3/3)

▶ L’approximation est f (x, y) ≃ L(x, y) (fonction linéaire

7. Développement de Taylor pour les fonctions de plusieurs

MTH1101: Calcul I 19/49

Différentielle pour une fonction à une variable

∆f (x) = ∆y(x) ≃ dy(x) = f ′ (x)dx

Différentielle pour une fonction à deux variables

∆f (x, y) = ∆z(x, y) ≃ dz(x, y)

MTH1101: Calcul I 21/49

▶ Si f est constante, alors df = 0

▶ Si f = f1 + f2 , alors df = df1 + df2