Fonctions de Plusieurs VariablesChap1,2,3

Maths-Sup
Fonctions à plusieurs variables

Analyse2b
Cours et exercices pour les
étudiants du niveau 2, IME 2021
Yemata K. Francis
Table des matières
Avant-propos 1
1 Espaces métriques 2
1.1 Notions de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Espaces vectoriels normés (e.v.n) . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1 Norme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Norme eulidienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Limites et continuité des fonctions R n dans R 15

2.1 Limite en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 Cas des fonctions de deux variables . . . . . . . . . . . . . . . . . . . . . . 17
2.3.1 Définition et représentation graphique . . . . . . . . . . . . . . . . . 17
2.3.2 Distances, limites et continuité . . . . . . . . . . . . . . . . . . . . . 18
2.3.3 Extension aux fonctions de R2 dans R2 . . . . . . . . . . . . . . . . 19
2.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Différentiabilité des fonctions à plusieurs variables 22

3.1 Fonctions différentiables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.1.1 Définition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.1.2 Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.1.3 Critère de différentiabilité . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.4 Matrice Jacobienne et dérivation en chaı̂ne . . . . . . . . . . . . . . 26
3.1.5 Tangente à une surface . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2 Dérivées d’ordre supérieur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3 Fonctions convexes différentiables . . . . . . . . . . . . . . . . . . . . . . . 31
3.4 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.4.1 Cas des fonctions à variables réelles . . . . . . . . . . . . . . . . . . 31
3.4.2 Cas des fonctions de R n vers R p . . . . . . . . . . . . . . . . . . . . 32
3.5 Fonctions implicites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.6 Extremums locaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
ii
3.6.1 Extrémums libres(sans contraintes) . . . . . . . . . . . . . . . . . . 36
3.6.2 Extrémums liés(avec contraintes) . . . . . . . . . . . . . . . . . . . 39
3.7 Inversion locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
Avant-propos
Programme : Fonctions à plusieurs variables - espace vectoriel - espace métrique -

normes - différentiabilité et différentielles - convexité - recherche d’extrema locaux -
optimisation - applications bilinéaires - produit scalaire-intégrales multiples.
CHAPITRE 1
Espaces métriques
Objectifs
• Se familiariser avec les concepts généraux des espaces métriques.
• Maı̂triser les notions de continuité et de suite dans les espaces métriques.
• Démontrer le théorème du point fixe.
Introduction
Travailler dans R est vite limitant. En effet, de nombreux problèmes ne peuvent se modéliser que
sur des espaces vectoriels de dimension plus grande. Pensons par exemple à des modélisations
de systèmes physiques comportant un nombre n de paramètres. L’étude de ce système se fera via
l’étude de fonctions possédant n variables et donc définies sur des parties d’espaces de dimension
n. La possibilité d’utiliser de tels espaces est conditionnée par la possibilité de transposer les
notions telles que la continuité des fonctions, la convergence des suites et voir même les notions
de différentiabilité. Toutes ces notions ont un facteur commun, celui de faire intervenir la notion
de distance ou de longueur. Ainsi l’on comprend l’importance de la possibilité de mesurer la
distance entre deux points d’un espace donné.
1.1 Notions de base

Définitions et exemples
E est un ensemble non vide.
Définition 1.1. Une application d : E2 −→ R + définit une métrique (ou distance) sur E si :
M1 : ∀ x, y ∈ E, d( x, y) = d(y, x ) ; (symétrie)
M2 : ∀ x, y ∈ E, d( x, y) = 0 ⇐⇒ x = y ; (séparation)
M3 : ∀ x, y, z ∈ E, d( x, z) ≤ d( x, y) + d(y, z) (inégalité triangulaire).
Définition 1.2. On appelle espace métrique tout couple (E, d) où d est une métrique sur E.
Conséquence 1.1. ∀ x, y, z ∈ E, d( x, y) − d(y, z) ≤ d( x, z).
2
Exemple 1.1. 1. (R, | · |) ; (C, | · |) sont des espaces métriques.
2. Sur E = R n ou C n , on peut alors définir plusieurs distances faisant intervenir les distances
entre les composantes. Les distances classiques induites sont définies comme suit : pour deux
éléments arbitraires de E ; x = ( x1 , x2 , . . . , xn ) et y = (y1 , y2 , . . . , yn ), on pose :
s
n n
d1 ( x, y) = ∑ | xi − yi |; d2 ( x, y) = ∑ ( x i − y i )2 ; d∞ ( x, y) = max {| xi − yi |}.
1≤ i ≤ n
i =1 i =1

1 si x 6= y
3. La distance discrète sur un ensemble E quelconque est définie par : d( x, y) = .
0 si x = y
Définition 1.3. Soit ϕ : R + −→ R + une application. On dit que :
1. ϕ ne s’annule qu’en 0 si ∀u ∈ R + , ϕ(u) = 0 ⇐⇒ u = 0.
2. ϕ est croissante si ∀u, v ∈ R + , ϕ(u) ≤ ϕ(u + v).
3. ϕ est sous-additive si ∀u, v ∈ R + , ϕ(u + v) ≤ ϕ(u) + ϕ(v).
Exercice 1.1. Dans chacun des cas suivants, montrer que les applications suivantes définies de
R + vers R + vérifient les propriétés 1, 2, 3, ci-dessus :
a) ϕ(u) = ln(1 + u) b) ϕ(u) = min(1, u) c) ϕ(u) = 1+u u d) ϕ(u) = uα avec α ∈]0, 1[.
Dans toute la suite on considère un espace métrique (E, d) et a ∈ E.
Définition 1.4. 1. On appelle boule ouverte de centre a et de rayon r > 0, le sous-ensemble
de E noté Bd (a, r ) et défini par :
Bd (a, r ) = { x ∈ E; d(a, x ) < r }.
2. On appelle boule fermée de centre a et de rayon r > 0, le sous-ensemble de E noté Bd (a, r )

et défini par :
B d (a, r ) = { x ∈ E; d(a, x ) ≤ r }.
3. On appelle sphère de centre a et de rayon r > 0, le sous-ensemble de E noté Sd (a, r ) et défini
par :
Sd (a, r ) = { x ∈ E; d(a, x ) = r }.
Définition 1.5. Une partie A de E est dite bornée si elle est contenue dans au moins une boule
ouverte c’est-à-dire
A est bornée signifie que : ∃ a ∈ E, ∃r > 0 tel que A ⊆ Bd (a, r ).
Exemple 1.2. 1. Dans R, la distance usuelle est donnée par d( x, y) = | x − y|. Les boules
sont des intervalles. En effet, pour a ∈ R et r ∈ R ∗+ , on a : Bd (a, r ) =] a − r, a + r [ et
B d (a, r ) = [ a − r, a + r ].
2. Dans C, on remplace la valeur absolue par le module d( x, y) = | x − y|. La boule ouverte
de centre a ∈ C et de rayon r ∈ R ∗+ , Bd (a, r ), est le disque ouvert de centre a et de rayon r
et, Bd (a, r ) est le disque fermé.
3. Pour le cas de la distance discrète sur une ensemble quelconque E, B(a, 12 ) = { a} et
B (a, 21 ) = B(a, 1) = { a}, tandis que B(a, 1) = E est différent de { a} = B(a, 1) si E
a ou moins deux éléments.
3
4. Dans R2 , les boules de centre O et de rayon 1 ont la forme suivante :
Sous-ensembles ouverts et sous-ensembles fermés

Définition 1.6. Un sous-ensemble U de E sera dit ouvert s’il est vide ou si pour tout élément
x de cet ensemble on peut trouver une boule ouverte de rayon suffisamment petit en sorte qu’elle
soit toute entière contenue dans U i.e.
∀ x ∈ U, ∃r > 0, Bd ( x, r ) ⊆ U.
Définition 1.7. L’ensemble O de tous les ouverts de E s’appelle la topologie de E.
Proposition 1.1. 1. E est ouvert.
2. Une réunion quelconque d’ensembles ouverts est ouverte.
3. Une intersection finie d’ensembles ouverts est ouverte.
Démonstration. Cf. cours 1ère année.
Définition 1.8. Soit V ∈ P(E) et x ∈ E. On dira que V est un voisinage de x s’il existe un
ouvert U de E tel que x soit élément de U et U soit inclus dans V i.e.
∃U ouvert de E tel que x ∈ U ⊆ V.
On notera V( x ) l’ensemble de tous les voisinages de x.
Proposition 1.2. 1. V ∈ V( x ) ⇐⇒ ∃r > 0; Bd ( x, r ) ⊆ V.
2. Si U est un ouvert de E et si x ∈ U alors U ∈ V( x ).
Proposition 1.3. Un sous-ensemble U de E est ouvert si et seulement si il est voisinage de chacun
de ses points.
Définition 1.9. Le complémentaire d’un sous-ensemble ouvert de E sera appelé sous-ensemble
fermé.
Proposition 1.4. 1. E et ∅ sont fermés.
2. Une réunion finie d’ensembles fermés est fermée.
3. Une intersection quelconque d’ensembles fermés est fermée.
Suites dans un espace métrique

Soit ( xn )n∈N une suite d’éléments de E i.e ∀n ∈ N, xn ∈ E.
Définition 1.10. On dit que la suite ( xn )n∈N est de Cauchy si :
∀ε > 0, ∃ Nε ∈ N, ∀n, m ∈ N, (n > Nε et m > Nε ) =⇒ d( xn , xm ) < ε.
4
Définition 1.11. On dit que la suite ( xn )n∈N converge vers a si :
∀ε > 0, ∃ Nε ∈ N, ∀n ∈ N, n > Nε =⇒ d( xn , a) < ε.
Remarque 1.1. 1. Si la suite ( xn )n∈N converge vers a, alors lim xn = a dans (E, d).
n →+ ∞
N.B : lim xn = a dans (E, d) signifie que lim d( xn , a) = 0.
n →+ ∞ n →+ ∞
2. Si a est la limite de la suite ( xn )n∈N , alors a est unique.
Définition 1.12. On dit que l’espace métrique (E, d) est complet si toute suite de Cauchy dans
E converge dans E.
Exemple 1.3. (R n , d1 ), (R n , d2 ), (R n , d∞ ) sont des e.m.c.
Remarque 1.2. Les fermés d’un complet sont complets.
Applications continues
Soit ( F, δ) un autre espace métrique et f : E −→ F une application.
Définition 1.13.
1. On dit que f est continue en a si :
∀ε > 0, ∃η(ε,a) > 0, ∀ x ∈ E, d( x, a) < ηε,a =⇒ δ( f ( x ), f (a)) < ε.
2. On dit que f est continue sur E si f est continue en chaque point de E i.e.
∀ x ∈ E, ∀ε > 0, ∃η(ε,x) > 0, ∀y ∈ E, d( x, y) < ηε,x =⇒ δ( f ( x ), f (y)) < ε.
Proposition 1.5. On a équivalence entre :
(i) f est continue en a (ii) ∀ε > 0, ∃η(ε,a) > 0, Bd (a, ηε,a ) ⊆ f −1 Bδ ( f (a), ε) .

Proposition 1.6. On a équivalence entre :

(i) f est continue sur E (ii) Pour tout ouvert O de F, f −1 (O) est un ouvert de E.
Théorème 1.1. f est continue en a si et seulement si pour toute suite ( xn ) d’éléments de E,
si ( xn ) converge vers a dans (E, d) alors ( f ( xn )) converge vers f (a) dans ( F, δ)
( 2 2
x −y
si ( x, y) 6= (0, 0)
Exemple 1.4. La fonction f définit de R2 vers R par f ( x, y) = x 2 + y2
0 si ( x, y) = (0, 0)
n’est pas continue en (0, 0).
Définition 1.14.
1. On dit que f est uniformément continue sur E si :
∀ε > 0, ∃ηε > 0, ∀ x, y ∈ E, d( x, y) < ηε =⇒ δ( f ( x ), f (y)) < ε.
2. On dit que f est Lipschitzienne de rapport κ > 0 sur E, si
∀ x, y ∈ E, δ( f ( x ), f (y)) < κd( x, y).
Si de plus κ < 1, on dit que f est contractante.
Exemple 1.5.
1. La fonction x 7−→ x2 n’est pas uniformément continue sur R.
1
2. La fonction x 7−→ n’est pas uniformément continue sur ]0, 5], mais l’est sur [1, 5].
x
√
3. Les fonctions x 7−→ x est uniformément continue sur [0, +∞[, mais non Lipschitzienne.
4. Les fonctions sin, cos et arctan sont Lipschitziennes de rapport 1 sur R.
5
Remarque 1.3. Toute fonction f dérivable et à dérivée continue sur un intervalle [ a, b] est
Lipschitzienne de rapport k = sup | f ′ (t)|; t ∈ [ a, b] .
Proposition 1.7. On dit que f est uniformément continue sur E ssi Pour toutes suites ( xn ) et
(yn ) d’éléments de E, si lim d( xn , yn ) = 0 alors lim δ( f ( xn ), f (yn )) = 0.
n →+ ∞ n →+ ∞
Proposition 1.8.
1. Si f est uniformément continue sur E alors f est continue sur E.
2. Si f est Lipschitzienne sur E alors f est uniformément continue sur E.
Définition 1.15. On dit que f admet un point fixe si : ∃ x ∈ E, f ( x ) = x.
Théorème 1.2. Si (E, d) est un espace métrique complet et f : E −→ E est une application
contractante alors f admet un unique point fixe.
Démonstration. (Cf. Exo 1.16 TD).
Définition 1.16. On dit que f est une application ouverte si l’image par f de tout ouvert de E
est un ouvert de F.
Définition 1.17. On dit que f est un homéomorphisme si f est bijective et continue et f −1 est
continue.
Proposition 1.9. Si f est bijective, on a équivalence entre :
(i) f est une application ouverte
(ii) f −1 est une application continue de F vers E.
Métriques équivalentes
Définition 1.18. Deux distances d1 et d2 sur E sont topologiquement équivalentes si tout ouvert
de (E, d1 ) est un ouvert de (E, d2 ) et réciproquement.
Proposition 1.10. Deux distances d1 et d2 sur E sont topologiquement équivalentes si et
seulement si l’application identité Id : (E, d1 ) −→ (E, d2 ) est un homéomorphisme.
Définition 1.19. On dit que deux métriques d1 et d2 sur E sont équivalentes s’il existe deux réels
strictement positifs k1 et k2 tels que :
∀ x, y ∈ E, k1 d1 ( x, y) ≤ d2 ( x, y) ≤ k2 d1 ( x, y).
Remarque 1.4. 1. La première inégalité n’est rien d’autre que la traduction du fait que
l’application identique Id : (E, d1 ) −→ (E, d2 ) est continue. Ceci implique que tout
ouvert de (E, d2 ) est un ouvert de (E, d1 ). De même, en examinant la seconde inégalité,
on observe que tout ouvert de (E, d1 ) est un ouvert de (E, d2 ). Donc si d1 et d2 sont
métriquement équivalentes alors d1 et d2 sont topologiquement equivalentes. Autrement
dit si deux métriques sont équivalentes, elles définissent la même topologie. Donc la notion
≪ d’équivalence métrique ≫ est plus forte que celle de ≪ topologiquement équivalente ≫.
2. Des distances topologiquement équivalentes conduisent aux mêmes fonctions continues et

aux mêmes suites convergentes. L’équivalence métrique est plus précise et compare vrai-
ment les distances. Ainsi des distances métriquement équivalentes conduisent en plus au
mêmes fonctions uniformement continues, aux mêmes fonctions Lipschitziennes et aux
mêmes suites de Cauchy. N.B : si une suite de Cauchy est convergente pour une topologie
donnée, elle ne convergera pas nécessairement pour une topologie équivalente. Autrement
dit, la complétude est une notion ≪ métrique ≫ et pas ≪ topologique ≫.
6
1.2 Espaces vectoriels normés (e.v.n)
1.2.1 Norme
Dans cette sous-section K désigne le corps R ou C, et E est un K-espace vectoriel de
dimension finie ou non.
Définition 1.20. On appelle norme sur E une application de E −→ R + habituellement notée
k · k vérifiant :
N1 : ∀ x ∈ E, k x k = 0 ⇐⇒ x = 0 ; (séparation)
N2 : ∀ x ∈ E, ∀λ ∈ K, kλx k = |λ|k x k ; (homogénéité)
N3 : ∀ x, y ∈ E, k x + yk ≤ k x k + kyk (inégalité de triangulaire).
Définition 1.21. On appelle espace vectoriel normé (e.v.n) tout couple (E, k · k) où k · k est une
norme sur E.
Conséquence 1.2. ∀ x, y ∈ E, k x k − kyk ≤ k x − yk.
Exemple 1.6. 1. (R, | · |) ; (C, | · |) sont des e.v.n.
2. Les normes fondamentales sur R n avec n ∈ N ∗ .
Pour X = ( x1 , x2 , . . . , xn ), on pose :
n n 12
2
k X k1 = ∑ | xi |; k X k2 = ∑ | xi | ; kX k∞ = max {| xi |}.
1≤ i ≤ n
i =1 i =1
k · k1 est appelée la norme de la somme (facile à montrer que c’est une norme)
k · k∞ est appelée la norme du max (facile à montrer que c’est une norme).
k · k2 est appelée la norme euclidienne (la partie la plus difficile à montrer est l’inégalité
triangulaire). Celle-ci se déduit de l’inégalité suivante dite de Cauchy-Schwarz :
n n 12 n 21
∑ | xi yi | = ∑ | xi |2 ∑ | yi |2 . (1.1)
i =1 i =1 i =1
Plus généralement, sur E = R n avec n ∈ N ∗ , on définit les normes classiques suivantes :

pour X = ( x1 , x2 , . . . , xn ), on pose :
n 1p
p
kX k p = ∑ | xi | , avec p ≥ 1.
i =1
La partie la plus difficile à montrer est l’inégalité triangulaire. Pour le faire on utilise
l’inégalité de Minkowski :
n 1p n 1p n 1p
p p p
∑ | xi + yi | ≤ ∑ | xi | + ∑ | yi | ; p ≥ 1. (1.2)
i =1 i =1 i =1
Pour montrer l’inégalité de Minkowski, on utilise l’inégalité de Hölder :

n n 1p n 1q
1 1
∑ | xi yi | ≤ ∑ | xi | p ∑ | yi | q ; + = 1; p, q ≥ 1.
p q
(1.3)
i =1 i =1 i =1
7
Pour montrer l’inégalité de Hölder, on utilise l’inégalité de Jensen :
1 p 1 q 1 1
∀ a, b ≥ 0, ab ≤ a + b ; + = 1; p, q ≥ 1. (1.4)
p q p q
3. Les normes fondamentales sur C0 ([ a, b]) avec a, b ∈ R.
Pour f ∈ C0 ([ a, b]), on pose :
Z b Z b 21
2

k f k1 = | f (t)|dt; k f k2 = | f (t)| dt ; k f k∞ = sup | f (t)| .
a a t∈[ a,b ]
k · k1 est appelée la norme de la convergence en moyenne sur [ a, b].

k · k2 est appelée la norme de la convergence en moyenne quadratique sur [ a, b]. Cette norme
est euclidienne.
k · k∞ est appelée la norme de la convergence uniforme sur [ a, b].
4. Les normes fondamentales sur Mn,p (K ) avec n, p ∈ N ∗ .
Pour A = (aij ) ∈ Mn,p (K ), on pose :
n p n p 12
2
k A k1 = ∑ ∑ |aij |; k A k2 = ∑ ∑ |aij | ; k Ak∞ = max {| aij |}.
1≤ i ≤ n
i =1 j =1 i =1 j =1 1≤ j ≤ p
Remarque 1.5.
1. Si (E, k · k) est un e.v.n alors, en posant
∀ x, y ∈ E; d( x, y) = k x − yk,
on obtient que (E, d) est un espace métrique.
2. (R n , d) est un espace métrique complet (e.m.c) muni de la distance d définit par :
∀ X, Y ∈ R n ; d(X, Y ) = kX − Y k2 .
Ainsi (R n , k · k2 ) est une e.v.n.c i.e un espace de Banach.
Définition 1.22. On dit que deux normes N1 et N2 sur E sont équivalentes si
∃k1 , k2 ∈ R ∗+ , ∀ x ∈ E, k1 N1 ( x ) ≤ N2 ( x ) ≤ k2 N1 ( x ).
Exemple 1.7. Les normes k · k1 , k · k2 et k · k∞ définies sur R n sont équivalentes. En effet, on a :
√ √
k X k ∞ ≤ k X k2 ≤ n k X k ∞ ; k X k ∞ ≤ k X k1 ≤ n k X k ∞ ; k X k2 ≤ k X k1 ≤ n k X k2 .
Définition 1.23. Soit A une partie de R n .
1. A sera dit convexe si : ∀t ∈ [0, 1], ∀ x, y ∈ A, tx + (1 − t)y ∈ A.
2. A sera dit compact si A est fermé et borné.
Exemple 1.8.
1. Les boules ouvertes et les boules fermées sont des ensembles convexes. En effet :
soit (a, r ) ∈ R n ×]0, +∞[, pour tout x, y ∈ Bd (a, r ) et t ∈ [0; 1] on a (1 − t) x + ty ∈ Bd (a, r )
car d(a, (1 − t) x + ty) < r. Justifier.
n
2. Dans R n , les ensembles compacts sont de la forme ∏ [ ai , bi ] avec ai , bi ∈ R.
i =1
8
1.2.2 Norme eulidienne
Dans cette sous-section E est un R-espace vectoriel de dimension finie ou non.
Produit scalaire réel

Définition 1.24. On appelle produit scalaire réel sur E, toute forme bilinéaire symétrique et
définie positive, i.e. toute application ϕ : E × E −→ R telle que :
P1 : ∀ x ∈ E, ϕ x : y 7−→ ϕ( x, y) est linéaire (linéarité à droite) ;
P2 : ∀( x, y) ∈ E2 , ϕ( x, y) = ϕ(y, x ) (symétrie) ;
P3 : ∀ x ∈ E, x 6= 0 =⇒ ϕ( x, x ) > 0 (définie positive).
Définition 1.25. Un espace muni d’un produit scalaire réel est dit espace préhilbertien réel.
Le produit scalaire ϕ( x, y) de deux vecteurs est noté < · | · >, ou encore x · y ou (· | ·).
Remarque 1.6.
(i) La linéarité à droite et la symétrie impliquent la linéarité à gauche.
(ii) Si l’un des vecteurs est nul, le produit scalaire est nul.
(iii) Le caractère ≪ définie positif ≫ du produit scalaire peut s’établir en montrant que :
∀ x ∈ E, ( x | x ) ≥ 0 et ( x | x ) = 0 =⇒ x = 0.
Exemple 1.9.
(i) Produit scalaire canonique sur R n : il est défini par
n
∀ x = ( x1 , . . . , x n ) ∈ R n , ∀ y = ( y1 , . . . y n ) ∈ R n , ( x | y ) = ∑ xk yk .
k=1
(ii) Produit scalaire canonique sur Mn,1 (R ) : il est défini par

n
∀(X, Y ) ∈ (Mn,1 (R ))2 , (X | Y ) = t XY = ∑ xk yk .
k=1
(iii) Produit scalaire canonique sur Mn,p (R ) : il est défini par
∀( A, B) ∈ (Mn,p (R ))2 , ( A | B) = tr (t XY ) = ∑ ai,j bi,j .

i,j
(iv) Produit scalaire canonique sur le R-espace vectoriel des fonctions continues sur le segment
[ a, b] et à valeurs réelles :
Z b
0 2
∀( f , g) ∈ (C ([ a, b], R )) , ( f | g) = f (t) g(t)dt.
a
(v) Produit scalaire canonique sur le R-espace vectoriel des fonctions continues sur R,
2π-périodique et à valeurs réelles :
Z π
1
∀( f , g) ∈ (C2π (R ))2 , ( f | g) = f (t) g(t)dt.
2π −π
9
(vi) Produit scalaire canonique sur l’espace R [ X ] des polynômes à cœfficients réels :
Z 1
2
∀( P, Q) ∈ (R [ X ]) , ( P | Q) = P(t)Q(t)dt.
−1
Soit E un espace préhilbertien réel dont le produit scalaire est noté (· | ·). On définit sur
E la norme suivante : q
∀ x ∈ E, k x k = ( x | x ).
Définition 1.26. La norme définie précédemment est dite euclidienne si E est de dimension finie.
Définition 1.27. Un espace préhilbertien réel est dit euclidien s’il est de dimension finie et sa
norme est euclidienne.
Exemple 1.10. R n est un espace euclidien car sa norme (euclidienne) provient du produit scalaire
(· | ·) défini par :
q
( x | y) = x1 y1 + x2 y2 + · · · + xn yn et k x k = ( x | x ).
Expression du produit scalaire en fonction de la norme

Proposition 1.11. Soit E un espace préhilbertion réel. Pour tout x, y ∈ E, on a :
(i) k x + yk2 = k x k2 + 2( x | y) + kyk2 ;
(ii) k x + yk2 + k x − yk2 = 2k x k2 + 2kyk2 (égalité du parallélogramme) ;
(iii) ( x | y) = 12 (k x + yk2 − k x k2 − kyk2 ) = 14 (k x + yk2 − k x − yk2 ).
Corollaire 1.1. (Égalité du parallélogramme). La somme des carrés des longueurs des côtés d’un
parallélogramme est égale à la somme des carrés des longueurs des diagonales.
Théorème 1.3. (Inégalité de Schwarz). Pour tout x, y ∈ E, on a :
|( x | y)| ≤ k x kkyk.
L’égalité a lieu si, la famille ( x, y) est liée.
1.3 Exercices
Exercice 1.2.
1. Lesquelles des applications suivantes donnent une distance sur R ?
1
d1 ( x, y) = ( x − y)2 ; d2 ( x, y) = | x − y| 2 ; d3 ( x, y) = | x − 2y| ; d4 ( x, y) = | x2 − y2 |.
2. Expliquer pourquoi d( f , g) = sup | f (t) − g(t)| définit une distance sur C0 [0, 1], R .

t∈[0,1]
Exercice 1.3.
Soit (E, d) un e.m. et ϕ : R + −→ R + une application croissante, sous-additive et ne s’annulant
qu’en 0.
1. Montrer que ϕ ◦ d est une distance sur E.
2. Vérifier que d et ϕ ◦ d sont métriquement équivalentes ssi ∃C > 0, ∀u ∈ R + , C−1 u ≤
ϕ(u) ≤ Cu, et topologiquement équivalente ssi ϕ est continue en 0.
3. Étudier les cas a) ϕ(u) = min(1, u), b) ϕ(u) = 1+u u .
10
Exercice 1.4.
Soit (E, d) une espace métrique. Montrer que les applications δ et λ définies sur E × E par :
δ( x, y) = ln(1 + d( x, y)) et λ( x, y) = (d( x, y))α avec α ∈]0, 1[
sont des distances sur E.
Exercice 1.5.
Soit E un ensemble non vide. Soit d1 et d2 deux distances sur E.
1. On suppose qu’il existe k > 0 tel que ∀( x, y) ∈ E2 , d1 ( x, y) ≤ kd2 ( x, y). Montrer que
toute boule ouverte de (E, d1 ) est un ouvert de (E, d2 ). En déduire que la topologie de
(E, d1 ) est moins fine que celle de (E, d2 ).
2. Soit λ1 et λ2 deux nombres réels positifs ou nuls, non tous nuls. Pour tout x, y ∈ E,
on pose : d( x, y) = λ1 d1 ( x, y) + λ2 d2 ( x, y). Montrer que (E, d) est un espace métrique.
Généraliser ce résultat avec n distances sur E.
Exercice 1.6.
Soit f : R −→ R une fonction strictement croissante. On définit l’application δ : R × R −→ R
par : δ( x, y) = | f ( x ) − f (y)|.
1. Montrer que δ est une distance sur R.
2. Étudier l’équivalence métrique et topologique avec la distance usuelle d( x, y) = | x − y|
dans les cas où a) f ( x ) = x3 , b) f ( x ) = arctan x.
Exercice 1.7.
Soit E =]0, +∞[. Pour x et y de E, on pose : δ( x, y) = | ln x − ln y|.
1. Vérifier que δ est une distance sur E.
2. Soit d la distance usuelle sur E. Montrer que d et δ sont deux distances topologiquement
équivalentes.
3. Montrer que (E, d) n’est pas complet.
4. La suite ( n1 )n≥1 est-elle convergente dans l’espace métrique (E, δ) ? Est-elle une suite de
Cauchy dans (E, δ) ?
5. Montrer que l’espace métrique (E, δ) est complet.
Exercice 1.8.
1 1
Soit E =]0, +∞[. Pour x et y de E, on pose : δ( x, y) = x − y .
équivalentes.
3. Montrer que (E, δ) n’est pas complet.
4. Montrer que l’espace métrique (]0, 1], δ) est complet.
11
Exercice 1.9.
Soit E = R. Pour x et y de E, on pose : δ( x, y) = | arctan x − arctan y|.
équivalentes.
3. Montrer que δ et d ne sont pas équivalentes.
4. Montrer que (E, δ) n’est pas complet.
Exercice 1.10.
Soit E un espace vectoriel normé.
1. Montrer que ∀( x, y) ∈ E2 , k x k + kyk ≤ 2 max k x + yk, k x − yk .

2. Montrer que l’on peut avoir l’égalité avec x 6= 0 et y 6= 0.

3. On suppose désormais que la norme est euclienne.
√
a. Montrer que ∀( x, y) ∈ E2 , k x k + kyk ≤ 2 max k x + yk, k x − yk .

√
b. Peut-on améliorer la constante 2 ?.
Exercice 1.11.
Soit N l’application définie sur R2 par : N ( x, y) = max | x |, |y|, | x − y| .

1. Montrer que N est une norme sur R2 .

2. Représenter la boule unité ouverte.
Exercice 1.12.
Dans chancun des cas suivants, montrer que l’application N : R2 −→ R est une norme sur R2 .
Déssiner la sphère unité.
| x + ty|
a) N ( x, y) = sup | x + ty|, b) N ( x, y) = sup 1+ t 2
.
t∈[0,1] t ∈R
Exercice 1.13.
n
1. Montrer que sur R n [ X ], k Pkn = ∑ | P(k)| définit une norme.
k=0
2. Déterminer la norme de l’application linéaire de R2 [ X ] dans R3 [ X ] qui au polynôme P(X )
associe le polynôme XP(X ) quand ces espaces sont munis respectivement des normes k · k2
et k · k3 .
Exercice 1.14.
qR
1
C1 | f (t)|2 + | f ′ (t)|2 dt est une

1. Sur [0, 1], R , montrer que la quantité N ( f ) = 0
norme.
2. Montrer qu’il existe une constante C > 0 telle que : k f k∞ ≤ CN ( f ), pour tout
1

f ∈ C [0, 1], R . Les deux normes sont-elles équivalentes ?
12
Exercice 1.15.
Soit a, b ∈ R tel que a < b. On pose E = C0 ([ a, b], R ) l’espace des fonctions continues sur [ a, b]
et à valeurs dans R. Soit k · k2 l’application définie de E vers R + par :
Z b
12
2
k f k2 = | f (t)| dt .
a
1. Énoncer et démontrer l’inégalité de Jensen.

Rb Rb 1 R b 1
2. Montrer que ∀ f ∈ E, ∀ g ∈ E, a | f (t) g(t)|dt ≤ a | f (t)|2 dt 2 a | g(t)|2 dt 2 .
3. Montrer que k · k2 est une norme sur E.
Rb
4. Soit φ l’application définie de E vers R + par : φ( f ) = a f (t)dt.
√
Montrer que φ est b − a-Lipschitzienne.
Exercice 1.16.
1. a. Rappeller la définition d’une application linéaire entre deux R-espaces vectoriels E et
F, d’une forme linéaire sur E.
b. On suppose que E est de dimension finie et on désigne par E∗ le dual de E. Définir E∗
et montrer que (R n )∗ est isomorphe à R n , n ∈ N ∗ .
n
c. Montrer que toute forme linéaire L sur R n est de la forme L( x ) = ∑ ai xi où x =
i =1
( x1 , . . . , xn ), ai ∈ R, 1 ≤ i ≤ n.
2. Rappeller les trois normes canoniques sur R n et montrer qu’elles sont équivalentes.
Exercice 1.17.
Soit L : R n −→ R p une application linéaire. On pose N1 ( L) = sup k L( x )k, où R n et R p sont
k x k≤1
munis des normes euclidiennes. On désigne respectivement par L(n, p) et M(n, p) l’ensemble
des applications linéaires de R n vers R p et l’ensemble des matrices à n colonnes et p lignes. Pour
tout A = ( aij ) ∈ M(n, p), on pose N2 ( A) = sup | aij |.
1≤ i ≤ n
1≤ j ≤ p
1. Montrer que M(n, p) et L(n, p) sont des R-espace vectoriels isomorphes.

2. Montrer que M(n, p) et L(n, p) sont isomorphes à R np .
3. Montrer que N1 et N2 sont des normes respectivement sur L(n, p) et M(n, p).
4. Montrer que toute application linéaire L : R n −→ R p est continue.
(On montrera d’abord que ∀ x ∈ R n , k L( x )k ≤ N1 ( L)k x k).
13
Exercice 1.18.
Soit (E, d) un espace métrique complet, f : E −→ E une application telle que ∃k ∈]0; 1[
vérifiant ∀ x, y ∈ E, d( f ( x ), f (y)) ≤ kd( x, y).
1. Montrer que f est continue sur E.
2. Soit x0 ∈ E. On considère la suite ( xn ) définie par xn+1 = f ( xn ).
a. Montrer que ( xn ) est de Cauchy.
b. Montrer que ( xn ) converge vers un unique point fixe de f .
√
3. On suppose que E = [1, +∞[. Soit f : E −→ E définie √ par : f ( x ) = 3 + x.
Soit ( xn )n≥0 la suite définie par : x0 = 1 et xn+1 = 3 + xn .
Montrer que : E est complet, f est contractante et ( xn ) converge vers a à déterminer.
x = 15 (2 sin x + cos y)

4. Montrer que le système admet une solution unique.
y = 15 (cos x + 3 sin y)
14
CHAPITRE 2
Limites et continuité des fonctions R n dans R
Objectifs
• Représenter certaines surfaces dans le plan par des lignes de niveau.
• Savoir calculer la limite des fonctions de deux variables.
• Étudier la continuité des fonctions de deux variables.
Introduction
Toutes les fonctions que nous avons envisagées jusqu’ici étaient définies sur une
partie de R et à valeurs dans R ou C. Il est utile, en particulier dans les applications
des mathématiques à la physique, de concevoir des fonctions définies sur R n et à valeurs
dans R p . Lorsque p = 1, de telles fonctions sont appelées champ scalaire et lorsque p ≥ 2,
champ vectoriel. Dans cette chapitre, nous aborderons essentiellement les champs scalaires.
Les fonctions à plusieurs variables vont nous permettre de définir de nouvelles sortes
d’intégrales : intégrales doubles, intégrales triples, dont les applications sont très
nombreuses en Géométrie : calculs d’aires, de volumes, de centres de gravité et en
Physique : moments d’inertie, potentiel d’un champ électrique, etc. (cf. chapitre 4).
Fonctions réelles à plusieurs variables (champs scalaires)

Soit n ∈ N tel que n ≥ 2. On appelle fonction réelle à n variables, une fonction f définie
sur une partie D de R n et à valeurs réelles qui à un vecteur X = ( x1 , x2 , . . . , xn ) de D fait
correspondre un réel unique f (X ).
L’ensemble S = {(X, f (X )); X ∈ D} de R n+1 est une surface représentative de f .
Si n = 2, on utilise la notation ( x, y) et si n = 3, on utilise la notation ( x, y, z).
On munit R n de l’une de ses normes fondamentales notée k · k.
15
2.1 Limite en un point
La notion de limite pour une fonction de plusieurs variables généralise naturellement
la notion correspondante dans le cas des fonctions d’une seule variable. Toutefois, un
nouvel élément entre en jeu : les limites unilatérales (i.e. de la gauche et de la droite)
perdent leur sens et sont remplacées par les nombreuses limites directionnelles possibles.
En effet, dès que le domaine se situe dans un espace à deux dimensions au moins, les
chemins qui mènent à un point donné peuvent suivre divers axes. Ainsi, l’ensemble des
points en lesquels une limite peut être considérée, doit être défini en tenant compte de
toutes les possibilités d’accès (voir par exemple la figure suivante). Une façon commode
de procéder s’appuie sur la notion de boule ouverte dans R n qui généralise celle d’inter-
valle ouvert dans R.
Définition 2.1. Soit D un domaine de R n , X0 ∈ D et f une fonction définie sur D, eventuelle-

ment non définie en X0 , à valeurs réelles.
1. On dit que f a pour limite ℓ au point X0 , ce que l’on écrit lim f (X ) = ℓ, si pour tout
X → X0
ε > 0, il existe r > 0 tel que
X ∈ D \ { X0 } et k X − X0 k < r =⇒ | f (X ) − ℓ| < ε.
2. On dit que f tend vers +∞ quand X tend vers X0 , ce que l’on écrit lim f (X ) = +∞, si
X → X0
pour tout M > 0, il existe r > 0 tel que
X ∈ D \ { X0 } et k X − X0 k < r =⇒ f (X ) > M.
3. On dit que f tend vers −∞ quand X tend vers X0 , ce que l’on écrit lim f (X ) = −∞, si
X → X0
pour tout M > 0, il existe r > 0 tel que
X ∈ D \ { X0 } et k X − X0 k < r =⇒ f (X ) < − M.
Proposition 2.1. L’existence et la valeur éventuelle de la limite sont indépendantes de la norme

choisie dans R n . Lorsqu’elle existe, la limite est unique.
Propriété 2.1. Si f admet une limite ℓ en X0 , la restriction de f à toute courbe continue (non
seulement les droites) passant par X0 admet la même limite ℓ.
Remarque 2.1. Pour prouver qu’une fonction de plusieurs variables n’admet pas de limite en
X0 , il suffit donc d’expliciter une restriction à une courbe passant par X0 qui n’admette pas de
limite, ou deux restrictions qui conduisent à des limites différentes. Par contre prouver l’existence
d’une limite, il faut considérer le cas général.
16
2.2 Continuité
Soit U un ouvert de R n , f : U −→ R une fonction à n variables. Soit X0 ∈ U.
Définition 2.2. 1. On dira que f est continue en X0 si lim f (X ) = f (X0 ). Autrement dit:
X → X0
∀ε > 0, ∃αε > 0, ∀ X ∈ U, kX − X0 k < αε =⇒ | f (X ) − f (X0 )| < ε.
2. On dira que f est continue sur U si f est continue en chaque point de U.
Exemple 2.1. Toute application linéaire f : R n −→ R est continue en tout point de R n .

En effet, on a :
∀X ∈ Rn , k f (X )k ≤ k f kkX k où k f k = sup | f (X )|.

k X k≤1
Remarque 2.2. Soit f : R n −→ R une application linéaire. Alors les propriétés suivantes sont
équivalentes : (i) f est continue en OR n (ii) f est continue sur R n .
Proposition 2.2. Si f est définie en X0 et possède une limite en ce point, cette limite est nécessairement
égale à f (X0 ) et f est alors continue en X0 .
Proposition 2.3. Si f est continue sur U, alors la fonction g définie de U × R vers R par
g( x1 , . . . , xn , y) = f ( x1 , . . . , xn ) est continue sur U × R.
Propriété 2.2. (Opérations algébriques)

Les fonctions continues de plusieurs variables jouissent des mêmes propriétés que les fonctions
continues d’une seule variable. Les fonctions élémentaires telles que les polynômes, les fonctions
exponentielles, logarithmes et trigonométriques sont continues dans leurs domaines de définition
respectifs. La continuité des autres fonctions s’établit le cas échéant, en tant que somme, produit,
composée, le quotient (lorsque le dénominateur ne s’annule pas) etc . . . de fonctions continues.
2.3 Cas des fonctions de deux variables

2.3.1 Définition et représentation graphique
Définition 2.3. 1. On appelle fonction de deux variables réelles à valeurs réelles, toute
application f définie sur une partie D de R2 et à valeurs dans R.
D ⊆ R2 −→ R
f : .
( x, y) 7−→ f ( x, y)
Une telle fonction peut donner lieu à une représentation graphique dans R3 par la représentaion
de la surface (S) : z = f ( x, y). L’espace R3 étant muni d’un repère orthonormé (O;~i,~j,~k).
2. On appelle graphe de f le sous-ensemble G f de R3 défini par :
G f = {( x, y, f ( x, y)); ( x, y) ∈ D}.
17
Remarque 2.3. 1. En fixant l’une des variables, on obtient une fonction partielle, fonction
d’une variable.
• Pour y = y0 fixé ; f y0 : x 7−→ f ( x, y0 ) est une fonction de la variable x.
• Pour x = x0 fixé ; f x0 : y 7−→ f ( x0 , y) est une fonction de la variable y.
2. L’intersection de la surface (S) avec le plan horizontal z = z0 est la ligne de niveau z0 .
Les fonctions de R2 dans R peuvent être représentées dans le plan par des lignes de niveau
f ( x, y) = z0 . Le graphe f peut être vu comme un empilement de courbes de niveau qui
forment une surface dans R3 (cf. Exo 2.3 TD).
Exemple 2.2. 1. f ( x, y) = x−1 y est définie sur D = {( x, y); x − y 6= 0}. D est le plan privé
de la droite d’équation y = x. La représentation graphique de f est la surface d’équation
z = x−1 y avec ( x, y) ∈ D.
2. f ( x, y) = x2 + y2 est définie sur D = R2 . La représentation graphique de f est la surface
d’équation z = x2 + y2 . On obtient une paraboloı̈de elliptique.
2.3.2 Distances, limites et continuité

• Distances et limites
Définition 2.4. 1. La distance euclidienne entre deux points A( x A , y A ) et B( x B , y B ) d’un
plan muni d’un repère orthonormé est donnée par la formule :
q
AB = ( x B − x A )2 + (y B − y A )2 .
2. Soit M( x, y) et M0 ( x0 , y0 ) deux points du plan et ℓ ∈ R.

• On dira que le point M( x, y) tend vers le pointp M0 ( x0 , y0 ) et on note ( x, y) → ( x0 , y0 )
si la distance de M à M0 tend vers 0, c’est-à-dire
p ( x − x0 )2 + (y − y0 )2 → 0.
En particulier ( x, y) → (0, 0) ⇐⇒ r = x2 + y2 −→ 0 ⇐⇒ ( x → 0 et y → 0).
• On dira que lim f ( M) = ℓ si | f ( M) − ℓ| → 0, quand MM0 → 0.
M → M0
Remarque 2.4. Il est souvent pratique et utile de passer aux coordonnées polaires pour ramener
le calcul de la limite d’une fonction à deux variables à celui de la limite d’une fonction d’une seule
variable. En posant : x = x0 + r cos θ et y = y0 + r sin θ. On a : f ( x, y) = g(r, θ ) et
lim f ( x, y) = lim g(r, θ ).
( x,y)→( x0 ,y0 ) r →0
∀θ
18
Proposition 2.4. 1. S’il existe ℓ ∈ R et une fonction r 7→ s(r ) telle que au voisinage de
( x0 , y0 ), on ait :
| f ( x0 + r cos θ, y0 + r sin θ ) − ℓ| ≤ s(r ) et s(r ) → 0, quand r → 0,
alors : lim f ( x, y) = ℓ.
( x,y)→( x0 ,y0 )

2. Si f admet une limite ℓ en ( x0 , y0 ) alors lim lim f ( x, y) = lim lim f ( x, y) = ℓ.
x → x0 y → y0 y → y0 x → x0
Remarque 2.5. La proposition

2.3.2 est souvent
très utile sous sa forme contraposée. En effet :
si lim lim f ( x, y) 6= lim lim f ( x, y) , alors f n’admet pas de limite en ( x0 , y0 ).
x → x0 y → y0 y → y0 x → x0
Exemple 2.3. 1. Pour f ( x, y) = x2 − y2 , on a : g(r, θ ) = r2 cos 2θ et lim(r2 cos 2θ ) = 0,

r →0
∀θ
donc : lim ( x2 − y2 ) = 0.
( x,y)→(0,0)
xy2
2. Pour f ( x, y) = x 2 + y2
on a : g(r, θ ) = r cos θ sin2 θ et lim(r cos θ sin2 θ ) = 0,
r →0
∀θ
xy2
donc : lim 2 2 = 0.
( x,y)→(0,0) x + y
x 2 − y2
3. Pour f ( x, y) = x 2 + y2
, alors f ( x, y) n’existe pas. En effet on a : g(r, θ ) = cos 2θ
lim
( x,y)→(0,0)

x 2 − y2 1 si θ = 0
et lim 2 + y2 = lim (cos 2θ ) = . D’autre part, on peut remarquer
( x,y)→(0,0) x r →0 −1 si θ = π2
∀θ
x2 − y2 x2 − y2
que lim lim x2 +y2 = 1 6= −1 = lim lim x2 +y2 . Conclure.
x →0 y →0 y →0 x →0
• Continuité
Exemple 2.4. 1. La fonction f ( x, y) = x2 + y2 − xy + y est continue sur R2 comme fonction
polynôme.
2. La fonction g( x, y) = ln( x + y2 ) − 3 est continue sur D = {( x, y) ∈ R2 ; x + y2 > 0}
comme somme du logarithme d’un polynôme (fonction composée) et d’une constante.
xy2
(
x + y2
2 si ( x, y) 6= (0, 0)
3. La fonction f ( x, y) = est continue en (0, 0) car on a :
0 si ( x, y) = (0, 0)
lim f ( x, y) = 0 = f (0, 0). Notons que | f ( x, y)| ≤ | x | ≤ k( x, y)k.
( x,y)→(0,0)
xy
(
x 2 + y2
si ( x, y) 6= (0, 0)
Contre-exemple 2.1. La fonction g( x, y) = n’est pas continue en
0 si ( x, y) = (0, 0)
(0, 0) car on a : g(0, x ) = 0 et g( x, x ) = 12 .
2.3.3 Extension aux fonctions de R2 dans R2

Considérons cette fois une fonction f d’une partie D de R2 à valeurs dans R2 :
D ⊆ R2 −→ R2
f : .
( x, y) 7−→ f ( x, y) = ( f 1 ( x, y), f 2 ( x, y))
19
Proposition 2.5. Il est équivalent de dire que f admet une limite ou chacune de ses composantes
f 1 et f 2 en admet une. Il en est de même pour la continuité.
Démonstration. • Si f admet une limite l = (l1 , l2 ) quand ( x, y) → ( x0 , y0 ), alors les

inégalités :
| f i ( x, y) − li | ≤ k f ( x, y) − l k
montrent que chaque composante f i admet pour limite li quand ( x, y) → ( x0 , y0 ).
• Réciproquement, Si chaque composante f i admet pour limite li quand ( x, y) → ( x0 , y0 ),
alors la formule :
q
k f ( x, y) − l k = ( f 1 ( x, y) − l1 )2 + ( f 2 ( x, y) − l2 )2
montre que f admet pour limite l.
Remarque 2.6. Pour étudier une fonction de R2 dans R2 , il suffit d’étudier deux fonctions de
R2 dans R.
2.4 Exercices
Exercice 2.1.
Dans chacun des cas suivants, déterminer et
preprésenter le domaine de définition de f donnée :
2 xy
(a) f ( x, y) = ln(y − x ), (b) f ( x, y) = 1 − ( x + y), (c) f ( x, y) = x2 +y2 ,
√
p
2 2 − y+ x2
(d) f ( x, y) = 1 − ( x + y ), (e) f ( x, y) = ln( x (y − x )), (f) f ( x, y) = √
y ,
ln y
(g) f ( x, y) = √
x−y
(h) f ( x, y) = ln( x + y), (i) f ( x, y) = ln( x − y2 ).
Exercice 2.2.
1. Quelle est la nature de la représentation graphique de f : ( x, y) 7−→ x − 3y + 1 ?.
2. Quel est l’ensemble des points M( x, y, z) tels que z2 = x2 + y2 ?.
3. Quelle est l’équation d’une sphère de centre Ω(α, β, γ) et de rayon R ?.
p
4. Quelle est la nature de la représentation
√ graphique de f : ( x, y ) 7 −→ 4 − x2 − y2 ?.
Déterminer la ligne de niveau z = 3.
5. Si f : ( x, y) 7−→ √ 1 pour ( x, y) 6= (0, 0), déterminer la ligne de niveau z = 1.
x 2 + y2
p
6. Soit λ > 0, déterminer la ligne de niveau z = λ de f ( x, y) = ln( x 2 + y 2 ).
Exercice 2.3.
Dans chaque cas, déterminer les courbes de niveau des fonctions de deux variables données. Es-
quisser ensuite leurs graphes (le graphe peut être vu comme un empilement de courbes de niveau
qui forment une surface dans R3 ).
2
(a) f ( x, y) = x + y − 1 (b) f ( x, y) = y − cos x (c) f ( x, y) = ey− x
(d) f ( x, y) = ln( x − y2 ).
20
Exercice 2.4.
xy
(
x 2 + y2
si M 6= O
1. Soit la fonction f définie sur R2 par : f ( M) = f ( x, y) = .
0 si M = O
Calculer la limite de f ( M) lorsque M tend vers O dans les trois cas suivants :
(a) sur l’axe (Ox ), (b) sur l’axe (Oy), (c) sur la droite y = x.
En déduire que f n’est pas continue en O.
√ xy
(
si ( x, y) 6= (0, 0)
2. Soit la fonction g définie par : g( x, y) = x 2 + y2 .
0 si ( x, y) = (0, 0)
En utilisant les coordonnées polaires montrer que g est continue en (0, 0).
Exercice 2.5.
Les limites suivantes existe-t-elle ? 3
1 y xy | x |+| y|
(a) lim x − y , (b) lim ( x − 1)2 + y2
, (c) 2 + y2 , (d)
lim lim 2 2
( x,y)→(1,1) ( x,y)→(1,0) ( x,y)→(0,0) x ( x,y)→(0,0) x + y
x ln(1+ x3 ) x2 sin2 (y)
(e) lim 2 2 , (f) lim 2 2 , (g) lim ( x2 + y2 ) ln( x2 + y2 ).
( x,y)→(0,0) y( x + y ) ( x,y)→(0,0) x +3y ( x,y)→(0,0)
Exercice 2.6.
Les fonctions suivantes admettent-elles une limite au point indiqué ?
xy −yx
(a) f ( x, y) = x−y en (a, a), a ∈ R ∗+ ; (b) f ( x, y) = x−1 y en (1, 1) ;
y3 xy−2y
(c) f ( x, y) = ( x − 1)2 − y2
en (1, 0) ; (d) f ( x, y) = x2 + y2 −4x +4
en (2, 0) ;
x 2 3 2 3
x − x +y +y
(e) f ( x, y) = xe y en (0, 0) ; (f) f ( x, y) = x 2 + y2
en (0, 0).
Exercice 2.7.
Soit f la fonction définie sur R2 par :
x2 y
(
x4 −2x2 y+3y2
si ( x, y) 6= (0, 0)
f ( x, y) =
0. sinon
Montrer que la restriction de f à toute droite passant par l’origine est continue mais que f n’est
pas continue à l’origine.
Exercice 2.8.
Étudier la continuité des fonctions suivantes de R2 dans R :
x 2 − y2
( (
x2
x 2 + y2
si ( x, y) 6= (0, 0) y si y 6= 0
(a) f ( x, y) = ; (b) f ( x, y) = ;
0 si ( x, y) = (0, 0) 0 si y = 0
x2 y
( (
e x −ey
si ( x, y) 6= (0, 0) x−y si x 6= y
(c) f ( x, y) = x 2 + y2 ; (d) f ( x, y) = .
0 si ( x, y) = (0, 0) ex si x = y
21
CHAPITRE 3
Différentiabilité des fonctions à plusieurs variables
Objectifs
• Étudier la différentiabilité des fonctions à plusieurs variables.
• Maı̂triser la notion de fonction implicite.
• Déterminer les extrema locaux d’une fonction à plusieurs variables.
• Maı̂triser la notion d’inversion locale.
Introduction
Les mathématiques, puissant outil de modélisation et de résolution de problèmes permettent
précisément de représenter de façon fonctionnelle des situations réelles rencontrées dans le monde,
dans la vie, dans les technologies, en économie, en logistique, . . . et permettent d’effectuer des
opérations en vue de caractériser ces situations, d’en tirer des tendances, de participer à des tenta-
tives de prédiction, d’optimiser un processus en termes de temps, de parcours, de coût, . . . La des-
cription d’une situation réelle requiert souvent un grand nombre de paramètres et de variables,
ainsi, les fonctions mathématiques sont-elles à plusieurs variables, parfois interdépendantes et les
opérations doivent être définies et menées en conséquence.
3.1 Fonctions différentiables

3.1.1 Définition et exemples
Définition 3.1. (Fonctions différentiables sur R n )
Soit U ⊆ R n ouvert, f : U −→ R une fonction à n variables, soit a ∈ U.
1. On dit que f est différentiable en a s’il existe une application linéaire L : R n −→ R telle que
f ( x ) − f ( a) − L( x − a)
lim = 0.
x→a k x − ak
22
i.e. Dans un voisinage de a, on a :
f ( x ) − f (a) = L( x − a) + k x − akε( x ) avec lim ε( x ) = 0. (3.1)

x→a
La fonction linéaire L est unique et appelée différentielle de f en a.

On la note souvent L := f ′ (a) := d f a := D f (a).
2. On dit que f est différentiable sur U lorsque f est différentiable en tout point de U.
Remarque 3.1.
(i) (3.1) s’écrit aussi f (a + h) − f (a) = d f a (h) + khkε(h) avec lim ε(h) = 0.
h →0
(ii) (3.1) =⇒ lim f ( x ) = f (a) i.e. toute fonction différentiable en a est continue en a.
x→a
Exemple 3.1.
1. Toute fonction f : R −→ R dérivable en a est différentiable en a.
2. Toute forme linéaire L : R n −→ R est différentiable en tout point a ∈ R n et L′ (a) = L. En
effet L( x ) − L(a) = L( x − a) + k x − ak × 0.
3. Toute forme bilinéaire f : R n × R n −→ R est différentiable en tout point a = (a1 , a2 ) et on
a:
∀ h = ( h 1 , h 2 ) ∈ R n × R n , d f a ( h ) = f ( a1 , h 2 ) + f ( h 1 , a2 ).
Définition 3.2. Soit U ⊆ R n ouvert, f : U −→ R p une fonction à n variables et p composantes
telle que ∀ x ∈ U, f ( x ) = ( f 1 ( x ), f 2 ( x ), . . . , f p ( x )). Soit a ∈ U. On dit que f est différentiable
en a lorsque chaque f i est différentiable en a et on a f ′ (a) = f 1′ (a), f 2′ (a), . . . , f p′ (a) i.e.

∀h ∈ R n , f ′ (a)h = f 1′ (a)h, f 2′ (a)h, . . . , f p′ (a)h .

(3.2)
Exemple 3.2. Soit f : R2 −→ R2 définie par : f ( x, y) = ( x + y, xy).

f est différentiable en tout point a = (a1 , a2 ) et on a :
∀ h = ( h 1 , h 2 ) ∈ R 2 , d f a ( h ) = ( h 1 + h 2 , a1 h 2 + a2 h 1 ).
Proposition 3.1.
1. Si f est différentiable pour une norme sur R n , elle l’est encore pour toute les normes équivalentes.
2. Si f et g sont différentiables en a alors il en est de même de f + g et λ f , (λ ∈ R ) et on a :
d( f + g)a = d f a + dga , d(λ f )a = λd f a .
3. Soit f : U ⊆ R n −→ R p et g : V ⊆ R p −→ R q avec f (U ) ⊆ V. Si f est différentiable en a

et g est différentiable en f (a) alors g ◦ f est différentiable en a et on a :
d( g ◦ f )a = dg f (a) ◦ d f a .
Définition 3.3. Soit U ⊆ R n ouvert, f : U −→ R une fonction et a ∈ U.

1. On dit que f est dérivable en a dans la direction v ∈ R n si :
f (a + tv) − f (a)
lim est finie. (3.3)
t →0 t
Cette limite est alors notée Lv f (a) et appelée dérivée directionnelle f en a suivant v.
23
2. On dit que f est Gâteaux différentiable en a si pour tout vecteur v ∈ R n , f est dérivable en a
dans la direction v et l’application φa : R n −→ R, v 7−→ Lv f (a) est linéaire continue.
L’application φa est appelée différentielle de f en a au sens de Gâteaux.
Proposition 3.2. Si f est différentiable en a alors f est Gâteaux différentiable en a et on a :

Lv f (a) = f ′ (a)v, pour tout v ∈ R n .
Cette proposition est régulièrement utilisée sous sa forme contraposée.
3.1.2 Dérivées partielles

Définition 3.4. Soit f : U ⊆ R n −→ R p , a ∈ U et (e1 , e2 , . . . , en ) la base canonique de R n ,
e1 = (1, 0, . . . , 0), . . . , en = (0, . . . , 0, 1). On pose :
f (a + tei ) − f (a)
f i′ (a) = lim . (3.4)
t →0 t
Lorsque cette limite existe (∈ R p ), on dit que f admet en a, une dérivée partielle par rapport à la
∂f
i ème coordonnée. Cette limite est alors notée ∂x (a) := ∂i f (a) et est appelée dérivée partielle de f
i
en a.
Remarque 3.2. f i′ (a) est la différentielle de la i ème application partielle de f en a c’est-à-dire

f i : Ui ⊆ R −→ R p , f i ( xi ) = f (a1 , a2 , . . . , ai −1 , xi , ai +1 , . . . , an ) où
Ui = {t ∈ R, (a1 , a2 , . . . , ai −1 , t, ai +1 , . . . , an ) ∈ U }.
Cas particulier : n = 2
Soit f une fonction définie de U de R2 dans R et a = ( x0 , y0 ) ∈ U. On appelle dérivées
f y0 f x0
partielles de f en a les dérivées des fonctions partielles x 7−→ f ( x, y0 ) et y 7−→ f ( x0 , y)
∂f ∂f
On note ∂x (a) ou ∂1 f (a) la dérivée en x0 de f y0 et ∂y (a) ou ∂2 f (a) la dérivée en y0 de f x0 .
On dérive donc f par rapport à la i ème composante en considérant l’autre composante
comme constant. On a :
∂f f ( x0 + t, y0 ) − f ( x0 , y0 ) ∂f f ( x0 , y0 + t ) − f ( x0 , y0 )
( x0 , y0 ) = lim et ( x0 , y0 ) = lim .
∂x t →0 t ∂y t →0 t
∂f ∂f
Exemple 3.3. Pour f ( x, y) = 2x3 y2 , on a : ∂x ( x, y) = 6x2 y2 et ∂y ( x, y) = 4x3 y.
Proposition 3.3. Si f : U ⊆ R n −→ R p est une fonction différentiable en a = (a1 , a2 , . . . , an )

alors toutes les dérivées partielles de f existe en a et ∀h = (h1 , h2 , . . . , hn ) ∈ R n ,
si p = 1, on a :
∂f ∂f ∂f
d f a (h) = ( a ) h1 + ( a ) h2 + · · · + ( a)hn . (3.5)
∂x1 ∂x2 ∂xn
si p > 1 et f = ( f 1 , f 2 , . . . , f p ), on a :
n n n ∂f
t ∂ f1 ∂ f2 p
d f a (h) = ∑ ∂xi (a)hi , ∑ ∂xi (a)hi , . . . , ∑ ∂xi (a)hi . (3.6)
i =1 i =1 i =1
24
Exemple 3.4. 1. Soit f ( x, y, z) = xyz + x2 + y2 − z2 , pour tout h = (h1 , h2 , h3 ) ∈ R3 ,
on a : d f (1,0,−1) (h) = ∂1 f (1, 0, −1)h1 + ∂2 f (1, 0, −1)h2 + ∂3 f (1, 0, −1)h3 ,
donc : d f (1,0,−1) (h1 , h2 , h3 ) = 2h1 − h2 + 2h3 .
2. Soit g( x, y) = ( g1 ( x,y), g2 ( x, y)) = ( xy, x2 + y2 ), pourtout
h = (h1 , h2 ) ∈R2 ,
∂1 g1 (1, −1)h1 + ∂2 g1 (1, −1)h2 − h1 + h2
on a : dg(1,−1) (h) = = .
∂1 g2 (1, −1)h1 + ∂2 g2 (1, −1)h2 2h1 − 2h2
Remarque 3.3. L’existence des dérivées partielles de f en a n’implique pas toujours que f est
différentiable en a.
( xy
x 2 + y2
si ( x, y) 6= (0, 0)
Exemple 3.5. Soit la fonction f : R2 −→ R définie par : f ( x, y) = .
0 si ( x, y) = (0, 0)
f (t, 0) − f (0, 0) f (0, t) − f (0, 0)

On a : ∂1 f (0, 0) = lim = 0 et ∂2 f (0, 0) = lim = 0.
t →0 t t →0 t
donc les dérivées partielles de f existent en (0, 0). Mais lim f (t, t) 6= f (0, 0) i.e. f n’est pas
t →0
continue en (0, 0) et par suite donc f n’est pas différentiable en (0, 0).
3.1.3 Critère de différentiabilité

Définition 3.5. Soit f : U ⊆ R n −→ R p une application différentiable sur U. On note
L(R n , R p ) l’ensemble des applications linéaires de R n vers R p . La différentielle de f sur U est
l’application
U −→ L(R n , R p )
df :
a 7−→ d f (a) := f ′ (a).
Lorsque p = 1, d f : U −→ L(R n , R ) = (R n )∗ := dual de R n . d f est appelée 1ère forme
différentielle de f sur U ou simplement forme différentielle de f sur U.
Remarque 3.4. En notant par xi : R n −→ R, (a1 , a2 , . . . , an ) 7−→ ai , on a xi est linéaire et
dxi (h) = xi (h) = hi , par suite :
n n n
∂f ∂f
d f (a)(h) = ∑ ∂xi ( a ) dx i ( h ) i.e. d f ( a ) = ∑ ∂xi ( a ) dx i ou simplement d f = ∑ ∂i f dxi .
i =1 i =1 i =1
df
Si n = 1, on a : d f (a) = f ′ (a)dx i.e. dx ( a) = f ′ ( x ). On retrouve bien la notation habituelle.
Définition 3.6. Soit f : U ⊆ R n −→ R p une fonction. On dit que f est continument
différentiable sur U (ou de classe C1 sur U ) lorsque f est différentiable sur U et d f est conti-
nue sur U.
Remarque 3.5.
1. Si f est différentiable sur R alors f n’est pas nécessairement de classe C1 sur R par exemple
x sin 1x si x 6= 0
2
f (x) = .
0 si x = 0
2. Nous avons vu (confère proposition 3.3) que si f est différentiable en a alors toutes ses dérivées
partielles existent en a. Mais la réciproque est fausse (confère exemple 3.5).
25
Proposition 3.4. (critère de différentiabilité)
Soit f : U ⊆ R n −→ R p une fonction et a ∈ U. Si les dérivées partielles de f existent et sont
continues en a, alors f est différentiable en a.
xy( x2 − y2 )
(
2 x 2 + y2
si ( x, y) 6= (0, 0)
Exemple 3.6. Soit la fonction f : R −→ R définie par : f ( x, y) = .
0 si ( x, y) = (0, 0)
y( x4 +4x2 y2 − y4 )
(
∂f ( x 2 + y2 )2
si ( x, y) 6= (0, 0)
f est différentiable en (0, 0). En effet on a : ∂x ( x, y) = et
0 si ( x, y) = (0, 0)
x ( x4 −4x2 y2 − y4 )
(
∂f ( x 2 + y2 )2
si ( x, y) 6= (0, 0) ∂f ∂f
∂y ( x, y) = . De plus les dérivées partielles ∂x et ∂y sont
0 si ( x, y) = (0, 0)
continue en (0, 0).
Proposition 3.5. Soit f : U ⊆ R n −→ R p une fonction et a ∈ U. Alors f est de classe C1 en a
si et seulement si les dérivées partielles de f existent et sont continues en a.
3.1.4 Matrice Jacobienne et dérivation en chaı̂ne

Définition 3.7. Soit f : U ⊆ R n −→ R p une fonction différentiable en a ∈ U telle que
∀ x ∈ U, f ( x ) = ( f 1 ( x ), f 2 ( x ), . . . , f p ( x )). On a d f a = ( f 1′ (a), f 2′ (a), . . . , f p′ (a)).
1. La matrice Jacobienne de f en a est la matrice de d f a notée M f ′ (a) et s’écrit :
 ∂f ∂ f1

1
( a ) . . . ( a )
 ∂x1 . .
∂xn
..  D( f1 , . . . , f p )
M f ′ ( a) = 
 .
. . . . = ( a ). (3.7)
∂ fp ∂ fp
 D ( x1 , . . . , x n )
∂x ( a) . . . ∂xn ( a)
1
M f ′ (a) est une matrice p lignes et n colonnes.

2. Lorsque n = p, le déterminant de M f ′ (a) est appelé Jacobien de f en a noté J f ′ (a) :
D( f1 , . . . , f p )
J f ′ (a) = det( M f ′ (a) ) := ( a) . (3.8)
D ( x1 , . . . , x n )
Remarque 3.6. D’après un des théorèmes fondamentaux d’A.L, on a : L(R n , R p ) ≃ M p,n (R )

où M p,n (R ) est l’ensemble des matrices à p lignes et n colonnes. Ainsi donc, puisque pour tout
a ∈ U, d f a := f ′ (a) est une application linéaire, on identifiera f ′ (a) à sa matrice Jacobienne i.e.
f ′ ( a) ≡ M f ′ ( a) .
Exemple 3.7. Dans chacun des cas suivants, calculer la matrice jacobienne de f en a et si possible
le Jacobien de f en a.
(a) f ( x, y) = x2 − y2 + x4 + x3 y + y5 et a = (1, −1).
(b) f ( x, y) = sin( x ) + sin(y) + cos( x + y) et a = (0, 0).
(c) f ( x, y) = ( xy − 2x2 , − xy − y2 ) et a = (1, 2).
(d) f ( x, y) = ( x2 − y, x2 + y2 ) et a = (1, 0).
(e) f ( x, y, z) = (y2 − z2 , z2 − x2 , x2 − y2 ) et a = (1, 0, −1).
Définition 3.8. Soit f : U ⊆ R n −→ R p une fonction différentiable. On dit que f est contrac-
tante s’il existe une constante k < 1 telle que k f ′ k ≤ k où k f ′ k = sup k f ′ ( x )kR p .
k x kR n ≤ 1
26
1
Exemple 3.8. La fonction f : R2 −→ R2 définie par : f ( x, y) = 2 sin x + cos y , 51 cos x +

5
3 sin y est différentiable et contractante.
Définition 3.9. Les fonctions xi (i ème projection) sont encore appelées les fonctions coordonnées
(locales) dans R n .
Proposition 3.6. (Règle de dérivation en chaı̂ne écrite en coordonnées locales)
Soit f : U ⊆ R n −→ R p et g : V ⊆ R p −→ R q avec f (U ) ⊆ V. On pose h = g ◦ f .
Soit ( x1 , . . . , xn ) les coordonnées sur R n et (y1 , . . . , y p ) les coordonnées sur R p , et a ∈ U. On
suppose que f est différentiable en a et g est différentiable en f (a) alors l’écriture matricielles de
dh a = d( g ◦ f )a = dg f (a) ◦ d f a donne Mh′ (a) = Mg′ ( f (a)) × M f ′ (a) où h : U ⊆ R n −→ R q :
 ∂h1 ∂h1
  ∂g1 ∂g1  ∂ f1 ∂ f1

∂x1 ( a) ... ∂xn ( a) ∂y1 ( f ( a)) ... ∂y p ( f ( a)) ∂x1 ( a) ... ∂xn ( a)
 .. .. ..  
= .. .. ..  .. .. .. 
.

 . . .   . . . 
 . . . 
∂hq ∂hq ∂gq ∂gq ∂ fp ∂ fp
∂x ( a) . . .
1 ∂xq ( a) ∂y ( f ( a)) . . .
1 ∂y p ( f ( a)) ∂x ( a) . . .
1 ∂xn ( a)
(3.9)
p
∂h j ∂gk ∂f
D’où : ∀1 ≤ i ≤ n, 1 ≤ j ≤ q; ( a) = ∑ ( f (a)) k (a). (3.10)
∂xi k=1
∂yk ∂xk
Cas particulier de dérivation en chaı̂ne

R −→ R2 −→ R
• Considérons d’abord le cas suivant : .
t 7−→ X (t) 7−→ f (X (t)) = g(t)
On note x et y les deux composantes de X. On suppose que f est C1 , ainsi que X, alors g
est C1 et on a :
∂f ∂f
g ′ (t ) = (X (t)) x ′ (t) + (X (t))y′ (t). (3.11)
∂x ∂y
2 ϕ f
• Considérons ensuite le cas : R −→ R2 −→ R .
X 7−→ Y = ϕ(X ) 7−→ f (Y ) = g(X )
On pose X = ( x, y), ϕ(X ) = ( ϕ1 (X ), ϕ2 (X )). Alors g(X ) = f ( ϕ(X )) = f ( ϕ1 (X ), ϕ2 (X )).
On suppose que f et ϕ sont C1 , alors il en est de même de g et on a :
∂g ∂f
∂x ( X ) = ∂ϕ1 ( ϕ( X )) × ∂ϕ ∂f ∂ϕ2
∂x ( X ) + ∂ϕ2 ( ϕ( X )) × ∂x ( X )
1
∂g ∂f . (3.12)
∂y ( X ) = ∂ϕ1 ( ϕ( X )) × ∂ϕ ∂f ∂ϕ2
∂y ( X ) + ∂ϕ2 ( ϕ( X )) × ∂y ( X )
1
Exemple 3.9. (r, θ ) 7−→ ( x, y) 7−→ f ( x, y) = g(r, θ ) où x = r cos θ et y = r sin θ. On a :
∂g ∂ f ∂x ∂ f ∂y ∂f ∂f
On a : = × + × = cos θ + sin θ
∂r ∂x ∂r ∂y ∂r ∂x ∂y
∂g ∂ f ∂x ∂ f ∂y ∂f ∂f
et : = × + × = (−r sin θ ) + (r cos θ ).
∂θ ∂x ∂θ ∂y ∂θ ∂x ∂y
27
D’où : 
∂g ∂f ∂f
= cos θ + sin θ


∂r ∂x ∂y

1 ∂g ∂f ∂f .

 = − sin θ + cos θ
r ∂θ ∂x ∂y

On en déduit que :
∂f ∂g 1 ∂g


 = cos θ − sin θ
∂x ∂r r ∂θ .
∂f ∂g 1 ∂g

 = sin θ + cos θ
∂y ∂r r ∂θ
−−→ ∂g 1 ∂g
On obtient l’expression du gradient en polaire : grad f = ∂r , r ∂θ dans la base (~er , ~eθ ) où
~er = (cos θ )~i + (sin θ )~j et ~eθ = (− sin θ )~i + (cos θ )~j.
∂f ∂f
Exemple 3.10. Soit l’équation aux dérivées partielles (E) : x ∂x ( x, y) + y ∂y ( x, y) = 2y2 .
∂f
En posant x = u et y = uv, l’équation (E) devient (E′ ) : ∂u (u, uv) = 2uv2 .
Exercice d’application 3.1. Soit D = {( x, y) ∈ R2 ; x > 0}. En passant en coordonnées
polaires, trouver une fonction f ∈ C1 ( D, R ) solution de l’EDP suivante :
∂f ∂f
q
x +y = x 2 + y2 .
∂x ∂y
3.1.5 Tangente à une surface

Proposition 3.7. Soit f une fonction définie sur un ouvert U de R2 , de classe C1 et de graphe de
surface (S) : z = f ( x, y). Soit a = ( x0 , y0 ) ∈ U. Alors l’équation du plan tangent à la surface
(S) au point a = ( x0 , y0 ) est :
∂f ∂f
(Ta ) : z = f (a) + (a)(x − x0 ) + (a)(y − y0 ). (3.13)
∂x ∂y
−−→ −−−→
Remarque 3.7. Si M( x, y, z) et M0 ( x0 , y0, f ( x0 , y0 )), alors (Ta ) : < gradg(a), M0 M >= 0
−−→ ∂f ∂f
où g( x, y, z) = f ( x, y) − z et gradg(a) = ∂x (a), ∂y (a), −1 .
2 y2
Exemple 3.11. Soit (E) l’éllipse d’équation xa2 + b2 = 1.
Écrire l’équation de la tangente à (E) en ( x0 , y0 ).
R2 −→ R
Considérons la fonction f : 2 y2 .
( x, y) 7−→ f ( x, y) = xa2 + b2
−1
On sait que le graphe de (E) a pour équation f ( x, y) = 0.
∂f ∂f
On a (T ) : z = f ( x0 , y0 ) + ∂x ( x0 , y0 )( x − x0 ) + ∂y ( x0 , y0 )(y − y 0 ),
x0 x y0 y
donc (T ) : a2
+ b2
= 1.
Exercice d’application 3.2.
1. Trouver une équation de la tangente en un point de la sphère de centre O et de rayon R.
2. Trouver une équation de la tangente au point ( x0 , y0 ) à la surface d’équation z = x2 y3 .
28
3.2 Dérivées d’ordre supérieur
• Généralités
Soit f une fonction à deux variables et à valeurs réelles. On définit les dérivées partielles
d’ordre 2 de f comme suit :
∂2 f ∂2 f ∂2 f ∂2 f
, , , .
∂x2 ∂y2 ∂x∂y ∂y∂x
∂2 f
La notation ∂x∂y signifie que l’on dérive d’abord par rapport à y puis par rapport à x.
∂2 f ∂2 f
Par exemple, pour f ( x, y) = x2 − y2 , on a : ∂x2 = 2 et ∂x∂y = 0.
Si f admet des dérivées partielles d’ordre inférieur ou égal à 2 et si de plus ses dérivées
partielles sont des fonctions continues, on dira que f est de classe C2 .
Plus généralement, une fonction de U ⊆ R n dans R est dite de classe Ck sur U si toutes
ses dérivées d’ordre inférieur ou égal k existent et sont continues sur U.
Exemple 3.12. Dans chaque cas, calculer toutes les dérivées partielles d’ordre inférieur ou égal à
2 des fonctions données :
1. f ( x, y) = x2 + 3xy2 + y5 .
2. f ( x, y) = x cos(e xy ).
3. f ( x, y, z) = x cos( xz) + ln(2 − sin2 (y + z)).
• Théorème de Schwartz
Théorème 3.1. (Théorème de Schwartz)
Soit f : U ⊆ R2 −→ R une fonction de classe C2 sur U. Alors pour tout a ∈ U, on a :
∂2 f ∂2 f
( a) = ( a ).
∂x∂y ∂y∂x
En effet, on a :
∂2 f

∂ ∂f
( x0 , y0 ) = ( x0 , y0 )
∂x∂y ∂x ∂y
∂ f ( x + h, y ) − ∂ f ( x , y )
∂y 0 0 ∂y 0 0
= lim
h →0 h
[ f ( x0 + h, y0 + k) − f ( x0 + h, y0 )] − [ f ( x0 , y0 + k) − f ( x0 , y0 )]
= lim lim
h →0 k →0 hk

∂f ∂f
∂x ( x0 + θ1 h, y0 + k) − ∂x ( x0 + θ1 h, y0 ) h
= lim lim avec θ1 ∈]0, 1[
h →0 k →0 hk
∂2 f
= lim lim ( x0 + θ1 h, y0 + θ2 k) avec θ1 , θ2 ∈]0, 1[
h→0 k→0 ∂y∂x
∂2 f
= ( x 0 , y 0 ).
∂y∂x
29
Voici un contre-exemple, dans le cas d’une fonction non C2 .
xy( x2 − y2 )
(
x 2 + y2
si ( x, y) 6= (0, 0)
Soit f ( x, y) = .
0 si ( x, y) = (0, 0)
∂2 f ∂2 f ∂2 f ∂2 f
On a : ∂x∂y (0, 0) = 1 et ∂y∂x (0, 0) = −1, donc ∂x∂y (0, 0) 6= ∂y∂x (0, 0).
• Matrice Hessienne
Définition 3.10. Soit f : U ⊆ R n −→ R p une application de classe C1 sur U telle que
f ′ : U −→ L(R n , R p ) ∼
= R np est différentielle en a ∈ U. La différentielle de f ′ est appelée
différentielle seconde de f en a notée f ′′ (a) ou encore D2 f (a).
Si p = 1, f ′′ (a) est identifiée à une application bilinéaire symétrique de R n × R n −→ R.
Les cœfficients de la matrice f ′′ (a) dans la base canonique (e1 , . . . , en ) de R n sont :
f ′′ (a)(ei , e j ) := f ij′′ (a), pour tout i, j ∈ {1, . . . , n} et
n
∀h, k ∈ R n , f ′′ (a)(h, k) = ∑ f ij′′ (a)hi k j . (3.14)
i,j=1
∂f ∂2 f
D’autre part on a : f ij′′ (a) = ∂
∂x j ∂xi ( a) = ∂x j ∂xi ( a). Par symétrie de f ′′ (a), on a :
∂2 f ∂2 f
∀1 ≤ i, j ≤ n, ( a) = ( a ). (3.15)
∂x j ∂xi ∂xi ∂x j
La matrice Hessienne de f au point a notée Hess( f )a est définie par :
 
2 ∂211 f (a) . . . ∂21n f (a)
∂ f .. .. ..
= ∂2ij f (a) 1≤i,j≤n = 

Hess( f )a = ( a) . .
 
∂xi ∂x j . .
1≤i,j≤ n 2 2
∂n1 f (a) . . . ∂nn f (a)
Alors ∀h, k ∈ R n , on a :
f ′′ (a)(h, k) = t hHess( f )a k.
Exemple 3.13. Soit f : R2 −→ R définie f ( x, y) = ln( xy + ey ) et a = (1, 0).
On a :
y x + ey
∂1 f ( x, y) = , ∂ 2 f ( x, y ) = ,
xy + ey xy + ey
d’où :
y2 xey (y − 2) − x2
∂11 f ( x, y) = − , ∂ 22 f ( x, y ) = ,
( xy + ey )2 ( xy + ey )2
et :
e y (1 − y )
∂12 f ( x, y) = ∂21 f ( x, y) = .
( xy + ey )2
Donc :
0 1
Hess( f )a = ,
1 −3
et :
′′
0 1 k1
f (1, 0)(h, k) = h1 h2 = h1 k2 + h2 k1 − 3h2 k2 .
1 −3 k2
30
Définition 3.11. On définit les dérivées d’ordre n ∈ N ∗ \ {1} par :
′
∀ a ∈ U, f (n) (a) = f (n−1) (a).
Remarque 3.8.
1. On a aussi une généralisation de la proposition 3.4 (critère de différentiabilité), à savoir si les
dérivées partielles d’ordre inférieure ou égale à n de f existent et sont continues alors f est n fois
différentiables.
2. On vérifie aussi que f (n) (a) est une application n-linéaire et symétrique.
3.3 Fonctions convexes différentiables

Définition 3.12. Soit f : U ⊆ R n −→ R p une fonction définie sur un ouvert convexe U de R n .
On dit que f est convexe sur U si
∀ x, y ∈ U, ∀α ∈ [0, 1], f (αx + (1 − α)y) ≤ α f ( x ) + (1 − α) f (y).
Remarque 3.9.
1. Il résulte de cette définition que si f est convexe sur U alors
∀ x1 , . . . , xk ∈ U, ∀α1 , . . . , αk ∈ [0, 1], tels que : α1 + · · · + αk = 1, on a :
f ( α 1 x 1 + · · · + α k x k ) ≤ α 1 f ( x 1 ) + · · · + α k f ( x k ).
2. Dans R, toute fonction f deux fois dérivables telle que f ′′ ≥ 0 est convexe.
Ce résultat se généralise sur R n . D’où le théorème suivant :
Théorème 3.2. On suppose que f est deux fois différentiables sur U. Alors
f est convexe sur U si et seulement si ∀ a ∈ U, ∀h ∈ R n , D2 f (a)(h, h) ≥ 0.
Exemple 3.14. Soit f : R2 −→ R définie par : f ( x, y) = x2 − xy + y2 + 3x − 2y + 1.
On a : ∂1 f ( x, y) = 2x − y + 3, ∂2 f ( x, y) = − x + 2y − 2 et ∂11 f ( x,
y) = 2, ∂22 f( x, y) = 2,
2 −1
et : ∂12 f ( x, y) = ∂21 f ( x, y) = −1. D’où : ∀ a ∈ R2 , Hess( f )a = .
− 1 2
2 −1 h1
Donc : f ′′ (a)(h, h) = h1 h2 = 2h21 − 2h1 h2 + 2h22 . Ainsi :

−1 2 h2
2
h 3
∀ a ∈ R2 , ∀h ∈ R2 , on a : D2 f (a)(h, h) = 2 h1 − 22 + 4 h22 ≥ 0 i.e. f est convexe sur R2 .
3.4 Formules de Taylor

3.4.1 Cas des fonctions à variables réelles
Théorème 3.3. (Formule de Taylor-Young)
Soit f : I ⊆ R −→ R une fonction de classe Cn au voisinage d’un point a de I.
Soit h ∈ R tel que a + h ∈ I. Alors on a :
n
1 (k)
f ( a + h) − f ( a) = ∑ f (a)hk + hn ε(h) où lim ε(h) = 0. (3.16)
k=1
k! h →0
31
Théorème 3.4. (Inégalité de Taylor-Lagrange)
Soit f : I ⊆ R −→ R une fonction de classe Cn+1 au voisinage d’un point a de I.
Soit h ∈ R tel que [ a, a + h] ⊆ I. Alors on a :
n
1 (k) | h | n +1
f ( a + h) − f ( a) − ∑ k! f ( a ) h k
≤ sup f (n+1) (a + th) . (3.17)
k=1
( n + 1 ) ! t∈[0,1]
3.4.2 Cas des fonctions de R n vers R p

Théorème 3.5. (Formule de Taylor-Young)
Soit f : U ⊆ R n −→ R p une fonction de classe Cn au voisinage d’un point a de U.
Soit h ∈ R n tel que a + h ∈ U. Alors on a :
n
1 (k)
f ( a + h) − f ( a) = ∑ f (a)hk + khkn ε(h) où lim ε(h) = 0 et hk = (h, . . . , h). (3.18)
k=1
k! khk→0
Remarque 3.10. Si n = 2, on a : f (a + h) − f (a) = f ′ (a)h + 12 D2 f (a)(h, h) + khk2 ε(h).
Théorème 3.6. (Inégalité de Taylor-Lagrange)

Soit f : U ⊆ R n −→ R p une fonction de classe Cn+1 au voisinage d’un point a de U.
Soit h ∈ R n tel que [ a, a + h] ⊆ U. Alors on a :
n
1 (k) k h k n +1
f ( a + h) − f ( a) − ∑ f ( a)hk ≤ sup k f (n+1) (a + th)k. (3.19)
k=1
k! ( n + 1 ) ! t∈[0,1]
Exemple 3.15. Soit f ( x, y) = 2x3 y2 . Écrire le DL de f à l’ordre 1 au voisinage de a = (1, 2) et

en déduire sa différentielle en a = (1, 2).
Soit h = (h1 , h2 ) ∈ R2 .
On a : f (a + h) = f (1 + h1 , 2 + h2 )
∂f ∂f
= f (1, 2) + h1 (1, 2) + h2 (1, 2) + khkε(h)
∂x ∂y
donc : f (a + h) = 8 + 24h1 + 8h2 + khkε(h) où lim ε(h) = 0,
khk→0
∂f ∂f
d’où : d f (1,2) = ∂x (1, 2)dx + ∂y (1, 2)dy = 24dx + 8dy,
donc : d f (1,2) (h1 , h2 ) = 24h1 + 8h2 .
Exemple 3.16. Soit f : R2 −→ R définie par : f ( x, y) = ln( xy + ey ).

Donnons la formule de Taylor-Young à l’ordre 2 au voisinage de a = (1, 0) de f .
Soit X = ( x, y) et h = (h1 , h2 ) ∈ R2 .
On a :
1
f (X + h) − f (X ) = f ′ (X )h + f ′′ (X )(h, h) + 0 khk2 .

2
De plus :
∂f ∂f
f ′ ( X )h = ( x, y)h1 + ( x, y)h2
∂x ∂y
32
et :
∂2 f ∂2 f ∂2 f
f ′′ (X )h = ( x, y ) h 2
1 + 2h h
1 2 ( x, y ) + ( x, y)h22
∂x2 ∂x∂y ∂y2
y x +ey
On a : ∂1 f ( x, y) = xy+ ey , ∂2 f ( x, y) = xy+ ey , d’où ∂1 f ( a) = 0 et ∂2 f ( x, y) = 2.
y2 xey (y−2)− x2
On a : ∂11 f ( x, y) = − (xy+ey )2 , ∂22 f ( x, y) = (xy+ey )2 , d’où ∂11 f (a) = 0 et ∂22 f (a) = −3.
e y (1− y )
On a : ∂12 f ( x, y) = ∂21 f ( x, y) = (xy+ey )2 , d’où ∂12 f (a) = 1.
Donc :
3
f (1 + h1 , h2 ) = ln(h2 + h1 h2 + eh2 ) = 2h2 + h1 h2 − h22 + 0 khk2 .

2
Exercice d’application 3.3. Soit f : R −→ R définie par : f ( x, y) = ln( x + ey ). Donner la
2
formule de Taylor-Young à l’ordre 2 au voisinage de a = (1, 0) de f .
3.5 Fonctions implicites

px +r
Si q 6= 0, l’équation px + qy + r = 0 définit une fonction y = − q . Nous allons
généraliser ce fait aux équations du type f ( x, y) = 0 où f est une fonction différentiable.
De ce fait une fonction φ( x ) est définie implicitement près de x = a par l’équation
f ( x, y) = 0 si toutes les solutions de cette équation dans un voisinage de (a, φ(a)) sont
sur le graphe {( x, y); y = φ( x )} de φ.
Exemple 3.17. Si f ( x, y) = x2 + y2 − 1, l’équation f ( x, y) = 0 est celle d’un cercle de centre
(0, 0) de rayon 1. Ce cercle n’est pas globalement le graphe d’une fonction, cependant f ( x, y) = 0
√ une fonction y = φ( x ) au voisinage
définit explicitement √ de (0, φ(0)). Pour x ∈] − 1, 1[,
on trouve φ( x ) = 1 − x si φ(0) = 1 ou φ( x ) = − 1 − x2 si φ(0) = −1.
2
Théorème 3.7. (Théorème des fonctions implicites (cas d’une fonction à deux variables))
Soit U un ouvert de R2 et f : U −→ R une fonction de classe C1 sur U ∋ (a, b).
∂f
Si f (a, b) = 0 et ∂y (a, b) 6= 0. Alors il existe un intervalle ouvert I contenant a et une
fonction φ de I dans R de classe C1 sur I tels que φ(a) = b et pour tout x ∈ I, on a :
∂ x f ( x, φ( x ))
f ( x, φ( x )) = 0 et φ′ ( x ) = − .
∂y f ( x, φ( x ))
Remarque 3.11. 1. Les solutions ( x, y) de l’équation f ( x, y) = 0 forment le graphe
{( x, φ( x )), x ∈ I } de φ.
2. La droite tangente à y = φ( x ) en x = a, a pour équation y = φ′ (a)( x − a) + b.
(∂ xx f )(∂y f )2 − 2(∂ x f )(∂y f )(∂ xy f ) + (∂ x f )2 (∂yy f )
3. Lorsque f est de classe C2 , on a : φ′′ ( x ) = − .
( ∂ y f )3
Ceci permet d’écrire le DL de φ à l’ordre 2 au voisinage de a.
4. On obtient des résultats similaires si dans l’hypothèse on a : f (a, b) = 0 et ∂ x f (a, b) 6= 0.
Exemple 3.18. Soit f ( x, y) = e x + ey + x + y − 2. L’équation f ( x, y) = 0 définit au voisinage
de (0, 0) une fonction implicite φ de classe C1 . En effet :
• f est de classe C1 sur R2 ,
• f (0, 0) = 0,
∂f ∂f
• ∂y ( x, y) = ey + 1 =⇒ ∂y (0, 0) = 2 6= 0.
33
Donc f vérifie les hypothèses du Théorème des fonctions implicites. Il existe un intervalle ouvert
I contenant 0 et une fonction φ : I −→ R de classe C1 tels que φ(0) = 0 et pour tout x ∈ I,
∂ f ( x,φ( x ))
on a : f ( x, φ( x )) = 0 et φ′ ( x ) = − ∂x f (x,φ(x)) .
y
On a :
∂ x f ( x, φ( x )) = e x + 1 et ∂y f ( x, φ( x )) = eφ(x) + 1,
donc :
ex + 1 1 + ex
φ′ ( x ) = − = et φ′ (0) = −1.
eφ( x ) + 1 e x + x + φ( x ) − 3
Calculons φ′′ ( x ) et déduisons-en le DL de φ à l’ordre 2 au voisinage de 0.
On a :
1
φ′′ (0) = −1 et φ( x ) = φ(0) + φ′ (0) x + φ′′ (0) x2 + o( x2 ).
2
D’où φ( x ) = − x − 12 x2 + o( x2 ).
Exercice d’application 3.4. Montrer que l’équation y2 − y = 3x définit implicitement au voisi-

nage de (2, −2) une fonction y = φ( x ). Et que la droite tangente au graphe de la courbe y = φ( x )
a pour équation y = − 35 x − 45 .
Théorème 3.8. (Théorème des fonctions implicites (cas d’une fonction à trois variables))
Soit U un ouvert de R3 et f : U −→ R une fonction de classe C1 sur U ∋ (a, b, c).
∂f
Si f (a, b, c) = 0 et ∂z (a, b, c) 6= 0. Alors il existe un ouvert D de R2 contenant (a, b) et une
fonction ϕ de D dans R de classe C1 sur D tels que ϕ(a, b) = c et pour tout ( x, y) ∈ D, on a :
∂ x f ( x, y, ϕ( x, y)) ∂y f ( x, y, ϕ( x, y))
f ( x, y, ϕ( x, y)) = 0, ∂ x ϕ( x, y) = − et ∂y ϕ( x, y) = − .
∂z f ( x, y, ϕ( x, y)) ∂z f ( x, y, ϕ( x, y))
Remarque 3.12. 1. Les solutions ( x, y, z) de l’équation f ( x, y, z) = 0 forment le graphe

{( x, y, ϕ( x, y)), ( x, y) ∈ D} de ϕ.
2. La plan tangent à z = ϕ( x, y) en ( x, y) = (a, b) a pour équation
∂ϕ ∂ϕ
z = ϕ(a, b) + (a, b)( x − a) + (a, b)(y − b).
∂x ∂y
3. Si f est de classe C2 , en utilisant la formule de Taylor à l’ordre 2, on peut approximer ϕ au

voisinage de (a, b) par une fonction polynôme à deux variables.
Exemple 3.19. Soit f ( x, y, z) = x2 + y2 + z2 − 1 et A = (0, 0, 1).

On a : f ( A) = 0, f z′ ( x, y, z) = 2z =⇒ f z′ ( A) = 2 6= 0, et f est de classe C1 , donc d’après
le Théorème de fonctions implicites, il existe un ouvert D de R2 contenant (0, 0) et une fonction
ϕ : D −→ R de classe C1 tels que ϕ(0, 0) = 1 et pour tout ( x, y) ∈ D, on a :
∂ f ( x,y,ϕ( x,y)) ∂ f ( x,y,ϕ( x,y))
f ( x, y, ϕ( x, y)) = 0, ∂ x ϕ( x, y) = − ∂x f (x,y,ϕ(x,y)) et ∂y ϕ( x, y) = − ∂y f (x,y,ϕ(x,y)) .
z z
p
2 2 2
Par exemple si D = {( x, y) ∈ R ; x + y − 1 < 0}, alors ϕ( x, y) = 1 − x2 − y2 .
34
Généralités
Soit U un ouvert de R n × R p , f : U −→ R p une application de classe C1 . On peut voir
∂f
f comme fonction à deux variables (X, Y ) ∈ R n × R p dans ce cas ∂X est la matrice des
∂ fj ∂f
dérivées partielles ∂xi (1 ≤ i ≤ n, 1 ≤ j ≤ p) et ∂Y est la matrice des dérivées partielles
∂ fi
∂yi (1 ≤ i ≤ p) i.e.
 ∂ f1 ∂ f1 
∂y1 ... ∂y p
∂f  . .. .. 
= .
∂Y  . . .
.  (3.20)
∂f p ∂ fp
∂y1 ... ∂y p
Théorème 3.9. (Théorème des fonctions implicites)

Soit U un ouvert de R n × R p , f : U −→ R p une application de classe C1 .
Soit (a, b) ∈ U tels que :
∂f
(i) f (a, b) = 0, (a, b) est un isomorphisme de R p .
(ii)
∂Y
Alors il existe un voisinage ouvert V de (a, b), un voisinage ouvert W de a et une application de
classe C1 , φ : W −→ R p tel que :

( x, y) ∈ V et f ( x, y) = 0 ⇐⇒ x ∈ W et y = φ( x ) .
i.e. les solutions ( x, y) de l’équation f ( x, y) = 0 forment le graphe {( x, φ( x )), x ∈ W } de φ.
Proposition 3.8. (Différentielle de l’application implicite φ)
Sous les hypothèses du Théorème précédent, on a f ( x, φ( x )) = 0, ∀ x ∈ W. Pour calculer
φ′ ( x ), on différentie f ( x, φ( x )) = 0. On pose θ ( x ) = f ( x, φ( x )) et ψ( x ) = ( x, φ( x )), alors
θ ( x ) = f ◦ ψ ( x ).
On a :
θ : W ⊆ R n −→ R p et ψ : W ⊆ R n −→ R × R p , ψ′ ( x ) = (1, φ′ ( x )).
0 = dθ ( x )(v)
= (d f ψ(x) ◦ dψx )(v)
= d f ψ(x) (dψx (v))
= d f ψ(x) ((v, φ′ ( x )(v))
= f x′ (ψ( x ))v + f y′ (ψ( x ))φ′ ( x )(v),
d’où : −1
f y′ (ψ( x ))φ′ ( x ) = − f x′ (ψ( x )) =⇒ φ′ ( x ) = − f y′ (ψ( x )) ◦ f x′ (ψ( x )),
donc : −1
φ′ ( x ) = − f y′ ( x, φ( x )) ◦ f x′ ( x, φ( x )). (3.21)
Exercice d’application 3.5. Soit A = (0, −1, 1, 0).
 x 3 + y 3 + z3 + t2 = 0
On considère le système suivant : x 2 + y 2 + z2 + t = 2 .
x+y+z+t = 0

1. Montrer qu’on peut résoudre ce système au voisinage de A sous la forme
φ : t 7−→ ( x (t), y(t), z(t)).
2. Calculer la différentielle de φ en 0.
35
Solution 3.1. 1. Considérons la fonction f : R4 −→ R3 définit par :
f ( x, y, z, t) = ( x3 + y3 + z3 + t2 , x2 + y2 + z2 + t − 2, x + y + z + t).
On a f ( A) = 0 et f est C∞ donc C1 . Posons X = ( x, y, z) et Y = t.

0 −3 3
′
De plus : f X ( A) =  0 −2 2 , et f X′ ( A) est inversible, donc d’après le Théorème de
1 1 1
fonctions implicites il existe V voisinage de A, il existe W voisinage de 0 de R et il existe
φ : W 7−→ R3 de classe C1 tels que :
(( x, y, z, t) ∈ V; f ( x, y, z, t) = 0) ⇐⇒ (t ∈ W; φ(t) = ( x, y, z)).
−1
2. ∀t ∈ W; on a : φ′ (t) = − f X′ (φ(t), t) ◦ f t′ (φ(t), t).
On a :
f t′ ( x, y, z, t) = (2t, 1, 1) =⇒ f t′ ( A) = (0, 1, 1).
Donc :   −1  
0 −3 3 0
′
φ (0 ) = − 0 − 2 2
  ◦ 1 .

1 1 1 1
3.6 Extremums locaux

3.6.1 Extrémums libres(sans contraintes)
Soit U ⊆ R n ouvert, et f : U −→ R une fonction. La formule de Taylor-Young à l’ordre
deux de f est :
1
f (a + h) − f (a) = f ′ (a)h + D2 f (a)(h, h) + khk2 ε(h).
2
Posons
n
∀h ∈ R n , Q(h) = D2 f (a)(h, h) = ∑ ∂2ij f (a)hi h j .
i,j=1
Q est une forme quadratique sur R n .
Remarque 3.13.
2 < 2>
1. Pour n = 2, on a : Q(h) = ∑ ∂2ij f (a)hi h j = h1 ∂1 f (a) + h2 ∂2 f (a) , d’où :
i,j=1
Q(h) = h21 ∂211 f (a) + 2h1 h2 ∂212 f (a) + h22 ∂222 f (a).
3 < 2>
2. Pour n = 3, on a : Q(h) = ∑ ∂2ij f (a)hi h j = h1 ∂1 f (a) + h2 ∂2 f (a) + h3 ∂3 f (a) , d’où
i,j=1
Q(h) = h21 ∂211 f (a) + h22 ∂222 f (a) + h23 ∂233 f (a) + 2 h1 h2 ∂212 f (a) + h1 h3 ∂213 f (a) + h2 h3 ∂223 f (a) .

36
Définition 3.13. Soit f : U ⊆ R n −→ R une fonction différentiable sur U et a ∈ U. On dit
que a est un point critique de f si f ′ (a) = 0.
Théorème 3.10. (Condition nécessaire d’existence d’extremum local)
On suppose que les dérivées partielles premières de f existent en a. Si f admet en un point a ∈ U
un extrémum local alors :
∀1 ≤ i ≤ n, ∂i f (a) = 0.
Définition 3.14. La forme quadratique Q est non dégénérée (ou injective) si :
∀h ∈ R n , Q(h) = 0 =⇒ h = 0.
Le théorème suivant donne une condition suffisante.

Théorème 3.11. (Condition suffisante d’existence d’extremum local)
Soit f : U ⊆ R n −→ R une fonction définie sur un ouvert U, deux fois différentiables en a un
n
point critique de U. Soit Q la forme quadratique sur R n définie par : Q(h) = ∑ ∂2ij f (a)hi h j .
i,j=1
Alors :
1. Si Q est positive et non dégénérée, alors f admet un minimum local en a.
2. Si Q est négative et non dégénérée, alors f admet un maximum local en a.
3. Si Q n’est ni positive ni négative (i.e. s’ils existent u, v ∈ R n tels que Q(u) > 0 et Q(v) < 0)
alors f n’admet pas d’extremum local en a.
4. Si Q garde un signe constant (Q ≥ 0 ou Q ≤ 0) et ∃h0 6= 0 tel que Q(h0 ) = 0, dans ce cas
on ne peut conclure directement.
Corollaire 3.1. (Cas des fonctions de deux variables)
Soit f : U ⊆ R2 −→ R une fonction définie sur un ouvert U, de classe C2 sur U et a un point
critique de U. On note :
r = ∂211 f (a), s = ∂212 f (a) et t = ∂222 f (a).
(i) Si s2 − rt < 0 et r > 0 alors f admet un minimum local en a.

(ii) Si s2 − rt < 0 et r < 0 alors f admet un maximum local en a.
(iii) Si s2 − rt > 0 alors f n’admet pas d’extremum local en a. Dans ce cas, on dit que f admet
un point-col (ou un point selle) en a.
(iv) Si s2 − rt = 0 alors on ne peut conclure directement, on analyse la forme quadratique Q.
Démonstration. On a ici Q(h, k) = rh2 + 2shk + tk2 . La
réduction de cette forme quadra-
r s
tique conduit à diagonaliser la matrice H = dont le polynôme caractéristique
s t
est X 2 − (r + t)X + rt − s2 , le discriminant est égal à (r − t)2 + 4s2 qui est strictement
positif. Le produit des racines vaut rt − s2 et est donc strictement positif dans les cas (i )
et (ii ). La matrice a donc deux valeurs propres non nulles et de même signe. La forme
quadratique Q est donc non dégénérée dans les cas (i ) ou (ii ). Dans le cas (i ) comme
r > 0 et s2 − rt < 0 on a nécessairement t > 0. La somme des deux valeurs propres de
H, égale à r + t est donc > 0 et les deux valeurs propres de H sont strictement positives.
Dans ce cas la forme quadratique Q est donc positive. Dans le cas (ii ) on voit de même
37
que r et t sont < 0 et les deux valeurs propres sont strictement négatives. La forme qua-
dratique Q est donc négative. On conclut grâce au Théorème précédent dans les cas (i )
et (ii ). Dans le cas (iii ) le produit des racines est négatif donc H a deux valeurs propres
non nulles de signe contraire donc Q n’est ni positive ni négative d’où le résultat par le
Théorème précédent.
Tableau récapitulatif :
sign(det( H )) sign(r ) Nature de a

+ + Minimum
+ − Maximum
− point selle
0 pas de conclusion
Remarque 3.14.
1. Si f est deux fois différentiables et convexe, alors au point critique, f admet un minimum.
2. Si f admet un minimum local en a alors − f admet un maximum local en a.
Exemple 3.20.
1. La fonction f : R2 −→ R définie par f ( x, y) = x2 + 2y2 admet un minimum local en (0, 0).
2. La fonction g : R2 −→ R définie par g( x, y) = xy admet un point selle (0, 0).
Exercice d’application 3.6. 1. Une montagne a la forme de la surface z( x, y) = 2xy −

2x2 − y2 − 8x + 6y + 4 (l’unité de mesure est de 100 mètres). Si le niveau de la mer
correspond à z = 0, quelle est la hauteur de la montagne ?.
2. Déterminer les extrema de la fonction f ( x, y) = x2 + y3 − 2xy − y.
≪ Recette ≫ pour le calcul des extrema d’une fonction f continue dans un ensemble D
compact
Notons que D = Ḋ ∪ ∂D. Soit a ∈ D. Alors a ∈ Ḋ ou a ∈ ∂D.
Théorème 3.12. Si a est un extremum local pour f et si a ∈ Ḋ avec f différentiable en a alors a

est un point critique de f . Cependant si a ∈ ∂D ou f n’est pas différentiable en a alors on procède
autrement :
• On calcul la valeur de f en les points stationnaires de f dans l’ouvert Ḋ.
• On calcul la valeur de f en les points stationnaires de f sur le bord ∂D.
• On calcul la valeur de f en les points de non différentiabilité (s’il en existe).
La plus grande valeur indique le maximum global, la plus petite le minimum global.
Exercice d’application 3.7. On veut trouver le extrema globaux de la fonction f définie par:
f ( x, y) = x2 − 6y2 − 4xy + 6x − 4y + 6 sur la région triangulaire compacte D de sommet
A(0, 3), B(−4, 1) et C(−3, −2).
38
3.6.2 Extrémums liés(avec contraintes)
Introduction
La scission entre extrema libres et liés (ou ≪ sous contraintes ≫) est née de l’impossibilité de
traiter l’optimisation dans les domaines non ouverts selon la procédure exposée dans la section
précédente. En effet, la condition nécessaire ne s’applique pas aux bords du domaine. Or, si de
tels points existent, leur étude au cas par cas est généralement peu aisée. Dès lors, la théorie
mathématique propose des méthodes d’optimisation liée.
Une contrainte sous forme d’inégalité non stricte doit toujours être prise en compte pour
déterminer les extrema liés. Parmi les types de contraintes auxquelles le modélisateur peut se
trouver confronté, deux classes se distinguent. D’une part, celles qui lient les variables du problème
au travers d’une ou plusieurs équations. Ces contraintes dites d’égalités sont appréhendées grâce
au théorème de LAGRANGE, qui fournit une condition de premier ordre formulée à partir d’une
fonction ad hoc, dénommée lagrangien. Dans cette approche, de nouvelles variables, dites mul-
tiplicateurs, apparaissent et offrent une possibilité supplémentaire dans l’analyse des résultats.
D’autre part, l’optimisation sous des contraintes d’inégalités non strictes, généralement traitée
grâce au théorème de KUHN et TUCKER, ne sera pas étudie lors de ce module.
Problème
Soit f : U ⊆ R n −→ R une fonction définie sur un ouvert U. Soit g1 , . . . , gm : U −→ R,
m fonction(s). Déterminer les extrema de f sous contraintes g1 ( x ) = 0, . . . , gm ( x ) = 0.
Ces contraintes délimitent le sous-ensemble A de U dans lequel s’effectue l’optimisation
A = { x ∈ U, g1 ( x ) = 0, . . . , gm ( x ) = 0}.
La définition des extrema liés résulte donc de celle des extrema libres.
Définition 3.15. La fonction f , appelée fonction objectif, admet un maximum lié (resp. un mini-
mum lié) sous les contraintes g1 ( x ) = 0, . . . , gm ( x ) = 0 en a ∈ U si, en ce point, elle admet un
maximum libre (resp. un minimum libre) dans le domaine A.
Remarque 3.15. Généralement, une contrainte de type g j = 0 définit une courbe. L’ensemble
A est donc constitué de l’intersection de m courbes dans U. Pour m > 1, il peut donc contenir
fort peu de points. C’est pourquoi, en pratique, il est rare de rencontrer plus d’une contrainte à
l’égalité. Et, dans tous les cas, il est exclu d’avoir plus de contraintes que de variables, de sorte
que la conditionm m < n sera systématiquement imposée.
Exemple 3.21. Le consommateur maximise une fonction d’utilité, notée f ( x, y), qui dépend des
quantités consommées de deux biens, x et y, sous une contrainte budgétaire p1 x + p2 y = R, où
p1 et p2 ( p1 , p2 > 0) sont les prix des biens. Cette contrainte exprime que le montant alloué
aux dépenses relatives aux deux biens considérés est fixé à R. Dans ce cas simple qui comporte
deux variables et une contrainte, on peut aisément ramener l’optimisation liée à la recherche d’un
maximum libre. En effet, la contrainte de budget permet d’expliciter la quantité d’un bien en
p
fonction de l’autre y = pR2 − p12 x.
Le théorème suivant donne une condition nécessaire pour l’optimisation sous des contraintes
d’égalité.
Théorème 3.13. (Théorème des multiplicateurs de Lagrange)

Soient les fonctions f , g1 , . . . , gm (m < n) de classes C1 sur un ouvert U de R n . Si f admet en
39
a ∈ U un extremum lié sous les contraintes g1 ( x ) = 0, . . . , gm ( x ) = 0 et la matrice jacobienne
D ( g ,...,g )
∂ j gi (a) m×n = D(x1 ,...,xm) (a) en est de rang m, alors :
1 n
m
′
∃(λ1 , . . . , λm ) ∈ R m
tel que f (a) = ∑ λi gi′ (a). (3.22)
i =1
Le théorème de Lagrange peut être vu comme la condition nécessaire d’existence d’extrema libres
appliquée à la fonction de n + m variables appelée fonction lagrangienne (ou le lagrangien) :
U × R m −→ R
L : m où λ = (λ1 , . . . , λm ).
( x, λ) 7−→ f ( x ) − ∑ λi gi ( x )
i =1
Cas d’une fonction de deux variables

Optimiser f ( x, y) sous la contrainte g( x, y) = 0.
Lagrangien : Formons le lagrangien L( x, y, λ) = f ( x, y) − λg( x, y).
où λ (multiplicateur de Lagrange) est une inconnue. Pour que cette fonction ait un ex-
tremum il faut que le gradient de L soit nul, autrement dit on cherche les triplets ( x, y, λ)
tels que :

 ∂ x f ( x, y) = λ∂ x g( x, y)
∂y f ( x, y) = λ∂y g( x, y) .
0 = g( x, y)

Notons ( x0 , y0 , λ0 ) une solution de ce système. Si g′ ( x0 , y0 ) 6= (0, 0), alors ( x0 , y0 ) est un

point critique de la fonction f sous la contrainte g = 0. Ces points critiques satisfont
la contrainte, mais il reste encore à déterminer s’il s’agit effectivement d’un extremum.
Pour cela, on utilisera le résultat suivant :
• on a un minimum en ( x0 , y0 ) si ∂211 L( x0 , y0 )∂222 L( x0 , y0 ) − (∂212 L( x0 , y0 ))2 > 0 et ∂11 L( x0 , y0 ) > 0.
• on a un maximum en ( x0 , y0 ) si ∂211 L( x0 , y0 )∂222 L( x0 , y0 ) − (∂212 L( x0 , y0 ))2 > 0 et ∂11 L( x0 , y0 ) < 0.
• sinon on ne peut pas conclure.
Élimination : Cette méthode est basée sur la possibilité d’exprimer la contrainte sous
forme paramétrique. Par exemple
• s’il existe une fonction h( x ) telle que
{( x, y) ∈ R2 ; g( x, y) = 0} = { x ∈ R; h( x ) = y}
alors optimiser la fonction de deux variables f ( x, y) sous la contrainte g( x, y) = 0 équivaut
à optimiser la fonction d’une seule variable f ( x, y( x )).
• s’il existe une fonction h( x, y) telle que
{( x, y, z) ∈ R3 ; g( x, y, z) = 0} = {( x, y) ∈ R2 ; h( x, y) = z}
alors optimiser la fonction de trois variables f ( x, y, z) sous la contrainte g( x, y, z) = 0
équivaut à optimiser la fonction d’une seule variable f ( x, y, z( x, y)).
Exemple 3.22. Soient à déterminer les minima et maxima de la fonction objectif
f ( x, y) = 5x2 + 6y2 − xy sous la contrainte x + 2y = 24.
Exercice d’application 3.8. Trouver un champ rectangulaire d’aire maximale délimité par une
clôture de longueur l donnée.
40
3.7 Inversion locale
Définition 3.16. (Difféomorphisme sur R n )
Soit U ⊆ R n ouvert, f : U −→ R n une fonction à n variables.
1. On dit que f est un difféomorphisme de U sur un ouvert V = f (U ), si f est une bijection de
U sur V, différentiable sur U et f −1 : V −→ U est aussi différentiable. On dit que f est bijective
et bidifférentielle.
2. On dit que f est un difféomorphisme de classe C1 sur U, si f est un difféomorphisme sur U en
plus f et f −1 sont de classe C1 .
Proposition 3.9. Si f est un difféomorphisme et f est de classe C1 de U vers f (U ) = V alors
automatiquement f −1 est de classe C1 .
Proposition 3.10. Si f est un homéomorphisme. On suppose que f est différentiable en
a ∈ U et f ′ (a) est un isomorphisme alors f −1 est différentiable en f (a) et on a :
( f −1 )′ ( f (a)) = ( f ′ (a))−1 . (3.23)
(i) Si de plus f est différentiable sur U et ∀ x ∈ U, f ′ ( x ) ∈ Iso(R n , R n ) alors f −1 est différentiable
sur f (U ) = V.
(ii) Si de plus f est de classe C1 sur U alors f −1 est de classe C1 sur V.
Exemple 3.23. Soit φ l’application de R2 dans R2 définie par : φ( x, y) = ( x + y, x + 2y).
L’application φ est un C1 -difféomorphisme de R2 sur lui même.
Théorème 3.14. (Théorème d’inversion locale)
Soit f : U −→ R n une application de classe C1 sur U. On suppose qu’au point a ∈ U, f ′ (a) soit
un isomorphisme. Alors f est un difféomorphisme de classe C1 d’un voisinage V de a vers f (V ).
Remarque 3.16. f ′ (a) étant la matrice Jacobienne, le Théorème d’inversion locale exprime que
si le Jacobien de f en a est non nul alors f est difféomorphisme de classe C1 sur un voisinage a.
Exemple 3.24. Soit f : R ∗+ × R −→ R2 , (r, θ ) 7−→ (r cos θ, r sin θ ) = ( x, y), une application
de classe C1 sur U = R ∗+ × R. Sa matrice Jacobienne est :

D ( x, y) cos θ −r sin θ
M f ′ (r,θ ) = = .
D (r, θ ) sin θ r cos θ

Le Jacobien est J f ′ (r,θ ) = det M f ′ (r,θ ) = r 6= 0. Donc M f ′ (r,θ ) est inversible en tout point de
(r, θ ) ∈ R ∗+ × R. D’après le théorème d’inversion locale, f est un difféomorphisme local en tout
point de R ∗+ × R. Dans un voisinage d’un point ( x, y) où x 6= 0, f −1 est donnée par :
q y
f −1 : ( x, y) 7−→ x2 + y2 , arctan .
x
En général, on ne connait pas l’expression explicite de f −1 mais on connait sa matrice Jacobienne
en f (a). On a : M( f −1 )′ ( f (a)) = ( M f ′ (a) )−1 , d’où :
−1
cos θ −r sin θ 1 r cos θ r sin θ cos θ sin θ
M( f −1 )′ ( f (a)) = = =
sin θ r cos θ r − sin θ cos θ − sinr θ cosr θ
Donc
∂r ∂r ∂θ sin θ ∂θ cos θ
= cos θ, = sin θ, =− , = .
∂x ∂y ∂x r ∂y r
41
Exercice d’application 3.9. Montrer que le Laplacien en coordonnées polaires est :
∂2 f 1 ∂f 1 ∂2 f
∆f = + + .
∂r2 r ∂r r2 ∂θ 2
Définition 3.17. Soit ( x1 , . . . , xn ) un système de coordonnées locales sur un ouvert U de R n .
On dit que le changement de variable (y1 , . . . , yn ) = f ( x1 , . . . , xn ) est admissibble lorsque
(y1 , . . . , yn ) est un système de coordonnées locales sur f (U ).
Proposition 3.11. Soit f : U ⊆ R n −→ R n une application de classe C1 sur U. Si ( x1 , . . . , xn )
est un système de coordonnées locales sur U ′ et f : U ′ ⊆ U −→ f (U ′ ) est un C1 -difféomorphisme
locale. Alors (y1 , . . . , yn ) = f ( x1 , . . . , xn ) est un système de coordonnées locales sur f (U ′ ).
Proposition 3.12. Soit ( x1 , . . . , xn ) un système de coordonnées locales sur un ouvert U de R n .
Pour qu’un changement de variable (y1 , . . . , yn ) = f ( x1 , . . . , xn ) soit admissible il faut et il suffit
que le Jacobien de ( x1 , . . . , xn ) 7−→ (y1 , . . . , yn ) soit non nul.
Exemple 3.25. Soit f : R ∗+ × R −→ R2 , (r, θ ) 7−→ (r cos θ, r sin θ ) = ( x, y), une applica-
tion. f définit le passage des coordonnées polaires aux coordonnées cartésiennes dans R2 car le
Jacobien de f est non nul. Ainsi le changement de variable (r, θ ) 7−→ ( x, y) est admissible.
Exercice d’application 3.10.
1. Le changement de variable u = x + y et v = xy est-il admissible ? Justifier.
2. Le changement de variable u = x + y et v = x + 2y est-il admissible ? Justifier.
Théorème 3.15. (Théorème d’inversion global)
Soit f : U −→ R n une application de classe C1 sur U. Pour que f soit un difféomorphisme de
classe de C1 de U sur f (U ), il faut et il suffit que f soit injective et que ∀ x ∈ U, f ′ ( x ) soit un
isomorphisme.
Exemple 3.26. Soit f l’application de R2 dans R2 définie par : f ( x, y) = ( x + y, xy). L’appli-
cation f est un C1 -difféomorphisme de U = {( x, y) ∈ R2 ; |y| < | x |} sur un ouvert f (U ) = V
que l’on déterminera.
3.8 Exercices
Exercice 3.1.
Soit U un ouvert de R n et f : U −→ R p une application différentiable sur U.
1. a. Que veut dire f est différentiable en x0 ∈ U ?.
b. Que veut dire f est différentiable en x0 ∈ U dans la direction de −
→
v ∈ R n ?.
2. Rappeler la définition de la dérivée partielle d’ordre i, 1 ≤ i ≤ n de f en x0 , et celle de la
différentielle d f de f sur U.
3. On suppose p = 1 et on note par dxi la différentielle de la i ème projection Pi : U −→ R,
Pi ( x ) = xi , ∀ x = ( x1 , . . . , xn ).
a. Exprimer d f ( x ) en fonction de dxi ( x ) pour tout x ∈ U.
b. Montrer que ( Pi )1≤i ≤n est une base de (R n )∗ .
c. Exprimer d f ( x ) en fonction des Pi , 1 ≤ i ≤ n.
42
Exercice 3.2.
Soit f : R2 −→ R, repondre par vrai ou faux.
1. si f ∈ C1 (R2 ) alors f est différentiable en tout point.
−−→
2. si f ∈ C1 (R2 ) alors il existe grad ( f ) en tout point.
3. si f ∈ C1 (R2 ) alors f est continue.
4. si f est différentiable en tout point alors f ∈ C1 (R2 ).
−−→
5. S’il existe grad ( f ) en tout point alors f ∈ C1 (R2 ).
6. si f est continue alors f ∈ C1 (R2 ).
−−→
7. si f est différentiable en ( x0 , y0 ) alors il existe grad ( f )( x0 , y0 ).
8. Si f est différentiable alors f est continue
−−→
9. S’il existe grad ( f )( x0 , y0 ) alors f est différentiable en ( x0 , y0 ).
10. Si f est continue alors f est différentiable.
−−→
11. Si f est continue alors grad ( f ) existe en tout point.
−−→
12. S’il existe grad ( f ) en tout point alors f est continue.
Exercice 3.3.
Calculer les dérivées partielles des fonctions :
p x
(a) f ( x, y) = x + y2 ;
2 (b) f ( x, y) = x y ;
sin( x3 y)
( 2 y
2 2 si ( x, y ) 6 = ( 0, 0 ) x sin x si x 6= 0
(c) f ( x, y) = x +y ; (d) f ( x, y) = .
0 si ( x, y) = (0, 0) 0 si x = 0
Exercice 3.4.
x3 y
Soit f : R2 −→ R, ( x, y) 7−→ x 4 + y2
prolongée par 0 à l’origine (0, 0).
1. a. Montrer que f est de classe C1 en déhors de (0, 0).

b. Établir que | f ( x, y)| ≤ | x2 | et en déduire que f est continue en (0, 0).
2. Soit u : R −→ R2 , x 7−→ ( x, x2 ).
a. Montrer que u et f o u sont différentiables en tout point.
b. Calculer les dérivées partielles de f en (0, 0).
c. Montrer par l’absurde en utilisant f o u que f n’est pas différentiable en (0, 0).
Exercice 3.5.
x 4 + y4
(
· x2 +y2 si ( x, y) 6= (0, 0)
Soit f la fonction définie sur R2 par f ( x, y) = .
0 si ( x, y) = (0, 0)
1. Montrer que f est continue sur R2 .
2. Justifier que f est C1 sur R2 \ {(0, 0)}, calculer ses dérivées partielles.
3. Calculer les dérivées partielles de f en (0, 0).
4. Montrer que f est C1 sur R2 .
43
Exercice 3.6.
Les questions sont indépendantes.
x 2 − y2
(
xy · x2 +y2 si ( x, y) 6= (0, 0)
1. Soit la fonction g définie R2 −→ R par g( x, y) = .
0 si ( x, y) = (0, 0)
Montrer que g est différentiable en tout point et calculer la différentielle.
( 3 3
x −y
2 x 2 + y2
si ( x, y) 6= (0, 0)
2. Soit la fonction h définie R −→ R par h( x, y) = .
0 si ( x, y) = (0, 0)
Étudier la continuité et la différentiabilité de h.
Exercice 3.7.
1. Démontrer que : ∀(α, β) ∈ R ∗+ × R ∗+ tq α + β = 1, on a : ∀ x, y ∈ R + , x α y β ≤ αx + βy.
p
2. R2 étant muni de la norme : k( x, y)k = x2 + y2 .
Déduire de 1. que ∀ p, q ∈ N ∗ et x, y ∈ R, | x p yq | ≤ k( x, y)k p+q .
x p yq
(
x − xy+ y2
2 si ( x, y) 6= (0, 0)
3. Soit p > 1 et q > 2. On pose : f ( x, y) = et
0 si ( x, y) = (0, 0)
xy2
(
2 − xy+ y2 si ( x, y) 6= (0, 0)
g( x, y) = x .
0 si ( x, y) = (0, 0)
Étudier la continuité et la différentiabilité de f et g en (0, 0).
Exercice 3.8.
xy2 + y4
(
si ( x, y) 6= (0, 0)
Soit la fonction f : R2 −→ R définie par f ( x, y) = x2 + y2 + xy2 .
0 si ( x, y) = (0, 0)
1. Calculer toutes les dérivées directionnelles de f en (0, 0).
2. La fonction f est-elle différentiable en (0, 0) ?.
Exercice 3.9.
Montrer que chacune des applications suivantes définies de R n vers R p est de classe C1 sur son
domaine de définition et calculer dans chaque cas la matrice jacobienne et si possible le Jacobien.
(a) f 1 ( x, y) = x2 − y2 + x4 + x3 y + y5 , (b) f 2 ( x, y) = ( xy − 2x2 , − xy − y2 ),
x+y
(c) f 3 ( x, y) = arctan( x ) + arctan(y) − arctan( 1− xy ) ;
(d) f 4 ( x, y, z) = (y2 − z2 , z2 − x2 , x2 − y2 ),
(e) f 5 ( x, y) = sin( x ) + sin(y) + cos( x + y).
Exercice 3.10.
Soit y( x ) une fonction vérifiant les équations :
(a) 1 + xey − y = 0, (b) sin( x + y) + cos( x − y) = 0. Calculer la dérivée première et la
dérivée seconde de y dans chacun des cas (a) et (b).
Exercice 3.11.
1. On considère la courbe plane d’équation (E) : xey + e x sin(2y) = 0.
a. Montrer que (E) définit une fonction y = ϕ( x ) au voisinage de (0, 0).
b. Calculer ϕ′ (0) et écrire l’équation de la droite tangente au graphe de la fonction ϕ en
le point (0, ϕ(0)).
c. Ecrire le DL de ϕ à l’ordre 2 au voinage de 0
44
xy2 3
2. Soit f la fonction définit sur R2 par : f ( x, y) = 2 + x3 − 4x + y2 .
Soit l’équation f ( x, y) = 7. Montrer qu’elle définit implicitement au voisinage de (3, 2)
une fonction y = ϕ( x ) et calculer l’équation de la droite tangente à y = ϕ( x ) en x0 = 3.
3. On considère la courbe plane d’équation (E) : 2x3 y + 2x2 + y2 = 5.
a. Montrer que (E) définit une fonction y = ϕ( x ) au voisinage de (1, 1).
b. Calculer ϕ′ (1) et écrire l’équation de la droite tangente au graphe de la fonction ϕ en
le point (1, ϕ(1)).
c. Ecrire le DL de ϕ à l’ordre 2 au voinage de 1.
4. Montrer que l’équation : xey + ye x = 0 définit implicitement au voisinage de 0 une fonction
réelle de la variable réelle y = ϕ( x ) et calculer la tangente au graphe de ϕ au point (0,0),
puis le DL de ϕ à l’ordre 2 au voisinage de 0.
5. Montrer que l’équation : xy4 − x3 + y = 0 définit implicitement au voisinage de 0 une
fonction réelle de la variable réelle y = ϕ( x ) et calculer la tangente au graphe de ϕ au point
(0,0), puis le DL de ϕ à l’ordre 2 au voisinage de 0.
Exercice 3.12.
x = 14 sin( x + y)

1. Montrer que le système admet une unique solution.
y = 1 + 23 arctan( x − y)
2. Ecrire une équation du plan tangent à la sphère de centre (1, −1, 2) et de rayon 2.
3. Ecrire une équation du plan tangent à la surface f au point (a, b) indiqué :
(a) f ( x, y) = x3 + y3 , (a, b) = (1, 1), (b) f ( x, y) = sin(2x + 3y), (a, b) = (0, 0).
Exercice 3.13.
1. L’équation x3 + y3 + z3 − 2z( x + y) − 2x + y − 2z − 1 = 0 définit t-elle au voisinage de
(0, 0, −1) une fonction implicite z = φ( x, y) ? si oui écrire le développement limité de φ à
l’ordre 1 (et 2) au voisinage de (0, 0).
2
2. Montrer que l’équation z3 + 2z + ez− x−y = cos( x − y + z) définit implicitement z comme
fonction C∞ de x et y au voisinage de (0, 0, 0). Calculer les dérivées partielles de z en (0, 0).
3. Montrer que l’équation x2 + 4y2 + 2y4 + z2 + sin z = 0 définit implicitement z = ϕ( x, y)
au voisinage de (0, 0, 0). Calculer les dérivées partielles de z en (0, 0) et montrer que le point
(0, 0) est un point stationnaire pour z = ϕ( x, y) et établir sa nature.
4. Montrer que l’équation x3 + 4xy + z2 − 3yz2 − 3 = 0 permet d’exprimer z en fonction de
∂z ∂z
( x, y) au voisinage de (1, 1, 1). Calculer alors ∂x (1, 1, 1) et ∂y (1, 1, 1).
Exercice 3.14.
1. Calculer les développements limités à l’ordre 2 des fonctions suivantes au voisinage d’un
point ( x, y) ∈ R2 .
x2 y 3
2 + y − 4y, x 2 − y2
(a) f ( x, y) = 2 + x 3 (b) f ( x, y) = y cos( x2 + y2 ), (c) f ( x, y) = e x ,
2 2
(d) f ( x, y) = ( x2 + y2 )e−(x +y ) (e) f ( x, y) = xy + 1
x − 1y , (f) f ( x, y) = y2 + xy ln( x ).
2. Calculer les développements limités à l’ordre 3 des fonctions suivantes au voisinage du point
(a, b) indiqué :
(a) f ( x, y) = x3 + y3 , (a, b) = (1, 1), (b) f ( x, y) = sin(2x + 3y), (a, b) = (0, 0).
3. À l’aide
p de la formule de Taylor, donner des 0,99π
valeurs approchées des nombres :
2
α = (5, 03) + (11, 98) ; 2 β = cos( 2,04 ).
45
Exercice 3.15.
1. Déterminer les points stationnaires de chacune des fonctions suivantes et donner leur na-
ture (maximum,minimum ou autre). Lesquelles de ces fonctions sont convexes ?
2 2
(a) f ( x, y) = 3x − x3 − 2y2 + y4 , (b) f ( x, y) = xy cos( x2 + y2 ), (c) f ( x, y) = e x −y ,
2 + y2 )
(d) f ( x, y) = y2 + xy ln( x ), (e) f ( x, y) = xy + 1
x − 1
y (f) f ( x, y) = ( x2 + y2 )e−(x .
2. Étudier les extrémuns de la fonction f définie sur R2 par : f ( x, y) = x4 + y4 − 2( x − y)2 .
x2
3. Étudier les extrémuns de la fonction f définie sur R3 par : f ( x, y, z) = 2 + xyz − z + y.
4. Déterminer par deux méthodes les extremums de la fonction f ( x, y) = 5x2 + 6y2 − xy
sous la contrainte x + 2y = 24.
5. Étudier et classer les points stationnaires des fonctions suivantes
(a) f ( x, y) = xy dans R2 sous la contrainte x2 + y2 = 1.
(b) f ( x, y) = x2 + y2 + 2 dans R2 sous la contrainte x2 − 2xy + y2 = 0.
(c) f ( x, y) = ( x − y) ln(4 + x − y) dans R2 sous la contrainte x2 + y2 = 1.
Exercice 3.16.
1. Déterminer les extremums de la fonction f ( x, y, z) = xyz sous les conditions
x + y + z = 5 et xy + xz + yz = 8.
2. Déterminer les extremums de la fonction f ( x, y, z) = xyz sous les conditions
x2 + y2 + z2 = 1 et x + y + z = 1.
Exercice 3.17.
1. Si x, y désignent les longueurs des côtés du champ, la longueur de la clôture est 2( x + y) et
l’aire xy. Trouver le maximum atteint par l’aire, non pas parmi tous les points de R2+ , mais
seulement parmi ceux vérifiant la contrainte 2( x + y) = ℓ où ℓ est fixé.
2. Si x, y, z désignent les longueurs des côtés du parallélépipède, la surface est
2( xy + yz + xz) et le volume xyz. Trouver le maximum atteint par le volume xyz, non
pas parmi tous les points de R3+ , mais seulement parmi ceux vérifiant la contrainte 2( xy +
yz + xz) = S, où S est fixé.
3. Une montagne a la forme de la surface z( x, y) = 2xy − 2x2 − y2 − 8x + 6y + 4 (l’unité de
mesure est de 100 mètres). Si le niveau de la mer correspond à z = 0, quelle est la hauteur
de la montagne ?.
2 2
√ du cercle d’équation x + y
4. Quel point ≤ 1 minimise la distance à la droite
y = 4 − 3x ?.
Exercice 3.18.
1. La société d’Adèle produit deux types d’ampoules : E17 et E24. Indiquons par x le nombre
de milliers d’ampoules de type E17 produites et supposons que la demande pour ce type de
lampes est donnée par p1 = 50 − x, où p1 est le prix de vente en euros. De même, indiquons
par y le nombre de milliers d’ampoules de type E24 produites et supposons que la demande
pour ce type est donnée par p2 = 60 − 2x où p2 est aussi le prix de vente en euros. Les coûts
communs de production de ces ampoules est C = 2xy (en milliers d’euros). Par conséquent,
le bénéfice de la société d’Adèle (en milliers d’euros) est une fonction de deux variables x et
y. Déterminer le profit maximal d’Adèle.
46
2. Vous êtes le directeur financier de la firme SANBON et FILS. Cette entreprise a investi
3000 euros pour mettre au point un nouveau parfum. Le coût de la production est de 3
euros par flacon de 100 mL. L’expert consulté par M. SANBON père a établi que si la firme
consacre x euros en publicité pour son parfum
√ et que le prix de vente d’un flacon est de y
euros, la firme vendra exactement 300 + 6 x − 10y pièces. La firme SANBON et FILS
fixe évidemment x et y de manière à maximiser son profit. En tant que directeur financier,
il vous incombe de déterminer ces valeurs.
3. Une firme produit des appareils dans deux usines différentes. Les coûts totaux de production
pour les deux usines sont respectivement :
C1 (q) = 200 + 6q + 0, 03q2 et C2 (q) = 150 + 10q + 0, 02q2
où q représente le nombre d’appareils produits dans l’usine. La firme s’est engagée à livrer
100 appareils à une entreprise. Les frais de transport par appareil sont de 4 euros pour
les livraisons à partir de la première usine et de 2 euros pour les livraisons à partir de la
seconde usine. Les frais de transport sont supportés par la firme productive. Calculer le
nombre d’appareils que doit produire la firme dans chaque usine afin de minimiser le coût
total de production compris le coût de transport.
Exercice 3.19.
1. Pour quelles valeurs de a, b ∈ R l’application f : R2 −→ R2 définie par :
f ( x, y) = ( x + a sin y, y + b sin x ) est-elle un difféomorphisme local en tout point ?. Mon-
trer alors que f est un difféomorphisme de R2 sur R2 .
2. Soit f l’application de R2 dans R2 définie par : f ( x, y) = ( x + y, xy).
Soit l’ouvert U défini par : U = {( x, y) ∈ R2 ; |y| < | x |}.
a. Montrer que la restriction f U de f à U est un C1 -difféomorphisme de U sur un ouvert
V que l’on déterminera.
b. Déterminer la réciproque de f U et calculer sa différentielle.
3. Soit U = {( x, y) ∈ R2 ; x − y > 0} et φ : U −→ R2 définie par : φ( x, y) = ( x2 +
y2 , x + y). Montrer que φ est un C1 -difféomorphisme de U sur un ouvert V à déterminer.
Exercice 3.20.
f : R3 −→ R3
On considère l’application
( x, y, z) 7−→ (e2y + e2z , e2x − e2z , x − y)
1. Montrer que f (R3 ) = {( x, y, z) ∈ R3 , x > |y|}.
2. Montrer que f est un difféomorphisme de R3 sur f (R3 ). On note ϕ = f −1 .
F : R3 −→ R3
3. Soit
( x, y, z) 7−→ (e x−y+2z + e− x+y+2z , e2x + e2y − 2λe x−y , e2x + e2y − 2ey− x )
a. Quelle condition doit satisfaire λ pour que F soit un difféomorphisme ?.
b. Mettre F sous la forme F = ϕ o G où G : R3 −→ f (R3 ).
Exercice 3.21.
Soit D = {( x, y) ∈ R2 , x > 0}, on cherche une fonction f ∈ C1 ( D, R ) vérifiant :
∂f ∂f
(E) : x +y = 0, ∀( x, y) ∈ D.
∂x ∂y
47
y
1. Vérifier que ϕ( x, y) = x est une solution de (E).
2. Soit g ∈ C1 (R, R ). Montrer que g o ϕ est une solution de (E).
3. Soit f une solution de (E).
a. Montrer f (u, uv) ne dépend que de v.
b. Donner l’ensemble de solution de (E).
4. Résoudre en utilisant les coordonnées polaires l’EDP
∂f ∂f
(E′ ) : x ∂x + y ∂y = x2 + y2 , ∀( x, y) ∈ D.
Exercice 3.22.
y
Soit φ l’application définie sur U =]0, +∞[×R par : φ( x, y) = ( x, x ).
1. Montrer que φ définit C2 -difféomorphisme de U sur U.
2. Soit f ∈ C2 (U, R ). Montrer qu’il existe une unique fonction g : (u, v) 7−→ g(u, v) de
classe C2 sur U telle que f = g ◦ φ.
3. Démontrer que, pour tout (u, v) ∈ U, on a :
∂2 g ∂2 f ∂2 f 2
2∂ f
( u, v ) = ( u, uv ) + 2v ( u, uv ) + v (u, uv).
∂u2 ∂x2 ∂x∂y ∂y2
4. Trouver les fonctions f ∈ C2 (U, R ) vérifiant :
∂2 f ∂2 f 2
2∂ f
x2 + 2xy + y = 0.
∂x2 ∂x∂y ∂y2
Exercice 3.23.
Soit α un réel et E l’ensemble des fonctions f : R2 −→ R de classe C2 vérifiant l’équation aux
dérivées partielles :
∂2 f ∂2 f
− 4 = α.
∂x2 ∂y2
1. Montrer que la fonction φ : ( x, y) 7−→ (2x + y, 2x − y) est un C2 -difféomorphisme de R2
sur R2 .
2. Soit f : R2 −→ R de classe C2 . Montrer que f appartient à E si et seulement si la fonction
∂2 g
g = f ◦ φ−1 vérifie ∂u∂v = α
16 . En déduire l’ensemble E.
3. Soit ψ : R −→ R de classe C1 et a > 0. Déterminer une condition nécessaire et suffisante
sur λ et a pour que la fonction f définie sur R2 par :
x2 y4
Z x
f ( x, y) = ψ(at + y)dt + λ −
−x 4 16
appartient à E quelque soit la fonction ψ.
48

Fonctions de Plusieurs VariablesChap1,2,3

Transféré par

Informations du document

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

Fonctions de Plusieurs VariablesChap1,2,3

Transféré par

Droits d'auteur :

Formats disponibles

Maths-Sup

Fonctions à plusieurs variables

2 Limites et continuité des fonctions R n dans R 15

3 Différentiabilité des fonctions à plusieurs variables 22

Programme : Fonctions à plusieurs variables - espace vectoriel - espace métrique -

1.1 Notions de base

Bd (a, r ) = { x ∈ E; d(a, x ) < r }.

2. On appelle boule fermée de centre a et de rayon r > 0, le sous-ensemble de E noté Bd (a, r )

A est bornée signifie que : ∃ a ∈ E, ∃r > 0 tel que A ⊆ Bd (a, r ).

Sous-ensembles ouverts et sous-ensembles fermés

Suites dans un espace métrique

Proposition 1.6. On a équivalence entre :

2. Des distances topologiquement équivalentes conduisent aux mêmes fonctions continues et

Plus généralement, sur E = R n avec n ∈ N ∗ , on définit les normes classiques suivantes :

Pour montrer l’inégalité de Minkowski, on utilise l’inégalité de Hölder :

k · k1 est appelée la norme de la convergence en moyenne sur [ a, b].

Produit scalaire réel

(ii) Produit scalaire canonique sur Mn,1 (R ) : il est défini par

(iii) Produit scalaire canonique sur Mn,p (R ) : il est défini par

∀( A, B) ∈ (Mn,p (R ))2 , ( A | B) = tr (t XY ) = ∑ ai,j bi,j .

Expression du produit scalaire en fonction de la norme

δ( x, y) = ln(1 + d( x, y)) et λ( x, y) = (d( x, y))α avec α ∈]0, 1[

sont des distances sur E.

2. Montrer que l’on peut avoir l’égalité avec x 6= 0 et y 6= 0.

1. Montrer que N est une norme sur R2 .

1. Énoncer et démontrer l’inégalité de Jensen.

1. Montrer que M(n, p) et L(n, p) sont des R-espace vectoriels isomorphes.

Limites et continuité des fonctions R n dans R

Fonctions réelles à plusieurs variables (champs scalaires)

Définition 2.1. Soit D un domaine de R n , X0 ∈ D et f une fonction définie sur D, eventuelle-

Proposition 2.1. L’existence et la valeur éventuelle de la limite sont indépendantes de la norme

∀ε > 0, ∃αε > 0, ∀ X ∈ U, kX − X0 k < αε =⇒ | f (X ) − f (X0 )| < ε.

2. On dira que f est continue sur U si f est continue en chaque point de U.

Exemple 2.1. Toute application linéaire f : R n −→ R est continue en tout point de R n .

∀X ∈ Rn , k f (X )k ≤ k f kkX k où k f k = sup | f (X )|.

Propriété 2.2. (Opérations algébriques)

2.3 Cas des fonctions de deux variables

2.3.2 Distances, limites et continuité

2. Soit M( x, y) et M0 ( x0 , y0 ) deux points du plan et ℓ ∈ R.

Remarque 2.5. La proposition

Exemple 2.3. 1. Pour f ( x, y) = x2 − y2 , on a : g(r, θ ) = r2 cos 2θ et lim(r2 cos 2θ ) = 0,

2.3.3 Extension aux fonctions de R2 dans R2

Démonstration. • Si f admet une limite l = (l1 , l2 ) quand ( x, y) → ( x0 , y0 ), alors les

montre que f admet pour limite l.

Différentiabilité des fonctions à plusieurs variables

3.1 Fonctions différentiables

f ( x ) − f (a) = L( x − a) + k x − akε( x ) avec lim ε( x ) = 0. (3.1)

La fonction linéaire L est unique et appelée différentielle de f en a.

∀h ∈ R n , f ′ (a)h = f 1′ (a)h, f 2′ (a)h, . . . , f p′ (a)h .

Exemple 3.2. Soit f : R2 −→ R2 définie par : f ( x, y) = ( x + y, xy).

3. Soit f : U ⊆ R n −→ R p et g : V ⊆ R p −→ R q avec f (U ) ⊆ V. Si f est différentiable en a

Définition 3.3. Soit U ⊆ R n ouvert, f : U −→ R une fonction et a ∈ U.

Proposition 3.2. Si f est différentiable en a alors f est Gâteaux différentiable en a et on a :

3.1.2 Dérivées partielles

Remarque 3.2. f i′ (a) est la différentielle de la i ème application partielle de f en a c’est-à-dire

Proposition 3.3. Si f : U ⊆ R n −→ R p est une fonction différentiable en a = (a1 , a2 , . . . , an )

f (t, 0) − f (0, 0) f (0, t) − f (0, 0)

3.1.3 Critère de différentiabilité

3.1.4 Matrice Jacobienne et dérivation en chaı̂ne

M f ′ (a) est une matrice p lignes et n colonnes.

Remarque 3.6. D’après un des théorèmes fondamentaux d’A.L, on a : L(R n , R p ) ≃ M p,n (R )

Cas particulier de dérivation en chaı̂ne

Exemple 3.9. (r, θ ) 7−→ ( x, y) 7−→ f ( x, y) = g(r, θ ) où x = r cos θ et y = r sin θ. On a :

3.1.5 Tangente à une surface