Académique Documents
Professionnel Documents
Culture Documents
ESSAADI
E COLE N ATIONALE DES S CIENCES
A PPLIQUÉES
d’A L -H OCEIMA - M AROC
Analyse 3 :
par :
Moussaid Ahmed
Professeur Assistant
Département de Mathématiques-Informatique
ENSAH
2023/2024
Table des matières
3
4 TABLE DES MATIÈRES
3.3.1 définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.1.2 Difféomorphisme : . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
1.1.1 Distance
d : X×X → R+ = { x ∈ R/ x ≥ 0}
( x, y) 7→ d ( x, y)
d ( x, y) =| x − y |
6
1.1. ESPACES MÉTRIQUES 7
n
de f 1
( x i − yi )2 ) 2
X
d 2 ( x, y) = (
i =1
de f
d ∞ ( x, y) = max | x i − yi |
1≤ i ≤ n
Définition 2 On appelle Espace métrique tout ensemble non vide X muni d’une
distance d et on le note ( X ; d ).
Exemple
½
0, si x=y ;
d ( x, y) =
1, si x 6= y.
est une distance dite triviale. L’e.m. (E, d ) est dit discret.
Exercice
Soit E = C ([0, 1], R) l’ensemble des fonctions continues de [0, 1] dans R.
Pour tous f , g ∈ E , on pose
Z 1
d ( f , g) = | f ( x) − g( x)| dx
0
diam( A ) = sup d ( x, y)
x,y∈ A
Si l’ensemble { d ( x, y)/ x, y ∈ A } est majoré alors on dit que A est une partie
bornée de X .
8 CHAPITRE 1. ESPACES MÉTRIQUES ET ESPACES VECTORIELS NORMÉS
1.1.3 PROPOSITION 1
d ( x1 , xn ) ≤ d ( x1 , x2 ) + d ( x2 , x3 ) + · · · + d ( xn−1 , xn )
| d ( x, y) − d ( y, z)| ≤ d ( x, z)
0 0
3. Pour x ; x et y ; y dans X on a :
0 0 0 0
| d ( x, y) − d ( x , y | ≤ d ( x, x ) + d ( y, y )
Démonstration.
ce qui donne
d ( x, y) − d ( y, z) ≤ d ( x, z)
d ( z, y) − d ( y, x) ≤ d ( x, z)
− d ( x, z) ≤ d ( x, y) − d ( y, z) ≤ d ( x, z)
0 0
3. Pour x ; x et y ; y dans X on a
0 0 0 0
d ( x, y) ≤ d ( x, x ) + d ( x , y ) + d ( y , y)
d’où
0 0 0 0
d ( x, y) − d ( x , y ) ≤ d ( x, x ) + d ( y , y)
0 0
En permutant les couples ( x; y) et ( x ; y ) on a
0 0 0 0
d ( x , y ) − d ( x, y) ≤ d ( x, x ) + d ( y , y)
1.2. TOPOLOGIE DES ESPACES MÉTRIQUES 9
1.1.4 PROPOSITION 2
1. inégalité de Cauchy-Schwarz
n n 1
n 1
x2i ) 2 ( yi2 ) 2
X X X
| x i yi |≤ (
i =1 i =1 i =1
2. inégalité de Minkowski
n 1
n 1
n 1
( x i + yi )2 ) 2 ≤ ( x2i ) 2 + ( yi2 ) 2
X X X
(
i =1 i =1 i =1
Démonstration. (exercice)
1.1.5 PROPOSITION 3
α d 2 ( x, y) ≤ d 1 ( x, y) ≤ β d 2 ( x, y) ∀ x, y ∈ X
Définition 4 :
Soit ( X ; d ) un espace métrique.
Pour a ∈ X et r > 0, on définit les ensembles suivants :
B(a, r ) = { x ∈ X , d ( x, a) < r }
B(a, r ) = { x ∈ X , d ( x, a) ≤ r }
.
10CHAPITRE 1. ESPACES MÉTRIQUES ET ESPACES VECTORIELS NORMÉS
Exemple
Lemme
0 0 0
Si x est dans X , pour ² < ² , B( x, ²) ⊂ B( x, ² ), et B( x, ²) ⊂ B( x, ² )
1.2. TOPOLOGIE DES ESPACES MÉTRIQUES 11
1. un ouvert :
- Une partie U ⊂ X est dite ouverte si
∀a ∈ U, ∃r > 0 t.q. B(a, r ) ⊂ U
2. Fermé :
- Une partie F ⊂ X est dite fermée si son complémentaire F c = X \ F est ouvert.
Remarque
- Par exemple toute boule ouvert B( x0 , r ) est un ouvert de X .
En effet
Démonstration :
On a d (a, x) = s < r .
Si on note ρ = r − s > 0
on a B( x, ρ ) ⊆ B(a, r ) :
en effet, si y ∈ B( x, ρ ) alors
d (a, y) ≤ d (a, x) + d ( x, y) = r
Ceci prouve que {B f (a, r )) est ouvert, donc que B f (a, r ) est fermé.
1.2. TOPOLOGIE DES ESPACES MÉTRIQUES 13
Démonstration : (exercice)
Définition 6 :(voisinage)
Soit ( X ; d ) un espace métrique et x0 ∈ X
Soit V un sous-ensemble de X .
on dit que V est un voisinage de x0 s’il contient une boule ouverte de centre x0 .
e.i (c’est à dire) : si ∃ r > 0 tel que B( x0 , r ) ⊆ V .
V = { x0 ∈ X / ∃ r > 0 B( x0 , r ) ⊆ V
Notation :
Pour dire que V est un voisinage de x0 , on écrira :
V ∈ V ( x0 )
Exemple.
Si R est muni de d ( x, y) = | x − y|, l’ensemble V =] − 1, 1] est un voisinage de 0 mais ce
n’est pas un voisinage de 1 bien que 1 ∈ V .
A ◦ = { x ∈ A / ∃ r > 0, B( x, r ) ⊂ A }
1.2. TOPOLOGIE DES ESPACES MÉTRIQUES 15
A◦ =
[
U
U Ouvert, U⊂A
Définition 9 : (l’adhérence)
Soit ( X ; d ) un espace métrique et x0 ∈ X
Soit A un sous-ensemble de X .
On dit que x0 est point adhérent à A si
∀ r > 0, B( x0 , r ) ∩ A 6= ;
Définition 11 (Frontière)
Soit ( X ; d ) un espace métrique et Soit A un sous-ensemble de X .
On appelle Frontière de A , l’ensemble défini par :
f r( A ) = A \ A ◦
f r ( A ) : Frontière de A
x ∈ f r( A ) ⇔ ∀r > 0 B( x, r ) ∩ A 6= ; et B( x, r ) ∩ { A 6= ;
Proposition
Proposition
∀ε > 0, ∃ N ∈ N, n ≥ N ⇒ d ( x n , x) < ε
Remarque :
- Dans R muni de la distance usuelle, cette définition coïncide avec la définition
usuelle de la convergence.
- On dit que la suite ( xn )n ∈ N diverge ou est divergente si elle n’est pas convergente.
- Si une suite ( xn ), n ∈ N d’éléments de X converge vers x ∈ X , alors x est unique :
on dit alors que x est la limite de la suite ( xn ), n ∈ N ;
Proposition
Proposition
Proposition
Exemple
Dans R muni de la distance usuelle, soit xn = (−1)n , n ∈ N. Alors 1 est une valeur
d’adhérence de ( xn ), car x2n → 1.
Proposition
∀ε > 0, ∃ n 0 ∈ N, ∀n ≥ n0 , ∀m ≥ n0 , d ( xn , xm ) ≤ ε
1.2. TOPOLOGIE DES ESPACES MÉTRIQUES 19
Remarque
La définition est équivalente à
∀ε > 0, ∃ n 0 ∈ N, ∀n ≥ n0 , ∀ p ≥ 0, d ( x n , x n+ p ) ≤ ε
Exemple
sin(1)
2- dans R ∀ n ∈ N∗ ( n ≥ 1) la suite u n = 2 + sin(2)
22
+ ... + sin(n)
2n est une suite de
Cauchy.
Preuve : Soit ( xn )n une suite qui converge vers une limite x. Pour 2ε > 0 fixé, on
peut trouver n 0 tel que d ( xn ; x) ≤ 2ε pour tout n 0 . Ainsi, si n ≥ n 0 et m ≥ n 0 , on a par
inégalité triangulaire
d ( xn , xm ) < d ( xn , x) + d ( x, xm ) < ε
Ceci montre bien que la suite est de Cauchy.
Exemples.
1- La droite numérique R est complet, mais R∗+ ne l’est pas.
2- Un e.m. discret est toujours complet.
Définition 17 : (Norme)
Soit E un K - espace vectoriel réel. Une application N : E → R+ est appelée norme
sur E si elle vérifie
1. Positivité :
∀ x ∈ E, N ( x) ≥ 0
2. Séparation :
N ( x) = 0 ⇔ x = 0
3. Homogénéité :
∀λ ∈ R, ∀ x ∈ E, N (λ x) = |λ| N ( x)
4. Inégalité triangulaire :
∀ x, y ∈ E N ( x + y) ≤ N ( x) + N ( y)
- Exemples classiques
Req
Lorsque seules les propriétés (1), (3) et (4) de la définition sont vérifiées, ont dit que
N est une semi norme.
∀( x, y) ∈ E 2 , | N ( x) − N ( y)| ≤ N ( x + y)
Démonstration :
Soit ( x, y) ∈ E 2
N ( x) = N ( x + y + (− y)) ≤ N ( x + y) + N (− y) = N ( x + y) + N ( y) car N (− y) = N ( y)
donc N ( x) − N ( y) ≤ N ( x + y)
En échangeant les rôle de x et y, on obtient
N ( y) − N ( x) ≤ N ( x + y)
et finalement
| N ( x) − N ( y)| ≤ N ( x + y)
n n
PROPOSITION 5 ∀( x1 , ..., xn ) ∈ E n , ∀(λ1 , ..., λn ) ∈ K n ,
X X
k λk xk k ≤ |λk |k xk k
k=1 k=1
Démonstration :
d ( y, x) = N ( y − x)
= N (−( x − y))
= | − 1| N ( x − y)
= N ( x − y)
= d ( x, y)
22CHAPITRE 1. ESPACES MÉTRIQUES ET ESPACES VECTORIELS NORMÉS
— pour ( x, y, z) ∈ E 3
d ( x, z) = N ( x − z)
= N (( x − y) + ( y − z))
≤ N ( x − y) + N ( y − z)
= d ( x, y) + d ( y, z).
Exercice
Dans E = Rn Montrer que k.k1 , k.k2 et k.k∞ des normes deus à deux équiva-
lentes.
Rq :
Evident car les propriétés sont vraies pour tous les éléments de E, donc pour ceux
de F. La norme induite sur F sera notée comme la norme sur E.
n
Y
Théoréme 4 Si E = E k est un produit d’espaces vectoriels E k normés par la
k=1
norme Nk , l’application N définie sur E par N ( x) = max Nk ( xk ) si x = ( x1 , ..., x p ) est
1≤ k≤ p
une norme sur E appelée norme produit.
Démonstration :
C’est évidemment une application de E dans R+ .
Donc si λ 6= 0 on a ∀ x ∈ E , N (λ x) =| λ | N ( x)
Pour λ = 0 , l’égalité est évidente.
Donc : ∀ x ∈ E , ∀λ ∈ K |λ| N ( x) ≤ N (λ x).
* N ( x + y) = max Nk ( xk + yk ).
1≤ k≤ p
Or ∀ k ∈ 1 ; p, Nk ( xk + yk ) ≤ Nk ( xk ) + Nk ( yk )
Donc ∀ k ∈ 1 ; p, Nk ( xk + yk ) ≤ N ( x) + N ( y).
Donc N ( x + y) ≤ N ( x) + N ( y).
Suites bornées
Démonstration :
0
Par hypothése, il existe deux réels strictement positifs telque α N ≤ N ≤ β N .
Soit (Un )n∈N ) est une suite d’élément de E .
On suppose la suite (Un )n∈N ) bornée pour la norme N.
il existe M ∈ R+ telque ∀ n ∈ N, N (Un ) ≤ M .
Mais alors pour tout n ∈ N.
0
N (Un ) ≤ β N (Un ) ≤ β M
0
Donc, la suite (Un )n∈N ) est borné par la norme N .
0
En échangeant les rôle de N et N , on a aussi, si la suite (Un )n∈N ) est borné par la
0
norme N , alors la suite (Un )n∈N ) est borné par la norme N .
Finalement, pour toute suite (Un )n∈N ) d’élément de E, la suite (Un )n∈N ) est bornée
0
par la norme N ssi (Un )n∈N ) est bornée par la norme N .
24CHAPITRE 1. ESPACES MÉTRIQUES ET ESPACES VECTORIELS NORMÉS
Suites convergentes
Commentaire
Théoréme 7 Si une suite (Un )n∈N converge vers l , alors l est unique.
Commentaire
Si une suite (Un )n∈N converge vers l , on peut dire que l est la limite de Un quand n
tend vers +∞ et on écrit lim Un = l .
n→+∞
0
Théoréme 8 Soit E un K-espace vectoriel, soient N et N deux Normes sur E .
0
Si N et N sont équivalentes, alors pour tout l ∈ E , et toute suites (Un )n∈N .
(Un )n∈N converge vers l dans (E, N ) si et seulement si (Un )n∈N converge vers l dans
0
(E, N ).
Démonstration.
0
Soient N et N deux normes équivalentes. Soient α et β deux réels strictement
0
positifs tels que α N ≤ N ≤ β N .
Soient (Un )n∈N ∈ E N . Supposons que (Un )n∈N converge vers l dans dans l’espace
vectoriel normé (E, N ).Alors,
∀ε > 0, ∃ n 0 ∈ N / ∀ n ∈ N ( n ≥ n 0 ⇒ N (Un − l ) ≤ ε).
Soit βε > 0. Soit n 0 ∈ N tel que pour n ≥ n 0 N (Un − l ) ≤ βε .
Pour n ≥ n 0 , on a
0 ε
N (Un − l ) ≤ β N (Un − l ) ≤ β = ε
β
On a montré que
0
∀ε > 0, ∃n0 ∈ N / ∀ n ∈ N ( n ≥ n 0 ⇒ N (Un − l ) ≤ ε)
0
et donc que la suite ( u n )n∈N converge vers l dans l’espace vectoriel normé (E, N ). En
0
échangeant les rôles de N et N , ceci montre aussi que si la suite ( u n )n∈N converge
1.3. ESPACES VECTORIELS NORMÉS 25
0
vers l dans l’espace vectoriel normé (E, N ), alors la suite ( u n )n∈N converge vers l
dans l’espace vectoriel normé (E,N).
Exemple.
0
Reprenons l’exemple des normes N et N définies sur E = C 1 ([0, 1], R) par :
Z 1 Z 1
0 0
N( f ) = | f ( t)| dt et N ( f ) = | f (0)| + | f ( t)| dt
0 0
. Pour n ∈ N et x ∈ [0, 1],
posons f n ( x) = x n .
La suite ( f n )n∈N est une suite d’éléments de E . Pour tout entier naturel n,
1
N ( f n) =
n+1
et pour tout entier naturel n,
0
N ( f n) = 1
.
Donc, la suite ( f n )n∈N converge vers 0 dans l’espace vectoriel normé (E, N )
0
et ne converge pas vers 0 dans l’espace vectoriel normé (E, N ).
0
On en déduit que les normes N et N ne sont pas des normes équivalentes.
Théoréme 9 Si la suite (Un )n converge (pour la norme N), alors (Un )n est bornée
(pour la même norme N).
Démonstration.
Soit (Un )n∈N une suite d’éléments de E convergeant vers un certain élément l de E.
Il existe un entier n 0 strictement positif tel que pour n ≥ n 0 , N (Un − l ) ≤ 1.
Pour n ≥ n 0 , on a
N (Un ) = N (Un − l + l ) ≤ N (Un − l ) + N ( l ) ≤ 1 + N ( l )
Mais alors, pour tout entier naturel n,
N (Un ) ≤ max( N (U0 − l ), ..., N (Un0 −1 − l ), 1 + N ( l ))
Ceci montre que la suite ( u n )n est bornée.
Théoréme 11 (Liens entre suite et suites coordonnées dans une base de l’espace)
Soit E un espace de dimension finie p ∈ N∗
Soit β = ( e 1 , ...., e p ) une base donnée de E.
Soient (Un )n∈N une suite d’éléments de E et l un élément de E.
p
X p
X
Pour tout entier naturel n, on pose : Un = u n,k e k et l = lk ek
k=1 k=1
la suite (Un )n∈N converge vers l si et seulement si pour tout k ∈ 1 ; p la suite numé-
rique ( u n,k )n∈N converge vers l k .
26CHAPITRE 1. ESPACES MÉTRIQUES ET ESPACES VECTORIELS NORMÉS
Théoréme 12 Soit (Un )n∈N une suite d’éléments de l’espace normée (E, N ).
Si la suite (Un )n∈N convergente dans (E, N ) , alors toute suite extraite de la suite
(Un )n∈N est convergente de même limite que (Un )n∈N . Ce résultat s’énonce encore de la
façon suivante : toute suite extraite d’une suite convergente dans un espace vectoriel
normé est convergente dans cet espace de même limite.
Exemple :
Si Un = (−1)n
alors lim u 2n = 1 et lim u 2n+1 = −1 donc la suite (Un )n∈N est diverge.
x→+∞ x→+∞
n, m ≥ N ⇒ kUn − Um k < ε
Théoréme 15 Toute suite convergente (Un )n∈N d’éléments de E est une suite de Cau-
chy.
Démonstration :
Soit la suite (Un )n∈N converge vers ` alors
∀ε > 0, ∀ n ∈ N ∃ n 0 ∈ N, ∀ n ≥ n 0 ⇒ kUn − `k ≤ 2ε .
Donc si n ≥ n 0 , et m ≥ n 0 : kUn − Um k ≤ kUn − `k + kUm − `k ≤ 2ε + 2ε = ε
Donc la suite (Un )n∈N est une suite de Cauchy.
Définition 28 Espace Vectoriel Normé complet. Soit (E, N ), un espace vectoriel normé.
On dit que E est complet si, et seulement si toute suite de Cauchy de E converge dans
E.
28CHAPITRE 1. ESPACES MÉTRIQUES ET ESPACES VECTORIELS NORMÉS
Démonstration.(exercice)
PROPOSITION 14 Soit (E, N ), un espace vectoriel normé complet. Soit X , une par-
tie de E . Alors, X est complète si, et seulement si X est fermée.
- Sens ⇐
supposons X fermée. Soit ( u n )n∈N , une suite de Cauchy d’éléments de X . En parti-
culier, ( u n )n∈N est une suite de Cauchy de E , donc est convergente vers ` ∈ E Mais
puisque X est fermée, toujours d’après la caractérisation séquentielle des fermés, il
s’ensuit que ` ∈ X . Donc ( u n )n∈N , converge dans X .
Chapitre 2
Définition 29 Soit (E, k.kE ) et (F, k.kF ) deux espaces vectoriels normés de dimen-
sions n et m respectivement.
On appelle fonction de plusieurs variables une application f d’une partie D ⊆ E dans
un ensemble F ( f : D ⊆ E → F ) L’ensemble D s’appelle le domaine de définition de f ,
qui à chaque vecteur x = ( x1 , x2 , ..., xn ) de son domaine de définition D de E , associe
un unique vecteur y = ( f 1 ( x), f 2 ( x), ..., f m ( x))
Et on note
f :D⊆E → F
x = ( x1 , x2 , ..., xn ) 7→ f ( x) = y = ( f 1 ( x), f 2 ( x), ..., f m ( x))
Remarque 1
Notation :
29
30CHAPITRE 2. FONCTIONS DE PLUSIEURS VARIABLES : LIMITES ET CONTINUITÉ
Exemple 1 :
Considérons un rectangle ABCD. On appelle x la longueur AB et, y la longueur BC.
On suppose x > 0 et y > 0.
B y C
A D
p( x, y) = 2 × ( x + y) et S ( x, y) = x × y
Exemple 3 :
3
f ( x, y) = x2x+ y2 qu’on prolonge en une fonction g définie sur R2
en posant
(
f ( x, y) si ( x, y) 6= (0, 0)
g( x, y) =
a si ( x, y) = (0, 0)
où a ∈ R
2.2. LIMITE EN UN POINT 31
f x : x 7→ f ( x, y)
f y : y 7→ f ( x, y)
f :A→F
Remarque 2
La définition précédente s’écrit avec des boules fermées :
Démonstration :
0
Supposons que f tend vers ` et ` quand x tend x0 . Alors :
Soit ε > 0 il existe η 1 > 0 (resp. η 1 > 0) on a k f ( x) − `kF ≤ 2ε (resp. k f ( x) − ` kF ≤ 2ε )
0
0
Comme ε est quelconque, on a nécessairement ` = `
Remarque 3
Pour f : R → R une fonction d’une seule variable réelle à valeurs réelles on retrouve
la définition de la limites de f au point x0 :
Exemple 4
1. On considère la fonction
f : R×R → R
( x, y) 7→ f ( x, y) = 3 x + y
On montre que
lim f ( x, y) = 4
(x,y)7→(1,1)
alors
donc on a
| x − 1| < η ⇒ 3 − 3η < 3 x < 3 + 3η
et | y − 1| < η ⇒ 1 − η < y < 1 + η
Donc | f ( x, y) − 4| < 4η ≤ ε
Alors η ≤ 4ε
Donc on pose η = 4ε
finallement
ε
∀ε > 0, ∃η = > 0, ∀( x, y) ∈ R2 , |( x, y) − (1, 1)| < η ⇒ | f ( x, y) − 4| ≤ ε
4
donc
lim f ( x, y) = 4
(x,y)7→(1,1)
6 x2 y
f ( x, y) =
x2 + y2
lim f ( x, y) = 0
(x,y)7→(0,0)
2.2. LIMITE EN UN POINT 33
i.e
C’est à dire
6 x2 y
q
∀ε > 0, ∃?η > 0, ∀( x, y) ∈ R2 , x2 + y2 < η ⇒ | |≤ε
x2 + y2
x2
on a ∀( x, y) 6= (0, 0) x2 ≤ x2 + y2 ⇒ x 2 + y2
≤1
2 2
6x y
or | x2 + y2 | = 6 × x2x+ y2 | y| ≤ 6| y|
p
et on a y2 ≤ x2 + yp
2
⇒ 6| y| ≤ 6 x2p+ y2
Par conséquent 6 x2 + y2 ≤ ε ⇒ x2 + y2 ≤ 6ε = η
finallement on donne η = 6ε
donc
ε
∀ε > 0, ∃η = > 0, ∀( x, y) ∈ R2 , k( x, y) − (0, 0)k2 < η ⇒ | f ( x, y) − 0| ≤ ε
6
alors
lim f ( x, y) = 0
(x,y)7→(0,0)
Remarque 4
la limite d’une fonction en un point ne dépend pas du choix des normes sur Rn et,R p
qui sont des espaces de dimensions finies.car toutes les normes de Rn sont équiva-
lentes (k.k∞ ≤ k.k2 ≤ k.k1 ≤ nk.k∞ )
Démonstration
⇒
Supposons que f ( x) −−−−→ `.
x → x0
soit ε > 0, soit η > 0, tel que pour tout x de A ,
si k x − x0 kE ≤ η, alors k f ( x) − `kF ≤ ε.
puisque x0 est adhérent à A ,
il existe au moins une suite d’éléments de A convergeant vers x0 .
Soit ( xn )n une suite d’éléments de A convergeant vers x0 .
Alors il existe n 0 ∈ N tel que , pour n ≥ n 0 , k xn − x0 kE ≤ η.
alors pour n ≥ n 0 , k f ( xn ) − `kF ≤ ε.
On a montré que ε > 0, ∃ n 0 ∈ N/∀ n ≥ n 0 , k f ( xn ) − `kF ≤ ε
34CHAPITRE 2. FONCTIONS DE PLUSIEURS VARIABLES : LIMITES ET CONTINUITÉ
⇐
Supposons que pour tooute suite ( xn )n d’éléments de A convergente , de limite x0 ,
la suite ( f ( xn ))n converge vers `.
Supposons par l’absurde que f ( x) ne tende pas vers ` quand x tend vers x0 .
Alors
∃ε > 0, ∀η > 0, ∃ x ∈ A / (k x − x0 kE ≤ η et k f ( x) − `kF > ε)
Démonstration
Soit ε > 0, comme lim g = 0, il existe η > 0 tel que |θ | < η alors 0 ≤ g(θ ) < ε
0
Mais alors si x ∈ V ∩ B( x0 , η).
alors θ = k x − x0 kE ≤ η et k f ( x) − `kF ≤ g(k x − x0 kE ≤ ε
Donc f ( x) −−−−→ `
x→ x0
Remarque 5 :
On se sert souvent de ce théorème pour montrer qu’une application n’admet pas de
limite en un point.
Posons par exemple pour ∀( x, y) ∈ R2 \ (0, 0).
x
f ( x, y) = p
x2 + y2
2.2. LIMITE EN UN POINT 35
p
2
On a f (0, n1 ) −−−−−→ 0 et f ( n1 , n1 ) −−−−−→ .
n→+∞ n→+∞ 2
1 1 1
Pourtant (0, −−−−→ (0, 0)
n) − et ( n , n ) −−−−−→ (0, 0).
n→+∞ n→+∞
Donc par le théorème de caractérisation séquentielle de la limite, f ne peut avoir de
limite en (0, 0).
∀ A > 0, ∃η > 0, ∀x ∈ X k x − x0 kE ≤ η ⇒ f ( x) ≥ A
∀ε > 0, ∃ A > 0, ∀ x ≥ A, k f ( x ) − `k F ≤ ε
∀ε > 0, ∃ R > 0, ∀x ∈ X k x k E ≥ R ⇒ k f ( x ) − `k F ≤ ε
Alors lim h( x) = `
x→ x0
Les propriétés de base pour les limites de fonctions de plusieurs variables sont les
mêmes que pour les fonctions d’une variable réelle.
lim x→ x0 f ( x) = `, ;
½
0
lim x→ x0 g( x) = ` , .
alors
0
lim (α f ( x) + β g( x))) = α` + β`
x → x0
lim x→ x0 f ( x) = ` ∈ F, ;
½
0
lim x→ x0 g( x) = ` ∈ R, .
½
X → F, ;
alors l’application admet une limite lorsque x → x0
x 7→ g( x) f ( x), .
0
g( x) f ( x) −−−−→ ` `
x→ x0
2- pour décrire les valeurs de f , on peut utiliser une base B( e 1 , e 2 , ..., e m ) de F alors
m
X
f ( x) = f 1 ( x) e 1 + f 2 ( x) e 2 + ... + f m ( x) e m = f i ( x) e i
i =1
2.3. CONTINUITÉ D’UNE FONCTION DE PLUSIEURS VARIABLES 37
Les fonctions f 1 , ..., f m , sont les fonctions coordonnées dans la base B de la fonction
f . Ce sont des fonctions d’une partie de E vers R .
Remarque 6
D’après les propriétés des opérations sur les limites on obtient :
• La somme, le produit, de deux fonctions continues en x0 est continue en x0 .
f
• Si f et g sont deux fonctions continues en x0 et si g( x0 ) 6= 0 la fonction quotient g
est continue en x0 .
• Applications : les polynômes, les fonctions rationnelles sont continues en tout point
de leur ensemble de définition.
38CHAPITRE 2. FONCTIONS DE PLUSIEURS VARIABLES : LIMITES ET CONTINUITÉ
Soient Soit (E, k.kE ) et (F, k.kF ) deux espaces vectoriels normés,
Soient X ⊂ E et une application k-lipschitzienne f : X → F Alors f est continue.
Démonstration
Soient x0 ∈ X et ε > 0.
Posons η = kε , Alors pour tout x ∈ B( x0 , η) ∩ X , On a
ε
=ε
k f ( x) − f ( x0 )kF ≤ kk x − x0 kE ≤ k
k
et f est continue en x0 . Comme x0 est quelconque dans X , f est continue sur X .
Remarque 7 :
la continuité partielle n’entraine pas la continuité.
Exemple 5 :
xy
Soit f la fonction définie par f ( x, y) = x2 + y2 si ( x, y) 6= (0, 0) et f (0, 0) = 0
Les applications partielles f x : x 7→ f ( x, 0) et f y : x 7→ f (0, y) sont toutes deux constantes
nulles sur R et en particulier elles sont continues en 0. Par contre f n’est pas conti-
nue en (0, 0) puisque pour tout réel x non nul : f ( x, x) = 21
2.4. PROLONGEMENT PAR CONTINUITÉ : 39
Exemple 6
Soit f la fonction définie sur R2 par :
x y(x2 − y2 )
(
2 , pour ( x, y) 6= (0, 0) ;
∀( x, y) ∈ R , f ( x, y) = x2 + y2
0, si ( x, y) = (0, 0).
Solution
La fonction f est continue sur R2 \ (0, 0) en tant que quotient de fonctions continues
sur R2 \ (0, 0) dont le dénominateur ne s’annule pas sur R2 \ (0, 0).
Pour ( x, y) ∈ R2 \ (0, 0)
| x y || x2 − y2 | | x y | (| x2 | + | y2 |)
| f ( x, y) |= ≤ =| x y |
x2 + y2 x2 + y2
Exemple 7
Soit f la fonction définie sur R2 \ (0, 0) par
xy
f ( x, y) =
x2 + y2
Remarque 8
En pratique, dans R2 il est souvent utile de passer aux coordonnées polaires pour
ramener le calcul de la limite d’une fonction de deux variables à celui de la limite
40CHAPITRE 2. FONCTIONS DE PLUSIEURS VARIABLES : LIMITES ET CONTINUITÉ
d’une fonction d’une seule variable. En effet, tout point ( x, y) de R2 \ (a, b) peut être
représenté par ses coordonnées polaires centrées autour d’un point (a, b) grâce aux
relations : x = a + r cos(θ ) et y = b + r sin(θ ) avec r > 0 et θ ∈ [0, 2π[.
Dans cette écriture, r représente la distance entre (a, b) et ( x, y) de sorte que
alors
lim f ( x, y) = `
(x,y)→(a,b)
Exemple 8
x2 − y2
Montrons de deuxmanières que lim f ( x, y) avec f ( x, y) = x2 + y2
n’existe pas.
(x,y)→(0,0)
x2 − y2 x2
lim = lim =1
(x,y)→(0,0) x2 + y2 x→0 x2
y=0
x2 − y2 − y2
lim = lim = −1
(x,y)→(0,0) x2 + y2 y→0 y2
x=0
r 2 (cos2 (θ ) − sin2 (θ ))
lim f ( x, y) = lim = lim cos2 (θ ) − sin2 (θ ) = cos(2θ )
(x,y)→(0,0) r →0 r 2 (cos2 (θ ) + sin2 (θ )) r →0
∀θ ∀θ
x 2 − y2
Le résultat varie selon la direction θ , donc lim 2 2 n’existe pas.
(x,y)→(0,0) x + y
Chapitre 3
Différentiabilité et Calcul
différentiel
Pour alléger les notations, Nous commençons par des fonctions de deux variables.
Rappel (DERIVEE).
Soit f : I ⊂ R −→ R une fonction dérivable sur un intervalle I ⊂ R.
La dérivée de f au point x0 ∈ I est donnée par :
0 f ( x) − f ( x0 ) f ( x0 + h) − f ( x0 )
f ( x0 ) = lim = lim
x→ x0 x − x0 h→0 h
Définition 37 Soit f une fonction à valeurs réelles définie sur une partie ouverte
D ⊂ R2 .
Soit ( x0 , y0 ) ∈ D , Les dérivées partielles de f en( x0 , y0 ) sont les dérivées des fonctions
g 1 et g 2 tel que :
g 1 ( x) = f ( x, y0 ), et g 2 ( y) = f ( x0 , y)
sont deux fonctions de la seule variable. Si g 1 et g 2 sont dérivable en x0 et y0 respec-
tévement, on aura alors
0 g 1 ( x) − g 1 ( x0 ) g 1 ( x0 + h) − g 1 ( x0 ) f ( x0 + h, y0 ) − f ( x0 , y0 )
g 1 ( x0 ) = lim = lim = lim
x→ x0 x − x0 h→0 h h→0 h
et
41
42 CHAPITRE 3. DIFFÉRENTIABILITÉ ET CALCUL DIFFÉRENTIEL
0 g 2 ( y) − g 2 ( y0 ) g 2 ( y0 + h) − g 2 ( y0 ) f ( x0 , y0 + h) − f ( x0 , y0 )
g 2 ( y0 ) = lim = lim = lim
y→ y0 y − y0 h →0 h h→0 h
0 0
Les deux nombres g 1 ( x0 ) et g 2 ( y0 ) sont appelés Les dérivées partielles de f par rap-
port à x et à y respectévement au point ( x0 , y0 )
et on note
0 ∂ f ( x0 , y0 ) 0
g 1 ( x0 ) = = f x ( x0 , y0 )
∂x
et
0 ∂ f ( x0 , y0 ) 0
g 2 ( y0 ) = = f y ( x0 , y0 )
∂y
Exemple 1 :
1. Soit :
f : R2 → R
( x, y) 7→ f ( x, y) = x2 y3
Cherchons les dérivées partielles en (a, b).
on a
0 ∂ f (a, b)
f x (a, b) = = 2ab3
∂x
et
0 ∂ f (a, b)
f y (a, b) = = 3 a2 b 2
∂y
2. Soit
f : R2 → R
( x, y) 7→ f ( x, y) = x sin( x y)
Cherchons les dérivées partielles en (a, b).
on a
0 ∂ f (a, b)
f x (a, b) = = sin(ab) + ab cos(ab)
∂x
et
0 ∂ f (a, b)
f y (a, b) = = a2 cos(ab)
∂y
Exemple 2 :
Soit
f : R2 → R
( x, y) 7→ f ( x, y) = x2 − y2
Cherchons les dérivées partielles de f
on a
f ( x + h, y) − f ( x − y) ( x + h)2 − y2 − ( x2 − y2 ) 2 xh + h2
lim = lim = lim = 2x ∈ R
h→0 h h→0 h h→0 h
h6=0 h6=0 h6=0
∂f
∂xi
: E ⊂ Rn → R
∂f
x 7→ ∂xi
( x)
∂f 0
Notation : On peut noter ∂xi
= f xi
Remarque :
l’existence de dérivées partielles en un point n’entraine pas la continuité en ce point.
Exemple 2
La fonction
xy
(
2 x2 + y2
, pour ( x, y) 6= (0, 0) ;
∀( x, y) ∈ R , f ( x, y) =
0, si ( x, y) = (0, 0).
∂f f ( x, 0) − f (0, 0) 0
(0, 0) = lim = lim = 0
∂x x→0 x x→0 x
x6=0 x6=0
∂f
⇒ ∂x
(0, 0) = 0 ∈ R
et
∂f f (0, y) − f (0, 0) 0
(0, 0) = lim = lim = 0
∂y y→0 y y→0 y
y6=0 y6=0
∂f
⇒ ∂y
(0, 0) = 0 ∈ R
44 CHAPITRE 3. DIFFÉRENTIABILITÉ ET CALCUL DIFFÉRENTIEL
Conclusion : les dérivée partielles de f existent au point (0, 0) mais f n’est pas conti-
nue au point (0, 0).
Par contre, on sait qu’une fonction d’une seule variable, dérivable en un certain réel,
est automatiquement continue en ce réel et donc l’existence de dérivées partielles
entraine la continuité partielle.
Définition 40 Soit f une fonction définie sur un ouvert non vide E de Rn à valeurs
dans R p .
Pour i ∈ 1 ; n, f admet une i − è me dérivée partielle sur E si et seulement si f admet
une i − è me dérivée partielle en chaque point a de E .
∂f
Dans ce cas, on peut définir la i − è me fonction dérivée partielle sur E notée ∂ x : c’est
i
une fonction de n variables, définie sur E à valeurs dans R p .
∂(α f + β g) ∂f ∂g
=α +β
∂xi ∂xi ∂xi
f ∂f ∂g
∂( g ) ∂xi
× g − f × ∂x
i
=
∂xi g2
2
+ y2
Par exemple, si pour tout ( x, y) ∈ R2 , f ( x, y) = xe x alors ;
pour tout ( x, y) ∈ R2
∂f 2
+ y2 2
+ y2 2
+ y2
( x, y) = e x + 2 x2 e x = (1 + 2 x2 ) e x
∂x
et
∂f 2
+ y2
( x, y) = 2 x ye x
∂y
3.1. DÉFINITIONS ET EXEMPLES : 45
Exercice
x y(x2 − y2 )
(
2 , pour ( x, y) 6= (0, 0) ;
∀( x, y) ∈ R , f ( x, y) = x2 + y2
0, si ( x, y) = (0, 0).
1
lim ( f (a 1 , ..., a i−1 , x i , a i+1 , ..., a n ) − f (a 1 , ..., a n ))
x i →a i xi − a i
qui peut aussi s’écrire
1
lim ( f (a 1 , ..., a i−1 , h + a i , a i+1 , ..., a n ) − f (a 1 , ..., a n ))
h→0 h
Définition 41 Soit f une fonction définie sur un ouvert non vide E de Rn à valeurs
dans R p . Soit a un point de E .
Soit v un vecteur non nul de Rn donné.
f est dérivable en a suivant le vecteur v si et seulement si la fonction d’une variable
réelle h 7−→ h1 ( f (a + hv) − f (a)) a une limite quand h tend vers 0. Dans ce cas, cette
limite s’appelle la dérivée de f en a suivant le vecteur v et se note D v f (a) :
1
D v f (a) = lim ( f (a + hv) − f (a))
h→0 h
∂f
( a) = D e i f ( a)
∂xi
46 CHAPITRE 3. DIFFÉRENTIABILITÉ ET CALCUL DIFFÉRENTIEL
Exemple
½
2 1, si x 6= 0 et y 6= 0 ;
∀( x, y) ∈ R , f ( x, y) =
0, si x = 0 ou y = 0.
Pour x 6= 0.
f (x,0)− f (0,0) f (x,0)− f (0,0)
x−0 = 0 puis limh→0 x−0 =0
∂f ∂f
Donc, ∂ x (0, 0) existe et ∂ x (0, 0) = 0
∂f ∂f
De même ∂y
(0, 0) existe et ∂y
(0, 0) = 0
Ainsi, f admet des dérivées partielles par rapport à chacune de ses deux variables
en (0, 0) mais n’est pas dérivable suivant tout vecteur en (0, 0).
Cas ou E = R
0
f est dérivable en x0 ; de derivée f ( x0 ) si
f ( x0 + h) − f 0 x0 ) 0
lim − f ( x0 ) = 0
h→0 h
c à d.
0
f ( x0 + h) − f 0 x0 − h f ( x0 ) = hξ( h); avec ξ( h) −−−→ 0
h→0
L’application linéaire
L : R → F
0
h 7→ L( h) = h f ( x0 )
est continue .
E lle est appelée differentielle de f au pt. x0 .
Cas ou E = R2
3.2. FONCTION DIFFÉRENTIABLE. 47
Cas ou E = Rn
f est différentiable en x0 ∈ U ⊂ E si il existe une application linéaire continue L ∈
L (E, F ) et une application ζ définie d’un voisinage de 0 dans E à valeur dans F tel
que
∀ h / x0 + h ∈ U, on a f ( x0 + h) − f ( x0 ) = Lh + (k hkζ( h))
Théoréme 24 Si f est différentiable au point x0 alors elle admet des dérivées par-
tielles premières en x0 .
dans cas R2
0 0
A = f x ( x0 , y0 ) et B = f y ( x0 , y0 )
preuve
Si f est différentiable au point x0 alors,
f ( x0 + h) − f ( x0 ) = L( x0 ).h + k hkζ( h)
⇒ k f ( x0 + h) − f ( x0 )k ≤ (L( x0 ) + ζ( h)).k hk
PROPOSITION 23 Si E = R
Si f est différentiable au point x0 SSi elle est dérivable en x0 et on a
0
d f ( x0 )( h) = h f ( x0 )
Remarque
L’existence des dérivées partielles au point x0 n’entraîne pas la différentiabilité de
f au point x0 .
X n ∂f X n
d f ( x0 )( h) = ( x0 ) h i = D i f ( x0 ) h i
i =1 ∂ x i i =1
Cas de R2
Soit f : U ⊂ R2 → R est différentiable au point ( x0 , y0 ) ∈ U . f admet des dérivées
partielles en ( x0 , y0 ) par rapport à chaque variable et la différentielle totale s’écrit :
pour tout h = ( h 1 , h 2 ) ∈ R2
∂f ∂f
d f ( x0 , y0 )( h 1 , h 2 ) = ( x0 , y0 ) h 1 + ( x0 , y0 ) h 2
∂x ∂y
d y la différentielle de : ( h 1 , h 2 ) 7→ h 2 ie dx( h 1 , h 2 ) = h 2
Alors
∂f ∂f
d f (h1 , h2 ) = ( ( x0 , y0 ) dx + ( x0 , y0 ) d y)( h 1 , h 2 )
∂x ∂y
Donc
∂f ∂f
df = ( x0 , y0 ) dx + ( x0 , y0 ) d y
∂x ∂y
Exemple : 1
Calculons la différentielle de la fonction f définie par
f ( x, y) = e x cos( x2 + y2 )
On a :
d f = (cos( x2 + y2 − 2 x sin( x2 + y2 )) e x dx − 2 ye x sin( x2 + y2 ) d y
Exemple 2
f ( x, y) = x4 + 3 x2 y
On remarque que :
∂ f ( x, y)
= 4 x3 + 6 x y
∂x
et
∂ f ( x, y)
= 3 x2
∂y
et donc
∂ f (1, −1)
= 4 − 6 = −2
∂x
et
∂ f (1, −1)
=3
∂y
Exemple 3
1
x2 sin( p
(
) si ( x, y) 6= (0, 0)
f ( x, y) = x2 + y2
0 sinon.
∂f f (h,0)− f (0,0)
- ∂x
(0, 0) = limh→0 h = limh→0 h sin( |h1 | ) = 0
∂f f (0,k)− f (0,0)
- ∂y
(0, 0) = limk→0 k =0
∂f 3
- ∂x
( x, y) = 2 x sin( p 21 2 ) − p 2x 2 3 cos( p 1
)
x +y ( x +y ) x2 + y2
∂f x2 y 1
- ∂y
( x, y) = − p 2 2 3 cos( p )
( x +y ) x2 + y2
Remarque
une fonction qui est diff. en point x0 admet des dérivées prtilles en ce point. C’est une
condition nécessaire pour que f soit diff. mais cette condition n’est pas suffisante ;
une fonction peut avoir des dérivées partielles en un point sans être différentiable
en ce point.
Exemple 4
x3 + y3
(
x2 + y2
si ( x, y) 6= (0, 0)
f ( x, y) =
0 sinon.
• f est elle différentiable en (0, 0) ?.
−2 h3 − h3
²( h, h) = =
2| h | × 2 h 2 2| h | 3
3.2. FONCTION DIFFÉRENTIABLE. 51
Théoréme 25 Soit f une fonction à valeurs réelles définie sur une partie ouverte
D de R2 . Soit ( x0 , y0 ) ∈ D . Si f est de classe C 1 au voisinage de ( x0 , y0 ), alors f est
différentiable en ( x0 , y0 ). La réciproque est fausse.
Plan tangent
Définition 44 Soit f une fonction à valeurs réelles définie sur une partie ouverte
D ⊂ R2 , ( x0 , y0 ) ∈ D et f est différentiable en ( x0 , y0 ) L’équation du plan tangent au
graphe de la fonction f ( x, y) en ( x0 , y0 ) est
∂f ∂f
g( x, y) = f ( x0 , y0 ) + ( x − x0 ) ( x0 , y0 ) + ( y − y0 ) ( x0 , y0 )
∂x ∂y
0 X n ∂f 0
( f og) ( t) = ( x1 ( t), ..., xn ( t)) x i ( t)
i =1 ∂ x i
Exemple :
Soit F ( t) = f (2 + cos( t), sin( t)) et f ( x, y) = x2 − y2 + 3 x y
alors
0 ∂f 0 ∂f 0
F ( t) = ( x( t), y( t)) x ( t) + ( x( t), y( t)) y ( t) avec x( t) = 2 + cos( t) et y( t) = sin( t)
∂x ∂y
donc
0
F ( t) = −(2 x( t) + 3 y( t)) sin( t) + (3 x( t) − 2 y( t)) = −4(1 + cos( t)) sin( t) + 3 cos(2 t) + 6 cos( t)
∂g ∂ f ∂x ∂f ∂y
(
∂u
= . + ∂ y . ∂u
∂ x ∂u
∂g ∂ f ∂x ∂f ∂y
∂v
= . + ∂ y . ∂v
∂ x ∂v
ou bien
∂f ∂ g ∂u ∂g
+ ∂v . ∂∂vx
(
∂x
= .
∂u ∂ x
∂f ∂ g ∂u ∂g
∂y
= .
∂u ∂ y
+ ∂v . ∂∂vy
Rq
Cette méthode s’applique pour résoudre certaines équations différentielles aux dé-
rivées partielles
est de classe C 1 ; et on a
∂F ∂f ∂f
(
∂r
( r, θ ) = cos(θ ). ∂ x ( x, y) + sin(θ ). ∂ y ( x, y)
∂F ∂f ∂f
∂θ
( r, θ ) = − r sin(θ ). ∂ x ( x, y) + r cos(θ ). ∂ y ( x, y)
Exemple :
Considérons les fonctions : g : R −→ R2 et f : R2 −→ R définies par :
p
x2 + 1
g( t) = (cos( t), sin( t)) et f ( x, y) =
y+2
On a :
Dg = R et D f = R × (R \ {−2})
Posons h = f og On a donc h : R −→ R telle que :
p
cos2 ( t) + 1
∀ t ∈ R h( t) =
sin( t) + 2
La fonction g est différentiable sur R et g(R) ⊂ ([−1, 1])2 ⊂ D f et f est différentiable
sur D f Alors h est différentiable sur R et :
p
0 sin( t) cos( t) cos( t) cos2 ( t) + 1
h ( t) = − −
(sin( t) + 2)2
p
(sin( t) + 2) cos2 ( t) + 1
3.3.1 définition
et différentiable sur Rn
∂f
(x )
∂ x1 0
∂f
(x )
∂ x2 0
∇ f ( x0 ) =
..
.
∂f
(x )
∂ xn 0
∂ f1 ∂ f1 ∂ f1
(x )
∂ x1 0
(x )
∂ x2 0
··· (x )
∂ xn 0
∂ f2 ∂ f2 ∂ f2
∂fi (x )
∂ x1 0
(x )
∂ x2 0
··· (x )
∂ xn 0
J f ( x0 ) = ( ( x0 ))1≤ i≤m =
∂x j .. .. ..
1≤ j ≤ n
. . .
∂ fm ∂ fm ∂ fm
∂ x1
( x0 ) ∂ x2
( x0 ) · · · ∂ xn
( x0 )
Pour m = n > 1 : La matrice jacobienne de f est une matrice carré de taille ( n × n).
∂f
∂ x1
( a)
∂f
n
∂ x2
( a)
PROPOSITION 28 Pour tout a ∈ D ⊂ R le gradien ∇ f (a) = est l’unique
..
.
∂f
∂ xn
( a)
vecteur tel que pour tout h ∈ Rn
Exemples 1 :
L’application f : R2 → R définie par f ( x, y) = x y admet des dérivées partielles et on a
∇ f ( x, y) = ( y, x) t
3.3. GRADIENT D’UNE APPLICATION ET MATRICE JACOBIENNE : 55
Exemples 2 :
L’application f : R2 → R définie par f ( x, y) = x y admet (0, 0) pour unique point cri-
tique.
Exemples 3 :
Considérons la fonction f : R2 → R2 définie par :
x
f ( x, y) = ( x2 + y, )
y2 + 1
2.
∇( f × g)( x0 ) = g( x0 ) × ∇ f ( x0 ) + f ( x0 ) × ∇ g( x0 )
3.
∇(α f )( x0 ) = α∇ f ( x0 )
-Dérivées successives :
∂2 f
( a)
∂x j ∂xi
-Théorème de Schwarz :
∂2 f ∂2 f
Si f admet des dérivées partielles secondes ∂ x ∂ x (a) et ∂ x ∂ x (a) dans un voisinage
j i i j
de a, et si ces dérivées partielles sont continues en a alors :
∂2 f ∂2 f
( a) = ( a)
∂x j ∂xi ∂xi ∂x j
Exemple.
Soit f : R2 → R la fonction donnée par f ( x, y) = x2 y + 2 x y + 1. Puisque f est polyno-
miale, il est clair que toutes les dérivées de f à tout ordre existent et sont continues
(car polynomiales). On a :
∂f ∂2 f
: ( x, y) 7−→ 2 yx + 2 y et : ( x, y) 7−→ 2 x + 2
∂x ∂ y∂ x
∂f ∂2 f
: ( x, y) 7−→ x2 + 2 x et : ( x, y) 7−→ 2 x + 2
∂y ∂ x∂ y
et le théorème est bien vèrifié.
- Divergence
n ∂f
X i
div f ( x) = tr ( J f ( x)) = ( x)
i =1 ∂ x i
—
div( f + g) = div( f ) + div( g)
—
div( f × g) = g × div( f ) + f × div( g)
—
∀λ ∈ R div(λ f ) = λ div( f )
Définition 48 (Rotationnel)
rot( f ) : R3 → R3
x 7→ ( rot( f ))( x)
où
∂ f3 ∂ f2 ∂ f1 ∂ f3 ∂ f2 ∂ f1
( rot f )( x) = ( ( x) − ( x); ( x) − ( x); ( x) − ( x)) = ∇ ∧ f
∂ x2 ∂ x3 ∂ x3 ∂ x1 ∂ x1 ∂ x2
tel que :
∂
∂ x1 f1
∂
f2
∂ x2
∇= et f =
.. ..
. .
∂ fn
∂ xn
Définition 50 (SEGMENT)
On appelle segment fermé (respectivement segment ouvert) d’extrémités a et b d’une
espace R p l’ensemble
[a, b] (resp. ]a,b[) = {(1 − t)a + tb tel que t ∈ [0, 1] (resp t ∈]0, 1[)}
Alors
k f ( x) − f ( y)kR p ≤ k| x − y| ∀( x, y) ∈ I 2
3.6. INÉGALITÉ DES ACCROISSEMENTS FINIS : 59
Alors
k f ( x) − f ( y)kR p ≤ |ϕ( x) − ϕ( y)| ∀( x, y) ∈ I 2
Théorème général
Alors
k f ( x) − f ( y)kR p ≤ sup k d f ((1 − t) x + t y)k.k x − ykRn
t∈]0,1[
Chapitre 4
Définition 52 Soit f : Rn → R p
On suppose f différentiable en a ∈ Rn . La matrice de l’application différentielle de f
qu’on l’appelle matrice jacobienne de f en a est :
∂ f1 ∂ f1 ∂ f1
∂ x1
( a) ∂ x2
( a) ··· ∂ xn
( a)
∂ f2 ∂ f2 ∂ f2
∂ x1
( a) ∂ x2
( a) ··· ∂ xn
( a)
Ja ( f ) =
.. .. ..
. . .
∂ fm ∂ fm ∂ fm
∂ x1
( a) ∂ x2
( a) · · · ∂ xn
( a)
Théoréme 34 Soit f : A ⊂ Rn → R p
∂f
Si f est différentiable au point a ∈ Rn . , alors les dérivées partielles ∂ x i existent pour
j
tout i ∈ {1, 2, ..., p} et j ∈ {1, 2, ..., n}. La différentielle de f au point a est alors la ma-
trice Jacobienne de f au point a.
Réciproquement, si f est de classe C 1 dans A alors f est différentiable en tout point
de A .
Le Jacobien
60
4.1. LINÉARITÉ LOCALE : 61
∂ f1 ∂ f1 ∂ f1
∂ x1
( a) ∂ x2
( a) ··· ∂ xn
( a)
∂ f2 ∂ f2 ∂ f2
D ( f 1 , f 2 , ..., f n ) ∂ x1
( a) ∂ x2
( a) ··· ∂ xn
( a)
jac f ( x) = = .. .. .. .. = det( Ja ( f ))
D ( x1 , x2 , ..., xn ) . . . .
∂ fn ∂ fn ∂ fn
∂ x1
( a) ∂ x2
( a) · · · ∂ xn
( a)
ϕ( r, θ ) = ( r cos(θ ), r sin(θ ))
r = | x + i y| et θ = ar g( x + i y)[2π]
62 CHAPITRE 4. LINÉARITÉ LOCALE ET FONCTIONS IMPLICITES
cos(θ ) − r sin(θ )
jac ϕ ( r, θ ) = det( Jϕ ( r, θ )) = =r
sin(θ ) r cos(θ )
ϕ( r, θ , z) = ( x, y, z) = ( r cos(θ ), r sin(θ ), z)
→
− −−→
de l’angle entre le vecteur i et le vecteur Om, le plan (Ox y) étant orienté par le
→
− →
− → −
vecteur k , c’est-à-dire que ( i , j ) = + π2 .
L’application ϕ est évidemment de classe est évidemment de classe C ∞ et est donc
différentiable. Les fonctions coordonnées de ϕ sont (ϕ1 , ϕ2 , ϕ3 ) définies par :
ϕ1 ( r, θ , z) = r cos(θ )
ϕ ( r, θ , z) = r sin(θ )
2
ϕ3 ( r, θ , z) = z
cos(θ ) − r sin(θ ) 0
jac ϕ ( r, θ ) = det( Jϕ ( r, θ )) = sin(θ ) r cos(θ ) 0 = r
0 0 1
Ce changement de variable dans 3 est un peu plus difficile à manier que le précé-
dent.
φ1 (ρ , θ , ϕ) = ρ sin(θ ) cos(ϕ)
φ (ρ , θ , ϕ) = ρ sin(θ ) sin(ϕ)
2
φ3 (ρ , θ , ϕ) = ρ cos(θ )
4.1.2 Difféomorphisme :
Caractérisation
Exemple 1
α+β α−β
f ( x, y) = (α, β) ⇔ x = et y= .
2 2
On en déduit que f (R2 ) = R2
f est donc un C 1 -difféomorphisme de R2 dans R2 .
p
φ1 ( x, y) = r = x2 + y2
½
y
φ1 ( x, y) = θ = arctan x
∂φ1 ∂φ1
à !
−1 ∂x
( x, y) ∂y
( x, y)
J (ψ )( x, y) = J (φ)( x, y) = ∂φ2 ∂φ2
∂x
( x, y) ∂y
( x, y)
Donc
p 2x p2y x y
p p
à !
2 x2 + y2 2 x2 + y2
J (ψ−1 )( x, y) = x2 + y2 x2 + y2
y
− 2 1 =
x x −y x
y2
1+ 2 1+
y2 x2 + y2 x 2 + y2
x x2
x y
p p 1
−1
det( J (ψ )( x, y)) = x2 + y2 x2 + y2 =p
−y x
x2 + y2 x 2 + y2 x2 + y2
Comparons maintenant ce résultat avec ce qu’on avait obtenu pour J (ψ) à savoir
cos(θ ) − r sin(θ )
µ ¶
Jϕ ( r, θ ) =
sin(θ ) r cos(θ )
L’inverse de cette matrice est
r cos(θ ) r sin(θ )
à !
cos(θ ) sin(θ )
µ ¶
J (φ)( x, y) = r
θ)
r
r cos(θ ) =
− r sin( − 1r sin(θ ) 1
r cos(θ )
r2 r2
1
De même, le Jacobien de ψ−1 est égal à r : c’est bien l’inverse du jacobien de ψ
( d a f )−1 = d f (a) ( f −1 )
68 CHAPITRE 4. LINÉARITÉ LOCALE ET FONCTIONS IMPLICITES
Démonstration :
La démonstration repose simplement sur le calcul de la différentielle d’une fonction
composée :
On a f −1 o f = I dU . En différentiant on obtient que pour tout a ∈ Rn .
d f (a) od a f = I d Rn
d f −1 (b) f od b f −1 = I d Rn
d a f od f (a) f −1 = I d Rn
Cela prouve que d a f et d f (a) f −1 sont des isomorphismes inverses l’un de l’autre.
φ( r, θ ) = ( r cos(θ ), r sin(θ )
Alors
1. φ est de classe C ∞
0 0 0 0
2. φ est injective. En effet φ( r, θ ) = φ( r , θ ) ⇒ r = r et cos(θ ) = cos(θ ) et sin(θ ) =
0
sin(θ )
0 0 0 0
⇒ r = r et θ = θ Finalement ( r, θ ) = ( r , θ ), donc φ est injective
4.2. FONCTIONS IMPLICITES : 69
f ( x, y) = 0
pour y en fonction de x. Si une telle solution existe, on dit que f définit y comme
une application implicite de x.
Soient f une fonction numérique définie sur une partie D de R2 ; I et J deux inter-
valles de R. On suppose que, pour tout point x de I il existe un point y et un seul de
J tel que ( x, y) appartienne à D et que
f ( x, y) = 0 (4.1)
On l’appelle fonction implicite définie par l’équation (4.1). On dit encore que y est
fonction implicite de x.
Dans certains cas, on peut expliciter une fonction définie implicitement, c’est-à-dire
exprimer cette fonction à l’aide des fonctions élémentaires.
ϕ : I ⊂ R −−−−−−−−→ R
x7−→ y=ϕ(x)
∀ x ∈ I, f ( x, ϕ( x)) = 0
Exemple.
f ( x, y) = x2 + y2 − 1
x2 + y2 − 1 = 0 (4.3)
On ne peut prolonger ϕ ; puisque, dès que | x| > 1 l’équation (4.3) n’a pas de racine
réelle.
f ( x0 , y0 ) = 0
ϕ( x) = y
De plus, la fonction implicite ϕ ainsi définie est continûment dérivable sur I (ie de
C 1 ( I )), et sa dérivée est donnée par la formule
∂f
( x, ϕ( x))
( x) = − ∂∂ xf
0
ϕ
∂y
( x, ϕ( x))
Remarques :
y = ϕ( x),
½ ½
f ( x, y) = 0,
1. ⇔
x ∈ I, y ∈ J x ∈ I, y ∈ J,
2. Si f est de classe C k sur D alors ϕ est de classe C k sur I
0
3. la droite tangente à y = ϕ( x) en x = x0 a pour équation y = ϕ ( x0 )( x − x0 ) + y0
Exemple 1 :
Considérons encore la fonction f définie sur R2 par la formule
f ( x, y) = x2 + y2 − 1
Remarquons que
f (0, 1) = 0
et que f admet des dérivées partielles par rapport à x et à y, à savoir
∂f ∂f
( x, y) = 2 x ( x, y) = 2 y
∂x ∂y
x2 + y2 − 1 = 0
x2 + y2 − 1 = 0, y = ϕ( x),
½ ½
⇔
x ∈ I, y ∈ J x ∈ I, y ∈ J,
72 CHAPITRE 4. LINÉARITÉ LOCALE ET FONCTIONS IMPLICITES
d’où
0 x
ϕ ( x) = − p
1 − x2
Exemple 2 :
Considérons la fonctions f : R2 −→ R définie par :
f ( x, y) = x y − y x
f (1, 1) = 0
Donc :
∂f
(1, 1) = −1 6= 0
∂y
y
0 x − ln( y) y y − x ln( y)
ϕ ( x) = − x = ×
ln( x) − y x x − y ln( x)
∀( x, y, z) ∈ W : f ( x, y, z) = 0 ⇔ ∀( x, y) ∈ V z = ϕ( x, y)
De plus,
∂f
∀( x, y, z) ∈ W : ( x, y, z) 6= 0
∂z
et
∂f ∂f
∂ϕ ( x, y, ϕ( x, y)) ∂ϕ ∂y
( x, y, ϕ( x, y))
( x, y) = − ∂∂ xf et ( x, y) = − ∂ f
∂x ( x, y, ϕ( x, y)) ∂y ( x, y, ϕ( x, y))
∂z ∂z
Exemple
∂f ∂f
∂ϕ ( x, y, ϕ( x, y)) ∂ϕ ∂y
( x, y, ϕ( x, y))
( x, y) = − ∂∂ xf et ( x, y) = − ∂ f
∂x ( x, y, ϕ( x, y)) ∂y ( x, y, ϕ( x, y))
∂z ∂z
∂ϕ ∂ϕ
1+ ( x, y) + yϕ( x, y) cos( x yϕ( x, y)) + x y ( x, y) cos( x yϕ( x, y)) = 0
∂x ∂x
On évalue cette relation en (0, 0) et on trouve
∂ϕ
(0, 0) = −1
∂x
∂ϕ ∂ϕ
1+ ( x, y) + xϕ( x, y) cos( x yϕ( x, y)) + x y ( x, y) cos( x yϕ( x, y)) = 0
∂y ∂y
∂ϕ
(0, 0) = −1
∂y
T = {( x, y) ∈ D ; tel que f ( x, y) = 0}
Plus généralement , une courbe définie par f ( x, y) = k est appelée une courbe de
niveau k.
∂f ∂f
(∇ f ( M )) t = ( ( x, y); ( x, y)) 6= (0, 0)
∂x ∂y
0 ∂f 0 0 0 ∂f 0 0
T: (x − x ) (x , y ) + ( y − y ) (x , y ) = 0
∂x ∂y
Remarque :
∂f ∂f
1-→
− 0 0 0 0
τ ( M ) = (− ∂ y ( x , y ); ∂ x ( x , y )) t le vecteur directeur de (T )
∂f 0 0 ∂f 0 0
2- tout vecteur parallèle au vecteur ( ∂ x ( x , y ), ∂ y ( x , y )) t s’appelle la normale à (T)
0 0 →
−
au point M ( x , y ) noté N ( M )
→
−
C’est à dire que : N ( M ) est colinéaire à ∇ f ( M )
Exemple
La fonction y2 − y = 3 x définie implicitement au voisinage de (2, −2) une fonction
y = ϕ( x) . La droite tangente au graphe de la courbe d’équation y = ϕ( x) a équation
∂ f (2,ϕ(2))
− ∂x 3 4
y = ( x − 2) ∂ f (2,ϕ(2))
+ (−2) = − x −
5 5
∂y
76 CHAPITRE 4. LINÉARITÉ LOCALE ET FONCTIONS IMPLICITES
Surfaces implicites
∂f ∂f ∂f
(∇ f (( x0 , y0 , z0 ))) t = ( ( x0 , y0 , z0 ); ( x0 , y0 , z0 ); ( x0 , y0 , z0 )) 6= (0, 0, 0)
∂x ∂y ∂z
0
Dans le cas contraire, on dit que le point ( x0 , y0 , z0 ) ∈ T est singulier.
Exemple
Soit T la surface d’équation x2 + y2 + z2 − 3 = 0 Le plan tangent P à T au point
(1, −1, 1) admet pour équation x − y + z = 3. On peut tracer T et P sur un même
graphique.
Chapitre 5
Définition
∂f
• Si la fonction dérivée partielle ∂x
admet des dérivées partielles au point a, on
les note :
∂ ∂f ∂2 f ∂ ∂f ∂2 f
( a) = ( a) et ( a) = ( a)
∂x ∂x ∂x 2 ∂ y ∂x ∂ y∂ x
∂f
• De même, si la fonction dérivée partielle ∂y
admet des dérivées partielles au point
a, on les note :
∂ ∂f ∂2 f ∂ ∂f ∂2 f
( a) = ( a) et ( a) = ( a)
∂x ∂ y ∂ x∂ y ∂y ∂y ∂ y2
∂2 f ∂2 f
Remarque : Les dérivées partielles ∂ x∂ y
et ∂ y∂ x
sont également appelées dérivées
secondes croisées.
Exemple
Soit f ( x, y) = x3 y2 Alors
∂f ∂f
( x, y) = 3 x2 y2 et ( x, y) = 2 x3 y
∂x ∂y
et
77
78 CHAPITRE 5. FORMULE DE TAYLOR ET EXTREMUMS.
∂2 f ∂2 f
( x, y) = 2 x3
(
∂ x2
( x, y) = 6 x y2
∂ y2
2
∂ f
et 2
∂ f
∂ y∂ x
( x, y) = 6 x2 y,
∂ x∂ y
( x, y) = 6 x2 y,
Définition
∂2 f ∂2 f
( a) = ( a)
∂ x∂ y ∂ y∂ x
avec
◦(k hk2 )
lim =0
k hk→0 k hk2
avec
◦(k hk2 )
lim =0
k hk→0 k hk2
Remarque(Puissances symboliques :)
Soit D un ouvert de R2 si f : D → R est de classe C k+1 sur D , avec ( k ≥ 2), a ∈ D et
h ∈ R2
on définit le réel :
ou
Remarques :
• Le terme f (a) + ( h 1 ∂ x f + h 2 ∂ y f )(a) est l’approché linéaire de f (a + h)
Notations de Monge.
on a f (0, 0) = 1 et p = q = r = t = 0 et s = 1
Pour tout vecteur h = ( h 1 , h 2 ) , on a donc
f ((0, 0) + ( h 1 , h 2 )) = 1 + 2 h 1 h 2 + o(k hk2 )
∂2 f ∂2 f
∂2 f ∂ x12
( a) ∂ x2 ∂ x1
( a)
H f ( a) = ( (a))(1≤ i≤2 = ∂2 f ∂2 f
∂xi ∂x j 1≤ j ≤2) ( a) ( a)
∂ x1 ∂ x2 ∂ x22
Exemple
x−1
Soit f ( x, y) = y−1 et a = (0, 0)
on a f (0, 0) = 1 et ∇ f ( x, y) = ( y−1 1 , − (yx−−1)1 2 )
alors ∇ f (0, 0) = (−1, 1)
puis
− (y−11)2
à !
0
H f ( x, y) = 2(x−1)
− (y−11)2 (y−1)3
d’où µ ¶
0 −1
H f (0, 0) =
−1 2
Ainsi :
x−1
= 1 − x + y − x y + y2 + o(k( x, y)k2 )
y−1
∀v ∈ B(a, r ), f ( v) ≤ f ( a)
∀v ∈ B(a, r ), f ( v) ≥ f ( a)
∀v ∈ D, f ( v) ≤ f ( a)
∀v ∈ D, f ( v) ≥ f ( a)
Remarque : Autrement dit, pour que f admet un extremum local en a, il est né-
∂f ∂f
cessaire (mais non suffisant) que ses dérivées partielles ∂x
et ∂y
s’annulent en ce
point
Remarque Un point critique n’est pas toujours un extremum local mais un extre-
mum local se situe toujours en un point critique.
5.3. EXTREMUMS ET POINTS CRITIQUES : 83
1ére Méthode
P M ( X ) = det( M − X I n )
Le théorème qui suit nous donne une méthode simple permettant de déterminer
la nature des points critiques d’une fonction :
2éme Méthode
Cas de la dimension 2
Nous allons réécrire dans ce paragraphe tous les résultats établis précédemment
appliqués au cas de la dimension 2. f désigne donc une fonction définie et de classe
C 2 sur un ouvert D ⊂ R2 et a désigne un point de D .
D’aprés Formule de Taylor-Young à l’ordre 2
84 CHAPITRE 5. FORMULE DE TAYLOR ET EXTREMUMS.
1
f (a + h) − f (a) = ( rh21 + 2 sh 1 h 2 + th22 ) + o(k hk2 )
2
Ainsi, localement, lorsque k hk est proche de 0,
le signe de f (a + h) − f (a) est celui de rh21 + 2 sh 1 h 2 + th22
Si r 6= 0, on a en factorisant :
s t s rt − s2 2
rh21 + 2 sh 1 h 2 + th22 = r ( h21 + 2 h 1 h 2 + h22 ) = r (( h 1 + h 2 )2 + ( )h2 )
r r r r2
Remarque :
dans le cas où rt − s2 = 0 il faut revenir à la définition d’extremum. Si a est un point
col, il s’agit d’exhiber des arcs paramétrés qui démontrent que f prend des valeurs
positives et négatives dans un voisinage de a.
Sinon, si a est un extremum local, il faut raisonner à l’aide d’inégalités locales.
f ( x, y) = x2 + y4
3éme Méthode
µ ¶
r s
H f ( a) =
s t
On trouve que :
Exemple 1 :
Etude des points critiques de la fonction f définie sur R2 par :
f ( x, y) = x y
∂f ∂f
Les dérivées partielles sont ∂ x = y et ∂ y = x
Donc le seul point critique est le point (0, 0)
∂2 f ∂2 f ∂2 f
On calcule les dérivées secondes en (0, 0) : r = ∂ x2
= 0 , s = ∂ y∂ x = 1 et t = ∂ y2
=0
Donc s2 − rt = 1 > 0 c’est un point col.
86 CHAPITRE 5. FORMULE DE TAYLOR ET EXTREMUMS.
Exemple 2 :
Etude des points critiques de la fonction f définie sur R2 par :
f ( x, y) = x4 + y2
∂f ∂f
Les dérivées partielles sont ∂ x = 2 X et ∂ y = 2Y
Donc le seul point critique est le point (0, 0)
∂2 f ∂2 f ∂2 f
On calcule les dérivées secondes en (0, 0) : r = ∂ x2
= 2 , s = ∂ y∂ x = 0 et t = ∂ y2
=2
2
Donc s − rt = −4 < 0 , donc c’est un extremum local.
Comme r > 0,Alors le point (0, 0) est un minimum local.
5.3. EXTREMUMS ET POINTS CRITIQUES : 87
Définition 70 Soit f : Rn −→ R.
On dit que a = (a 1 , a 2 , ..., a n ) ∈ Rn est un point critique de f si :
∂f
∀ x ∈ {1, 2, ..., n} ( a) = 0
∂xi
Et dans ce cas, f (a) s’appelle la valeur critique de f en a.
Remarques :
Pour déterminer les extrema locaux d’une fonction f sur un ouvert Ω, on procèdera
comme suit :
• on justifie que f est de classe C 2 sur Ω ;
• on calcule le gradient de f , puis on cherche les points critiques ;
• on calcule la hessienne de f en le (ou les) points critiques, puis on détermine ses
valeurs propres ;ou on calcule ∆ = s2 − rt ( r , s et t sont des notations de Monge)
• on identifie la nature local du point critique a à l’aide du signe des valeurs propres
de la matrice Hessienne H (a) ou à l’aide du signe de ∆ et r
S = {( x, y) tel que g( x, y) = 0}
Définition
Exemple
2
g( x, y) = 0 ⇒ y = 2 − x
3
2 2
f ( x, y) = L( x) = f ( x, 2 − x) = 2 x(2 − x)
3 3
2
L( x) = 2 x(2 − x)
3
-
0 8
L ( x) = − x + 4
3
-
0 3
L ( x) = 0 ⇒ x =
2
-
00 8 00 3 3
L ( x) = − ⇒ L ( ) < 0 ⇒ x = est un maximum.
3 2 2
3 23
x = ⇒ y = 2− =1
2 32
Donc ( 32 , 1) est un maximum de f ( x, y)sous la contrainte g( x, y) = 2 x + 3 y − 6
h( x, y, λ) = f ( x, y) + λ g( x, y) dite Lagrangien
h( x, y, λ) = Fonction à optimiser +λ ( contrainte annulée),
∂h ∂f ∂g
∂x
( x, y, λ) = ∂x
( x, y) + λ ∂ x ( x, y) = 0
∂h ∂f ∂g
∂y
( x, y, λ) = ∂y
( x, y) + λ ∂ y ( x, y) = 0
∂h
( x, y, λ) = g( x, y) = 0
∂λ
Les solutions du systéme sont appelés Les points critiques
Théoréme 47 (Weierstrass).
Toute fonction f continue sur un ensemble K borné et fermé (qui contient ses bords)
posséde un maximum global et un minimum global
h( x, y, λ0 ) = h 0 ( x, y) = f ( x, y) + λ0 g( x, y)
On pose :
et
40 = rt − s2
le développement de Taylor de h 0 avec ( x0 , y0 ) etant un point stationnaire :∇ h 0 ( x0 , y0 ) =
0 et
1
h 0 ( x0 + h, y0 + k) = h 0 ( x0 , y0 ) + [ rh2 + 2 shk + tk2 ]
2
Donnons un nom à la fonction de deux variables de droite :
Alors
• Si 40 > 0
-si r > 0 , alors f présente un minimum local au point ( x0 , y0 )
- si r < 0, alors f présente un maximum local au point ( x0 , y0 )
• Si 40 < 0
( h, k)∇ g( x0 , y0 ) = 0
5.4. EXTRÉMUMS LIÉS 91
où on rappelle que :
∂g ∂g
( h, k)∇ g( x0 , y0 ) = ( x0 , y0 ) h + ( x0 , y0 ) k
∂x ∂y
∂g ∂g
a= ( x0 , y0 ) et b= ( x0 , y0 )
∂x ∂y
Ainsi
( h, k)∇ g( x0 , y0 ) = 0 ⇔ ah + bk = 0
Nous sommes prêts à énoncer une nouvelle condition suffisantes du second ordre
pour l’optimisation sous contrainte. Rappelons d’abord les notations :
•
h( x, y, λ) = f ( x, y) + λ g( x, y)
• Soit ( x0 , y0 , λ0 ) un point stationnaire du Lagrangien :
∂h ∂h ∂h
( x0 , y0 , λ0 ) = ( x0 , y0 , λ0 ) = ( x0 , y0 , λ0 ) = 0
∂x ∂y ∂λ
• Posons
h 0 ( x, y) = h( x, y, λ0 ) = f ( x, y) + λ g( x, y)
et
r = ∂2x2 h 0 ( x0 , y0 ); s = ∂2x y h 0 ( x0 , y0 ); et t = ∂2y2 h 0 ( x0 , y0 )
Méthodologie
h( x, y, λ) = f ( x, y) + λ g( x, y)
Applications :
• Exemple 1
Optimiser f ( x, y) = x2 + y2 sous la contrainte g( x, y) = x y − 1
1- Le lagrangien est :
L ( x, y, λ) = f ( x, y) + λ g( x, y) = x2 + y2 + λ( x y − 1)
L 0 ( x, y) = x2 + y2 − 2 x y + 2
40 = rt − s2 = 0
Donc ne nous permetait pas de déterminer la nature des deux points stationnaires
sous contrainte.
5.4. EXTRÉMUMS LIÉS 93
3- Regardons le signe de Q ( h, k) = 2 h2 − 4 hk + 2 k2
dans les directions des tangentes la contrainte passant par nos deux points station-
naires : (Remarque : C’est le même Q pour les deux points stationnaires car ils sont
associés au même multiplicateur de Lagrange.)
- Pour ( x1 , y1 ) = (1, 1)
∂g ∂g
Calculons a 1 = ∂ x ( x1 , y1 ) = 1 et b 1 = ∂ y ( x1 , y1 ) = 1
Donc
a1 h + b1 k = 0 ⇔ k = −h
Pour de tels couples ( h, k) par substitution, Q ( h, k) = Q ( h, − h) = 2 h2 + 4 h2 + 2 h2 =
8 h2 > 0 si h 6= 0
Donc (1, 1) est un minimum local sous contrainte pour f .
• Exemple 2
Optimiser f ( x, y) = x2 y − 3 e x sous la contrainte g( x, y) = y − e x = 0
1- Lagrangien est :
L ( x, y, λ) = f ( x, y) + λ g( x, y) = x2 y − 3 e x + λ( y − e x )
et
( x2 , y2 = (1, e) associé au multiplicateur λ = −1
L 1 ( x, y) = f ( x, y) + λ1 g( x, y) = x2 y − 3 e x − 9( y − e x )
94 CHAPITRE 5. FORMULE DE TAYLOR ET EXTREMUMS.
Alors
∂2 L 1
∂ x2
( x, y) = 2 y − 3 e x + 9 e x
2
∂ L1
∂ x∂ y
( x, y) = 2 x
∂2 L 1
∂ y2
( x, y) = 0
ainsi
∂2 L 1 −3 ∂2 L 1 ∂2 L 1
r= ( x1 , y1 ) = 8 e s= ( x1 , y1 ) = −6 t= ( x1 , y1 ) = 0
∂ x2 ∂ x∂ y ∂ y2
c) Regardons
Q ( h, k) = rh2 + 2 shk + tk2
sur l’espace tangent :
∂g ∂g
a1 = ( x1 , y1 ) = − e−3 et b1 = ( x1 , y1 ) = 1
∂x ∂y
Donc
a 1 h + b 1 k = 0 ⇔ k = e−3 h
Pour de tels couples ( h, k) par substitution, Q ( h, k) = Q ( h, e−3 h) = 8 e−3 h2 − 12 e−3 h2 =
−4 e−3 h2 < 0 si h 6= 0
Donc ( x1 , y1 ) est un maximum local sous contrainte pour f .
- Pour ( x2 , y2 ) = (1, e) :
a) regardons les dérivées partielles secondes de la fonction de deux variables :
L 2 ( x, y) = f ( x, y) + λ2 g( x, y) = x2 y − 3 e x − ( y − e x )
Alors
∂2 L 2
∂ x2
( x, y) = 2 y − 3 e x + e x
2
∂ L2
∂ x∂ y
( x, y) = 2 x
2
∂ L2
∂ y2
( x, y) = 0
ainsi
∂2 L 2 ∂2 L 2 ∂2 L 2
r= ( x2 , y2 ) = 0 s= ( x2 , y2 ) = 2 t= ( x2 , y2 ) = 0
∂ x2 ∂ x∂ y ∂ y2
c) Regardons
Q ( h, k) = rh2 + 2 shk + tk2
sur l’espace tangent :
∂g ∂g
a2 = ( x2 , y2 ) = − e et b2 = ( x2 , y2 ) = 1
∂x ∂y
5.4. EXTRÉMUMS LIÉS 95
Donc
a 2 h + b 2 k = 0 ⇔ k = eh
Pour de tels couples ( h, k) par substitution, Q ( h, k) = Q ( h, eh) = 4 eh2 > 0 si h 6= 0
Donc ( x1 , y1 ) est un minimum local sous contrainte pour f .
F ( x, y, λ) = f ( x, y) + λ g( x, y)
matrice hessienne bordée :
∂g ∂g
2
∂ F ∂2 F ∂2 F
∂λ2 ∂λ∂ x ∂λ∂ y
0 ∂x ∂y
∂2 F ∂2 F ∂2 F
∂g ∂2 F ∂2 F
H=
∂ x∂λ ∂ x2 ∂ x∂ y
=
∂x ∂ x2 ∂ x∂ y
∂2 F ∂2 F ∂2 F ∂g ∂2 F ∂2 F
∂ y∂λ ∂ y∂ x ∂ y2 ∂y ∂ y∂ x ∂ y2
Exemple
Optimiser f ( x, y) = − x2 + x y sous la contrainte g( x, y) = 20 où g( x, y) = 2 x + y
• 1 er étape : Recherche de point(s) critique(s) : - Le Lagrangien est :
L ( x, y, λ) = f ( x, y) + λ( g( x, y) − 20)
donc
L ( x, y, λ) = − x2 + x y + λ(2 x + y − 20)
∂L
( x, y, λ) = 0 −2 x + y + 2λ = 0
∂x
∂L
∂y
( x, y, λ) = 0 ⇔ x+λ = 0
∂L
( x, y, λ) = 0 . 2 x + y − 20 = 0 .
∂λ
96 CHAPITRE 5. FORMULE DE TAYLOR ET EXTREMUMS.
On trouve ( x, y, λ) = ( 10 40 10
3 , 3 ,− 3 )
• 2 em étape : Nature de(s) point(s) critique(s) trouvé(s)
- On calcule la Hessienne de L (ou la Hessienne de f bordée par la contrainte g)
∂2 F ∂2 F ∂2 F
0 2 1
∂λ2 ∂λ∂ x ∂λ∂ y
∂2 F ∂2 F ∂2 F
H= = 2 −2 1
∂ x∂λ ∂ x2 ∂ x∂ y
∂2 F ∂2 F ∂2 F 1 1 0
∂ y∂λ ∂ y∂ x ∂ y2
donc
det(H( 10 , 40 ,− 10 ) ) = 6 > 0
3 3 3
Alors le point ( 10 40 10
3 , 3 , − 3 ) est un maximum pour f