Fonctions de Plusieurs Variables: Analyse

UNIVERSITE ABDELMALEK
ESSAADI
E COLE N ATIONALE DES S CIENCES
A PPLIQUÉES
d’A L -H OCEIMA - M AROC
AP2 : Deuxième Année Cycle Préparatoire
Analyse 3 :
Fonctions de Plusieurs Variables
par :
Moussaid Ahmed
Professeur Assistant
Département de Mathématiques-Informatique
ENSAH
2023/2024
Table des matières
1 Espaces Métriques et Espaces Vectoriels Normés 6

1.1 Espaces Métriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1 Distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.2 Quelques Exemples : . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 PROPOSITION 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.4 PROPOSITION 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.5 PROPOSITION 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Topologie des espaces métriques . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.1 Boules ouvertes et fermées . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2 Ouverts - Fermés et Bornés . . . . . . . . . . . . . . . . . . . . . 11
1.2.3 voisinage, intérieur, adhérence . . . . . . . . . . . . . . . . . . . 13
1.2.4 Suites dans un Espace métrique . . . . . . . . . . . . . . . . . . 17
1.2.5 Suites de Cauchy - Espace métrique complet. . . . . . . . . . . 18
1.3 Espaces Vectoriels Normés . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3.1 Distance associée à une norme . . . . . . . . . . . . . . . . . . . 21
1.3.2 Normes Équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.3 Normes subordonnées . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3.4 Suites dans un K-espace vectoriel normé. . . . . . . . . . . . . 23
1.3.5 Suites extraites . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.3.6 Espace vectoriel normé complet : . . . . . . . . . . . . . . . . . . 27
2 Fonctions de plusieurs variables : Limites et continuité 29

2.1 Fonctions de plusieurs variables . . . . . . . . . . . . . . . . . . . . . . . 29
2.1.1 Definition et Notation . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.1.2 Fonctions Partielles . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Limite en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2.1 Opérations sur les limites . . . . . . . . . . . . . . . . . . . . . . 36
3
4 TABLE DES MATIÈRES
2.2.2 Fonctions composantes, fonctions coordonnées. . . . . . . . . . . 36
2.3 Continuité d’une fonction de plusieurs variables . . . . . . . . . . . . . 37
2.3.1 Fonctions lipschitziennes . . . . . . . . . . . . . . . . . . . . . . . 38
2.4 Prolongement par continuité : . . . . . . . . . . . . . . . . . . . . . . . . 39
3 Différentiabilité et Calcul différentiel 41
3.1 Définitions et Exemples : . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1.1 Definition et Notation . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1.2 Dérivée suivant un vecteur . . . . . . . . . . . . . . . . . . . . . 45
3.2 Fonction différentiable. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.2.1 Différentiabilité des fonctions composées : . . . . . . . . . . . . 52
3.2.2 Opérations sur les différentielles . . . . . . . . . . . . . . . . . . 53
3.3 Gradient d’une application et Matrice Jacobienne : . . . . . . . . . . . 54
3.3.1 définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.4 Opérateurs différentiels classiques . . . . . . . . . . . . . . . . . . . . . 56
3.4.1 Divergence et Laplacien d’une application : . . . . . . . . . . . . 56
3.5 Fonctions de C k et Inégalité des accroissements finis . . . . . . . . . . 58
3.6 Inégalité des accroissements finis : . . . . . . . . . . . . . . . . . . . . . 58
3.6.1 Inégalité des accroissements finis : . . . . . . . . . . . . . . . . . 58
4 Linéarité Locale et Fonctions implicites 60
4.1 Linéarité Locale : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.1.1 Jacobien d’une application : . . . . . . . . . . . . . . . . . . . . . 60
4.1.2 Difféomorphisme : . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.1.3 Théorème d’inversion locale : . . . . . . . . . . . . . . . . . . . . 67
4.2 Fonctions implicites : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2.1 Fonctions implicites. . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2.2 Théorème des fonctions implicites sur R2 . . . . . . . . . . . . . 70
4.2.3 Théorème des fonctions implicites sur R3 . . . . . . . . . . . . . 72
4.2.4 Les courbes implicites : . . . . . . . . . . . . . . . . . . . . . . . . 74
4.2.5 Tangente et Normale à la courbe implicite : . . . . . . . . . . . . 75

TABLE DES MATIÈRES 5
5 Formule de Taylor et Extremums. 77

5.1 Formules de Taylor à l’ordre deux : . . . . . . . . . . . . . . . . . . . . . 77
5.1.1 Dérivées partielles secondes : . . . . . . . . . . . . . . . . . . . . 77
5.1.2 Formules de Taylor à l’ordre deux : . . . . . . . . . . . . . . . . . 78
5.1.3 Formules de Taylor : . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.2 Matrice Hessienne : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.3 Extremums et points critiques : . . . . . . . . . . . . . . . . . . . . . . . 81
5.3.1 Application à l’étude des extremums locau . . . . . . . . . . . . 81
5.3.2 Point critique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.3.3 Condition suffisante d’existence d’un extremum local . . . . . . 83
5.3.4 Points critiques des fonctions de plusieurs variables : . . . . . . 87
5.4 Extrémums liés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.4.1 Méthode par Substitution . . . . . . . . . . . . . . . . . . . . . . 88
5.4.2 Méthode de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.4.3 Matrice hessienne bordée . . . . . . . . . . . . . . . . . . . . . . 95
5.4.4 Condition suffisante pour l’existence d’un extremum . . . . . . 95
Chapitre 1
Espaces Métriques et Espaces

Vectoriels Normés
1.1 Espaces Métriques
1.1.1 Distance
Définition 1 Soit X un ensemble. Une application :
d : X×X → R+ = { x ∈ R/ x ≥ 0}
( x, y) 7→ d ( x, y)
est appelée distance sur X si elle vérifie :

pour tout x ; y et z ∈ X , on ait
1. Positivité : d ( x, y) ≥ 0, ∀ x, y ∈ X
2. Séparation : d ( x, y) = 0 ⇔ x = y
3. Symétrie : d ( x, y) = d ( y, x), ∀ x, y ∈ X
4. Inégalité triangulaire : d ( x, y) ≤ d ( x, z) + d ( z, y), ∀ x, y, z ∈ X
1.1.2 Quelques Exemples :

1. Prenons X = R ou C , on a une distance définie, pour tous x et y ∈ X par
d ( x, y) =| x − y |
appelée distance usuelle.

où | . | : représente la valeur absolue dans R ou le module dans C.
2. Un autre exemple fondamental est l’ensemble C muni de la distance eucli-
0 0 0
dienne ; pour tout z, z ∈ C, on a d ( z, z ) =| z − z | le module du nombre complexe
0
z−z
6
1.1. ESPACES MÉTRIQUES 7
3. Prenons X = Kn , (K = R ou C). Pour tous x = ( x i )1≤ i≤n et y = ( yi )1≤ i≤n de K ,

l’application définie par :
n
de f X
d 1 ( x, y) = | x i − yi |
i =1
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
alors d 1 ; d 2 et d ∞ sont des distances sur Kn ;

- d 2 est appelée distance euclidienne classique sur Kn .
Définition 2 On appelle Espace métrique tout ensemble non vide X muni d’une
distance d et on le note ( X ; d ).
Exemple
- Soit X 6= ; . La fonction d : X 2 → R2 définie par

∀( x, y) ∈ X 2
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
Montrer que (E, d ) est un espace métrique.
Définition 3 Soient A et B deux parties non vides de X et a ∈ X . On définit

— la distance de a à A par d (a, A ) = inf x∈ A d (a, x)
— la distance de A à B par d ( A, B) = inf(x,y)∈ A ×B d ( x, y)
On a d ( A, B) = inf x∈ A d ( x, B) = inf y∈B d ( y, A )
— Le diamètre d’une partie A de ( X , d ) est
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
Soit ( X , d ) un espace métrique.

Nous avons les propriétés suivantes.
1. Pour x1 ; · · · ; xn des points de X on a :
d ( x1 , xn ) ≤ d ( x1 , x2 ) + d ( x2 , x3 ) + · · · + d ( xn−1 , xn )
2. Pour tout x, y et z dans X on a :
| 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.
1. La démonstration de (1) est immédiate par récurrence sur n.

2. Pour (2), nous avons, en effet,
d ( x, y) ≤ d ( x, z) + d ( z, y) ( iné gal ité triangulaire)
ce qui donne
d ( x, y) − d ( y, z) ≤ d ( x, z)
En permutant x et z, on a de la même manière
d ( z, y) − d ( y, x) ≤ d ( x, z)
ce qui donne finalement
− 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
Pour tous x = ( x1 , ..., xn ), y = ( y1 , ..., yn ) ∈ Rn , on a :
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
Soit ( X , d ) un espace métrique.

Soient d 1 et d 2 deux distances sur X . On suppose qu’il existe α, β > 0 tels que
α d 2 ( x, y) ≤ d 1 ( x, y) ≤ β d 2 ( x, y) ∀ x, y ∈ X
Alors d 1 et d 2 sont dites équivalentes.
1.2 Topologie des espaces métriques
1.2.1 Boules ouvertes et fermées
Définition 4 :
Soit ( X ; d ) un espace métrique.
Pour a ∈ X et r > 0, on définit les ensembles suivants :
1. - boule ouvert de centre a et rayon r est :
B(a, r ) = { x ∈ X , d ( x, a) < r }
2. - boule fermée de centre a et rayon r est :
B(a, r ) = { x ∈ X , d ( x, a) ≤ r }
.
10CHAPITRE 1. ESPACES MÉTRIQUES ET ESPACES VECTORIELS NORMÉS
3. - sphère de centre a et rayon r est :
S (a, r ) = B(a, r ) \ B(a, r ) = { x ∈ X , d ( x, a) = r }
Exemple
1. Si X = R muni de la distance usuelle ; pour tout x, y ∈ R, on a d ( x, y) =| x − y |,

la valeur absolue du nombre réel x − y. On a alors :
B(a, r ) =]a − r, a + r [, B(a, r ) = [a − r, a + r ] et S (a, r ) = {a − r, + r }

0
2. Si X = C muni de la distance euclidienne ;pour tout z, z ∈ C, on a d ( x, y) =|
0
x − y |, le module du nombre complexe z − z .
3. Si X est muni de la métrique discrète, alors :

1 1 1
B(a, ) = {a}, et B(a, ) = {a} et S (a, ) = ;
2 2 2
.
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 )
1.2.2 Ouverts - Fermés et Bornés

Définition 5 :
Pour a ∈ X et r > 0, on définit les ensembles suivants :
1. un ouvert :
- Une partie U ⊂ X est dite ouverte si
∀a ∈ U, ∃r > 0 t.q. B(a, r ) ⊂ U
Exemples sur R2 de partie ouverte, avec la distance euclidienne.
2. Fermé :
- Une partie F ⊂ X est dite fermée si son complémentaire F c = X \ F est ouvert.
3. Une partie bornée :

- Une partie A ⊂ X est dite bornée si
∃ M > 0, ∀ x, y ∈ A, d ( x, y) ≤ M
ou
∃a ∈ X et ∃ r > 0, / A ⊂ B(a, r ).
Exemples sur R2 de partie bornée, avec la norme euclidienne..
Remarque
- Par exemple toute boule ouvert B( x0 , r ) est un ouvert de X .
En effet
Théoréme 1 Soit ( X ; d ) un espace métrique.
1. Toute boule ouverte de l’espace métrique X est ouverte.

2. Toute boule fermée de l’espace métrique X est fermée.
Démonstration :
1- Soit x un point de la boule ouverte B(a, r ) de centre a et de rayon r
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
ce qui montre que y ∈ B(a, r ) .
2- De même, si x n’appartient pas à la boule fermée B f (a, r ) de centre a et de rayon

r, ( x ∈ {B f (a, r ))
soit δ = d ( x, a) > r .
on a ρ = δ − r > 0.
Et la boule ouverte B( x, ρ ) est disjointe de B f (a, r ) :
on a B( x, ρ ) ⊂ {B f (a, r ))
Ceci prouve que {B f (a, r )) est ouvert, donc que B f (a, r ) est fermé.
Théoréme 2 (INTERSECTION, REUNIONS D’OUVERTS et DE FERMES)

Soit ( X , d ) un espace métrique, Alors :
1. toute union finie ou infinie d’ouverts de X est un ouvert.
2. toute intersection FINIE d’ouverts de X et un ouvert.
3. toute union FINIE de fermés de X est un fermé.
4. toute intersection finie ou infinie de fermés de X est un fermé.
Démonstration : (exercice)
1. Soient ϑ = ∪ i∈ I ϑ i et x ∈ ϑ alors ∃ i 0 ∈ I tel que x ∈ ϑ i 0 comme ϑ i 0 est ouvert

⇒ ∃ r > 0 tel que B( x, r ) ⊂ ϑ i 0 ⇒ B( x, r ) ⊂ ∪ i∈ I ϑ i = ϑ comme x ∈ ϑ était
quelconque ⇒ ϑ est ouvert.
2. Soit x ∈ ϑ1 ∩ ϑ2 ∩ ... ∩ ϑn alors x ∈ ϑ1 , et x ∈ ϑ2 et · · · et x ∈ ϑn .
comme ϑ i est ouvert, il existe r 1 > 0, r 2 > 0, · · · , r n > 0 tels que B( x, r 1 ) ⊂ ϑ1 et
B( x, r 2 ) ⊂ ϑ2 et, · · · et B( x, r n ) ⊂ ϑn .
soit r = min( r 1 , r 2 , · · · , r n )0
Alors B( x, r ) ⊂ ϑ1 ∩ ϑ2 ∩ ... ∩ ϑn .
donc ϑ1 ∩ ϑ2 ∩ ... ∩ ϑn est ouvert.
Remarque
- les ensembles à la fois ouverts et fermés de X sont ; et X .
1.2.3 voisinage, intérieur, adhérence
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 )
V ( x0 ) désignant l’ensemble des voisinages de 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 .
Définition 7 : (Intérieur) Soit ( X ; d ) un espace métrique et x0 ∈ X

Soit A un sous-ensemble de X .
On dit que x0 est point intérieur de A si A est un voisinage de x0 .
c’est-à-dire si :
∃ r > 0, /B( x0 , r ) ⊂ A
Définition 8 Soit ( X ; d ) un espace métrique et Soit A un sous-ensemble de X .

L’ensemble des points intérieurs de A est appelé l’intérieur de A et se note A ◦ .
A ◦ = { x ∈ A / ∃ r > 0, B( x, r ) ⊂ A }
Remarque : Soit ( X ; d ) un espace métrique et A ⊂ X .

On définit l’intérieurde A , par
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 10 Soit ( X ; d ) un espace métrique et Soit A un sous-ensemble de X .

- L’ensemble des points adhérents à A est appelé L’adhérence ( ou fermeture ) de
A et se note A .
A = { x ∈ X / ∀ r > 0, B( x0 , r ) ∩ A 6= ;}
- On dit que x est un point d’accumulation de A si tout voisinage V de x dans X

contient un point de A différent de x ssi (∀V ∈ V ( x) / (V ∩ A ) \ { x} 6= ∅).
L’ensemble des points d’accumulation de A est noté acc( A ).

Il est clair que acc( A ) ⊆ A .
Remarque : Soit ( X ; d ) un espace métrique et A ⊂ X .

On définit l’adhérence de A , par
\
A= F
F f ermé, F⊃A
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
Soit A est un sou ensemble d’un espace métrique X . Alors :

— A ◦ est un ouvert contenu dans A .
— Si U est un ouvert et U ⊂ A , alors U ⊂ A ◦ .
Autrement dit, A ◦ est le plus grand ouvert contenu dans A .
— A est un fermé contenant A .
— Si X est un fermé et X ⊃ A , alors X ⊃ A
Autrement dit, A est le plus petit fermé contenant A .
Remarque
1-Si x appartient à A ◦ il existe, ε > 0, tel que x ∈ B( x, ε) ⊂ A ◦ ⊂ A
2- Un point x est dans A si et seulement si pour tout ε > 0, B( x, ε) intersecte A .
Proposition
Soient A et B, deux sous ensembles d’un espace métrique X . Alors :

1. On a A ⊂ B ⇒ A ◦ ⊂ B◦ et A ⊂ B
2. x ∈ A ◦ ⇔ ∃ε > 0 tel que B( x, ε) ⊂ A
3. x ∈ A , ⇔ ∀ε > 0, B( x, ε) ∩ A 6= O
4. A ouvert ⇔ A = A ◦
5. A fermé ⇔ A = A
6. A ouvert ⇔ A est une union de boules ouvertes.
Démonstration.(Exercice)
1.2.4 Suites dans un Espace métrique
Définition 12 :(une suite convergente)

Soit ( X ; d ) un espace métrique. soit ( xn )n∈N une suite d’éléments d’un espace métrique
( X , d) ;
on dit que la suite ( xn )n∈N converge ou est convergente s’il existe x ∈ X tel que
∀ε > 0, ∃ N ∈ N, n ≥ N ⇒ d ( x n , x) < ε
par définition, xn → x, (( xn ) converge vers x) si et seulement si d ( xn ; x) → 0.

On écrit alors lim xn = x
n→+∞
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 ;
Définition 13 Soit ( xn )n ∈ N une suite d’un espace métrique ( X , d ).

On dit que la suite ( xn )n ∈ N converge vers x ∈ X et on note alors lim xn = x
n→+∞
si et seulement si pour tout voisinage V de x il existe N ∈ N tel que pour tout
n ≥ N, xn ∈ V .
Proposition

1. une suite ( xn )n d’éléments de X converge vers x ∈ X si et seulement si la suite
de réels positifs ( d ( xn ; x))n converge vers 0.
2. Soient ( xn )n et ( yn )n deux suites convergentes dans ( X , d ) respectivement vers
x et y. Alors on a lim d ( xn , yn ) = d ( x, y) dans R.
n→+∞
Remarque :
- On peut rencontrer la situation où une suite ( xn )n converge pour deux distances
d 1 et d 2 mais vers des limites différentes !.
Proposition
Soient d 1 et d 2 des distances équivalentes et ( u n )n une suite.

La suite ( u n )n converge pour d 1 si et seulement si elle converge pour d 2 . Dans ce
cas la limite est la même.
une suite extraite
Définition 14 :(une suite extraite)

Si ( xn ) est une suite, on notera une suite extraite (=sous-suite) soit par ( xn k ), soit par
( xϕ(n) ).
Dans le premier cas n 0 , n 1 ,· · · , est une suite strictement croissante d’entiers,
dans le second, ϕ : N → N est une application strictement croissante.
Proposition
Soit ( xn )n∈N une suite d’éléments d’un espace métrique ( X , d ). Alors on a

1. si ( xn )n∈N converge vers ` ∈ X , toute sous-suite de ( xn )n∈N converge vers ` .
2. si ( xn )n∈N possède deux sous-suites convergeant vers des limites distinctes,
alors ( xn )n∈N diverge.
3. si les deux sous-suites ( x2n )n∈N et ( x2n+1 )n∈N convergent vers la même limite `
alors ( xn )n∈N converge vers `.
Théoréme 3 :(valeur d’adhérence)

Soit ( X ; d ) un espace métrique et x ∈ X Alors on a :
Soit ( xn ) une suite dans X .
Le point x est une valeur d’adhérence de la suite ( xn ) si et seulement si x est la
limite d’une sous-suite de ( xn ) .
(si une sous-suite ( xn k ) telle que xn k → x).
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
Soient ( X , d ) espace métrique et a ∈ X . Alors on a :

1. Soit A ⊂ X . Alors a ∈ A si et seulement s’il existe une suite ( u n )n≥0 dans A
telle que a = lim u n .
n→+∞
2. Soit A ⊂ X . Alors A est fermé dans X si et seulement si la limite de toute suite
convergeant d’éléments de A appartient à A .
1.2.5 Suites de Cauchy - Espace métrique complet.
Définition 15 : (Suites de Cauchy)

Soit ( xn )n une suite dans un espace métrique ( X ; d ).
On dit que ( xn )n est suite de Cauchy si elle satisfait :
∀ε > 0, ∃ n 0 ∈ N, ∀n ≥ n0 , ∀m ≥ n0 , d ( xn , xm ) ≤ ε
Remarque
La définition est équivalente à
∀ε > 0, ∃ n 0 ∈ N, ∀n ≥ n0 , ∀ p ≥ 0, d ( x n , x n+ p ) ≤ ε
Exemple
1- dans R, la suite( n1 ) est de Cauchy.
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.
PROPOSITION 1 -Dans un espace métrique ( X ; d ).

Toute suite convergente est 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.
PROPOSITION 2 Dans un espace métrique ( X ; d )

1. Toute suite de Cauchy est bornée.
Ceci résulte essentiellement du fait que, pour tout n ≥ n 0 , xn ∈ B f ( xn0 ; ε).
2. Toute sous-suite d’une suite de Cauchy est de Cauchy.
3. une suite de Cauchy admettant une valeur d’adhérence converge
0
4. Si les métriques d et d sont équivalentes sur X ,
0
Alors toute suite de Cauchy pour d est une suite de Cauchy pour d .
Définition 16 : (Espaces métriques complets)

Un espace métrique ( X ; d ) est dit complet si toute suite de Cauchy dans ( X ; d ) est
convergente.
Exemples.
1- La droite numérique R est complet, mais R∗+ ne l’est pas.
2- Un e.m. discret est toujours complet.
PROPOSITION 3 Soit ( X , d ) un espace métrique et F ⊂ X .
1- Alors (F, d ) est complet alors F est fermé dans X

2- Si ( X , d ) est complet et F est un fermé de X , alors (F, d ) est complet.
3- Si toutes les parties Fermées et bornées de X sont completes, alors X est complet.
1.3 Espaces Vectoriels Normés

On étudie des espaces vectoriels sur le corps K avec K = R ou K = C
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)
Rq : Le plus souvent, on note une norme par k.k.
- Exemples classiques
1. Les applications définies par ∀ X = ( x1 , x2 , ..., xn ) ∈ K n

(a) N1 ( X ) = ni=1 | x i | = || X ||1
P
p qP
n
(b) N2 ( X ) = | x1 |2 + | x2 |2 + ... + | xn |2 = || X ||2 = i =1 | x i |
2
(c) N∞ ( X ) = max1≤ i≤n (| x i |) = || X ||∞

Sont des Normes dans K n
2. Les applications définies par ∀ f ∈ C 0 ([a, b], K )
Rb
(a) N1 ( f ) = a | f ( t)| dt
qR
b 2
(b) N2 ( f ) = a | f ( t)| dt
(c) N∞ ( f ) = sup t∈[a,b] | f ( t)|
Sont des normes sur C 0 ([a, b], K )
Req
Lorsque seules les propriétés (1), (3) et (4) de la définition sont vérifiées, ont dit que
N est une semi norme.
Définition 18 : (Espaces Vectoriels Normés) Un espace vectoriel normé est un

couple (E,N) où E est un K-espace vectoriel et N est une norme sur E (en abrégé.
e.v.n.).
1.3. ESPACES VECTORIELS NORMÉS 21
PROPOSITION 4 Soient E un K- espace verctoriel et N une norme sur E alors :
∀( 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
1.3.1 Distance associée à une norme
Définition 19 : Soit (E, k.k) un espace vectoriel normé.

Pour ( x, y) ∈ E 2 , la distance de x à y est d ( x, y) = k x − yk
PROPOSITION 6 Si N est une norme sur E, l’application définie par :

∀( x, y) ∈ E 2 , d ( x, y) = N ( x − y), est une distance sur E appelée distance associée
(ou liée) à la Norme N.
Démonstration :
— d est bien une application de E × E dans R+ ie. ∀( x, y) ∈ E 2 , d ( x, y) ≥ 0.

— pour ( x, y) ∈ E 2
d ( x, y) = 0 ⇐⇒ N ( x − y) = 0
⇐⇒ x − y = 0
⇐⇒ x = y
— pour ( x, y) ∈ E 2
d ( y, x) = N ( y − x)
= N (−( x − y))
= | − 1| N ( x − y)
= N ( x − y)
= d ( x, y)
— 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).
1.3.2 Normes Équivalentes

0
Définition 20 : Soient E un K-espace vectoriel puis N et N deux normes sur E,
0
N est équivalente à N si et seulement si il existe deux réels strictement positifs α et
β tels que :
0
∀x ∈ E α N ( x) ≤ N ( x) ≤ β N ( x)
Exercice
Dans E = Rn Montrer que k.k1 , k.k2 et k.k∞ des normes deus à deux équiva-
lentes.
Définition 21 : Si F est un sous-espace vectoriel d’un espace vectoriel normé E, la

restriction à F de la norme de E est une norme sur F, appelée norme induite.
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+ .
* N ( x) = 0 si et seulement si ∀ k ∈ 1 ; p, Nk ( xk ) = 0, donc si ∀ k ∈ 1 ; p, xk = 0

donc x = 0
* Soit λ 6= 0 :
N (λ x) = max Nk (λ xk ) = max |λ| Nk ( xk )
1≤ k≤ p 1≤ k≤ p
Or ∀ k ∈ 1 ; p, Nk ( xk ) ≤ N ( x).
Donc : ∀ x ∈ E , N (λ x) ≤ |λ| N ( x). Donc ∀ x ∈ E , N ( λ1 λ x) ≤ |λ1| N (λ x)
Donc : ∀ x ∈ E , |λ| N ( x) ≤ N (λ x).
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).
1.3.3 Normes subordonnées
Définition 22 : Soient E et F deux espaces vectoriels normés et T une application

linéaire de E dans F . La norme de T est :
kT ( x)k
k| tk| = sup = sup kT ( xk
x6=0 k xk k xk=1
dite norme subordonnée à la norme k.k.
1.3.4 Suites dans un K-espace vectoriel normé.
Suites bornées
Définition 23 Soit (E, N ) un K-espace vectoriel normé.

Soit (Un )n ∈ E N ( une suite d’élément de E est une application de N dans E )
(Un )n∈N est bornée si et seulement si ∃ M ∈ R+ telque ∀ n ∈ N, N (Un ) ≤ M
Théoréme 5 Soit E un K-espace vectoriel.

0
Soint N et N deux normes sur E.
0
Si N et N sont équivalentes, alors pour tout suite (Un )n∈N ) d’éléments de E,
(Un )n∈N ) est une suite bornée de l’espace vectoriel normé (E, N ) si et seulement si
0
(Un )n∈N ) est une suite bornée de l’espace vectoriel normé (E, N )
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 .
Suites convergentes
Définition 24 Soit (E, N ) un K-espace vectoriel normé.

Soient (Un )n∈N ) ∈ E N et l ∈ E .
La suite (Un )n∈N ) Converge vers l si et seulement si ∀ε > 0, ∃ n 0 ∈ N / ∀ n ∈
N ( n ≥ n 0 ⇒ N (Un − l ) ≤ ε).
La suite (Un )n∈N ) Converge ssi il existe l ∈ E telque la suite (Un )n∈N ) Converge vers l .
Dans le cas contraires la suite (Un )n∈N ) est diverge.
Commentaire
une définition équivalente est :

(Un )n∈N ) Converge vers l ⇔ ∀ε > 0, ∃n0 ∈ N / ∀n ∈ N ( n ≥ n 0 ⇒ Un ∈ B f ( l, ε)
Théoréme 6 (Un )n∈N ) Converge vers l ⇔ ( u n − l )n∈N Converge vers 0E ⇔ ( N (Un −

l ))n∈N Converge vers 0E .
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
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 10 1. Si la suite (Un )n converge vers l et la suite (Vn )n converge vers

0 0
l , Alors pour tout (α, β) ∈ K 2 , la suite (αUn + βVn )n∈N converge vers α l + β l
0
2. Si la suite (Un )n converge vers l et la suite (Vn )n converge vers l , alors la suite
0
(Un Vn )n converge vers ll
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 .
1.3.5 Suites extraites
Définition 25 Soit (E, N ) un espace vectoriel normé.

Soit (Un )n∈N une suite d’éléments de E.
une suite extraite de la suite (Un )n∈N est une suite de la forme (Uϕ(n) )n∈N . où ϕ est une
application de N dans N strictement croissante sur N.
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.
PROPOSITION 7 Une suite extraite d’une suite convergente est convergente.

Toute suite extraite d’une suite ( u n ) convergeant vers une limite l est une suite conver-
geant vers l
COROLLAIRE 1 (Critère de divergence d’une suite) Soit ( u n ) une suite d’un

evn (E, k.k). On suppose qu’il existe deux suites extraites u ϕ(n et u ϕ0 (n) telles que :
— lim u ϕ(n) = `
x→+∞
0
— lim u ϕ0 (n) = `
x→+∞
0
— ` 6= `
Alors la suite ( u n ) est divergente.
PROPOSITION 8 Deux suites extraites particulières

Si les deux suites extraites ( u 2n ) et ( u 2n+1 ) convergent vers la même limite ` ∈ E , alors
la suite ( u n ) converge vers `.
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→+∞
Définition 26 Soit (E, N ) un espace vectoriel normé.

Soit (Un )n∈N une suite d’éléments de E et soit ` ∈ E .
` est une valeur d’adhérence de la suite (Un )n∈N si et seulement si il existe une suite
extraite de la suite (Un )n∈N convergente de limite `.
Théoréme 13 Soit (Un )n∈N une suite d’éléments de E .

Si la suite (Un )n∈N converge, alors la suite (Un )n∈N a une valeur d’adhérence et une
seule, à savoir sa limite. Ainsi, si la suite (Un )n∈N admet au moins deux valeurs
d’adhérence distinctes, alors la suite (Un )n∈N diverge.
Théoréme 14 (Théoréme de Bolzano-Weierstrass.)

Soit E un K-espace de dimension finie.
De toute suite bornée, on peut extraire une sous-suite convergente ou encore toute
suite bornée d’éléments de E admet au moins une valeur d’adhérence.
Définition 27 (SUITES DE CAUCHY)

Soit (Un )n∈N une suite de E.
On dit que(Un )n∈N est une suite de Cauchy si et seulement si pour tout ε > 0 il existe
N ∈ N , tel que pour tous
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.
PROPOSITION 9 Soit (E, N ), un espace vectoriel normé. Alors :

1- Si deux normes N1 et N2 sont équivalentes sur E, alors, toute suite de Cauchy pour
N1 est également une suite de Cauchy pour N2 .
2- Toute suite de Cauchy est bornée
PROPOSITION 10 (Caractérisation séquentielle des points adhérents).

Soit A une partie non-vide d’un evn (E, N ) Soit x ∈ E . Alors, les propositions sui-
vantes sont équivalentes
1. x ∈ A ;
2. il existe une suite de points de A , ( u n ) ∈ A telle que u n −−−−→ x
n→∞
PROPOSITION 11 Caractérisation séquentielle des fermés.

Soit (E, N ), un espace vectoriel normé, et A , un sous-ensemble de E . Alors, les propo-
sitions suivantes sont équivalentes :
1. A est fermé dans E .
2. Toute suite (Un )n∈N d’éléments de A qui converge vers ` ∈ E implique que ` ∈ A
1.3.6 Espace vectoriel normé complet :
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.
PROPOSITION 12 L’espace vectoriel R muni de la norme euclidienne est un espace

vectoriel normé complet.
Démonstration.(exercice)
PROPOSITION 13 Soient (E 1 , N1 ) et (E 2 , N2 ), deux espaces vectoriels normés com-

plets. Alors, l’espace produit E 1 × E 2 est également complet.
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.
Démonstration : On va démontrer les deux implications :

- Sens ⇒ :
supposons X complète dans E complet. Soit ( u n )n∈N , une suite de X convergeant
dans E . On note ` sa limite dans E. ( u n )n∈N est une suite de Cauchy (car conver-
gente) dans E , donc en particulier dans X qui est complet. On en déduit l’existence
0
de ` ∈ X tel que
dansX 0
Un → ` pour n 7→ +∞
.
0
Or, ( u n )n∈N étant convergente dans E , par unicité de la limite, ` = ` ∈ X . On re-
trouve la caractérisation séquentielle des fermés. Ainsi, X est une partie 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
Fonctions de plusieurs variables :

Limites et continuité
2.1 Fonctions de plusieurs variables
2.1.1 Definition et Notation
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
-Lorsque E est une partie de R2 ou R3 une application de E dans R ou C s’appelle

fonction numérique de plusieurs variables.
- Lorsque E est une partie de R2 une application de E dans R ou C s’appelle fonction

numérique de deux variables.
Notation :
- { f ( x)/ x ∈ D } est appelée l’image de f .
- {( x, f ( x))/ x ∈ D } ⊆ E × F est appelé graphe de f .
29
30CHAPITRE 2. FONCTIONS DE PLUSIEURS VARIABLES : LIMITES ET CONTINUITÉ
- D f = { x ∈ E, f ( x) est bien défini } est appelé Domaine de définition de f .
- soit k ∈ R. L’ensemble L k = { x ∈ E, f ( x) = k} est appelé Ligne de Niveau k de la

fonction f .
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
On appelle p( x, y), le périmètre de ABCD, et S ( x, y) l’aire de ce rectangle. On a alors :

P et S sont définier sur (R∗+ )2 dans R∗+ par :
p( x, y) = 2 × ( x + y) et S ( x, y) = x × y
donc les fonctions P et S sont des fonctions numiréque de deux variables.

Exemple 2 :
Soit la fonction f : R2 → R2 définie par : f ( x, y) = ( r cos θ , r sin θ ) ( r > 0) est une fonc-
tion vectorielle de deux variables.( avec les coordonnées polaires).
Définition 30 Soient D 1 et D 2 deux parties de E telles que D 1 ⊂ D 2 et f et g deux

fonctions définies respectivement sur D 1 et D 2 On dit que g est un prolongement de
f à D 2 si pour tout x ∈ D 1 on a f ( x) = g( x).
Dans cette situation, on dit aussi que f est la restriction de g à D 1 .
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
2.1.2 Fonctions Partielles
Définition 31 (fonction partielle)

Soit f une fonction de deux variables. La fonction partielle f x est définie par :
f x : x 7→ f ( x, y)
(la variable y est alors considérée comme un paramètre).

De même la fonction partielle f y est définie par :
f y : y 7→ f ( x, y)
(la variable x est alors considérée comme un paramètre).
2.2 Limite en un point

Définition 32 (limite)
Soient deux evn (E, k.kE ) et (F, k.kF ), une partie A ⊂ E et une application
f :A→F
. Soit un point x0 ∈ A adhérent à A et ` ∈ F .

On dit que la fonction f admet ` comme limite au point x0 ssi :
∀ε > 0, ∃ η > 0, ∀ x ∈ A, k x − x0 kE ≤ η ⇒ k f ( x) − `kF ≤ ε

On écrit alors f ( x) −−−−→ `.
x→ x0
Remarque 2
La définition précédente s’écrit avec des boules fermées :
∀ε > 0, ∃η > 0, f (B( x0 , η) ∩ A ) ⊂ B(`, ε)
et avec des boules ouvertes :
∀ε > 0, ∃η > 0, f (B( x0 , η) ∩ A ) ⊂ B(`, ε)
Théoréme 16 (Unicité de la limite)

Si f a une limite en x0 , alors celle ci est unique.
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
Donc, soit x ∈ A et η = min(η 1 , η 2 ) tel que k x − x0 kE ≤ η

on a k` − ` kF ≤ k f ( x) − `kF + k f ( x) − ` kF ≤ 2ε + 2ε = ε
0 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 :
lim f ( x) = ` ⇔ ∀ε > 0, ∃ η > 0, ∀ x ∈ R, | x − x0 | ≤ η ⇒ | f ( x ) − ` | ≤ ε

x → 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)
d’aprés la difénition de la limite, on montre que :
∀ε > 0, ∃ ? η > 0, ∀( x, y) ∈ R2 , |( x, y) − (1, 1)| < η ⇒ | f ( x, y) − 4| ≤ ε
alors
∀ε > 0, ∃?η > 0, ∀( x, y) ∈ R2 , (| x − 1| < η et | y − 1| < η) ⇒ |3 x + y − 4| ≤ ε
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)
2. Considérons la fonction de 2 variables f : (R2 , k.k2 ) → (R, |.|) définie par
6 x2 y
f ( x, y) =
x2 + y2
Montrons par la difénition de la limite, que
lim f ( x, y) = 0
(x,y)7→(0,0)
i.e
∀ε > 0, ∃?η > 0, ∀( x, y) ∈ R2 , k( x, y) − (0, 0)k2 < η ⇒ | f ( x, y) − 0| ≤ ε
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∞ )
Théoréme 17 (Caractérisation séquentielle de la limite)

Soient deux e.v.n. de dimension finie (E, k.kE ) et (F, k.kF ), une partie A ⊂ E
et une application f : A → F , Soit un point x0 ∈ A adhérent à A et ` ∈ F On a l’équi-
valence entre :
1. f ( x) −−−−→ `.
x→ x0
2. ∀( xn )n ∈ A, xn −−−−−→ x0 ⇒ f ( xn ) −−−−−→ `.
n→+∞ n→+∞
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
et donc la suite ( f ( xn ))n converge vers `. Ainsi, si f ( x) −−−−→ `

x→ x0
alors , pour toute suite ( xn )n d’éléments de A , convergente , de limite x0 ,
la suite ( f ( xn ))n converge vers `.
⇐
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)
ε est ainsi fixé.

1
Pour chaque n ∈ N, il exixte u n ∈ A tel que k u n − x0 kE ≤ n+ 1 et k f ( u n ) − `kF > ε.
1
Puisque n+1 tend vers 0 quand n tend vers +∞, la suite ( u n )n est une suite d’élé-
ments de A , convergente, de limite x0 .
D’aprés ce qui précéde, on doit avoir lim f ( u n ) = `

n→+∞
ce qui contredit le fait que ∀ n ∈ N, k f ( u n ) − `kF > ε.
Donc, f ( x) tend vers ` quand x tend vers x0 .
Théoréme 18 (Théorème de majoration)

On considère une norme k.kE sur E.
On suppose qu’il existe une fonction g : R → R, un voisinage V ∈ ϑ x0 tels que :
1. ∀ x ∈ V , k f ( x) − `kF ≤ g(k x − x0 kE
2. g(θ ) −−−→ 0
θ →0
Alors f ( x) −−−−→ `
x→ x0
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
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).
PROPOSITION 15 (On définit également des limites « infinies » ) :
1. Si f : X ⊂ E → R, on dit que f ( x) −−−−→ +∞ lorsque

x → x0
∀ A > 0, ∃η > 0, ∀x ∈ X k x − x0 kE ≤ η ⇒ f ( x) ≥ A
2. Si f : R → (F, k.kF ),on dit que f ( x) −−−−−→ ` lorsque

x→+∞
∀ε > 0, ∃ A > 0, ∀ x ≥ A, k f ( x ) − `k F ≤ ε
3. Si f : X ⊂ E → F , on dit que f ( x) −−−→ ` lorsque

x→∞
∀ε > 0, ∃ R > 0, ∀x ∈ X k x k E ≥ R ⇒ k f ( x ) − `k F ≤ ε
Théoréme 19 (THEOREME DES GENDARMES)

Soient f ; g et h trois fonctions de E → F vérifiant les deux propriétés suivantes :
1. lim f ( x) = lim g( x) = `
x→ x0 x → x0
2. il existe α ∈ R+∗ tel que pour tout x ∈ { x ∈ E tel que0 < k x − x0 k < α}
tel que f ( x) ≤ h( x) ≤ g( x)
Alors lim h( x) = `
x→ x0
PROPOSITION 16 (PERMUTATION DES LIMITES)

Soit f : R2 → R une fonction telle que lim f ( x, y) = `
(x,y)→(x0 ,y0 )
Supposons de plus que pour tout x ∈ R, lim f ( x, y) existe
y→ y0
et que pour tout y ∈ R, lim f ( x, y) existe. Alors
x→ x0
lim ( lim f ( x, y)) = lim ( lim f ( x, y)) = `

x→ x0 y→ y0 y→ y0 x→ x0
2.2.1 Opérations sur les limites
Les propriétés de base pour les limites de fonctions de plusieurs variables sont les
mêmes que pour les fonctions d’une variable réelle.
PROPOSITION 17 (Combinaison linéaire de limites)

Soient deux evn (E, k.kE ) et (F, k.kF ) une partie X ⊂ E, x0 ∈ X , deux applications
f , g : X → F et deux scalaires (α, β) ∈ K 2 si :
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
PROPOSITION 18 (Produit de limites)

Soient deux evn (E, k.kE ) et (F, k.kF ) une partie X ⊂ E, x0 ∈ X , une application
vectorielle f : X → F et une fonction numérique. g : X → R si :
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
2.2.2 Fonctions composantes, fonctions coordonnées.
Soit E et F deux espaces vectoriels normés de dimensions n et m respectivement,

B( e 1 , e 2 , ..., e m ) base de F .
On not
f : E −−−−−−−−−−−−−−−−−−→ F
x=(x1 ,...,xn )→ f ((x1 ,...,xn ))
tel que f (( x1 , ..., xn )) = ( f 1 ( x1 , ..., xn ), ..., f m ( x1 , ..., xn )) s’appelle fonction vectorielle.
1- Les fonctions f 1 , ..., f m , sont les fonctions composantes de la fonction f . Ce sont

toujours des fonctions de n variables, mais à valeurs dans K .
* Par exemple, la fonction f : R2 −−−−−−−−−−−−−−−→ R2 (passage des coordonnées po-

(r,θ )→(r cos(θ ),r sin(θ ))
laires aux coordonnées cartésiennes)a deux fonctions composantes.
les fonctions f 1 : R2 −−−−−−−−−−→ R et f 2 : R2 −−−−−−−−−−→ R
(r,θ )→(r cos(θ )) (r,θ )→(r sin(θ ))
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 .
Théoréme 20 (Limite d’une application dans un espace produit)

Soit un evn (E, k.kE ), et un espace produit F = F1 × F2 × ... × F m chaque evn F i étant
muni d’une norme k.kF i Soit X ⊂ E, x0 ∈ X et
½
X → F = F1 × F2 × ... × F m , ;
f:
x 7→ ( f 1 ( x), f 2 ( x, ..., f m ( x)) .
On se ramène à l’étude de la limite de chacune des applications f i


 f 1 ( x) −−−−→ `1 ;
x→ x0


.

( f ( x) −−−−→ (`1 , `2 , ..., `m )) ⇔ ( .. ;
x → x0 
 f m ( x) −−−−→ `m .


x→ x0
2.3 Continuité d’une fonction de plusieurs variables
Définition 33 (Continuité en un point)

Soit (E, k.kE ) et (F, k.kF ) deux espaces vectoriels normés, f : E → F et x0 ∈ D f (D f
L’ensemble de définition de f .
On dit que f est continue en x0 SSI lim f ( x) = f ( x0 )
x→ x0
La définition de la continuité au point x0 s’écrit avec des quantificateurs :
∀ε > 0, ∃η > 0, ∀x ∈ D f , k x − x0 kE ≤ η ⇒ k f ( x) − f ( x0 )kF ≤ ε
Définition 34 (continuité sur une partie)

On dit que l’application f : E → F est (globalement) continue sur E lorsque f est
continue en tout point de E .
On note C (E, F ) ou C 0 (E, F ) l’ensemble des fonctions continues sur E .
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.
PROPOSITION 19 (Continuité à valeurs dans un espace produit)
Soient E et F deux espaces vectoriels normés de dimension n et m respectivement,

f : E → F une fonction à composantes f 1 , f 2 , ..., f m dans la base B ( e 1 , ..., e m ) de F et
x0 ∈ E .
• f est continue en x0 ⇔ pour tout 1 ≤ i ≤ m, f i est continue en x0 .
• f est continue en E ⇔ pour tout 1 ≤ i ≤ m, f i est continue en E .
Théoréme 21 (Caractérisation séquentielle de la continuité locale)

Soient Soit (E, k.kE ) et (F, k.kF ) deux espaces vectoriels normés, Soient X ⊂ E et f :
X → F . Alors la fonction f est continue au point x0 si et seulement si pour toute suite
( xn ) ∈ X N de points de X , xn −−−−−→ x0 ⇒ f ( xn ) −−−−−→ f ( x0 )
n→+∞ n→+∞
2.3.1 Fonctions lipschitziennes

Définition 35 (Fonctions lipschitziennes)
Soient Soit (E, k.kE ) et (F, k.kF ) deux espaces vectoriels normés, Soient X ⊂ E et f :
X → F.
On dit que l’application f est lipschitzienne (ou k-lipschitzienne) si il existe K > 0
tel que
∀( x, y) ∈ X 2 , k f ( x) − f ( y)kF ≤ kk x − ykE
Théoréme 22 (Toute fonction lipschitzienne est continue)
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.
Continuité ⇒ Continuité partielle mais la la réciproque est faux.
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
2.4 Prolongement par continuité :

Définition 36 (Prolongement par continuité)
Soient (E, k.kE ) et (F, k.kF ) deux espaces vectoriels normés, Soient X ⊂ E et f : X → F
une fonction continue sur X et x0 ∉ X .
Supposons que lim f ( x) = ` avec ` ∈ F , alors la fonction définie par :
x→ x0
½
f ( x), si x ∈ X / x0 ;
f˘ =
`, si x = x0 .
est une fonction continue appelée le prolongement par continuité de f en x0 .
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).
Etudier la continuité de f sur R2
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
Puisque lim | x y |= 0, on en déduit que lim f ( x, y) = 0 Ceci montre que f

(x,y)→(0,0) (x,y)→(0,0)
(x,y)6=(0,0)
est continue en (0, 0).
En résumé, f est continue sur R2 \ (0, 0) et en (0, 0) et finalement, f est continue sur
R2 .
Exemple 7
Soit f la fonction définie sur R2 \ (0, 0) par
xy
f ( x, y) =
x2 + y2
Comme f (0, y) = 0 et f ( x, x) = 21 alors f ne peut pas être prolongée par continuité en

(0, 0).
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
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
lim f ( x, y) = lim f (a + r cos(θ ), b + r sin(θ ))

(x,y)→(a,b) r →0
∀θ
On peut alors utiliser la condition suffisante suivante :
PROPOSITION 20 S’il existe ` ∈ R et une fonction r → s = s( r ) telle que au voisi-

nage de (a, b) on a
| f (a + r cos(θ ), b + r sin(θ )) − ` |≤ s( r ) −−−→ 0

r →0
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)
Première méthode. La première méthode utilise la définition de limite. En effet,

le long de l’axe horizontal qui a équation y = 0, on a
x2 − y2 x2
lim = lim =1
(x,y)→(0,0) x2 + y2 x→0 x2
y=0
tandis que, le long de l’axe vertical qui a équation x = 0, on a
x2 − y2 − y2
lim = lim = −1
(x,y)→(0,0) x2 + y2 y→0 y2
x=0
de sorte que les deux limites ne coïncident pas.
Deuxième méthode. La secondemanière est basée sur les coordonnées polaires.

En posant x = r cos(θ ) et y = r sin(θ ) avec r > 0 et θ ∈ [0, 2π[.
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
3.1 Définitions et Exemples :
3.1.1 Definition et Notation
Pour alléger les notations, Nous commençons par des fonctions de deux variables.
Dérivées partielles premières :
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
Définition 38 (DERIVEE PARTIELLE)) Soient f : E ⊂ Rn −→ R et a ∈ E , pour

i = 1, 2, ..., n, on appelle dérivée partielle par rapport à x i de f en a = (a 1 , a 2 , ..., a n ) et
∂ f (a)
on note ∂ x la dérivée de la fonction partielle de f prise en a i
i
∂ f ( a) f (a 1 , ..., a i−1 , x i , a i+1 , ..., a n ) − f (a 1 , ..., a n )

= lim
∂xi x i →a i xi − a i
f (a 1 , ..., a i−1 , h + a i , a i+1 , ..., a n ) − f (a 1 , ..., a n )
= lim
h→0 h
3.1. DÉFINITIONS ET EXEMPLES : 43
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
cette limite existe et donc

∂ f ( x, y)
= 2x
∂x
De même maniére on trouve
∂ f ( x, y)
= −2 y
∂y
Définition 39 Si la dérivée partielle % à la i eme variable existe en tout point E .

On définit l’application dérivée partielle parapport à x i par.
∂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).
On a déja vu que la fonction f n’est pas continue au point (0, 0) ( Ex.7).

Calculons les dérivées partielle au point (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
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.
Fonctions dérivées partielles d’ordre 1
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 .
Théoréme 23 Soient f et g deux fonctions définies sur un ouvert non vide E de Rn

à valeurs dans R p .
Soit i ∈ 1 ; n,
1. Si f et g admettent une i − è me dérivée partielle sur E , alors pour tout (α; β) ∈

K2
α f + β g admet une i − è me dérivée partielle sur E et
∂(α f + β g) ∂f ∂g
=α +β
∂xi ∂xi ∂xi
2. Si f et g admettent une i − è me dérivée partielle sur E ,alor f × g admet une

i − è me dérivée partielle sur E et
∂( f × g ) ∂f ∂g
= × g+ f ×
∂xi ∂xi ∂xi
3. Si f et g admettent une i − è me dérivée partielle sur E ,et si g ne s’annule pas

f
sur E alors g admet une i − è me dérivée partielle sur E et
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).
Etudier l’existence des dérivées partielles de f sur R2 et les déterminer.
3.1.2 Dérivée suivant un vecteur
Pour analyser l’existence et la valeur de la i −è me dérivée partielle en a = (a 1 , ..., a n ),

on s’est intéressé à
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
En notant ( e 1 , ..., e n ) la base canonique de Rn , on a donc

∂f 1
(a) = lim ( f (a + he i ) − f (a))
∂xi h→0 h
On dit alors qu’on a dérivé la fonction f en a suivant le vecteur e i . On généralise

cette notion :
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
En particulier, Si ( e 1 , ..., e n ) est la base canonique de Rn
∂f
( a) = D e i f ( a)
∂xi
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
Soit v = (1, 1) 6= (0, 0).

Pour h 6= 0 h1 ( f ( hv) − f (0)) = h1 f ( h, h) = h1 expression qui n’a pas de limité quand h
tend vers 0. Donc f n’est pas dérivable en (0, 0) suivant le vecteur v = (1, 1).
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).
3.2 Fonction différentiable.

Définition 42 Soient (E, k.kE ) et (F, k.kF ) 2 e v n ; U ouvert de E et f : U −→ F une
application.
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
Soit f une fonction définie sur une partie U de R2 , et ( x0 , y0 ) ∈ U .

On dit que f est différentiable en ( x0 , y0 ) s’il existe deux constantes réelles A et B
telles que telle que
f ( x0 + h 1 , y0 + h 2 ) − f ( x0 , y0 ) = Ah 1 + Bh 2 + k hkζ( h) avec h = (h1 , h2 )
où ζ est une fonction à 2 variables telle que ζ( h) −−−→ 0

h→0
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))
avec L est appelé : la différentielle de f en x0 .
PROPOSITION 21 L’application L si elle existe, elle est unique.
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 )
PROPOSITION 22 Si f est différentiable au point x0 alors ; elle est continue en ce

point.
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 )
PROPOSITION 24 Si f admet des dérivées partielles sur un voisinage de x0 et si

∂f
les applications ∂ x sont continues en ce point, alors f est différentiable au point x0 .
i
Remarque
L’existence des dérivées partielles au point x0 n’entraîne pas la différentiabilité de
f au point x0 .
PROPOSITION 25 Soit f : U ⊂ Rn → R p est différentiable au point x0 ∈ U . f admet

des dérivées partielles en x0 par rapport à chaque variable x i et la différentielle totale
s’écrit : pour tout h = ( h 1 , ..., h n ) ∈ Rn
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
Notons dx la différentielle de : ( h 1 , h 2 ) 7→ h 1 ie dx( h 1 , h 2 ) = h 1
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
Définition 43 On dit que f est différentiable sur E si f est différentiable en tout

point de E
Exemple 2
Soit une fonctionnelle f de R2 dans R , définie par
f ( x, y) = x4 + 3 x2 y
on a point (1, −1)
f (1 + h 1 , −1 + h 2 ) − f (1, −1) = (1 + h 1 )4 + 3(1 + h 1 )2 (−1 + h 2 ) + 2 (3.1)

= 1 + 4 h 1 + 6 h21 + 4 h31 + h41 + (3 + 6 h 1 + 3 h21 )(−1 + h 2 ) + 2
(3.2)
= 1 − 3 + 2 + (4 − 6) h 1 + 3 h 2 + [6 h21 + 4 h31 + h41 − 3 h21 + 6 h 1 h 2 + 3 h21 h 2 ]
(3.3)
= −2 h 1 + 3 h 2 + k( h 1 , h 2 )kε( h 1 , h 2 ). (3.4)
On vérifie bien que ε( h 1 , h 2 ) → 0 quand ( h 1 , h 2 ) 7→ (0, 0).

Donc f est différentiable au point (1, −1) et sa différentielle est l’application li-
néaire :
D f (1, −1) : ( h 1 , h 2 ) 7−→ −2 h 1 + 3 h 2
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
Soit f une fonction défini par :
1
x2 sin( p
(
) si ( x, y) 6= (0, 0)
f ( x, y) = x2 + y2
0 sinon.
• f est continue en (0, 0) car | f ( x, y)| ≤ x2 ≤ x2 + y2

donc
| f ( x, y)| ≤ k( x, y) − (0, 0)k2
Alors
lim f ( x; y) = 0 = f (0, 0)
(x,y)→(0,0)
• Dérivées partielles premiére en (0, 0).
∂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
• Dérivées partielles premiére sur R2 \ (0, 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
• Différntiabilité en (0, 0).

Si f est différentiable en (0, 0) alors on a correspondance avec les dérivées partielles
et donc l’opérateurs linéaire est l’opérateur nul ; on a ainsi que :
1
| h2 sin p | 2
| f (h,k)− f (0,0)| h 2 2
|ε( h, k)| = k(h,k)k2 = h +k
k(h,k)k2 ≤ k(h,k)k2 ≤ k( h, k)k2
Or k( h, k)k2 → 0 quand ( h, k) → (0, 0).
donc f est diff. en (0, 0).
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
Soit f une fonction défini par :
x3 + y3
(
x2 + y2
si ( x, y) 6= (0, 0)
f ( x, y) =
0 sinon.
• f est elle différentiable en (0, 0) ?.
En remarquant que f ( x, 0) = x et par symétrie que f (0, y) = y

∂f ∂f
on a que ∂ x (0, 0) = ∂ y (0, 0) = 1
Si f était différentiable en (0, 0), on aurait que L( h, k) = 1 × h + 1 × k = h + k,
En prenant comme norme ; la norme 1, on obtenons que
f ( h, k) − h − k − hk( h + k)
²( h, k) = =
| h| + | k | (| h| + | k|)( h2 + k2 )
Si l’on fait tendre k hk vers 0 quand h = k on obtient
−2 h3 − h3
²( h, h) = =
2| h | × 2 h 2 2| h | 3
Donc quand h → 0+ Alors ²( h, h) → −21 et donc f n’est pas différentiable en ce point.

mais s’elle posséde des dérivées partielles en ce point.
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
Dérivée partielle d’une fonction composée :
Théoréme 26 Si la fonction f : Rn → R est de classe C 1 sur un ouvert U et si la

fonction g : t ∈ R 7→ g( t) = ( x1 ( t), ..., xn ( t)) ∈ U est aussi de classe C 1 (i.e les fonctions
x1 ( t), ..., xn ( t)) sont de classe C 1 alors la fonction composée :
t 7→ g( t) 7→ f og( t) = f ( x1 ( t), ..., xn ( t))
est de classe C 1 et sa dérivée est donnée par :
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)
Théoréme 27 On considère la fonction f : ( x, y) → f ( x, y) de classe C 1 sur l’ouvert

U ⊂ R2 et les fonctions ϕ1 ( u, v) 7→ x( u, v) et ϕ2 ( u, v) 7→ y( u, v) de classe C 1 aussi. No-
tons la fonction g : ( u, v) 7→ g( u, v) = f ( x( u, v); y( u, v)) : c’est le cas d’un changement de
variables ( x, y) en ( u, v). La fonction g est de deux variables ; on applique le théorème
d’une fonction composée sur chacune des fonctions suivantes : u 7→ f ( x( u, v); y( u, v))
et v 7→ f ( x( u, v); y( u, v)) , on pourra exprimer les dérivées partielles de g en fonction
des dérivées partielles de f :
∂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
Exemple(Les coordonnées polaires) : Si on écrit x = r cos(θ ) et y = r sin(θ ) alors

on a les dérivées partielles
∂x ∂x
= cos(θ ) = − r sin(θ )
∂r ∂θ
∂y ∂y
= sin(θ ) = r cos(θ )
∂r ∂θ
Si f : R2 → R est de classe C 1 ; alors l’application F : R∗+ × R → R définie par
∀( r, θ ) ∈ R∗+ × R, F ( r, θ ) = f ( r cos(θ ), r sin(θ ))
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)
Théoréme 28 Soit U un ouvert, f : U ⊂ Rn → R
— f est dite différentiable sur U si elle est différentiable en tout point de U .

— Toute application différentiable en un point de U est continue en ce point.
— f est dite de classe C 1 (U ) si elle est différentiable sur U et sa différentielle est
continue.
— Somme, produit, inverse et composée de fonctions de classe C 1 est de classre
C1
3.2.1 Différentiabilité des fonctions composées :
Soit f : Rn −→ Rm et g : Rm −→ R p deux fonctions avec n; m; p dans N∗ et a ∈ Rn .

Si f est différentiable au point a et si g est différentiable au point b = f (a) alors
h = go f est différentiable au point a et :
Dh(a) = D ( go f )(a) = D g( f (a) oD f (a)

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
PROPOSITION 26 Si f est une fonction numérique différentiable au point a, il en

est de même pour les fonctions composées f n ; ( n ∈ N∗ ) et e f .
-
∀ n ∈ N∗ D f n = n f n−1 D f
-
Def = ef D f
3.2.2 Opérations sur les différentielles
Addition de fonctions différentiables
PROPOSITION 27 On suppose que f et g sont deux fonctions de D ⊂ Rn différen-

tiables en a.
1. pour λ, β ∈ R la fonction λ f + β g est différentiable en a de différentielle
D (λ f + β g)(a) = λD f (a) + βD g(a)

1 g
2. Si f (a) 6= 0 alors les fonctions f , f et ln | f | sont différentiables en a et leurs
différentielles :
(a)
1 Df
D =− 2
f f
(b)
g f D g − gD f
D( ) =
f f2
(c)
Df
D ln | f | =
f
3.3 Gradient d’une application et Matrice Jacobienne :
3.3.1 définition
Soit f : Rn −→ Rm une application définie par :
f ( x) = ( f 1 ( x), f 2 ( x), ..., f m ( x)) avec x = ( x1 , ..., xn )
et différentiable sur Rn
pour m = 1 On appelle Gradient de f au point x0 noté

−−−→
∇ f ( x0 ) = grad f ( x0 ), le vecteur définie par :
∂f
 
(x )
∂ x1 0
∂f
 
 (x )
∂ x2 0

∇ f ( x0 ) = 
 
.. 

 . 

∂f
(x )
∂ xn 0
pour m > 1 On appelle Gradient de f au point x0 noté

∇ f ( x0 ) = J f ( x0 ), la matrice jacobienne de taille ( n × m) définie par :
∂ 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
D f (a)( h) =< ∇ f (a), h >
où pour deux vecteurs u = ( u 1 , ..., u n ) et v = (v1 , ..., vn ) de Rn on a noté le produit

scalair < u, v >= ni=1 u i v i
P
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
Définition 45 (Point critique)

Soit a ∈ D ⊂ Rn . On dit que a est un point critique de f si les dérivées partielles
d’ordre 1 existent et si
∂f
(∀ i ∈ 1 ; n, (a) = 0) ⇔ ∇ f (a) = 0
∂xi
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
f est différentiable en tout point ( x0 , y0 ) de R2 sa matrice jacobienne est :

Ã ∂f ∂ f1
! Ã !
1
( x 0 , y0 ) ( x0 , y0 ) 2 x 0 1
J f ( x0 , y0 ) = ∂∂fx2 ∂y
∂ f2 = 1 2x y
− (y2 +0 1)02
∂x
( x ,
0 0 y ) ∂y
( x0 , y0 ) y02 +1 0
On a alors, pour tout ( h, k) ∈ R2

Ã ! µ
2 x0 1 h
¶ ³
h 2x y
´
J f ( x0 , y0 )( h, k) = 1 2x y × = 2 x0 h + k, y02 +1
− (y2 +0 1)02 k
y02 +1
− (y2 +0 1)02 k 0
0
Et par suite : D f ( x0 , y0 ) : R2 −→ R2 et définie par :

2x0 y0
³ ´
h
( h, k) 7−→ 2 x0 h + k, y2 +1 − (y2 +1)2 k
0 0
PROPOSITION 29 Soit f et g deux fonctions différentiables en x0 et soit α ∈ R

1.
∇( f + g)( x0 ) = ∇ f ( x0 ) + ∇ g( x0 )
2.
∇( f × g)( x0 ) = g( x0 ) × ∇ f ( x0 ) + f ( x0 ) × ∇ g( x0 )
3.
∇(α f )( x0 ) = α∇ f ( x0 )
PROPOSITION 30 Soit f : Rn −→ Rm et g : Rm −→ R p deux fonctions avec n; m; p

dans N∗ et a ∈ Rn .
Si f est différentiable au point a et si g est différentiable au point b = f (a) alors
h = go f est différentiable au point a et :
Jh (a) = J g ( f (a)) × J f (a)

3.4 Opérateurs différentiels classiques
3.4.1 Divergence et Laplacien d’une application :
-Dérivées successives :
Définition 46 Soit f : Rn −→ R une fonction admettant des dérivées partielles dans

un voisinage de a.
∂f
Si l’application x 7→ ∂ x ( x) est dérivable par rapport à x j en a, alors sa dérivée par-
i
∂ ∂f
tielle ( )(a)
∂x j ∂xi
s’appelle une dérivée partielle seconde de f en a et notée :
∂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
Définition 47 Soit f : Rn → R deux fois différentiable sur Rn
• On appelle divergence de f l’application : div f : Rn → R définie par :

∂f ∂f ∂f
div f ( x) = ( x) + ( x) + ... + ( x)
∂ x1 ∂ x2 ∂ xn
• On appelle Laplacien de f l’application : ∆ f : Rn → R définie par :
∂2 f ∂2 f ∂2 f
∆ f ( x) = 2
( x) + 2
( x) + ... + ( x)
∂ x1 ∂ x2 ∂ x2n
3.4. OPÉRATEURS DIFFÉRENTIELS CLASSIQUES 57
PROPOSITION 31 Pour une fonction f : Rn → Rn de composante f 1 ( x); ....; f n ( x),

dont toutes les dérivées partielles existent, on définit sa divergence par
n ∂f
X i
div f ( x) = tr ( J f ( x)) = ( x)
i =1 ∂ x i
où tr ( J f ( x)) est la trace de la matrice jacobienne.
Remarque : On peut écrire parfois div( f ) = ∇. f (le produit scalaire sur Rn ).

ATTENTION : ne pas confondre les notions de gradient et de divergence. grad ( f )
est un vecteur alors que div( f ) est un scalaire.
PROPOSITION 32 Soit f et g : Rn → R différentiables sur Rn .
—
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)
Soit une fonction f : R3 −→ R3 de composante f 1 ; f 2 ; f 3 dont toutes les dérivées par-

tielles existent on définit le rotationnel de f par :
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
où x ∧ y désigne le produit vectoriel entre les vecteurs x et y.

3.5 Fonctions de C k et Inégalité des accroissements

finis
Théoréme 29 Soit f : D ⊂ Rn → R p une fonction continue. Alors :

1. Si les dérivées partielles de f existent au voisinage de a et qu’elles sont conti-
nues au point a, alors f est différentiable au point a.
2. L’application f : D ⊂ Rn → R p est de classe C 1 sur D si et seulement si elle
admet des dérivées partielles continues en tout point de D .
Notation : On note C 1 (D, R) l’ensemble des fonctions de classe C 1 sur D .
COROLLAIRE 2 Si f est de classe C 1 sur D , alors f est continue sur D .
Définition 49 (Application de classe C 2 )

On dit que f est de classe C 2 sur D si ses dérivées partielles d’ordre 2 existent et sont
continues sur D .
3.6 Inégalité des accroissements finis :
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[)}
Définition 51 (SEGMENT Convexe)

On dit que A ⊂ R p est convexe si pour tout (a, b) ∈ A 2 , , le segment fermé [a, b] ⊂ A .
3.6.1 Inégalité des accroissements finis :
Fonction d’une variable réelle :
Théoréme 30 (INEGALITE DES ACCROISSEMENTS FINIS (1))

Soit f : I ⊂ R → R p une fonction dérivable sur un intervalle ouvert I et à valeur dans
R p On suppose qu’il existe K > 0 tel que
0
k f ( t)kR p ≤ k ∀t ∈ I
Alors
k f ( x) − f ( y)kR p ≤ k| x − y| ∀( x, y) ∈ I 2
3.6. INÉGALITÉ DES ACCROISSEMENTS FINIS : 59

Soit f : I ⊂ R → R p une fonction dérivable sur un intervalle ouvert I et à valeur dans
R p On suppose qu’il existe une fonction ϕ : I → R dérivable, telle que
0 0
k f ( t)kR p ≤ ϕ ( t) ∀t ∈ I
Alors
k f ( x) − f ( y)kR p ≤ |ϕ( x) − ϕ( y)| ∀( x, y) ∈ I 2
Théorème général

Soit f : D ⊂ Rn → R p une fonction différentiable sur un ouvert convexe D . On suppose
qu’il existe K > 0 tel que
k|D f ( t)k| ≤ k ∀ t ∈ D
Alors
k f ( x) − f ( y)kR p ≤ k|| x − y||Rn ∀( x, y) ∈ D 2

Soit f : D ⊂ Rn → R p une fonction de classe C 1 de l’ouvert D de Rn dans R p , et soient
x, y ∈ D , tels que le segment
[ x, y] = {(1 − t) x + t y tel que t ∈]0, 1[)} ⊂ D
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
Linéarité Locale et Fonctions

implicites
4.1 Linéarité Locale :
4.1.1 Jacobien d’une application :
rappele :(matrice jacobienne)
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
Définition 53 Soit f : Rn → Rn une application différentiable ou de classe C 1 sur

un domaine D ⊂ Rn
Alors le jacobien de f est le déterminant de la matrice jacobienne Ja ( f ) de f (C’est
donc une application de D vers R). noté jac f ( x) Ce déterminant s’écrit :
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)
Remarque : Le jacobien d’une fonction ne peut être défini que si la dimension de

l’espace de départ est égale à la dimension de l’espace d’arrivée, puisque seules les
matrices carrées ont un déterminant.
exemple 1 (Coordonnées polaires)
On considère la fonction ϕ , définie sur une partie de R∗+ × R par :
ϕ( r, θ ) = ( r cos(θ ), r sin(θ ))
L’interprétation graphique de ce changement de variable est classique : pour un

→
− → −
point M de coordonnées ( x, y) dans un repère orthonormé direct (O, i , j ), r désigne
la longueur du segment [OM ] et θ désigne une des mesures modulo 2π de l’angle
→
−
entre le vecteur i et la demi-droite [OM ). En utilisant les nombres complexes, il
est intéressant de noter que
r = | x + i y| et θ = ar g( x + i y)[2π]
62 CHAPITRE 4. LINÉARITÉ LOCALE ET FONCTIONS IMPLICITES
Les fonctions coordonnées de ϕ sont ϕ1 = r cos(θ ) et ϕ2 = r sin(θ )

Elles sont clairement indéfiniment continûment dérivables, donc ϕ est différen-
tiable et sa matrice jacobienne est, en ( r, θ ) :
∂ϕ1 ∂ϕ1
Ã ! µ
θ θ cos(θ ) − r sin(θ )
¶
∂
( r, ) ∂θ
( r, )
Jϕ ( r, θ ) = ∂ϕ2 r
∂ϕ2 =
( r, θ ) ( r, θ ) sin(θ ) r cos(θ )
∂r ∂θ
Le Jacobien de cette application est donc
cos(θ ) − r sin(θ )
jac ϕ ( r, θ ) = det( Jϕ ( r, θ )) = =r
sin(θ ) r cos(θ )
exemple 2 (Coordonnées cylindriques )
prendre les coordonnées cylindriques d’un point de l’espace rapporté à un repère

orthonormé direct de l’espace consiste à remplacer les deux premières coordonnées
( x, y) de ce point par les coordonnées polaires ( r, θ ).
Plus précisément, on considère l’application ϕ définie sur R∗+ × R × R par
ϕ( r, θ , z) = ( x, y, z) = ( r cos(θ ), r sin(θ ), z)
Il n’y a pas beaucoup de différences avec les coordonnées polaires. L’interprétation

graphique est la suivante :
Si M est le point de coordonnées ( x, y, z) dans le repère orthonormé direct de l’espace

→
− → − → −
(O, i , j , k ), et si M n’est pas un point de l’axe (Oz), on considère le projeté ortho-
gonal m de M sur le plan (Ox y) ; r représente la longueur Om, et θ est une mesure
→
− −−→
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
Sa matrice jacobienne en ( r, θ , z) est :

 ∂ϕ ∂ϕ ∂ϕ1

1
( r, θ , z) ∂θ1 ( r, θ , z) ( r, θ , z) cos(θ ) − r sin(θ ) 0
 
∂r ∂z
Jϕ ( r, θ , z) =  ∂ϕ ∂ϕ
( r, θ , z) ∂θ2 ( r, θ , z)
∂ϕ1
( r, θ , z)  = sin(θ ) r cos(θ ) 0 
 2  
∂r ∂z
∂ϕ3 ∂ϕ ∂ϕ3 0 0 1
∂r
( r, θ , z) ∂θ3 ( r, θ , z) ∂z
( r, θ , 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
exemple 3 (Coordonnées sphériques )
Ce changement de variable dans 3 est un peu plus difficile à manier que le précé-
dent.
Commençons par son interprétation géométrique. On considère encore un point M ,

→
− → − → −
de coordonnées ( x, y, z) dans un repère orthonormé direct (O, i , j , k ).
On suppose ici aussi que M ∉ (OZ ), et on appelle m le projeté orthogonal de M sur

le plan (Ox y), et H le projeté orthogonal de M sur l’axe (Oz).
On appellera ρ la longueur OM ( à ne pas confondre avec r = Om des coordonnées
cylindriques).
→
− −−→
θ c’est l’angle entre l’axe (Oz) orienté par k et le vecteur OM .
Cet est toujours « positif» (il est compris entre 0 et π ).
La troisième coordonnée est aussi un angle, c’est l’angle ϕ entre l’axe (Ox) orienté
→
− −−→
par i et le vecteur Om.
−−→ −−→ −−→

On a OM = Om + OH
avec d’une part
−−→ →
−
OH = ρ cos(θ ) k
et d’autre part,
−−→ →
− →
−
Om = kOmk(cos(ϕ) i + sin(ϕ) j
tandis que
kOmk = ρ sin(θ )
de sorte que finalement
−−→ →
− →
− →
−
OM = ρ sin(θ ) cos(ϕ) i + ρ sin(θ ) sin(ϕ) j + ρ cos(θ ) k
C’est ce calcul qui justifie la définition rigoureuse des coordonnées sphériques :

On considère la fonction φ définie sur une partie de R3 (en fait, une partie de
R∗+ ×]0, π[×R par
φ(ρ , θ , ϕ) = (ρ sin(θ ) cos(ϕ), ρ sin(θ ) sin(ϕ), ρ cos(θ ))
Les fonctions coordonnées de φ sont (φ1 , φ2 , φ3 ) avec :
 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 )
Ces fonctions sont évidemment indéfiniment continûment dérivables, donc φ est

différentiable et sa matrice jacobienne en (ρ , θ , ϕ) est :
 ∂φ ∂φ1 ∂φ1

∂ρ
1
( ρ , θ , ϕ) ∂θ
( ρ , θ , ϕ) ∂ϕ
(ρ , θ , ϕ)
 ∂φ ∂φ2 ∂φ2
Jφ (ρ , θ , ϕ) =  ρ θ ϕ ρ θ ϕ (ρ , θ , ϕ) 
2

 ∂ρ ( , , ) ∂θ
( , , ) ∂ϕ 
∂φ3 ∂φ3 ∂φ3
∂ρ
(ρ , θ , ϕ) ∂θ (ρ , θ , ϕ) ∂ϕ (ρ , θ , ϕ)
cos(ϕ) sin(θ ) ρ cos(φ) cos(θ ) −ρ sin(ϕ) sin(θ )
 
=  sin(ϕ) sin(θ ) ρ sin(φ) cos(θ ) ρ cos(φ) sin(θ ) 

cos(θ ) −ρ sin(θ ) 0
cos(ϕ) sin(θ ) ρ cos(φ) cos(θ ) −ρ sin(ϕ) sin(θ )

jac φ (ρ , θ , ϕ) = det( Jφ (ρ , θ , ϕ)) = sin(ϕ) sin(θ ) ρ sin(φ) cos(θ ) ρ cos(φ) sin(θ ) = ρ 2 sin(θ )
cos(θ ) −ρ sin(θ ) 0
4.1.2 Difféomorphisme :
Soient U et V deux ouverts de Rn et f : U −→ V une application.
Définition 54 On dit que f est un difféomorphisme si et seulement si :
1. f est bijective différentiable de U dans V

2. f ainsi que sa réciproque f −1 avec f −1 est bijective différentiable de V dans U
Définition 55 On dit que f est C 1 - difféomorphisme de U si et seulement si :
1. f est bijective de U dans V

2. f est de classe C 1 c’est à dire continûment différentiable sur U ,
3. f −1 est de classe C 1 de V dans U
et dans ce cas, l’application

a 7→ jac f (a)
est continue dans R
Définition 56 On dit que f est C k+1 - difféomorphisme de U si et seulement si :
1. f est bijective de U dans V

2. f est de classe C k+1 sur U ,
3. f −1 est de classe C k+1 sur V
Remarque : Dans tous les cas on a f (U ) = V et f −1 (V ) = U
Théoréme 35 Si f est un difféomorphisme.

La matrice Jacobienne de f −1 au point f (a) est la matrice inverse de la matrice
Jacobienne de f au point a.
En effet :
M ( f o f −1 ) = M ( f ) × M ( f −1 ) = I d Rn
Où I d Rn est la matrice identité sur Rn .

Caractérisation
Propriété 1 Si f ∈ L (U,U ) et P désigne la matrice de f dans la base canonique de

U , alors les propositions suivantes sont équivalentes :
1. f est bijection.
2. detP 6= 0
Propriété 2 Si f est un difféomorphisme alors :
1. ∀a ∈ U : J f (a) est inversible et [ J f (a)]−1 = J f −1 ( f (a))

2. Le jacobien ne s’annule pas.
Autrement dit, ∀a ∈ U : jac f (a) 6= 0
∀a ∈ U : jac f −1 ( f (a)) = jac1 (a)
f
Exemple 1
on considère l’application f : R2 −−−−−−−−−−−−→ R2

(x,y)7−→(x+ y,x− y)
Il est clair que l’application f est de classe C 1 . car les fonctions coordonnées sont
des fonctions linéaires.
Montrons à présent que f définit une bijection.
Soient (α, β) ∈ R2
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 .
Exemple 2 (des coordonnées polaires )
Soit l’application ψ : R∗+ ×] −2π , π2 [−−−−−−−−−−−−−−−−−−−−→ R∗+ × R∗+

(r,θ )7−→(x,y)=(r cos(θ ),r sin(θ ))
l’application ψ est de classe C 1 et bijection.
∀( x, y) ∈ R∗+ × R∗+
y
q
ψ−1 ( x, y) = ( r, θ ) = ( x2 + y2 , arctan )
x
Soit ψ−1 = φ
Soient (φ1 , φ2 ) les fonctions coordonnées de φ Ce sont des fonctions indéfiniment
continûment dérivables et on a
p
φ1 ( x, y) = r = x2 + y2
½
y
φ1 ( x, y) = θ = arctan x
φ est donc différentiable et on peut déterminer la matrice jacobienne de ψ−1 = φ

∂φ1 ∂φ1
Ã !
−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
Ã !
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
Calculons maintenant le Jacobien de ψ−1
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
µ ¶
Jϕ ( r, θ ) =
sin(θ ) r cos(θ )
L’inverse de cette matrice est
1 r cos(θ ) sin(θ ) cos(θ ) r sin(θ )

µ ¶ µ ¶
−1
( Jϕ ( r, θ )) = =
r − sin(θ ) cos(θ ) − r sin(θ ) 1r cos(θ )
1
D’autre part, en remplaçant x et y par leurs valeurs respectives r cos(θ ) et r sin(θ )

dans l’expression de J (φ)( x, y) on retrouve bien que
r cos(θ ) r sin(θ )
Ã !
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
4.1.3 Théorème d’inversion locale :
On considère une application f de classe C 1 d’un ouvert U de Rn dans Rn et a ∈ Rn .
PROPOSITION 33 On suppose que f réalise un C 1 - difféomorphisme de U dans

V ⊂ Rn
Alors pour tout a ∈ Rn la différentielle d a f est un isomorphisme de Rn d’inverse
( d a f )−1 = d f (a) ( f −1 )
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
De même on a f o f −1 = I d V donc pour tout b ∈ V .
d f −1 (b) f od b f −1 = I d Rn
Avec b = f (a) on obtient que
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.
Théoréme 36 (Théorème de l’inversion locale 1).

Soit f une fonction de classe C k (avec k ≥ 1) d’un ouvert U de Rn à valeurs dans R p .
Soit a ∈ U . Si d a f est un isomorphisme de Rn dans R p .
Alors n = p et il existe un voisinage W de a dans U tel que la restriction de f à W
réalise un C 1 - difféomorphisme de W dans f (W ).
Théoréme 37 (Théorème de l’inversion locale 2).

Soit U un ouvert de Rn et a ∈ U . et f : U −→ Rn de classe C 1 sur U telle que la matrice
jacobienne J f (a) est inversible.
Alors, il existe un voisinage V de a et un voisinage W de f (a) tels que : f : V −→ W
soit un C 1 - difféomorphisme.
COROLLAIRE 3 (Théorème de l’inversion globale).

Soit f une application de l’ouvert U ⊂ Rn dans l’ouvert V ⊂ Rn , On suppose que f
est bijective, de classe C k et que pour tout a ∈ U la différentielle d a f est un isomor-
phisme.
Alors f est un difféomorphisme de classe C k de U dans V
Exemple (les coordonées polaires )
Soit φ : R∗+ ×] − π2 , π2 [−→ R∗+ × R , définie par
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
3. pour tout ( r, θ ) ∈ R∗+ ×] − π2 , π2 [ , det j φ ( r, θ ) 6= 0

en effet,
µ ¶
j φ ( r, θ ) =
sin(θ ) r cos(θ )
et donc
det j φ ( r, θ ) = r 6= 0
Le théorème d’inversion globale, nous affirme alors que φ est difféomorphisme de
classe C ∞
4.2 Fonctions implicites :
4.2.1 Fonctions implicites.
Le théorème d’inversion locale permet de résoudre l’équation x = f ( y) ou de manière

équivalente x − f ( y) = 0 pour y en fonction de x. De manière analogue, le théorème
des fonctions implicites permet de résoudre l’équation
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)
La fonction numérique ϕ : x 7→ y ainsi définie satisfait donc pour tout point x de I à

la relation
f ( x, ϕ( x)) = 0 (4.2)
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.
Définition 57 Soit f : D ⊂ R2 −→ R une fonction réelle.

On appelle fonction implicite définie par l’équation : f ( x, y) = 0
toute fonction
ϕ : I ⊂ R −−−−−−−−→ R
x7−→ y=ϕ(x)
définie sur un intervalle I telle que :
∀ x ∈ I, f ( x, ϕ( x)) = 0
Exemple.
Soit f la fonction numérique définie sur R2 par la formule
f ( x, y) = x2 + y2 − 1
Prenons I = [−1; 1] et J = [0, +∞[ L’équation
x2 + y2 − 1 = 0 (4.3)
définit y implicitement en fonction de x. Nous pouvons expliciter la fonction ϕ ;

puisque p
ϕ( x) = 1 − x2
On ne peut prolonger ϕ ; puisque, dès que | x| > 1 l’équation (4.3) n’a pas de racine
réelle.
Si on remplace J par ] −∞, 0[ , on définit une deuxième fonction implicite. Mais si on

remplace J par R , l’équation (4.3) admet deux solutions distinctes lorsque | x| < 1 ;
elle ne définit plus y implicitement en fonction de x.
Le théorème suivant, que nous admettrons, garantit l’existence, la continuité et la

dérivabilité des fonctions implicites sous certaines hypothèses. IL fournit même une
expression explicite de la dérivée d’une fonction définie implicitement.
4.2.2 Théorème des fonctions implicites sur R2
Théoréme 38 (Théorème des fonctions implicites sur R2 .)

Soient f une fonction numérique définie sur un ouvert D ⊂ R2 et ( x0 , y0 ) ∈ D tel que
f ( x0 , y0 ) = 0
Si la fonction f admet des dérivées partielles par rapport à x et à y continues sur D

et si
∂f
( x0 , y0 ) 6= 0
∂y
il existe un intervalle ouvert I de centre x0 et un intervalle ouvert J de centre y0 tels
que l’équation
f ( x, y) = 0
définisse une fonction implicite ϕ sur I à valeurs dans J tel que
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
Calculs de dérivées de fonctions implicites
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
qui sont continues sur R2 et

∂f
(0, 1) = 2 6= 0
∂y
Donc d’après le théorème des fonctions implicites, ils existent un intervalle ouvert
I de centre 0,et un intervalle ouvert J de centre 1 tels que l’équation
x2 + y2 − 1 = 0
définisse implicitement une fonction ϕ : I → J continûment dérivable sur I , à valeur

dans J tels que :
x2 + y2 − 1 = 0, y = ϕ( x),
½ ½
⇔
x ∈ I, y ∈ J x ∈ I, y ∈ J,
La dérivée de ϕ est donnée par la formule

0 2x x
ϕ ( x) = − =−
2ϕ( x) ϕ( x)
Nous pouvons calculer directement cette dérivée, puisque

p
ϕ( x) = 1 − x2
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
définit implicitement y en fonction de x lorsque x est au voisinage de x0 = 1 et que

y est au voisinage de y0 = 1. En effet,
f (1, 1) = 0
f est dérivable par rapport à y sur (R∗+ )2 et

∂f
( x, y) = x y ln( x) − x y x−1
∂y
Donc :
∂f
(1, 1) = −1 6= 0
∂y
et par suite l’équation : f ( x, y) = 0 définit implicitement y en fonction de x lorsque x

est au voisinage de 1 et que y est au voisinage de 1.
De plus,
∂f
0 ∂x yx y−1 − y x ln( y)
ϕ ( x) = − ∂ f ( x, y) = − y
x ln( x) − x y x−1
∂y
Nous pouvons simplifier cette expression en divisant numérateur et dénominateur

par x y = y x il reste
y
0 x − ln( y) y y − x ln( y)
ϕ ( x) = − x = ×
ln( x) − y x x − y ln( x)
4.2.3 Théorème des fonctions implicites sur R3
Théoréme 39 (Théorème des fonctions implicites sur R3 .)

Soient f une fonction numérique définie sur un ouvert D ⊂ R3 et ( x0 , y0 , z0 ) ∈ D tel
que
f ( x0 , y0 , z0 ) = 0
Si la fonction f admet des dérivées partielles par rapport à x et à y et à z continues

sur D ( ie f une fonction de classe C 1 sur D ).
et si
∂f
( x0 , y0 , z0 ) 6= 0
∂z
Alors il existe un ouvert V contenant ( x0 , y0 ) ; et un ouvert W contenant ( x0 , y0 , z0 ) tels
que l’équation
f ( x, y; z) = 0
définisse une fonction implicite ϕ sur V à valeurs dans R de classe C 1 tels que :
∀( 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
Soit f la fonction définie sur R3 dans R par f ( x, y, z) = x + y + z + sin( x yz)

La fonction f est de classe C ∞ et vérifie f (0, 0, 0) = 0 et sa dérivée partielle par
rapport à z est :
∂f
( x, y, z) = 1 + x y cos( x yz)
∂z
Alors
∂f
(0, 0, 0) = 1 6= 0
∂z
Donc le théorème des fonctions implicites s’applique. Il existe donc un voisinage D
de (0, 0) et un intervalle ouvert I contenant 0 et une fonction ϕ : D −→ I de classe
C ∞ telle que
∀( x, y, z) ∈ D × I, f ( x; y; z) = 0 ⇔ z = ϕ( x, y)
∂ϕ ∂ϕ
On peut calculer ∂ x (0, 0) et ∂y
(0, 0)
par la formule du cours :
∂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
ou bien en partant de la relation :
x + y + ϕ( x, y) + sin( x yϕ( x, y)) = 0
et en la dérivant de ϕ par rapport à x Il vient

∂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
Le calcul de la dérivée partielle de ϕ par rapport à y est :
∂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
On évalue cette relation en (0, 0) et on trouve
∂ϕ
(0, 0) = −1
∂y
4.2.4 Les courbes implicites :
Soit f : D ⊂ R2 −→ R une fonction de classe C k avec ( k ≥ 1) où D est un ouvert non-

vide de R2 .
Définition 58 La courbe (implicite) d’équation f ( x, y) = 0 est l’ensemble des points

( x, y) ∈ D vérifiant f ( x, y) = 0.
on note L’ensemple :
T = {( x, y) ∈ D ; tel que f ( x, y) = 0}
est appelé la courbe implicite définie par : f ≡ 0.
Plus généralement , une courbe définie par f ( x, y) = k est appelée une courbe de
niveau k.
Définition 59 1. Un point M ( x, y) ∈ T est dit « ordinaire » (ou régulier) si
∂f ∂f
(∇ f ( M )) t = ( ( x, y); ( x, y)) 6= (0, 0)
∂x ∂y
2. La courbe T est dite régulière si (∇ f ( M )) t 6= (0, 0) ∀ M ∈ T

3. Le point M est dit singulier si (∇ f ( M )) t = (0, 0)
4.2.5 Tangente et Normale à la courbe implicite :

Soit f : D ⊂ R2 −→ R une fonction de classe C 1 , ( x0 , y0 ) ∈ D tels que :
∂f
f ( x0 , y0 ) = 0 et ( x0 , y0 ) 6= 0
∂y
Donc l’équation f ( x, y) = 0 définit sur un voisinage W de ( x0 , y0 ) une courbe T qui
est un graphe d’une fonction ϕ de classe C 1 .
De plus,
∂ f (x,y)
∂f
( x, y) 6= 0 et ϕ ( x) = − ∂ f ∂(x,y)
0 x
∀( x, y) ∈ W,
∂y
∂x
0 0
Par suite T admet en chaque point M ( x , y ) une tangente (T) est la droite d’équa-
tion :
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
Surfaces implicites
Soit f : D ⊂ R3 −→ R une fonction de classe C 1 où D est un ouvert non-vide de R3 .
Définition 60 La surface implicite d’équation f ( x, y, z) = 0 est l’ensemble des points

( x, y, z) ∈ D vérifiant f ( x, y, z) = 0.
on note L’ensemple :
0
T = {( x, y, z) ∈ D ; tel que f ( x, y, z) = 0}
est appelé La surface implicite définie par : f ≡ 0.
Définition 61 (Point régulier)

0 0
Soit T la courbe d’équation f ( x, y, z) = 0. On dit qu’un point ( x0 , y0 , z0 ) ∈ T est
régulier si
∂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.
Définition 62 (Plan tangent)

0 0
Soit T la surface d’équation f ( x, y, z) = 0. Le plan tangent à la surface T en un
0
point régulier ( x0 , y0 , z0 ) ∈ T est le plan d’équation
∂f ∂f ∂f
( x − x0 ) ( x0 , y0 , z0 ) + ( y − y0 ) ( x0 , y0 , z0 ) + ( z − z0 ) ( x0 , y0 , z0 ) = 0
∂x ∂y ∂z
Remarque
0 0
Le plan tangent T à en un point régulier ( x0 , y0 , z0 ) ∈ T est le plan orthogonal au
vecteur ∇ f ( x0 , y0 , z0 ) et passant par le point ( x0 , y0 , z0 ).
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
Formule de Taylor et Extremums.
5.1 Formules de Taylor à l’ordre deux :
5.1.1 Dérivées partielles secondes :
Définition
Soit D un ouvert de R2 et f : D → R une fonction de classe C 1 sur D .

Soit a ∈ D
∂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
Une fonction définie sur un ouvert D de R2 est de classe C 2 sur D si et seulement

si elle admet des dérivées secondes en tout point et si ses quatre fonctions dérivées
partielles secondes sont continues sur D .
L’ensemble des fonctions réelles de classe C 2 sur D est noté C 2 (D, R).
Théoréme 40 (de Schwarz)
Soit D un ouvert de R2 si f : D → R est de classe C 2 sur D alors en tout point a ∈ D ,

on a
∂2 f ∂2 f
( a) = ( a)
∂ x∂ y ∂ y∂ x
Corollaire Si f est de classe C 2 sur D , alors pour tout a ∈ D , on a
∂2 f ∂2 f
( a) = ( a)
∂ x∂ y ∂ y∂ x
5.1.2 Formules de Taylor à l’ordre deux :
Approximations linéaire et quadratique :
Soit f : D ⊂ R2 → R une fonction définie sur un ouver D de R2 , a ∈ D et h ∈ R2 tel que

( a + h) ∈ D
Définition 63 (Approximations linéaire )

On dit que f admet une approximation linéaire au voisinage de a s’il existe une
application linéaire unique L : R2 → R telle que :
f (a + h) = f (a) + L( h) + ◦(k hk2 )
avec
◦(k hk2 )
lim =0
k hk→0 k hk2
On dit que le terme f (a) + L( h) est l’approché linéaire de f (a + h)

tel que L( h) = ∂ x f (a) h 1 + ∂ y f (a) h 2 avec h = ( h 1 , h 2 )
5.1. FORMULES DE TAYLOR À L’ORDRE DEUX : 79
Définition 64 (Approximations quadratique )

On dit que f admet une approximation quadratique au voisinage de a s’il existe une
application linéaire unique L : R2 → R et une forme quadratique Q : R2 → R telle que :
f (a + h) = f (a) + L( h) + Q ( h) + ◦(k hk2 )
avec
◦(k hk2 )
lim =0
k hk→0 k hk2
On dit que le terme f (a) + L( h) + Q ( h) est l’approché quadratique de f (a + h)

tel que Q ( h) = 12 [∂ xx f (a) h21 + 2∂ x y f (a) h 1 h 2 + ∂ yy f (a) h22 ] avec h = ( h 1 , h 2 )
5.1.3 Formules de Taylor :
Formule de Taylor Lagrange :
Théoréme 41 Soit D un ouvert de R2 si f : D → R est de classe C 3 sur D , a ∈ D et

h ∈ R2 tel que (a + h) ∈ D
Supposons que le segment géométrique [a, a + h] ⊂ D alors il existe θ ∈]0, 1[ tel que :
f (a+ h) = f (a)+∂ x f (a) h 1 +∂ y f (a) h 2 + 12 [∂ xx f (a) h21 +2∂ x y f (a) h 1 h 2 +∂ yy f (a) h22 ]+ 16 [∂ xxx f (a+
θ h) h31 + 3∂ xx y f (a + θ h) h21 h 2 + 3∂ x yy f (a + θ h) h 1 h22 + ∂ yyy f (a + θ h) h32 ]
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 :
( h 1 ∂ x f + h 2 ∂ y f )[2] (a) = ∂ xx f (a) h21 + 2∂ x y f (a) h 1 h 2 + ∂ yy f (a) h22
dit une puissance symbolique d’ordre deux.
on définit la puissance symbolique d’ordre k par :

k ∂k f
( h 1 ∂ x f + h 2 ∂ y f )[k] (a) = {kp h1p h2k− p
X
( a)
p=0 (∂ x) p (∂ y)k− p
Formule de Taylor Young :
Théoréme 42 Soit D un ouvert de R2 si f : D → R est de classe C 3 sur D , a ∈ D et

h ∈ R2 tel que (a + h) ∈ D
Supposons que le segment géométrique [a, a + h] ⊂ D tel que :
f (a+ h) = f (a)+∂ x f (a) h 1 +∂ y f (a) h 2 + 12 [∂ xx f (a) h21 +2∂ x y f (a) h 1 h 2 +∂ yy f (a) h22 ]+ o(k hk2 )
ou
f (a + h) = f (a) + ( h 1 ∂ x f + h 2 ∂ y f )(a) + 12 [ h 1 ∂ x f + h 2 ∂ y f ][2] (a) + o(k hk3 )

Remarques :
• Le terme f (a) + ( h 1 ∂ x f + h 2 ∂ y f )(a) est l’approché linéaire de f (a + h)
• Le terme f (a) + ( h 1 ∂ x f + h 2 ∂ y f )(a) + 12 [ h 1 ∂ x f + h 2 ∂ y f ][2] (a) est l’approché quadra-

tique de f (a + h)
Notations de Monge.
Définition 65 (notations de Monge).

on définit les coefficients p, q, r, s, et t par :
∂f ∂f ∂2 f ∂2 f ∂2 f
p= (a), q= ( a ), r= ( a ), s= (a), et t= ( a)
∂x ∂y ∂x 2 ∂ x∂ y ∂ y2
Théoréme 43 (Formule de Taylor-Young ‘a l’ordre 2 par notations de Monge )

Soit D un ouvert de R2 et f : D → R une fonction de classe C 2 sur D . La fonction f
admet un développement limité d’ordre 2 en tout point a ∈ D :
1
f (a + h) = f (a) + ph 1 + qh 2 + ( rh21 + 2 sh 1 h 2 + th22 ) + o(k hk2 )
2
avec h = ( h 1 , h 2 ) ∈ R2
Exemple : Donner un développement limité à l’ordre 2 en (0, 0) de la fonction f :

R2 −→ R définie par
f ( x, y) = e x sin(y)
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 )
5.2 Matrice Hessienne :

Définition 66 Soit f , une fonction de classe C 2 sur D , ouvert de R2 à valeurs dans
R, et soita , un point de D .
On appelle H f (a), la matrice hessienne de f au point a définie par :
∂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
PROPOSITION 34 •, H (a) est une matrice symétrique.

• On peut alors ré-écrire la formule de Taylor-Young en utilisant la matrice Hes-
sienne. Pour h = ( h 1 , h 2 ) ∈ R2
1
f (a + h) = f (a) + h∇ f (a) + hH (a) h t + o(k hk2 )
2
5.3. EXTREMUMS ET POINTS CRITIQUES : 81
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
Ã !
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
5.3 Extremums et points critiques :
5.3.1 Application à l’étude des extremums locau
Maximums et Minimums d’une fonction de deux variables :
Définition 67 Soit D un ouvert de R2 et f : D → R une fonction réelle de deux va-

riables. Soit a ∈ D . On dit que :
• On dit que f admet un maximum local en a lorsqu’il existe un disque centré en

a et de rayon r > 0, B(a, r ) telle que
∀v ∈ B(a, r ), f ( v) ≤ f ( a)
• On dit que f admet un minimum local en a lorsqu’il existe un disque centré en a et

de rayon r > 0, B(a, r ) telle que
∀v ∈ B(a, r ), f ( v) ≥ f ( a)
• On dit que f admet un maximum global en a lorsque :
∀v ∈ D, f ( v) ≤ f ( a)
• On dit que f admet un minimum global en a lorsque :
∀v ∈ D, f ( v) ≥ f ( a)
• On dit que f admet un extremum local en a lorsque f admet en a un minimum

local ou un maximum local.
• On dit que f admet un extremum global en a lorsque f admet en a un minimum
local ou un maximum local.
Remarque : Graphiquement, la fonction f admet un extremum local en a si la

surface représentant f reste localement en dessous ou au dessus du plan d’équation
z = f ( a)
PROPOSITION 35 (Cas d’une fonction de classe C 1 )

Soit D un ouvert de R2 , f : D → R une fonction réelle de classe C 1 sur D et a ∈ D
Si f admet un extremum local en a, alors son gradient en a est nul.
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
5.3.2 Point critique

Définition 68 (Point critique)
Soit D un ouvert de R2 , f : D → R une fonction réelle de classe C 1 sur D et a ∈ D
On dit que a est un point critique de f si et seulement si
( ∂f
∂x
( a) = 0
∇ f ( a) = 0 donc ssi ∂f
∂y
( a) = 0
Théoréme 44 Soit f une fonction de classe C 1 sur un ouvert D . Si f admet un

extremum local en a ∈ D , alors a est un point critique de f .
Remarque Un point critique n’est pas toujours un extremum local mais un extre-
mum local se situe toujours en un point critique.
5.3.3 Condition suffisante d’existence d’un extremum local
1ére Méthode
Quelques notions d’Analyse spectrale
Définition 69 Polynôme caractéristique et valeurs propres.

Soit M , un matrice symétrique carrée de type n × n
• On appelle polynôme caractéristique de M , le polynôme P M défini par la relation :
P M ( X ) = det( M − X I n )
• On appelle valeurs propres réelles de M les nombres réels λ racines du polynôme

caractéristique de M , autrement dit les solutions de l’équation polynômiale de degré
n:
det( M − X I n ) = 0
Remarque : on notera que le degré de P M est toujours la dimension de la matrice

M.
Le théorème qui suit nous donne une méthode simple permettant de déterminer
la nature des points critiques d’une fonction :
Théoréme 45 Soit f , une fonction de classe C 2 dans un voisinage de a.

On appelle H (a), la matrice hessienne de f en a. H (a) est alors une matrice symé-
trique réelle dont les valeurs propres, nécessairement réelles sont ordonnées comme
suit :λ1 ≤ λ2 ≤ λ2 ≤ · · · ≤ λn
On alors :
— Si λ i > 0 pour tout i ∈ {1, 2, ..., n}, f admet un minimum relatif en a.
— Si λ i < 0 pour tout i ∈ {1, 2, ..., n}, f admet un maximum relatif en a.
— Si λ1 < 0 et λn > 0, alors f n’admet pas d’extremum relatif en a.
— S’il existe i ∈ {1, 2, ..., n} tel que λ i = 0 et si ∀ j 6= i, λj ≥ 0 ou λ j ≤ 0, on ne
peut rien conclure.
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
Soit a = (a 1 , a 2 ) ∈ D , Alors, il existe η > 0 tel que, pour tous h = ( h 1 , h 2 ) ∈ R2 vérifiant

k( h 1 , h 2 )k2 < η on a :
f (a+ h) = f (a)+∂ x f (a) h 1 +∂ y f (a) h 2 + 12 [∂ xx f (a) h21 +2∂ x y f (a) h 1 h 2 +∂ yy f (a) h22 ]+ o(k hk2 )
Soit a un point critique de f . écrivons la formule de Taylor-Young à l’ordre 2 en a
avec les notations de Monge :
pour tout h = ( h 1 , h 2 ) ∈ R2 On a
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
donc le signe de f (a + h) − f (a) dépend de celui de s2 − rt et r

2
• Si s2 − rt < 0 la quantité ( h 1 + rs h 2 )2 + ( rtr−2s ) h22 est positive et alors a est un ex-
tremum local de f . Plus précisément :
., Si r > 0 on a f (a + h) − f (a) > 0 Donc a est un minimum local de f
., Si r < 0 on a f (a + h) − f (a) < 0 Donc a est un maximu local de f
• Si s2 − rt > 0, le sign de f (a + h) − f (a) varie selon les valeurs de h 1 et h 2 .

., Si r 6= 0 alors f n’admet ni maximum ni minimum local au point a. Dans ce cas,
On dit alors que a est un point selle ou point col.
., Si r = 0 et t 6= 0 ce cas est analogue au cas précédant.
., Si r = 0 et t = 0, alors f n’admet ni maximum ni minimum local au point a.
• Si s2 − rt = 0, on ne peut rien conclure.
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.
Exemple : on considère la fonction f : R2 → R définie par :
f ( x, y) = x2 + y4
f est de classe C 2 sur R2 comme somme de fonctions polynômiales et pour tous

( x, y) ∈ R2
∇ f ( x, y) = (2 x, 4 y3 )
f n’admet donc qu’une seul point critique :(0, 0)

De plus r = 2, t = 0 et s = 0.Donc rt − s2 = 0 On ne peut rien conclure.
Cependant, on a clairement : pour tous ( x, y) ∈ R2 , f ( x, y) ≥ 0 = f (0, 0) donc f admet
en (0, 0) un minimum global.
3éme Méthode
En utilisant la matrice Hessienne :
Soit la matrice Hessienne au point a
µ ¶
r s
H f ( a) =
s t
On trouve que :
• Si det(H f (a)) > 0 et r > 0 alors a est un minimum local.

• Si det(H f (a)) > 0 et r < 0 alors a est un maximum local.
• Si det(H f (a)) < 0 alors a est un point selle.
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.
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.
5.3.4 Points critiques des fonctions de plusieurs variables :
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 :
1. Les points critiques de f sont les solutions du système suivant :

∂f

∂ x1 ( x1 , ..., x n ) = 0



 ∂ f ( x1 , ..., xn ) = 0


∂ x2
..


 .
 ∂ f ( x , ..., x ) = 0


∂ xn 1 n
2. — un point critique a est un minimum local si la matrice Hessienne H (a)

est définie positive.
— un point critique a est un maximum local si la matrice Hessienne H (a)

est définie négative.
— un point critique a est un point selle si la matrice Hessienne H (a) est
indéfinie.
Méthode de recherche d’extrema locaux sur un ouvert
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
5.4 Extrémums liés

Définition
Soient f ( x, y) et g( x, y) deux fonctions de classe C 1 au voisinage d’un point ( x0 , y0 ).
S = {( x, y) tel que g( x, y) = 0}
f présente sous la contrainte g = 0 un minimum local (respectivement maximum lo-

cal) en ( x0 , y0 ) si la restriction de f à S présente un minimum local (respectivement
maximum local)en ( x0 , y0 ).
Définition
On dit que f présente sous la contrainte g = 0 un minimum global (respectivement

maximum local) en ( x0 , y0 ) si la restriction de f à S présente un minimum local
(respectivement maximum global)en ( x0 , y0 ).
5.4.1 Méthode par Substitution
dans la contrainte g( x, y) = 0, on exprime :

- soit la variable x en fonction de y : on obtient x = h( y).
- soit la variable y en fonction de x : on obtient y = h( x).
Dans les deux cas, h est une fonction d’une variable. les valeurs f ( x, y) deviennent
alors :
- Soit L( y) = f ( h( x), y) dans le premier cas ;
- Soit L( x) = f ( x, h( y)) dans le second cas ;
5.4. EXTRÉMUMS LIÉS 89
Exemple
On considére la fonction f ( x, y) = 2 x y de domaine de définition D f = R2 .

Trouver les extrema de f sous la contrainte g( x, y) = 2 x + 3 y − 6.
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
5.4.2 Méthode de Lagrange
Trouver les extrema de f ( x, y) sous la contrainte g( x, y) = 0.
h( x, y, λ) = f ( x, y) + λ g( x, y) dite Lagrangien
h( x, y, λ) = Fonction à optimiser +λ ( contrainte annulée),
λ(multiplicateur de Lagrange) est un inconnue.
Théoréme 46 Soient f et g deux fonctions possédant des dérivées partielles.

Soit P0 = ( x0 , y0 ) un point intérieur à D f et D g
Si P0 est un point d’extremum local de f sur D = {( x, y) ∈ D f / g( x, y) = 0} et que
∇ g( x0 , y0 ) 6= 0 alors ∇ g( x0 , y0 ) et ∇ f ( x0 , y0 ) sont alignés. C’est à dire : il existe un
scalaire λ0 ∈ R tel que :
∇ f ( x0 , y0 ) = λ∇ g( x0 , y0 )
P0 est appelé un point stationnaire de f sur D et λ0 est appelé multiplicateur de
Lagrange associé.
PROPOSITION 36 (Méthode du Lagrangien).

P0 = ( x0 , y0 ) est un point stationnaire sur D = {( x, y) ∈ D f / g( x, y) = 0} associé au mul-
tiplicateur de Lagrange λ0 ssi ( x0 , y0 , λ0 ) est solution du systéme d’équations :
∂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
PROPOSITION 37 ((Caractérisation faible des points stationnaires sous contrainte

- Condition suffisante du second ordre).)
Soit ( x0 , y0 ) un point critique de la fonction h de classe C 2 .
Posons la fonction de deux variables
h( x, y, λ0 ) = h 0 ( x, y) = f ( x, y) + λ0 g( x, y)
On pose :
r = ∂2x2 h 0 ( x0 , y0 ); s = ∂2x y h 0 ( x0 , y0 ); et t = ∂2y2 h 0 ( x0 , y0 )
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 :
Q ( h, k) = rh2 + 2 shk + tk2
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
Quelle condition sur h, k permet d’obtenir un déplacement ( h, k) aligné avec la tan-

gente ? Il faut et il suffit que
( h, k) soit orthogonal au gradient de g au point ( x0 , y0 ), c’est à dire lorsque :
( h, k)∇ g( x0 , y0 ) = 0
où on rappelle que :
∂g ∂g
( h, k)∇ g( x0 , y0 ) = ( x0 , y0 ) h + ( x0 , y0 ) k
∂x ∂y
Dans la suite nous noterons pour simplifier :
∂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
• posons Q ( h, k) la fonction intervenant dans le développement limité du second

ordre
Q ( h, k) = rh2 + 2 shk + tk2
• Finalement Posons
∂g ∂g
a= ( x0 , y0 ) et b= ( x0 , y0 )
∂x ∂y
PROPOSITION 38 (Caractérisation forte des points stationnaires sous contrainte

- Condition suffisante du second ordre).
Si pour tout ( h, k) 6= 0 vérifiant ah + bk = 0
• Q ( h, k) > 0, alors ( x0 , y0 ) est un minimum local sous contrainte pour f ,
• Q ( h, k) < 0, alors ( x0 , y0 ) est un maximum local sous contrainte pour f ,
• Q ( h, k) = 0, alors on ne peut rien dire.
Méthodologie
1- Recherche des points stationnaires du Lagrangien :
h( x, y, λ) = f ( x, y) + λ g( x, y)
Pour chaque point stationnaire ( x0 , y0 , λ0 ) :

2- poser
h( x, y, λ0 ) = h 0 ( x, y) = f ( x, y) + λ0 g( x, y)
et calculer
3- Si rt − s2 > 0 Appliquer la CS faible du second ordre

4- Sinon : poser
∂g ∂g
a= ( x0 , y0 ) et b= ( x0 , y0 )
∂x ∂y
5- Appliquer la CS forte du second ordre.
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)
Trouvons les points stationnaires du Lagrangien : résoudre le systéme :

∂L

 ∂ x ( x, y, λ) = 0  2x + λ y = 0


∂L
∂y
( x, y, λ) = 0 ⇔ 2 y + λx = 0
 ∂L
( x, y, λ) = 0 . xy−1 = 0 .
 
∂λ
nous avions trouvé deux points stationnaires de ce Lagrangien ( x1 , y1 , λ1 ) = (1, 1, −2)

et ( x2 , y2 , λ2 ) = (−1, −1, −2)
2- les deux multiplicateurs de Lagrange λ sont égaux à −2. Regardons donc
L 0 ( x, y) = x2 + y2 − 2 x y + 2
Nous avions calculé r = 2, s = −2 et t = 2 alors
40 = rt − s2 = 0
Donc ne nous permetait pas de déterminer la nature des deux points stationnaires
sous contrainte.
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 .
- Pour ( x2 , y2 ) = (−1, −1)

∂g ∂g
Calculons a 2 = ∂ x ( x2 , y2 ) = −1 et b 2 = ∂ y ( x2 , y2 ) = −1
Donc
a2 h + b2 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 )
Trouvons les points stationnaires du Lagrangien : résoudre le systéme :

∂L

 ∂ x ( x, y, λ) = 0
x x −3
 2x y − 3e − λe = 0  x = −3; y = e ; λ = −9
 

∂L
∂y
( x, y, λ) = 0 ⇔ x2 + λ = 0 ⇔ ou
 ∂L x
x = 1; y = e; λ = −1
( x, y, λ) = 0 . y− e = 0 . .
  
∂λ
On a trouvé deux points stationnaires sous contrainte :
( x1 , y1 = (−3, e−3 ) associé au multiplicateur λ = −9
et
( x2 , y2 = (1, e) associé au multiplicateur λ = −1
2- Nature des points stationnaires :
- Pour ( x1 , y1 ) = (−3, e−3 ) :

a) regardons les dérivées partielles secondes de la fonction de deux variables :
L 1 ( x, y) = f ( x, y) + λ1 g( x, y) = x2 y − 3 e x − 9( y − e x )
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
b) Regardons rt − s2 = −36 < 0. On ne peut pas conclure
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
b) Regardons rt − s2 = −4 < 0. On ne peut pas conclure
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
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 .
5.4.3 Matrice hessienne bordée
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
dont le déterminant sera noté

∂g ∂2 F ∂ g ∂ g ∂2 F ∂ g ∂2 F
|H| = −( )2 . +2 . . − ( )2 . 2
∂x ∂ y2 ∂ x ∂ y ∂ x∂ y ∂ y ∂x
5.4.4 Condition suffisante pour l’existence d’un extremum
PROPOSITION 39 Soit ( x0 , y0 , λ∗ ) un point critique de Lagrangien F ( x, y, λ) = f ( x, y)+

λ g( x, y) de classe C 2 , H la matrice Hessienne de F aveoc |H| = det(H).alors :
- Si |H| < 0 ⇒ le point ( x0 , y0 ) est un minimum pour f
- Si |H| > 0 ⇒ le point ( x0 , y0 ) est un maximum pour f
- Si |H| = 0 on ne peut rien dire.
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)
• ( x, y, λ) est un point critique de L si
∂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
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

Fonctions de Plusieurs Variables: Analyse

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Fonctions de Plusieurs Variables: Analyse

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITE ABDELMALEK

AP2 : Deuxième Année Cycle Préparatoire

Fonctions de Plusieurs Variables

1 Espaces Métriques et Espaces Vectoriels Normés 6

2 Fonctions de plusieurs variables : Limites et continuité 29

2.2.2 Fonctions composantes, fonctions coordonnées. . . . . . . . . . . 36

2.3 Continuité d’une fonction de plusieurs variables . . . . . . . . . . . . . 37

2.3.1 Fonctions lipschitziennes . . . . . . . . . . . . . . . . . . . . . . . 38

2.4 Prolongement par continuité : . . . . . . . . . . . . . . . . . . . . . . . . 39

3 Différentiabilité et Calcul différentiel 41

3.1 Définitions et Exemples : . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

3.1.1 Definition et Notation . . . . . . . . . . . . . . . . . . . . . . . . . 41

3.1.2 Dérivée suivant un vecteur . . . . . . . . . . . . . . . . . . . . . 45

3.2 Fonction différentiable. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

3.2.1 Différentiabilité des fonctions composées : . . . . . . . . . . . . 52

3.2.2 Opérations sur les différentielles . . . . . . . . . . . . . . . . . . 53

3.3 Gradient d’une application et Matrice Jacobienne : . . . . . . . . . . . 54

3.4 Opérateurs différentiels classiques . . . . . . . . . . . . . . . . . . . . . 56

3.4.1 Divergence et Laplacien d’une application : . . . . . . . . . . . . 56

3.5 Fonctions de C k et Inégalité des accroissements finis . . . . . . . . . . 58

3.6 Inégalité des accroissements finis : . . . . . . . . . . . . . . . . . . . . . 58

3.6.1 Inégalité des accroissements finis : . . . . . . . . . . . . . . . . . 58

4 Linéarité Locale et Fonctions implicites 60

4.1 Linéarité Locale : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

4.1.1 Jacobien d’une application : . . . . . . . . . . . . . . . . . . . . . 60

4.1.3 Théorème d’inversion locale : . . . . . . . . . . . . . . . . . . . . 67

4.2 Fonctions implicites : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

4.2.1 Fonctions implicites. . . . . . . . . . . . . . . . . . . . . . . . . . 69

4.2.2 Théorème des fonctions implicites sur R2 . . . . . . . . . . . . . 70

4.2.3 Théorème des fonctions implicites sur R3 . . . . . . . . . . . . . 72

4.2.4 Les courbes implicites : . . . . . . . . . . . . . . . . . . . . . . . . 74

4.2.5 Tangente et Normale à la courbe implicite : . . . . . . . . . . . . 75

5 Formule de Taylor et Extremums. 77

Espaces Métriques et Espaces

1.1 Espaces Métriques

Définition 1 Soit X un ensemble. Une application :

est appelée distance sur X si elle vérifie :

1.1.2 Quelques Exemples :

appelée distance usuelle.

3. Prenons X = Kn , (K = R ou C). Pour tous x = ( x i )1≤ i≤n et y = ( yi )1≤ i≤n de K ,

alors d 1 ; d 2 et d ∞ sont des distances sur Kn ;

- Soit X 6= ; . La fonction d : X 2 → R2 définie par

Montrer que (E, d ) est un espace métrique.

Définition 3 Soient A et B deux parties non vides de X et a ∈ X . On définit

Soit ( X , d ) un espace métrique.

1. Pour x1 ; · · · ; xn des points de X on a :

2. Pour tout x, y et z dans X on a :

1. La démonstration de (1) est immédiate par récurrence sur n.

d ( x, y) ≤ d ( x, z) + d ( z, y) ( iné gal ité triangulaire)

En permutant x et z, on a de la même manière

ce qui donne finalement

Pour tous x = ( x1 , ..., xn ), y = ( y1 , ..., yn ) ∈ Rn , on a :

Soit ( X , d ) un espace métrique.

Alors d 1 et d 2 sont dites équivalentes.

1.2 Topologie des espaces métriques

1.2.1 Boules ouvertes et fermées

1. - boule ouvert de centre a et rayon r est :

2. - boule fermée de centre a et rayon r est :

3. - sphère de centre a et rayon r est :

S (a, r ) = B(a, r ) \ B(a, r ) = { x ∈ X , d ( x, a) = r }

1. Si X = R muni de la distance usuelle ; pour tout x, y ∈ R, on a d ( x, y) =| x − y |,

B(a, r ) =]a − r, a + r [, B(a, r ) = [a − r, a + r ] et S (a, r ) = {a − r, + r }

3. Si X est muni de la métrique discrète, alors :

* N ( x) = 0 si et seulement si ∀ k ∈ 1 ; p, Nk ( xk ) = 0, donc si ∀ k ∈ 1 ; p, xk = 0