M6 BC Chapitre 2 Fonctions Plusieurs Variables 2021

Chapitre 2 : les fonctions à plusieurs variables
Motivation
Le recours aux fonctions numériques d’une variable réelle est souvent
insuffisant pour rendre compte des relations économiques.
En effet, une variables économique dépend souvent de plusieurs
autres variables économiques et non d’une seul.
A ce niveau le présent chapitre constitue, en quelque sorte, une étape
pour la généralisation à n variables.
1
Faculté de l’Economie et de Gestion de Béni Mellal Sciences Economique & Gestion (S1) Enseignant : E.majidi
Plan
1. Définition
2. Domaine de définition
3. Limites
4. Continuité
5. Dérivée
6. Optimisation
2
3
4
 Remarque : On s’intéresse dans le cadre de ce cours

aux fonctions de deux variables x et y
5
f : I  IR2  IR
( x, y)  f ( x, y)  z
6
Exemple
Soit
C’est une fonction à deux variable qu’on peut évaluer en tous les
couples (x , y) tel que x-y#0. ainsi
On a
7
8
9
10
Domaine de la variable x Domaine de la variable y
11
12
13
14

Conditions sur x et y
15
16
17
18
19
Solution de l’exercice
𝑓 𝑥, 𝑦 = 𝑥 2 + 𝑥𝑦 − 𝑦 2 − 1 A( 0,5;1)
F(x,y) est définie ssi 𝑥 ∈ ℝ et 𝑦 2 − 1 ≥ 0 𝑜𝑢 𝑦 ≥ ±1
𝑑𝑓 = 𝑥, 𝑦 ∈ ℝ2 /𝑦 2 − 1 ≥ 0 = 𝑥, 𝑦 ∈ ℝ2 /𝑦 ≥ ±1
𝑑𝑓 = ℝ × ∞−; −1 ∪ 1; +∞
Domaine de f géométriquement
20
ln(𝑥+3)
2. 𝑓 𝑥, 𝑦 =
𝑦+2
F‘(x,y) est définie ssi (𝑥 + 3) > 0 et 𝑦 + 2 > 0

F‘(x,y) est définie ssi 𝑥 ≻ −3 et 𝑦 ≻ −2
𝐷𝑓 = 𝑥, 𝑦 ∈ ℝ2 /𝑥 ≻ −3 et 𝑦 ≻ −2
𝐷𝑓 = −3; +∞ ∪ −2; +∞
Geometriquement
21
3. 𝑓 𝑥, 𝑦 = 𝑥 3 − 4𝑥 2 𝑦 + 𝑥𝑦 + 50
F(x,y) est définie ssi 𝑥 ∈ ℝ et 𝑦 ∈ℝ
𝑑𝑓 = ℝ2
Geometriquement
22
𝑥+𝑦−1
4. 𝑓 𝑥, 𝑦 =
𝑥−1
On a 𝑓 𝑥, 𝑦 est définie ssi 𝑥 + 𝑦 − 1 ≥ 0 𝑜𝑢 𝑦 ≥ 1 − 𝑥 et 𝑥 ≠ 1
Donc 𝑑𝑓 = 𝑥, 𝑦 ∈ ℝ2 /𝑥 ≠ 1 𝑒𝑡𝑦 ≥ 1 − 𝑥
Domaine géométriquement : je dessine les deux droites d’équations y=1-x et
x=1
23
𝑓 𝑥, 𝑦 = 𝑥 𝑦
f(x,y) est définie ssi 𝑥 ∈ ℝ et y≥ 0
Donc 𝐷𝑓 = 𝑥, 𝑦 ∈ ℝ2 /𝑥 ∈ ℝ et y≥ 0
𝐷𝑓 = ℝ × 0; +∞
Domaine de Df géométriquement
24
25
26
Remarque 1. Une fonction à deux variables est donc représentée non pas par une courbe, mais
par une surface dans l’espace. Il est très difficile en général de visualiser ce genre de
représentations graphiques, c’est pourquoi on en est souvent réduit à étudier les coupes par des
plans que représentent les lignes de niveau et les applications partielles.
27
28
29
30
On obtient une surface ici un paraboloïde
31
32
33
34
 Exemple ( courbes de niveaux)

Donner les courbes de niveaux de 𝑓(𝑥, 𝑦) = 9 − 𝑥 2 − 𝑦 2 pour k = 0,1,2,3
∀ 𝑥, 𝑦 ∈ 𝑅2 , f x, y = k ⇔ 9 − 𝑥2 − 𝑦2 = 𝑘
⇔ 9 − 𝑥2 − 𝑦2 = 𝑘2
⇔ 𝑥2 + 𝑦2 = 9 − 𝑘2
Cas k=0 on a 𝑥 2 + 𝑦 2 = 32 ⇔ (x − 0)2 + (y − 0)2 = 32 c’est une équation d’un cercle de rayon r=3
et de centre (0,0)
Cas k=1 on a 𝑥 2 + 𝑦 2 = 9 − 12 = 8 ⇔ (x − 0)2 + (y − 0)2 = ( 8)2 c’est une equation d’un cercle de
rayon r= 8 et de centre (0,0)
Cas k)=2 on a 𝑥 2 + 𝑦 2 = 9 − 22 = 5 ⇔ (x − 0)2 + (y − 0)2 = ( 5)2 c’est une equation d’un cercle de
rayon r= 5 et de centre (0,0)
Cas k = 3 on a 𝑥 2 + 𝑦 2 = 9 − 32 = 0 ⇔ (x − 0)2 + (y − 0)2 = (0)2 c’est une equation d’un cercle de
rayon r=0 et de centre (0,0)
On trace les courbes de niveaux dans un plan (oxoy)
35
Représentations graphiques des courbes de niveaux
K=1
K=3
K=2
K=0
Cercle de rayon 0
36
Exemple 2
déterminer les courbes de niveaux de 𝑓 𝑥, 𝑦 = 6 − 3𝑥 − 2𝑦 pour k=-6;0;6;12
on a 𝑓 𝑥, 𝑦 = 𝑘 ⇔ 6 − 3𝑥 − 2𝑦 = 𝑘 ⇔ −2𝑦 = 𝑘 + 3𝑥 − 6
−𝑘 3𝑥
⇔𝑦= − +3
2 2
3𝑥
Pour le k=-6 on a 𝑦 = 6 − c’est une équation d’une droite
2
3𝑥
Pour k=0 on a 𝑦 = 3 − c’est une équation d’une droite
2
3𝑥
Pout k=6 on a 𝑦 = − c’est une équation d’une droite
2
3𝑥
Pour k=12 on a 𝑦 = −3 − c’est une équation d’une droite
2
On trace les courbes de niveaux dans un plan (oxoy)
37
Représentations graphiques des courbes de niveaux
38
Représentations graphiques des courbes de niveaux en 3D
39
40
Faculté de l’Economie et de Gestion de Béni Mellal Sciences Economique & Gestion (S1)-2020-2021 Enseignant : E.majidi
41
42
43
44
45
46
5.Limite et continuité
5.1 limite
Définition: soit f:ℝ2 → ℝ une fonction réelle de deux variables réelles, (a, b) un point de et
ℝ2 et ℓ ∈ ℝ . Alors, f(x, y) a pour limite l quand (x, y) tend vers (a, b).
Alors on écrira : lim 𝑓 𝑥, 𝑦 = ℓ
(𝑥,𝑦)→(𝑎,𝑏)
Proposition
1. lim 𝑓 𝑥, 𝑦 + 𝑔(𝑥, 𝑦) = lim 𝑓 𝑥, 𝑦 + lim 𝑔(𝑥, 𝑦)
(𝑥,𝑦→(𝑎,𝑏) (𝑥,𝑦→(𝑎,𝑏) (𝑥,𝑦→(𝑎,𝑏)
2. lim 𝑓 𝑥, 𝑦 . 𝑔(𝑥, 𝑦) = lim 𝑓 𝑥, 𝑦 . lim 𝑔(𝑥, 𝑦)
(𝑥,𝑦→(𝑎,𝑏) (𝑥,𝑦→(𝑎,𝑏) (𝑥,𝑦→(𝑎,𝑏)
lim 𝑓(𝑥,𝑦)
𝑓(𝑥,𝑦)
avec
(𝑥,𝑦→(𝑎,𝑏)
3. lim = lim 𝑔(𝑥, 𝑦) ≠ 0
(𝑥,𝑦→(𝑎,𝑏) 𝑔(𝑥,𝑦) lim 𝑔(𝑥,𝑦) (𝑥,𝑦→(𝑎,𝑏)
(𝑥,𝑦→(𝑎,𝑏)
4. lim 𝑛
𝑓(𝑥, 𝑦) = 𝑛
lim 𝑓(𝑥, 𝑦) ; lim 𝑓(𝑥, 𝑦) > 0 ( cas n est paire )
(𝑥,𝑦→(𝑎,𝑏) (𝑥,𝑦→(𝑎,𝑏) (𝑥,𝑦→(𝑎,𝑏)
47
Exemple 1 ( limite finie)

lim 𝑓 𝑥, 𝑦 = 2𝑥 + 3𝑦 = 0 + 3 = 3
(𝑥,𝑦→(0,1)
𝑥 2 +𝑦 2
lim = 1/4
(𝑥,𝑦→(1,0) 4
lim 𝑥 3 − 4𝑥𝑦 2 + 5𝑦 − 7 = 23 − 4 ∗ 2 −3 2 + 5 −3 − 7 = −86

(𝑥,𝑦→(2,−3)
𝑥 2 −𝑦 2 32 −42 9−16 −7
lim = = =
(𝑥,𝑦→(3,4) 𝑥 2 +𝑦 2 32 +4 2 25 5
Exemple 2 ( limite infini)

1 1
lim = =∞
(𝑥,𝑦→(1,1) 𝑥−𝑦 0
𝑥 2 −5 4−5 −1
lim = = = −∞
(𝑥,𝑦→(2,4) 𝑦−4 4−4 0
48
∞ 0
Remarque : si le resultat de la limite est une forme indeterminé ( ; ; ; 0 ∗ ∞; ; 1∞ …) dans ce cas il
∞ 0
faut recourir à d’autres méthodes pour calculer les limites au point (a,b).
1er méthode ( simplification)
𝑥 4 −𝑦 4 0
1. lim = ( FI)
(𝑥,𝑦→(0,0) 𝑥 2 +𝑦 2 0
𝑥 4 −𝑦 4 (𝑥 2 −𝑦 2 )(𝑥 2 +𝑦 2 )
lim = lim = lim (𝑥 2 − 𝑦 2 ) = 0
(𝑥,𝑦→(0,0) 𝑥 2 +𝑦 2 (𝑥,𝑦→(0,0) (𝑥 2 +𝑦 2 ) (𝑥,𝑦→(0,0)
𝑥 4 −𝑥 3 +𝑥 2 +𝑥 2 𝑦 2 0
2. lim = ( FI)
(𝑥,𝑦→(1,0) (𝑥−1)2 +𝑦 2 0
𝑥 4 −𝑥 3 +𝑥 2 +𝑥 2 𝑦 2 𝑥 2 (𝑥 2 −𝑥 +1+𝑦 2 ) 𝑥 2 ((𝑥−1)2 +𝑦 2 )
lim = lim = lim
(𝑥,𝑦→(1,0) (𝑥−1)2 +𝑦 2 (𝑥,𝑦→(1,0) (𝑥−1)2 +𝑦 2 (𝑥,𝑦→(1,0) (𝑥−1)2 +𝑦 2
49
𝑥 2 ((𝑥−1)2 +𝑦 2 )
lim = lim 𝑥2 = 1
(𝑥,𝑦→(1,0) (𝑥−1)2 +𝑦 2 (𝑥,𝑦→(1,0)
1er méthode de direction
On utilise les deux termes suivantes : lim (lim f x, y ) et lim (lim f x, y )
𝑥→𝑎 𝑦→𝑏 𝑦→𝑏 𝑥→𝑎
𝑥 2 −𝑦 2
Exemple-1: montrer que lim n’existe pas
(𝑥,𝑦→(0,0) 𝑥 2 +𝑦 2
𝑥 2 −𝑦 2 𝑥 2 −0 𝑥2
lim lim f x, y = lim lim = lim (lim ) = lim ( ) =1
𝑥→0 𝑦→0 𝑥→0 𝑦→0 𝑥 2 +𝑦 2 𝑥→0 𝑦→0 𝑥 2 +0 𝑥→0 𝑥 2
𝑥 2 −𝑦 2 02 −𝑦 2 −𝑦 2
lim lim f x, y = lim lim = lim (lim ) = lim = −1
𝑦→0 𝑥→0 𝑦→0 𝑥→0 𝑥 2 +𝑦 2 𝑦→0 𝑦→0 02 +𝑦 2 𝑦→0 𝑦 2
𝑥 2 −𝑦 2
Puisque on a lim lim f x, y ≠ lim lim f x, y donc lim n’existe pas
𝑥→0 𝑦→0 𝑦→0 𝑥→0 (𝑥,𝑦→(0,0) 𝑥 2 +𝑦 2
50
2𝑥 2 −𝑦 2
Exemple 2 : montrer que lim n’existe pas
(𝑥,𝑦→(0,0) 𝑥 2 +2𝑦 2
2𝑥 2 −𝑦 2 2𝑥 2 −0 2𝑥 2
lim lim f x, y = lim lim = lim (lim ) = lim ( ) =2
𝑥→0 𝑦→0 𝑥→0 𝑦→0 𝑥 2 +2𝑦 2 𝑥→0 𝑦→0 𝑥 2 +0 𝑥→0 𝑥 2
2𝑥 2 −𝑦 2 02 −𝑦 2 −𝑦 2 −1
lim lim f x, y = lim lim = lim (lim ) = lim =
𝑦→0 𝑥→0 𝑦→0 𝑥→0 𝑥 2 +2𝑦 2 𝑦→0 𝑦→0 02 +2𝑦 2 𝑦→0 2𝑦 2 2
𝑥 2 −𝑦 2
Puisque on a lim lim f x, y ≠ lim lim f x, y donc lim n’existe pas
𝑥→0 𝑦→0 𝑦→0 𝑥→0 (𝑥,𝑦→(0,0) 𝑥 2 +𝑦 2
3ème méthode: coordonnées polaires pour le calcul de limites

Lorsque n = 2, 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 + 𝑟𝑐𝑜𝑠(𝜃) et y= 𝑏 + 𝑟𝑠𝑖𝑛(𝜃) , avec r > 0 et 𝜃 ∈ [0; 2π[.
51
Dans cette écriture, r représente la distance entre (a,b) et (x, y) de sorte que
lim f x, y = lim f 𝑎 + 𝑟𝑐𝑜𝑠(𝜃), 𝑏 + 𝑟𝑠𝑖𝑛(𝜃)
(𝑥,𝑦)→(𝑎,𝑏) 𝑟→0
𝑥 2 −𝑦 2
Exemple : Montrons d’une autre manière que lim n’existe pas on utilisant les
(𝑥,𝑦→(0,0) 𝑥 2 +𝑦 2
coordonnées polaires. En posant 𝑥 = 𝑎 + 𝑟𝑐𝑜𝑠(𝜃) et y = 𝑏 + 𝑟𝑠𝑖𝑛(𝜃)
𝑥 2 −𝑦 2 (0+𝑟𝑐𝑜𝑠 𝜃 )2 −(0+𝑟𝑠𝑖𝑛 𝜃 )2 (𝑟𝑐𝑜𝑠 𝜃 )2 − 𝑟𝑠𝑖𝑛 𝜃 2 𝑟 2 (𝑐𝑜𝑠 𝜃 )2 −𝑠𝑖𝑛 𝜃 2 )
lim = lim = lim = lim =
(𝑥,𝑦→(0,0) 𝑥 2 +𝑦 2 (𝑟→0 (0+𝑟𝑐𝑜𝑠 𝜃 ))2 +(0+𝑟𝑠𝑖𝑛 𝜃 )2 (𝑟→0 (𝑟𝑐𝑜𝑠 𝜃 ))2 +(𝑟𝑠𝑖𝑛 𝜃 )2 𝑟→0 𝑟 2 ((𝑐𝑜𝑠 𝜃 2 +𝑠𝑖𝑛 𝜃 2 )
(𝑐𝑜𝑠 𝜃 )2 −𝑠𝑖𝑛 𝜃 2 ) (𝑐𝑜𝑠 2 𝜃 −𝑠𝑖𝑛2 𝜃 )((𝑐𝑜𝑠 2 𝜃 +𝑠𝑖𝑛2 𝜃
lim = lim
𝑟→0 ((𝑐𝑜𝑠 𝜃 2 +𝑠𝑖𝑛 𝜃 2 ) 𝑟→0 (𝑐𝑜𝑠 2 𝜃 +𝑠𝑖𝑛2 𝜃
52
lim(𝑐𝑜𝑠 2 𝜃 −𝑠𝑖𝑛2 𝜃 = lim cos(2𝜃)

𝑟→𝑟 𝑟→0
𝑥 2 −𝑦 2
Le résultat varie selon la direction 𝜃 , donc lim n’existe pas.
(𝑥,𝑦→(0,0) 𝑥 2 +𝑦 2
5.2 Continuité
Definition : on dit qu’une fcontion f(x,y) est continue en point 𝑥0 , 𝑦0 𝑠𝑖 ∶
1. Elle est définie en ce point ( 𝑥0 , 𝑦0 ∈ ℝ2
2. lim 𝑓 𝑥, 𝑦 existe
(𝑥,𝑦→(𝑥0 ,𝑦0 )
3. lim 𝑓 𝑥, 𝑦 = 𝑓(𝑥0 , 𝑦0 )
(𝑥,𝑦→(𝑥0 ,𝑦0 )
Opérations algébrique Les fonctions continues de plusieurs variables jouissent des mêmes propriétés que
les fonctions continues d’une seule variable. Les fonctions élémentaires telles que les polynômes, les
fonctions exponentielles, logarithmiques et trigonométriques sont continues dans leurs domaines de
définition respectifs. La continuité des autres fonctions s’établit, le cas échéant, en tant que somme,
produit, composée, le quotient (lorsque le dénominateur ne s’annule pas) etc., de fonctions continues
53
54
6. Dérivées Partielles
6.1 Dérivées Partielles Premières
Dérivée partielle de f par rapport à la variable x
On appelle dérivée partielle de f par rapport à la variable x la dérivée de la fonction de la seul
variable x, cad en considérant la variable y comme une constante. Cette dérivée est elle-même
un fonction de deux variables et on note : f
( x, y)
x
Dérivée partielle de f par rapport à la variable y
de la même façon , on définit la dérivée partielle de f par rapport à la variable y :
f
( x , y)
y
.
Faculté de l’Economie et de Gestion de Béni Mellal Sciences Economique & Gestion (S1)-2020-2021 Enseignant : E.majidi 55
Dérivées partielles premières
 1ère notation:
f(x , y)
Selon x Selon y
f’x(x,y) f’y(x,y)
Règle de base
Les premiers pas…dans le calcul différentiel
Lorsqu’on dérive par rapport à une variable,

l’autre variable est supposée constante

Règle de base
Les premiers pas…dans le calcul différentiel
Pour calculer la dérivée partielle par rapport à une variable, il
suffit de considérer l’autre variable comme une constante
et de dériver à l’aide des formules connues pour les
fonctions d’une variable.
Remarque
Lorsqu’on calcule une dérivée partielle, on utilise les règles de
dérivation d’une fonction d’une variable réelle.
« car une des deux variable est fixée

Exemple-1
f(x,y)  5x3  2y2  x  7y
Selon x Selon y
f (x,y) 15x 2 1 f (x,y)  4y  7

x x
x constant
y constant

Exemple-2
f(x, y)  5x3 2 y3 xy

Selon x Selon y
f f
(x, y)  15x 2  y ( x , y)  6y 2  x
x y
x constant
y constant
60

Exemple-1
f(x,y)  5x3  2y2  x  7y
Selon x Selon y
f (x,y) 15x 2 1 f (x,y)  4y  7

x x
x constant
y constant

Exemple-2
f(x, y)  5x3 2 y3 xy

Selon x Selon y
f f
(x, y)  15x 2  y ( x , y)  6y 2  x
x y
x constant
y constant

Exemple-3
f(x, y)  xy  lnx
Selon x Selon y
f 1 f
(x, y)  y  (x, y)  x
x x y
y constant x constant

Exemple-4
y
f ( x, y )  xe  x 2 y
Selon x Selon y
f f y
y
( x, y)  e  2 xy (x, y)  xe  x 2
x y
Exemple-5 : Trouver les dérivés partielles 1ères de la fonction suivante:

xy
w( x, y ) 
x2  y2
Solution
 Pour calculer ∂w/∂x, pensez au variable y qui est constant et dériver la
fonction w par rapport à x:
xy
w( x, y )  2
x  y2
w ( x 2  y 2 ) y  xy (2 x )

x ( x 2  y 2 )2
y( y 2  x 2 )
 2
( x  y 2 )2
21
Exemple-5 ( suite): Trouver les dérivés partielles 1ères de la fonction

xy
w( x, y ) 
x2  y2
Solution
 Pour calculer ∂w/∂y, pensez au variable x qui est un constant et dériver la
fonction w par rapport à y :
xy w ( x 2  y 2 ) x  xy (2 y ) x( x 2  y 2 )
w( x, y )  2   2
x  y2 y ( x 2  y 2 )2 ( x  y 2 )2
Exemple-6 : Trouver les dérivés partielles 1ères de la fonction

u2 v 2
h ( u, v )  e
Solution
 Pour calculer ∂h/∂u, pensez au variable v qui est un constant et dériver
la fonction w par rapport à u :
u2 v2
h (u, v )  e
h u2 v 2
e  2u
u
u2 v 2
 2ue
u2 v 2
Solution h ( u, v )  e
 Pour calculer ∂h/∂v, pensez au variable u qui est un constant et
dériver la fonction w par rapport v :
u2 v2
h (u, v )  e
h u2 v 2
e  ( 2v )
u u2 v 2
 2ve
68
Exercices (Dérivées partielles premières )

Calculer les dérivées partielles des fonctions suivantes
1) f(x,y)  2 x 2  3xy 3  6y 2
2) f(x,y)  x 3 e y  sin 2 y  3x
3) f(x,y)  5x 3  2y 2  x  7 y
Solution-1 –Exercices
f(x,y)  2 x  3xy  6y
2 3 2
Selon x Selon y
f f
(x,y)  4 x  3y 3 (x,y)  9y 2 x  12y
x y
Solution-2
f(x,y)  x e  sin y  3x
3 y 2
Selon y
Selon x
f f
(x, y)  x3e y  2 sin yconsy
( x, y)  3x 2e y  3 y
x
 x 3e y  sin 2 y
y constant
x constant
Solution -3
f(x,y)  5x  2y  x  7 y
3 2
Selon x Selon y
f f
( x, y)  15 x 2  1 (x, y)  4 y  7
x y
Solution-2
f(x,y)  x e  sin y  3x
3 y 2
Selon y
Selon x
f f
(x, y)  x3e y  2 sin yconsy
( x, y)  3x 2e y  3 y
x
 x 3e y  sin 2 y
y constant
x constant
Solution -3
f(x,y)  5x  2y  x  7 y
3 2
Selon x Selon y
f f
( x, y)  15 x 2  1 (x, y)  4 y  7
x y
6.2Dérivées partielles seconde ( ou d’ordre 2)
Une dérivée partielle est une fonction de deux variables x

et y, on peut alors la dériver à son tour!
Les dérivées partielles premières étant des fonctions de deux

variables, on peut éventuellement les dériver de nouveau par
rapport à la première ou deuxième variable.
6.2 Dérivées partielles seconde ( ou d’ordre 2)
Si on dérive une fonction f par rapport à la première variable x et si on

dérive une deuxième fois par rapport à la variable x, on obtient une nouvelle
fonction appelée dérivée partielle seconde ( ou dérivée partielle d’ordre 2),
notée  2
f
x 2
Si on dérive une fonction f par rapport à la première variable x et si on

dérive à nouveau le résultat par rapport à la variable y, on obtient une
nouvelle fonction appelée dérivée partielle seconde ( ou dérivée partielle
d’ordre 2), notée :  2 f
xy
76
2 f
On dérive f 2 fois par rapport à x
x 2
2 f On dérive f par rapport à x ensuite par rapport à y

xy « dérivée croisée »
2 f On dérive f par rapport à y ensuite par rapport à x

yx
« dérivée croisée »
2 f
On dérive f 2 fois par rapport à y
y 2
x y
Schéma de dérivation partielles d’ordre 2 f(x , y)
f f
x y
x y x y
2 f 2 f 2 f 2 f
xy yx y 2
 x2
Dans le cas d’une fonction à 2 variables x , y on obtient 4
dérivée partielles seconde
f ( x , y, z )
x z
y
f f f
x y z
2 f 2 f 2 f 2 f 2 f 2 f 2 f
2 f 2 f
yx zx xy y 2 zy xz yz z 2
x 2
Dans le cas d’une fonction à 3 variables x , y et z on obtient 9

dérivée partielles seconde
f ( x, y )  3x 2 y  xy3  x  y
Exemple-1
On dérive par rapport à y constant
x
f 2 f
 6 xy  y3  1  6y
x On dérive par  x 2
rapport à x
une 2ème fois
f ( x, y )  3x 2 y  xy3  x  y
On dérive par rapport à x
y constant
f 2 f
 6 xy  y3  1  6 x  3y 2
x On dérive xy
par
rapport à y
f ( x, y )  3x 2 y  xy3  x  y
On dérive par rapport à y
x constant
f 2 f
 3x 2  3xy 2  1  6 xy
y On dérive par rapport y 2
à y une 2ème fois
f ( x, y )  3x 2 y  xy3  x  y
On dérive par rapport à y
x constant
f 2 f
 3x 2  3xy 2  1  6 x  3y 2
y On dérive par yx
rapport à x une
Exercice : Calculer les dérivée partielles premières et secondes des fonctions

suivantes :
1. f ( x, y)  xln y  y ln x
2. f ( x, y)  x3  y3  6xy
1. f ( x, y)  xln y  y ln x
x y
f f
 ln y  y / x  x / y  ln x
y
x
x y
2 y x 
2
f
 f  x / y2
 y / x 2 2
2 y
x
2 f 2 f
 1/ x  1/ y
xy yx
1. f ( x, y)  x3  y3  6xy
x y
f f
 3y 2  6 x
 3x 2  6y y
x
x y
y x 2 f
2 f  6 y
 6x 2
x 2 y
2 f 2 f
  6
xy yx
6.3 Théorème de Schwartz
Généralisation : cas de n variables
IRn IR
f:(x1, ..., xn) → z= f (x1, ..., xn)
Si la fonction f admet des dérivées partielles secondes continues, on démontre

que : 2 f 2 f

x i x j x j x i
6.4 Différentielle totale

Rappelons la notion de différentielle pour une fonction à une variable f(x).
⇒ différentielle de f = produit de la dérivée par la différentielle de la variable :
df  f '(x)dx.
On appelle différentielle totale de la fonction f(x , y) la quantité :

f f
df  dx  dy
x y
Pour une fonction de n variables ( x1,x2,……xn), on a :
df  f dx  f dx  .....  f dxn
x 1 x 2 xn
1 2
n
  f dx
i 1xi i
Exercices
1) f ( x, y)  x3  y3  2xy
2) f ( x, y, z )  xyz
3)
y
f ( x, y, z,t )  xe  zet
4) f ( x, y, z )  x 2y3z 7  x  sin( z )  2
1)
f ( x, y)  x3  y3  2xy
f f
On a  3x 2  2y et  3y2  2x
x y
Donc df  (3y2  2x )dx  (3x 2  2y)dy
Exemple-2
2) f ( x, y, z )  xyz
f f f
On a  yz  xz  xy
x y z
Donc df  (yz )dx  (xz)dy  (xy)dz

3) f ( x, y, z,t )  xey  zet

f f f f
On a  ey  xe y  et  zet
x y z t
df  (e y)dx  (xey)dy  (et )dz  (zet )dt

Donc
Exemple-4
4) f ( x, y, z )  x 2y3z 7  x  sin( z )  2
f f f
On a  2xy3z 7  1  3x 2y2z 7  7 x 2y3z 6  cos( z )
x y z
Donc df  (2xy3z7)dx  (3x 2y2z7)dy  (7x 2y3z6  cos(z))dz
89
6.5 Analyse vectorielle :GRADIENT
Indique de quelle façon le champ varie dans l’espace. Il est donc défini à
partir des dérivées partielles. C’est un vecteur. Soit f une fonction à trois
variables f:D  3  ,
( x, y)  f(x,y).
Le gradient est un opérateur qui s’applique à un champ de scalaires et le
transforme en un champ de vecteurs :
f  

 
gradf  x  

f  
 
y  

6.5 Analyse vectorielle :GRADIENT

Le gradient est un opérateur. Il est parfois noté par :
 : ( 2  )  ( 2  )
f 

 
 
 
x 
f 

 
y 

 
Pratiquement, le gradient indique la direction de la plus grande

variation du champ scalaire, et l’intensité de cette variation. Par
exemple, le gradient de l’altitude est dirigé selon la ligne de plus
grande pente et sa norme augmente avec la pente.
6.6 Fonctions homogène

 Soit f une fonction réelle de n variables définie sur IRn on dit que f
est homogène de degré K ( k  IR ) si :
 (x1, ..., xn) є IRn et  λ є IR 
f (λ x1, λ x2..., λ xn) =  k f(x1, x2 ..., xn)
Le nombre λ est appelé degré d’homogénéité de la fonction
Exemple
1. 1
f ( x , y)  x 2 y 2 2. x 2  y2
f(x,y) 
2 xy
1)
Exemples
1) f ( x , y)  1 x 2 y 2
2
1 1
∀ 𝜆 ∈ ℝ∗ f (x , y)  (x ) 2 (y) 2  2 x 22 y 2  4 f ( x , y)
2 2
f est une fonction homogène de degré 4
x 2  y2
2) f(x,y) 
xy
2 2
∗ (x )  (y) 2 x 2   2y 2 2
∀𝜆 ∈ℝ f(x,y)    f ( x , y)  0 f ( x , y)
(x )(y) 2 xy 2
f est une fonction homogène de degré 0
6.8 THEOREME D’EULER

Définition : Si f est une fonction homogène de degré λ, admettant des dérivée partielles premières
continues; f(x , y) est homogène de degré λ si seulement si l’égalité suivante est vérifiée :
f f
x y  f ( x, y)
x y
x
Exemple : soit la fonction définie par f ( x, y)  xe y
f 1 x  x2 x
f x x x  x(x )e y)  e y
a) ex y  e y  e x y (1  ) b) y 2 y 2
y y y
x
f f  x   2 
 x y x 
x y  x e x y e   y ex y   f ( x , y)
 y   y2
x y    
Généralisations
Pour n variables ( x1, x2..., xn), le théorème d’Euler s’ecrit
n f (x1, x2....., xn )
λ f ( x1, x2..., xn) =  .x
i1 x i
i
Exercice
soit la fonction définie par f (x, y)  3x 4  2x 2y2  7y4
1.Montrer que f est une fonction homogène dont vous préciserez le degré.
2. Vériﬁer l’égalité d’Euler pour cette fonction
95
Application en micro-économie
Contexte
La fonction de production décrit la relation entre la quantité produite d’un bien quelconque et
les quantités des différents facteurs de production nécessaires à sa fabrication.
Lorsqu’il y a deux facteurs de production (cf exemple ultérieur ou les facteurs de production
sont la terre et le travail dans l’opération de récolte), la fonction de production est une fonction
numérique
Q( K ,de
L) 2aK  L Qréelles
variables (k, l )  :àx titre
y, illustratif,
ou Q( x, y) onxy
peut envisager des fonctions du type
ou encore :Q k, l = 𝛽𝑥 + φ𝑦 ou Q x, 𝑦 = 𝜆𝑥𝑦 ou encore Q x, 𝑦 = 𝛼 𝑥𝑦 = 𝛼𝑥 1/2 𝑦1/2 avec α , β,φ
et λ des paramètres ou plus généralement : Q k, l = 𝑎𝑘 𝛼 𝐿𝛽 avec α et β qui est la fonction de
Cobb-Douglas.
Q( x, y)   xy  x1/ 2 y1/ 2
Exemple 1 :Productivité marginale
la dérivée partielle de f par rapport à K mesure le taux de variation de la quantité produite

lorsque la quantité de capital K utilisée est modifiée d’une unité, en supposant inchangée
la quantité de travail N utilisée, c’est pourquoi elle est appelée productivité marginale du
capital qui est noté :
f
f ' ( K , L) 
K K
De la même manière on définit la productivité marginale du travail comme la variation de

la quantité produite consécutive à la modification de la quantité de travail L utilisée d’une
unité, en maintenant fixée à K* la quantité de capital, elle est donnée par la dérivée
partielle de la fonction de production par rapport à N :
f
f ' ( K , L) 
L L
Exemple 2 -Productivité marginale
6.9 Matrice Hessienne

Définition
Soit f : R2 → R, a R2, a = (a1,a2). On suppose que f admet des dérivées
partielles en a jusqu’à l’ordre deux. La matrice de taille 2*2 formée des
dérivée seconde de f en a noté H f (a) , est appelée matrice hessienne de f en
a:

 f 2
2 f 
 (a1 ,a 2 ) (a1 ,a 2 ) 
 x 2
xy 
H f (a) 
 2 f  f
2

 yx (a1 ,a 2 ) y
(a1 ,a 2 ) 
 
2
100
Exemple
f(x,y)  5 x 3  2 y 3  xy
f 2 f
(x,y)  15x 2  y (x,y)  30 x
x x 2
f 2 f
(x,y)  6 y 2  x (x,y)  -12y
y y 2
2 f 2 f
(x,y)  1 (x,y)  1
xy yx
Matrice hessienne de f calculée en a=(2,1)
 60 1 
Hessf( 2 ,1)   
 1  12 
6.9 Matrice Hessienne

Généralisation (n=3)
Ainsi, pour une application de ℝ2 dans ℝ,la matrice hessienne 3 lignes et 3 colonnes
 2 f 2 f 2 f 
 
 x 2
xy xz 
 2 f 2 f 2 f 
h( f )  

 2x y y 2 yz 
 f 2 f 2 f 
 xz yz z 2 

Exemple
Soit la fonction f ( x, y)  x 2y  xy3
Calculer le Hessienne de f aux points (0;0), (1;2) et (-2;1)

Solution
f 2 f
(x,y)  2 xy  y 3 (x,y)  2 y
x x 2
f 2 f
(x,y)  x 2  3xy 2 (x,y)  6 xy
y y 2
2 f 2 f
(x,y)  2 x  3y 2 (x,y)  2 x  3y 2
xy yx
Donc Le Hessien de f au point (x , y) est donné par : 2y 2x  3y 2

H ( x, y) 
f 2x  3y 2  6xy
0 0
Ainsi au point (0,0) on a : H (0,0)  000
f 0 0
Au point (1,2) : 4  10
H (1,2)   48  100  148
f  10  12
2 7
Au point(-2,1): H (2,1)   24  49  25
f 7 12
104
Exercice
Soit les fonctions de deux variables définies par :
f ( x , y )  x 2  2y 2  xy  x
0
f ( x , y )  x 2 y  y ln x
1
2 t 2  3t
f (t , z )  z e  cos(t )  3z 2
2
f (t , z )  t 2 z
3
1. Calculer les dérivées partielles premières et secondes de f
2. Former la hessienne et calculer la hessienne de chaque fonction
105
7.Optimisation des fonctions de plusieurs variables

Problème
Soit f(x , y) une fonction de deux variables définie sur

un domaine D
( x, y)D  IR2
On cherche les couples (x , y) qui rendent f maximale

ou minimale
7.Optimisation des fonctions de plusieurs variables

Un maximum global (s’il existe) est un point (x0,y0) du domaine D qui vérifie :
(x, y) D : f (x, y)  f (x , y )

0 0
Un minimum global (s’il existe) est un point (x0,y0) du domaine D qui vérifie :
(x, y) D f (x, y)  f (x , y )

0 0
Illustration graphique des max et min global
108
9.1 Optimisation libre des fonction de deux variables

9.1.1 Extremums locaux libres
On cherche les extrémums “locaux” de la fonction f sachant qu’il n’y a aucune contrainte sur
les variables x et y : on dit que les variables x et y sont indépendantes ou libres.
On parle alors d’extrémums libres de la fonction f sur le domaine D
Théorème
Pour qu’une fonction f(x , y) pourvue de dérivée partielles continues admette un extremum en
un point M0 (x0,y0), il faut et il suffit que :
1.Les dérivées partielles premières de f soient nulles en M0

2.Les dérivées partielles secondes satisfassent l’inégalité :
𝜕2 𝑓 𝜕2 𝑓
ൗ𝜕𝑥2
𝜕𝑥𝜕𝑦
𝐷1 = 𝐻𝑓 𝑥0, 𝑦0 = >0
𝜕2 𝑓 𝜕2 𝑓
ൗ𝜕𝑥𝜕𝑦 ൗ𝜕𝑥2
Méthode à suivre
Etape 1 : Recherche des points critiques ou points Stationnaires
condition du premier ordre
𝜕𝑓(𝑥,𝑦)
=0
𝜕𝑥
Ce sont les couples (x , y) solutions du système : ൞𝜕𝑓(𝑥,𝑦)
=0
𝜕𝑦
Les couples (x0 , y0) ; (x1 , y1) ; (x2 , y2) ... (xn , yn) sont les candidats ( ...pour être extrémums), ou
les points critiques de f : points stationnaires de f
Etape 2 nature des candidats

n point critique d’une fonction de plusieurs variables a été détecté. Que cache-t-il ? Un minimum,
un maximum ou un point selle ? Plusieurs techniques existent pour parvenir à le définir.
La nature de l’extremum, minimum ou maximum dépend de la dérivée seconde si elle existe.
110
Etape 2 nature des candidats (suite)

2.Condition du second ordre
On calcule le Hessien de f pour chaque candidat. Soit (x0 , y0) un candidat issu de
l’étape 1 :
𝜕2 𝑓(𝑥0 ,𝑦0 ) 𝜕2 𝑓(𝑥0 ,𝑦0 )
ൗ𝜕𝑥 2
𝜕𝑥𝜕𝑦
𝐻𝑓 𝑥0, 𝑦0 =
𝜕2 𝑓(𝑥0 ,𝑦0 ) 𝜕2 𝑓(𝑥0 ,𝑦0 )
ൗ𝜕𝑥𝜕𝑦 ൗ𝜕𝑥 2
 1er cas : Si Hf (x0 , y0)< 0 pas d’extrémum en (x0 , y0) « Ni Max ni Min » Il s’agit d’un Col ou un
point-selle en (x0 , y0)
 2ème cas Si Hf (x0 , y0) >0 f présente un extrémum en (x0 , y0)

o Pour savoir s’il s’agit d’un Max ou d’un Min , on regarde le signe de la dérivée seconde par
rapport à x (ou par rapport à y) :
Faculté de l’Economie et de Gestion de Béni Mellal Sciences Economique & Gestion (S1)-2020-2021
111
Enseignant : E.majidi
𝜕2 𝑓(𝑥0 ,𝑦0 )
o Si <0 f présente un Maximum en (x0 , y0)
𝜕𝑥 2
𝜕2 𝑓(𝑥0 ,𝑦0 )
o Si >0 f présente un Minimum en (x0 , y0)
𝜕𝑥 2
 3ème cas: Hf (x0 , y0)=0 , dans ce cas, on ne peut rien conclure

 Remarque : Dans ce cas, on peut faire appel à d’autres méthodes Récapitulatif
112
Résumé-1
2 f
Posons D 
1 x 2
& D2  H f (x0, y0 )
D 0
2 Point col
? D
2
Calcul direct: D  0 : extremum

Signe de Δf
2
D
1 Point Max
D 0
1
D 0
1
POINT Min
113
Exemple
Soit les fonctions :
1. 𝑓 𝑥, 𝑦 = −3𝑥 2 − 4𝑦 2 − 3𝑥𝑦 + 69𝑥 − 93𝑦
2. 𝑓 𝑥, 𝑦 = 3𝑥𝑦 − 𝑥 3 − 𝑦 3
Trouver les extrémums « locaux » de la fonction f
f (x, y)  3xy  x3  y3
Etape 2: nature des candidats

On calcule le Hessienne de f au point (7 ; 9) :
𝜕2 𝑓(7,9) 𝜕2 𝑓(7,9)
ൗ𝜕𝑥2 −6 −3
𝜕𝑥𝜕𝑦
𝐻𝑓 7, 9 = ⇒ 𝐻𝑓 7, 9 = = 39 > 0
𝜕2 𝑓(7,9)
ൗ𝜕𝑥𝜕𝑦 𝜕2 𝑓(7,9)
ൗ𝜕𝑥2 −3 −8
f présente donc un extrémum au point (7 , 9)
Pour savoir s’il s’agit d’un Max ou d’un Min, on regarde le signe de la dérivée seconde par
𝜕2 𝑓(7,9)
rapport à x : ( son signe + ou -)
𝜕𝑥 2
𝜕2 𝑓(7,9)
= −6 < 0 f présente donc un Maximum « local » au point (7;9)
𝜕𝑥 2
La valeur de ce maximum est : 𝑓 7,9 = 660 ( image du point (7,9) par la
fonction 𝑓 𝑥, 𝑦 = −3𝑥 2 − 4𝑦 2 − 3𝑥𝑦 + 69𝑥 − 93𝑦 )
2. 𝑓 𝑥, 𝑦 = 3𝑥𝑦 − 𝑥 3 − 𝑦 3
Etape 1: Recherche des candidats ou points critiques on doit résoudre le
système suivant :

 f (x, y)  0  

 2
 3(y  x )  0
2 y  x 2 y  x


x   
 f (x, y)  0 3( x  y )  0
 2  x  y
 2  2 2 4
  x  ( x ) x

 y

  2
 y  x

2

 y  x 
y  x

2 x  0

 ..ou..x 1

 
y  0 y 1
x  x4  0


3
x(1 x )  0



 x  0..ou..x 1  

Nous avons ici deux candidats (0 ; 0) et (1; 1)

Etape 2: nature des candidats

On calcule le Hessienne de f aux points (0 ; 0) & (1;1)
 6x 3  H (0,0)   9  0
0 3
H (x, y)  f
f 3  6y 3 0
pas d’extrémum en (0,0)
6 3
H (1,1)   36  9  27  0  Extrémum en (1,1)
f 3 6
 Etape 2: nature des candidats (suite)
On regarde le signe de la dérivée seconde de f par rapport à x au point (1 ; 1) :
2
'' ( x, y)   f
f xx  6x  f xx
'' (1,1)  6  0
2
 x
f présente donc un Maximum « local » au point (1 ;1)
La valeur de ce maximum est : f (1,1) 1
Remarque
 Pour chercher les extrema d'une fonction de plusieurs variables, on commence toujours à
regarder les points critiques qui seront des candidats potentiels pour les extrema locaux.
 Une fois les points critiques déterminés, il faut ensuite vérifier si chacun des points critique est
effectivement un minimum/maximum ou non en calculant la matrice hessienne.
Extrémums ”locaux” liée

MOTIVATION
Nous passons maintenant à un problème un peu différent : la recherche
d’extrema liés, aussi appelés extrema sous contrainte.
Ici les deux variables x et y sont liées par une relation appelée contrainte.
Pour chercher les extrema de la fonction f(x,y) sous la contrainte g(x , y)=0 on
distingue deux méthode:
On explicite la contrainte quand cela est possible:
Méthode de substitution On recourt au multiplicateur de Lagrange.
Extrémums ”locaux” liée
 Méthode de substitution
 multiplicateur de Lagrange.
1ère Méthode: Substitution

Objectif : chercher les extremums d'une fonction de deux variables f sous la contrainte c.
Limite de la méthode : pas toujours réalisable.
Mise en œuvre : dans la contrainte c(x; y) = 0, exprimer
1. la variable x en fonction de y : on obtient x = h(y)
2. ou la variable y en fonction de x : on obtient y = h(x).
Dans les deux cas, h est une fonction de une variable. Les valeurs f(x; y) deviennent alors
1. soit g(y) = f (h(y); y) dans le premier cas ;
2. soit g(x) = f (x; h(x)) dans le second cas
Il faut alors chercher les extremums de la fonction g qui est une fonction d'une variable
Exemple
On considère la fonction :𝑓 𝑥, 𝑦 = 2𝑥𝑦 1 𝑒𝑡 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑐 𝑥, 𝑦 = 2𝑥 + 3𝑦 − 6 (2)
Dans cet exemple, particulièrement simple, on peut tirer y de la relation (2) que l’on remplace
dans la relation (1), on obtient ainsi une fonction à une seul variable x dont on sait calculer
extremum:
2
On a 𝑐 𝑥, 𝑦 = 2𝑥 + 3𝑦 − 6 ⇒ 𝑦 = 2 − 3 𝑥
Ainsi, les couples vérifiant c(x; y) = 0 sont transformés par f en:
2 2 4
𝑓 𝑥, 2 − 𝑥 = 2𝑥 2 − 𝑥 = 4𝑥 − 𝑥 2
3 3 3
4
Et on doit étudier les extremum de : 𝑔 𝑥 = 4𝑥 − 𝑥 2
3
′ 8
On calcule 𝑔 𝑥 =4− 𝑥
3
Ainsi 𝑔 𝑥 ′ ≥ 0 pour x >3/2 et 𝑔 𝑥 ′ ≤ 0 pour x < 3/2 et g a un maximum atteint en x = 3/2 .

On a alors y = 2-2/3*3/2=1
• Sous la contrainte 2x + 3y -6 = 0, la fonction f(x; y) = 2xy admet un maximum, ce maximum est
atteint en (3/2 ; 1) et vaut f(3/2,1)=3
125
2ème Méthode: Lagrange

Cette méthode permet de ramener la résolution d’un problème extremum lié à celle
d’un problème extremum libre , beaucoup plus facile.
On intègre la contrainte dans le problème en considérant la fonction de Lagrange « à 3
variables » suivante : ∀ 𝑥, 𝑦 ∈ ℝ2 𝑒𝑡 𝜆 ∈ ℝ on a :
𝐿 𝑥, 𝑦, 𝜆 ) = 𝑓 𝑥, 𝑦 + 𝜆𝑔(𝑥, 𝑦)
Avec 𝜆 est le multiplicateur de Lagrange
 On cherche alors les extrémums « libres » de la fonction L :
 Deux étapes :
 Recherche des candidats

 Nature des candidats
 Problème à 3 variables !!
 On cherche alors les extrémums « libres » de la fonction L :
 Deux étapes :
 Recherche des candidats

 Nature des candidats
 Problème à 3 variables !!

Etape 1 : Recherche des candidats
On commence par résoudre le système :
L'x(x, y, )  0





L'y (x, y, )  0



S= 







' (x, y, )  0
L


 Les solutions (x1 , y1 , λ) ; (x2 , y2 , λ ) ... du système S sont les candidats

Etape 2 : Nature des candidats
 On calcule le Hessien de L pour chaque candidat.
 Soit (x1 , y1 ,λ1) un candidat issu de l’étape 1
HL (x1 , y1 , 1 )

L'xx
' L'xy
' L''
x
''
H ( x1, y1,1)  L yx L'' L''
L yy y
L'' L'' L''
x y 
Calculé au point (x1 , y1 , )

1

 Si HL (x1 , y1 , ) >0 f présente un Maximum en (x1 , y1)

1
 Si HL (x1 , y1 ,
1 )<0 f présente un Minimum en (x1 , y1)
 Si HL (x1 , y1 ,
1 )=0 Dans ce cas, on ne peut rien conclure
Rechercher les extremums éventuels de la fonction :
f ( x, y)  x  y  5 sous la contrainte : x 2  y2 1
SOLUTION
On pose : g( x, y)  x 2  y2 1
Soit la fonction de Lagrange:
L(x, y, )  f ( x, y)  g( x, y)  x  y  5   (x 2  y2 1)
133
 Etape 1 : Recherche des candidats

 On doit résoudre le système
 L'x (x,y, )  0

1 2x  0 (1)
 
 
 
L'y(x,y, )  0  1 2y  0 (2)


 

 
 


x 2  y2 1 0 (3)

L' (x,y, )  0
 
 



  1/ 2x
 


   1/ 2 y










x2  y2 10
134
Egalité des deux premières équations :
  1/ 2x  1/ 2 y  x  y
 On remplace dans la 3ème équation :
2
x  y 1 2x 1 x  
2 2 2
2

x 2  y 2
car x=y et   1  2
2 2 2x 2
 Nous avons donc deux candidats :
2 2 2 2 2 2

( , ) avec   (& , ) 
avec 2 2 2 2 2 2
Calcul du Hessien de L :
2 0 2x
H ( x, y, )  0 2 2y
L
2x 2y 0
 En développant suivant la 1ère ligne par exemple :

 On obtient :
2 2y 0 2y 0 2
H ( x, y,  )  2 0  2x
L 2y 0 2x 0 2x 2y
 8y2 8x2
 8(x2  y2)
Ainsi :
2 2 8 2
H ( , ) 0
 L :
2 2 2
Maximum en ( 2 / 2, 2 / 2)
2 2 8 2
 H ( , ) 0 :
L
2 2 2
Minimum en ( 2 / 2, 2 / 2)
Conclusion
 La fonction f présente deux extrémums sous la contrainte :

x2  y2 1
 Un Maximum en 2 2
( , )
2 2
 Un Minimum en 2 2
( , )
2 2
 Optimisation avec contrainte: on souhaite résoudre le problème d’optimisation suivant:
 2 2
( p) optimiser



f ( x , y)  x  2y  2xy  x
sous la contra int te x  2y 1



1) Donner le lagrangien associé à (p) et déterminer le(s) point(s) critique(s)

2) Préciser la nature du ou des extrema(minimum ou maximum, local ou global).
3) Retrouver le résultat président en utilisant la méthode de substitution

M6 BC Chapitre 2 Fonctions Plusieurs Variables 2021

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

M6 BC Chapitre 2 Fonctions Plusieurs Variables 2021

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 2 : les fonctions à plusieurs variables

 Remarque : On s’intéresse dans le cadre de ce cours

Domaine de la variable x Domaine de la variable y

F‘(x,y) est définie ssi (𝑥 + 3) > 0 et 𝑦 + 2 > 0

On obtient une surface ici un paraboloïde

 Exemple ( courbes de niveaux)

Représentations graphiques des courbes de niveaux

Représentations graphiques des courbes de niveaux

Représentations graphiques des courbes de niveaux en 3D

Exemple 1 ( limite finie)

lim 𝑥 3 − 4𝑥𝑦 2 + 5𝑦 − 7 = 23 − 4 ∗ 2 −3 2 + 5 −3 − 7 = −86

Exemple 2 ( limite infini)

3ème méthode: coordonnées polaires pour le calcul de limites

lim(𝑐𝑜𝑠 2 𝜃 −𝑠𝑖𝑛2 𝜃 = lim cos(2𝜃)

Dérivées partielles premières

Dérivées partielles premières

Lorsqu’on dérive par rapport à une variable,

Dérivées partielles premières

Dérivées partielles premières

f(x,y)  5x3  2y2  x  7y

f (x,y) 15x 2 1 f (x,y)  4y  7

Dérivées partielles premières

f(x, y)  5x3 2 y3 xy

Dérivées partielles premières

f(x,y)  5x3  2y2  x  7y

f (x,y) 15x 2 1 f (x,y)  4y  7

Dérivées partielles premières

f(x, y)  5x3 2 y3 xy

Dérivées partielles premières

Dérivées partielles premières

Exemple-5 : Trouver les dérivés partielles 1ères de la fonction suivante:

Exemple-5 ( suite): Trouver les dérivés partielles 1ères de la fonction

Exemple-6 : Trouver les dérivés partielles 1ères de la fonction

Exercices (Dérivées partielles premières )

6.2Dérivées partielles seconde ( ou d’ordre 2)

Une dérivée partielle est une fonction de deux variables x

Les dérivées partielles premières étant des fonctions de deux

6.2 Dérivées partielles seconde ( ou d’ordre 2)

Si on dérive une fonction f par rapport à la première variable x et si on

Si on dérive une fonction f par rapport à la première variable x et si on

2 f On dérive f par rapport à x ensuite par rapport à y

2 f On dérive f par rapport à y ensuite par rapport à x

Dans le cas d’une fonction à 3 variables x , y et z on obtient 9

à y une 2ème fois

Exercice : Calculer les dérivée partielles premières et secondes des fonctions

Généralisation : cas de n variables

Si la fonction f admet des dérivées partielles secondes continues, on démontre

6.4 Différentielle totale

On appelle différentielle totale de la fonction f(x , y) la quantité :

Donc df  (3y2  2x )dx  (3x 2  2y)dy

Donc df  (yz )dx  (xz)dy  (xy)dz

3) f ( x, y, z,t )  xey  zet

df  (e y)dx  (xey)dy  (et )dz  (zet )dt

Donc df  (2xy3z7)dx  (3x 2y2z7)dy  (7x 2y3z6  cos(z))dz

6.5 Analyse vectorielle :GRADIENT

6.5 Analyse vectorielle :GRADIENT

Pratiquement, le gradient indique la direction de la plus grande

6.6 Fonctions homogène

f (λ x1, λ x2..., λ xn) =  k f(x1, x2 ..., xn)

Le nombre λ est appelé degré d’homogénéité de la fonction

f est une fonction homogène de degré 0

6.8 THEOREME D’EULER

Exemple 1 :Productivité marginale

la dérivée partielle de f par rapport à K mesure le taux de variation de la quantité produite