Chapitre 2.

Fonctions de plusieurs variables réelles

Ce chapitre est une introduction aux fonctions de plusieurs variables réelles. On ex-
pose rapidement la technique de calcul des dérivées partielles et quelques définitions
et propriétés.

1 – Dérivées partielles.
On se place dans le cas particulier d’une fonction de R2 dans R (généralisation
immédiate à f : Rn → R).

1.1 Dérivées partielles premières.

Soient f : R2 → R, (x, y) 7→ f (x, y) une fonction de deux variables réelles et
M0 = (x0 , y0 ) un point du domaine de définition de la fonction f .
On étudie la limite :
f (x0 + h, y0 ) − f (x0 , y0 )
lim
h→0 h
∂f
Si cette limite existe on la note (M0 ). C’est la dérivée partielle première de
∂x
f relativement à la variable x.

De la même manière, donner la définition de la dérivée partielle première de f ,

relativement à y, au point M0 .

1.2 Fonctions dérivées partielles premières.

Toute fonction réelle f : R2 → R admet donc deux fonctions dérivées partielles
premières :
∂f ∂f ∂f ∂f
: R2 → R, M 7→ (M ) : R2 → R, M 7→ (M )
∂x ∂x ∂y ∂y
Leur domaine de définition est contenu dans celui de la fonction f .

Technique de calcul : lorsque tout est “bien défini et dérivable”, pour déterminer
∂f
la fonction : R2 → R, on fixe mentalement la variable y dans l’expression de
∂x
f (x, y) et on dérive par rapport à x.

Exemples. Déterminer les fonctions dérivées partielles premières des fonctions sui-
vantes.
(1) f (x, y, z) = x3 + y 2 z + xz 2
x2 y
(2) f (x, y, z) =
(2y + z)
2
p
(3) f (x, y) = 3x2 y + ln(x2 − y 2 ) + ex y + x2 − y 3
x3 y
(4) f (x, y) = 2 si (x, y) 6= 0, 0 en (0, 0)
x + y2

1
1.3 Interprétation géométrique.
(1) Dans le plan.
On travaille sur R2 , le plan affine euclidien, muni d’un repère orthonormé, noté
R = (O,~i, ~j). Soit f : R2 → R, une fonction réelle définie sur Ω.
On sait que l’équation f (x, y) = 0 définit une courbe C de R2 .
~ (M ) = ∂f (M )~i + ∂f (M )~j est un vecteur normal à la tan-
Alors le vecteur gradf
∂x ∂y
gente à la courbe C au point M .

(2) Dans l’espace.

On travaille sur R3 , l’espace affine euclidien, muni d’un repère orthonormé, noté
R = (O,~i, ~j, ~k). Soit f : R3 → R, une fonction réelle définie sur Ω.
On sait que l’équation f (x, y, z) = 0 définit une surface S de R3 .
~ (M ) = ∂f (M )~i + ∂f (M )~j + ∂f (M )~k est un vecteur nor-
Alors le vecteur gradf
∂x ∂y ∂z
mal au plan tangent à la surface S au point M .

Exemple. Soit f (x, y) = x2 + y 2 une fonction. On note C la courbe du plan affine

R2 définie par f (x, y) = 1. Déterminer la direction de la tangente à C en tout point
de C. Est-ce en accord avec ce que l’on sait ?

1.4 Dérivées partielles successives.

∂f
Soit f : R2 → R alors : R2 → R est aussi une fonction de 2 variables qui admet
∂x
deux fonctions dérivées partielles premières de R2 dans R.

∂ 2f ∂ 2f
   
∂ ∂f ∂ ∂f
On note : = et =
∂y ∂x ∂y∂x ∂x ∂x ∂x2

Ces fonctions sont appelées des dérivées partielles secondes de la fonction f .

Conclusion. Une fonction de R2 dans R admet 2 fonctions dérivées partielles

premières et 4 fonctions dérivées partielles secondes.

Question. Soit f : R3 → R une fonction. Combien possède-t-elle de dérivées

partielles secondes ?
Définition. Pour f : Rn → R on classe ces fonctions dérivées partielles secondes
dans une matrice carrée de taille n appelée la Hessienne de f au point M de Rn .

2
1.5 Notations et résultat.
• On dit que f : R2 → R est de classe C1 sur Ω si les deux fonctions dérivées
∂f ∂f
partielles premières et sont définies et continues sur Ω.
∂x ∂y
• On dit qu’elle est de classe C2 sur Ω si les 4 fonctions dérivées partielles secondes
existent et sont continues sur Ω.
• On admet que les fonctions usuelles sont de classe C n , pour tout n, sur leur
domaine de définition (sauf peut-être en un nombre fini de points).

1.6 Théorème. [Schwarz]

Soit une fonction f : R2 → R, de classe C 2 sur Ω. Alors
∂ 2f ∂ 2f
∀M ∈ Ω, (M ) = (M ).
∂x∂y ∂y∂x
On retiendra que pour les fonctions usuelles, on peut calculer les dérivées partielles
secondes croisées en dérivant dans l’ordre que l’on veut.
La matrice Hessienne en un point de ces fonctions est donc une matrice symétrique
réelle.

2 – Fonctions vectorielles F~ : Rn → Rp .
2.1 Définition.
Soit F~ : Rn → Rp une fonction, avec p ≥ 2. On dit que F~ est une fonction
vectorielle (car à valeurs dans Rp ) de n variables réelles.
Remarque. Une fonction vectorielle à valeurs dans Rp est entièrement déterminée
par la donnée de p fonctions à valeurs réelles. On a :
F~ : Rn → Rp

(x1 , . . . , xn ) 7→ f1 (x1 , . . . , xn ), . . . , fp (x1 , . . . , xn )
On peut donc écrire F~ = (f1 , . . . , fp ), où chaque fj est une fonction réelle de n
variables réelles.

Exemple. Le vecteur vitesse d’une particule en mouvement dans l’espace, est représenté
par une fonction vectorielle F~ : R3 → R3 .
 
P (M )
On note F~ (M ) =  Q(M )  ce vecteur vitesse en chaque particule M de l’espace.
R(M )
On dit aussi que c’est un champ vectoriel sur R3 .

3
2.2 Dérivée partielle première.
Soit F~ : R3 → R2 une fonction vectorielle.
On sait alors que F~ = (f1 , f2 ), avec fi : R3 → R fonction réelle, pour tout i.

∂ F~
Par définition la fonction vectorielle : : R3 → R2 est telle que :
∂x
∂ F~  ∂f
1 ∂f2 
(M ) = (M ), (M )
∂x ∂x ∂x
C’est la fonction dérivée partielle première de F~ relativement à x.

Conclusion Toute fonction vectorielle F~ : R3 → R2 possède donc 3 fonctions

dérivées partielles premières qui sont elles-mêmes des fonctions vectorielles de R3
dans R2 .
∂ F~  ∂f ∂f  ∂ F~
1 2
 ∂f ∂f 
1 2 ∂ F~  ∂f ∂f 
1 2
Ce sont : = , , = , et = ,
∂x ∂x ∂x ∂y ∂y ∂y ∂z ∂z ∂z

2.3 Matrice jacobienne.

La matrice jacobienne de F~ au point M , est la matrice des dérivées partielles
de la fonction au point M .
Le nombre de colonnes est la dimension de l’espace de départ, si F~ : Rn → Rp alors
la matrice jacobienne de F~ , en tout point, aura n colonnes et p lignes.

On la construit, par exemple, colonne par colonne :

∂ F~
Dans la première colonne se trouve le n−uplet (M ):
∂x1
∂f1 ∂f1 ∂f1
 
(M ) . . . (M ) . . . (M )
 ∂x1 ∂xj ∂xn 
 .. .. .. 
. . .
 
=
JF~ (M ) 

.. .. ..


not 
 . . . 

 ∂fp ∂fp ∂fp 
(M ) . . . (M ) . . . (M )
∂x1 ∂xj ∂xn

Question. De quelle taille est la matrice jacobienne d’une fonction f , de plusieurs

variables, à valeurs réelles ? Quel rapport avec le gradient de f ?