Cours Analyse Vectorielle Et Numérique

CHAPITRE 1
TOPOLOGIE DE RN
1.1 Introduction
Dans ce cours, on intéresse aux fonctions f définie sur un ensemble U de Rn à
valeur de Rp . Pour cela il faudra étudier tout d’abord la structure du domaine U
car le domaine est aussi important que la fonction comme nous le verrons.
Nous allons donc présenter les notions de distances, normes, ouverts, fermés, . . ..
des domaines inclus dans Rn qui nous seront utiles tout au long de ce cours pour
tous les nouveaux outils abordés.
Objectifs du chapitre
• Introduire les notions topologiques de Rn qui sont essentielles pour une étude
rigoureuse des fonctions de plusieurs variables.
• Savoir que sur les espaces Rn toutes les normes sont équivalentes et que ceci
implique l’étude d’une propriété topologique sur Rn ne dépend pas de la
norme choisie.
10
1.3 Notion de norme Chapitre 1
• Savoir que les espaces Rn sont complets en tant qu’espaces vectoriels normés.
1.2 L’espace vectoriel Rn

On désigne par Rn , n ∈ N? l’ensemble de tous les n-uples (ou vecteurs à n
composantes) (x1 , . . . , xn ), où xi , i = 1, · · · , n, sont des nombres réels, on note
 
x
 1 
 .. 
x =  . .
 
xn
Pour le calcul on utilise généralement des vecteurs-colonnes pour les éléments de Rn .

L’ensemble Rn est un espace vectoriel réel muni d’une addition
     
x1 y1 x1 + y1
 .   .   ..
     
x + y =  ..  +  ..  =  ,

.
     
xn yn xn + yn
et d’une multiplication avec un scalaire λ ∈ R définie par

   
x λx1
 1  
 ..   .. 

λx = λ  .  =  .  .
   
xn λxn
1.3 Notion de norme

La notion de norme sur Rn généralise la notion de valeur absolue sur R, on trouve
une seule valeur absolue sur R mais on peut définir plusieurs normes sur Rn , on note
la norme par k · k.
11 a.benia@univ-alger.dz
1.3 Notion de norme Chapitre 1
1.1 Définition (Normes sur Rn )

On appelle norme sur Rn l’application
k · k : E −→ [0, +∞[
x 7−→ kxk
qui vérifie pour tout x, y ∈ Rn et λ ∈ R

1) kxk = 0 ⇔ x = 0. (séparation)
2) kλxk = |λ|kxk. (homogénéité positive)
3) kx + yk 6 kxk + kyk. (inégalité triangulaire)
(Rn , k · k) est appelé espace vectoriel normé.
On peut munir Rn de plusieurs normes, on site parmi elles la norme de Manhattan

k · k1 , la norme euclidienne k · k2 et la norme infini k · k∞ , qui sont définies pour tout
x = (x1 , · · · , x2 ) de Rn comme suit
n
X
kxk1 = |xi | = |x1 | + |x2 | + · · · + |xn |,
i=1
v
u n q
uX
kxk2 = t xi = x21 + · · · + x2n ,
2
i=1
n
! p1
X
kxkp = |xi |p ,
i=1
kxk∞ = max(|x1 |, · · · , |x2 |).
On peut également définir sur Rn le produit scalaire, pour tout x = (x1 , · · · , x2 ) et

y = (y1 , · · · , yn ) de Rn par
n
X
< x, y >= xi .yi ,
i=1
on remarque que
√ q
kxk2 = < x, x > = x21 + · · · + x2n ,
Rn est un espace euclidien.
1.4 Topologie : ouvert, fermé, compact Chapitre 1
1.2 Définition (Normes équivalentes)

On dit que deux normes k · k et k · k0 sur Rn sont équivalentes s’il existe deux
constantes c1 > 0 et c2 > 0 telles que
∀x ∈ Rn , c1 kxk 6 kxk0 6 c2 kxk.
1.1 Théorème
Toutes les normes sur Rn sont équivalentes entre elles.
1.4 Topologie : ouvert, fermé, compact

1.3 Définition (Boules)
On muni Rn par la norme k · k, soit a ∈ Rn et r > 0.

1) On appelle l’ensemble B(a, r) = x ∈ Rn , kx − ak < r , la boule
ouverte de centre a et de rayon r.

2) On appelle l’ensemble B = x ∈ Rn , kx − ak 6 r la boule fermée de
centre a et de rayon r.

3) On appelle l’ensemble S(a, r) = x ∈ Rn , kx − ak = r la sphère de
centre a et de rayon r.
Exemple 1.1. La boule B(0, 1) dans R est l’intervalle ]1, −1[.

1.4 Définition
On muni Rn de la norme k · k, soient A, U , F et K des sous-ensembles de Rn .
1) On appelle voisinage d’un point a de Rn , tout ensemble V (a) qui

contient une boule ouverte, c’est-à-dire
∃r > 0, B(a, r) ⊂ V (A).
2) On dit que U est un ouvert de Rn si pour tout x de U il existe r > 0

tel que B(x, r) ⊂ A.
1.4 Topologie : ouvert, fermé, compact Chapitre 1
3) On dit que F est un fermé de Rn si CRn F est ouvert.
4) On dit que U est borné, s’il existe une boule qui contient tout les
éléments de U , c’est-à-dire
∃M > 0, ∀x ∈ U, kxk < M.
5) On appelle intérieur de A, le plus grand ouvert de Rn inclus dans A,

◦
on la note A.
6) On appelle adhérence de A le plus petit fermé de Rn qui contient A,

on la note A.
◦
7) F r(A) = A \ A.
8) Un point x de Rn est un point d’accumulation à A si tout voisinage

de x rencontre A\{x}. L’ensemble des points d’accumulations est noté
par A0 .
9) K est un compact de Rn si et seulement si K est fermé et borné.
Exemple 1.2.
1) Rn et ∅ sont à la fois ouverts et fermés.
2) Les boules fermées et les pavés fermées [a1 , b1 ] × · · · × [an , bn ] de Rn sont des
ensembles compacts de Rn .
3) A1 = {(x, y); x2 + y 2 < 1} est un ouvert de R2 .
4) A2 = {(x, y); x2 + y 2 6 1} est un fermé de R2 .
5) A3 = A1 ∪ {(1, 0)} n’est ni ouvert ni fermé.
6) ]0, 1[⊂ R est un ouvert de R.
1.4.1 Quelques propriétés élémentaires
1. Toute union finie ou infinie d’ouverts est un ouvert.
1.6 Suites de Rn Chapitre 1
2. Toute union finie de fermés est un fermé.
3. Toute intersection finie ou infinie de fermés est un fermé.
4. Toute intersection finie de d’ouverts est un ouvert.
5. Un ensemble fini de points de Rn est fermé.
1.5 Notion de distance

1.5 Définition
On dit que l’application
d : Rn × Rn −→ [0, +∞[
(x, y) 7−→ d(x, y)
définie une distance sur Rn si pour tout x, y et z de Rn
1) d(x, y) = 0 ⇔ x = y.
2) d(x, y) = d(y, x).
3) d(x, y) 6 d(x, y) + d(z, y).
(Rn , d) est appelé espace métrique.
Exemple 1.3.
d(x, y) = |x − y| est une distance sur R. En effet, pour tout x, y, z de R
1) |x − y| = 0 ⇔ x = y.
2) |x − y| = |y − x|.
3) |x − y| = |x − z + z − y| 6 |x − z| + |z − y|.
Remarque 1.1.
À partir d’une norme k · k définie sur Rn , on peut toujours définir une distance d
associée à cette norme par la relation d(x, y) = kx − yk. Réciproquement, il existe
des distances définies sur Rn qui n’induisent pas de norme associée à celles-ci.
1.6 Suites de Rn Chapitre 1
1.6 Limites de suites dans Rn

Soit k · k une norme sur Rn .
1.6 Définition
Soient (xm )m∈N une suite d’éléments de Rn et ` ∈ Rn . On dit que la suite
(xm )m∈N tend vers ` et on note
lim xm = `,
m→+∞
si
∀ε > 0, ∃N ∈ N, ∀m > N, kxm − `k < ε.
On retrouve les mêmes propriétés de base que pour la limite d’une suite réelle :
1.1 Proposition
1− Unicité de la limite. Soient (xm )m∈N une suite de Rn , `1 ∈ Rn et `2 ∈
Rn . Si xm → `1 et xm → `2 quand m tend vers +∞, alors `1 = `2 .
2− Linéarité de la limite. Soient (xm )m∈N et (ym )m∈N deux suites d’élé-
ments de Rn . Soient `1 , `2 ∈ Rn , et λ, µ ∈ R. S i
xm −→ `1 et ym −→ `2 ,
m→∞ m→∞
alors
λxm + µym −→ λ`1 + µ`2 .
m→∞
1.2 Proposition
Soient k · k et k · k0 deux normes sur Rn . Soient (xm )m∈N une suite de points
de Rn et ` ∈ Rn . Alors
kxm − `k −→ 0 ⇐⇒ kxm − `k0 −→ 0.

m→∞ m→∞
On munit maintenant Rn d’une norme quelconque, notée k · k.
1.7 Exercices sur le chapitre 1 Chapitre 1
1.7 Définition
On dit que la suite (xm )m∈N d’éléments de Rn est de Cauchy si
∀ε > 0, ∃N ∈ N, ∀p, q > N, kxp − xq k < ε
1.3 Proposition
Rn est complet. Cela signifie que toute suite de Cauchy dans Rn est conver-
gente.
1.7 Exercices sur le chapitre 1

Exercice 1. Soit x = (x1 , · · · , xn ) ∈ Rn . On pose
n n
!1/2
X X
kxk1 = |xi |, kxk2 = |xi |2 et kxk∞ = max |xi |.
16i6n
i=1 i=1
1− Montrer que k · k2 est une norme sur Rn .
2− Montrer que
√
kxk∞ 6 kxk2 6 kxk1 6 nkxk∞ et kxk2 6 nkxk∞ ,
pour tout x ∈ Rn .
Discuter le cas n = 1.
3− Représenter dans R2 la boule unité fermée
B(0, 1) = {(x, y) ∈ R2 , k(x, y)k 6 1}
par chacune des normes k · k1 , k · k2 et k · k∞ .
Exercice 2.
Soit l’espace vectoriel normé Rn .
1) Montrer que pour tous vecteurs x et y ∈ Rn on a l’inégalité
kxk − kyk 6 kx − yk.
1.8 Corrigé des exercices sur le chapitre 1 Chapitre 1
2) Déduire que si une suite de vecteurs xn ∈ Rn converge dans l’espace vectoriel

normé (Rn , k · k) alors
lim kxn k = k lim xn k

n→+∞ n→+∞
3) Soient xn et yn deux suites vectorielles de Rn . Montrer que si lim xn = a ∈

n→+∞
n
R et lim kxn − yn k = 0 alors lim yn = a.
n→+∞ n→+∞
Exercice 3.
Soit l’espace vectoriel normé Rn .
1 1
1) Soient p, q ∈]1, +∞ [ tels que p
+ q
= 1. Montrer que pour tout s, t > 0,
st 6 p1 sp + 1q tq
st = p1 sp + 1q tq ⇐⇒ sp = tq
2) Pour tout n ∈ N∗ et pour tout x = (x1 , . . . , xn ) ∈ Rn , on pose


 (|x |p + · · · + |x |p ) p1 si 1 6 p < +∞
1 n
kxkp =
 max (|x | , . . . , |x |) si p = ∞
1 n
Soient p, q ∈]1, +∞ [ tels que p1 + 1q = 1. Montrer que

! p1 ! 1q
n n n
|xj |p |yj |q
P P P
a) xj y j 6 (inégalité de Hölder).
j=1 j=1 j=1
! p1 ! p1 ! p1
n n n
|xj + yj |p |xj |p |yj |p
P P P
b) 6 + (inégalité de Minkowski)
j=1 j=1 j=1
1.8 Corrigé des exercices sur le chapitre 1

Corrigé de l’exercice 1
1) Les propriétés de séparation et d’homogénéité sont faciles à vérifier.

Pour montrer l’inégalité triangulaire, on considère deux points x = (x1 , . . . , xn )
et y = (y1 , . . . , yn ) de Rn . Si x + y = 0 alors le résultat est clair, sinon on a
d’après l’inégalité de Cauchy-Schwarz

n
X
kx + yk22 = (xj + yj )2
j=1
Xn n
X
= xj (xj + yj ) + yj (xj + yj )
j=1 j=1
n
!1/2 n
!1/2 n
!1/2 n
!1/2
X X 2
X X 2
6 x2j (xj + yj ) + yj2 (xj + yj )
j=1 j=1 j=1 j=1
6 (kxk2 + kyk2 ) kx + yk2 .
On obtient l’inégalité triangulaire en divisant par kx + yk2 6= 0
2) Montrons que pour tout x ∈ Rn
√
kxk∞ 6 kxk2 6 kxk1 6 nkxk∞ et kxk2 6 nkxk∞ ,
• Pour tout i, 1 6 i 6 n on a les inégalités
|xi | 6 max (|x1 |, · · · , |xn |) = kxk∞ ,
par sommation membre à membre, on obtient
|x1 | + · · · + |xn | = kxk1 6 nkxk∞ .
• Si on prend la somme des carrés des inégalités suivantes
|xi | 6 max (|x1 |, · · · , |xn |) = kxk∞ , 1 6 i 6 n,
on trouve que
x21 + · · · + x2n = kxk22 6 nkxk2∞ ,
ainsi
√
kxk2 6 nkxk∞ .
• On a
|x1 |2 + · · · + |xn |2 6 (|x1 | + · · · + |xn |)2 ,
alors
kxk22 6 kxk21 ,
d’où
kxk2 6 kxk1 .
• Comme pour tout 1 6 i 6 n nous avons les inégalités

q
|xi | 6 x21 + · · · + x2n | = kxk2
donc en passant au maximum on trouve
max (|x1 |, · · · , |xn |) = kxk∞ 6 kxk2 .
Pour n = 1, kxk1 = kxk2 = kxk∞ = |x|.
3) La boule B(0, 1) dans R2 est un losange par rapport à k · k1
B1 = {(x, y) ∈ R2 , |x| + |y| 6 1}
B(0, 1) dans R2 est un disque par rapport à k · k2
p
B2 = {(x, y) ∈ R2 , x2 + y 2 6 1}
B(0, 1) dans R2 est un carré par rapport à k · k∞
B3 = {(x, y) ∈ R2 , max (|x| + |y|) 6 1}
1) Soient x et y de Rn . En appliquant l’inégalité triangulaire, on obtient


 kxk = k(x − y) + yk 6 kx − yk + kyk
 kyk = ky = (y − x) + xk 6 kx − yk + kxk
ainsi 
 kxk − kyk 6 kx − yk
 kyk − kxk 6 kx − yk
puis
−kx − yk 6 kxk − kyk 6 kx − yk
d’où
kxk − kyk 6 kx − yk.
2) Soit (xn )n∈N une suite de Rn qui converge vers le vecteur ` ∈ Rn . Alors pour
tout ε > 0, il existe n0 ∈ N tel que
∀n ∈ N, n > n0 =⇒ kxn − `k < ε,
Ainsi, d’après la question 1) on a pour tout entier n ∈ N tel que n > n0
kxn k − k`k 6 kxn − `k,
alors
|kxn k − k`k | < ε,
d’où
lim kxn k = k`k = k lim xn k.
n→+∞ n→+∞
3) Soient xn et yn deux suites de Rn telles que
lim xn = a et lim kxn − yn k = 0.

n→+∞ n→+∞
D’après l’inégalité triangulaire
kyn − ak 6 kyn − xn k + kxn − ak,
Ainsi,
lim kxn − yn k = 0 et lim kxn − ak = 0,
n→+∞ n→+∞
en déduit que
lim kyn − ak = 0.
n→+∞
Donc, la suite de vecteurs (yn )n∈N converge vers a ∈ Rn .
1) Démonstration. Soit s > 0 fixé et pour tout t > 0, soit
1 1
ϕ(t) = sp + tq − st,
p q
alors ϕ est dérivable sur ]0, +∞ [ et on a
ϕ0 (t) = tq−1 − s.
Le tableau de variations de ϕ sur R+ , s’écrit
x 0 sp−1 +∞
ϕ0 (t) − 0 +
1 p
s +∞
p
ϕ(t)
0
On en déduit du tableau de variation de ϕ que pour tout t > 0, on a ϕ(t) > 0,

et
ϕ(t) = 0 ⇐⇒ sp = tq .
2) a) Si kxkp = 0 ou kykq = 0, l’inégalité est triviale, donc on suppose kxkp 6= 0

et kykq 6= 0. D’après le lemme précédent, pour tout j ∈ {1, . . . , n}, on a :
|xj | |yj | 1 |xj |p 1 |yj |q

6 +
kxkp kykq p kxkpp q kykqq
donc on a :
n n n
X |xj | |yj | 1 X p 1 X
6 p |x j | + q |yj |q
j=1
kxkp kykq pkxkp j=1 qkykq j=1
1 p 1 q
= p kxkp + q kykq
pkxkp qkykq
1 1
= + =1
p q
Par conséquent, on a
n
X n
X
xj yj 6 |xj | |yj | 6 kxkp kykq
j=1 j=1
b) On a
n
X n
X
p
|xj + yj | = |xj + yj | |xj + yj |p−1
j=1 j=1
n
X
6 (|xj | + |yj |) |xj + yj |p−1
j=1
n
X n
X
p−1
= |xj | |xj + yj | + |yj | |xj + yj |p−1
j=1 j=1
D’autre part, d’après l’inégalité de Hölder, on a

! p1 ! 1q
n n n
|xj | |xj + yj |p−1 6 |xj |p |xj + yj |(p−1)q
P P P
j=1 j=1 j=1
! p1 ! 1q
n n n
|yj | |xj + yj |p−1 6 |yj |p |xj + yj |(p−1)q
P P P
j=1 j=1 j=1
Par conséquent
n
! 1q
X p
kx + ykpp 6 (kxkp + kykp ) |xj + yj |
j=1
p
= (kxkp + kykp ) (kx + ykp ) q ,
d’où
p
(kx + ykp )p− q 6 kxkp + kykp ,
donc
kx + ykp 6 kxkp + kykp .
Méthodes Mathématiques pour l’Ingénieur_ CPEI
CHAPITRE 13
FONCTIONS A PLUSIEURS VARIABLES
1. Définitions et exemples
Dans la grande majorité des situations rencontrées en Mathématiques et dans

ses applications, Physique, Biologie, Ingénierie, Economie, etc., les systèmes dont
on étudie le comportement dynamique, dépendent non pas d’une variable ,
souvent le temps t, mais de plusieurs variables, par exemple temps et espace. Le
cas typique est donné par un point du plan (resp. espace) = ( , ), (resp.
= ( , , ) dont la position par rapport à un système d’axes fixé à l’avance
dépend de deux (resp. trois) paramètres ou coordonnées.
On appelle ℝ ( ∈ ℕ∗ ) l’ensemble défini de la façon suivante :
ℝ = {( , ,…, )}, ∈ℝ = 1, .
Pour :
= 2, ℝ = {( , )} ∶ .
′ ′
= 3, ℝ = {( , , )} ∶ .
On appelle fonction à plusieurs variables réelles , ,…, toute application f

d’une partie ⊂ ℝ tel que :
: ⊂ℝ ⟶ℝ
( , ,…, )⟼ ( , ,…, )
Exemple 1
∶ ⊂ℝ ⟶ℝ
( , )⟼ ( , )= .
Cette fonction à deux variables permet de calculer l’aire de la surface d’un

rectangle de longueur et de largeur .
Par ZINSALO Joël M./ EPAC – UAC Page 203

Exemple 2
∶ ℝ ⟶ℝ
( , , )⟼ ( , , )= . .
Cette fonction permet de calculer le volume d’un parallélépipède de longueur x,

de largeur y et de hauteur z.
Exemple 3
ℎ∶ ℝ ⟶ℝ
( , , ) ⟼ ℎ( , , ) = −2 +3
2. Domaines de définitions et notion de boucles

2.1. Domaines de définition
On appelle domaine de définition d’une fonction f à deux ou trois variables ( , )

ou ( , , ) l’ensemble défini comme suit :
= {( , ) ∈ ℝ ⁄ ( , ) }
ou
= {( , , ) ∈ ℝ ⁄ ( , , ) }
Exercice d’application
Considérons les fonctions f et g définies par :
: ⊂ℝ ⟶ℝ
( , ) ⟼ ( , ) = ln( + )
Déterminer le domaine de définition
Résolution
= {( , ) ∈ ℝ ⁄ + > 0}
Soit D la droite d’équation
+ =0 ⟹ =−

Df est l’ensemble des points du plan hachuré privé des points de la droite (D).
2.2. Notion de boucles fermées et de boucles ouvertes
Soit Ω( , , ) ∈ ℝ∗ .
On appelle boucle ouverte de centre Ω et de rayon l’ensemble noté B(Ω, ) défini

par :
( , ) = { , , ) ∈ ℝ ⁄( − ) + ( − ) + ( − ) < }
On appelle boucle fermée l’ensemble :
( , ) = { , , ) ∈ ℝ ⁄( − ) + ( − ) + ( − ) ≤ }
La sphère ou boule est :
( , )= ( , ) = { , , ) ∈ ℝ ⁄( − ) + ( − ) + ( − ) = }
Exercice
Soit la fonction telle que :
: ℝ ⟶ℝ
1
( , , )⟼ ( , , )=
+ + −1
= {( , , ) ∈ ℝ ⁄ + + − 1 > 0}

soit + + > 1.
Dg est l’extérieur de la boule de centre 0 et de rayon 1.
Le domaine de la fonction est donc l’extérieur d’une boucle fermée de centre
(0,0,0) et de rayon =1.
3. Courbes de niveau
3.1. Lignes de niveau
On appelle ligne de niveau d’une fonction définie sur ℝ
= {( , ) ∈ ⁄ ( , ) = }, est une constante réelle.
Déterminer les lignes de niveau de la fonction définie par ( , ) = + .
3.2. Surfaces de niveau
Soit , une fonction définie sur ⊂ℝ
= {( , , ) ∈ ⁄ ( , , ) = }, = constante réelle.
Déterminer les surfaces de niveaux de définie par :
( , , )= − +
= {( , , ) ∈ ℝ ⁄ − + = }, = constante réelle.
 1er cas : =0
− + = 0. Il s’agit d’un cône d’axe ( ) de sommet à l’origine.
 2e cas : < 0.
Il s’agit d’une famille d’hyperboloïdes à deux nappes.
 3e cas : >0
Il s’agit d’une famille d’hyperboloïdes à une nappe.

4. Limite et continuité d’une fonction à deux ou trois variables
Soit une fonction définie sur :
⊂ℝ ℝ ( ; )∈ℝ ( , , )∈ℝ
à . ( , ) ( , , ) é lorsque ( , ) tend vers

( , ) ou ( , , ) tend vers ( , , ) signifie que pour tout ( , ) très proche de
( , ) ou pour tout ( , , ) très proche de ( , , ), le nombre ( , ) ou ( , , )
est très proche du nombre réel l. On note :
lim ( , )= lim
→
( , )=
( , )→ ,
→
lim ( , , )= lim
→
( , , )=
( , , )→ , ,
→
→
Calculer les limites suivantes :
sin −
lim
→
; lim ù ∈ ℝ∗
→
→ ∞
→
+
Continuité
Soit , ∈ , on dit que est continue en , ∶
lim ( , )= ,
( , )→ ,
Les polynômes à deux variables sont continus en tout point de ℝ .
Exemple : ( , ) = + + est continue en tout point de ℝ .
5. Les dérivées partielles
On appelle dérivée partielle première de par rapport à au point ( , ), la

limite si elle existe du rapport suivant :
( +Δ , )− ( , )
lim Δ = −
Δ → Δ

On la note ( , ) ou ( , ) et on lit dé rond sur dé rond en ( , ).
On appelle dérivée partielle première de par rapport à au point ( , ), la

limite si elle existe du rapport suivant :
( ,Δ + )− ( , )
lim Δ = −
Δ → Δ
On la note ( , ), ou ( , ) On lit dé rond f sur dé rond y en ( , ).
On appelle accroissement de f au point ( , ) au point ( , ) la quantité définie

par :
Δ = ( , )− ( , )
′( ′(
Calculer 0,0) et 0,0) de la fonction définie par :
( − )
, ( , ) ≠ (0,0)
( , )= +
0 , ( , ) = (0,0)
Remarque : Dans la pratique, pour calculer la dérivée partielle d’une fonction par
rapport à , on fixe et on dérive par rapport à . La dérivée partielle par rapport
à se fait en fixant . Mais tout cela est possible si la fonction n’admet pas de
point singulier.
Exemple : ( , ) = ln( + )
2
=
+
2
=
+
Définitions
Soit une fonction définie de ℝ → ℝ et un nombre réel, ∈ ℝ, est
partiellement dérivable en , si et seuleument si ses dérivées partielles en
, par rapport à chaque variable existent. De plus est continument

partiellemnt dérivable en , si et seulement si chaque dérivée partielle existe

et sont continues en , d’où le mot « continument ». On dit aussi que est de
classe en , . On dit que est de classe sur un domaine si et
seulement si toutes les dérivées partielles de jusqu’à l’ordre existent et sont
continues sur .
6. Différentiabilité et différentielle totale d’une fonction

6.1. Différentiabilité d’une fonction
Soit la fonction de variable ( , ) définie sur une partie ⊂ ℝ et ( , ) ∈ . On

dit que est différentiable en ( , ) s’il existe une fonction numérique de
variable ( , ) définie sur de limite nulle lorsque ( , ) tend vers ( , ) et que la
relation suivante est vérifiée :
( , )= ( , )+( − ) ′( , )+( − ) ′( , )+ ( , ) ( − ) +( − )
avec :
lim ( , ) = 0.
( , )⟶( , )
Si est différenciable au point ( , ) alors la partie linéaire par rapport à et

c'est-à-dire ( − ) ′( , )+( − ) ′( , ) est appelée la différentielle
première de au point ( , ) et est noté ( , ) et on a :
( , )=( − ) ′( , )+( − ) ′( , ).
En posant − = et ( − )= , on a :
( , )= ′( ) ′( )
, + ,
Théorème 1
Toute fonction différentiable au point ( , ) est continue en ce point. Si f est
différentiable, elle est continue et admet des dérivées premières. La réciproque est
vraie si les dérivées premières et sont continues. Une fonction différentiable
est donc dérivable.

Théorème 2
Soit une fonction définie sur ⊂ ℝ . Supposons qu’en tout point de , il existe
des dérivées partielles premières par rapport à et . Si les dérivées partielles
premières sont définies et continues sur alors f est différentiable en tout point
de . La conséquence imédiate est la suivante. Si est différentiable en ( , )
alors il existe existe des dérivées partielles en ce point.
Montrer que : ( , ) = | | est différentiable au point (0,0).
6.2. Différentielle totale d’une fonction

La différentielle totale d’une fonction de variables s’effectue par la formule :
= + + + ⋯⋯⋯+
Considérons par exemple un rectangle de hauteur ℎ et de base b. Son aire est

mesurée par la fonction :
= ℎ = ( , ℎ ).
Si la base varie de et si la hauteur ℎ varie de ℎ, calculons la variation
algébrique d’aire à l’aide de la différentielle.
= + ℎ=ℎ + ℎ
ℎ
Exercice
Donner une approximation de la variation de volume d’un cylindre droit de rayon
r=10 cm et de hauteur h=50 cm quand r augmente de 1 cm et h diminue de 2
cm. Calcul exact de la variation ∆ ?
Calcul approché de la variation ∆ par la différentielle ?

Résolution
Le volume du cylindre droit est :
= ℎ = ( , ℎ)
Calcul exact de la variation ∆
Soit la valeur initiale avec = 10 et ℎ = 50
= ℎ = × 10 × 50 = 15708
Soit la valeur finale avec = (10 + 1) et ℎ = (50 − 2)
= ℎ = × 11 × 48 = 18246
On a :
∆ = − = 18246 − 15708 = 2538
Calcul approché de la variation ∆ par la différentielle
On a :
= + ℎ = (2 )ℎ =
ℎ ℎ
Soit :
= (2 )ℎ + ℎ
d’où
∆ = (2 )ℎ ∆ + ∆ℎ
∆ = (2 × 10) × (1) + 10 (−2) = 3148 − 628 = 2513
6.3. Différentielle logarithmique

C’est la différentielle du logarithme de la valeur absolue de la fonction. Pour
( , , ) fonction de trois variables, la différentielle logarithmique est :
1
[ | ( , , )|] = = + +
C’est donc le quotient de la différentielle totale par la fonction.
Propriétés
Soient ( , , ) et ( , , ) fonctions différentiables de 3 variables indépendantes
, et .
Produit de fonctions
[| ∙ |] = [ | |] + [ | |] = +

Quotient de deux fonctions
= [ | |] − [ | |] = −
Evaluation à une puissance
[ | |] = [ | |] = [ | |] =
Exercice
Calculer la différentielle logarithmique de :
−
( , )=
+
−
| ( , )| = = | − |− | + |
+
On a :
( − ) ( + )
[ | ( , )|] = = [ | − |] − [ | + |] = −
− +
2 −2 2 +2
[ | ( , )|] = −
− +
On regroupe les termes relatifs à et à :
1 1 1 1
= − 2 − + 2
− + − +
4 4
= −
− −
Intérêt de la différentielle logarithmique

La différentielle logarithmique / d’une fonction de plusieurs variables réalise
une approximation de la variation relative : ∆ ⁄ de la fonction pour les variations
∆ , ∆ , ∆ soient suffisamment petits (approximation au premier ordre).
Exercice
Donner une approximation de la variation relative du volume ∆ ⁄ d’un
parallélépipède rectangle de côtés = 20 , = 40 et = 25 quand et
augmentent de 0,2 et que diminue de 1 .

Résolution
Le volume d’un parallélépipède rectangle est donné par la formule :
( , , )= ∙ ∙
Calcul exact de la variation relative
Volume initial : = 20 × 40 × 25 = 20 000
Volume final : = 20,2 × 40,2 × 24 = 19 489
∆ − 19489 − 20000 511
= = =− = −0,0256 = −2,56%
20000 20 000
Calcul approché par la différentielle logarithmique
= + + ⇒ = + +
= + + = = +0,2 = −1
0,2 0,2 1
= + − = 0,01 + 0,005 − 0,04 = −0,025 = −2,5 %
20 20 25
d’où :
∆
≈− , %
6.4. Calcul d’erreur

Soit a le résultat de la mesure de la grandeur A. Si est la valeur exacte de A, la
différence = − est appelée erreur absolue de la mesure ; elle résulte de
causes diverses : erreurs systématiques ou accidentelles. L’erreur absolue sur a
n’étant pas connue, on doit se contenter d’en rechercher une limite supérieure ∆
appelée incertitude absolue telle que | | ≤ ∆ ; on a donc −∆ ≤ ≤ + ∆ ou
encore = ±∆ .
On se rend mieux compte de l’approximation d’une mesure en comparant l’erreur

à la grandeur mesurée.
On appelle erreur relative le rapport / de l’erreur absolue à la valeur exacte ;

et n’étant pas connues, on doit, là encore, se contenter d’une limite
supérieure appelée incertitude relative que l’on calculée en remplaçant par ∆
et en prenant pour la valeur approchée .
L’incertitude relative caractérise la précision de la mesure.

Exemple : Pour = 2 ± 0,001 donc ∆ ⁄ = 0,001⁄2 = 5. 10 . La précision est de

5 dix-millième près.
On cherche maintenant à calculer l’erreur sur une grandeur X dépendant de

plusieurs paramètres A, B, C indépendants les uns des autres :
= ( , , )
On ne connaît en réalité que des valeurs approchées , , et les incertitudes

absolues ∆ , ∆ , ∆ sur ces valeurs ; une valeur approchée de est donc
= ( , , ).
A partir de la différentielle de en ( , , )
= + +
Soit en valeur absolue
| | = | || | + | || | + | || |
On obtient l’incertitude absolue sur .
∆ = | |∆ + | |∆ + | |∆
Puis l’incertitude relative sur
∆ ∆ ∆ ∆
=| | +| | +| |
| | | | | | | |
Exemple : connaissant la formule =2 / donnant la période du pendule

simple, on peut calculer l’accélération de la pesanteur
= ( , )=4 / dont la différentielle est :
4 8
= + = −
D’où l’incertitude absolue

4 2
∆ = ∆ + ∆
et l’incertitude relative

∆ ∆ ∆
= +2
Avec = 1 , ∆ = 5.10 , = 2 , ∆ = 0.01 , on obtient :

∆
= 0.0105 = 1.05% = = 9.87 .
Ce qui donne une incertitude absolue de ∆ = 0.10 et = 9.87 ± 0.1

Remarque : on trouve assez fréquemment en Physique des fonctions positives à
variables séparables ( , , ) = ( ) ( ) ( ).
La fonction logarithmique permet alors de simplifier le calcul de l’intégrale relative
ln = ln + ln + ln d’où en différentiant
= + +
Et si , , > 0, alors on a :
∆ ∆ ∆ ∆
= + +
7. Dérivées d’ordres supérieures et dérivées mixtes
Supposons que soit définie sur une partie ⊂ℝ
Les dérivées premières des dérivées partielles premières sont appelées dérivées
partielles secondes. Elles sont de 4 types :
′′
= =
′′
= =
Les deux premières s’appellent dérivées secondes et les deux dernières sont
appelées dérivées secondes mixtes.
Une fonction de n variables admet n dérivées partielles premières et

dérivées partielles secondes.
Exercice : On considère la fonction :

( , , )=
, , , , ,
Énonçons le théorème suivant sur l’égalité des dérivées secondes mixtes : c’est le
théorème de Schwarz.
Théorème de Schwarz
Soit une fonction définie sur ⊂ ℝ . On suppose que admet deux dérivées
secondes mixtes.
′′ ′′
= =
Ces dérivées secondes mixtes sont égales en tout ( , ) de D si elles sont

continues en tout point ( , ) de .
On a :
Soit , une fonction définie par :
−
, ( , ) ≠ (0,0)
( , )= +
0 ( , ) = (0,0)
Calculer les dérivées secondes mixtes par rapport à et en (0, 0)

Différentielle seconde
Soit la fonction de variables ( , ) définie sur une partie ⊂ ℝ , on suppose que
admet des dérivées partielles secondes toutes continues sur . La différentielle
seconde de en tout point ( , ) est :
( , )= ′′ ( , ) ′′ ( , ) ′′ ( , )
+2 + = +
ù + é .
Plus généralement si la fonction à deux variables est de classe alors :
( , )= +
Pour une fonction à trois variables ( , , ), on a :
( , , )= ′′ ( , , ) ′′ ( , , ) ′′ ( , , ) ′′ ( , , )
+2 +2 +2
′′ ( , , ) ′′ ( , , )
+ +
Plus généralement si la fonction à deux variables est de classe alors :
( , , )= + +
8. Formule d’approximation
Soit la fonction définie sur dans ℝ , soit ( , ) ∈ . On suppose que est
différentiable au point ( , ). Cela suppose que admet des dérivées partielles
premières au point ( , ). On peut approximer la fonction ( , ) par la formule :
′ ′
+ , + ≈ ( , )+ ( , )+ ( , )
où et doivent être les plus petits possibles pour une meilleure précision.

Cette formule est appelée formule d’approximation d’ordre 1.
Soit ( , ) = 3 − − . Calculer sans calculatrice une valeur approchée de
( 1,01; 2,98).
Résolution
On a :
1,01 = 1 + 0,01 2,98 = 3 − 0,02
On pose donc :
= 1, =3, = 0,01 = −0,02
On sait que :
′( ′
+ , + ≈ ( , )+ , )+ ( , )
Alors, on a :
(1,01,2,98) ≈ (1,3) + 0,01 × ′( ′

1,3) + (−0,02) × (1,3)
On a :
(1,3) = −9
′( ′(
, )=6 − 1,3) = 3
′( ′(
, )=− −2 1,3) = −7.
Donc :
(1,01,2,98) ≈ −9 + 0,01 × 3 + (−0,02) × (−7)
( , , , )≈− ,
Exercice
En utilisant la formule d’approximation d’ordre 1, calculer la valeur approchée
,
des nombres suivants : (1,07) + (1,96) ; √9,004 ; ( 1,001) et 1,01 .

9. Formule de Taylor à l’ordre 2
Théorème :
Soit une fonction définie sur ⊂ ℝ et ( , ) ∈ . On suppose que est deux
fois continument différentiable dans le voisinage de ( , ), c'est-à-dire admet
des dérivées partielles d’ordre 1 et 2 toutes continues dans le voisinage de ( , )
alors la formule suivante est vérifiée :
( , )= ( , )+( − ) ′( , )+( − ) ′( , )
1 ′′ ′′ ′′
+ ( − ) ( , ) + 2( − )( − ) ( , )+( − ) ( , )
2
+ ( , )
où ( , ) est le reste.
Cette formule est appelée formule de Taylor à l’ordre 2 dans le voisinage ( , )

et ( , ) est le reste de la formule de Taylor à l’ordre 2 dans le voisinage de
( , ) à l'ordre 2.
On donne ( , ) = ln ( + ) et ( , ) est égal au couple (1,1). Développer cette

fonction par la formule de Taylor à l’ordre 2 au voisinage de (1,1). En déduire
l’approximation de cette fonction dans ce voisinage.
Présentons le cas d’une fonction à trois variables :
Théorème
Soit une fonction de trois variables , définie par ( , , ) que l’on

suppose suffisamment différentiable. On a alors :

( +ℎ , +ℎ , +ℎ )
( , , ) ( , , ) ( , , )
= ( , , )+ ℎ +ℎ +ℎ
1 ( , , ) ( , , ) ( , , )
+ ℎ +ℎ +ℎ
2!
( , , ) ( , , ) ( , , )
+ ℎ ℎ +ℎ ℎ +ℎ ℎ +⋯
+( é )
En pratique, on utilise principalement le développement de degré 1 qui ne fait

intervenir que les dérivées partielles d’ordre 1.
Exercice
Soit la fonction de deux variables f ( x 1 , x 2 )  x 12  x 1 sin x 2 :
1. Développer au voisinage de (1, 0).
2. Trouver à l’aide du polynôme de Taylor de degré 2 l’approximation de f en

prenant h1  h2  0,1 .
3. Trouver l’ordre de cette approximation en utilisant h1  h2  0,05 .
Solution
1. Développement de f au voisinage de (1,0)
En posant x 1  1  h1 et x 2  0  h2  h2 , le développement de Taylor permet

d’écrire :
 f ( 1,0 )  f ( 1,0 ) 1  2  2 f ( 1,0 )

f  1  h1 ,0  h2   f ( 1,0 )  h1  h2   h1 
 x1  x2 2!   x 12
 2 f ( 1,0 ) 
2  2 f ( 1,0 )
h 2 h h      ( ordres sup érieures )
 x 22  1 2  x 1  x 2
 Calculons d’abord f(1,0).

f ( 1,0 )  1  0  1
 Calculons ensuite les dérivées partielles du premier ordre :
 f ( x1 , x2 )  f ( 1, 0 )
 2 x1  s i n x2 ;  20  2
 x1  x1
 f ( x1 , x2 )  f ( 1,0 )
 0  x1 c o s x2 ;  1c o s 0  1
 x2  x2
 Calculons ensuite les dérivées partielles du second ordre :
2 2
 f ( x1 , x2 )  f ( 1,0 )
 2; 2
 x 12  x 12
2 2
 f ( x1 , x2 )  f ( 1 ,0 )
  x 1 s i n x 2 ; 0
 x 22  x 22
 Calculons enfin la dérivée mixte :
 f  x1 , x2    x1 c o s x2 
2
 f  1,0 
2
  c o s x2 ; 1
 x 1 x 2  x1  x 1 x 2
D’où le développement de f  x1 , x2  suivant :
f  1  h1 ,0  h2   1  2h1  h2  h12  h1 h2  . . .  ( o r d r e s s u p )
2. Approximation de f en prenant h1  h2  0,05
Le résultat précédent donne en posant h1  h2  0,05
2
f 1 ,1 , 0 ,1  1  2  0 ,1  0 ,1  0 ,1  0 ,1  0 ,1
f 1 ,1 , 0 ,1  1 ,32
3. Ordre de cette approximation en utilisant h1  h2  0,05 .
f ( 1,1 , 0,1 )  1, 319816758 et f ( 1,05 , 0 ,05 )  1,154978128

P( 1,1 , 0 ,1 )  1,32 et P( 1,05 , 0 ,05 )  1,155
Donc :

f 1 ,1 , 0 ,1  P 1 ,1 , 0 ,1 1 ,319816758  1 ,32


f 1 ,05 , 0 ,05   P 1 ,05 , 0 ,05  1 ,154978128  1 ,155
6
183 ,24169  10
 6
21 ,87227  10
 8 ,37  2 3
D’où le polynôme P  1  h1 ,0  h2   1  2h1  h2  h12  h1 h2 de degré 2 est une
approximation d’ordre 3 de f ( x1 , x 2 )  x 12  x1 sin x 2 au voisinage du point
(1, 0).
10. Optimisation d’une fonction à plusieurs variables
10.1. Rappels sur le cas d’une variable
Soit une fonction d’une variable réelle . Si la fonction et sa dérivée sont

continues en un point où de croissante la fonction devient décroissante, alors elle
possède un maximum. En d’autres termes, la pente de la tangente passe du
positif au négatif. Le raisonnement contraire est valable pour un minimum. Dans
les deux cas, il s’agit d’un point où la pente de la tangente est nulle. Comme la
pente de la tangente est donnée par la première dérivée de la fonction, il faut
annuler la première dérivée de pour obtenir les points candidats (points où la
fonction est susceptible de présenter un minimum ou un maximum). Pour
chaque point candidat, il faut déterminer s’il s’agit d’un minimum ou d’un
maximum.
Il existe deux critères pour déterminer si un point candidat est un extremum

(minimum ou maximum).
Théorème
Si le signe de la dérivée est positif puis devient négatif quand croît, alors le
point candidat est un maximum de la fonction.
Si le signe de la dérivée est négatif puis devient positif quand croît, alors le
point candidat est un minimum de la fonction.

La figure 1 illustre ce résultat.

Le second critère fait appel à la dérivée seconde de la fonction. La dérivée seconde
( ) d’une fonction est la dérivée de la dérivée première ( ).
Celle-ci mesure le taux de croissance ou de décroissance de ( ), autrement dit

le taux de croissance ou de décroissance de la pente de la tangente à la courbe.
Le signe de ( ) au point candidat = fournit les renseignements
nécessaires. Si ( ) est positive, la pente de la tangente croît quand croît en
passant par . Inversement, si ( ) est négative, la pente de la tangente décroît
quant croît en passant par . D’où le théorème basé sur la dérivée seconde.
Théorème :
Soit ( , ( )) le point en lequel : ′( ) = 0.

Alors si en ce point :
 ( ) < 0, il s’agit d’un maximum.
 ( ) > 0, il s’agit d’un minimum.
Figure 1 : Maximum et minimum d’une fonction à une variable.
Exemple 1
Soit la fonction
( )= − 3 + 5.

Calculons sa première dérivée :
( )=3 − 6 = 3 ( − 2)
et sa deuxième dérivée :
( ) = 6 − 6 = 6( − 1)
On obtient les points candidats de la fonction en résolvant l’équation
( )=0:
( ) = 0 ⟺ 3 ( − 2) = 0
⟺ =0 =2
Déterminons la nature des points candidats
( )= (0) = − 6 < 0 ( )= (2) = 5 > 0
La fonction a donc un maximum en = 0 et un minimum en = 2.
Les coordonnées du maximum sont (0,5) et celles du minimum (2,1).
Par conséquent, dans un voisinage convenablement choisi du point = 0, la

valeur de la fonction est plus petite que ( ).
On dit que la fonction possède un maximum local ou relatif au point = 0. Au

point = 2, on dit que la fonction possède un minimum local ou relatif .
Ces deux valeurs, maximum et minimum, sont appelées des extrema locaux ou
relatifs, parce qu’il existe des valeurs de x pour lesquelles la fonction prend des
valeurs plus grandes que 5 ou plus petites que 1, comme l’illustre la figure 2.

Figure 2 : Extrema locaux
Cependant, on peut définir ce que l’on appelle un maximum ou un minimum

global ou absolu.
En ce point, la fonction prend la valeur la plus grande (ou la plus petite) sur un
intervalle donné ; la figure 3 donne un exemple d’extrema relatifs et absolus.
Figure 3 : Extrema relatifs et absolus

10.2. Points critiques et extrema des fonctions de ℝ vers ℝ
Soit une fonction définie de ℝ vers ℝ, on supposera que est définie de ℝ

vers ℝ et le point ( , ) ∈ . On dit que admet un extremum de coordonnées
( , ) si ses dérivées partielles premières sont nulles en ce point c'est-à-dire :
⎧ ( , )=0
⎪
⎨
⎪ ( , )=0
⎩
Cette condition est nécessaire mais n’est pas suffisante pour savoir la nature de
l’extremum.
Les points en lesquels les dérivées partielles premières sont nulles s’appellent
points critiques ou points stationnaires.
Pour déterminer les points critiques, on résout le système suivant :
⎧ ( , )=0
⎪
⎨
⎪ ( , )=0
⎩
Tout point critique n’est pas nécessairement un extrémum d’une fonction, il va
falloir faire recours à une condition suffisante énoncée comme suit :
Soit ( , ) un point critique à variables et et une fonction définie dans
une partie ℝ . Désignons par :
= ( , )
= ( , )
= ( , )
Et posons Δ = . −

Théorème
Un point ( , ) vérifiant
⎧ ( , )=0
⎪
⎨
⎪ ( , )=0
⎩
est un point critique et ce point est un extrémum si et seulement si Δ > 0.
 Cet extrémum est un maximum si et seulement si < 0 et un minimum si

>0
 Si Δ < 0 ne possède ni maximum ni minimum et ce point est appelé point-
col ou point-selle.
 Si Δ = 0, on ne peut rien conclure, il s’agit d’un cas douteux, il revient de
faire une étude plus détaillée.
On dit que admet un minimum relatif s’il existe un voisinage du point ( ; ) tel
que ( , ) ≥ ( , ).
Considérons un domaine ⊂ℝ sur lequel est définit à variable ( , ) et

( , ) ∈ D. On dira que admet unminimum absolut ou global si et seulement si
∀( , ) ⊂ :
( , )≥ ( , ).
On dit que admet un maximum relatif s’il existe un voisinage de ( , ) dans

lequel ( , )≤ ( , ). admet un maximum absolu ou global en ( , ) si et
seulement si ∀( , ) ⊂ , ( , )≤ ( , ). Le minimum relatif est aussi désigné
par minimum local et le maximum relatif est aussi désigné par maximum local.
Trouver les extrema de la fonction définie par ( , ) = 4 − + −

Notons que la condition suffisante évoquée ci-dessus provient d’un résultat plus
général concernant les fonctions à n variables ( , ,..., ).
Avant d’énoncer ce résultat général, introduisons la matrice des secondes

dérivées partielles. Celle-ci joue un rôle clé dans la détermination des extrema
d’une fonction à plusieurs variables. Cette matrice est appelée matrice hessienne.
La matrice hessienne d’une fonction numérique à variables est la matrice

carrée dont les éléments sont les dérivées partielles secondes de . Elle est notée
( ) ou ou ( ). Elle se présente sous la forme suivante :
⋯⋯
⎛ ⎞
⎜ ⎟
=⎜ ⋯⋯ ⎟
⎜ ⎟
⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⋯⋯
⎝ ⎠
Pour une fonction numérique à deux variables on a :
⎛ ⎞
=⎜ ⎟
⎝ ⎠
Pour une fonction numérique à trois variables on a :
⎛ ⎞
⎜ ⎟
=⎜ ⎟
⎜ ⎟
⎝ ⎠
On appelle ℎ le déterminant d’une matrice hessienne.

On appelle mineurs principaux de la matrice H, notés ∆ , les déterminants des

sous-matrices de H obtenues en lui retirant ses − dernières lignes et colonnes
( = 1, . . . , ).
Dans le cas général, la recherche des extrema d’une fonction à plusieurs

variables est obtenue en résolvant le système :
⎧ ( , ,..., )=0
⎪
⎪
⎪
( , ,..., )=0
⎨
⎪ ⋮
⎪
⎪ ( , ,..., )=0
⎩
Alors :
1. si les mineurs principaux de la matrice hessienne au point P sont tous
strictement positifs, il s’agit d’un minimum.
2. si les mineurs principaux de la matrice hessienne au point P sont de signes
alternés, le premier étant strictement négatif, il s’agit d’un maximum.
3. si les mineurs principaux ne vérifient pas l’une des conditions ci-dessus
prises au sens large (c’est-à-dire respectivement ”positif ou nul” et ”négatif
ou nul”), il ne s’agit ni d’un minimum ni d’un maximum, mais d’un point-
selle.
4. si les conditions (1) et (2) se vérifient au sens large, alors on ne peut pas
conclure.
Dans le cas de fonctions à deux variables, on a :

∆ =
∆ = ∙ −
Ainsi :
∆ > 0 et ∆ > 0 ⟹ .
∆ < 0 et ∆ > 0 ⟹
∆ ∆ <0 ⟹ −
∆ ∆ =0 ⟹ .

Exercice :
Trouver les extrema de la fonction définie par :
( , , )= − 17 +2 + −2 −2 + 81.
Autre méthode
Considérons le cas de trois variables. Les points stationnaires sont obtenus à
partir de la relation :
⎧ ( , , )=0
⎪
⎪
⎪
( , , )=0
⎨
⎪
⎪
⎪ ( , , )=0
⎩
On calcule :
Δ = ( + ℎ, + , + )− ( , , ).
Exercice :
Soit :
( , , )= −2 + −4 .
Etudier la nature de l’extrémum de .
Il peut arriver que la détermination de Δ soit compliquée. Dans ce cas, on

calcule :
′′ ′′ ′′ ′′ ′′ ′′
= + + + + + .
Exercice
Soit :
( , , )=− +2 +3 − −
Etudier la nature de son extrémum.

10.3. Extrémum lié
Dans de nombreuses applications pratiques, les variables d’une fonction donnée

sont soumises à certaines conditions ou contraintes. Ces contraintes peuvent être
formulées sous forme d’égalités ou d’inégalités.
Dans le cas où les contraintes s’expriment sous forme d’égalités, l’optimisation de

la fonction peut être obtenue grâce à la méthode des multiplicateurs de Lagrange
qui est la plus largement répandue pour trouver les extrema d’une fonction
soumise à des contraintes d’égalité.
10.3.1. Cas de deux variables liées
Soit une fonction définie ⊂ ℝ , on appelle extremum lié de à variable et ,

l’extrémum que cette fonction atteint à condition que et soient liées par
l’équation :
( , ) = 0.
Cette équation est appelé « équation de liaison » la recherche d’un extremum lié
peut être ramené à l’étude de l’extrémum de la fonction F définie par :
= ( , )+ ( , )
F est appelée fonction de Lagrange.
Pour déterminer l’extrémum lié, on calcule , et à partir du système

d’équation.
⎧ + =0
⎪
⎪
⎨ + =0
⎪
⎪
⎩ ( , )=0
est appelé multiplicateur de Lagrange.

On étudie le signe de la quantité :
Δ = ( + ℎ, + )− ( , ).
qui est une fonction de (ℎ, ), ℎ et étant liées par la relation :
( + ℎ, + ).
 Si Δ a un signe constant lorsque (ℎ, ) varie au voisinage de (0,0), ( , )

est un extrémum local pour ( , ). Cet extrémum est un minimum si
Δ > 0 et un maximum si Δ < 0.
 Si Δ n’a pas un signe constant, le point ( , ) est un point col.
Soit ( , ) = sous la contrainte + =6
Déterminer l’extrémum et préciser sa nature.
Résolution
Ici la contrainte peut s’écrire + − 6 = 0 et la fonction ( , )= + − 6. La
fonction de Lagrange est donc :
= ( , )+ ( , )= + ( + − 6)
On a :
+ =0
+ =0
+ =6
On trouve :
= 3, =3 = −3
Etudions la nature du point A(3,3).
Pour ce faire, on calcule :
Δ = (3 + ℎ, 3 + ) − (3,3) = (3 + ℎ)(3 + ) − 3 × 3 = 3ℎ + 3 + ℎ
De la contrainte ( , )= + − 6, on calcule :
(3 + ℎ, 3 + ) = 3 + ℎ + 3 + −6=ℎ+
Puisque ( , ) = 0 alors (3 + ℎ, 3 + ) = 0 soit ℎ + = 0 et donc = −ℎ.

Alors, on a :
Δ = 3ℎ + 3 + ℎ = 3ℎ + 3(−ℎ) + ℎ(−ℎ) = −ℎ ≤ 0 ∀ℎ ∈ ℝ.
D’où le point critique A(3,3) est un maximum.
Donc (3,3) = 9 est un maximum de ( , ) = sous la contrainte + = 6.
Soit ( , ) = −3 sous la contrainte + 2 = 1.
Résolution :
On trouve = −3, = 2 et = 6.
Δ = −6ℎ + ℎ − 12 − 3
A partir de la contrainte, on trouve = −ℎ⁄2 et Δ = ℎ ⁄4 > 0, ∀ℎ.
Donc (−3,2) = −3 est un minimum de ( , )= −3 sous la contrainte

+ 2 = 1.
Autre méthode
On forme le Lagrangien à partir de la fonction objectif et la contrainte
( , )=0:
( , , ) = ( , )+ ( , ).
On introduit la notion de la matrice hessienne bordée :
0
⎛ ⎞ ⎛ ⎞
⎜ ⎟ ⎜ ⎟
=⎜ ⎟=⎜ ⎟
⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠
dont le déterminant sera noté : | |.
La condition suffisante pour l’existence d’un extremum est fournie par le critère
suivant :

Critère :
Si au point critique obtenu,
 | | < 0, il s’agit d’un minimum.
 | | > 0, il s’agit d’un maximum.
Exercice
Trouver les extrema de la fonction objectif :
( , )= 5 +6 −
sous la contrainte :
+2 = 24.
Généralisation
La matrice hessienne bordée est, pour n variables d’activités :

Notons le mineur principal qui contient :
comme dernier élément de la diagonale principale par : | |∙| |

correspond au mineur principal qui contient :
comme dernier élément de la diagonale principale et ainsi de suite.
La condition suffisante pour l’existence d’un minimum ou d’un maximum dépend

des signes des mineurs principaux :
| |, | |, ⋯ ⋯ , | | = | |.
Mentionnons qu’il existe au moins une contrainte (k ≥ 1) et que, par conséquent,

| H1 | n’intervient jamais dans les calculs. La condition suffisante pour
l’existence d’un extremum est donnée dans le critère suivant :
Critère
La fonction ( , . . . , ) soumise aux contraintes :
( , . . . , ) = 0, = 1, . . . ,
admet :
• un maximum au point critique si les mineurs principaux | |, | |, . . .,
| | sont de signe alterné, le signe de| | étant celui de (−1) ,
• un minimum si les mineurs principaux | |, | |, . . ., | | sont de
même signe, celui de (−1) .
Exercice
Une entreprise fabrique trois types de machines : , , et . La fonction de coût

conjointe ( , , ) est :
( , , )=4 +2 + − 2 + − 30 − 30
Combien de machines de chaque type l’entreprise doit-elle fabriquer pour
minimiser son coût s’il lui faut un total de 100 machines ?

10.3.2. Recherche d’extrema sous plusieurs contraintes
Considérons le cas d’une fonction à trois variables donnée par :
: ( , , ) ⟼ ( , , ).
Les variables , sont liées par exemple par les contraintes :
( , , )=0
( , , )=0
Pour rechercher les points critiques, on résout le système suivant :
⎧ + + =0
⎪
⎪
⎪ + + =0
⎪
⎨ + + =0
⎪
⎪
⎪ ( , , )=0
⎪ ( , , )=0
⎩
Conditions d’extrémum
On calcule Δ avec :
Δ = ( + ℎ, + , + )− ( , , ).
La partie principale de Δ est obtenue en cherchant ℎ, à partir de :
( + ℎ, + , + )=0
( + ℎ, + , + )=0
Nous rappelons que :
′′ ′′ ′′ ′′ ′′ ′′
= + + + + + .

Etudier les extrémums de
1/ ( , , ) = −2 + −5 sous la contrainte + + 2 = 10
2/ ( , , ) = 2 −3 + −3 +2 sous la contrainte :
3 −2 =4
+ =1
11. Les fonctions implicites
On appelle fonction implicite, toute fonction dépendant de et qui vérifie la

relation ( , ) = 0 où est une fonction différentiable des variables et .
Exemple
( , )= + −2=0
+ −2 =0 ⟹ = 2−
⟹ = √2 − ou = −√2 −
avec ∈ −√2; √2
Théorème
La dérivée d’une fonction implicite donnée par l’équation = ( ) donnée par
l’équation ou est une fonction différentielle des variables et peut être calculé
par la formule suivante :
=−

A condition que les dérivées supérieures d’ordre implicite peuvent être calculé en
dérivant successivement la formule ci-dessous et en considérant comme
fonction de . De même, les dérivées partielles d’une fonction implicite de deux
variables données par l’équation :
( , , )=0
où est une fonction différentiable des variables , et peuvent être calculé

d’après les formules suivantes :
=− et =−
à .
cos( + ) + = 0, calculer ’( )
ℎ −3 − =0 ù é
12. Fonctions composées
Soit , une fonction définie sur ⊂ℝ :( , ) ⟼ ( , )

Supposons que ( , ) soient fonctions des variables et appartenant à un
domaine ′ de ℝ , alors ( , ) = ( ( , ); ( , )). est appellée fonction
composée. Nous pouvons dériver la fonction composée par rapport à ou par
rapport à .
= ∙ + ∙
= ∙ + ∙
Soit ( , ) = ( + ) avec = + et =√ ∙ .

Dériver par rapport à et
13. Opérateurs des dérivées partielles
13.1. Opérateurs usuels
Soit une fonction définie sur ⊂ ℝ ou ⊂ ℝ . Le plan ℝ est rapporté à un

repère é ( ; ⃗, ⃗) et l’espace ℝ est rapporté à ( ; ⃗, ⃗, ⃗ ).
On suppose que est différentiable en tout point de .
13.1.1. Gradient
On appelle gradient de en tout point de la quantité vectorielle notée :

⃗ ( , ) ou ( , ).
⃗ ( , )= ⃗+ ⃗
⃗ ( , , )= ⃗+ ⃗+ ⃗
13.1.2. Divergence
On appelle divergence du champ vectoriel ⃗ tel que ⃗ = ( , , )⃗ + ( , , )⃗ +
( , , ) ⃗ et on note ⃗ ( , , ) la quantité scalaire définie par :
⃗( , , ) = + +
13.1.3. Laplacien
On appelle Laplacien de ( , , ), la quantité scalaire noté : ∆ ( , , ) ou
∇ ( , , ), définie par :
∆ ( , , )= + +
∆ = (∇ )

Les fonctions vérifiant la relation ∆f = 0 sont appelées fonctions harmoniques.

Elles interviennent dans la résolution des ondes et de la chaleur.
13.1.4. Rotationnel
On appelle rotationnel du champ vectoriel ⃗ = ( , , )⃗ + ( , , )⃗ + ( , , ) ⃗ la
quantité notée ⃗ ⃗ définie par ⃗ ⃗ = ∇ ∧ ⃗ avec ∇ ; ; et ⃗
∇∧ ⃗ = ⃗
= − ⃗− − ⃗+ − ⃗
⃗⃗= − ⃗− − ⃗+ − ⃗
Les opérateurs usuels peuvent être écrits dans tous les systèmes de coordonnées.
Coordonnées cartésiennes
Soit ( , , ) et ⃗ = ( , , )⃗ + ( , , ) ⃗ + ( , , ) ⃗

⃗ = ⃗+ ⃗+ ⃗
∆ = + +
⃗= + +
⃗⃗= − ⃗− − ⃗+ − ⃗
Coordonnées cylindriques
Soit ( , , ) et ⃗ = ( , , ) ⃗+ ( , , ) ⃗+ ( , , ) ⃗
1
⃗ = ⃗+ ⃗+ ⃗
1 1
∆ = + +
1 ( ) 1
⃗= + +

1 1 ( )
⃗⃗= − ⃗− − ⃗+ − ⃗
Coordonnées sphériques
Soit ( , , ) et ⃗ = ( , , ) ⃗+ ( , , ) ⃗+ ( , , ) ⃗
1 1
⃗ = ⃗+ ⃗+ ⃗
1 ( ) 1 1
∆ = + +
1 ( ) 1 ( ) 1
⃗= + +
1 1 1 1 ( )
⃗⃗= − ⃗− − ⃗+ − ⃗
13.2. Propriétés
13.2.1. Linéarité
Le gradient, la divergence, le laplacien et le rotationnel sont des opérateurs

linéaire, on a donc quelque soit le type d’opérateur, on a : ( + )

( + )= ( )+ ( )
( )= ( ), =
13.2.2. Composition d’opérateurs
Dans cette rubrique, nous donnons quelques formules importantes :
⃗( ∙ ) = ∙ ⃗( ) + ∙ ⃗( )
∙ ⃗ = ∙ ⃗ + ⃗∙ ⃗( )
⃗ ∙ ⃗ = ∙ ⃗ ⃗ + ⃗ ∧ ⃗
⃗⃗ =0
⃗ ⃗( ) = 0
⃗ ⃗ ⃗ = ⃗ ⃗ −Δ⃗
⃗∧ ⃗∧ ⃗ = ⃗∙ ⃗ ⃗− ⃗∙ ⃗ ⃗
⃗ ⃗∙ ⃗ = ⃗∧ ⃗ ⃗+ ⃗∧ ⃗ ⃗+ ⃗∙ ⃗ ⃗+ ⃗∙ ⃗ ⃗
⃗∧ ⃗ = ⃗∙ ⃗ ⃗− ⃗∙ ⃗⃗
⃗ =∆
⃗ ⃗∧ ⃗ = ⃗ ⃗− ⃗∙ ⃗ ⃗− ⃗ ⃗+ ⃗∙ ⃗ ⃗
14. Dérivées directionnelles et plans tangents
14.1. Dérivées directionnelles

Soit une fonction définie sur ⊂ ℝ ou ℝ . Soit ⃗ , un vecteur de ℝ ou ℝ . On
appelle dérivée de suivant la direction du vecteur ⃗ et on note la quantité
scalaire

= cos +
⃗
et sont les composantes du vecteur unitaire ⃗
cette relation peut
aussi s’écrire sous la forme :
⃗
= ( )∙
⃗
= cos + cos + cos
avec cos , cos cos les composantes du vecteur unitaire appelé cosinus
directeur vérifiant la relation :
cos + cos + cos = 1.
Le gradient d’une fonction indique la direction correspondant à la croissance la

plus rapide de la fonction au point donné.
La dérivée dirigée vers le gradient, atteint sa plus grande valeur qui est
égale à :
=| ( )|
avec
| ( )| = + +
1. Calculer la dérivée de définie par ( , ) = − au point (1; 1) dans la

direction du vecteur ⃗ formant un angle = 60° avec l’axe positif
2. Calculer la dérivée de g définie par ( , , ) = au point (3; 2; 1) dans
la direction du vecteur ⃗ où (5; 4; 2)

3. Calculer la dérivée de ℎ définie par : ℎ( , ) = ln ( + ) au point (3; 4)

dans la direction du gradient ℎ.
14.2. Plans tangents à une surface
On appelle plan tangent à une surface en un point , le plan qui contient toutes
les tangentes aux courbes tracées sur la surface et passant par le point . Si la
surface est donnée par l’équation ( , , ) = 0, alors l’équation du plan tangent au
point ( ; ; ) de la surface est de la forme :
( − )+ ( − )+ ( − )=0
Former l’équation du plan tangent au point (1 ;1 ;1) de surface d’équation:
−2 + − + 2 = 0.

Planche d’exercices
Exercice 1
1. On considère la fonction f définie par :
− (0,0) =
( , )= ( , ) ≠ (0 ; 0) ( , )=
+ ( , )= ( , ) ≠ (0 ; 0)
0 2 +
) é (0; 0).
) (0; 0) (0; 0) . .
) f est – elle continue sur ℝ ?

) f est – elle de classe sur ℝ ?
e) f est – elle différentiable sur ℝ ?
) é (0,0) é .
2. Soit la fonction suivante :

ℎ∶ ℝ →ℝ
+
( , , ) ↦ ℎ( , , ) =
+ −
a. Déterminer le domaine de définition de h
b. h a-t-elle une limite en (0, 0, 0) ? en (2, 0, -2) ?
3. Déterminer le domaine de définition de la fonction k et représenter une de ses
lignes de niveau :
1+
( , )= ℎ
1−
4. a) La fonction suivante admet – elle une limite en (0,0) ?
+ −1 ( )+ ( )
( , )= ;
+
b) A l’aide de la formule d’approximation d’ordre 1, calculer :
1,55 + 8 , .
5. a) Déterminer l’extremum local si possible de la fonction f pour + 2 = 1 telle

que :
( , )= −3 .
) é ℝ ( , , )= + + −2 .
= {( , , ) ∈ ℝ / > −1, > −1, > −1}, é .

c) Etudier les extremums de la fonction ℎ définie sur ℝ par :

ℎ( , , ) = +2 + −3 +2 .
Exercice 2
Deux pompes fonctionnant en parallèle tel qu’indiquées à la figure ci-après
refoulent de l’eau à travers des canalisations d’un réservoir commun vers une
destination commune. Le débit volume requis à destination est de 0,01 / . Les
pertes de pression dans les deux canalisations sont données par :
∆ ( ) = 2,1. 10 ∆ ( ) = 3,6. 10
où et sont les débits volumes respectifs en / . Les deux pompes ont le même
rendement et leurs moteurs d’entrainement ont aussi le même rendement.
Déterminer les valeurs optimales des débits volumes pour lesquelles la puissance
hydraulique totale de l’installation est minimale.
0,01 3/
∆
∆
1 2
Exercice 3
Une entreprise fabrique deux modèles de briques : le modèle X est plus abordable
et se vend 500 FCFA l'unité, tandis que le modèle Y se vend 1000 FCFA l'unité.
Les coûts totaux de fabrication (en FCFA) sont exprimés par la fonction suivante :
c( x, y )  5 x 2  5 y 2  2,5 xy  10 000 où x est le nombre de briques du modèle X et y est
le nombre de briques du modèle Y, produits mensuellement. On suppose que

chaque brique produite peut être vendue sur le marché. La capacité de production
de l'entreprise est de 150 briques par mois. En supposant que l'entreprise désire
utiliser à pleine capacité son usine, trouver la répartition de la production mensuelle
permettant de maximiser les profits.

Exercice 4
1- Déterminer et représenter graphiquement le domaine de définition des fonctions
définies par :
+
( , )= ; ( , )= 1−( − )
−
1
ℎ( , ) = ; ( , )=
+ −1
−√
2- Déterminer les courbes de niveaux des fonctions suivantes :

( , )= −5 ; ( , )= + + ℎ( , ) = ;
( , , )= − − ; ( , , )= + +3
3- On considère la fonction u définie par :
( , )=4 −2 +4 +
a. Calculer (−1 ; −1)
b. Déterminer l’équation de la courbe de niveau =5
c. Déterminer le lieu des points ( , ) ∈ ℝ tels que ( , ) ≤ 2
4- Déterminer le domaine de définition et étudier la continuité des fonctions
suivantes :
+
( , )= ( , )= ( , ) ≠ (0 ; 0)
; +
+
0
( )
( , )= ( , ) ≠ (0 ; 0)
+
0
Exercice 5
1. On considère la fonction f définie par :
−
( , )= ( , ) ≠ (0 ; 0)
+
0
) é (0; 0).
) (0; 0) (0; 0) .
ð ð
2. Soit g la fonction de classe définie par :
∶ ℝ →ℝ
( , )↦ ( , )

telle que :
(0 ; 0) = (0 ; 0) = (0 ; 0) = (0 ; 0) = (0 ; 0) = (0 ; 0) = 0
ð
Montrer que la fonction h définie par :
( , )
ℎ( , ) =
+
est continue. Indication : Utiliser la formule de Taylor.
Exercice 6
1. Déterminer les extrema locaux et globaux des fonctions définies de ℝ ℝ
par :
( , )= − + + ; ( , )=( + − 8)( + )
2. Trouver l’extrémum de la fonction h définie par :
1
ℎ( , ) = + (47 − − ) +
2 3 4
3. Trouver parmi les triangles rectangles d’aire S donnée celui dont l’hypoténuse a
la plus petite valeur.
Exercice 7
Soit ( , ) = + − +
1. ù = =0?
2. .
Exercice 8
Un village B se trouve à d km d'une voie ferrée. Où faut-il instaurer un arrêt C pour
que le voyage de la gare A au village B par la voie ferrée AC
et la route CB prenne le temps minimum ?
Le train roule à v km/h, le transport routier roule en
moyenne à km/h avec > 1.
Calculer le temps minimum pour aller de A à B et la vitesse moyenne du trajet de A

à B. Application numérique : d = 20 km, v = 80 km/h, = 4, AD = 40 km.

Exercice 9
L’espace ℝ étant rapporté à sa base canonique ⃗ , ⃗, ⃗ les coordonnées d’un point
M de ℝ sont notées ( , , ) et on pose = + + . On donne les champs ⃗,
⃗, ⃗, ⃗ définis pour tout point M de ℝ − {(0,0,0)} par :
⃗ 1
⃗( ) = ; ⃗( ) = ⃗ ; ⃗( ) = ⃗( ) − ⃗( ) ; ⃗( ) = ⃗( ) + ⃗( ).
1. Calculer en fonction de , , les composantes de ⃗, ⃗, ⃗, ⃗ et ⃗.

2. Calculer les divergences des champs ⃗, ⃗, ⃗, ⃗.
3. Calculer les composantes des vecteurs ⃗ ( ⃗) et ⃗ ( ⃗).
4. Calculer ⃗ ( ⃗) × ⃗ ( ⃗).
5. Vérifier que ⃗ = ⃗ où est une fonction de ℝ dans ℝ, définie par :
( , , )= − 1.
Exercice 10
Soit le champ vectoriel défini par :
⃗( , , ) = ( ) ⃗+ ⃗+ ⃗ = + +
où est une fonction d’une variable différentiable.
1. Calculer ⃗, ⃗ ⃗.
2. A quelle condition ⃗ = 0 ? En déduire l’expression de .
Exercice 11
On considère la fonction définie de ℝ vers ℝ par :
( , , )=
3
1. Calculer ( , , ) et ∆ ⁄ .
2. En déduire l’incertitude ∆ ⁄ en fonction ∆ ⁄ , ∆ ⁄ et ∆ ⁄ .
3. Application : Un cône de révolution a un volume = 1789 ± 2 et pour
rayon = 10 ± 0,05 . Sachant que du cône est proportionnel à l’aire de sa
base et à sa hauteur et que = 3,14 ± 0,01, calculer l’incertitude relative ∆ℎ⁄ℎ
sur la mesure de la hauteur du cône. Donner un encadrement de h.

CHAPITRE 14
Intégrales double et triple
1. Les intégrales doubles

1.1. Définition
Soit une fonction définie et continue sur un domaine plan D.
On appelle intégrale double de de variables dans le domaine D, le réel

défini par :
( , ) .
L’intégrale double est donc l’intégrale d’une fonction de deux variables. Elle nous
permettra, entre autres, de calculer l'aire d'un domaine d'intégration, ainsi que le
volume d'un solide limité par les graphes de fonctions de deux variables.
1.2. Propriétés essentielles des intégrales doubles

On a :
( , ) ± ( , )] = ( , ) ± ( , )
( , ) = ( , ) = é
Si le domaine d’intégration D est partagé en deux domaines et , alors :
( , ) = ( , ) + ( , )
Soit la fonction : → ℝ est intégrable sur D et ≥ 0 alors :
( , ) ≥0

Si ≤ et elles sont toutes intégrales sur D alors :
( , ) ≤ ( , )
Si est définie sur ⊂ ℝ → ℝ et est intégrable sur D alors on a :
( , ) ≤ ( , )
Si ϲ et : → ℝ et est intégrable sur avec ≥ 0 alors
( , ) ≤ ( , )
Inégalité de CAUCHY-SCHAUVRZ pour les intégrales doubles

Soit et deux fonctions définies sur D ϲ ℝ et intégrable sur D, alors . ,
sont intégrables sur D et
≤ ∙
1.3. Règles de calcul des intégrales doubles

On distingue trois types fondamentaux de domaine d’intégration.
Cas :
Le domaine d’intégration D est tel que
D = {( , )∈ ℝ ⁄ ≤ ≤ ≤ ≤ } dans ce cas on a :
( , ) = ( , ) = ( , )
Le domaine D peut aussi s’écrire : = [ , ] × [ , ].

Calculer
= ( +3 ) sur D = {(x, y) ∈ ℝ ⁄0 ≤ ≤2 2≤ ≤ 3}
= ( + ) .
[ , ]×[ , ]
= ( +3 )
1
= +
2
5
= + 19
2
5 1 19
= . +
2 4 2
5 19 5 19
= 2 + 2 )−( ×0+ ×0
8 2 8 2
I= 48
1
= ( + ) = + = 1.
[ , ]×[ , ] 2
En conclusion le calcul d’une intégrale double est ramenée au calcul de deux

intégrales simples.
CAS PARTICULIER
Il peut arriver que ( , ) soit sous la forme ( , ) = ( ). ℎ( ). Dans ce cas, on a
( , ) = ( ) × ℎ( )
Soit :
= ( , ) ∈ ℝ ⁄0 ≤ ≤4 1≤ ≤ } ( , )=

( , ) .
= ×
= ×
3
′( ′(
1 1
) = 1; ( ) = ; ( )= )= = − .
4
= − 0 .[ . − − (1 1 − 1)]
3
64
= ∗1
3
64
=
3
:
Le domaine d’intégration est défini de la façon suivante :
= {( , ) ∈ ℝ ⁄ ≤ ≤ ( )≤ ≤ ( )}
ù sont des fonctions continues sur [ , ]. Alors on a :
( )
( , ) = ( , ) ∶
( )
c’est le théorème de Fubini.

( )
’ é ( , ) ù é é .
( )
Exercice d’application :
= ( , ) dxdy où ( , ) = 2 −
= {( , ) ∈ ℝ ⁄1 ≤ ≤2 ≤ ≤ }

1 1 1
= (2 − ) = 2 − = 2 − −2 +
2 2 2
2 1 1 3 1
= − × − ×
4 5 2 2 3
9
= .
10
Cas :
Il peut arriver que soient continues sur l’intervalle [ , ] et D se présente
comme suit
= {( , ) ∈ ℝ ⁄ ( )≤ ≥ ( ) ≤ ≤ }
Alors on utilise le théorème de Fubini :
( , ) = ( , )
, ( , ) ù é é .
Soit ={ ( , )∈ℝ / ≥1, ≥1 + ≤ 3}
Calculer
1
=
( + )
O 1 2 3
On a donc :
= { ( , ) ∈ ℝ ⁄1 ≤ ≤3− 1≤ ≤ 2}
1 1
= − ×
3−1 ( + )
1 1
= − ×
2 ( + )
1 1 1
=− −
2 (3 − + ) (1 + )
1 1 1
=− −
2 9 (1 + )
1 1 1 1
=− × + =
2 9 1+ 36
1
=
36
On peut aussi dire que :
= { ( , ) ∈ ℝ ⁄1 ≤ ≤3− 1≤ ≤ 2}
Par suite, on a :
1 1
= − ×
3−1 ( + )
1 1
= − ×
2 ( + )
1 1 1
=− −
2 ( +3− ) ( + 1)
1 1 1
=− −
2 9 ( + 1)
1 1 1 1
=− × + =
2 9 +1 36
1
=
36

Exercice
= {( , ) ∈ ℝ ⁄ ≥ 0; ≥0 + ≤ 1}
Calculer
= ( , ) avec ( , )= +
On a : 0 ≤ ≤1 ≥0 + ≤1 ; 0≤ ≤ 1−
On a donc :
0≤ ≤1
0≤ ≤1−
Alors
= ( + )
1
= +
3
1
= (1 − ) + (1 − )
3
1
= − − (1 − )
3 4 12
1
=
6
1.4. Interprétation géométrique de l’intégrale double
Soit une fonction de variables et . définie et continue dans une certaine

région du plan .

Soit = ( , ) définie et continue dans une certaine région du plan .
Considérons dans cette région un domaine D limité par une courbe fermée ( ).
La fonction = ( , ) est représentée par une surface Σ et le cylindre droit de
génératrices parallèles à ( ) et qui a pour base la courbe ( ) rencontre cette
surface suivant une courbe (Γ).
Figure : Interprétation géométrique de l’intégrale double
Considérons dans le plan deux familles de droites parallèles. Une première

famille est constituée par des droites parallèles à ( ) régulièrement espacées de
.
Une seconde famille est constituée par des droites parallèles à ( ) régulièrement
espace de .
Le domaine D est ainsi découpé en domaines élémentaires, l’aire d’un domaine

élémentaire étant = .

La quantité = ( , ) représente, à des infiniment petits du 2nd ordre près,

par rapport à , le volume intérieur au cylindre élémentaire de base et limité
transversalement par le plan d’une part et par la surface Σ d’autre part.
Le volume intérieur au cylindre de base ( ) et limité par le plan et la

surface Σ est égale à la somme des volumes élémentaires .
Cette somme, notée :
= ( , )
est appelée intégrale double de ( , ) étendue au domaine D.
Le domaine D est appelé domaine d’intégration.
( , ) = 1, é é éé
, c'est-à-dire l’aire du domaine D. On note :
Ą( ) = =
Exercice
1. Calculer le volume du corps limité par les surfaces =1+ , =3 , = 5,
= 0 et situé dans le 1er octant.
2. Calculer :
= ( − ) , é = 2− = 2 − 1.
= ( +2 ) é = , = 2 , = 2, = 3.
= +4 = ( , ) ∈ ℝ /0 ≤ ≤1 0≤ ≤ 1−

1.5. Changement de variables dans une intégrale double.
1.5.1. Les difféomorphismes
Soit une fonction à double variables et ,

Soient U et V deux domaines ouverts de ℝ .
Supposons que ∶ → est une application.
Soient P et Q deux applications définies sur → ℝ telles que :
∀( , ) ∈ , ( , ) = ( , ), ( , ) .
On dit que Φ difféomorphisme si et seulement si les conditions

suivantes sont vérifiées :
On appelle matrice jacobienne de ( , ) la matrice carrée d’ordre 2 notée

( , ) définie par :
( , ) ( , )
⎛ ⎞
( , )=⎜ ⎟
( , ) ( , )
⎝ ⎠
On appelle Jacobien ou déterminant jacobien de ( , ) le déterminant de la

matrice jacobienne ( , ) noté é [ ( , )]. On a :
( , ) ( , )
é [ ( , )] =
( , ) ( , )
é [ ( , )] = ( , )∙ ( , )− ( , )∙ ( , )
Le Jacobien se note aussi :

( , )
.
( , )
De façon générale, le changement de variables dans une intégrale double

s’effectue de la façon suivante :
( , ) = ( ( , )) ∙ | é [ ( , )]| .
( )
On peut quelquefois utiliser une symétrie simultanée du domaine D et de la

fonction pour réduire l’intégrale double de .
1.5.2. Changement de variable en coordonnées polaires
La transformation d’une intégrale double lorsqu’on passe des coordonnées

cartésiennes et aux coordonnées polaires liées par la relation :
= cos
= sin
se réalise d’après la formule suivante :
( , ) = ( cos , sin ) .
En effet, désignons par ∶ ( , ) ↦ ( cos , sin ). Ici, ( , ) = cos et

( , )= .
Le Jacobien est :
( , ) ( , )
− sin cos
é [ ( , )] = = =−
cos
( , ) ( , )
alors :
( , ) = ( cos , sin ) .

Si le domaine d’intégration est limité par deux demi-droites et = = avec

< et par deux courbes = ( ) = ( ) où ( ) et ( ) sont des
fonctions uniformes pour ≤ ≤ et ( )≤ ( ), alors l’intégrale double se
calcule par la formule suivante :
( )
( , ) = ( , ) ù ( , ) = ( cos , sin )
( )
Dans ces conditions, on calcule d’abord, l’intégrale :

( )
( , ) é é .
( )
1.5.3. Intégrale double en coordonnées curvilignes

Soit à transformer en passant des coordonnées cartésiennes , aux coordonnées
curvilignes liées par :
= ( , )
= ( , )
où les fonctions ( , ) ( , ) admettent des dérivées premières continues dans

′
un domaine du plan ′ et le Jacobien de la transformation dans D’ ne
s’annule pas :
= ≠ 0.
Dans ces conditions, la formule de transformation d’une intégrale double est de la

forme :
( , ) = ( , ), ( , ) | | .
′

EXERCICE D’APPLICATION
1. En passant aux coordonnées polaires calculer :
= + + ≤ .
2. Calculer :
= ( + ) ( − )
é + = 0; − =0 ; + =3 ; − = −1
3. Calculer
= = {( , ) ∈ ℝ ⁄ + ≤ 1}
4. Calculer :
= ( + )
ù = {( , ) ∈ ℝ ⁄ ≥ 0 + − 2 ≤ 0}
Solution
Calculons les intégrales données.
= + + ≤
En cordonnées polaires, on a :
=
=
+ = ( ) +( )
=
3
= ( + ) ( − )
où D est un carré limité par

− =1
+ =3
+ =1
− = −1
Posons = + = − on aura :
=1 ; =1
=3 ; = −1
1
= + = ( + )
⇒ 2
= − 1
= ( − )
2
3
3
1
1 ′
0 1 3
0 1 3 −1
Alors le jacobien de la transformation est :

1 1
1
= = 2 2 =−
1 1 2
−
2 2
1
| |=
2
1
= ( + ) ( − ) =
2
Vu le fait que le domaine D’ est lui aussi un carré, on a :
1 1 1 1 20
= = = [ 1 + 1] =
2 2 3 6 3

= = {( , ) ∈ ℝ ⁄ + ≤ 1}
= {( , ) ∈ ℝ ⁄ + ≤ 1}
Posons :
=
=
0≤ ≤ 1, ≤ ≤2
= ( ) ( )
= ( )
1 1 1 1
= 2 = (2 ) = (1 − 4 )
6 2 24 48
= ( + )
= {( , ) ∈ ℝ ⁄ ≥ 0 + − 2 ≤ 0}
+ − 2 ≤ 0 ⇒ ( − 0) + ( − 1) − 2 ≤ 0
≥0 ≥0
=
=
Pour > 0, + −2 ≤0 ⇔ −2 ≤0 ⇔ ≤ 2 sin 0≤ ≤ 2 sin .
Or ≥0 ⇔ ≥ 0. > 0, ≥ 0.
≥0⇔ ≥ ⇔0≤ ≤ .
2 2

Le domaine d’intégration devient :
0≤ ≤ 2 sin
0≤ ≤
2
= [( ) +( ) ] = =4
1+ 4 3 3
= (1 − 2 ) = 1−2 2 + = =
2 2 2 4
1.6. Applications des intégrales doubles
Calcul de la Masse
Soit ( , ) la densité de masse ou densité superficielle d’un domaine D. La masse
totale de D est donnée par :
= ( , ) .
Moments d’ordre 1 ou moments statiques

On a :
= ( , ) .
= ( , ) .
Calcul des coordonnées du centre de gravité

On a :
∬ ( , )
= =
∬ ( , )
∬ ( , )
= =
∬ ( , )

Calcul des Moments d’inertie

Le moment d’inertie par rapport aux axes ( ) et ( ) sont respectivement :
= ( , )
= ( , )
Le moment d’inertie par rapport à l’origine des coordonnées ou moment

d’inertie polaire est donné par :
= + = ( + ) ( , )
Le moment d’inertie par rapport à un point A est par définition le réel défini par :
= (( − ) +( − ) ) ( , )
Pour un domaine homogène, la densité superficielle n’est plus variable c’est-à-

dire ( , ) = = .
Pour des figures planes, on a : ( , ) = = 1.
Formule de Huygens
Soit ( , ) un système matériel. G le centre de gravité de ( , ).

un point ou une droite ou un plan.
parallèle à H et passant par G.
la distance de à
la masse de ( , ).
le moment d’inertie de ( , ) par rapport à
le moment d’inertie de ( , ) par rapport à
On a :
= + ∙

Exercice 1
Calculer les coordonnées du centre de gravité de chacune des figures limitées
par :
1) + =1 + = 1.
25 9 5 3
2) = 4 + 4, = −2 + 4.
Exercice 2
14.2.1. Calculer le moment d’inertie polaire de la figure délimitée par les
lignes d’équations :
+ = 1, = 0, = 0.
14.2.2. Calculer le moment d’inertie de la figure limitée par la cardioïde

= (1 + ) par rapport à l’axe .
2. Les intégrales triples
2.1. Définition et méthode de calcul

Soit une fonction définie sur ⊂ ℝ . On appelle intégrale triple la quantité
notée :
( , , ) .
La détermination de cette intégrale triple se fait de façons similaires au calcul

d’intégrale double en commençant par les fonctions étagées sur les pavés.
La formule de FUBINI possède deux formes distinctes :
- soit en prenant une intégrale simple d’une intégrale double sur le domaine D :
= {( , , ) ∈ ℝ ⁄ ≤ ≤ ; ≤ ≤ ; ≤ ≤ }
( , , ) = ( , , )
et il ya trois façons de procéder ainsi : on parle alors de procédé de

sommation par tranches.

- soit en prenant une intégrale double d’une intégrale simple
( , , ) = ( , , )
( )
et il y a trois façons de procéder ainsi : on parle alors de procédé de

sommation par piles.
On en déduit bien sur un procédé de sommation à l’aide de 3 intégrales simples,
de 6 façons possibles :
( , , ) = ( , , )
Théorème
On suppose qu’il existe deux fonctions continues et définies sur [ , ]
telle que ≤ ( )≤ ( )≤ . De plus, on suppose qu’il existe deux
fonction continues sur [ , ] × [ , ] telle que l’on puisse écrire le domaine
D de la façon suivante :
= {( , , ) ∈ ℝ ⁄ ≤ ≤ , ( )≤ ≤ ( ) ( , )≤ ≤ ( , )} .
é alors on a :
( ) ( , )
( , , ) = ( , , )
( ) ( , )
C’est la formule de Fubini totale.
Formule de Fubini partielle

On suppose qu'il existe une fonction qui à tout ∈ [ , ] associe un domaine
Ω ⊂ ℝ . On définit un autre domaine Ω ⊂ ℝ par :
Ω = {( , , ) ∈ ℝ , ≤ ≤ , ( , )} ∈ Ω .
S la fonction est intégrable, alors on a :
( , , ) = ( , ) .
Ω Ω
C’est la formule de Fubini partielle.

Théorème
Soit D le parallélépipède [ , ] × [ , ] × [ , ]. Si
∀( , , ) ∈ , ( , , ) = ( ) ∙ ℎ( ) ∙ ( )

où , ℎ, sont des fonctions continues sur [ , ], [ , ] [ , ] respectivement,

alors :
( , , ) = ( ) ℎ( ) ( )
2.2. Interprétation physique de l’intégrale triple
Soit dans l’espace rapporté à un système d’axes de coordonnées cartésiennes un

corps solide hétérogène.
Si l’on considère une portion du solide de volume ∆ et de masse ∆ , sa masse

spécifique ou masse volumique est ∆ ⁄∆ . Elle dépend de la région considérée.
Etant donné un point P du corps solide et une portion de ce solide de volume ∆
et de masse ∆ entourant le point P, on appellera masse spécifique au point P la
limite de ∆ ⁄∆ quand le volume ∆ tend vers zéro dans ses trois dimensions.
Figure : Interprétation physique de l’intégrale triple

La masse spécifique au point P apparaît alors comme une fonction de ce point,

c'est-à-dire une fonction des trois variables , , coordonnées du point P :
= ( , , ).
Au moyen de trois familles de plans parallèles aux plans de coordonnées nous
pouvons découper le volume du corps solide en volumes élémentaires :
= .
La masse d’un tel volume élémentaire est :
= = ( , , ) .
et la masse totale est la somme des masses élémentaires. Cette somme, notée :
( , , )
est appelée intégrale triple étendue au volume de la fonction ( , , ). Le

volume est le domaine d’intégration.
La fonction ( , , ) envisagée ci-dessus est toujours positive puisqu’elle
représente une masse spécifique. Mais la définition de l’intégrale triple est
évidemment générale et s’applique à une fonction de signe quelconque.
Exercice
Calculer :
1. =
où le domaine D est défini par les inégalités :

1
0≤ ≤ , ≤ ≤ 2 ,0 ≤ ≤ 1− −
2
2. =

≥ 0, ≥ 0, ≥ 0, + ≤ 1.

Solution
Calculons :
1. =

1
0≤ ≤ , ≤ ≤ 2 ,0 ≤ ≤ 1− −
2
1
= = [ ]
2
1 1 1
= (1 − − ) = − −
2 2 3
1 8 1
= 2 −2 − − + +
2 3 3
1 10 1 1 5 1 1 5 1 7
= − = − = − − =
2 3 2 2 6 2 8 6 16 192
7
=
192
2. =

≥ 0, ≥ 0, ≥ 0, + ≤ 1.
1
=
2
1 (1 − )
=
2 4
1 1
= − (1 − ) =
80 80

2.3. Changement de variables
Si, lors du calcul d’une intégrale triple, on a besoin de passer des variables , ,
aux nouvelles variables , , liées aux premières par les relations = ( , , ),
= ( , , ), = ( , , ) où ( , , ), ( , , ) et ( , , ) et leurs dérivées
premières sont des fonctions qui établissent une correspondance biunivoque et
bicontinue entre les points du domaine D de l’espace et les points d’un
certain domaine D’ de l’espace , et que le jacobien J ne s’annule pas dans le
domaine D’ :
= ≠ 0,
et que ( , , ) = ( ( , , ); ( , , ); ( , , )), alors on se sert de la formule

suivante :
( , , ) = ( , , ), ( , , ), ( , , ) . | |
( , , )∈ ′
2.3.1. Passage en coordonnées cylindriques
point ( , , ) ℝ est repéré par un système de coordonnées cylindriques

( , , ) où ( , ) est un système de coordonnées polaires de la projection
orthogonale de M sur le plan .
Figure : Passage en coordonnées cylindriques

On a ainsi les formules de changement de variables :

= cos
= sin
=
Le jacobien J peut être calculé :
− sin cos 0
= = cos sin 0 =−
0 0 1
On retiendra que pour passer en coordonnées cylindriques dans une intégrale

triple, on remplacera | | .
2.3.2. Passage en coordonnées sphériques

Un point ( , , )∈ℝ est repéré par un système de coordonnées sphériques
( , , ) où = et est l’angle polaire de la projection orthogonale de M
est la projection orthogonale sur le plan (orienté directement) et ⃗.
On impose de façon classique ∈ [0,2 ] ∈ [− ; ] ∈ − ; .
Figure : Passage en coordonnées sphériques

On a ainsi les formules de changement de variables suivantes :
= cos cos
= sin cos
= sin
et le jacobien J est :
− sin cos cos cos − cos sin

= = − cos cos sin cos − sin sin
0 sin cos
=− cos
On retiendra que :
Pour passer en coordonnées sphériques, on remplace |cos | .
On peut aussi utiliser les formules de changement de variable suivante :

= sin cos
= sin sin
= cos
= |sin |
Exercice d’application :
1) Calculer :
= | − | ù = {( , , ) ∈ ℝ ⁄0 ≤ ≤1 + ≤ }
on passera en coordonnées cylindriques
2) Calculer
= ( + + ) = {( , , ) ∈ ℝ ⁄ + + ≤ 1}
3) Calculer

= ( + ) ù é é + + ≤
4) Calculer
= ù + + ≤
5) Calculer
= +
où D est limité par le cylindre + = 2 et les plans = 0, = 0, = .
2.4. Applications des intégrales triples

Le volume d’un corps qui occupe un domaine D est donné par la formule :
Si la masse volumique de ce corps est une grandeur variable = ( , , ) alors la

masse se calcule par la formule :
= ( , , )
Les coordonnées du centre de gravité du corps sont déterminées par les

formules :
∭ ( , , )
=
∭ ( , , )
∭ ( , , )
=
∭ ( , , )
∭ ( , , )
=
∭ ( , , )

Les moments d’inertie par rapport aux axes des coordonnées sont
respectivement :
= ( + )
= ( + )
= ( + )
Le moment d’inertie d’un solide ou d’un corps de masse volumique ( , , ) par

rapport à un axe ∆ est par définition le réel défini par :
∆ = ( , , )(( − ) +( − ) +( − ) )
où H est le projeté de M sur ∆.
Exercice
1) Calculer les coordonnées du centre de gravité du corps prismatique limité
parles plans = 0, = 0, = 1, = 3, + 2 = 3.
2) Calculer les moments d’inertie par rapport aux plans de coordonnées et par
rapport aux axes de coordonnées du solide homogène ( , ) où S est l’ellipsoïde
plein défini par :
+ + ≤1 ù , é é .

CHAPITRE 15
LES INTEGRALES CURVILIGNES ET

LES INTEGRALES DE SURFACE
1. Courbes paramétrées
1.1. Définitions et interprétations
On appelle courbe paramétrée la donnée d’une fonction de ℝ dans ℝ telle que
∶ℝ⟶ℝ
( )
⟼
( )
Ceci permet de décrire un ensemble de point facilitant le moyen de trouver les

points de cet ensemble.
Trouver une paramétrisation c’est trouver une courbe paramétrique qui décrit un
ensemble de points.
Une courbe paramétrique peut aussi s’interpréter comme la description d’un

point du plan en fonction du temps dans un certain domaine.
Sur une même courbe, on peut bouger de plusieurs manières et on en déduit

qu’il y a une infinité de paramétrisations possibles.
Exemple :
Soit Γ la courbe paramétrée définie par :
( ) =3 −2 −1
∈ ℝ.
( )=− + +1

1.2. Paramétrage classique
1.2.1. Segment
On peut décrire le segment joignant les points ( , ) et ( , ) soit en termes
de barycentre = {( , 1 − ) ; ( , )} soit en écrivant ⃗= ⃗ avec ∈ [0,1]
On est donc parti de A pour arriver à B. La paramétrisation classique dans ce

cas s’écrit :
( ) = (1 − ) + = + ( − )
( ) = (1 − ) + = + ( − )
1.2.2. Ellipse
Les courbes d’équations :
( − ) ( − )
+ =1
sont des ellipses de centre ( ; ) d’axes ( ) et ( ). La paramétrisation

classique pour les ellipses est la suivante :
( )= + cos
( )= + sin
On remarque si = alors on a un cercle.
1.2.3. Parabole
Les courbes d’équations ( − ) + = sont des paraboles de sommet ( , ) et
dont l’axe de symétrie est parallèle ( ). On peut choisir :
( )=
( )= ( − ) +
ou
( )= +
( )= +

Les courbes d’équations ( − ) + = sont les paraboles de sommet ( ; ) et

dont l’axe de symétrie est parallèle à ( ).
On peut choisir :
( )= ( − ) +
( )=
ou
( )= +
( )= +
1.2.4. Hyperbole
Les courbes d’équations :
( − ) ( − )
− =1
sont des hyperboles de centre ( ; ) d’axes ( ) et ( ) et d’asymptotes les

droites d’équations :
− − − −
− =0 + = 0.
On peut choisir :
( )= +
cos
( ) = tan +
1.3. Courbes paramétrées en polaire
On donne parfois les paramétrisations en polaire de la forme = ( ). On a alors :

( ) = ( ) cos θ
( ) = ( ) sin θ

Les coniques peuvent s’écrire de la forme :
≥0
= ∈ℝ é .
1 − cos( − ) ∈ − ; ]
[
 Si = 0 on a un cercle de centre (0,0) et de rayon | |.
 Sinon, on a une conique dont un des axes (l'axe focal) est dirigé par la
droite passant par (0; 0) et d'angle par rapport à l'axe ( ).
 Si = 1 c’est une parabole
 Si ∈ [0; 1] c’est une ellipse
 Si b> 1 c’est une hyperbole
2. Les intégrales curvilignes
2.1. Définitions et généralités

Soit ( , ) une fonction de variables continue sur un domaine ⊂ ℝ avec
= ( ) où est une fonction continue sur [ ; ] et étant l’arc de courbe
d’équation = ( ) contenu dans .
( )
( )
( )
L’intégrale :
= ( , )

est appelée intégrale curviligne de ( , ) le long de l’arc et c’est par définition

l’intégrale :
= , ( ) .
De même si on considère la fonction inverse de ( ) soit = ( ) = ( ),

l’intégrale curviligne
= ( , )
prise le long de l’arc n’est autre que
( )
= ( ( ), ) .
( )
On appelle intégrale curviligne générale l’expression :
= ( ; ) + ( ; )
qui représente la somme des intégrales définies et .
Généralisation au cas d’un contour quelconque
Généralisons d’abord au cas où l’arc a l’allure indiquée sur la figure ci-après :
Figure 2

Les conditions imposées à ne sont plus satisfaites. Il suffit alors de décomposer

le domaine d’intégration en autant d’arcs partiels où est monotone. On aura
l’intégrale curviligne.
= + + +
Si peut avoir une représentation paramétrique :
= ( )
= ( )
l'intégrale curviligne sur l’arc
( ; ) + ( ; )
s’exprime également par :
( )
ù ( ) = ( ; ) ′( ) + ( ; ) ′( )
dont la valeur reste indépendante de la représentation choisie.
2.2. Intégrales curvilignes de 1ere espèce
On appelle intégrale curviligne de 1ere espèce l’intégrale curviligne de de

variable prise le long de l’arc . Elle se calcule d’après la formule
suivante :
( , ) = , ( ) +[ ( )]
≤ ≤
avec
= ( )

Si la courbe est donnée par ces équations paramétriques
= ( )
= ( )
avec ≤ ≤ , alors l’intégrale curviligne de 1ere espèce est calculée par :
( , ) = ( ), ( ) [ ′ ( )] + [ ′ ( )] .
D’une façon analogue, on détermine et on calcule l’intégrale curviligne de 1ere

espèce d’une fonction ( , , ) prise le long d’une courbe d’équations
paramétriques :
= ( )
= ( )
= ( )
par la formule :
( , , ) = ( ), ( ), ( ) [ ′ ( )] + [ ′ ( )] + [ ′ ( )]
étant la différentielle de l’arc .
Interprétation physique
Si ( , ) > 0, alors l’intégrale curviligne de première espèce donnée par :
( , )
représente la masse de la courbe de densité linéaire variable = ( ; ).

Propriétés
P1 : L’intégrale curviligne de 1ere espèce est indépendante du sens de parcours du
chemin d’intégration
( , ) = ( , )
P2 ∶ [ ( , )± ( , )] = ( , ) ± ( , )
P3 ∶ ( , ) = ( , ) où c ∈ ℝ
P4 : Si la courbe d’intégration est décomposée en deux parties alors
( , ) = ( , ) + ( , ) .
2.3. Intégrale curviligne de 2ieme espèce
Soit ( , ) et ( , ) 2 fonctions continues aux points de l’arc d’une courbe

lisse régie par l’équation = ( ) avec ≤ ≤ .
L’intégrale curviligne de 2ieme espèce de l’expression ( , ) + ( , )

prise le long de l’arc orienté est le travail accompli par la force variable
⃗ = ( , )⃗ + ( , ) ⃗ le long du chemin curviligne . Elle est notée :
( , ) + ( , ) .
Propriétés
P1 : Intégrale curviligne de 2ieme espèce change de signe lorsqu’on change de sens

du parcours du chemin d’intégration :
( , ) + ( , ) =− ( , ) + ( , )

P2 ∶ ( , ) + ( , ) = ( , ) + ( , )
L’intégrale curviligne de 2ieme espèce se calcule d’après la formule suivante :
( , ) ′(
+ ( , ) = , ( ) + ) , ( )
≤ ≤
avec
= ( )
Si la courbe est donnée par ses équations paramétriques :
= ( )
= ( ) où ≤ ≤
= ( )
Alors
( , , ) + ( , , ) + ( , , )
′( ) ( ( ), ( ), ( )) + ′( ) ( ( ), ( ), ( )) + ′ ( ) ( ( ), ( ), ( ))
=
Exercice
1- Calculer =∫ ( − ) où K est un segment de droite compris entre (0,0) et

(4,3).
L’équation de la droite (AB) est :
4 4
= = .
3 3
Par conséquent :
4 4 5 5
= ( − ) = − 1+ = =
3 3 16 2

( )=
2- Calculer la masse de l’arc de courbe ( )= ù0≤ ≤1 dont la densité
( )=
linéaire varie suivant la loi = 2 .
On a :
1
= = 2 = 2 ∙ [ ′ ( )] + [ ′ ( )] + [ ′ ( )]
2
1 1 3 1
= 1+ + = + + +
2 2 4 2
1
1 +2 3 1
= 1+ + + + + 1+ +
2 2 8 2
1 3 3 + 2√3
= 3√3 − 1 + .
8 2 3
3- Calculer les coordonnées du centre de gravité de l’arc de cycloïde d’équations :

= − sin , = 1 − cos , ≤ ≤ .
On a :
Les coordonnées du centre de gravité G d’un arc homogène d’une courbe K se
calcule d’après les formules :
1 1
= , =
= [ ( )] + [ ( )] = (1 − ) + =2 = −4
2 2
= 4.
Alors :
1 1 1
= = ( − )2 = −
4 4 2 2 2 2
1 4 8
= −2 +4 + =
2 2 2 3 2 3

1 1 1
= = (1 − )2 = −
4 4 2 2 2 2
1 1 3 4
= −2 + − =
2 2 3 2 2 3
4- Calculer l’intégrale curviligne :
= (2 − ) +( + )
C étant le cercle de rayon R centré en O décrit complètement dans le sens

direct à partir du point = , = 0.
Solution :
Un tel cercle a pour équation :
+ =
On peut obtenir une représentation simple en coordonnées paramétriques en
posant :
= =−
⇒ ù ⃗, ⃗
= =
Lorsque M décrit le cercle, varie de 0 à 2 .
Alors :
= [(2 − )(− )+ ( + )( )]
= (1 − ) =2 .
2.4. Formes différentielles
2.4.1. Définitions
Cas de deux variables
Soit U un ouvert de ℝ . Exemples d’ouverts : ]−1; 1[ × ]−2; 3[ est un ouvert de ℝ
par contre ]−1; 1] × ]−1; 1] n’est pas un ouvert de ℝ .
On appelle forme différentielle sur U toute application telle qu’il existe deux
applications P et Q telles que :
∀( , ) ∈ , = ( , ) + ( , ) .

Cas de trois variables

Soit U un ouvert de ℝ .
On appelle forme différentielle sur U toute application telle qu’il existe trois
applications P, Q et R telles que :
∀( , , ) ∈ , = ( , , ) + ( , , ) + ( , , ) .
Une forme différentielle peut être exacte ou fermée.
2.4.2. Formes différentielles exactes
Une forme différentielle = ( , ) + ( , ) est dite exacte sur un ouvert U

de ℝ (ou admet des primitives sur U) si et seulement s’il existe une fonction
définie sur de ℝ telle que : = .
⎧ = ( , )
= ⇔
⎨ = ( , )
⎩
= + = ( , ) + ( , ) .
est appelée primitive de sur U.
La définition est analogue pour trois variables réelles.
Dans des cas simples, une forme différentielle peut apparaître comme exacte de
manière évidente.
Exemples :
1
+ = ( + )
2
+ = ( )
1
+ = ( + )
+ + 2

Théorème
Si la forme différentielle = ( , ) + ( , ) est exacte sur un ouvert U et si
est une primitive de alors pour tout chemin Γ inclus dans U joignant des points
d’origine A et d’extrémité B,
= ( , ) + ( , ) = ( )− ( )
2.4.3. Formes différentielles fermées
La forme différentielle = ( , ) + ( , ) est dite fermée si et seulement si :
Dans le cas où = ( , , ) + ( , , ) + ( , , ) , elle sera dite fermée si et

seulement si :
⎧ − =0
⎪
⎪
− =0
⎨
⎪
⎪
⎩ − =0
THEOREME
Toute forme différentielle exacte est fermée mais la réciproque est fausse.
Soit la forme différentielle définie sur = ℝ − {(0; 0)} par :
=− +
+ +
Montre que est fermée sur U mais n’est pas exacte en considérant un cercle de
centre O, de rayon 1 parcouru une fois dans le sens direct.
THEOREME
Un domaine est dit simplement connexe ou domaine sans trou si l’intérieur de
toute courbe est contenue dans un domaine .

Exemple :
 ℝ est un domaine sans trou ou domaine simplement connexe
 L’ellipse est un domaine sans trou
 ℝ − {(0; 0)} est un domaine avec trou.
THEOREME
La forme différentielle = ( , ) + ( , ) est exacte sur un domaine
simplement connexe si et seulement :
= ∀( , ) ∈ ℝ
Exercice
Soit la forme différentielle suivante :
= (3 +2 + ) +( +3 −2 )
Déterminer la fonction dont la différentielle est égale à la forme exacte .
2.5. Notion de facteur intégrant
S’il arrive que la forme différentielle n’est pas exacte, on peut toujours trouver
une fonction qui multiplie la forme pour en faire une forme exacte. Cette fonction
est appelée facteur intégrant.
Si = ( , ) + ( , ) n’est pas exacte, alors on peut prendre comme

facteur intégrant la fonction :
∶ ( , )↦ ( ; )
telle que = + soit exacte c'est-à-dire
= (1)
En dérivant la relation (1) par rapport à , on obtient la relation suivante.
+ = + (2)

L’équation (2) est le type d’équation appelé différentielle aux dérivées partielles
que nous ne savons pas encore résoudre, mais seulement on peut examiner
des cas particuliers.
 1ere cas : dépend uniquement de

( , )⟶ ( )
+ = +
( )⇒ =0
Donc l’équation devient
= +
1 −
− = ⇒ =
Puisque = ( ) alors :
et on a :
1 − −
= ⇒ | |=
 2ème cas : dépend uniquement de y : = ( )

= ( )
+ = +
or
= ( )⇒ =0
Donc l’équation devient :
+ =

1 −
= − ⇒ =
Puisque = ( ) alors :
et on a :
1 − −
= ⇒ | |=
1- Soit la forme différentielle :

ω=( + ) + (−2 ) .
Déterminer un facteur intégrant fonction uniquement de pour que ω soit
une forme exacte.
2- On considère la forme différentielle

ω = (3 + 2 + ) +( +4 +5 )
Déterminer un facteur intégrant tel que ( , ) ⟼ ( , ) = ( + ) où est
une fonction différentiable sur continue sur ℝ.
3- On considère la forme différentielle

ω=( + + 1) −2
Déterminer un facteur intégrant tel que ( ; ) ⟼ ( , ) = ( − ) où est
une fonction différentiable sur continue sur ℝ.

2.6. Indépendance d’une intégrale curviligne de seconde espèce du contour

d’intégration
Soient ( , ) et ( , ) et leurs dérivées partielles premières continues dans un

domaine simplement connexe et soit un contour situé entièrement dans ce
domaine alors la condition nécessaire et suffisante pour que l’intégrale curviligne :
( , ) + ( , )
soit indépendante du contour d’intégration consiste à vérifier dans le domaine

l’identité :
= .
Lorsque les conditions ci-dessus sont satisfaites, l’intégrale curviligne sur un

contour fermé intérieur au domaine D est nulle :
( , ) + ( , ) =0
Exercice
Calculer :
( ; )
= [( + 3 ) +( +3 ) ]
( ; )
1- calculer :
= ( + )
Sur divers contours fermés :

= cos
a- le long de la circonférence = sin
b- le long du contour limité par un arc de parabole = et un segment
de droite = 1.

2- Calculer :
( , )
= [(2 − − 3) +( − ) ]
( , )
2.7. Formule de GREEN-RIEMANN
Soit Ω un domaine borné régulier de ℝ et Γ son bord. Si le plan est orienté, alors
on peut orienter la courbe Γ avec la règle suivante :
 Si en un point de Γ, le vecteur ⃗ dirige la tangente à la courbe
 Si ⃗ est un vecteur orthogonal à ⃗ dirigé vers l’intérieur de Ω alors
quand on parcourt Γ dans le sens de ⃗, on dit que l’on va dans le sens
positif si et seulement la base ⃗, ⃗ est directe. Sinon, on dit que l’on va
dans le sens négatif.
THEOREME
Soit Γ un bord parcouru dans le sens positif comme décrit précédemment. Alors
si = ( , ) + ( , ) est une forme différentielle de classe alors l’intégrale
= −
Γ
Exercice
Calculer en appliquant la formule de GREEN-RIEMAN
= (− + )
où est la circonférence parcourue dans le sens antihoraire.

2.8. Calcul des aires de surfaces

L’aire d’une figure limitée par un contour fermé se calcule d’après la formule :
= −
Le contour d’intégration est parcouru de façon que le domaine limité par ce

contour reste à gauche (sens positif).
Exercice
1) Calculer l’aire de la surface limitée par l’astroïde :
=
ù0≤ ≤2
=
2) Calculer l’aire de la surface limitée par les paraboles = , = .
3. Intégrale de surface
L’intégrale de surface se définit à partir de l’intégrale double, comme l’intégrale

curviligne se définit à partir de l’intégrale simple. Considérons la surface définie
par = ( , ).
Figure : Intégrale de surface

et la portion S limitée par un contour Γ qui se projette sur le plan suivant le

contour C.
Si ( , , ) est une fonction de trois variables , , continue dans une région de

l’espace qui contient la surface S. Par définition, on appelle intégrale de surface la
quantité :
( , , )
l'intégrale double de la fonction :
( , ) = ( , , ( , ))
étendue au domaine D intérieur à la courbe C dans le plan .
On appelle intégrale de surface de 1ere espèce la quantité réelle définie par :
( , , ) = , , ( , ) ∙ 1+ +
D étant la projection de S sur le plan .
Si ( , , ) , ( , , ) et ( , , ) sont des fonctions continues et que S est la face

de la surface lisse définie par la direction de la normale ⃗ (cos , sin , cos ), alors
l’intégrale de surface de 2ème espèce correspondante s’exprime comme suit :
+ + = ( cos + cos + cos )
Lors du passe à l’autre face de la surface, cette intégrale change de signe.

Si la surface est donnée sous forme implicite c'est-à-dire son équation est
donnée par ( , , ) = 0, alors les cosinus directeurs de la normale sont définis
par les formules suivantes :
cos( ) =
± + +

cos( ) =
± + +
cos( ) =
± + +
où le signe devant le radical doit concorder avec la face considérée de la surface.
Les moments d’inerties d’une portion de la surface par rapport aux axes de
coordonnées s’exprime par les intégrales de surface suivantes :
= ( + ) ; = ( + ) ; = ( + )
On peut calculer les coordonnées du centre de gravite d’une portion de surface

d’après les formules :
1 1 1
= ; = ; =
Exercice
1) Calculer
= ( + )
où est une portion de surface conique = + contenue dans les plans

=0 =1
2) Calculer le moment d’inertie de l’hémisphère = − − par rapport à
l’axe ( ).
3) Calculer les coordonnées du centre de gravité de la portion du plan =
limitée par les plans + =1; =0 = 0.
4. Formules de STOKES et d’OSTROGRASKI-GAUSS : éléments de la théorie

du champ
4.1. Formule de Stokes
Rappelons la formule de GREEN-RIEMANN :

( , ) + ( , ) = −
Γ
Dans le cas de deux variables , on admet que cette formule se généralise

dans l’espace pour donner la formule identique dans ℝ appelée formule de
Stokes :
( , , ) + ( , , ) + ( , , )
Γ
= − + − + −
Γ étant la courbe autour de laquelle est prise l’intégrale curviligne et une

surface s’appuyant sur Γ.
4.2. Formule d’OSTROGRADSKI
Soit ∆ un domaine de ℝ limité par une surface et , trois fonctions de

, continument dérivables sur ∆. Alors la formule d’OSTROGRADSKI
s’énonce comme suit :
+ + = + +
∆
Si un vecteur variable ⃗ est une fonction vectorielle du point de l’espace M alors

⃗ = ⃗ ( ) = ⃗ ( ⃗)
où ( , , ) et ⃗ = ⃗ + ⃗ + ⃗ alors ce vecteur définit un champ vectoriel et on a :

⃗( ) = ⃗ + ⃗ + ⃗
⃗ = + +
⃗ = ⃗ = − ⃗− − ⃗+ − ⃗

On appelle flux du champ vectoriel ⃗ ( ) à travers une surface dans le sens

défini par le vecteur unitaire de la normale ⃗ = cos( ) ⃗ + cos( ) ⃗ + cos( ) ⃗ à la
surface , l’intégrale de surface :
⃗⃗ = ( cosα + Q β+R γ)
La formule d’Ostrogradski-Gauss sous forme vectorielle est de la forme :
⃗ ⃗ = ⃗
On appelle intégrale linéaire du vecteur ⃗ pris le long d’une courbe l’intégrale

curviligne :
⃗ ⃗= ( + + )
qui représente le travail accompli par le champ vectoriel le long de la

courbe K.
N.B
Si le contour est fermé alors l’intégrale linéaire :
⃗ ⃗= ( + + )
est appelée circulation du champ vectoriel le long du contour .

La formule de stokes sous la forme vectorielle s’écrit :
⃗ ⃗= ⃗ ⃗⃗
c'est-à-dire que la circulation du vecteur le long du contour d’une certaine

surface est égale au flux du rotationnel à travers celle-ci.
5. Potentiel scalaire
Soient U un ouvert de ℝ et ⃗ ∶ → ℝ un champ de vecteurs de classe sur U.
On dit que ⃗ dérive d’un potentiel scalaire (ou ⃗ admet un potentiel scalaire) si et
seulement s’il existe un champ scalaire ∶ → ℝ de classe sur U tel que :
⃗= ⃗
s'il existe, un tel champ scalaire est appelé potentiel scalaire de ⃗ .

On appelle champ scalaire une région de l’espace dans laquelle à chaque point
( , , ) est associée une grandeur ( , , ).
L’ensemble des points d’un champ scalaire où la fonction prend une valeur
constante ( , , )= est appelé suivant le cas, isobare (pour la pression),
isotherme (pour la température), équipotentiel (pour le potentiel)…
Théorème
Soient U un ouvert de ℝ et ⃗ ∶ → ℝ un champ de vecteurs de classe sur U.
Si ⃗ admet un potentiel scalaire alors ⃗ ⃗ = ⃗.
Exercice
1. Montrer que le champ vectoriel :
⃗ ∶ ℝ − {(0,0)} × ℝ → ℝ
2 2 3
⃗( , , ) = − ,− ,1 +
( + ) ( + ) +
dérive d’un potentiel scalaire et calculer celui-ci.
2. Trouve la circulation du champ vectoriel ⃗ = ( + 3 + 2 )⃗ + (2 + ) ⃗ + ( − ) ⃗
suivant le contour d’un triangle où (2,0,0), (0,3,0) (0,0,1).
3. En appliquant la formule d’OSTROGRADSKI transforme en intégrale de
volume :
= + + .

Planche d’exercices
Exercice 1
1. Soit la forme différentielle donnée par :
= (3 − ) + (2 −6 )
a) est – elle exacte ? Déterminer un facteur intégrant ∶ ( , )↦ ( + )
où est une fonction d’une variable réelle différentiable.
b) Calculer alors l’intégrale curviligne :
( ; )
(3 − ) + (2 −6 )
( ; )
2. Calculer les intégrales doubles ou triples suivantes :
) = ( − 2) où est l′ intérieur du triangle de sommets A(−2; 2), (0,0)et B(2,4).
) = où D est le disque de centre K(−1; 0)et de rayon 1.
) = où D est la boule unité.

+ + ( − 2)
) = 4− − où D est le demi − disque tel que + ≤ 4 et ≤ 0.
3. Une plaque occupe le domaine D et sa densité superficielle en tout point

( , ) a pour mesure la distance de M à l’axe des abscisses. Calculer la masse
de la plaque.
Exercice 2
1. Déterminer le volume intérieur à l’ellipsoïde d’équation :
+ + = 1 où , et sont trois réels strictement positifs.
2. Calculer les coordonnées du centre de gravité du domaine :
= ( , )∈ℝ / + ≤ 1, ≥ 0 et ≥0
3. Calculer l’intégrale curviligne sur de la forme différentielle définie par :

−
=
+
où est le carré orienté de sommets consécutifs
( , ), (− , ), (− , − ) ( , − ).

En déduire que la forme différentielle n’est pas exacte.

4. Calculer la circulation du champ de vecteurs :
− −
⃗( , ) = ;
( + ) ⁄ ( + ) ⁄
le long du segment [ ] avec (1,1), (2,2) et parcouru de A vers B.

5. Changer l’ordre d’intégration dans l’intégrale suivante où est supposée
continue :
= ( , ) .
Exercice 3
On considère le domaine de ℝ suivant :
= ( , , )∈ℝ / ≥0, ≥ 0, + ( )+ ≤ 2(1 + ), ≤ .

2
On souhaite calculer les intégrales suivantes :
= et =
1. Etudier le changement de variables donné pour tout ( , , ) ∈ par :

( , , ) = ( , , − ).
Que se passe t – il dans et ? Peut – on en déduire quelque chose pour
ou ?
2. Montrer que :
= ( , , )∈ℝ / 0 ≤ ≤ ,( , ) ∈
2
ù = {( , ) ∈ ℝ / ≥0, + ≤ (1 + ) }.
3. En déduire, en précisant le nom du théorème employé, que :
= ( ) , ù ( )= cos
4. Soit fixé. En utilisant un changement de variables en polaire de la forme :

( , )=( , ) montrer qu′ il existe une constante que l′ on précisera telle que ∶
( )= (1 + ) .
On précisera le domaine de ( , ) et le nom des outils employés. Calculer .
5. Calculer l’intégrale double suivante :
= ℎ ù ∆= {( , ) ∈ ℝ / ≥0, ≥ 0, + ≤ 1 }.
∆

Exercice 4
On note pour tout > 0, = {( , ) ∈ ℝ / + = }, le cercle de centre (0,0)
et de rayon R. On note ce cercle parcouru dans le sens trigonométrique. On
définit Γ = {( , ) ∈ ℝ / 4 + = 1} une courbe de
ℝ et on note Γ cette courbe parcourue dans le sens trigonométrique. On
considère le domaine suivant :
= {( , ) ∈ ℝ / 1 − 3 ≤ + ≤ 4}.
On note Γ le bord de D orienté dans le sens positif. Soit la forme
différentielle définie sur ℝ \{(0,0)} par :
−
= + .
4 + 4 +
1. Rappeler la nature de Γ et dessiner sur une même igure Γ , C et D.
2. Donner une paramétrisation de Γ et calculer, en utilisant cette
paramétrisation, l’intégrale curviligne suivante :
= .
Γ
3. On se propose de calculer l’intégrale curviligne :
= .
Γ
a) Enoncer la formule de Green-Riemann.

b) En appliquant la formule de Green-Riemann sur D, calculer I.
c) En déduire = .
d) En vous inspirant de la méthode précédente, montrer que = pour tout
> 0.
4. Trouver tous les cercles du plan tels que :
+ = 0.
5. En appliquant la formule d’Ostrogradski-Gauss, transformer l’intégrale de

surface suivante en une intégrale de volume :
= + + .

CHAPITRE 1
ANALYSE D’ERREURS
1. Introduction
On distingue trois principaux types d’erreurs en analyse numérique :
- les erreurs de modélisation ;

- les erreurs de représentation sur ordinateur ;
- les erreurs de troncature.
Les erreurs de modélisation proviennent de l’étape de mathématisation du phénomène

physique auquel on s’intéresse.
Les erreurs de représentation sur ordinateur (généralement binaire) s’accumulent lorsque

l’on effectue un très grand nombre d’opérations et peuvent compromettre la précision des
résultats.
Les erreurs de troncature proviennent principalement de l’utilisation du développement de

Taylor, qui permet par exemple de remplacer une équation différentielle par une équation
physique.
Le développement de Taylor est le principal outil mathématique du numéricien. Il est donc

primordial d’en maîtriser l’énoncé et ses conséquences.
2. Quelques définitions utiles

Définition 1
Soit x, un nombre, et x* , une approximation de ce nombre. L’erreur absolue est définie par :
 x = x  x* (1)
L’erreur relative est définie par :

x  x*  x
Er ( x )   (2)
x x
En pratique, il est difficile d’évaluer  x et Er ( x ) car on ne connaît généralement pas la
valeur exacte de x et on ne connaît que x* .
Dans le cas des quantités mesurées, on a :
2
x  x*   x  x*   x  x  x*   x
ou on écrit parfois :
x  x*   x (3)
Définition 2
Si l’erreur absolue vérifie :
 x  0,5  10 m
alors le chiffre correspondant à la m ième puissance de 10 est dit significatif et tous ceux à sa
gauche (correspondant aux puissances de 10 supérieures à m) le sont aussi.
Exemple 1
22
Soit x =  et x* = = 3,142857
7
22
x     0 ,00126   0 ,126.10  2
7
La question est de savoir le nombre de chiffres significatifs que comporte la valeur de

x* .
0,126.10 -2 ≤ 0,5.10 -2   x  0,5.10  2 
le chiffre des centièmes (4) est significatif et on a en tout 3 chiffres significatifs. Donc la
valeur approchée de x est x* = 3,14 .
Exemple 2
Si x =  et x* = 3,1416 est sa valeur approchée, on a :
 x    3 ,1416  0 ,73.10  5
x 0,5.10  4
Le chiffre correspondant à la quatrième puissance de 10 (6) et tous les chiffres situés à sa

gauche sont significatifs. On a en tout 5 chiffres significatifs.
3
Remarque :
Inversement, si un nombre est donné avec n chiffres significatifs, cela signifie que l’erreur
absolue est inférieure à 0,5 fois la puissance de 10 correspondant au dernier chiffre
significatif.
3. Erreurs de troncature
Les erreurs de troncature constituent la principale catégorie d’erreurs. Nous aborderons tout le
long de ce cours les méthodes de résolution qui comportent des erreurs de troncature plus ou
moins importantes. L’ordre d’une méthode dépend du nombre de termes utilisés dans les
développements de Taylor appropriés. Il est donc essentiel de revoir en détail le
développement Taylor, car il constitue l’outil fondamental de l’analyse numérique.
3.1 Développement de Taylor en une variable
Présentons cette notion comme un problème d’approximation au voisinage d’un point

quelconque xo.
f(x) pn(x
)
f(x0) p0(x)
p1(x)
x0
On se demande alors quel est le polynôme de degré n noté Pn(x) qui donne la meilleure
approximation d’une fonction f(x) donnée au voisinage de xo.
Définition
Le polynôme de Taylor de degré n de la fonction f(x) autour de xo est défini par :
4
Pn  f  x0  
x  x0
f '  x0  
 x  x 0  f "  x      x  x0  f  n   x 
2 n
0 0
1! 2! n! (4)
où f ( n ) ( x 0 ) est la dérivée d’ordre n de la fonction f au voisinage de xo.
Ce polynôme donne une approximation de f(x) au voisinage de xo. Cependant, on commettrait

une erreur en égalant f(x) et Pn(x).
Théorème
Soit f(x), une fonction dont les dérivées jusqu’à l’ordre (n+1) existent au voisinage du
point x 0 . On a l’égalité suivante :
f ( x )  Pn ( x )  Rn ( x ) (5)
où Pn(x) est le polynôme de Taylor (4) et Rn(x) est l’erreur commise et donnée par la
relation :
Rn  x  
x  x 
0
n 1
f n 1    x 
n  1!
(6)
pour un certain  ( x ) compris entre x 0 et x.
Remarques :
1. L’équation (5) est une égalité et ne devient une approximation que lorsque le terme
d’erreur est négligé.
2. Le terme d’erreur (6) devient de plus en plus grand lorsque x s’éloigne de x 0 en
vertu du terme  x  x0 
n 1
.
3. Inversement, pour une valeur de x proche de x 0 , le terme d’erreur exprimé par

l’éq. 6 devient de plus en plus petit lorsque n augmente.
4. On sait que le point  ( x ) existe et qu’il varie avec x, mais on ne connaît pas sa
valeur exacte. Il n’est donc pas possible d’évaluer le terme d’erreur exactement.
On peut tout au plus lui trouver une borne supérieure dans la plupart des cas.
5
5. On commet une erreur de troncature chaque fois que l’on utilise le développement
de Taylor et que l’on néglige le terme d’erreur (éq. 6).
Un cas particulier important du théorème précédent est le 1er théorème de la moyenne que
l’on obtient en posant n = 0 dans le développement de Taylor.
Corollaire
 
Soit f(x), une fonction dérivable dans l’intervalle x0 , x . Alors il existe  dans l’intervalle
x 0
, x  tel que :
f  x   f  x0   f '     x  x0 
qui s’écrit également sous la forme :
f  x   f  x0   f '     x  x0  (7)
Une forme plus pratique du développement de Taylor est obtenue en remplaçant x par
 x0  h ou encore en remplaçant l’expression x  x0  par h. Ainsi, on a :
f  x0  h  Pn h  Rn h (8)
où :
h2 h3 hn
Pn  h  f  x 0  + h  f '  x 0  + f "  x0  + f "'  x 0  +    + f (n)
 x0  (9)
2! 3! n!
donc :
h n 1
Rn  h   f ( n 1 )  ( h ) (10)
 n  1 !
pour un certain  ( h ) compris entre x 0 et  x 0  h .
Exercice :
1. Trouver le développement de Taylor de la fonction f ( x )  e x au voisinage de x0  0 .
2. Trouver une borne supérieure pour Rn(h).
6
3. Estimer les valeurs de e 0 ,1 en utilisant ce développement. Evaluer dans le cas h  0,1
l’erreur absolue, le terme d’erreur majorée et donner le nombre de chiffres significatifs
en faisant varier n de 0 à 3.
4. Pour n = 3 et h  0,05 calculer l’erreur absolue due à cette approximation.
Solution :
1. Développement de Taylor
f x  e x
f  x   f '  x     f n   x   e x
f 0   f ' 0     f n  0   e 0  1
en posant x  x0  h , il vient :
2 n
 e  Pn h  1  h 
x0  h h h
e e
x h
 
2! n!
et le terme d' erreur
n 1
Rn h  avec  h  x0 , x0  h  0 , h

h
e  h 
n  1!
2. Borne supérieure du terme d’erreur
Cela revient à déterminer un majorant pour Rn(h).
La fonction exponentielle étant strictement croissante, on peut écrire :
0  ( h )  h  e0  e(h)  e h
1  e  (h)  e h
donc e  (h)  e h
h n+1 (h) h n+1
il en résulte que : e  eh
( n  1 )! ( n  1 )!
h n+1
Rn ( h )  eh
d’où : ( n  1 )! (11)
3. Estimation des valeurs de e 0 ,1 et détermination des chiffres significatifs
En prenant h  0,1 , on a :
7
Erreur absolue Nombre de Valeur majorée
chiffres pour le terme
n Pn(0,1) f ( 0,1 )  Pn ( 0,1 )
significatifs d’erreur
0 1,0000000 0,105x100 1 0,111x100
1 1,1000000 0,517x10-2 2 0,552x10-2
2 1,1050000 0,17x10-3 4 0,184x10-3
3 1,1051667 0,420x10-5 6 0,460x10-5
4. Erreur absolue pour n = 3 et h  0,05
En prenant h  0,05 et n = 3 par exemple, on obtient :
e 0 ,05  1,051271096 (valeur donnée par la calculatrice)

0 ,05 2 0 ,05 3
P3 ( 0 ,05 )  1  0 ,05  
2 6
 1,051270833
 f  e 0 ,05  P3 ( 0 ,05 )  0 ,263  10 6
Remarque :
P3 ( 0,1 )  e 0 ,1 0,4245  10  5
Le rapport des erreurs absolues liées à   16 ,14
P3 ( 0,05 )  e 0 ,05 0,263  10  6
La valeur de ce rapport n’est pas fortuite. La définition suivante nous permet de comprendre
d’où provient cette valeur.
Définition
Une fonction f h est un grand ordre de h que l’on note f  h  O  h 

n n
au voisinage
de x0  0 s’il existe une constante positive C telle que :
f (h)
n C
h
8
au voisinage de x0  0 .
Remarque :
Pour avoir une idée du comportement d’une fonction de type O  h  , il suffit de remarquer
n
que, lorsque h est divisé par 2, la fonction O  h 

n
diminue selon un facteur approximatif de
2 n . En effet, en remplaçant h par h/2 dans Ch n , on obtient :

n
 h C hn
C   
2 2n
Le terme d’erreur du polynôme de Taylor de degré n est généralement du type O  h  . Cela

n 1
explique le rapport 16,14 obtenu dans l’exercice précédent. En effet, on y trouve un polynôme
de Taylor de degré 3 dont le terme d’erreur est de type O  h 3 1   O  h  . En passant de
4
h  0,1 à h  0,05 , on divise h par un facteur de 2, d’où une diminution selon un facteur de
2 4  16 de l’erreur. Bien sûr, le facteur de 16 est approximatif et n’est atteint qu’à des
valeurs de h très petites. Dans le cas général, on note :

f  x 0  h  Pn ( h )  O h n 1 
Définition :
Une approximation dont le terme d’erreur est un grand ordre de h

n
O  h n
est dite
d’ordre n.
Suivant cette définition, le polynôme de Taylor de degré n (Pn) est généralement, mais pas
toujours, une approximation d’ordre (n+1) de f(x). Par exemple, le développement de Taylor
de degré n de e x autour de x0  0 est d’ordre (n+1).
Exercice
Calculer le développement de Taylor d’ordre 5 de la fonction f ( x )  sin x au voisinage
de x0  0 . Trouver l’approximation d’ordre 5 de la dite fonction et majorée le terme
d’erreur.
9
Solution :
 Pour le développement de Taylor utilisons les formules (8), (9) et (10). Pour
développer un polynôme d’ordre 5, il faut développer Pn ( h ) jusqu’au degré 4 et
ajouter Rn ( h ) :
f ( x )  sin x ; f ( 0 )  0
f '( x )  cos x ; f '( 0 )  1
f "( x )   sin x ; f "( 0 )  0
f '"( x )   cos x ; f '"( 0 )  1
f (4)
( x )  sin x ; f (4)
(0 )  0
f (5 )
( x )  cos x
f  x 0  h   f  0  h   f  h   sinh
f  h   f  0   h! f '( 0 )  h ! f "( 0 )  h ! f '''( 0 )  h ! f ""( 0 )  h ! f  ( h )

2 3 4 5 (5 )
1 2 3 4 5
pour    0, h
Le développement de Taylor est :
3 5
sinh  h  h  h cos  ( h ) pour    0, h 
6 120
Rn ( h )
et l’approximation d’ordre 5 de f ( x )  sin x au voisinage de x0  0 s’écrit :
h3
P3  h   h 
6
 Majoration du terme d’erreur
L’erreur est :
5
R3  h   h cos  ( h ) pour    0, h
120
h5
  (h)   0, h , on a : cos (h)  1 donc R 3 ( h ) 
120
10
Vérifier que cette approximation est réellement d’ordre 5 en prenant h  0,1 et h  0,2
.
P3  0,2   f  0,2 
En calculant le rapport , on trouve :
P3  0,1   f  0,1 
P3 0 ,2   f 0 ,2 
 31 ,97  2
5
P3 0 ,1  f 0 ,1
qui montre que l’approximation trouvée est bien d’ordre 5
3.2 Développement de Taylor en plusieurs variables
On peut reprendre ici le raisonnement analogue au précédent (cas d’une var.). On se limitera à
trois variables ici, le cas général étant similaire.
THEOREME
Soit f  x1 , x2 , x3  une fonction de trois variables que l’on suppose suffisamment
différentiable. On a alors (voir page 11).
En pratique, on utilise principalement le développement de degré 1 qui ne fait intervenir que

les dérivées partielles d’ordre 1.
11
12
Exercice
Soit la fonction de deux variables f ( x 1 , x 2 )  x 12  x 1 sin x 2 :
1. Développer f au voisinage de (1, 0).
2. Trouver à l’aide du polynôme de Taylor de degré 2 l’approximation de f en prenant

h1  h2  0,1 .
3. Trouver l’ordre de cette approximation en utilisant h1  h2  0,05 .
3.3 Propagation d’erreurs dans le cas général
Plus généralement, si l’on a :
x  x*   x
y  y*   y
Quelle sera la précision d’une fonction d’une variable f ( x*) ou de la fonction de deux variables
g( x*, y*) ?
Le développement de Taylor nous apporte une solution.
 Considérons d’abord le cas d’une variable.
Une quantité x inconnue est approchée par une valeur approximative x* avec une erreur absolue x.
On estime la valeur inconnue f(x) par l’approximation f(x*). L’erreur absolue liée à ce résultat est :
 f  f ( x )  f ( x*)
On a de plus :

f  x   f  x   x   f  x*    x  f '  x*   O  x 2 
En négligeant les termes d’ordre plus grand ou égal à 2, on obtient :
 f  f ' x*   x
que l’on peut également écrire :
13
f  x   f  x *  f '  x *   x
Exercice
On mesure un côté d’une boîte cubique qui donne l*  10,2cm avec une précision de l’ordre
du millimètre  l  1mm  . Déterminer la valeur approchée du volume v de cette boîte et en
déduire l’erreur liée.
Solution :
l*  10 ,2cm et l  0 ,1cm
Posons v  f ( l )  l 3
l' erreur absolue liéeau volume est : v  f '  l *    l
v  f ( l )  l 3  f '( l )  3l 2
donc v  3( l*) 2   l
 3  ( 10 ,2 ) 2  0 ,1
 31,212
v  0 ,31212.10 2  0 ,5.10 2
La valeur approchée du volume est :
v* =  l*   10,2 3  1061,208cm 3
3
v  1061,2cm 3 dont les deux premiers chiffres sont significatifs
THEOREME
Soit f ( x, y,z ) une fonction de trois variables x, y et z dont on estime les valeurs par
x*, y* et z* avec une précision de  x,  y et  z respectivement. L’erreur absolue  f est
donnée par :
 f ( x*, y*, z*)  f ( x*, y*, z*)  f ( x*, y*, z*)
f   x  y  z (12)
x y z
Exercice
Un signal électrique est donné par la relation :
V  As i n ( wt  )
où V est la tension, A est l’amplitude du signal  A* =100V  ,  est le déphasage
* = 0,55rad  et t est le temps  t*  0,001s  . En supposant que A et w sont connus
14
exactement et que * et t* possèdent respectivement 2 et 1 chiffres significatifs, évaluer
l’erreur absolue liée à V ainsi que le nombre de chiffres significatifs.
Solution
A et w sont connus exactement, donc
A  A*   A  0
w  w*   w  0
P a r a i l l e u r s t  0 ,5 . 1 0  3  t*  0 ,0 0 1s 
   0 ,5 . 1 0  2
 V  t* , *   V  t* , * 
V  t  
t 
 A* w* c o s  w* t *  *   t  A* c o s  w* t *  *   
 2 5 6 ,2 2 6 6 6 2 3 5  0 ,5 . 1 0  3   8 5 ,4 0 8 8 7 4 5  0 ,5 . 1 0  2
V  0 ,5 5 5 1 5 7 6 8 4
La tension approximative est :
V*  A* s i n  w* t *  *    5 2,0 1 2 7 3 0 7 1
Puisque V  0,5 . 1 0 1 , donc V * n’a qu’un seul chiffre significatif.
Opérations élémentaires sur la propagation des erreurs
Soit f ( x, y ) une fonction à deux variables, x et y . On peut effectuer les opérations suivantes :
1 )   x  y  x   y
2 )   x  y   x   y
3 )   x  y  y x  x  y
 x y x  x  y
4)   
y2
 y
y 0
15
CHAPITRE 2
RESOLUTION DES EQUATIONS NON LINEAIRES
1. Introduction
La résolution des problèmes de l’ingénieur débouche souvent sur deux types de recherche de
solutions d’une équation à une variable :
1.) recherche d’une racine de l’équation f ( x )  0 où est une fonction transcendante ou
numérique de x.
Les méthodes numériques que nous présenterons dans ce chapitre conduiront (sous certaines
conditions) à l’approximation d’une racine de l’équation f( x)0.
Pour l’ingénieur, la recherche des racines complexes de f ( x )  0 est relativement peu courante
sauf en commande des processus. C’est pourquoi la méthode dite de Newton est généralement
présentée pour rechercher les racines complexes de :
f x  0 (1)
2.) Recherche de plusieurs ou toutes les racines de Pn ( x )  0 où Pn ( x ) est un polynôme
de degré n en x . Ce problème est un cas particulier du premier ; il pourrait donc être résolu
par la méthode précédente.
2. Méthode de la bissection (dichotomie)

La méthode de la bissection repose sur l’idée toute simple qu’en général de part et d’autre d’une
solution de l’équation (1) f  x   0 une fonction continue f ( x ) change de signe et passe du
positif au négatif ou vice versa.
Supposons qu’il y ait effectivement un changement de signe autour d’une racine r de f  x  .
f x
r
x1 xm x2
16
Soit  x1 , x2  un intervalle ayant un changement de signe de f  x  c à d :
f  x1   f  x2   0
(2)
On pose :
x  x2
xm  1
2
le point milieu de l’intervalle  x1 , x2  . Il s’agit alors de déterminer entre les intervalles
 x1 , xm  et  xm , x2  celui qui possède encore un changement de signe et la racine se trouvera

forcement dans cet intervalle d’où l’algorithme suivant :
Algorithme (algorithme de la bissection)
1. Etant donné un intervalle  x1 , x2  pour lequel f ( x ) possède un changement de signe ;
2. Etant donné  le critère d’arrêt et N le nombre maximal d’itérations ;
x1  x 2
3. Poser : xm 
2
x 2  x1
4. Si  :
2 xm
 Convergence atteinte ;
 Ecrire la racine xm ;
 Ecrire f xm  ;
 Arrêt.
     
5. Ecrire x1 , x2 , xm , f x1 , f x2 , f xm ;
   
6. Si f x1  f xm  0 alors x2  xm ;
   
7. Si f xm  f x2  0 alors x1  xm ;
8. Si le nombre maxi. d’itérations N est atteint :

17
 convergence non atteinte en N itérations ;
 Arrêt.
9. Retour à l’étape 3.
Remarque
1. L’expression :
x 2  x1

2 xm
est une approximation de l’erreur relative. En effet, à l’étape 3 de l’algorithme, la racine
recherchée est soit dans l’intervalle  x1 , xm  ou  xm , x2  qui sont toutes deux de
longueur :
x2  x1
2
ce qui constitue une borne supérieure de l’erreur absolue. Ainsi, en divisant par xm , on obtient
une approximation assez fiable de l’erreur relative.
2. Prendre garde au cas où la racine recherchée est 0 car il y a risque de division par 0 au cours
de l’évaluation de l’erreur relative. Ce cas est toutefois rare en pratique.
3. Il est parfois utile d’introduire un test d’arrêt sur la valeur de f  x  qui doit tendre
également vers 0.
Algorithme pratique de la méthode de bissection

Données : x1 , x2 {bornes de l’intervalle}
E {précision souhaitée}
f(x) {fonction}
Calculs :
 x2  x1 
 ln 
N  partie entière  E  1
 ln 2 
 
18
y1  f  x1 
pour i  1 à N
  x1  x2  ; y  f x
 xm 
2 m  m

 si y1 ym 0 alors x2  xm
 sinon x1  xm ; y1  ym


écrire xm
Exercice :
En utilisant la méthode de la bissection, chercher la racine carrée de 2 en prenant

l’intervalle 1 , 2 pour une précision de E = 10-3.
Solution
Calculons d’abord le nombre d’itérations nécessaires pour obtenir la précision de
E  10 3 .
Nous avons :
 x2  x1   21 
ln  ln 
  3
N  INT  E  1  INT  10  1
 ln 2   ln 2 
   
 INT ( 10 ,966 )  10
19
x  2  x 2  2  0; f ( x )  x 2  2  0
y1  f  x1   f  1   1  2  1
y2  f  x 2   f  2   4  2  2
On commence les calculs itératifs
1ère itération
x  x2 1  2
xm  1   1,5
2 2
ym  f  xm   1,5 2  2  0 ,25
y1  ym 0 donc on sélectionne l'intervalle  x1 , xm  (en prenant
x2  xm ) et ainsi de suite.
Les résultats obtenus en fonction du nombre d’itérations sont :
x1 x2 xm ym
1 1 2 1,5 0,25
2 1 1,5 1,25 - 0,4375
3 1,25 1,5 1,375 - 10,94
4 1,375 1,5 1,4375 0,06641
5 1,375 1,4375 1,4062 - 0,02246
6 1,4062 1,4375 1,4219 0,02173
7 1,4141 1,4219 1,4141 - 0,00043
8 1,4141 1,4219 1,4180 0,01064
9 1,4141 1,4180 1,4160 0,00510
10 1,4141 1,4160 1,4150 0,00233
20
Exercice :
Montrer que la fonction f ( x )  x 3  x 2  3x  3 possède un zéro dans l’intervalle

1, 2 . Trouver sa valeur approchée en 10 itérations.
Solution
f ( 1 )  4,0; f ( 2 )  3,0
f ( 1 )  f ( 2 )  4  3  12 0
Alors, la fonction f ( x ) donnée possède un zéro dans  1, 2  .
Recherchons cette solution par la méthode de la bissection :
1 2
Le point milieu de  1, 2  est : xm   1,5
2
f  xm   f ( 1,5 )  1,875
f ( 1,5 )  f ( 2 ) 0  l’intervalle  1,5 , 2  possède encore un changement de signe, ce

qui n’est pas le cas pour l’intervalle  1 , 1,5  puisque f(1)  f(1,5) 0 . Ensuite on calcule
le point milieu xm de  1,5 , 2  et ainsi de suite :
21
Erreur absolue
n x1 x2 xm f ( x1 ) f ( x2 ) f ( xm ) liée à xm
1
x  x1
2 2
1 1,0 2,0 1,5 -4,0 3,0 -1,875 0,5
2 1,5 2,0 1,75 -1,875 3,0 0,17187 0,25
3 1,5 1,75 1,625 -1,875 0,17187 -0,94335 0,125
4 1,625 1,75 1,6875 -0,94335 0,17187 -0,40942 0,0625
5 1,6875 1,75 1,71875 -0,40942 0,17187 -0,12478 0,03125
6 1,71875 1,75 1,734375 -0,12478 0,17187 0,022029 0,015625
7 1,71875 1,734375 1,72656 -0,12478 0,022029 -0,05175 0,007812
8 1,72656 1,734375 1,73046 -0,05175 0,022029 -0,014972 0,0039075
9 1,73046 1,734375 1,7324175 -0,014972 0,022029 0,1994533 0,0019525
10 1,73046 1,7324175 1,731438 -0,014972 0,1994533 0,190645 0,0019575
On remarque aisément que la longueur de l’intervalle entourant la racine est divisée par 2 à chaque
itération. Cette constatation permet de déterminer à l’avance le nombre d’itérations nécessaires
pour obtenir une certaine erreur absolue ∆r sur la racine r.
Soit par exemple L  x2  x1 la longueur de l’intervalle de départ, après une itération le nouvel
L
intervalle est de longueur et après N itérations la longueur de l’intervalle est :
2
L
2N
Pour connaître la valeur de N nécessaires pour avoir :
22
L
N
r
2
il suffit de résoudre cette inéquation en fonction de N pour trouver la condition suivante :
 L
ln  
N  r 
ln 2
Il est clair que sur le plan pratique on doit prendre pour valeur de N le plus petit entier vérifiant
cette condition là.
Exercice :
Déterminer le nombre d’itérations à partir de l’exercice précédent si le chiffre des centièmes

de la valeur approchée de la racine r est significatif.
Solution :
Si le chiffre des centièmes de r est significatif alors
 r  0 ,5.10  2
Puisque la longueur de l’intervalle 1 , 2 de départ est :
L 211
en appliquant
 L
ln  
N  r 
ln 2
il vient :
 1,0 
ln  2 

N  
0 ,5 10
ln 2
N  7 ,64
N  8 itérations
23
3. Méthode de Newton (ou de Newton-Raphson)
3.1. Principe
La méthode la plus utilisée pour la résolution de l’équation non linéaire
f( x)0
est celle de Newton-Raphson.
Soit la fonction f ( x ) possédant un zéro dans un intervalle donné. Si f ( x ) est continue et

continûment dérivable au voisinage de x (racine) alors le développement en série de Taylor
*
autour d’un estimé ou approximé xn de x s’écrit :
*
f  x*   f ( xn )   x*  xn  f '  xn  
 x*  xn  f "  xn 
2
  (1)
2
Si xn est un estimé proche de la solution x de

*
f ( x )  0 , alors le carré de l’erreur
en  en  x*  xn  et les termes de degré supérieur sont négligeables.
 
Sachant que f x  0 , on obtient la relation approximative :
*
f  xn    x*  xn  f '  xn   0 (2)
et une approximation de l’erreur est :
f  xn 
en  
f '  xn  (3)
on peut donc considérer qu’un meilleur approximé de x sera :

*
xn 1  xn  en (4)
Des équations (3) et (4) on a :
f  xn 
xn 1  xn  ; n=0,1,   ,nmax
f '  xn 
formule de Newton-Raphson
24
3.2. Algorithme
1. Etant donné  un critère d’arrêt ;
2. Etant donné N le nombre maximal d’itérations ;
3. Etant donné x0 une valeur initiale de la solution ;
4. Effectuer :
f  xn 
x n  1  xn 
f '  xn 
xn  1  xn
5. Si  :
xn  1
 convergence atteinte ;
 écrire la solution xn 1 ;
 arrêt.
6. Si le nombre maximal d’itérations N est atteint :
 convergence non atteinte en N itérations ;
 arrêt.
7. Retour à l’étape 4.
3.3. Interprétation géométrique
f  x0 
f  x1 
x1 x0
25
Considérons la courbe (C) représentative de la fonction f et le point initial  x0 , f  x0   .

La tangente à (C) au point x0 , f x0    a pour pente f '  x0  et pour équation ce qui suit :
f  x0 
f  x0    x0  x1   f '  x0   x1  x0 
f '  x0 
f  x1 
M 1  x1 , f  x1   : f  x1    x1  x2   f '  x1   x2  x1 
f '  x1 
f  x2 
M 2  x2 , f  x2   : f  x2    x2  x3   f '  x2   x 3  x 2 
f '  x2 
. . .
. . .
f  xn 
 xn , f  xn  : f  xn    xn  1  xn  f '  xn   xn  1  xn 
f '  xn 
f  xn 
xn  1  xn 
On a : f '  xn  (5)
3.4. Convergence de la méthode
D’une manière générale, la dérivée seconde joue un rôle important dans la convergence de la
méthode de Newton. On montre le théorème suivant :
THEOREME
Si  a ,b  est un intervalle tel que : f a   f b  0
26
 x   a,b , f '( x )  0
 x   a,b , f ''( x )  0
Alors f ( x )  0 possède une seule racine dans cet intervalle  a ,b et x   a,b , la
suite (5) converge quadratiquement.
Remarque
Le choix du point de départ dans cette méthode est crucial. Pour assurer la convergence, on choisira
un point x0 tel que la condition
f "  x0   f  x0   0
soit vérifiée.
3.5. Evolution de l’erreur
Supposons que la méthode converge. De l’expression (5), on a :
f  en 
en 1  en 
f '  en 
(6)
En réécrivant l’équation (1), il vient approximativement ce qui suit :
f  x*   f  xn    x*  xn   f '  xn 

0
on a négligé les termes en carré. On a alors :
f  x*   f  xn   en  f '  xn 
f  x*   f  xn    x*  xn   f '  xn  
 x*  xn 2
f "  xn 
 2
0
27
en2
f  x   f  x n   en f '  x n   f ''  a   0 avec a   xn , x 
* 2 *
f  xn  en2 f ''  a 
   en 
f '  xn  2 f '  xn 
(6) devient :
f  en 
e n  1  en 
f '  en 
en2 f "  a 
donc en  1  en   en 
2 f '  en 
en2 f "( a )
en 1  
2 f '  xn 
e n 1 1 f " a 
f "( x )  0 alors  lim  0
2 f ' xn 
Si lim
n  e n2 n 
Il en résulte que la méthode est d’ordre 2. On dit encore qu’elle a une convergence quadratique.
ALGORITHME PRATIQUE
 Données : x, , f ( x ), f '( x ) .

 Calculs : n fixé
Pour i  1 à n , on a :
 f  x
 mx  x 
 f '  x

 écrire i, xm
 si x  x  , on arrête les calculs
 m
 sinon x  xm
28
ORGANIGRAMME :
x , , f ( x ), f '( x )
n = 50
Pour i = 1 à n
f  xn 
x n  1  xn 
f '  xn 
Ecrire i, xm
x  xm 
x  xm
Ecrire ‘’NON CONVERGENCE’’
FIN
Exercice 1
x
Résoudre l’équation f ( x )  e  x  0 par la méthode de Newton-Raphson, sachant que
x0  0 est la valeur initiale de la solution.
Solution
f ( x )  e  x  x  0 ; f '( x )  e  x  1
29
L’algorithme se résume à :
f  xn  e  x n  xn
xn  1  xn   xn 
f '  xn   e  x n  xn
e  x0  x0
n  1, x1  x0 
 e  x0  x0
e  x0  x0
L’erreur absolue est : e0  x1  x0 
1  e  x0
en  1
n xn en en
0 0,0 0,5671.100 0,1183.100
1 0,500 0,6714.10-1 0,1239.10-1
2 0,5 663 110 0,8323.10-3 0,1501.10-3
3 0,5 671 432 0,1250.10-6 0
4 0,5 671 433 0,4097.10-9 -
Exercice 2 : En utilisant la méthode de Newton, chercher 2 en prenant comme précision

  10 6 et comme valeur initiale x0  1 .
Solution
f  xn   xn2  2 f '  xn   2 xn f  xn 
x n  1  xn 
n xn f '  xn 
1 1 -1 2 1,5
2 1,5 0,25 3 1,416667
3 1,416667 6,9444418.10-3 2,833333 1,414216
4 1,414216 5,960465.10-6 2,828431 1,414214
5 1,4144214 0 2,818427 1,414214
30
 
La convergence est atteinte à n  5 , f xn  0 la précision est   10 6 donc au niveau de
n  4 on a déjà la précision   10 6 . Mais on teste une fois pour en être sûr.
La valeur exacte à   10 6 près étant obtenue dès la quatrième itération, cette méthode est
beaucoup plus rapide que celle de la bissection.
4. Méthode de la sécante
La méthode de Newton possède de grands avantages mais elle nécessite le calcul de la dérivée de
f  x  . Si la fonction f  x  est compliquée, cette dérivée peut être difficile à calculer et peut
résulter en une équation compliquée. On contourne cette difficulté en remplaçant le calcul de la
 
pente f ' xn de la droite tangente à la courbe par l’expression suivante :
f  xn   f  xn  1 
f '  xn  
xn  xn  1
Cela revient à utiliser la droite sécante passant par les points  xn , f  xn  et

 xn  1 , f  xn  1  au lieu de la droite tangente passant par  xn , f  xn 
f  x0 
f  x1 
r
x0 x2
x1
31
Algorithme
1. Etant donné  un critère d’arrêt.
2. Etant donné N le nombre maximal d’itérations.
3. Etant donné x0 et x1 deux valeurs initiales de la solution.
4. Effectuer :
f  xn  xn  xn  1 
xn  1  xn 
f  xn   f  xn  1 
xn  1  xn
5. Si 
xn  1
 Convergence atteinte ;
 Ecrire la solution xn  1 ;
 Arrêt.
6. Si le nombre maximal d’itérations N est atteint :
 Convergence non atteinte en N itérations

 Arrêt.
Retour à l’étape 4.
Remarques
 
1. La dérivée f ' xn n’apparaît plus dans l’algorithme.
2. Il faut fournir au départ deux valeurs initiales de la solution : c’est ce qu’on appelle un
algorithme à deux pas.
3. On choisit les valeurs initiales le plus près possible de la racine recherchée. Il n’est
cependant pas nécessaire qu’il y ait un changement de signe dans l’intervalle fermé
x 0 , x 1  comme c’est le cas dans la méthode de la bissection.
4. L’analyse de la convergence de cette méthode est plus délicate que celle de la méthode de
Newton. En effet, on montre que :
32
1 5
1 ,618033...
e n 1  C e n 2  C en
x
Exercice I : Résoudre par la méthode de la sécante l’équation e  x  0 sachant que les
deux valeurs initiales de la solution sont x0  0 et x 1  1 .
Exercice II : En utilisant x 0  1 et x 1  2 pour valeurs initiales de la solution et   10  6

comme précision, chercher la racine carrée de 2.
Algorithme simplifié
Donnée : x1 , x2 , e , f  x 
Calculs de N
y1  f  x1  ; y2  f  x2 
Pour i  1 à N
 y 2  x 2  x1 
 
 y 2  y1 
x
 3 x 2


 écrire i , x
 3


 si x 3  x 2   , on arrête les calculs

sinon x  x ; x  x ;
 1 2 2 3

 y1  y 2 ; y 2  f  x 3 

33
CHAPITRE 6
INTERPOLATION - APPROXIMATION
1. Introduction
Le problème à résoudre ici est le suivant : à partir d’une fonction f  x  connue seulement en
n  1 points de la forme  x i , f  x i  pour i  0 ,1,2 , , n ; peut-on construire une approximation
de f  x  et ce pour tout x ?
Les points  x i , f  x i  pour i  0 ,1,2 , , n sont appelés points de collocation ou points

d’interpolation et peuvent provenir de données expérimentales ou d’une table.
Autrement dit, si on ne connaît que les points de collocation  x i , f  x i  d’une fonction, peut-on
obtenir une approximation de f  x  pour une valeur de x différente de x i ?
Il s’agit d’un problème d’interpolation dont la solution est relativement simple. Il suffit de
construire un polynôme de degré suffisamment élevé dont la courbe passe par les points de
collocation. On parle alors du polynôme de collocation ou polynôme d’interpolation.
THEOREME
Un polynôme de degré n dont la forme générale est :
pn  x   a0  a1 x  a2 x 2  a3 x 3    an x n an  0 
(1)
possède très exactement n racines qui peuvent être réelles ou complexes conjuguées (on
sait que r est une racine de pn  x  si pn r   0 )
CORROLAIRE
Par n  1 points de collocation  x i , f  x i  pour i  0 ,1,2 , , n on ne peut faire correspondre
qu’un et un seul polynôme de degré n .
Remarque
Le polynôme d’interpolation passant par n  1 points donnés est unique. Il reste à en assurer
l’existence, en le construisant au moyen de méthodes diverses.
91
2. Matrice de VANDERMONDE
Une 1ère méthode de construction du polynôme d’interpolation consiste à déterminer les inconnues
a i du polynôme (1) en vérifiant directement les n  1 équations de collocation :
pn  x i   f  x i  pour i  0 ,1,2 , , n
ou encore
a0  a1 x i  a 2 x i2  a 3 x i3    a n x in  f  x i 
qui est un système linéaire de n  1 équations à n  1 inconnues.
Ce système s’écrit sous forme matricielle :
1 x0 x02  x0n   a0   f  x0 
     
1 x1 x12  x1n   a1   f  x1 
1 x2 x 22  x 2n  a 2    f  x 2 
     
          (2)
1
 xn x n2  x nn  a n   f  x n 
Remarque
La matrice de ce système linéaire porte le nom de matrice de Vandermonde. On montre que le
conditionnement de cette matrice augmente fortement avec la taille n  1 du système. De plus,
comme on le verra plus loin dans ce chap., il n’est pas nécessaire de résoudre un système linéaire
pour calculer un polynôme d’interpolation. Cette méthode est donc rarement utilisée.
Exercice
Trouver le polynôme passant par les points (0, 1), (1, 2), (2, 9), (3, 28) par la méthode de
Vandermonde.
Solution : Etant donné ces 4 points, le polynôme recherché est tout au plus de degré 3. Ses
coefficients a i sont solution de :
1 0 0 0  a0   1 
1 a   
 1 1 1   1   2 
1 2 4 8 a 2   9 
     
1 3 9 27  a 3   28 
92
dont la solution (obtenue par la décomposition L U ) est 1 0 0 1 . Le polynôme
T
recherché est :
p3  x   1  0  x  0  x 2  1  x 3  1  x 3
3. Interpolation de LAGRANGE
C’est une façon simple et systématique de construire un polynôme de collocation. Etant donné
n  1 points  x i , f  x i  pour i  0 ,1,2 , , n , on suppose que l’on sait construire n  1
polynômes Li  x  de degré n satisfaisant les conditions suivantes :
Li  xi   1 ;  i
 
Li x j  0 ;  j  i
Cela signifie que le polynôme Li  x  de degré n prend la valeur 1 en x i et s’annule à tous les
autres points de colocation. Dans ces conditions, la fonction L x  définie par :
L x    f  x i  Li  x 
n
i0
est un polynôme de degré n , car chacun des Li  x  est de degré n . De plus, ce polynôme passe par
les n  1 points de collocation et est donc le polynôme recherché.
Pour construire les fonctions Li  x  , on suit la démarche progressive suivante :
 Polynôme de degré 1
Il s’agit de déterminer le polynôme de degré 1 dont la courbe (une droite) passe par deux points
 x0 , f  x0  et  x1 , f  x1  . On doit donc construire deux polynômes L0  x  et L1  x  de degré 1
vérifiant :
L0  x 0   1 L1  x 0   0
L0  x 1   0 L1  x 1   1
93
Le polynôme L0  x  doit s’annuler en x  x 1 . On pense immédiatement au polynôme  x  x 1  qui
s’annule en x  x 1 , mais qui vaut  x 0  x 1  en x  x0 . Pour s’assurer d’une valeur 1 en x  x0 ,

il suffit d’effectuer la division appropriée afin d’obtenir :
x  x1
L0  x  
x0  x1
Un raisonnement similaire pour L1  x  donne :
x  x0
L1  x  
x1  x0
Le polynôme de degré 1 est donc :
p1  x    f  x i  Li  x   f  x0  L0  x   f  x 1  L1  x 
1
i0
Exercice : Trouver le polynôme (l’équation de la droite) passant par les points 2 , 3  et

5 ,  6 .
Solution :
x0  2 f  x0   3 , x1  5 f  x 1   6
x  x1 x  x0
p1  x   f  x 0   f  x1 
x0  x1 x1  x0
x5 x2
3 6
25 52
p 1  x   3 x  9
 Polynôme de degré 2
Pour trouver le polynôme de degré 2 passant par les trois points suivants  x0 , f  x0  ,
 x1 , f  x1  et  x 2 , f  x 2  , on doit construire les polynômes L0  x  , L1  x  et L2  x  . Ces trois
fonctions sont déterminées par les relations suivantes :
 x  x1  x  x 2 
L0  x  
 x0  x1  x0  x 2 
94
 x  x0   x  x 2 
L1  x  
 x 1  x0   x 1  x 2 
 x  x0   x  x1 
L2  x  
 x 2  x0   x 2  x1 
Et le polynôme de degré 2 s’écrit :
p2  x   L0  x  f  x0   L1  x  f  x1   L2  x  f  x2 
Exercice : Trouver l’équation de la parabole (polynôme de degré 2) passant par les points
1, 2  , 3 , 7  et 4 ,  1 .
Solution :
p2  x   2
 x  3  x  4   7  x  1 x  4   ( 1 )  x  1 x  3 
1  3 1  4  3  13  4  4  11  3 
p2  x  
 x  3  x  4   7  x  1 x  4    x  1 x  3 
3 2 3
7 x 2 37
p2  x  
34
 x
2 2 2
 Polynôme de degré n
On analyse le cas général de la même façon ; étant donné les points  x i , f  x i  pour
i  0 ,1,2 , , n , le polynôme de degré n passant par ces points est donné par l’expression que
voici :
n
pn  x    f  x L  x 
i 0
i i
Li  x  
 x  x0   x  x1   x  x i 1  x  x i  1   x  x n 
 x i  x0  x i  x1   x i  x i 1  x i  x i  1   x i  x n 
(3)
où seul le facteur  x  x i  est absent.
95
THEOREME
Etant donné n  1 points d’interpolation  x i , f  x i  pour i  0 ,1,2 , , n , l’unique
polynôme d’interpolation de degré n passant par tous ces points peut s’écrire :
n
p n  x    f  x i Li  x 
i 0
où les n  1 fonctions Li  x  sont définies par la relation (3). C’est la formule de

LAGRANGE.
Exercice : trouver le polynôme d’interpolation passant par les points 0 , 1 , 1 , 2  , 2 , 9 

et 3 , 28  .
Solution :
p3  x   1
 x  1 x  2  x  3   2  x  0  x  2  x  3  
0  10  2 0  3  1  0 1  2 1  3 
9
 x  0  x  1 x  3   28  x  0  x  1 x  2 
2  0 2  12  3  3  0 3  13  2 
p3  x   x 3  1
Remarque :
La méthode d’interpolation de Lagrange présente l’inconvénient majeur de ne pas être récursive. En
effet, si on souhaite passer d’un polynôme de degré n à un polynôme de degré n  1 (en ajoutant
un point de collocation), on doit reprendre tout le processus à zéro. On corrigera cette situation en
étudiant dans le paragraphe suivant, la méthode d’interpolation de Newton.
4. Polynôme de NEWTON
En dépit de la forme la plus utilisée (1) d’un polynôme, il en existe d’autres qui sont plus
appropriées au cas de l’interpolation.
Par exemple : pn  x   a0
 a 1  x  x0 
 a 2  x  x0   x  x 1 
 a 3  x  x0   x  x1  x  x 2 
 
 an 1  x  x0   x  x1  x  x 2   x  xn 2 
 an  x  x0   x  x1  x  x 2   x  x n 2  x  x n 1  (4)
96
Définition 1 :
On définit les premières différences divisées de la fonction f  x  par :
f x i1   f x i 
f x i , x i  1  
x i 1  x i (5)
ères
1 différences divisées
Remarque :
On démontre que le polynôme de degré 1 est :
p1  x   f  x0   f x0 , x1   x  x0 
Définition 2 :
Les deuxièmes différences divisées de la fonction f  x  sont définies à partir des 1ères
différences divisées par la relation :
f  xi  1 , xi  2   f  xi , xi  1 
f  xi , xi  1 , xi  2  
 xi  2  xi 
2 e différences divisées de f  x  (6)
De même, les nièmes différences divisées de la fonction f  x  sont définies à partir des n  1 ièmes
différences divisées de la façon suivante :
f x1 , x2 ,  xn   f x0 , x1 ,  xn 1 

f x0 , x1 , x2 ,  , xn   (7)
 xn  x0 
Notons que les toutes 1ères différences divisées de f  x  (soient les 0ièmes différences divisées) sont
tout simplement définies par f  x i  .
Remarque :
On démontre que :
97
p2  x   f  x 0   f  x 0 , x 1   x  x 0   f  x 0 , x 1 , x 2   x  x 0   x  x 1 
 
p1 ( x )
passe par les trois premiers points de collocation. De plus, on remarque que ce polynôme de degré 2
s’obtient uniquement par l’ajout d’un terme de degré 2 au polynôme p1  x  déjà calculé. En raison
de cette propriété, cette méthode est dite récursive.
THEOREME
L’unique polynôme de degré n passant par les n  1 points de collocation  x i , f  x i 
pour i  0 ,1,2 , , n peut s’écrire selon la formule de Newton (4) ou encore sous la forme
récursive (8) :
pn  x   pn1  x   an  x  x0  x  x1  x  xn1 

(8)
Les coefficients de ce polynôme sont les différences divisées :
ai  f x0 , x1 , x2 ,  xi  pour 0  i  n (9)
Remarques :
Une fois les coefficients a i connus, on peut évaluer le polynôme de Newton au moyen d’un
algorithme similaire au schéma de Horner. On écrit le polynôme (4) sous la forme :
pn  x   a0   x  x0  a1   x  x1  a 2   x  x 2  a 3  
  x  xn 2 an 1  an  x  xn 1 

(10)
De cette façon, on réduit le nombre d’opérations nécessaires à l’évaluation du polynôme. En outre,

cette forme est moins sensible aux effets des erreurs d’arrondis.
Maintenant, il reste à calculer efficacement la valeur de ce polynôme. La manière la plus simple

consiste à construire une table dite de différences divisées de la façon suivante :
98
TABLE DES DIFFERENCES DIVISEES
xi f xi  f x i , x i  1  f x i , x i  1 , x i  2  f x i , x i  1 , x i  2 , x i  3 
x0 f  x0 
f x0 , x 1 
x1 f  x1  f x0 , x 1 , x 2 
f x1 , x 2  f x0 , x 1 , x 2 , x 3 
x2 f x2  f x 1 , x 2 , x 3 
f x 2 , x 3 
x3 f x3 
La construction de cette table est simple ; on s’est arrêté aux 3ièmes différences divisées. Les 1ères
différences divisées découlent de la définition simple à savoir que :
f  x 1   f  x0 
f  x0 , x 1  
x 1  x0 (10)
Les deuxièmes différences divisées
f x 1 , x 2   f x0 , x 1 
f x0 , x 1 , x 2  
x 2  x0
Les troisièmes différences divisées
f x 1 , x 2 , x 3   f x0 , x 1 , x 2 
f x0 , x 1 , x 2 , x 3  
x 3  x0
99
La formule de Newton utilise la diagonale principale de cette table.
Exercice :
Trouver le polynôme d’interpolation de Newton passant par les points
0 , 1, 1, 2 , 2 , 9  et 3 , 28  .
Résolution :
Etablissons la table des différences divisées :
xi f xi  f x i , x i  1  f x i , x i  1 , x i  2  f x i , x i  1 , x i  2 , x i  3 
a1 a2
0 1
a0
a3
1
1 2 3
7 1
2 9 6
19
3 28
De cette table, en appliquant :
p3  x   a0
 a 1  x  x0 
 a 2  x  x 0  x  x 1 
 a 3  x  x 0  x  x 1  x  x 2 
on obtient :
p3  x   1  1 x  0   3 x  0  x  1  1 x  0  x  1 x  2 
 x3  1
100

Cours Analyse Vectorielle Et Numérique

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

Cours Analyse Vectorielle Et Numérique

Transféré par

Droits d'auteur :

Formats disponibles

CHAPITRE 1

1.2 L’espace vectoriel Rn

Pour le calcul on utilise généralement des vecteurs-colonnes pour les éléments de Rn .

et d’une multiplication avec un scalaire λ ∈ R définie par

1.3 Notion de norme

1.1 Définition (Normes sur Rn )

qui vérifie pour tout x, y ∈ Rn et λ ∈ R

On peut munir Rn de plusieurs normes, on site parmi elles la norme de Manhattan

kxk∞ = max(|x1 |, · · · , |x2 |).

On peut également définir sur Rn le produit scalaire, pour tout x = (x1 , · · · , x2 ) et

Rn est un espace euclidien.

1.2 Définition (Normes équivalentes)

∀x ∈ Rn , c1 kxk 6 kxk0 6 c2 kxk.

1.4 Topologie : ouvert, fermé, compact

Exemple 1.1. La boule B(0, 1) dans R est l’intervalle ]1, −1[.

1) On appelle voisinage d’un point a de Rn , tout ensemble V (a) qui

∃r > 0, B(a, r) ⊂ V (A).

2) On dit que U est un ouvert de Rn si pour tout x de U il existe r > 0

3) On dit que F est un fermé de Rn si CRn F est ouvert.

∃M > 0, ∀x ∈ U, kxk < M.

5) On appelle intérieur de A, le plus grand ouvert de Rn inclus dans A,

6) On appelle adhérence de A le plus petit fermé de Rn qui contient A,

8) Un point x de Rn est un point d’accumulation à A si tout voisinage

9) K est un compact de Rn si et seulement si K est fermé et borné.

1) Rn et ∅ sont à la fois ouverts et fermés.

3) A1 = {(x, y); x2 + y 2 < 1} est un ouvert de R2 .

4) A2 = {(x, y); x2 + y 2 6 1} est un fermé de R2 .

5) A3 = A1 ∪ {(1, 0)} n’est ni ouvert ni fermé.

6) ]0, 1[⊂ R est un ouvert de R.

1.4.1 Quelques propriétés élémentaires

1. Toute union finie ou infinie d’ouverts est un ouvert.

2. Toute union finie de fermés est un fermé.

3. Toute intersection finie ou infinie de fermés est un fermé.

4. Toute intersection finie de d’ouverts est un ouvert.

5. Un ensemble fini de points de Rn est fermé.

1.5 Notion de distance

définie une distance sur Rn si pour tout x, y et z de Rn

(Rn , d) est appelé espace métrique.

1.6 Limites de suites dans Rn

kxm − `k −→ 0 ⇐⇒ kxm − `k0 −→ 0.

On munit maintenant Rn d’une norme quelconque, notée k · k.

∀ε > 0, ∃N ∈ N, ∀p, q > N, kxp − xq k < ε

1.7 Exercices sur le chapitre 1

1− Montrer que k · k2 est une norme sur Rn .

3− Représenter dans R2 la boule unité fermée

B(0, 1) = {(x, y) ∈ R2 , k(x, y)k 6 1}

par chacune des normes k · k1 , k · k2 et k · k∞ .

1) Montrer que pour tous vecteurs x et y ∈ Rn on a l’inégalité

kxk − kyk 6 kx − yk.

2) Déduire que si une suite de vecteurs xn ∈ Rn converge dans l’espace vectoriel

lim kxn k = k lim xn k

3) Soient xn et yn deux suites vectorielles de Rn . Montrer que si lim xn = a ∈

2) Pour tout n ∈ N∗ et pour tout x = (x1 , . . . , xn ) ∈ Rn , on pose

Soient p, q ∈]1, +∞ [ tels que p1 + 1q = 1. Montrer que

1.8 Corrigé des exercices sur le chapitre 1

1) Les propriétés de séparation et d’homogénéité sont faciles à vérifier.

d’après l’inégalité de Cauchy-Schwarz

6 (kxk2 + kyk2 ) kx + yk2 .

On obtient l’inégalité triangulaire en divisant par kx + yk2 6= 0

2) Montrons que pour tout x ∈ Rn

• Pour tout i, 1 6 i 6 n on a les inégalités

|xi | 6 max (|x1 |, · · · , |xn |) = kxk∞ ,

par sommation membre à membre, on obtient

|x1 | + · · · + |xn | = kxk1 6 nkxk∞ .