MATH-S201

Fonctions de Plusieurs Variables

Thomas Demuynck

2024—2025
 Table des matières

1 Équations differentielles 4

1.1 Équation y ′ = g(x) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.2 Équation linéaire du premier ordre y ′ + g(x)y = h(x) . . . . . . . . . . . . . . . . . . . . . . . . . 6

1.3 Équation linéaire à coefficient constants d’ordre n (n ∈ N) . . . . . . . . . . . . . . . . . . . . . . 7

1.4 Conditions initiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1.5 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 Fonctions de Rn 11

2.1 Produit cartésien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.2 Fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.3 Courbes de niveau et sections verticaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.4 La norme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

2.5 Boules de Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.6 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3 Topologie de Rn 31

3.1 Suites de Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

3.2 Convergence de suites de Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

3.3 Propriétés des limites de suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

3.4 Sous ensembles de Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3.5 Points . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

3.6 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

4 Continuité de fonctions de Rn → R 50

1
TABLE DES MATIÈRES 2

4.1 Limites de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

4.2 Propriétés des limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

4.3 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4.4 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

5 Dérivées partielles 59

5.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

5.2 C 1 , C 2 , . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

5.3 Théorème de Schwarz/Young/Clairaut . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

5.4 La hessienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

5.5 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

6 Plan tangent 73

6.1 La différentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

6.2 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

7 Fonctions de Rn → Rm 79

7.1 Limites, continuité et dérivabilité de fonctions de Rn → Rm . . . . . . . . . . . . . . . . . . . . . 79

7.2 Matrice Jacobienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

7.3 Composition de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

7.4 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

8 Fonctions Homogènes 89

8.1 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92

9 Dérivée directionnelle/formule de Taylor 95

9.1 Dérivée directionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

9.2 Formule de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

9.3 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

10 Fonctions convexes 104

10.1 Fonctions convexes et C 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106

TABLE DES MATIÈRES 3

10.2 Fonctions convexes et C 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109

10.3 Critère de Sylvestre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

10.4 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

11 Fonctions implicites 118

11.1 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

12 Extrema libres 126

12.1 Image continue d’un compact . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

12.2 Conditions nécessaires du premier ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128

12.3 Conditions suffisantes du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129

12.4 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131

13 Extrema liés : contraintes d’égalité 136

13.1 Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136

13.2 Conditions suffisantes du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139

13.3 Interprétation des multiplicateurs de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143

13.4 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145

14 Extrema liés : contraintes d’inégalité 150

14.1 Karush-Kuhn-Tucker . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150

14.2 Conditions suffisantes d’ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154

14.3 Exercices et réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156

A Notation et Alphabet grec 160

B Quelques courbes planes importantes 160

 1 Équations differentielles

Definition: Primitive d’une fonction

Soient f : (a, b) → R : x 7→ f (x) et F : (a, b) → R : x 7→ F (x),
 F est une primitive de f sur ]a, b[ si et seulement si :
 F est dérivable dans ]a, b[.
 ∀x ∈ (a, b) : F ′ (x) = f (x).
 L’intégrale indéfinie de f , notée f (x) dx, représente l’ensemble de toutes les primitives de f .
R

 Si F est une primitive de f alors f (x) dx = F (x) + C où C ∈ R est une constante réelle arbitraire.
R

t RAPPEL

xa+1
Z
xa dx = +C ∀a ∈ R \ {−1}, ∀x ∈ R, R0 , R+ ou R+
0 selon la valeur de a,
a+1
Z
x−1 dx = ln |x| + C ∀x ∈ R0 ,
Z
ex dx = ex + C ∀x ∈ R,
Z
sin x dx = − cos x + C ∀x ∈ R,
Z
cos x dx = sin x + C ∀x ∈ R,
1 nπ
Z o
dx = tan x + C ∀x ∈ R \ + kπ : k ∈ Z ,
cos2 x 2
1
Z
dx = cot x + C ∀x ∈ R \ {kπ : k ∈ Z}.
sin2 x
Propriété importante : linéarité
Z Z Z
∀α, β ∈ R, (αf (x) + βg(x)) dx = α f (x) dx + β g(x) dx.

 EXEMPLE
(4ex + 5x7 ) dx = 4 ex dx + 5 x7 dx = 4ex + 85 x8 + C.
R R R

Deux méthodes d’integration

 Intégration par parties :
Z Z
f (x)g (x) dx = f (x)g(x) − f ′ (x)g(x) dx.
′

4
CHAPITRE 1. ÉQUATIONS DIFFERENTIELLES 5

 EXEMPLE
R R
x sin x dx = −x cos x + cos x dx = −x cos x + sin x + C.

 Intégration par changement de variable :

Si :
Z
f (t) dt = F (t) + C,

alors :
Z
f (u(x))u′ (x) dx = F (u(x)) + C.

 EXEMPLE
2
Soit 2xex dx on pose t = x2 → dt = 2x dx. De là :
R

Z Z
2 2
2xex dx = et dt = et + C = ex + C.

Definition: Équation différentielle

Une équation différentielle est une équation dont l’inconnue est une fonction et dans laquelle inter-
viennent cette fonction inconnue ainsi que ses dérivées successives. L’ordre d’une équation différentielle
est l’ordre de dérivation le plus élevé de la fonction inconnue apparaissant dans l’équation.

On représente par y ou f (x) une fonction inconnue dérivable sur l’intervale ouverte ]a, b[.

ª REMARQUE
dy
La fonction inconnue est parfois dépendante de la variable t (le temps) auquel cas est souvent
dt
d2 y d3 y ...
notée ẏ, est notée ÿ, est noté y , etc.
dt2 dt3

1.1 Équation y ′ = g(x)

Où y est la fonction inconnue et g une fonction donnée sur ]a, b[ : on recherche les fonctions dont la dérivée
est g c’est-à-dire les primitives de g(x).
 Elles existent par exemple si g est continue sur ]a, b[.
 Elles ne diffèrent que par une constante.
 La solution générale (dans ce cas, l’ensemble de toutes les solutions) est y = g(x) dx, ou encore y = G(x)+C
R

où G est une primitive quelconque de g.

CHAPITRE 1. ÉQUATIONS DIFFERENTIELLES 6

ª REMARQUE
La solution générale d’une telle équation contient une constante arbitraire. Elle regroupe donc une
infinité de solutions. Dans beaucoup de problèmes, une condition initiale est donnée, classique-
ment sous la forme y(0) = y0 où y0 est un réel donné (“problème de Cauchy”). Cette condition
permet souvent de déterminer de manière unique la constante de la solution générale, conduisant
à une et une seule solution particulière.

 EXEMPLE
La solution générale de l’équation y ′ = sin x est y = − cos x + c (∀c ∈ R). La solution particulière
de cette équation correspondant à y(0) = 2 est y = − cos x + 3.

1.2 Équation linéaire du premier ordre y ′ + g(x)y = h(x)

R
On choisit comme fonction M (x) l’une des fonctions e g(x) dx (par choix de la constante d’intégration, par
exemple 0), fonction qui existe toujours, et qui ne s’annule pas sur ]a, b[. On a alors que :

y ′ + g(x)y = h(x),
↔y ′ M (x) + g(x)yM (x) = h(x)M (x).

sont deux équations équivalentes. Mais :

 R ′
(yM )′ = y ′ M + yM ′ = y ′ M + y e g(x) dx = y ′ M (x) + g(x)yM (x).

L’équation donnée se réduit donc a :

(yM )′ = h(x)M (x).

R
En résumé : Si on pose M (x) = e g(x) dx , l’équation y ′ + g(x)y = h(x) est équivalente a z ′ = h(x)M (x) avec
z = yM .
 EXEMPLE
−x 2
Résolution de l’équation différentielle y ′ + |{z}
2x y = e|{z}.
g(x) h(x)
2
R
Si on pose M (x) = e 2x dx = ex (en choisissant la constante d’intégration = 0), une équation
différentielle équivalente est :
2 2
ex y ′ + 2xex y = 1

d’où :
2
ex y = x + c

et enfin :
2 2
y = xe−x + ce−x ,

la solution générale de l’équation différentielle.

CHAPITRE 1. ÉQUATIONS DIFFERENTIELLES 7

1.3 Équation linéaire à coefficient constants d’ordre n (n ∈ N)

Definition: Équation différentielle linéaire à coefficients constants d’ordre n

L’équation :

y (n) + a1 y (n−1) + . . . + an−1 y (1) + an y (0) = h(x),

où h(x) est continue sur ]a, b[ et où, par convention y (k) représente la dérivée k ème de y, ∀k ∈ N (en
ce compris y (0) = y et y (1) = y ′ , y (2) = y ′′ ), est une équation différentielle linéaire à coefficients
constants d’ordre n.

ª REMARQUE
Le cas particulier où n = 1 est une équation linéaire du premier ordre.

Propriétés :
 y (n) + a1 y (n−1) + . . . + an y (0) = 0 est par définition l’équation homogène.
 Si y1 et y2 sont solution de l’équation, alors y1 − y2 est solution de l’équation homogène.
 Donc SGENH = SGEH + SPENH
 Les combinaisons linéaires de solutions d’une équation homogène en sont également solution.
 D’où SGEH, décrivant l’ensemble de toutes les solutions de l’équation homogène est une espace vectoriel.
 Sa dimension est n (pas trop facile . . .)
 On cherche une base du vectoriel des solutions, c’est-à-dire n solutions L.I.
 SGEH = y = ni=1 ci φi (x) où les φi (x) sont n solutions linéairement indépendantes de l’équation homogène
P
et les ci sont des constantes réelles arbitraires.

1.3.0 SGEH : Solution générale de l’équation homogène

DéterminationPde φi (t) (i = 1, . . . , n), n solutions L.I. de l’équation différentielle homogène permettant d’écrire
SGEH = y = ni=1 φn (x).

On a l’équation homogène y (n) + a1 y (n−1) + . . . + an y (0) = 0.

y = eλx en est solution ssi :

λn + a1 λn−1 + . . . + an λ0 = 0.

(p)
puisque eλx = λp eλx et que eλx est non nul pour tout x est tout λ. Ce polynôme est appelé polynôme

caractéristique de l’équation homogène. Il s’agit d’un polynôme du degré n a coefficients réels (donc com-
plexes !), d’où, par le théorème de d’Alembert (voir cours BA), ce polynôme possède n racines dans C, multiples
ou non.

De chaque racine, simple ou multiple, complexe ou non, du polynôme caractéristique, on peut déduire une ou
plusieurs solutions (réelles) de l’équation différentielle homogène. On peut démontrer que la réunion de ces
solutions forme un ensemble de n solutions L.I. permettant d’écris la SGEH.
 si λ est racine réelle simple du polynôme caractéristique, alors eλx est solution de l’équation homogène.
CHAPITRE 1. ÉQUATIONS DIFFERENTIELLES 8

 si λ est racine réelle k-uple du polynôme caractéristique, alors eλx , xeλx , . . . , xk−1 eλx sont k solutions linéairement
indépendantes de l’équation homogène.
 si λ = a + bi (et λ = a − bi) est racine complexe du polynôme caractéristique, alors eax cos bx et eax sin bx
sont deux solutions linéairement indépendantes de l’équation homogène.
 si λ = a + bi (et λ = a − bi) est racine complexe k-uple du polynôme caractéristique, alors eax cos bx, eax sin bx,
. . ., xk−1 eax cos bx, xk−1 eax sin bx sont 2k solutions linéairement indépendantes de l’équation homogène.

1.3.0 SPENH : Solution Particulière de l’équation non-homogène

Soit l’équation y (n) + a1 y (n−1) + a2 y (n−2) + . . . + an−1 y (1) + an y (0) = k(x)ebx où k(x) est un polynôme et b n’est
pas racine du polynôme caractéristique : essayer une solution particulière du type c(x)ebx où c(x) est un
polynôme (inconnu !) de même degré que k(x).

 EXEMPLE
L’équation y ′′ − 2y ′ + y = x : le polynôme caractéristique est λ2 − 2λ + 1 = (λ − 1)2 a une racine
double, 1 et k(x)ebx = xe0x , soit un polynôme du 1ère degré multiplié par e0x , avec 0 ̸= 1, on essaie
donc une solution (αx + β)e0x = αx + β. Alors y = αx + β, y ′ = α et y ′′ = 0 et en remplaçant dans
l’équation 0 − 2α + αx + β = x d’où α = 1 et β = 2.
On a ainsi une SPEH y = x + 2.
Comme SGEH y = c1 ex + c2 xex , on a SGENH y = c1 ex + c2 xex + x + 2, ∀c1 , c2 ∈ R.

ª REMARQUE
Si b est une racine multiple d’ordre α du polynôme caractéristique, on essayera une
solution particulière du type xα c(x)ebx où c(x) est un polynôme (inconnu !) de même degré que
k(x).

 EXEMPLE
L’équation y ′′ − 2y ′ + y = ex : le polynôme caractéristique est λ2 − 2λ + 1 = (λ − 1)2 a une racine
double 1 et k(x)ebx = 1e1x , soin un polynôme de degré 0 (une constante) multiplié par e1x , avec 1
racine double du polynôme caractéristique.
On essaie donc une solution y = Kx2 ex . Alors :

y ′ = (2Kx + Kx2 )ex ,

y ′′ = (2K + 4Kx + Kx2 )ex ,

et, en remplaçant dans l’équation on obtient :

(2K + 4Kx + Kx2 )ex − 2(2Kx + Kx2 )ex + Kx2 ex = ex ,

ce qui équivaut à 2Kex = ex , donc K = 12 . On a ainsi une SPENH y = 12 x2 ex

Comme SGEH y = c1 ex + c2 xex , on a SGENH :
1
y = c1 ex + c2 xex + x2 ex , ∀c1 , c2 ∈ R
2
CHAPITRE 1. ÉQUATIONS DIFFERENTIELLES 9

1.4 Conditions initiales

La solution générale d’une équation différentielle d’ordre n contient n constantes arbitraires. Elle regroupe donc
∞n solution différentes. Dans beaucoup de problèmes, des conditions initiales sont données, classiquement sous
(n−1) (n−1)
la forme y(0) = y0 , y ′ (0) = y0′ , . . . , y (n−1) (0) = y0 avec y0 , y0′ , . . . , y0 réels donnés (problème de Cauchy).
Ces conditions permettent de déterminer, dans tous les cas présentés ici, de manière unique, les constantes de
la solution générale, déterminant une et une seule solution particulière de l’équation différentielle donnée.

1.5 Exercices et réponses

å EXERCICSES
1 Résoudre les équations différentielles linéaires d’ordre 1 suivantes (fonction inconnue y, fonc-
tion d’une variable x)
a y ′ + 5y = 15

b y ′ = y + ex et déterminer la solution particulière telle que y(0) = 7.

c y ′ + x2 y = 3x2

d y ′ + 6y = e−x .

2 Résoudre les équation différentielles linéaires suivantes (fonction inconnue y, fonction d’une
variable x)
a y ′′ − 2y ′ + y = e3x et déterminer la solution particulière telle que y(0) = 3 et y ′ (0) = 2.

b y ′′ − y = 6ex

c y (3) − 3y ′′ − 4y ′ + 12y = 2ex

d y (3) − y ′′ + y ′ − y = x + 3

e y ′′ − 5y ′ + 6y = xe3x

´ RÉPONSES
1 a y = 3 + Ce−5x , ∀C ∈ R.

b y = (x + C)ex , ∀C ∈ R ; solution particulière pour y(0) = 7 : y = (x + 7)ex .

x3
c y = 3 + Ce− 3 ∀C ∈ R.

d y = 15 e−x + Ce−6x , ∀C ∈ R.

2 a y = C1 ex + C2 xex + 14 e3x , ∀C1 , C2 ∈ R.

11 x
Solution particulière pour y(0) = 3 et y ′ (0) = 2 : y = 4 e − 23 xex + 14 e3x .
b y = C1 ex + C2 e−x + 3xex , ∀C1 , C2 ∈ R.
CHAPITRE 1. ÉQUATIONS DIFFERENTIELLES 10

c y = C1 e3x + C2 e2x + C3 e−2x + 31 ex , ∀C1 , C2 , C3 ∈ R.

d y = C1 ex + C2 cos x + C3 sin x − x − 4, ∀C1 , C2 , C3 ∈ R.

y = C1 e3x + C2 e2x + 21 x2 − x e3x , ∀C1 , C2 ∈ R.

e
 2 Fonctions de Rn

2.1 Produit cartésien

Definition: Produit cartésien

Soit A, B deux ensembles. Le produit cartésien de A et B est l’ensemble :

A × B = {(a, b)|a ∈ A, b ∈ B}.

Figure 2.1 – Exemple d’un produit cartésien de deux ensembles A et B

A X

ª REMARQUE
 On peut aussi définir le produit cartésien de trois ensembles A, B et C :

A × B × C = {(a, b, c)|a ∈ A, b ∈ B, c ∈ C}.

 ou le produit cartésien de n ensembles A1 , . . . , An :

A1 × A2 × . . . × An = {(a1 , . . . , an )|∀i = 1, . . . , n, ai ∈ Ai }

 EXEMPLE
 Le carré unité :
[0, 1] × [0, 1] ≡ [0, 1]2 = {(x, y)|x ∈ [0, 1] et y ∈ [0, 1]}

11
CHAPITRE 2. FONCTIONS DE Rn 12

 L’ensemble de tous les couples de réels :

R × R ≡ R2 = {(x, y)|x, y ∈ R}

 L’ensemble de tous les triples de réels :

R × R × R ≡ R3 = {(x, y, z)|x, y, z ∈ R}

 L’ensemble de tous les n-uples de réels :

. . × R} ≡ Rn = {(x1 , . . . , xn )|x1 , . . . , xn ∈ R}.

| × .{z
R
n fois

Attention ! si x ∈ Rn on a x = (x1 , . . . , xn )
 L’ensemble de tous les n-uples de réels non-négatifs :

Rn+ = {(x1 , . . . , xn )|x1 , . . . xn ∈ R+ } = {(x1 , . . . , xn )|x1 , . . . , xn ≥ 0}

 L’ensemble de tous les n-uples de réels strictement positifs :

Rn++ = {(x1 , . . . , xn )|x1 , . . . , xn ∈ R++ } = {(x1 , . . . , xn )|x1 , . . . , xn > 0}

2.2 Fonctions

t RAPPEL
Une fonctions d’un variable sur un ensemble D ⊂ R est une application qui associe à chaque nombre
réel x ∈ D un autre (unique) nombre réel qu’on appele f (x). Nous écrivons aussi,

f : D ⊂ R → R : x 7→ y = f (x)

Figure 2.2 – Illustration d’une fonction d’un variable

(x, f (x))
f (x)

x f y =f (x)

(0, 0) x X
CHAPITRE 2. FONCTIONS DE Rn 13

Definition: Fonction de plusieurs variables

Une fonction de n variables dont le domaine de définition est D ⊂ Rn est une règle qui associe un
unique nombre réel f (x1 , . . . , xn ) a chaque n-uple x = (x1 , . . . , xn ) de D. Nous écrivons :

f : D ⊂ Rn → R : x
|{z} 7→ y = f (x) .
|{z}
(x1 ,...,xn ) f (x1 ,...,xn )

Figure 2.3 – Représentation graphique d’une fonction de plusieurs variables

f (x, y)

x1

.. f y =f (x)
. (x, y, f (x, y))

xn

y
x Y

(x, y)
X

Pour une fonction de deux variables f : D ⊂ R2 → R, nous pouvons illustrer cette fonction comme une surface.
√
Figure 2.4 montre la surface de la fonction f (x, y) = x · y.
√
Figure 2.4 – f : [0, 1]2 → R : (x, y) 7→ f (x, y) = x·y

Z
√
xy
1

0.8

0.6

0.4
Y
1
0.2 0.8
0.6
0.4
0.2
0.2 0.4
0.6 0.8 1
X
CHAPITRE 2. FONCTIONS DE Rn 14

 EXEMPLE
Une fonction de deux variables très fréquente dans les modèles économiques est :

f : R2+ → R : f (k, ℓ) = Ak α y β ,

où A, α, β sont des constantes. On suppose d’habitude que f n’est définie que pour k, ℓ ≥ 0. Une
fonction f de ce type est appelée fonction de Cobb-Douglas. Elle est souvent utilisée pour décrire
une fonction de production, k est la quantité de capital et ℓ est la quantité de travail. Alors f (k, ℓ)
donne le nombre d’unités produites.

Pour certaines fonctions il est habituel de restreindre, soit explicitement, soit implicitement le domaine D sur
lequel la fonction est définie. Par example, quand f (k, ℓ) est une fonction de production, il est naturel de
supposer que k et ℓ sont positives. En économie, il est souvent primordial d’être clair quant aux domaines de
définition des fonctions.

Definition: Domaine de définition

Le domaine de définition d’une fonction f de Rn dans R est l’ensemble des valeurs x ∈ Rn pour
lesquelles f (x) ∈ R (existe).

ª REMARQUE
 Si D ⊂ Rn est le domaine de f on écrit f : D ⊂ Rn → R : x 7→ f (x).
 Le domaine de définition d’une fonction f de Rn dans R est un sous-ensemble de Rn .
 Règles d’existence :
g(x)
 Si f (x) = la condition d’existence est que h(x) ̸= 0.
h(x)
 Si f (x) = ln(g(x)) la condition d’existence est que g(x) > 0.
 Si f (x) = (g(x))1/n avec n pair, la condition d’existence est que g(x) ≥ 0.

 EXEMPLE
 f (x, y) = x · y → pas de condition d’existence, donc dom f = R2
 f (x, y) = x2 + y 2 → pas de condition d’existence donc dom f = R2 .
1
 f (x, y) = . Condition d’existence : x − y ̸= 0, alors :
x−y

dom f = {(x, y) ∈ R2 |x − y ̸= 0} = {(x, y) ∈ R2 |x ̸= y}

 f (k, ℓ) = Ak 0.5 ℓ0.5 . Condition d’existence : k, ℓ ≥ 0, alors :

dom f = {(k, ℓ) ∈ R2+ } = R+ × R+ ≡ R2+

 f : [0, 1] × [0, 1] → R : (x, y) → y = x · y. Domaine de définition est [0, 1] × [0, 1] ≡ [0, 1]2 .
CHAPITRE 2. FONCTIONS DE Rn 15

Definition: Image d’une fonction

L’image d’une fonction f : D ⊆ Rn → R : x 7→ y = f (x) est l’ensemble de toutes les valeurs réelles
que la fonction peut atteindre,
imf = {f (x) ∈ R|x ∈ D}

 EXEMPLE
Soit f : [0, 1]2 → R : (x, y) 7→ x.y. Nous obtenons im f = [0, 1] car 0 ≤ x, y ≤ 1, alors 0 ≤ x · y ≤ 1.
√
Pour tout z ∈ [0, 1] on peut trouver des valeurs x, y ∈ [0, 1] dont x·y = z (par exemple x = y = z).

2.3 Courbes de niveau et sections verticaux

Definition: Courbes de niveau de valeur c

La courbe de niveau de valeur c ∈ R d’une fonction f : D ⊂ Rn → R : x 7→ y = f (x) est le
sous-ensemble des points x de D qui atteint la valeur c. C’est-à-dire, la courbe de niveau de valeur c est
l’ensemble :

{x ∈ D|f (x) = c}.

Figure 2.5 donne une illustration d’une courbe de niveau pour une fonction de deux variables. La courbe de
niveau est donnée par l’intersection de la surface de la fonction et du plan parallèle au plan XY de valeur z = c.
Dans la figure, cette intersection est donné par la courbe AB. On peut aussi projeter cette courbe sur le plan
XY , ce qui donne la courbe CD.

Figure 2.5 – Courbes de niveau

c
B
A

D
C
Y

 EXEMPLE
√
Soit f : [0, 1]2 : (x, y) 7→ z = x · y. La courbe de niveau c est :
√
{(x, y) ∈ [0, 1]2 : x · y = c} = {(x, y) ∈ [0, 1]2 : x · y = c2 }
Pour une fonction de deux variables on peut l’illustrer dans le plan XY :
CHAPITRE 2. FONCTIONS DE Rn 16

√
Figure 2.6 – Courbes de niveau de f (x, y) = x·y

Z Y
1
1

0.8
0.8

0.6 0.6

0.4
0.4

0.2
1
Y 0.2
0.60.8
0.20.4
0.2 0.4
0.6 0.8 1
X 0.2 0.4 0.6 0.8 1 X

Dans l’espace euclidien tridimensionnel, il y a trois types d’objets fondamentaux : les points, les droites et les
plans.

 Les points sont repérés par leur coordonnées, des triples de nombres réels (x, y, z) (il y a correspondance
“biunivoque” entre l’ensemble des points de l’espace R3 ).
 Les plans sont les ensembles de points (x, y, z) vérifiant une équation du type :

ax + by + cz = d.

avec a, b, c ∈ R et a, b, c non simultanément nuls.

 Les droits de l’espace tridimensionnel peuvent être vues comme l’intersection de deux plans non parallèles.

Nous nous intéressons ici à certains types particuliers de plans : les plans “verticaux” et “horizontaux”. Les
plans verticaux sont celui dont l’équation se caractérise par l’absence de terme en z (c = 0), donc ax + by = d.

Les plans horizontaux sont celui dont l’équation se caractérise par l’absence de terme en x et y, a = b = 0, donc
cz = d.

Certains cas particuliers peuvent s’avérér utiles. Notamment.

 z=k plan horizontaux parallèles au plan XY
 x=k plans verticaux parallèles au plan Y Z.
 y=k plans verticaux parallèles au plan XZ
 x=y et x = −y plans verticaux “bissecteurs”
L’intersection d’un plan horizontal z = k et la surface d’une fonction z = f (x, y) donne la courbe de niveau k.

La Figure 2.7 donne une illustration d’un section vertical AB obtenue par l’intersection de la surface de la
fonction et un plan vertical parallèle au plan XZ (avec y = k). La courbe AB donne les combinaisons de (z, x)
pour qui z = f (x, k).
CHAPITRE 2. FONCTIONS DE Rn 17

Figure 2.7 – Plan vertical parallèles au plan 0XZ

X A

L’observation des intersections entre de tels plans et la surface représentative d’une fonction de deux variables
z = f (x, y) (sections verticales), en même temps que ses courbes de niveau, permet parfois de décrire la surface
en question.
 EXEMPLE
z = f (x, y) = x2 + y 2 .
Les intersections entre cette surface et les plans verticaux d’équation x = k sont des paraboles :

z = k2 + y2 .

par symétrie, les intersections entre la surface et les plans verticaux d’équation y = k le sont aussi.
Enfin, l’intersection entre la surface et les plans verticaux bissecteurs sont également des paraboles
(on obtient z = 2x2 . Attention aux unités ! !)
En combinant les résultats des sections verticaux avec y = k et x = k, on reconnait la surface de
la fonction,

X
CHAPITRE 2. FONCTIONS DE Rn 18

t RAPPEL
L’ensemble Rn = R
| × .{z
. . × R} est une espace vectoriel.
n fois
 Si x ∈ Rn on a x = (x1 , . . . , xn ) d’où xi ∈ R.
 Deux opérations :
 Addition : ∀x, y ∈ Rn :

(x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn ) .

| {z } | {z } | {z }
x y x+y

 Multiplication scalaire : ∀α ∈ R, ∀x ∈ Rn :

α · (x1 , x2 , . . . , xn ) = (αx1 , ax2 , . . . , αxn ) .

| {z } | {z }
x α·x

2.4 La norme

Definition: norme euclidienne

Soit x = (x1 , . . . , xn ) ∈ Rn . La norme (euclidienne) de x est,
v
u n
uX
∥x∥ = t (xi )2 .
i=1

 EXEMPLE
La norme de x = (1, 2, 3) est égal a :
√ √
∥x∥ = 1 + 4 + 9 = 14.

Proposition

n
X
∀x ∈ Rn : ∥x∥ ≤ |xi |.
i=1

W PREUVE

Hypothèse x = (x1 , . . . , xn ) ∈ Rn

Pn
Thèse ∥x∥ ≤ i=1 |xi |
CHAPITRE 2. FONCTIONS DE Rn 19

Soit x = (x1 , . . . , xn ) ∈ Rn .
n
X
0 ≤ ∥x∥ ≤ |xi |,
i=1
n
!2
X
2
↔∥x∥ ≤ |xi | = (|x1 | + . . . + |xn |) · (|x1 | + . . . + |xn |), Carré des nombres non-négatifs
i=1
n
X n X
X n
2 2
↔∥x∥ ≤ |xi | + |xi ||xj |,
i=1 i=1 j=1
j̸=i
n
X n
X n X
X n n
(xi )2 ≤ (xi )2 +
X
↔ |xi ||xj |, ∥x∥2 = (xi )2
i=1 i=1 i=1 j=1 i=1
j̸=i
n X
X n
↔0 ≤ |xi ||xj |
j=1
| {z }
i=1
j̸=i ≥0

La dernière inégalité est vraie donc, la première est aussi vraie.

 EXEMPLE
√ √
Si x = (1, 2, 3) on obtient ∥x∥ = 14 et |x1 | + |x2 | + |x3 | = 6(= 36).

Definition: distance euclidienne

La distance (euclidienne) entre x = (x1 , . . . , xn ) ∈ Rn et y = (y1 , . . . , yn ) ∈ Rn est :
v
u n
uX
∥x − y∥ = t (xi − yi )2 .
i=1

 EXEMPLE
La distance entre x = (1, 2, 3) et y = (3, 2, 1) est
p
∥x − y∥ = (1 − 3)2 + (2 − 2)2 + (3 − 1)2 ,
√ √ √
= 4 + 0 + 4 = 8 = 2 2.

Proposition: propriétés de la norme/distance euclidienne

La norme ∥.∥ satisfait les propriétés suivantes,
 ∀x ∈ Rn : ∥x∥ = 0 si et seulement si x = 0.
 ∀x, y, z ∈ Rn : ∥x + y∥ ≤ ∥x∥ + ∥y∥ (inégalité triangulaire)
 ∀α ∈ R, ∀x ∈ Rn : ∥αx∥ = |α|∥x∥.
CHAPITRE 2. FONCTIONS DE Rn 20

 EXEMPLE
√ √
2 2 2
Soit √ obtenons, ∥x + y∥ = 4 + 4 + 4 = 4 3 et ∥x∥ = ∥y∥ =
√ x = (1, 2, 3)√et y = (3, 2,√1). Nous
1 + 22 + 32 = 14. Alors 4 3 ≤ 2 14.

ª REMARQUE
 La première condition implique que la distance entre a et b est zéro, ssi a = b :

∥a − b∥ = 0 ↔ a − }b = 0 ↔ a = b.
| {z
| {z }
∥x∥ x

 La deuxième condition implique que la distance entre a et c est toujours inférieure (ou égal) à la
somme des distances entre a et b et b et c.

∥a − b∥ = ∥ a
| {z − }b ∥ ≤ ∥ |a {z
− }c + c| {z − }c ∥ + ∥ c| {z
− }b ∥.
x y x y

 La dernière condition implique que ∥ − x∥ = | − 1|∥x∥ = ∥x∥. Alors, la distance entre a et b est
égal à la distance entre b et a.

∥a − b∥ = ∥(−1)(b − a)∥ = ∥b − a∥.

Definition
Le produit scalaire euclidienne entre x = (x1 , . . . , xn ) ∈ Rn et y = (y1 , . . . , yn ) ∈ Rn est,
n
X
⟨x, y⟩ = xi yi .
i=1

ª REMARQUE
Pn
 On a que ∥x∥2 = 2
p
i=1 (xi ) = ⟨x, x⟩ alors ∥x∥ = ⟨x, x⟩.
 ∀x, y, z ∈ Rn , α, β ∈ R,

α⟨z, x⟩ + β⟨z, y⟩ = ⟨z, αx + βy⟩.

 Si ⟨x, y⟩ = 0 les vecteurs x et y sont orthogonaux (l’angle entre les deux vecteurs est 90 dégrées).
Si ⟨x, y⟩ > 0 l’angle entre x et y est aigu (moins de 90 degrées). Si ⟨x, y⟩ < 0, l’angle entre les
vecteurs x et y est obtus (plus que 90 degrées).

 EXEMPLE
Soit x = (1, 2, 3) et y = (−3, 4, 5) alors :

⟨x, y⟩ = −3 + 8 + 15 = 20.
CHAPITRE 2. FONCTIONS DE Rn 21

2.5 Boules de Rn

Definition: Boule ouverte et fermée

On appelle boule ouverte de Rn de centre c ∈ Rn et rayon r > 0, l’ensemble B(c, r) ⊂ Rn tel que :

B(c, r) = {x ∈ Rn | ∥x − c∥ < r} .

Et boule fermée de Rn de centre c et rayon r > 0, l’ensemble

B(c, r) = {x ∈ Rn | ∥x − c∥ ≤ r}.

 EXEMPLE
 Les boules de R sont des intervalles ouverts ou fermés centrés en c.

B(c, r) = ]c − r, c + r[ et B(c, r) = [c − r, c + r] .

 Les boules de R2 sont des disques (avec ou sans “bord”)

 Les boules de R3 sont des boules sphériques.
 Les boules de Rn sont des ‘hyper-sphères’

Figure 2.8 – Boules de R, R2 et R3

B(c, r)
c
r
B(c, r)
c
r
B(c, r) B(c, r)

c c
r r

B(c, r) B(c, r)

c r c r
CHAPITRE 2. FONCTIONS DE Rn 22

2.6 Exercices et réponses

å EXERCICSES
1 Déterminer et représenter graphiquement le domaine de définition des fonctions (de deux
variables) suivantes.
√
a f (x, y) = x − y + 1.
3xy
b f (x, y) = .
2 + x2 + y 4
p
c f (x, y) = e2x y 2 − 4.

d f (x, y) = 2 ln(x).

e f (x, y) = ln(xy − 1) avec x > 0 et y > 0.

2 Pour chaque fonction donnée ci-dessous, déterminer et représenter sur un même graphique
les courbes de niveau pour les niveaux indiqués. Déterminer ensuite les sections par les plans
verticaux indiqués.
a z = f (x, y) = xy
courbes de niveau -2, -1, 0, 1 et 2 ; sections par x = y et x = −y.
b z = f (x, y) = |x| + |y|
courbes de niveau -1, 0, 1, 2 et 3 ; sections par x = 0 et y = 0.
c z = f (x, y) = min{x, y}
courbes de niveau 0, 1 et 2.
d z = f (x, y) = (x − 1)2 + (y + 2)2
courbes de niveau 0, 1 et 2 ; section par x = 1.
(x − 1)2 y 2
e z = f (x, y) = +
4 9
courbes de niveau 0, 1 et 4 ; sections par x = 1 et y = 0.
f y = f (k, ℓ) = k α ℓβ (α, β, k et ℓ > 0)
courbes de niveau 1 et 2 ; sections par k = ℓ (discuter selon α + β = 1)
g z = f (x, y) = 2 ln x.
courbes de niveau −2, 0 et 2 ; sections par y = 1, y = 2 et x = e.

´ RÉPONSES
1 a Condition d’existence : x − y + 1 ≥ 0. Donc dom f = {(x, y) ∈ R2 : x − y + 1 ≥ 0}
CHAPITRE 2. FONCTIONS DE Rn 23

Y
4

-4 -3 -2 -1 1 2 3 4 X
-1

-2

-3

-4

b dom f = R2 .

c Condition d’existence : y 2 − 4 ≥ 0, ou y 2 ≥ 4 ce qui est vrai si y ≥ 2 ou y ≤ −2.

dom f = {(x, y)|y ≥ 2} ∪ {(x, y)|y ≤ −2} = R × {] − ∞, −2] ∪ [2, ∞[}
Y
4

-4 -3 -2 -1 1 2 3 4
X
-1

-2

-3

-4

d Condition d’existence : x > 0. Donc dom f = {(x, y)|x > 0} = R++ × R.

Y
4

-4 -3 -2 -1 0 1 2 3 4
X
-1

-2

-3

-4

e Condition d’existence : xy − 1 > 0 ou xy > 1.

dom f = {(x, y)|xy > 1 et x, y > 0} = {(x, y)|x > 0 et y > 1/x}.
CHAPITRE 2. FONCTIONS DE Rn 24

Y
5

1 2 3 4 5 X

2 Notions CK la courbe de niveau K de la fonction considérée.

a z = f (x, y) = xy.

 C−2 = {(x, y) ∈ R2 : xy = −2} = {(x, y) ∈ R2 : y = −2/x}. (hyperbole équilatère) en

bleu
 C−1 = {(x, y) ∈ R2 : y = −1/x} (hyperbole équilatère) en vert
 C0 = {(x, y) ∈ R2 : x = 0 ou y = 0} (réunion des axes x et y) en jaune
 C1 = {(x, y) ∈ R2 : y = 1/x} (hyperbole équilatère) en rouge
 C2 = {(x, y) ∈ R2 : y = 2/x} (hyperbole équilatère) en noir
Y

-8 -6 -4 -2 2 4 6 8
X
-2

-4

-6

-8

 section par x = y : f (y, y) = y 2 (parabole) en rouge.

CHAPITRE 2. FONCTIONS DE Rn 25

 section par x = −y : f (−y, y) = −y 2 (parabole) en bleu.

-4 -3 -2 -1 1 2 3 4 Y
-1

-2

-3

-4

b z = f (x, y) = |x| + |y|

 C1 = {(x, y) ∈ R2 : |x| + |y| = −1} = ∅.
 C0 = {(x, y) ∈ R2 : |x| + |y| = 0} = {(0, 0)}
 C1 = {(x, y) ∈ R2 : |x| + |y| = 1} en rouge.
 C2 = {(x, y) ∈ R2 : |x| + |y| = 2} en vert.
 C3 = {(x, y) ∈ R2 : |x| + |y| = 3} en noir.
courbes de niveau -1, 0, 1, 2 et 3 ; sections par x = 0 et y = 0. Ck = {(x, y) ∈ R2 :
|x| + |y| = k}. C−1 = ∅, C0 = {(0, 0)}, C1 en rouge, C2 en vert, C3 en noir
Y
4

-4 -3 -2 -1 1 2 3 4 X
-1

-2

-3

-4

 Section par x = 0 : z = |y|.

 Section par y = 0 : z = |x|.
CHAPITRE 2. FONCTIONS DE Rn 26

f (0, y)

-4 -3 -2 -1 1 2 3 4 Y

(
x si x ≤ y
c z = f (x, y) = min{x, y} =
y si x > y
 C0 = {(x, y) ∈ R2 : min{x, y} = 0} = {(x, y) ∈ R2 : (x = 0 et y ≥ 0) ou (y = 0 et x ≥
0)} en rouge.
 C1 = {(x, y) ∈ R2 : min{x, y} = 1} = {(x, y) ∈ R2 : (x = 1 et y ≥ 1) ou (y = 1 et x ≥
1)} en vert.
 C2 = {(x, y) ∈ R2 : min{x, y} = 2} = {(x, y) ∈ R2 : (x = 2 et y ≥ 2) ou (y = 2 et x ≥
2)} en bleu.
Y

1 2 3 4 X

d z = f (x, y) = (x − 1)2 + (y + 2)2

 C0 = {(x, y) ∈ R2 : (x − 1)2 + (y + 2)2 = 0} = {(1, −2)} en bleu.
 C1 = {(x, y) ∈ R2 : (x − 1)2 + (y + 2)2 = 1} (cercle de centre (1, −2) et de rayon 1) en
rouge.
√
 C2 = {(x, y) ∈ R2 : (x − 1)2 + (y + 2)2 = 2} (cercle de centre (1, −2) et de rayon 2)
en vert.
CHAPITRE 2. FONCTIONS DE Rn 27

-1 1 2 3 4 X
-1

-2

-3

-4

 Section par x = 1 : z = (y + 2)2 (parabole)

6
f (1, y)

-4 -3 -2 -1 1 2 Y

(x − 1)2 y 2
e z = f (x, y) = + .
4 9
− 1)2 y 2
 
2 (x
 C0 = (x, y) ∈ R : + = 0 = {(1, 0)}.
4 9
(x − 1)2 y 2
 
 C1 = (x, y) ∈ R : 2 + = 1 (ellipse de centre (1, 0) longueur demi axe
4 9
horizontal 2, longeur demi-axe vertical : 3) en bleu.
(x − 1)2 y 2 (x − 1)2 y2
   
 C4 = (x, y) ∈ R : 2 + = 4 = (x, y) ∈ R : 2 + = 1 (ellipse
4 9 16 36
de centre (1, 0) longueur demi axe horizontal 4, longueur demi-axe vertical : 6) en
rouge.
CHAPITRE 2. FONCTIONS DE Rn 28

Y
6

-5 -4 -3 -2 -1 2 3 4 5 X
-1

-2

-3

-4

-5

-6

y2
 Section par x = 1 : z = (parabole)
9
(x − 1)2
 Section par y = 0 : z = (parabole)
4

2
f (1, y)

-4 -3 -2 -1 1 2 3 4 Y

3 f (x, 1)

-3 -2 -1 1 2 3 4 X

f y = f (k, ℓ) = k α ℓβ (α, β, k et ℓ > 0).

CHAPITRE 2. FONCTIONS DE Rn 29

−α
n o
 C1 = (k, ℓ) ∈ R2 : ℓ = k β . (type : branche d’hyperbole) en rouge
1
−α
n o
 C2 = (K, L) ∈ R2 : ℓ = 2 β k β . (type : branche d’hyperbole) en bleu

 Section par k = ℓ :


 si α + β < 1
 type “racine carrée” (concave, en rouge)
α+β
y=ℓ si α + β = 1, droite (en noir)

si α + β > 1, type “parabole” (convexe, en bleu)


g z = f (x, y) = 2 ln x

 C−2 = {(x, y) ∈ R2 : 2 ln x = −2} = {(x, y) ∈ R2 : x = e−1 }. (droite parallèle à l’axe

y)
 C0 = {(x, y) ∈ R2 : 2 ln x = 0} = {(x, y) ∈ R2 : x = 1} (droite parallèle a l’axe y)
 C2 = {(x, y) ∈ R2 : 2 ln x = 2} = {(x, y) ∈ R2 : x = e} (droite parallèle a l’axe y.)
Ck = {(x, y) : 2 ln(x) = k}
C−2 en rouge, C0 en bleu, C2 en vert
CHAPITRE 2. FONCTIONS DE Rn 30

e−1 1 e X

 Section par y = 1 : z = 2 ln x
 Section par y = 2 : z = 2 ln x
 Section par x = e : z = 2.
 3 Topologie de Rn

3.1 Suites de Rn

Definition: Suites de Rn
Une suite de Rn est une application (fonction) de N dans Rn et se note (a1 , a2 , . . . , at , . . .) ou (at )t∈N ou
simplement (at ).

ª REMARQUE
Chaque at est un élément de Rn et possède n composantes, qu’on repère également par un indice
(variant de 1 à n, celui-ci) :
 

(a1 , . . . , at , . . .) = (a1,1 , a1,2 , . . . , a1,n ), (a2,1 , a2,2 , . . . , a2,n ), . . . , (at,1 , . . . , at,n ), . . . .

 
| {z } | {z } | {z }
a1 a2 at

est correct et lourd.

On prend souvent la convention d’écriture a ∈ R2 a les composantes (x, y), a ∈ R3 a les composantes
(x, y, z), . . .
Dans ce cas, la suite (a1 , a2 , . . . , at , . . .) d’éléments de R2 est la suite
 
(x1 , y1 ), (x2 , y2 ), . . . , (xt , yt ), . . . .
| {z } | {z } | {z }
a1 a2 at

De même, la suite (a1 , a2 , . . . , at , . . .) d’éléments de R3 est la suite

 
(x1 , y1 , z1 ), (x2 , y2 , z2 ), . . . , (xt , yt , zt ), . . . .
| {z } | {z } | {z }
a1 a2 at

et cette notation a la mérite de laisser leurs noms habituels aux coordonnées x, y, z des “points”
de R3 , et son rôle habituel à l’indice t.
La suite (a1 , . . . , at , . . .) d’élements de Rn est la suite :
 
(x1 , y1 , . . . , z1 ), (x2 , y2 , . . . , z2 ), . . . , (xt , yt , . . . , zt ), . . . .
| {z } | {z } | {z }
a1 a2 at

31
CHAPITRE 3. TOPOLOGIE DE Rn 32

3.2 Convergence de suites de Rn

Definition: convergence de suites de Rn

La suite (a1 , . . . , at , . . .) de Rn converge vers a ∈ Rn ssi

∀ε > 0, ∃T ∈ N, ∀t > T : ∥at − a∥ < ε.

Ceci peut se reformuler en termes de boules :

∀ε > 0, ∃T ∈ N, ∀t > T : at ∈ B(a, ε).

Si (a1 , . . . , at , . . .) converge vers a on écrit aussi, lim at = a.

t→∞

ª REMARQUE
 En mots : pour tout ε > 0 il n’y a qu’un nombre fini de termes dans la suite qui sont à une
distance supérieure à ε de a.
 Cette définition concerne également le cas n = 1 et ce cas est le cas habituel de la convergence
avec la distance usuelle de R :

∀ε > 0, ∃T ∈ N, ∀t > T : |at − a| < ε.

 On peut supprimer, ajouter ou modifier un nombre fini de termes d’une suite de Rn sans en
affecter la convergence.

La proposition suivante montre q’une suite (a1 , . . . , at , . . .) converge vers a dans Rn ssi la suite des réels (∥a1 −
a∥, . . . , ∥at − a∥, . . .) converge vers 0 dans R.

Proposition
Soit une suite (at ) de Rn . On a que,
 lim at = a
t→∞
ssi (↕)
 lim ∥at − a∥ = 0.
t→∞

W PREUVE
Soit xt ≡ ∥at − a∥ ∈ R (∀t ∈ N), la distance entre at et a.

lim at = a,
t→∞
↔ (∀ε > 0, ∃T ∈ N, ∀t > T : ∥at − a∥ < ε) , définition
↔ (∀ε > 0, ∃T ∈ N, ∀t > T : |xt − 0| < ε) , parce que 0 ≤ xt = ∥at − a∥ < ε
↔ lim xt = 0, définition
t→∞
↔ lim ∥at − a∥ = 0. xt = ∥at − a∥
t→∞
CHAPITRE 3. TOPOLOGIE DE Rn 33

3.3 Propriétés des limites de suites

t RAPPEL
Proposition: Théorème des gendarmes (pincement, sandwich)
Soit (xt )t∈N , (yt )t∈N et (zt )t∈N suites de R. Soit a ∈ R.
 Si lim xt = a = lim zt .
t→∞ t→∞
 Si ∀t ∈ N : xt ≤ yt ≤ zt
alors (↓)
 lim yt = a.
t→∞

Soit (at ) une suite dans R2 . On a ∀t ∈ N : at = (xt , yt ). Donc, on peut associer à chaque suite (at )t∈N =
(a1 , a2 , . . . , at , . . .) de R2 , deux suites de R, les suites de composantes (xt )t∈N = (x1 , x2 , . . . , xt , . . .) et (yt )t∈N =
(y1 , y2 , . . . , yt , . . .) et inversement.

Proposition
Soit une suite (at )t∈N = ((xt , yt ))t∈N de R2 et soit a = (x, y) ∈ R2 .
 lim at = a
t→∞
ssi (↕)
 lim xt = x et lim yt = y, c.a.d. les suites de composantes (xt )t∈N et (yt )t∈N convergent respectivement
t→∞ t→∞
vers x et y, les composantes de a.

ª REMARQUE
 Autre formulation de la proposition : La convergence dans l’espace euclidien Rn est équivalente
à la convergence “composante par composante” dans R.
 Cela se généralise aux suites dans Rn .

W PREUVE
(↓)

Hypothèse lim at = a ↔ ( lim ∥at − a∥ = 0)

t→∞ t→∞

Thèse ( lim xt = x et lim yt = y) ↔ ( lim |xt − x| = 0 et lim |yt − y| = 0)

t→∞ t→∞ t→∞ t→∞
CHAPITRE 3. TOPOLOGIE DE Rn 34

Notons :
p
0 ≤ |xt − x| = (xt − x)2
p
≤ (xt − x)2 + (yt − y)2 parce que (yt − y)2 ≥ 0
= ∥at − a∥ définition

Alors 0 ≤ |xt − x| ≤ ∥at − a∥ et lim ∥at − a∥ = 0 (par hypothèse). Utilisons le théorème des
t→∞
gendarmes, nous obtenons : lim |xt − x| = 0. La preuve que lim |yt − y| = 0 est très similaire.
t→∞ t→∞

(↑)

Hypothèse ( lim xt = x et lim yt = y) ↔ ( lim |xt − x| = 0 et lim |yt − y| = 0)

t→∞ t→∞ t→∞ t→∞

Thèse lim at = a ↔ lim ∥at − a∥ = 0

t→∞ t→∞

Notons :
n
X
0 ≤ ∥at − a∥ ≤ |xt − x| + |yt − y| parce que ∥v∥ ≤ |vi |
i=1

Utilisons le théorème des gendarmes, nous obtenons : lim ∥at − a∥ = 0 (parce que lim |xt − x| =
t→∞ t→∞
lim |yt − y| = 0 et lim 0 = 0)
t→∞ t→∞

 EXEMPLE
1 t2 − 1
 
 La suite de R2 : , converge vers (0, 1) ∈ R2 .
t t2 + 1 t∈N
 !!
1 t

 La suite de R2 : 2, 1 + converge vers (2, e) ∈ R2 .
t
t∈N
t 2 !!
t −1

1 1
 La suite de R3 : 2+ , 1+ , 2 converge vers (2, e, 1) ∈ R3 .
t t t +1
t∈N
 
1
 La suite de R2 : (−1)t , ne converge pas car la suite ((−1)t )t∈N ne converge pas dans
t t∈N
R.

Proposition
 Si la suite (at )t∈N de Rn converge
alors (↓)
 la limite est unique.
CHAPITRE 3. TOPOLOGIE DE Rn 35

W PREUVE

Hypothèse ( lim at = a et lim at = b) ↔ ( lim ∥at − a∥ = 0 et lim ∥at − b∥ = 0)

t→∞ t→∞ t→∞ t→∞

Thèse a=b

Notons :

0 ≤ ∥a − b∥ = ∥a −at + at −b∥,
| {z }
=0
≤ ∥a − at ∥ + ∥at − b∥. inégalité triangulaire

Par le théorème des gendarmes nous obtenons ∥a − b∥ = 0 (parce que lim ∥at − a∥ = 0 et lim ∥at −
t→∞ t→∞
b∥ = 0 et lim 0 = 0).
t→∞

Proposition
Si
 la suite (at )t∈N de Rn converge vers a ∈ Rn
 la suite (bt )t∈N de Rn converge vers b ∈ Rn
alors (↓)
 ∀α, β ∈ R, la suite (αat + βbt )t∈N converge vers αa + βb.

W PREUVE

Hypothèse lim ∥at − a∥ = 0 et lim ∥bt − b∥ = 0.

t→∞ t→∞

Thèse lim ∥αat + βbt − (αa + βb)∥ = 0.

t→∞

Nous avons,

0 ≤ ∥αat + βbt − αa − βb∥,

= ∥α(at − a) + β(bt − b)∥,
≤ ∥α(at − a)∥ + ∥β(bt − b)∥ inégalité triangulaire
≤ |α|∥at − a∥ + |β|∥bt − b∥ parce que ∥αx∥ = |α|∥x∥

par le théorème des gendarmes nous obtenons lim ∥αat + βt b − αa − βb∥ = 0 (parce que lim ∥at −
t→∞ t→∞
a∥ = 0 et lim ∥bt − b∥ = 0 et lim 0 = 0).
t→∞ t→∞

ª REMARQUE
 Cas particulier : α = 1, β = 1 donne lim (an + bn ) = lim an + lim bn = a + b.
n→∞ n→∞ n→∞
CHAPITRE 3. TOPOLOGIE DE Rn 36

 Cas particulier : α = 1, β = −1 donne lim (an − bn ) = a − b.

n→∞

3.4 Sous ensembles de Rn

Definition: Ensemble fermé

Un sous-ensemble A de Rn est fermé ssi toute suite d’éléments de A qui converge, converge dans A.
 
∀ suites (at )t∈N dans A : lim at = a ∈ Rn → (a ∈ A) .
t→∞

ª REMARQUE
 Autrement dit : La limite d’une suite convergente de points de A appartient à A.

 EXEMPLE
 ∅, Rn et tout ensemble contenant un seul point de Rn sont fermés.
 L’ensemble {(x, y) ∈ R2 : x + y ≤ 2} est fermé.

Proposition
Une boule fermée est un sous-ensemble fermé de Rn .

W PREUVE
Soit B(c, r) une boule fermée de Rn de centre c ∈ Rn et de rayon r > 0.

(at ) est une suite dans B(c, r) qui converge vers a

Hypothèse ↔ (∀t ∈ N : ∥at − c∥ ≤ r et lim ∥at − a∥ = 0))
t→∞

Thèse a ∈ B(c, r) ↔ (∥a − c∥ ≤ r)

∥a − c∥ = ∥a −at + at −c∥,
| {z }
=0
≤ ∥a − at ∥ + ∥at − c∥ inégalité triangulaire
≤ ∥at − a∥ + r hypothèse

On a lim ∥at − a∥ = 0, alors ∥a − c∥ ≤ r.

t→∞
CHAPITRE 3. TOPOLOGIE DE Rn 37

Proposition
 Toute intersection de fermés est fermé
 Toute réunion d’un nombre fini de fermés est fermé

 EXEMPLE
 {a} est fermé, donc tous ensembles finis sont fermés.
 {a} est fermé mais a∈]0,1[ {a} =]0, 1[ n’est pas fermé.
S

Definition: Ensemble ouvert

Un sous-ensemble A de Rn est ouvert ssi son complémentaire (dans Rn ) est fermé.

ª REMARQUE
On écrit AC = Rn \ A, pour le complémentaire de A dans Rn .

 EXEMPLE
 Rn est ouvert parce que (Rn )C = ∅ est fermé.
 ∅ est ouvert parce que (∅)C = Rn est fermé.
 Rn \ {a} est ouvert parce que {a} est fermé.

Proposition
Une boule ouverte de Rn est un ensemble ouvert.

W PREUVE
Soit B(c, r) une boule ouverte de Rn de centre c ∈ Rn et de rayon r > 0. Remarquons que :

B(c, r)C = {x ∈ Rn |∥x − c∥ ≥ r}.

Nous voulons montrer que B(c, r)C est un ensemble fermé.

Soit (at ) une suite dans B(c, r)C qui converge vers a
Hypothèse ↔ ( lim ∥at − a∥ = 0 et ∀t ∈ N : ∥at − c∥ ≥ r)
t→∞

Thèse a ∈ B(c, r)C ↔ (∥a − c∥ ≥ r)

r ≤ ∥at − c∥ = ∥at −a
| {z+ a} −c∥,
=0
≤ ∥at − a∥ + ∥a − c∥ inégalité triangulaire
CHAPITRE 3. TOPOLOGIE DE Rn 38

Prenons la limite pour t vers ∞ donne lim ∥at − a∥ = 0, alors ∥a − c∥ ≥ r.

t→∞

Proposition
 Toute réunion d’ouverts est un ouvert.
 Toute intersection d’un nombre fini d’ouverts est un ouvert

ª REMARQUE
 L’union (non fini) d’ensembles fermés peut potentiellement être non fermée, par exemple,
[
[−x, x] =] − 1, 1[.
x∈]0,1[

 L’intersection (non fini) d’ensembles ouverts peut potentiellement être non ouvert, par exemple,
\
] − x, x[= [−1, 1].
x∈]1,∞[

Definition: Ensemble borné

Un ensemble A ⊂ Rn est borné ssi on peut l’inclure à une boule ouverte centrée à l’origine.

∃r > 0 : A ⊂ B(0, r) ↔ (∃r > 0, ∀x ∈ A : ∥x∥ ≤ r)

Figure 3.1 – Un ensemble borné

ª REMARQUE
 Un ensemble est borné ssi il est inclus à une boule ouverte (pas nécessairement centrée à l’origine).
Parce que chaque boule (pas nécessairement centrée à l’origine est inclus a une boule centrée à
l’origine)
B(c, r) ⊂ B(0, r + ∥c∥).

 Un ensemble est borné ssi il est inclus à une boule (pas nécessairement ouverte).
B(c, r) ⊂ B(c, r + 1).
CHAPITRE 3. TOPOLOGIE DE Rn 39

 EXEMPLE
 Une boule (fermé où ouvert) est borné.
 [0, 1]2 est borné.

Definition: Un ensemble compact

Un ensemble de Rn est compact ssi il est fermé et borné.

 EXEMPLE
 Une boule fermée est un ensemble compact.
 {a} et compact
 Chaque ensemble fini est compact.
 Rn n’est pas compact.

Definition: Convexité d’un ensemble

Un ensemble A ⊂ Rn est convexe ssi toute combinaisons linéaire convexe de deux points quelconque de
A appartient à A :

∀x, y ∈ A, ∀α ∈ [0, 1] : αx + (1 − α)y ∈ A.

ª REMARQUE
Un ensemble A ⊂ Rn est convexe ssi il contient entièrement les segments de droites délimités par
deux quelconques de ses points.

 EXEMPLE
 L’ensemble ∅ est convexe, l’ensemble Rn est convexe.
 Les segments de droite, les droites, les plans, les hyperplans, les demi-droites, les points sont
convexes.

Proposition
Toute boule de Rn est un ensemble convexe.

W PREUVE
Donnons la preuve pour une boule ouverte. Soit B(c, r) une boule (ouverte) avec centre c ∈ Rn et
rayon r > 0

Hypothèse x, y ∈ B(c, r) ↔ (∥x − c∥ < r et ∥y − c∥ < r).

CHAPITRE 3. TOPOLOGIE DE Rn 40

∀α ∈ [0, 1] : αx + (1 − α)y ∈ B(c, r)

Thèse ↔ (∀α ∈ [0, 1] : ∥αx + (1 − α)y − c∥ < r)

 Si α = 0 ou α = 1 la preuve est évidente.

 Supposons que α ∈ ]0, 1[.

∥αx + (1 − α)y − c∥ = ∥α(x − c) + (1 − α)(y − c)∥,

≤ ∥α(x − c)∥ + ∥(1 − α)(y − c)∥, inégalité triangulaire
= |α|∥x − c∥ + |1 − α|∥y − c∥, parce que ∥αv∥ = |α|∥v∥
< αr + (1 − α)r = r. par hypothèse

par conséquent αx + (1 − α)y ∈ B(c, r).

Proposition
Toute intersection d’ensembles convexes est convexe.

ª REMARQUE
Attention : La réunion des ensembles convexes n’est pas nécessairement convexe. (exemple ?)

3.5 Points

Definition: point intérieur

Un point a ∈ Rn est intérieur au ensemble A de Rn ssi a est le centre d’une boule ouverte entièrement
incluse à A.
∃ε > 0 : B(a, ε) ⊂ A.

ª REMARQUE
 Si a est un point intérieur de A, alors a ∈ A.
 a est un point intérieur de B(a, r) (∀r > 0).

 EXEMPLE
a = (0.5, 0.5) est un point intérieur de A = [0, 1]2 parce que B(a, r) ⊂ [0, 1]2 pour tout 0 < r < 0.5

Definition: voisinage
On appelle A voisinage de a ∈ Rn , si A contient une boule ouverte centrée en a.

∃ε > 0 : B(a, ε) ⊂ A.
CHAPITRE 3. TOPOLOGIE DE Rn 41

ª REMARQUE
 a est un point intérieur de A ssi A est un voisinage de a.
 Si a est point d’intérieur de A, alors ∃ε > 0 : B(a, ε) ⊂ A, alors a ∈ A. Donc chaque point
intérieur de A est aussi dans A.
 Une boule ouverte centrée en a est une voisinage de a.
 Une boule fermé centrée en a est une voisinage de a. (a ∈ B(a, r/2) ⊆ B(a, r))

Proposition
 Un ensemble est ouvert
ssi(↕)
 tous ses points lui sont intérieurs.

Definition: Point adhérent

Un point a est adhérent à un ensemble A de Rn ssi il existe une suite d’éléments de A convergeant vers
a.

ª REMARQUE
 Si a ∈ A, alors a est adhérent à A parce que la suite (a, a, a, . . . , a, . . .) est dans A et converge
vers a.

 EXEMPLE
Le 2
 point a = (1,1) est un point adhérent de A =]0, 1[ parce que (par exemple), la suite
1 1
(1 − t+1 , 1 − t+1 ) est dans A et converge vers (1, 1).
t∈N

Proposition
 Un ensemble est fermé
ssi (↕)
 tous ses points lui sont adhérents.

ª REMARQUE
 Si A est fermé, aucun point hors de A ne lui est adhérent.
 Donc pour démontrer que A n’est pas fermé il est suffisant de trouver un point adhérent de A
qui n’est pas dans A.
CHAPITRE 3. TOPOLOGIE DE Rn 42

Definition: Points d’accumulation

Un point a est un point d’accumulation d’un ensemble A de Rn ssi il existe une suite de points de A,
distincts de a, convergeant vers a.

ª REMARQUE
 Si a est un point d’accumulation de A, alors a est adhérent à A.

 EXEMPLE
Le 2
 point a = (1, 1) est un point d’accumulation de A =]0, 1[ parce que (par exemple), la suite
1 1
(1 − t+1 , 1 − t+1 ) est dans A, converge vers (1, 1) et les points dans la suite sont distincts de
t∈N
a.

Proposition
 Si a est un point intérieur de A,
alors (↓)
 a est un point d’accumulation de A.

W PREUVE

Hypothèse a est un point intérieur de A ↔ (∃ε > 0, ∀b ∈ Rn : ∥b − a∥ < ε → b ∈ A)

a est un point d’accumulation de A

Thèse ↔ (∃ suite (at ) dans A de points distincts de a et lim ∥at − a∥ = 0)
t→∞

Soit b ̸= a et ∥b − a∥ < ε, alors b ∈ A. Considérons la suite (at ) avec :

 
1 1 1
at = b + 1 − a = a + (b − a).
t t t

La figure suivante donne une illustration de ce construction.

b = a1
a
a3 a24
a ε
CHAPITRE 3. TOPOLOGIE DE Rn 43

Voyons que :
 
1 1
0 ≤ ∥at − a∥ = b+ 1− a−a ,
t t
1
= (b − a) ,
t
1 1
= ∥b − a∥ ≤ ε parce que ∥αx∥ = |α|∥x∥
t t

Par le théorème des gendarmes on obtient lim ∥at − a∥ = 0 (parce que lim 1t ε = 0).
t→∞ t→∞
Ensuite, notons que ∀t ∈ N :
1
∥at − a∥ = ∥b − a∥ =
̸ 0, parce que b ̸= a ↔ ∥b − a∥ ̸= 0
t
alors ∀t ∈ N : at ̸= a (parce que at = a ssi ∥at − a∥ = 0) et ∀t ∈ N : at ∈ A. Nous concluons que a
est un point d’accumulation (la limite de la suite (at )t∈N dans A des éléments distincts de a).

ª REMARQUE
 Un point d’accumulation de A n’est pas nécessairement un point intérieur de A.
Par exemple, si A =]0, 1[, le point 0 est un point d’accumulation de A mais 0 n’est pas point
intérieur de A parce que 0 ∈
/ A.
 Un point adhérent à A n’est pas nécessairement un point d’accumulation de A.
Par exemple, si A = {p}, le point p est adhérent à A (car p ∈ A) mais p n’est pas point d’accu-
mulation de A car la seule suite de points de A (qui converge vers p) est la suite (p, p, . . . , p, . . .)
dont les termes ne sont pas distincts de p.

Figure 3.2 – Point intérieur, point d’accumulation et point adhérent

a est point d’accumulation de A

a est point intérieur de A a est point adhérent de A

a est point de A
CHAPITRE 3. TOPOLOGIE DE Rn 44

3.6 Exercices et réponses

å EXERCICSES
1 Après avoir représenté graphiquement chacun des sous-ensembles de R2 suivants en
déterminer si pour chaque point donné
 il appartient a l’ensemble, si il est un point intérieur, si c’est un point d’accumulation, si il
est un point adhérent
 Pour chaque ensemble, déterminer aussi s’il est ouvert, fermé, borné et convexe. Justifier.

a A = R0 × R et le point (0, 0)

b B = (R+ )2 et le point (0, 0)

c C = {(x, y) ∈ R2 : 2x + 3y ≤ 6, x ≥ 0 et y ≥ 0} et le point (0, 2)

d D = {(x, y) ∈ R2 : 0 ≤ x ≤ 3, 0 ≤ y ≤ 2} ∪ {(3, 3)} et le point (3, 3).

e E = {(x, y) ∈ R2 : 1 < x2 + y 2 ≤ 9} et le point (0, 1).

f F = {(x, y) ∈ R2 : |x| + |y| < 2} et le point (3, −3).

y2
g G = {(x, y) ∈ R2 : x2 + ≤ 2} et le point (0, 0).
2

2 Mêmes questions dans R3 pour les ensembles et points suivants

a A = (R++ )3 et (0, 1, 1).

b B = {(x, y, z) ∈ R3 : 0 ≤ x ≤ 3, 0 ≤ y ≤ 2, 0 ≤ z ≤ 1} et le point (3, 2, 1).

c C = {(x, y, y) ∈ R3 : z = x2 + y 2 } et le point (1, 1, 2).

´ RÉPONSES
1 a

0 X

Le point (x, y) = (0, 0)

 n’appartient pas à A parce que x = 0.
CHAPITRE 3. TOPOLOGIE DE Rn 45

 n’est pas un point intérieur de A parce que chaque point intérieur de A appartient à
A.
 est un point d’accumulation de A, parce que, par exemple, ((0, 1/t))t∈T est une suite
de A de points distincts de (0, 0) qui converge vers (0, 0).
 est un point adhérent de A parce que chaque point d’accumulation est aussi un point
adhérent.
 A est ouvert parce que tous ces points sont des points intérieur. Si (x, y) ∈ A, on sait
que x ̸= 0 et B((x, y), |x|) ⊂ A.
 A n’est pas fermé. Le point (0, 0) lui est adhérent mais (0, 0) n’est pas un point de A.
 A n’est pas borné, par ce que ∀K > 0, K ̸⊂ B((0, 0), K) puisque A content des points
(x, y) avec ∥(x, y)∥ aussi grand que l’on veut.
 A n’est pas convexe car, par exemple, (1, 0) ∈ A et (−1, 0) ∈ A mais 21 (1, 0) +
1
2 (−1, 0) = (0, 0) ∈
/ A.

b
Y

0 X

Le point (x, y) = (0, 0) est

 un point de B parce que x, y ≥ 0.
 n’est pas un point intérieur de B parce que chaque boule ouverte B((0, 0), ε) contient
un point (x, y) avec x, y < 0 qui n’ est pas dans B.
 est un point d’accumulation. Par exemple, la suite ((1/t, 0))t∈N de B converge vers
(0, 0) et (1/t, 0) ̸= (0, 0) pour tout t ∈ N.
 est un point adhérent parce que c’est un point d’accumulation.
 B n’est pas ouvert. Par exemple, (0, 0) est dans B, mais n’est pas un point intérieur
de B.
 B est fermé parce que tous les points de B sont des points d’accumulation de B et
donc aussi des points adhérents de B.
 B n’est pas borné. ∀K ∈ N, B ̸⊂ B((0, 0), K). B contient des points (x, y) avec ∥(x, y)∥
aussi grand que l’on veut.
 B est convexe. Si (x1 , y1 ) ∈ B et (x2 , y2 ) ∈ B on sait que x1 , x2 , y1 , y2 ≥ 0. Alors,
∀α ∈ [0, 1] : αx1 + (1 − α)x2 ≥ 0 et αy1 + (1 − α)y2 ≥ 0. Concluons que α(x1 , y1 ) +
(1 − α)(x2 , y2 ) = (αx1 + (1 − α)x2 , αy1 + (1 − α)y2 ) ∈ B.

c
CHAPITRE 3. TOPOLOGIE DE Rn 46

0 3 X

Le point (x, y) = (0, 2)

 Est un point de C parce que 0, 2 ≥ 0 et x + 3y = 0 + 3.2 = 6 ≤ 6.
 n’est pas un point intérieur de C parce que chaque boule B((0, 2), ε) contient un point
(0, y) avec y > 2, qui n’est pas dans C.
 est un point d’accumulation de C. Par exemple, la suite ((0, 2−1/t))t∈N de C converge
vers (0, 2) et contient que des éléments distincts de (0, 2).
 est un point adhérent de C parce que c’est un point de C.
 C n’est pas ouvert parce que, par exemple, (0, 2) n’est pas un point intérieur.
 C est fermé parce que tous les points adhérent de C sont dans C.
 C est bordé. Par exemple C ⊆ B((0, 0), 4).
 C est convexe. Soit (x1 , y1 ), (x2 , y2 ) ∈ C et α ∈ [0, 1]. Nous avons que

αx1 + (1 − α)x2 ≥ 0 et αy1 + (1 − α)y2 ≥ 0,

et

(αx1 + (1 − α)x2 ) + 3(αy1 + (1 − α)y2 ) = α(x1 + 3y1 ) + (1 − α)(x2 + 3y2 ),

≤ α6 + (1 − α)6 = 6

Donc α(x1 , y1 ) + (1 − α)(x2 , y2 ) ∈ C.

d
Y

3
2

0 3 X

Le point (x, y) = (3, 3)

 est un point de D (par définition)
CHAPITRE 3. TOPOLOGIE DE Rn 47

 n’est pas un point intérieur de D parce que toute boule ouverte B((3, 3), ε) contient
des points qui ne sont pas dans D.
 n’est pas un point d’accumulation parce qu’il n’existe pas une suite de points de D
d’éléments distincts de (3, 3) qui converge vers (3, 3).
 est un point adhérent de D parce que c’est un point de D.
 D n’est pas ouvert. Par exemple, (3, 3) est dans D mais n’est pas un point intérieur
de D.
 D est fermé parce que tous ces points adhérent sont dans D.
 D est bordé. Par exemple, D ⊂ B((0, 0), 6)
 D n’est pas convexe. Par exemple (3, 3) et (3, 2) ∈ D mais 0.5(3, 3) + 0.5(3, 2) =
(3, 2.5) ∈
/ D.

0 1 3 X

le point (0, 1)
 n’est pas dans E parce que 02 + 12 = 1
 n’est pas un point intérieur de E parce que (0, 1) n’est pas un élément de E.
 est un point d’accumulation de E. Par exemple, la suite (0, 1 + 1/t))t∈T dans E
converge vers (0, 1) et contient que des points distincts de (0, 1).
 est un point adhérent de E parce que c’est un point d’accumulation de E.
 E n’est pas ouvert, parce que, par exemple, (0, 3) est un point de E qui n’est pas
point intérieur.
 E n’est pas fermé, parce que, par exemple, (0, 1) est un point adhérent de E qui n’est
pas dans E.
 E est borné. Par exemple, E ⊂ B((0, 0), 4)
 E n’est pas convexe. Par exemple (2, 0) et (−2, 0) ∈ E, mais 0.5(2, 0) + 0.5(−2, 0) =
(0, 0) ∈
/ E.

f
CHAPITRE 3. TOPOLOGIE DE Rn 48

0 2 X

le point (x, y) = (3, −3)

 n’est pas un élément de F parce que |3| + |3| > 2.
 n’est pas un point intérieur parce que c’est pas un élément de F .
 n’est pas un point d’accumulation parce qu’il n’existe aucune suite de F qui converge
vers (3, −3).
 n’est pas un point adhérent parce qu’il n’existe aucune suite de F qui converge vers
(3, −3).
 F est ouvert parce que tous ces points sont des points intérieur.
 F n’est pas fermé. Par exemple, la suite (0, 2 − 1/t))t∈N de F converge ver (0, 2) mais
(0, 2) n’est pas dans F .
 F est bordé. Par exemple F ⊂ B((0, 0), 2) pour tous (x, y) ∈ F .
 F est convexe parce que pour tous (x1 , y1 ), (x2 , y2 ) ∈ F et ∀α ∈ [0, 1], α(x1 , y1 ) + (1 −
α)(x2 , y2 ) ∈ F .

√
0 2 X

Le point (x, y) = (0, 0)

 dans G parce que 0 + 0 ≤ 2.
est
 un point intérieur de G. Par exemple, B((0, 0), 0.1) ⊂ G.
est
 est
un point d’accumulation de G parce que c’est un point intérieur de G.
 est
un point adhérent de G parce que c’est un point d’accumulation de G.
√
 G n’est pas ouvert, par exemple ( 2, 0) est dans G mais n’est pas point intérieur de
G.
CHAPITRE 3. TOPOLOGIE DE Rn 49

 G est fermé parce que tous les points adhérent de G sont dans G.
 G est borné. Par exemple, ∥(x, y)∥ ≤ 3 pour tous (x, y) ∈ G.
 G est convexe parce que pour tous (x1 , y1 ), (x2 , y2 ) ∈ G et ∀α ∈ [0, 1], α(x1 , y1 ) + (1 −
α)(x2 , y2 ) ∈ G.

2 a Le point (x, y, z) = (0, 1, 1)

 n’est pas dans A parce que x = 0.
 n’est pas un point intérieur. Chaque boule ouverte B((0, 1, 1), ε) contient des points
(x, y, z) avec x < 0.
 est un point d’accumulation. Par exemple, la suite ((1/t, 1, 1))t∈N de A converge vers
(0, 1, 1) et ne contient que des points distincts de (0, 1, 1).
 est un point adhérent de A parce que c’est un point d’accumulation de A.
 A est ouvert parce que tous ces points sont des points intérieur.
 A n’est pas fermé. Par exemple, (0, 0, 0) est un point adhérent de A, mais n’est pas
un point de A.
 A n’est pas bordé, pour tout K ∈ N, il y a des points (x, y, z) ∈ A avec ∥(x, y, z)∥ > K
 A est convexe (justifier !).

b Le point (x, y, z) = (3, 2, 1)

 est un point de B.
 n’est pas un point intérieur de B. Par exemple, chaque boule ouverte B((3, 2, 1), ε)
contient des points (x, y, z) avec x > 3.
 est un point d’accumulation de B. Par exemple, la suite ((3 − 1/t, 2, 1))t∈N dans B
converge à (3, 2, 1) et ne contient que des points distincts de (3, 2, 1).
 est un point adhérent de B parce que c’est un point d’accumulation de B.
 B n’est pas ouvert. Par exemple (3, 2, 1) est dans B mais n’est pas un point intérieur
de B.
 B est fermé. Tous ces points sont des points adhérent.
 B est bordé. Par exemple B ⊂ B((0, 0, 0), 4).
 B est convexe (justifier !).

c Attention ! C est une surface (paraboloı̈de elliptique). Let point (x, y, z) = (1, 1, 2)

 est dans A parce que 1 = 12 + 12 .

 n’est pas un point intérieur de C (dans R3 ). Chaque boule ouverte B((1, 1, 2), ε)
contient des points pour qui z 2 ̸= x2 + y 2
 est un point d’accumulation de C. Par exemple, la suite ((1 − 1/t, 1 − 1/t, 2(1 −
1/t)2 ))t∈N est une suite de C qui converge vers (1, 1, 2) et ne contient que des points
distincts de (1, 1, 2).
 est un point adhérent de C parce que c’est un point d’accumulation.
 C n’est pas ouvert. (1, 1, 2) est un point de C qui n’est pas un point intérieur.
 C est fermé. Tous les points de C sont des points adhérent.
 C n’est pas bordé. Pour tout K ∈ N, il y a des points (x, y, z) ∈ C avec ∥(x, y, z)∥ > K
 C n’est pas convexe. Par exemple (0, 0, 0) et (1, 1, 2) ∈ C mais (0.5, 0.5, 1) ∈
/ C.
 4 Continuité de fonctions de Rn → R

4.1 Limites de fonctions

Definition: limite d’une fonction

 Soit f : D ⊂ Rn → R.
 Soit a un point d’accumulation de D.
 Soit b ∈ R.
On dit que f (x) tend vers b lorsque x tend vers a et on écrit : lim f (x) = b si et seulement si pour
x→a
toute suite (xt )t∈N = (x1 , x2 , . . . , xt , . . .) d’éléments de D, distincts de a et convergent vers a, on a

lim f (xt ) = b.
t→∞

ª REMARQUE
 Limite suivant un “chemin”
 lim f (xt ) = b ssi la suite (f (x1 ), f (x2 ), . . . , f (xt ), . . .) dans R converge vers b.
t→∞

 EXEMPLE
xy
Soit f (x, y) = qui est une fonction de R2 → R.
x2
+ y2
Condition d’existence x2 + y 2 ̸= 0 ↔ (x, y) ̸= (0, 0), donc dom f = R2 \ {(0, 0)}. Remarque :
R2 \ {(0, 0)} =
̸ (R0 )2 .
Le point {(0, 0)} est point d’accumulation de domf . Sélectionnons, dans le plan XY , l’ensemble
des points tels que y = αx pour un certain α (le “chemin est un segment de droite passant par
l’origine).

50
CHAPITRE 4. CONTINUITÉ DE FONCTIONS DE Rn → R 51

y = αx

X
X

Considérons une suite ((xt , yt ))t∈N sur ce chemin (alors yt = αxt ) et qui converge vers (0, 0). La
suite (f (xt , yt ))t∈N = (f (xt , αxt ))t∈N est donné par les termes :
xt αxt α
f (xt , αxt ) = = .
)2
(xt + (αxt ) 2 1+α

Alors, le long du chemin :

α
lim f (xt , αxt ) =
.
t→∞ 1+α
Cette limite dépend de α et, alors, change selon le “chemin” suivi.
En conséquence, la limite lim f (x, y) n’existe pas.
(x,y)→(0,0)

xy
Figure 4.1 – La fonction x2 +y 2

0.6

Y
0.4
1
0.8 0.2
0.6
0.4
0.2 0.8 1 X
0.2 0.4 0.6
CHAPITRE 4. CONTINUITÉ DE FONCTIONS DE Rn → R 52

ª REMARQUE
Il est clair que, pour montrer l’existence d’une limite, il est quasiment toujours impossible d’utiliser
un argument similaire à celui utilisé ci-dessus (à moins que le calcul proposé ne débouche pas
sur une indétermination ou que l’on ne puisse envisager qu’un nombre fini (et raisonnable !) de
“chemins”).
Une technique souvent utile, pour calculer lim(x,y)→(a,b) f (x, y) dans R2 est le suivant,
( (
X =x−a x=X +a
 d’abord ramener ce calcul à un calcul de limite (0, 0) en posant ↔ .
Y =y−b y =Y +b
En effet, le calcul lim f (x, y) devient alors lim f (X + a, Y + b).
(x,y)→(a,b) (X,Y )→(0,0)
(
X = ρ cos θ
 utiliser ensuite les coordonnées polaires, c’est-à-dire poser . Le calcul
Y = ρ sin θ

lim f (X + a, Y + b)
(X,Y )→(0,0)

devient puisque (X, Y ) → (0, 0) :

lim f (ρ cos θ + a, ρ sin θ + b)

ρ→0
θ qcq

Celui, parfois, donne une idée d’un argument permettant de montrer la existence ou non-existence
de la limite.

Figure 4.2 – Les coordonnées polaires

y
ρ sin θ

θ
x
ρ cos θ
X

 EXEMPLE
x2 x2
Soit à calculer lim p . Le domaine de f pour f (x, y) = p est R2 \ {(0, 0)}.
(x,y)→(0,0) x2 + y 2 x2 + y 2
Le point (0, 0) est un point d’accumulation de dom f . Le numérateur et le dénominateur de la
x2
fraction p tendent tous deux vers 0 lorsque (x, y) tend vers (0, 0). On est donc en présence
x2 + y 2
0
d’une indétermination du type .
0
CHAPITRE 4. CONTINUITÉ DE FONCTIONS DE Rn → R 53

Étant donné qu’il s’agit d’une limite

 pour (x, y) → (0, 0), on peut immédiatement passer aux
x = ρ cos θ
coordonnées polaires, c’est-à-dire
y = ρ sin θ
On a
x2 ρ2 cos2 θ
lim p = lim p ,
(x,y)→(0,0) x2 + y 2 ρ→0
θ qcq ρ2 cos2 θ + ρ2 sin2 θ
ρ2 cos2 θ
= lim p ,
ρ→0
θ qcq ρ2 (cos2 θ + sin2 θ)
ρ2 cos2 θ
= lim ,
ρ→0
θ qcq
ρ
= lim ρ cos2 θ.
ρ→0
θ qcq

Or, ∀θ : 0 ≤ ρ cos2 θ ≤ ρ, d’où par le théorème des gendarmes, on a lim ρ cos2 θ = 0, d’où
ρ→0
θ qcq

x2
lim p existe et vaut 0.
(x,y)→(0,0) x2 + y 2
xy
Revenons au calcul de lim . Le passage aux coordonnées polaires donne ici
(x,y)→(0,0) x + y 2
2

xy ρ2 cos θ sin θ
lim = lim ,
(x,y)→(0,0) x2 + y 2 ρ→0 ρ2 cos2 θ + ρ2 sin2 θ
θ qcq

sin 2θ
= cos θ sin θ =
2
x2
qui dépend clairement de θ. Dès lors, lim n’existe pas.
(x,y)→(0,0) x2 + y 2

4.2 Propriétés des limites

Moyennant ce lien entre limites de suites et limites de fonctions, la démonstration des propriétés suivantes est
immédiate :

Proposition
La limite d’une fonction est unique.

W PREUVE

Hypothèse lim f (x) = b et lim f (x) = c ↔ ( lim |f (x) − b| = 0 et lim |f (x) − c| = 0)

x→a x→a x→a x→a

Thèse b=c
CHAPITRE 4. CONTINUITÉ DE FONCTIONS DE Rn → R 54

0 ≤ |b − c| = |b −f (x) + f (x) −c| ≤ |b − f (x)| + |f (x) − c| inégalité triangulaire

| {z }
=0

Par le théorème des gendarmes |b − c| = 0 (parce que lim |f (x) − b| = 0 et lim |f (x) − c| = 0 et
x→a x→b
lim 0 = 0).
x→a

Proposition
Soit u : A ⊆ Rn → R : x 7→ u(x).
Soit v : A ⊆ Rn → R : x 7→ v(x).
Soit a un point d’accumulation de A.
 Si lim u(x) = u et lim v(x) = v,
x→a x→a
alors (↓)
∀λ, µ ∈ R on a :
 lim (λu(x) + µv(x)) = λu + µv
x→a
 lim (u(x) · v(x)) = u · v.
x→a
1 1
 Si u ̸= 0 on a lim = .
x→a u(x) u

ª REMARQUE
 Cas particuliers : λ = µ = 1 et λ = 1, µ = −1.
 Limites à l’infini ? Il y a beaucoup de ‘infinis’ dans Rn . La notion ne fait pas beaucoup de sens
dans Rn .
 Règle de l’Hôpital ?

 EXEMPLE
−8
Limite infinies : lim = ...?
(x,y)→(0,0) x2 + 4y 2
−8
On a lim −8 = −8 et lim (x2 + 4y 2 ) = 0, donc lim n’existe pas.
(x,y)→(0,0) (x,y)→(0,0) (x,y)→(0,0) x2 + y 2

4.3 Continuité

Definition: Continuité en un point

Soit f : D ⊆ Rn → R. Soit a un point d’accumulation de D,
On dit que f est continue (C 0 ) en a ssi :

lim f (x) = f (a).

x→a
CHAPITRE 4. CONTINUITÉ DE FONCTIONS DE Rn → R 55

ª REMARQUE
 Pour être continue en un point a, la fonction doit être définie en a et ce point doit être
un point d’accumulation du “chemin” suivi (afin que la limite puisse exister), lequel doit “passer”
par a.
 Enfin, a sera le plus souvent un point intérieur au D, domaine de définition de f . Chaque point
intérieur au domain de définition est aussi un point d’accumulation.

ª REMARQUE
Soit D ouvert, D ⊂ Rn . Une fonction f : D → R est continue (C 0 ) sur D ssi elle est continue en
tout point de D.
 Si f : Rn → R est continue sur D ouvert, alors elle est continue sur tout sous-ensemble ouvert
de D.

Proposition
Soit f : D ⊂ Rn → R et g : D ⊂ Rn → R. Soit a un point d’accumulation de D.
 Si f et g sont continues en a sur D
alors (↓)
 ∀λ, µ ∈ R, λf + µg est continue en a,
 f g est continue en a.
1
 Si en outre g(a) ̸= 0, alors est continue en a.
g

ª REMARQUE
Cas particuliers λ = µ = 1 et λ = 1, µ = −1.

 EXEMPLE
2

p x

si (x, y) ̸= (0, 0)
Soit f (x) = x2 + y 2

0 si (x, y) = (0, 0)
2
Ici, dom f = R et le point (0, 0) est un point intérieur de dom f . Nous savons déjà que
lim f (x, y) = 0, alors f est C 0 en (0, 0).
(x,y)→(0,0)

4.4 Exercices et réponses

å EXERCICSES
1 Calculer, si elles existent dans R, les limites suivantes
CHAPITRE 4. CONTINUITÉ DE FONCTIONS DE Rn → R 56

x4
a lim .
(x,y)→(0,0) x2 + y 2
x3
b lim .
(x,y)→(2,0) y 2
x
c lim .
(x,y)→(0,0) y
sin(x2 + y 2 )
d lim
(x,y)→(0,0) x2 + y 2
x(x + 2) + y(y − 4) + 5
e lim .
(x,y)→(−1,2) (x + 1)3
3 3
 (x − 1) + y

si (x, y) ̸= (1, 0)
2 Étudier la continuité de f (x, y) = (x − 1)2 + y 2 en le point (1, 0).
0 si (x, y) = (1, 0),


3 Étudier la continuité des fonctions suivantes :

 3 3
x + y si (x, y) ̸= (0, 0)
a f (x, y) = x2 + y 2
0 si (x, y) = (0, 0)

√
2 2
e x +y
b f (x, y, z) = .
z
c f (x, y) = ln(xy)
(
x2 ln(x2 + y 2 ) si (x, y) ̸= (0, 0)
d f (x, y) =
0 si (x, y) = (0, 0)
 y
e − 1
 si y ̸= 0
e f (x, y) = y
x si y = 0


´ RÉPONSES
1 a

x4 ρ4 cos4 θ
lim = lim ,
(x,y)→0 x2 + y 2 ρ→0 ρ2
θ qcq

= lim ρ2 cos4 θ
ρ→0
θqcq

Nous avons 0 ≤ ρ2 cos4 θ ≤ ρ2 alors, utilisant la théorème des gendarmes, la limite vaut
0.
b

x3 8
lim 2
→
(x,y)→(2,0) y 0

La limite n’existe pas dans R.

CHAPITRE 4. CONTINUITÉ DE FONCTIONS DE Rn → R 57

x cos θ
lim = lim
(x,y)→(0,0) y ρ→0
θ qcq
sin θ

Cette dernière expression dépend de θ. Donc, la limite n’existe pas.

d

sin(x2 + y 2 ) sin ρ2 2ρ cos ρ2

lim = lim = lim =1
(x,y)→(0,0) x2 + y 2 ρ→0
θ qcq
ρ2 ρ→0 2ρ

Notons l’utilisation de l’Hôpital.

e

x(x + 2) + y(y − 4) + 5 (X − 1)(X + 1) + (Y + 2)(Y − 2) + 5

lim 3
= lim ,
(x,y)→(−1,2) (x + 1) (X,Y )→(0,0) X3
(X 2 − 1) + (Y 2 − 4) + 5 ρ2 cos2 θ + ρ2 sin2 θ
= lim = lim ,
(X,Y )→(0,0) X3 ρ→0
θ qcq
ρ3 cos3 θ
1
= lim
ρ→0
θ qcq
ρ cos3 θ

La dernière expression diverge vers +∞ ou −∞ et dépend de la signe de valeur de θ,

donc la limite n’existe pas.
2

(x − 1)3 + y 3 X3 + Y 3
lim = lim ,
(x,y)→(1,0) (x − 1)2 + y 2 (X,Y )→(0,0) X 2 + Y 2

ρ3 (sin3 θ + cos3 θ)
= lim = lim ρ(sin3 θ + cos3 θ)
ρ→0
θ qcq
ρ2 ρ→0
θ qcq

Alors −2ρ ≤ ρ(sin3 θ + cos3 θ) ≤ 2ρ. Utilisant la théorème des gendarmes, on obtient que la
limite est égal à 0. Donc, f (x, y) est C ◦ en (1, 0).
3 a f (x, y) est C 0 dans R2 . En effet :
x3 + y 3
 dans l’ouvert R2 \ {0}, f (x, y) = quotient de deux polynômes C 0 dans R2 .
x2 + y 2
Dont le dénominateur s’annule uniquement en (0, 0) d’où f (x, y) est C 0 dans cet
ouvert.
 en (0, 0) on a lim(x,y)→(0,0) f (x, y) = 0 (voir exercice précedente) et f (0, 0) = 0, d’oú
f (x, y) est continue en (0, 0).
En rassemblant ces informations, f (x, y) est continue dans R2 .
b f (x, y, z) est continue dans {(x, y, z) ∈ R3 : z ̸= 0} ou R3 \ {(x, y, 0) : x, y ∈ R}.
c f (x, y) est continue dans {(x, y) ∈ R2 : xy > 0} = dom f .

d Dans l’ensemble R2+ \ {(0, 0)}, la fonction est C 0 . Regardons la continuité dans le point
(0, 0) :
lim x2 ln(x2 + y 2 ) = lim ρ2 sin2 θ ln(ρ2 ).
(x,y)→(0,0) ρ→0
θ qcq
CHAPITRE 4. CONTINUITÉ DE FONCTIONS DE Rn → R 58

Aussi −ρ2 ln(ρ2 ) ≤ ρ2 sin2 θ ln(ρ2 ) ≤ ρ2 ln(ρ2 ) et les deux termes (droite et gauche)
convergent vers 0 (par l’Hôpital).
e f (x, y) est C 0 dans {(x, y) ∈ R2 : y ̸= 0} ∪ {(1, 0)}. En effet :
ey − 1
 Dans l’ouvert {(x, y) ∈ R2 : y ̸= 0} (ou R × R0 ), f (x, y) = , quotient de fonction
y
C 0 a dénominateur non nul, d’où f (x, y) est C 0 dans cet ouvert.
 Pour les points (α, 0) avec (α ∈ R), le calcul de lim f (x, y) dépend du chemin
(x,y)→(α,0)
suivi puisque lim f (x, y) = lim x = α, alors que lim f (x, y) =
(x,y)→(α,0) (x,y)→(α,0) (x,y)→(0,0)
y=0 chemin avec y̸=0
ey −1
lim qui par Hospital, vaut 1.
y→0 y
De là, lim f (x, y) n’existe dans R que si α = 1, d’où, comme f (α, 0) = α, f est
(x,y)→(α,0)
C 0 en (1, 0) et discontinue en tous les points (α, 0) avec α ̸= 1.
 5 Dérivées partielles

5.1 Définitions

t RAPPEL
Pour une fonction y = f (x) d’une variable, la dérivée f ′ (x) est un nombre qui mesure le taux de
variation de la fonction lorsque x change. La définition de la dérivée des fonctions d’une variable
f (x) − f (a)
réclame le calcul d’un taux d’accroissement dont on tente de calculer la limite quand
x−a
x tend vers a.

Definition: (pour n = 1) : dérivabilité d’une fonction f : R → R

Soit f : D ⊂ R → R : x 7→ f (x) et soit a, point intérieur à D. On dit que f est dérivable en
f (x) − f (a)
a ssi lim ∈ R.
x→a x−a

Pour les fonctions de plusieurs variables y = f (x1 , . . . , xn ) on souhaite aussi savoir comment la valeur varie
lorsque les variables indépendantes changent. Si f (k, ℓ) est par exemple une fonction de production, on aimerait
savoir si la production augmente lorsque soit k soit ℓ varie, et de combien.

Ceci peut se faire en laissant constantes toutes les variables de la fonction sauf une : on obtient ainsi, pour une
fonction f : D ⊂ Rn → R définie au voisinage d’un point (a1 , a2 , . . . , an ) (a est point d’intérieur de D) n taux
d’accroissement :
f (x1 , a2 , . . . , an ) − f (a1 , a2 , . . . , an )
,
x1 − a1
f (a1 , x2 , . . . , an ) − f (a1 , a2 , . . . , an )
,
x2 − a2
..
.
f (a1 , a2 , . . . , xn ) − f (a1 , a2 , . . . , an )
.
xn − an
qui peuvent chacun (ou non) avoir une limite quand x → a (c-à-d xi → ai ).

Celles qui existent sont notées

f (a1 , . . . , xi , . . . , an ) − f (a1 , . . . , ai , . . . , an ) ∂f ∂f
lim = (a1 , . . . , an ) = (a).
xi →ai xi − ai ∂xi ∂xi
(xi varie seul) et appelées dérivées partielles de f en a par rapport à xi .

59
CHAPITRE 5. DÉRIVÉES PARTIELLES 60

Definition: Dérivées partielles

Soit f : D ⊂ Rn → R. Soit a point intérieur de D.
On dira que f est dérivable par rapport à xi en a ssi :

f (a1 , . . . , xi , . . . , an ) − f (a1 , . . . , ai , . . . , an )
lim ,
xi →ai xi − ai
existe dans R.
∂f ∂f
Cette limite est notée (a1 , . . . , an ) ou (a).
∂xi ∂xi
Ces dérivées (partielles) peuvent souvent être calculées en plus d’un point, ou mieux en un point
(x1 , . . . , xn ) quelconque.

Cas n = 2 : Soit f : D ⊂ R2 : (x, y) → f (x, y) et a = (a1 , a2 ) point intérieur de D. La fonction f est dérivable
par rapport à x en a ssi

f (x, a2 ) − f (a1 , a2 )
lim ∈ R.
x→a1 x − a1
∂f
si oui, la valeur réelle obtenue est la dérivée de f par rapport de x en a, notée (a). La dérivée partielle
∂x
∂f
(a1 , a2 ) est a peu près égale à la variation de f (a1 , a2 ) par unité d’accroissement de a1 , a2 étant constante.
∂x
La fonction f est dérivable par rapport à y en a ssi

f (a1 , y) − f (a1 , a2 )
lim ∈ R.
y→a2 y − a2
∂f
si oui, la valeur réelle obtenue est la dérivée de f par rapport de y en a, notée (a). La dérivée partielle
∂y
∂f
(a1 , a2 ) est a peu prés égale à la variation de f (a1 , a2 ) par unité d’accroissement de a2 , a1 étant constante.
∂y

Pour l’intuition géométrique considérons une fonction de deux variables représentées par f (x, y) dans la Figure
5.1. Si nous prenons un plan passant par le point P sur la surface parallèle aux plan ZY , il coupe la surface
dans la courbe AP B (en rouge), le long de laquelle x reste constante. La pente de la droite tangente à la courbe
AP B dans P représente le taux à laquelle z change par rapport à y en P . Des déclarations similaires sont
valables pour un plan parallèle au plan XZ. Les dérivées partielles ont l’interprétation géométrique suivantes :
∂f
(P ) = tan β = peinte de CP D en P.
∂x
∂f
(P ) = tan α = peinte de AP B en P.
∂y
CHAPITRE 5. DÉRIVÉES PARTIELLES 61

Figure 5.1 – Dérivées partielles d’une fonction

C
A

Y
B α
X D
β

 EXEMPLE
 Fonction de production y = f (k, ℓ).
∂f
 (k, ℓ) indique une approximation de l’augmentation de la production y lorsque k augmente
∂k
de 1 (ℓ étant fixé).
∂f
 Et (k, ℓ) indique une approximation de l’augmentation de y lorsque ℓ augmente de 1 (k étant
∂ℓ
fixé).
∂f ∂f
 Si f (k, ℓ) = Ak α ℓβ on obtient (k, ℓ) = αAk α−1 ℓβ et (k, ℓ) = βAk α ℓβ−1 .
∂k ∂ℓ

ª REMARQUE
Le calcul de ces dérivées partielles est le calcul usuel des dérivées des fonctions d’une variable. En
particulier, les règles habituelles s’appliquent aux somme, différence, produit, quotient des fonctions.

Definition: Dérivable en un point

Une fonction est dérivable en a ssi elle est dérivable par rapport à chacune de ses variables en a.

ª REMARQUE
 Pour n = 1, f est C 0 ̸→ f est dérivable.
 Pour n > 1, f est C 0 ̸→ f dérivable.
 Pour n = 1, si f est dérivable → f est C 0 .
 Pour n > 1, f est dérivable ̸→ f est C 0 .
CHAPITRE 5. DÉRIVÉES PARTIELLES 62

 EXEMPLE
(
3 si xy = 0
Soit f (x, y) = .
0 si xy ̸= 0
Cette fonction n’est pas continue à (0, 0), mais elle est dérivable par rapport à x et y en (0, 0). On
a:
∂f f (x, 0) − 3 3−3
(0, 0) = lim = lim = 0.
∂x x→0 x−0 x→0 x − 0

et
∂f f (0, y) − 3 3−3
(0, 0) = lim = lim = 0.
∂y y→0 y−0 y→0 y − 0

Definition: Vecteur gradient

Le vecteur gradient en un point a d’une fonction f : Rn → R qui possède toutes ses dérivées partielles
en ce point est le vecteur
 
∂f ∂f
∇f (a) = (a) . . . (a) .
∂x1 ∂xn

ou noté grad f (a).

 EXEMPLE
Soit f (x, y) = xy 2 . Cette fonction est une fonction polynôme, donc elle est dérivable en tout point
(x, y) ∈ R2 .
∂f ∂f
∀(x, y) ∈ R2 , on a (x, y) = y 2 et (x, y) = 2xy, alors :
∂x ∂y
 
∂f ∂f
(x, y) = y 2 2xy .
 
∇f (x, y) = (x, y)
∂x ∂y
 
Par exemple ∇f (−2, 5) = 25 −20 .

ª REMARQUE
Les dérivées partielles d’une fonction f : Rn → R (quand elles existent) sont elles mêmes des
fonctions de Rn → R, qui peuvent donc avoir leurs propres dérivées partielles.
Quand i ̸= j, on notera

∂f not ∂ 2 f
 
∂
= .
∂xi ∂xj ∂xi ∂xj

(remarquer l’ordre de dérivation) et

∂f not ∂ 2 f
 
∂
= .
∂xi ∂xi ∂(xi )2

les dérivées secondes où la même variable xi est utilisée deux fois.
CHAPITRE 5. DÉRIVÉES PARTIELLES 63

 EXEMPLE
Si f : R2 → R : (x, y) 7→ f (x, y) = x · y 2 on a :

∂2f ∂2f
= 0, = 2y,
∂(x)2 ∂y∂x
∂2f ∂2f
= 2y, = 2x.
∂x∂y ∂(y)2

Si f : R2+ → R : (k, ℓ) → Ak α ℓβ avec α, β ∈ (0, 1) on a :

∂2f ∂2f
= α(α − 1)Ak α−2 ℓβ = αβAk α−1 ℓβ−1
∂(k)2 ∂k∂ℓ
∂2f ∂2f
= αβAk α−1 ℓβ−1 = β(β − 1)k α ℓβ−2 .
∂ℓ∂k ∂(ℓ)2

ª REMARQUE
 Les dérivées secondes (quand elles existent) sont elles mêmes des fonctions de Rn → R (a priori,
même si “certains coefficients sont nuls”) donc ces dérivées secondes peuvent avoir des dérivées
partielles, etc.
∂2f ∂2f
 Dans l’exemple précédente = .
∂x∂y ∂y∂x
 La fonction f : Rn → R est dérivable au voisinage d’un point a si toutes les dérivées
partielles de f existent en tout point d’un voisinage de a.
 La fonction f : Rn → R est k fois dérivable au voisinage de a si toutes les dérivées partielles de
f jusqu’à l’ordre k existent sur un voisinage de a.

Definition: Élasticité partielle

Si f : D ⊂ Rn → R est dérivable par rapport a xi (i = 1, . . . , n) au voisinage du point a ∈ dom f tel que
ai ̸= 0 et si f (a) ̸= 0, on peut définir l’élasticité partielle de f par rapport à xi par :

∂f ai
E(f, xi )(a) = .
∂xi f (a)

ª REMARQUE
L’élasticité partielle E(f, xi ) donne le changement en f en % si xi augmente avec 1% (et toutes les
autres variables restent constantes).

 EXEMPLE
Si f (k, ℓ) = Ak α ℓβ alors (pour k, ℓ ̸= 0) on a :

E(f, k) = α et E(f, ℓ) = β
CHAPITRE 5. DÉRIVÉES PARTIELLES 64

Proposition
Soit D un sous ensemble ouvert de Rn++ et soit f : D → R++ , dérivable par rapport a xi (i = 1, . . . , n)
sur D,
alors ↓

∂ ln(f (x))
E(f, xi ) =
∂ ln(xi )

W PREUVE
Notons, que pour xi > 0, on peut écrire xi = eln(xi ) . Si nous introduisons les variables zi = ln(xi ),
alors xi = ezi et on peut définir la fonction :

ez1 , . . . , |{z}
g(z1 , z2 , . . . , zn ) = ln(f (|{z} ezn )).
x1 xn

Ou en termes de x1 , . . . , xn

g(ln(x1 ), . . . , ln(xn )) = ln(f (x1 , . . . , xn )).

Remarquons que :

∂g(z) 1 ∂f z1
= (e , . . . , ezn ) ezi
∂zi f (ez1 , . . . , ezn ) ∂xi

ou en termes de x1 = ez1 , . . . , xn = ezn

∂g(ln(x1 ), . . . , ln(xn )) ∂ ln(f (x)) 1 ∂f

= = (x) xi = E(f, xi ).
∂ ln(xi ) ∂ ln(xi ) f (x) ∂xi

 EXEMPLE
Si f (k, ℓ) = Ak α ℓβ alors (pour A, k, ℓ > 0) on a :

ln(f (k, ℓ)) = ln(A) + α ln(k) + β ln(ℓ)

Alors :
∂ ln(f (k, ℓ)) ∂ ln(f (k, ℓ))
E(f, k) = = α et E(f, ℓ) = = β.
∂ ln(k) ∂ ln(ℓ)

5.2 C 1 , C 2 , . . .

Definition: C 1 en un point
La fonction f : D ⊂ Rn → R est C 1 en a point intérieur de D ssi
 elle possède toutes ses dérivées partielles d’ordre 1 au voisinage de a,
 ses dérivées partielles d’ordre 1 sont continues en a.
CHAPITRE 5. DÉRIVÉES PARTIELLES 65

ª REMARQUE
 En général, f est C ℓ en a ∈ Rn ssi elle possède toutes ses dérivées partielles d’ordre ℓ au voisinage
de a et ses dérivées d’ordre ℓ sont continues en a.
 f est C ∞ en a ∈ Rn ssi f possède toutes ses dérivés de tout ordre au voisinage de a et ses toutes
ces dérivées sont continues en a.
 Nous disons que f est C 0 en a ∈ Rn ssi f est continue en a.
 Une fonction f : D ⊂ Rn → R est de classe C ℓ sur un ouvert A ⊂ D ssi elle est de classe C ℓ en
tout point de A.

Proposition
Soit k, ℓ ∈ N ∪ {0} et k < ℓ.
 Si f : D ⊂ Rn → R est C ℓ en a, point intérieur de D,
alors (↓)
 f est Ck en a ∈ Rn .

ª REMARQUE
f est C ∞

...

f est C 3

f est C 2

f est C 1

f est dérivable f est C 0

CHAPITRE 5. DÉRIVÉES PARTIELLES 66

5.3 Théorème de Schwarz/Young/Clairaut

(a) Clairaut (1713-1763) (b) Schwarz (1843-1921) (c) Young (1863-1942)

source : Wikipedia

∂2f ∂2f
Dans les exemples précédentes, nous avons découvert que (x, y) = (x, y). Cet équation est vraie en
∂x∂y ∂y∂x
général si f est C 2 en (x, y). Ce résultat s’appelle le théorem de Schwarz ou le théorème de Young.

Proposition: Théorème de Schwarz/Young/Clairaut

 Si f : D ⊂ Rn → R est C 2 en a point intérieur de D,

alors (↓)
∂2f ∂2f
 ∀i, j ≤ n (a) = (a)
∂xi ∂xj ∂xj ∂xi

W PREUVE pour (n = 2) (Idée)

On peut interpréter ce théorème comme un résultat de double différence. En effet, un approximation
de la dérivée est le différence :
∂f f (x + ∆x , y) − f (x, y) ∂f f (x, y + ∆y ) − f (x, y)
(x, y) = lim et (x, y) = lim ,
∂x ∆x →0 ∆x ∂y ∆y →0 ∆y

Alors le dérivée partielle d’ordre 2 est comme une différence d’une différence :
∂f ∂f
(x + ∆x , y) − (x, y)
∂2f ∂y ∂y
(x, y) = lim ,
∂x∂y ∆x →0 ∆x
f (x + ∆x , y + ∆y ) − f (x + ∆x , y) f (x, y + ∆y ) − f (x, y)
−
∆y ∆y
= lim lim ,
∆x →0 ∆y →0 ∆x
f (x + ∆x , y + ∆y ) − f (x + ∆x , y) − f (x, y + ∆y ) + f (x, y)
= lim .
(∆x ,∆y )→(0,0) ∆x ∆y
CHAPITRE 5. DÉRIVÉES PARTIELLES 67

Et
∂f ∂f
∂2f (x, y + ∆y ) − (x, y)
(x, y) = lim ∂x ∂x ,
∂y∂x ∆y →0 ∆y
f (x + ∆x , y + ∆y ) − f (x, y + ∆y ) f (x + ∆x , y) − f (x, y)
−
∆x ∆x
= lim lim ,
∆y →0 ∆x →0 ∆y
f (x + ∆x , y + ∆y ) − f (x + ∆x , y) − f (x, y + ∆y ) + f (x, y)
= lim .
(∆x ,∆y )→(0,0) ∆x ∆y

(la validité de l’échange des limites est garantie parce que f est C 2 )

ª REMARQUE
Pour des fonctions de deux variables f (x, y), C 2 dans a, nous obtenons,

∂2f ∂2f
(a) = (a).
∂x∂y ∂y∂x

 EXEMPLE
f : R2++ → R : (x, y) 7→ f (x, y) = xy 3 + ln(y)y 4 ey . On a :

∂f ∂2f
(x, y) = 3xy 2 + y 3 ey + ln(y)3y 3 ey + ln(y)y 4 ey et = 3y 2 ,
∂y ∂x∂y
∂f ∂2f
= y 3 et = 3y 2 .
∂x ∂y∂x

5.4 La hessienne

Figure 5.3 – Otto Hesse (1811-1874)

Source : Wikipedia
CHAPITRE 5. DÉRIVÉES PARTIELLES 68

Definition: Hessienne
Soit f : D ⊂ Rn → R, C 2 en a, point intérieur de D. La hessienne de f en a est la matrice symétrique :

∂2f ∂2f
 
 ∂(x )2 (a) . . . ∂x ∂x (a)
1 1 n
.. ..
 
Hf (a) = 
 .. 
. . . 
2 2
 
 ∂ f ∂ f 
(a) . . . 2
(a)
∂x ∂x ∂(xn )
| n 1 {z }
n×n

ª REMARQUE
 Parfois on utilise aussi la notation
 2 
∂ f
Hf (a) = (a)
∂xi ∂xj

 Comme f est C 2 en a, cette matrice est symétrique (théorème de Schwarz).

 EXEMPLE
Soit f (x, y) = x ln(xy) qui est C ∞ sur (R++ )2 . Nous obtenons,
" #
1 1
x y
Hf (x, y) = 1
y − yx2

5.5 Exercices et réponses

å EXERCICSES
1 Étudier la dérivabilité des fonctions suivantes en le point indiqué. Calculer s’il existe, le
gradient de la fonction en ce point.
 xy
 si (x, y) ̸= (0, 0)
a f (x, y) = x2 + y 2
0 si (x, y) = (0, 0)
2 +y 2 )
b f (x, y) = e−(x en (0, 0) et en (1, 2).
3 + x2 y − z
c f (x, y, z) = en (0, 1, 2).
3x2 + 1
2 Étudier la dérivabilité des fonctions suivantes :
 xy
 si (x, y) = (0, 0)
a f (x, y) = x2 + y 2
0 si (x, y) = (0, 0)

b f (x, y) = x + |y|.
CHAPITRE 5. DÉRIVÉES PARTIELLES 69

 3 3
 y − 2x si (x, y) ̸= (0, 0)
c f (x, y) = x2 + y 2
0 si (x, y) = (0, 0)


xy si x < y

d f (x, y) = y 2 si x = y .

 2
x si x > y

3 Après avoir justifié son existence sure le domaine indiqué, donner la matrice hessienne des
fonctions suivantes
a f (x, y) = xey sur R2 .

b f (k, ℓ) = k α ℓβ (0 < α < 1) sure (R0 )2 .

√
y x
c f (x, y, z) = z sur (R++ )3 .

4 Calculer les élasticités partielles de f , si

a f (x, y, z) = ex,y,z dans le point (1, 2, 3)

xy
b E(f, x)(α, β) avec f (x, y) = et (α, β) ̸= 0.
x2 + y2

´ RÉPONSES
1 a

0
2
−0
lim x = 0,
x→0 x − 0
0
−0
y2
lim =0
y→0 y − 0
 
Alors f est dérivable par rapport à x et à y en (0, 0) et ∇f (0, 0) = 0 0 .
b

∂f 2 2
(x, y) = −e−(x +y ) 2x,
∂x
∂f 2 2
(x, y) = −e−(x +y ) 2y.
∂y
Donc ∇f (0, 0) = 0 0 et ∇f (1, 2) = −2e−5 −4e−5 .
   

c f (x, y, z) est dérivable par rapport à x, à y et à z dans R3 comme quotient de polynômes

à dénominateur non nul. On a :
∂f 2xy(3x2 + 1) − (3x2 y − z)6x
(x, y, z) = ,
∂x (3x2 + 1)2
∂f x2
(x, y, z) = 2 ,
∂y 3x + 1
∂f −1
(x, y, z) = 2 .
∂z 3x + 1
CHAPITRE 5. DÉRIVÉES PARTIELLES 70

 
Alors ∇f (0, 1, 2) = 0 0 −1 .
xy
2 a Dans l’ouvert R2 \ {(0, 0)}, f (x, y) = qui est dérivable par rapport à x et y dans
x2 + y 2
cet ouvert comme quotient de polynômes à dénominateur non nul. Également, on a vue
(exercice 1. a) que la fonction f est dérivable par rapport à x et à y en (0, 0). De là, f
est dérivable dans R2 .
b Dans R × R−− , nous avons f (x, y) = x − y qui est dérivable. Dans R × R++ nous avons
f (x, y) = x + y qui est dérivable. Pour y = 0 nous avons :

f (x, y) − f (x, 0) x+y−x y

lim = lim = lim = 1,
y→0+ y−0 y→0+ y−0 y→0+ y
f (x, y) − f (x, 0) x−y−x −y
lim = lim = lim = −1,
y→0 − y−0 y→0 − y−0 y→0 − y
∂f x−0
(0, 0) = lim =1
∂x x→0 x − 0

Concluons que f est dérivable par rapport à x en (0, 0) mais n’est pas dérivable par
rapport à y en (0, 0).
c f (x, y) est dérivable dans R2 . Dans R2 \ {(0, 0)} la fonction est dérivable parce que
c’est un quotient de deux polynômes, dénominateur non-nul. Pour (x, y) = (0, 0) nous
obtenons :
−2x 3
∂f 2
(0, 0) = lim x = −2,
∂x x→0 x − 0
y3
∂f y2
(0, 0) = lim = 1.
∂y y→0 y − 0

Alors f est dérivable sur R2 .

d f (x, y) est dérivable dans R2 \ {(x, y) ∈ R2 : x = y ̸= 0}. La fonction f est dérivable si
x < y et si x > y. Si x = y on a que :

x2 − y 2 2x
lim = lim = 2y,
x→y,x>y x−y x→y 1

xy − y 2 y
lim = lim = y.
x→y,x<y x−y x→y 1

∂f
Donc (y, y) existe ssi y = 0.
∂x
Aussi :
x2 − x2
lim = 0,
y→x,x>y y−x
xy − x2 x
lim = lim = x.
y→x,x<y y−x y→x 1
∂f
Donc (x, x) existe ssi x = 0. Concluons que f est dérivable sur R2 \{(x, y)|x = y ̸= 0}.
∂y
3 a La fonction f est de classe C 2 sur R2 comme produit de fonctions “indéfiniment”
CHAPITRE 5. DÉRIVÉES PARTIELLES 71

dérivables sur R2 .
∂f
(x, y) = ey ,
∂x
∂f
(x, y) = xey
∂y
∂2f ∂2f
= = ey ,
∂x∂y ∂y∂x
∂2f
=0
∂(x)2
∂2f
= xey .
∂(y)2
0 ey
 
Donc Hf (x, y) = y .
e xey
b La fonction f est de classe C 2 sur (R+ 2
0 ) comme produit de fonctions “indéfiniment”
dérivables sur cet ensemble.
∂f
= αk α−1 ℓβ
∂k
∂f
= βk α ℓβ−1
∂ℓ
∂2f ∂2f
= = αβk α−1 ℓβ−1
∂k∂ℓ ∂ℓ∂k
∂2f
= α(α − 1)k α−2 ℓβ
∂(k)2
∂2f
= β(β − 1)k α ℓβ−2 .
∂(ℓ)2
α(α − 1)k α−2 ℓβ αβk α−1 ℓβ−1
 
Donc Hf (k, ℓ) = .
αβk α−1 ℓβ−1 β(β − 1)k α ℓβ−2
√
c La fonction f est de classe C 2 sur (R+ 3
0 ) comme quotient y x (produit de fonctions
indéfiniment dérivables pour x et y > 0) et de z, indéfiniment dérivables et non nul si
z > 0.

√
∂f y ∂f x
(x, y, z) = √ (x, y, z) =
∂x 2 xz ∂y z
√ 2
∂f y x ∂ f y
(x, y, z) = − 2 2
= − 3/2
∂z z ∂(x) 4x z
2 2 √
∂ f ∂ f y x
=0 = 2
∂(y)2 ∂(z)2 z3
∂2f 1 2
∂ f y
= √ =− √ 2
∂x∂y 2 xz ∂x∂z 2 xz
2 √
∂ f x
=− 2 .
∂y∂z z
y √1 − 2√yxz 2
 
− 4x3/2 2 xz
 1 z √
− z 2x 

Donc Hf (x, y, z) =  √
 2 xz 0
√ √ 
− 2√yxz 2 − z 2x 2 yz 3x
CHAPITRE 5. DÉRIVÉES PARTIELLES 72

4 a Nous obtenons :

∂f
(x, y, z) = yzexyz ,
∂x
∂f
(x, y, z) = xzexyz ,
∂y
∂f
(x, y, z) = xyexyz .
∂z
Donc
1
E(f, x)(1, 2, 3) = 6e6 = 6,
e6
2
E(f, y)(1, 2, 3) = 3e6 6 = 6,
e
3
E(f, z)(1, 2, 3) = 2e6 6 = 6.
e

∂f y 3 − x2 y
= 2
∂x (x + y 2 )2
∂f x3 − xy 2
= 2
∂y (x + y 2 )2

Alors,

β 3 − α2 β α2 + β 2
E(f, x)(α, β) = α,
(α2 + β 2 )2 αβ
β(β 2 − α2 ) 1
= ,
α2 + β 2 β
β 2 − α2
= 2 .
α + β2
Et
α3 − β 2 α α2 + β 2
E(f, y)(α, β) = β,
(α2 + β 2 )2 αβ
α(α2 − β 2 ) 1
= ,
α2 + β 2 α
α2 − β 2
= 2 .
α + β2
 6 Plan tangent

t RAPPEL
Équation de tangente (pour n = 1).

Figure 6.1 – Droite tangente

Y f (x)

f (x0 )

T (x)

x0 X

 Fonction f : D ⊂ R → R : x 7→ y = f (x) dérivable en x̂

 y = T (x), tangente de la fonction f en x̂ :
 T (x) est une fonction linéaire : y = T (x) = α + βx, α, β ∈ R
 en x̂, T (x̂) = f (x̂). Donc, α + β x̂ = f (x̂)
 en x̂ la pente de f est égal à la pente de T . Donc, β = f ′ (x̂).
On obtient les conditions :
( (
α + β x̂ = f (x̂), β = f ′ (x̂)
↔
β = f ′ (x̂) α = f (x̂) − f ′ (x̂)x̂

Donc

T (x) = f (x̂) + f ′ (x̂)(x − x̂).

Cas n = 2 :

73
CHAPITRE 6. PLAN TANGENT 74

Figure 6.2 – Plan tangent

Y
X

 Fonction f : R2 → R : (x, y) → z = f (x, y) dérivable en (x̂, ŷ).

 z = T (x, y), tangente à la fonction f en (x̂, ŷ).
 La fonction T (x, y) est une fonction linéaire : z = T (x, y) = α + βx + γy, α, β, γ ∈ R
 En (x̂, ŷ), T (x̂, ŷ) = f (x̂, ŷ). Donc, α + β x̂ + γ ŷ = f (x̂, ŷ)
 En (x̂, ŷ) la pente de f dans la direction de x est égal à la pente de T dans la direction de x. Donc
∂f
β= (x̂, ŷ)
∂x
 En (x̂, ŷ) la pente de f dans la direction de y est égal à la pente de T dans la direction de y. Donc
∂f
γ= (x̂, ŷ)
∂y

Nous obtenons les conditions :


 ∂f ∂f
z = α + β x̂ + γ ŷ

α = f (x̂, ŷ) − (x̂, ŷ)x̂ − (x̂, ŷ)ŷ
∂x ∂y

 


 ∂f 

∂f
β= (x̂, ŷ) ↔ β= (x̂, ŷ)
∂x ∂x
γ = ∂f (x̂, ŷ)
 
∂f

 

γ = (x̂, ŷ).

∂y

∂y
Donc :
∂f ∂f
z = f (x̂, ŷ) + (x̂, ŷ)(x − x̂) + (x̂, ŷ)(y − ŷ).
∂x ∂y

Ceci est l’équation d’un plan z = T (x, y) de R3 passant par le point (x̂, ŷ, f (x̂, ŷ)).

Considérons le plan vertical avec x = x̂ parallele au plan Y Z, le couple (z, y) suivant la droite

∂f
z = T (x̂, y) = f (x̂, ŷ) + (x̂, ŷ)(y − ŷ),
∂y

qui est l’équation de la tangente à la courbe d’intersection de la surface z = f (x, y) avec ce plan x = x̂.

Considérons le plan vertical y = y0 parallele au plan XZ, le couple (z, x) suivant la droite (y = ŷ) :

∂f
z = T (x, y) = f (x̂, ŷ) + (x̂, ŷ)(x − x̂),
∂x
CHAPITRE 6. PLAN TANGENT 75

qui est l’équation de la tangente à la courbe d’intersection de la surface z = f (x, y) avec ce plan y = ŷ.

Autrement dit, le plan T est l’unique “plan” contenant les deux tangentes aux courbes d’intersection de la
surface avec les plans verticaux parallèles aux axes et passant par le point choisi (x̂, ŷ, f (x̂, ŷ)).

Cas général : Soit f : Rn → R : (x1 , . . . , xn ) → z = f (x1 , . . . , xn ) dérivable en (x̂1 , . . . , x̂n ). Alors :

n
X ∂f
T (x) = f (x̂) + (xi − x̂i ) (x̂1 , . . . , x̂n ),
∂xi
i=1
= f (x̂) + ⟨∇f (x̂), (x − x̂)⟩.
est l’équation de l’unique candidat hyperplan tangent à “l’hypersurface” z = f (x1 , . . . , xn ) au point x̂ =
(x̂1 , . . . , x̂n ).

Definition: Plan tangent

Soit f : D ⊂ Rn → R, C 1 en x̂ ∈ D.
Le plan tangent de f en x̂ est :

T (x) = f (x̂) + ⟨∇f (x̂), (x − x̂)⟩

ª REMARQUE
Pour le cas (n = 2) avec f : D ⊂ R2 → R, C 1 en (x̂, ŷ).

∂f ∂f
T (x) = f (x̂, ŷ) + (x̂, ŷ)(x − x̂) + (x0 , y0 )(y − ŷ).
∂x ∂y

6.1 La différentielle

t RAPPEL
Soit f : D ⊆ R → R : x 7→ y = f (x), C 1 en x̂. La différentielle de f en x̂ est

dy = f ′ (x̂) dx.

la tangente est :

y = f (x̂) + f ′ (x̂)(x − x̂)

↔ y − f (x̂) = f ′ (x̂) (x − x̂) .
| {z } | {z }
dy dx

dy est une bonne approximation de l’accroissement si dx est petit.

Cas n = 2 : Soit f : D ⊆ R2 → R : (x, y) 7→ f (x, y), C 1 en a :

∂f ∂f
z − f (x̂, ŷ) = (x̂, ŷ) (x − x̂) + (x̂, ŷ) (y − ŷ),
| {z } ∂x | {z } ∂y | {z }
dz dx dy
∂f ∂f
↔ dz = (x0 , y0 ) dx + (x0 , y0 ) dy.
∂x ∂y
CHAPITRE 6. PLAN TANGENT 76

La valeur de dz est une approximation de l’accroissement de f (x, y) − f (x̂, ŷ) si x et y augmentent de dx et dy

respectivement et si dx et dy sont petits.

Definition: La différentielle d’une fonction C 1

Soit f : D ⊂ Rn → R, C 1 en x̂ ∈ D.
La différentielle de f en x̂ est l’expression :

n
X ∂f
df = (x̂) dxi = ⟨∇f (x̂), dx⟩.
∂xi
i=1

 EXEMPLE
y = f (k, ℓ) = k α ℓβ on a la différentielle :

dy = αk α−1 ℓβ dk + βk α ℓβ−1 dℓ.

Donc :
y y
dy = α dk + β dℓ.
k l
Alors, si y ̸= 0 :
dy dk dℓ
=α +β .
y k ℓ

6.2 Exercices et réponses

å EXERCICSES
1 Déterminer le plan tangent de

a f (x, y) = ln(xy) dans le point (1, 1).

b f (x, y) = sin x cos y dans le point (0, 0).

p
c f (x, y) = x2 + y 2 dans le point (3, 4)

d f (x, y, z) = exyz dans le point (1, 2, 3)

α 1/α (0 df dxi
P
2 Soit f (x) = ( i (xi ) ) < α). Donner un expression pour f en termes de xi (pour
xi > 0)
df dA
3 Soit f (A, r) = A(1 + r)t avec t ∈ N, A, r > 0. Donner un expression pour f en termes de A
dr
et r .

4 Démontrer que pour f : D ⊂ Rn → R avec f (x) ̸= 0 :

n
df X dxi
= E(f, xi ) .
f xi
i=1
CHAPITRE 6. PLAN TANGENT 77

5 Soit y = f (A, k, ℓ) = Ak 0.2 ℓ0.8 une fonction de production. Pour deux années, nous obtenons
les figures suivantes.
Période y k ℓ
1 100 10 5
2 200 15 10
dA
Déterminer (par approximation) la valeur de A .

´ RÉPONSES
1 a Le point (1, 1) est point intérieur de dom f = (R++ )2 et f est C ∞ dans (R++ )2 . Les
∂f ∂f
dérivées partielles sont (1, 1) = 1 et (1, 1) = 1 alors T (x, y) = ln(1) + 1(x − 1) +
∂x ∂y
1(y − 1) = −2 + x + y.
∂f
b dom f = R2 et f est C ∞ dans R2 . Les dérivées partielles sont (0, 0) = cos 0 cos 0 = 1
∂x
∂f
et (0, 0) = − sin 0 sin 0 = 0 Donc T (x, y) = sin 0 cos 0 + 1x + 0y = x.
∂y
∂f 3 ∂f
c La fonction est C ∞ sur R2 \ {0, 0}. Et (3, 4) = 2√32·3
2 +42
= 2·3 4
10 = 5 , ∂y (3, 4) = 5 .
∂x
Donc T (x, y) = 5 + 35 (x − 3) + 45 (y − 4) = 35 x + 45 y.
d La fonction f est C ∞ sur R3 et,

∂f
(1, 2, 3) = 6e6 ,
∂x
∂f
(1, 2, 3) = 3e6 ,
∂y
∂f
(1, 2, 3) = 2e6
∂z
Donc, T (x, y, z) = e6 + 6e6 (x − 1) + 3e6 (y − 2) + 2e6 (z − 3) = −17e6 + 6xe6 + 3ye6 + 2ze6 .
∂f 1
(x) = α1 ( i (xi )α ) α −1 αxα−1
P
2 Nous avons j . Donc :
∂xj
1
α α −1 xα−1 dx
Pn P
df j=1 ( i (xi ) ) j j
= 1 ,
f ( i (xi )α ) α
P

xα dx
P j α j.
X
=
i (xi ) xj
j

∂f ∂f
3 Nous avons = (1 + r)t et = At(1 + r)t−1 . Donc
∂A ∂r
df (1 + r)t At(1 + r)t−1
= dA + dr,
f A(1 + r)t A(1 + r)t
dA tr dr
= + .
A 1+r r
CHAPITRE 6. PLAN TANGENT 78

4 Si f est C 1 dans x point intérieur de D, nous avons :

n
df 1 X ∂f
= (x) dxi ,
f f (x) ∂xi
i=1
n
X ∂f 1 dxi
= (x) xi ,
∂xi f (x) xi
i=1
n
X dxi
= E(f, xi ) .
xi
i=1

dy dA dk dℓ dy 200 − 100 dk 15 − 10
5 Notons que = + 0.2 + 0.8 . Aussi ≈ = 1, ≈ = 0.5 et
y A k ℓ y 100 k 10
dℓ 10 − 5
≈ = 1. Donc :
ℓ 5
dA
≈ 1 − 0.2 · 0.5 − 0.8 · 1 = 0.1.
A
 7 Fonctions de Rn → Rm

Une fonction f : D ⊂ Rn → Rm applique chaque point x = (x1 , . . . , xn ) de D ⊂ Rn sur un point y de Rm : le

vecteur y possède donc m composantes (y1 , . . . , ym ) qui sont chacune une fonction de Rn → R.

La donnée d’une fonction de Rn → Rm est donc équivalente à la donnée de m fonctions f1 , . . . , fm de Rn → R ;

on peut écrire f = (f1 , f2 , . . . , fm ) ou encore

f (x) = f (x1 , . . . , xn )
= (f1 (x), . . . , fm (x))
= (f1 (x1 , . . . , xn ), f2 (x1 , . . . , xn ), . . . , fm (x1 , . . . , xn ))

x1 y1 =f1 (x1 , . . . , xn )

.. f ..
. .

xn ym =fm (x1 , . . . , xn )

 EXEMPLE
 

f : R2 → R4 : (x, y) 7→ f (x, y) =  x + y , xy , |{z}

1 , |{z}
x .
 
| {z } |{z}
f1 (x,y) f2 (x,y) f3 (x,y) f4 (x,y)

7.1 Limites, continuité et dérivabilité de fonctions de Rn → Rm

Definition: Limites de fonctions

Soit f : D ⊂ Rn → Rm et x̂ point d’accumulation de D. On dit que f tend vers b lorsque x tend vers x̂
et nous écrivons lim f (x) = b ssi
x→x̂
pour toutes suites (xt )t∈N dans D de points différentes de x̂ qui converge vers x̂ (point accumulation de
D), la suite (f (xt ))t∈N (dans Rm ) converge vers b ∈ Rm .

79
CHAPITRE 7. FONCTIONS DE Rn → Rm 80

ª REMARQUE
x̂ ∈ Rn et b ∈ Rm .

Proposition
Soit f : D ⊂ Rn → Rm et x̂ point d’accumulation de D.
 lim f (x) = b
x→a
ssi (↕)
 lim ∥f (x) − b∥ = 0
x→a

Proposition
Soit f : D ⊆ Rn → Rm et x̂ point d’accumulation de D.
 lim f (x) = b
x→x̂
ssi (↕)
 ∀j = 1, . . . , m : lim fj (x) = bj ,
x→x̂

autrement dit, la convergence dans Rm est équivalente à la convergence composante par composante.

W PREUVE
(↓)

lim f (x) = b
x→x̂
Hypothèse
(↔ lim ∥f (x) − b∥ = 0)
x→x̂

∀j = 1, . . . , n : lim fj (x) = bj
x→x̂
Thèse (↔ ∀j = 1, . . . , m : lim |fj (x) − bj | = 0)
x→x̂

Alors, ∀j = 1, . . . , m
v
um
uX
0 ≤ |fj (x) − bj | ≤ t (fk (x) − bk )2 = ∥f (x) − b∥. addition de termes non-negatives
k=1

Utilisons la théorème des gendarmes, nous obtenons que lim |fj (x)−bj | = 0 (parce que lim ∥f (x)−
x→x̂ x→x̂
b∥ = 0 et lim 0 = 0)
x→x̂
(↑)

∀j = 1, . . . , n : lim fj (x) = bj
x→x̂
Hypothèse
(↔ ∀j = 1, . . . , m : lim |fj (x) − bj | = 0)
x→x̂
CHAPITRE 7. FONCTIONS DE Rn → Rm 81

lim f (x) = b
x→a
Thèse (↔ lim ∥f (x) − b∥ = 0)
x→x̂

Alors,

0 ≤ ∥f (x) − b∥,
Xm n
X
≤ |fj (x) − bj |. parce que ∥v∥ ≤ |vj |
j=1 i=j

Utilisons la théorème des gendarmes, on obtient que lim ∥f (x) − b∥ (parce que lim |fj (x) − bj | = 0
x→x̂ x→x̂
et lim 0 = 0).
x→x̂

 EXEMPLE
Soit f : R2 → R4 : (x, y) 7→ f (x, y) = (x + y, xy, 1, x).

lim f (x, y) = (1, −2, 1, −1).

(x,y)→(−1,2)

Definition: Continuité
Soit f : D ⊆ Rn → Rm : x → f (x). Soit x̂ ∈ D un point d’accumulation de D. On dit que f est continue
en x̂ ssi lim f (x) existe dans Rm et vaut f (x̂) (limx→x̂ f (x) = f (x̂)).
x→x̂

Proposition
Soit f : D ⊆ Rn → Rm et x̂ point d’accumulation de D.
 f est continue en x̂
ssi (↕)
 chaque fj (j = 1, . . . , m) est continue en x̂.

 EXEMPLE
Soit f : R2 → R4 : (x, y) → (x + y, x · y, 1, x). Tous les fonctions

f1 (x, y) = x + y,
f2 (x, y) = x · y,
f3 (x, y) = 1,
f4 (x, y) = x,

sont continues, donc f est aussi continue.

CHAPITRE 7. FONCTIONS DE Rn → Rm 82

Definition: C 1
n m
 f : D ⊂ R → R : x 7→ f (x) = (f1 (x), . . . , fm (x)) et 
Soit x̂, point intérieur de D. La fonction f est

 dérivable 
 dérivable
 
C 1
 C 1

.. en x̂ ssi chaque fonction fj (j = 1, . . . , m) est . en x̂.

 . 
 ..

 

 ∞  ∞
C C

7.2 Matrice Jacobienne

Figure 7.1 – Carl Gustav Jacob Jacobi (1804-1851)

Source : Wikipedia

Definition: Matrice Jacobienne

Soit f = (f1 , f2 , . . . , fm ) : D ⊂ Rn → Rm (n, m ≥ 1) dérivable en a, point intérieur de D. Chacune des
m fonctions a donc n dérivées partielles en a.
On les présentera en matrice (matrice jacobienne)

∂f1 ∂f1
 

∇f1 (a)
 (a) . . . , (a)
 ∂x1 ∂xn 
Jf (a) =  ..  .. .. .. 
= .
  
. . . 

∇fm (a)
 ∂fm .
.. ∂fm 
(a) (a)
∂x1 ∂xn
| {z }
m×n

chaque ligne de cette matrice est le gradient d’une des composantes de f .

ª REMARQUE
La Jacobienne est une matrice non carrée en général.
CHAPITRE 7. FONCTIONS DE Rn → Rm 83

 EXEMPLE
Pour la fonction f : R2 → R4 : (x, y) 7→ f (x, y) = (x + y, x · y, 1, x). Comme chacune des quatre
fonctions est un polynôme, elles sont dérivables en tout point de R2 . La jacobienne de f est de
dimension 4 × 2
   
∇f1 (x, y) 1 1
∇f2 (x, y) y x
Jf (x, y) = 
∇f3 (x, y) = 0 0 
  

∇f4 (x, y) 1 0

7.3 Composition de fonctions

 EXEMPLE
(
k = k(r)
y = f (k, ℓ) et .
ℓ = ℓ(r)
Donc on peut écrit y = f (k(r), ℓ(r)). Notons que y dépend de r par l’intermédiaire de k et ℓ.
dy
Question : ?
dr

ª REMARQUE
 Soient f : Rn → Rm et g : Rm → Rp , supposons x̄ ∈ Rn , ȳ ∈ Rm , ȳ = f (x̄), z̄ = g(ȳ).
 Soit f définie sur une boule ouverte B centrée en x̄ et supposons g définie pour tout y tel que
y = f (x) avec x ∈ B.
 On peut calculer z = g(y) où ∀x ∈ B : y = f (x) et, par conséquent, h = g ◦ f est définie sur B.
 On a z̄ = (g ◦ f )(x̄) = g(f (x̄)) = h(x̄) ou encore z̄ = g(ȳ) avec ȳ = f (x̄).

Figure 7.2 – fonction composé h = g ◦ f

x f y = f (x) g z = g(y) = g(f (x)) = (g ◦ f )(x)

h=g◦f

Proposition
 Si f : Rn → Rm est définie au voisinage de x̄ et continue en x̄,
 si ȳ = f (x̄) et si g est définie au voisinage de ȳ et continue en ȳ,
alors (↓)
 h = g ◦ f est définie au voisinage de x̄ et continue en x̄.
CHAPITRE 7. FONCTIONS DE Rn → Rm 84

W PREUVE

Hypothèse f est C 1 en x̄ et g est continue en f (x̄) = ȳ

h = g ◦ f est continue en x̄
Thèse (∀ suites (xt ) qui converge vers x̄, la suite (h(xt ))t∈N converge vers h(x̄))

Soit (xt ) une suite qui converge vers x̄.

→ la suite (f (xt ))t∈N converge vers f (x̄) (parce que f est continue en x̄.)
Posons yt = f (xt ).
→ (yt )t∈N = (f (xt ))t∈N est une suite qui converge vers f (x̄) = ȳ.
→ la suite (g(yt ))t∈N converge vers g(ȳ) (parce que g est continue en ȳ)
→ la suite (h(xt ))t∈N = (g(yt ))t∈N converge vers h(x̄) = g(ȳ).
→ h = g ◦ f est continue.

Proposition
 Si f : D ⊂ Rn → Rm est C 1 en x̄, point intérieur de D
 Si g : E ⊂ Rm → Rp est C 1 en ȳ = f (x̄) qui est point intérieur de E
alors (↓)
 g ◦ f est définie au voisinage de x̄ et
 g ◦ f est dérivable en x̄
 La Jacobienne de g ◦ f en x̄ est le produit matriciel de la jacobienne de g en ȳ = f (x̄) et de la
jacobienne de f en x̄.

Jg◦f (x̄) = Jg (f (x̄)) Jf (x̄).

ª REMARQUE
 Si f et g sont C 1 au voisinage de x̄ et f (x̄) respectivement, on en déduit que g ◦ f est dérivable
au voisinage de x̄ et la formule ci-dessus montre alors la continuité des dérivées partielle sur un
voisinage de x̄.

ª REMARQUE
On obtient la formule :

Jg◦f (x̄) = Jg (f (x̄)) Jf (x̄) (produit matriciel).

| {z } | {z } | {z }
p×n p×m m×n

(Comparer à f : R → R et g : R → R.) Si f est dérivable en x̄ et g est dérivable en ȳ = f (x̄) alors

g ◦ f est dérivable en x̄ et

Jg◦f (x) = (g ◦ f )′ (x̄) = g ′ (f (x̄)) · f ′ (x̄)

= Jg (f (x̄)) · Jf (x̄).
CHAPITRE 7. FONCTIONS DE Rn → Rm 85

Détaillons :

 Soit f : Rn → Rm : (x1 , . . . , xn ) → (f1 (x1 , . . . xn ), . . . , fm (x1 , . . . , xn )).

 Soit g : Rm → Rp : (u1 , . . . , um ) → (g1 (u1 , . . . , um ), . . . , gp (u1 , . . . , um )).
 Soit h = g ◦ f : Rn → Rp : (x1 , . . . , xn ) → (h1 (x1 , . . . , xn ), . . . , hp (x1 , . . . , xn )).

Aussi, h(x1 , . . . xn ) = (g1 (f1 (x1 , . . . , xn ), . . . , fm (x1 , . . . , xm )), . . . , gp (f1 (x1 , . . . , xn ), . . . , fm (x1 , . . . , xn ))).

Donc pour i = 1, . . . , p on a :

hi (x1 , . . . , xj , . . . xn ) = gi (f1 (x1 , . . . , xj , . . . , xn ), . . . , fm (x1 , . . . , xj , . . . , xn )).

∂hi
Question : que vaut (x1 , . . . , xn ) ?
∂xj

On cherche l’élément de la ligne i et de la colonne j de matrice Jacobienne :

Jh (x) = Jg (f (x)) · Jf (x).

Donc :
 ∂f1 
... (x) . . .
 ∂xj 
.. ..
 
.. .. ..   
. . . . .
 
    

. . . ∂hi   ∂gi ∂gi ∂gi   ∂fk 
(x) . . .
= (f (x)) . . . (f (x)) . . . (f (x)) . . .
 (x) . . .
∂xj   ∂u1 ∂uk ∂um ∂xj
 
 
.. .. .. .. ..
  
. . . . 
 . 

 ∂fm 
... (x) . . .
∂xj

Donc on obtient :
m
∂hi X ∂gi ∂fk
(x) = (f (x)) (x).
∂xj ∂uk ∂xj
k=1

En fait on a la règle de dérivation en chaine :

hi (x1 , . . . , xj , . . . xn ) = gi (f1 (x1 , . . . , xj , . . . , xn ), . . . , fm (x1 , . . . , xj , . . . , xn )).

| {z } | {z }
u1 um

Alors :
m
∂hi X ∂gi ∂fk
(x) = (f (x)) (x).
∂xj ∂uk ∂xj
k=1
CHAPITRE 7. FONCTIONS DE Rn → Rm 86

 EXEMPLE
y(r) = f (k(r), ℓ(r)) on a :

dy ∂f ∂f
(r) = (k(r), ℓ(r)) k ′ (r) + (k(r), ℓ(r)) ℓ′ (r).
dr ∂k
 ∂ℓ  ′ 
∂f ∂f k (r)
= (k(r), ℓ(r)) (k(r), ℓ(r)) .
∂k ∂ℓ ℓ′ (r)

 EXEMPLE
h(w, t) = g(f (w, t), r(w, t)).
| {z } | {z }
x y

∂h ∂g ∂f ∂g ∂r
(w, t) = (x, y) (w, t) + (x, y) (w, t).
∂w ∂x ∂w ∂y ∂w
et
∂h ∂g ∂f ∂g ∂r
(w, t) = (x, y) (w, t) + (x, y) (w, t).
∂t ∂x ∂t ∂y ∂t
Alors,

∂f ∂f
 
 ∂w (w, t) (w, t)
   
∂h ∂h ∂g ∂g ∂t
(w, t) (w, t) = (x, y) (x, y)  ∂r ∂r
∂w ∂t ∂x ∂y

(w, t) (w, t)
∂w ∂t

 EXEMPLE
Former la composée f ◦g de f : R2 → R : (x, y) 7→ x2 y 3 et g : R → R2 : t 7→ (x, y) = (x0 +vt, y0 +vt)
on à :

h(t) = f (g(t)) = (x0 + vt)2 · (y0 + vt)3

Calculer h′ (t).

h′ (t) = 2(x0 + vt) · (y0 + vt)3 |{z}

v + 3(x0 + vt )2 (y0 + vt)2 |{z}
v .
| {z } ′ | {z } ′
g1 (t) g2 (t)
∂f ∂f
(g(t)) (g(t))
∂x ∂y

Former la composée f ( ◦ g de f : R2 → R : (x, y) 7→ x2 + y 2 et

x = ρ cos θ
g : R2 → R2 : (ρ, θ) 7→ . Quel est le gradient de f ◦ g ?
y = ρ sin θ

(f ◦ g)(ρ, θ) = (ρ cos θ)2 + (ρ sin θ)2 .

Donc :
∂(f ◦ g) ∂f ∂g1 ∂f ∂g
(ρ, θ) = (g(ρ, θ)) (ρ, θ) + (g2 (ρ, θ)) (ρ, θ),
∂θ ∂x ∂θ ∂y ∂θ
= −2(ρ cos θ)ρ sin θ + 2(ρ sin θ)ρ cos θ,
= 0.
CHAPITRE 7. FONCTIONS DE Rn → Rm 87

et
∂(f ◦ g) ∂f ∂g1 ∂f ∂g2
(ρ, θ) = (g(ρ, θ)) (ρ, θ) + (g(ρ, θ)) (ρ, θ)
∂ρ ∂x ∂ρ ∂y ∂ρ
= 2(ρ cos θ) cos θ + 2(ρ sin θ) sin θ = 2ρ.

7.4 Exercices et réponses

å EXERCICSES
1 Soit F (x1 ) = f (x1 , h(x1 )) où h est C 1 sur R et f est C 1 sur R2 .

a Calculer, en utilisant la règle de dérivation des fonctions composées F ′ (x1 ).

b Si h(x) = ex et f (X, Y ) = X 2 + Y 3 calculer F ′ (x1 ).

i. en utilisant la réponse du a)
ii. en calculant d’abord explicitement F (x1 ).
2 Soient f : R3 → R : (x, y, z) → f (x, y, z) avec f ∈ C 1 sur R3 , g : R2 → R3 : (u, v) → g(u, v) =
(g1 (u, v), g2 (u, v), g3 (u, v)) avec g ∈ C 1 sur R2 et h = f ◦ g.
a Après avoir “écrit” h(u, v) = f (g(u, v)), donner, en utilisant la règle de dérivation des
∂h
fonctions composées, la dérivée partielle (u, v).
∂u
∂h
b Si f (x, y, z) = x2 + y + ez , g1 (u, v) = u, g2 (u, v) = v 2 et g3 (u, v) = 4, calculer (u, v)
∂u
i. en utilisant la réponse du a)
ii. en calculant d’abord explicitement h(u, v).

x = Ω(t)

3 Soit w = f (x, y, z) avec y = t où f est C 1 sur R3 et Ω(t) est C 1 sur R. Calculer w′ (t).

z = t2


4 Soit F (x, y) = f (g(x, y), y) où f (x, y) et g sont de classe C 1 sur R2 . Sachant que :

∂g ∂g
g(0, 0) = 1 (0, 0) = −1 (0, 0) = 2
∂x ∂y
∂f ∂f
f (0, 0) = 4 (0, 0) = −2 (0, 0) = 1
∂x ∂y
∂f ∂f
f (1, 0) = 5 (1, 0) = −3 (1, 0) = 5
∂x ∂y
∂f ∂f
f (0, 1) = −1 (0, 1) = −1 (0, 1) = 10
∂x ∂y
∂F ∂F
Calculer (0, 0) et (0, 0).
∂x ∂y
5 Soit u(x, y, z) = x
y + yz , x(t) = 2t, y(t) = 1
t et z(t) = t2 . Soit f (t) = u(x(t), y(t), z(t)). Calculer
f ′ (t).
CHAPITRE 7. FONCTIONS DE Rn → Rm 88

´ RÉPONSES
∂f ∂f ∂f ∂f
1 a F ′ (x1 ) = (x1 , h(x1 )) · 1 + (x1 , h(x1 )) · h′ (x1 ) = (x1 , h(x1 )) + (x1 , h1 (x1 )) ·
∂X ∂Y ∂X ∂Y
h′ (x1 ).
∂f ∂f
b 1) Comme (X, Y ) = 2X, (X, Y ) = 3Y 2 et h′ (x1 ) = ex1 on a :
∂X ∂Y
F ′ (x1 ) = 2x1 + 3(ex1 )2 ex1 = 2x1 + 3(ex1 )3 = 2x1 + 3e3x1 .
2) F (x1 ) = f (x1 , ex1 ) = x21 + (ex1 )3 = x21 + e3x1 d’où F ′ (x1 ) = 2x1 + 3e3x1 .
2 a On a h(u, v) = f (g(u, v)) = f (g( u, v), g2 (u, v), g3 (u, v)). De là, par la règle de dérivation
des fonctions composées, on a :
∂h
(u, v),
∂u
∂f ∂g1 ∂f ∂g2 ∂f ∂g3
= (g(u, v)) (u, v) + (g(u, v)) (u, v) + (g(u, v))) (u, v).
∂x ∂u ∂y ∂u ∂z ∂u
∂f ∂f ∂f
b 1) Comme (x, y, z) = 2x, (x, y, z) = 1 et (x, y, z) = ez et que g1 (u, v) = u,
∂x ∂y ∂z
g2 (u, v) = (v)2 et g3 (u, v) = 4, par le résultat de a), on a
∂h
(u, v) = 2u · 1 + 1 · 0 + e4 · 0 = 2u.
∂u
2) idem !
3 On a w(t) = f (Ω(t), t, t2 ). Par la règle de dérivation des fonctions composées, on obtient :
∂f ∂f ∂f
w′ (t) = (Ω(t), t, t2 ) · Ω′ (t) + (Ω(t), t, t2 ) + 2t (Ω(t), t, t2 ).
∂x ∂y ∂z
∂F ∂f ∂g ∂F
4 F (x, y) = f (g(x, y), y). De là (x, y) = (g(x, y), y) · (x, y). (justifier !) et (x, y) =
∂x ∂x1 ∂x ∂y
∂f ∂g ∂f
(g(x, y), y) · (x, y) + (g(x, y), y) (justifier !). Donc :
∂x1 ∂y ∂x2
∂F ∂f ∂g
(0, 0) = (g(0, 0), 0) · (0, 0) = (−3) · (−1) = 3,
∂x ∂x1 ∂x
et
∂F ∂f ∂g ∂f
(0, 0) = (g(0, 0), 0) · (0, 0) + (g(0, 0), 0) = (−3) · (2) + 5 = −1.
∂y ∂x1 ∂y ∂x2

5 Nous avons :
∂u ′ ∂u ′ ∂u ′
f ′ (t) = x (t) + y (t) + z (t) ,
∂x ∂y ∂z
   
1 x 1 1 y
= 2+ − 2 + − 2 + − 2 2t,
y y z t z
    
1 1 1
= 2t + −2t · t2 + 2 − 2 + − 2t,
t t t · t4
1 2 3
= 2t + 2t − 4 − 4 = 4t − 4 .
t t t
Nous pouvons aussi calculer directement,
1
f (t) = 2t2 + 3
t
Alors f ′ (t) = 4t − t34 .
 8 Fonctions Homogènes

Figure 8.1 – Leonhard Euler (1701-1783)

Source : Wikipedia

Soit A, un sous-ensemble de Rn tel que tx ∈ A pour tout t > 0 et tout x ∈ A.

Les projections d’un tel ensemble A sur chaque axe (la projection du point (a, b) sur l’axe des x est a) sont
R+ , R− , R++ , R−− , 0, R0 ≡ R \ {0} ou R ! En particulier, les ensembles A seront souvent du type (R++ )n ou Rn
ou (R+ )n .

Definition: Homogénéité de dégré α

Une fonction f : A ⊂ Rn → R est homogène de degrée α ∈ R sur un sous ensemble A de Rn ssi pour
tout x ∈ A et tout t > 0 :

tx ∈ A et f (tx) = tα f (x).

ª REMARQUE
Le degré α sera souvent un entier positif.

89
CHAPITRE 8. FONCTIONS HOMOGÈNES 90

4a de niveau d’une fonction homogène

Figure 8.2 – Les courbes

3a

4α f (a)
2a

3α f (a)

a 2α f (a)
4b
f (a) 3b
2b
b
X

 EXEMPLE
 f : R2 → R : (x, y) 7→ f (x, y) = x · y 2 .
Si (x, y) ∈ R2 on a (tx, ty) ∈ R2 .
f (tx, ty) = (tx)(ty)2 = t3 xy 2 = t3 f (x, y). Donc f est homogène de degré 3 sur R2 .
 f : R × R0 → R : (x, y) 7→ f (x, y) = xy .
Si (x, y) ∈ R × R0 on a ∀t > 0, (tx, ty) ∈ R × R0 .
f (tx, ty) = tx x
ty = y = f (x, y) donc f est homogène de degré 0 sur R × R0 .
 f : R2 → R : (x, y) 7→ f (x, y) = x + y.
Si (x, y) ∈ R2 on a (tx, ty) ∈ R2 .
f (tx, ty) = tx + ty = t(x + y) = tf (x, y) donc f est homogène de degré 1 sur R2 .
 f : R2+ → R : (k, ℓ) 7→ f (k, ℓ) = Ak α ℓβ .
Si (k, ℓ) ∈ R2+ on a ∀t > 0, (tk, tℓ) ∈ R2+ .
f (tk, tℓ) = A(tk)α (tℓ)β = tα+β f (k, ℓ). Donc f est homogène de degré α + β sur R2+ .

Proposition
 Si f : A ⊂ Rn → R est homogène de degré α sur A et C 1 , ∀x ∈ A,
alors (↓)
 ses dérivées partielles premières sont homogènes de degré α − 1 sur A.

W PREUVE

Hypothèse f est homogène de degré α sur A et C 1 sur A.

CHAPITRE 8. FONCTIONS HOMOGÈNES 91

∂f
Thèse est homogène de degré α − 1.
∂xi

Le fonction f est C 1 en x, donc la règle de dérivation des fonctions composées est applicable à la
fonction f (tx) supposée fonction des variables x1 , . . . , xn seulement (et pas t) puisque la fonction
Rn → Rn : x → tx a toutes ses composantes différentiables.
La fonction f est homogène de dégré α, donc f (tx) = tα f (x) pour tout x ∈ A et tout t > 0

f (tx1 , tx2 , . . . , txn ) = tα f (x1 , x2 , . . . , xn ).

En dérivant chaque membre par rapport a xi nous obtenons :

∂f ∂txi ∂f
(tx) · = tα (x),
∂xi ∂xi ∂xi
∂f ∂f
↔ (tx) · t = tα (x),
∂xi ∂xi
∂f ∂f
↔ (tx) = tα−1 (x) parce que t ̸= 0.
∂xi ∂xi
∂f
Concluons que est homogène de degré α − 1.
∂xi

Proposition: Théorème d’Euler

 Si f : A ⊂ Rn → R est homogène de degré α sur A et C 1 sur A.
alors(↓)
Pn ∂f
 i=1 (x) xi = ⟨∇f (x), x⟩ = αf (x).
∂xi

W PREUVE

Hypothèse La fonction f est homogène de degré α sur A et C 1 sur A.

Thèse ⟨∇f (x), x⟩ = αf (x).

Cette fois, on considère f (tx) comme fonction de la seule variable t. La fonction g : R → Rn : t →

g(t) = f (tx) est C 1 partout et le théorème de dérivation des fonctions composées est applicable.
On a pour tout x et tout t > 0 :

g(t) = f (tx) = tα f (x)

Alors :
X ∂f ∂txi
g ′ (t) = (tx) = αtα−1 f (x),
∂xi ∂t
i
CHAPITRE 8. FONCTIONS HOMOGÈNES 92

Nous obtenons que ∀t > 0 :

n
X ∂f
(tx) xi = αtα−1 f (x).
∂xi
i=1

Choisissons t = 1 :
n
X ∂f
(x) xi = αf (x).
∂xi
i=1

ª REMARQUE
1
Si f (x) ̸= 0 on peut multiplier les deux membres par f (x) .

n
1 X ∂f
(x) · xi = α,
f (x) ∂xi
i=1
∂f
n (x) xi
X ∂xi
↔ = α,
f (x)
i=1
n
X
↔ E(f, xi )(x) = α,
i=1

d’où E(f, xi ) est la élasticité partielle de f par rapport à xi . Donc la somme des élasticités partielles
de f est égal a son degré d’homogénéité.

 EXEMPLE
Soit f (k, ℓ) = Ak α ℓβ est homogène de degré α + β. On a :

∂f ∂f
k (k, ℓ) + ℓ (k, ℓ) = kAαk α−1 ℓβ + ℓAβk α ℓβ−1
∂k ∂ℓ
= αf (k, ℓ) + βf (k, ℓ),
= (α + β)f (k, ℓ)

8.1 Exercices et réponses

å EXERCICSES
1 Les fonctions suivantes sont-elles homogènes dans l’ensemble A indiqué ? Si oui, donner leur
degré d’homogénéité α et vérifier que leurs dérivées partielles sont homogènes de degré α − 1.
5 x
a f (x, y, z) = 2 ln dans A = (R+ 3
0) .
y z
b f (x, y) = ex+y dans A = R2 .
CHAPITRE 8. FONCTIONS HOMOGÈNES 93

c f (k, ℓ) = k α ℓβ dans A = (R+ 2

0 ) avec 0 < α < 1 et 0 < β < 1.

yλ
2 Soit la fonction f (x, y) = x1−λ
− x2 y avec λ ∈ R. Déterminer si possible, une valeur du
paramètre λ pour la quelle la fonction f (x, y) est homogène dans (R++ )2 . Quel est le degré
d’homogénéité correspondant ?
3 Soit f : R2 → R homogène de degré 3, soit g : R → R homogène de degré 2 et soit h : R → R
homogène de degré 3.
Soit la fonction F (x) = f (g(x), h(x)
x ) définie sur R0 . Quel est son degré d’homogénéité ?

4 Soit f : (R+ 2 1 + 2
0 ) → R homogène de degré 2 et de classe C dans (R0 ) .
 
∂f ∂f 3
Sachant que f (3, 4) = 5 et (3, 4) = 4, calculer (en justifiant !) f (6, 8) et ,2 .
∂y ∂y 2

´ RÉPONSES
5 x
1 a f (x, y, z) = 2
ln dans A = (R+ 3
0 ) est homogène de degré (−2) dans A. Ses dérivées
y z
∂f 5 1 ∂f 10 x ∂f 5 1
partielles sont (x, y, z) = 2 , (x, y, z) = − 3 ln et (x, y, z) = − 2 , toutes
∂x y x ∂y y z ∂z y z
trois homogènes de degré (−3) dans A.
b f (x, y) = ex+y dans A = R2 n’est pas homogène.
c f (k, ℓ) = k α ℓβ dans A = (R0+ )2 avec 0 < α < 1 et 0 < β < 1. est homogène de degré
∂f ∂f
α + β dans A. Ses dérivées partielles sont (k, ℓ) = αk α−1 ℓβ et (k, ℓ) = βk α ℓβ−1 ,
∂k ∂ℓ
toutes deux homogènes de degré α + β − 1 dans A.
2 Nous avons,

(ty)λ 2 2λ−1 y
λ
− (tx) (ty) = t − t3 x2 y.
(tx)1−λ x1−λ
Donc, la fonction est homogène si 2λ − 1 = 3 ↔ λ = 2. Dans ce cas, f est homogène de degré
3.
3 Nous avons
h(tx)
F (tx) = f (g(tx), ),
tx
t3 h(x)
= f (t2 g(x), ),
t x
h(x)
= (t2 )3 f (g(x), ),
x
= t6 F (x).
Donc F est homogène de degré 6.
4 f homogène de degré 2 → ∀(x, y) ∈ (R+ 2 2
0 ) , ∀k > 0, f (k(x, y)) = k f (x, y). De là f (6, 8) =
f (2(3, 4)) = 22 f (3, 4) = 4f (3, 4) = 4 · 5 = 20.
∂f
D’autre part, f étant homogène de degré 2 et différentiable dans (R+ 2
0) , est homogène de
∂y
∂f ∂f
degré 2 − 1 = 1 dans (R+ 2
0) → (k(x, y)) = k (x, y).
∂y ∂y
CHAPITRE 8. FONCTIONS HOMOGÈNES 94

   
∂f 3 ∂f 1 1 ∂f 1
De là, ,2 = (3, 4) = (3, 4) = · 4 = 2.
∂y 2 ∂y 2 2 ∂y 2
 9 Dérivée directionnelle/formule de Taylor

Soit x ∈ Rn . Une droite passant par x ∈ Rn peut être spécifiée par une direction v ∈ Rn (v ̸= 0) ou par un
autre point y dans Rn .

Definition
La droite passant par x ∈ Rn dans la direction v ∈ Rn \ {0} est l’ensemble :

{x + tv|t ∈ R}.

Definition
La droite passant par x ∈ Rn et y ∈ Rn (x ̸= y) est l’ensemble :

{(1 − t)x + ty|t ∈ R}.

Soient x, v(v ̸= 0) deux vecteurs de Rn . Considérons le vecteur x + tv où t ∈ R.

Figure 9.1 – Une droites passant par x

Y Y

x+v y

x x

x−v

v
X X

95
CHAPITRE 9. DÉRIVÉE DIRECTIONNELLE/FORMULE DE TAYLOR 96

ª REMARQUE
 Soit y = x + v. Alors la droite {x + tv|t ∈ R} passant par x et de direction v est la même que la
droite {(1 − t)x + ty|t ∈ R} passant par x et y.
 Soit v = y − x. Alors la droite {(1 − t)x + ty|t ∈ R} passant par x et y est la même que la droite
{x + tv|t ∈ R} passant par x à la direction de v.
 Bien entendu, tous les multiples non nuls de v définissent la même direction.

9.1 Dérivée directionnelle

Definition: Dérivée directionnelle en un point

On dit que f : D ⊂ Rn → R est dérivable en x, point intérieur de D, dans la direction v (∥v∥ = 1) si
F (t) = f (x + tv) est dérivable par rapport à t en t = 0, la dérivée de f dans la direction v en x est
n
′
X ∂f
F (0) = (x)vi = ⟨∇f (x), v⟩.
∂xi
i=1

Pour obtenir l’expression de F ′ (0), on applique à la fonction d’une variable F (t) = f (x+tv) = f (x1 +tv1 , . . . , xn +
tvn ) la règle de dérivation des fonctions composées :

∂f d(x1 + tv1 ) ∂f d(xn + tvn )

F ′ (t) = (x + tv) + ... + (x + tv) ,
∂x1 dt ∂xn dt
n
X ∂f
= (x + tv)vi ,
∂xi
i=1
= ⟨∇f (x + tv), v⟩.

ª REMARQUE
 F (t) = f (x + tv) est la fonction f calculée sur la droite passant par x et de direction v.
 Il est parfois !
utile de coder une direction par un vecteur normé, par exemple v = (1, 0) ou
√ √
2 2
v= , qui donne ∥v∥ = 1.
2 2
 Dans R2 , les directions des axes de coordonnées sont (par exemple) v = (0, 1) (et (1, 0)).
f ((x, y) + tv) devient f (x + 0, y + t) = F (t) (axe y) et

∂f ∂f ∂f
F ′ (t) = (x, y + t) · 0 + (x, y + t) · 1 = (x, y + t).
∂x ∂y ∂y

D’où la dérivée de f dans la direction (0, 1) en (x, y) est

∂f
F ′ (0) = (x, y).
∂y
CHAPITRE 9. DÉRIVÉE DIRECTIONNELLE/FORMULE DE TAYLOR 97

 EXEMPLE
2 2
Soit fp p x +y −3xy. Déterminons la dérivée directionnelle en (x, y) = (3, 5) dans la direction
(x, y) =
v = ( 1/2, 1/2). La dérivée directionelle en (x, y) dans la direction v = (vx , vy ) est égal à :

∂f ∂f
(x, y)vx + (x, y)vy = (2x − 3y)vx + (2y − 3x)vy .
∂x ∂y
p p
Alors, la dérivée directionnelle en (x, y) = (3, 5) dans la direction v = ( 1/2, 1/2) est :
p p p
(6 − 15) 1/2 + (10 − 9) 1/2 = −8 1/2.

ª REMARQUE
Figure 9.2 montre l’intuition pour la dérivée directionnelle. Nous nous plaçons à x et choisissons
la direction v. Cela revient à choisir les points x + tv, ∀t. On se place donc dans le plan vertical
passant par x et x + v. On décrit ainsi une courbe coupant la surface z = f (x) avec ce plan vertical.
La pente de la tangente à cette courbe au point (x, f (x)) est la dérivée directionnelle.

Figure 9.2 – La dérivée directionnelle

x
Y
v

De manière similaire, on a la formule des accroissements finis.

t RAPPEL
Proposition: Théorème des accroissements finis pour n = 1
Soit f : D ⊂ R → R, C 1 dans D, un ensemble convexe.
alors (↓)
∀x, y ∈ D, il existe c entre x et y tel que :

f (b) − f (a) = f ′ (c) · (b − a).

CHAPITRE 9. DÉRIVÉE DIRECTIONNELLE/FORMULE DE TAYLOR 98

Proposition: Théorème des accroissements finis pour n > 1

Soit f : D ⊂ Rn → R, C 1 sur D, un ensemble convexe.
alors (↓)
∀y ∈ B, ∃α ∈]0, 1[ tel que pour c = (1 − α)x + αy :
n
X ∂f
f (y) − f (x) = (c)(yi − xi ) ≡ ⟨∇f (c), (y − x)⟩.
∂xi
i=1

W PREUVE

Hypothèse f est C 1 sur B, et x, y ∈ B

Thèse ∃α ∈]0, 1[: f (y) − f (x) = ⟨∇f (c), (y − x)⟩ avec c = (1 − α)x + αy.

Considérons la direction v = y − x et définissons :

F : [0, 1] → R : α 7→ F (α) = f (x + αv) = f ((1 − α)x + αy)

Remarquons que x + αv = x + α(y − x) = (1 − α)x + αy.

On a que F est dérivable sur [0, 1] (parce que f est différentiable dans la boule B, B est convexe,
et x, y ∈ B, alors tous les points x + αv avec α ∈ [0, 1] sont aussi dans B). On peut appliquer le
théorème des accroissements finis (pour n = 1) à F dans [0, 1] avec b = 1 et a = 0. Alors, il existe
un α ∈ [0, 1] tel que :

F (1) − F (0) = F ′ (α)[1 − 0] = F ′ (α).

Remarquons que F (1) = f (y), F (0) = f (x) et

n
X ∂f
F ′ (α) = (x + αv) · vi ≡ ⟨∇f (x
|+{zαv}), v⟩
∂xi
i=1 c

Posons c = (1 − α)x + αy ≡ x + αv, nous obtenons :

f (y) − f (x) = ⟨∇f (c), y − x⟩.

CHAPITRE 9. DÉRIVÉE DIRECTIONNELLE/FORMULE DE TAYLOR 99

9.2 Formule de Taylor

Figure 9.3 – Brook Taylor (1685-1731)

Source : Wikipedia

t RAPPEL
Soit f : D ⊂ R → R : x 7→ f (x), C 2 sur D et soit x0 point intérieur de D. L’approximation d’ordre
1 est la droite tangente a la courbe de f (la droite bleu en Figure 9.4),

T (x) = f (x0 ) + f ′ (x0 )(x − x0 ).

On peut aussi prendre un approximation d’ordre 2 :

V (x) = α + β(x − x0 ) + γ(x − x0 )2 .

On veut que f (x) ≈ V (x) au voisinage de x0 . Alors :


f (x0 ) = V (x0 ) = α,

f ′′ (x0 )
f ′ (x0 ) = V ′ (x0 ) = β, → V (x) = f (x0 ) + f ′ (x0 )(x − x0 ) + (x − x0 )2 .

 ′′ 2
f (x0 ) = V ′′ (x0 ) = 2γ.

Nous obtenons la courbe quadratique rouge en Figure 9.4. Au voisinage de x0 , c’est un meilleur
approximation de f que la droite T (x).

Figure 9.4 – Approximation d’ordre 1 et 2 de f

Y f (x)

V (x)

x0
X

T (x)
CHAPITRE 9. DÉRIVÉE DIRECTIONNELLE/FORMULE DE TAYLOR 100

Proposition: Formule de Taylor d’ordre 2 (n = 1)

Soit f : D ⊂ R → R : x → y = f (x), C 2 sur D, un ensemble convexe.

alors (↓)
∀x, y ∈ D, il existe c entre x et y tel que :
1
f (x) = f (x0 ) + f ′ (x0 )(x − x0 ) + f ′′ (c)(x − x0 )2 .
2
1 1  ′′
≡ f (x0 ) + f (x0 )(x − x0 ) + f ′′ (x0 )(x − x0 )2 +
′
f (c) − f ′′ (x0 ) (x − x0 )2 .

2 2

ª REMARQUE
 Le terme f (x0 ) + f ′ (x0 )(x − x0 ) est l’approximation linéaire de f au voisinage de x0 .
1
 Le terme f ′′ (c)(x − x0 )2 est la reste de l’ordre 1.
2
 On obtient :
1 1
f (x) = f (x0 ) + f ′ (x0 )(x − x0 ) + f ′′ (x0 )(x − x0 )2 + [f ′′ (c) − f ′′ (x0 )](x − x0 )2
| {z 2 } |2 {z }
l’approximation d’ordre 2 de f au voisinage de x0 reste de l’ordre 2

Proposition: Formule de Taylor (pour n > 1)

Si f : D ⊂ Rn → R, C 2 sur D, un ensemble convexe :

alors (↓)
∀y ∈ B, ∃α ∈ [0, 1] tel que pour c = (1 − α)x + αy :
n n n
X ∂f 1 XX ∂2f
f (y) = f (x) + (x) (yi − xi ) + (yi − xi ) (c) (yj − xj ),
∂xi 2 ∂xi ∂xj
i=1 i=1 j=1
1
= f (x) + ⟨∇f (x), y − x⟩ + (y − x)t Hf (c)(y − x).
2

W PREUVE

Hypothèse f est C 2 sur un ensemble convexe, B et x, y ∈ B.

∀x ∈ B, ∃α ∈ [0, 1] : f (y) = f (x) + ⟨∇f (x), y − x⟩ + 21 (y − x)t Hf (c)(y − x)

Thèse avec c = (1 − α)x + αy.

Soit v = y − x et définissons F : [0, 1] → R : α 7→ F (α) = f (x + αv) = f ((1 − α)x + αy). La

fonction F est C 2 sur l’intervalle [0, 1]. Alors nous pouvons appliquer la formule de Taylor pour
CHAPITRE 9. DÉRIVÉE DIRECTIONNELLE/FORMULE DE TAYLOR 101

des fonctions d’une variable (n = 1) : ∃α ∈ [0, 1] tel que :

1
F (1) − F (0) = F ′ (0)[1 − 0] + F ′′ (α)[1 − 0]2 ,
2
′ 1 ′′
= F (0) + F (α).
2
Remarquons que F (1) = f (y) et F (0) = f (x). En plus :
n
X ∂f
F ′ (α) = ((1 − α)x + αy)(yi − xi ) = ⟨∇f ((1 − α)x + αy), y − x⟩.
∂xi
i=1

Donc,

F ′ (0) = ⟨∇f (x), y − x⟩.

et :
n X
n
′′
X ∂2f
F (α) = (yi − xi ) · ((1 − α)x + αy) · (yj − xj ),
∂xi ∂xj
i=1 j=1

= (y − x)t · Hf ((1 − α)x + αy ) · (y − x).

| {z }
c

Posons c = (1 − α)x + αy, nous obtenons :

1
f (y) − f (x) = ⟨∇f (x), y − x⟩ + (y − x)t · Hf (c) · (y − x).
2

ª REMARQUE
On a aussi que :
1
f (y) − f (x) = ⟨∇f (x), y − x⟩ + (y − x)t · Hf (x) · (y − x) + e(c)
2
1
En posant e(c) = (y − x)t · (Hf (c) − Hf (x)) · (y − x). On voit ainsi apparaı̂tre le “développement
2
limité” d’ordre 2 avec un terme d’erreur e(c) dans lequel (y − x)t , (y − x) et Hf (c) − Hf (x) tendent
tous trois vers 0 quand y → x par continuité des dérivées partielles secondes.
En particulier e(c) tend “triplement” vers 0 pour y → x

 EXEMPLE
Soit f (x, y) = ln(xy) + xy (avec x, y > 0). Donner l’approximation de Taylor d’ordre 2 en (x0 , y0 ).
Nous avons :
h i
∇f (x0 , y0 ) = x10 + y0 y10 + x0 ,
" #
− (x10 )2 1
Hf (x0 , y0 ) =
1 − (y10 )2
CHAPITRE 9. DÉRIVÉE DIRECTIONNELLE/FORMULE DE TAYLOR 102

Alors,
   
1 1
f (x, y) ≈f (x0 , y0 ) + + y0 (x − x0 ) + + x0 (y − y0 ),
x0 y0
1 1
+ (x − x0 )(y − y0 ) − 2
(x − x0 )2 − (y − y02 ).
2(x0 ) 2(y0 )2

9.3 Exercices et réponses

å EXERCICSES
1 Soit f (x, y) = 3x2 + 4y 2 .

a Déterminer, si elle existe, l’approximation de Taylor d’ordre 1 de f (x, y) au voisinage du

point a = (0, 1), en déduire l’équation du plan tangent à la surface d’équation z = f (x, y)
en ce point.
b Déterminer, si elle existe, l’approximation de Taylor d’ordre 2 de f (x, y) au voisinage
du point a.
2 Mêmes questions pour f (x, y) = xe2y au voisinage du point a = (0, 0).

3 Soit f (x1 , x2 , x3 ) = ln(1 + x1 ) + x2 + 2x2 x3 .

a Donner le domaine de définition de f (x1 , x2 , x3 ).

b Déterminer, si elle existe, l’approximation de Taylor d’ordre 1 de f (x1 , x2 , x3 ) au voisi-

nage du point a = (0, 0, 0).
c Déterminer, si elle existe, l’approximation de Taylor d’ordre 2 de f (x1 , x2 , x3 ) au voisi-
nage du point a.

´ RÉPONSES
1 f est de classe C ∞ sur R2 puisqu’il s’agit d’une fonction polynôme. On peut donc déterminer
les approximations demandées au voisinage de tout point de R2 .
∂f ∂f ∂f ∂f
a On a que (x, y) = 6x et = 8y alors (0, 1) = 0 et (0, 1) = 8. Le pan tangent
∂x ∂y ∂x ∂y
est T (x, y) = 4 + 0(x − 0) + 8(y − 1) = −4 + 8y.
∂2f ∂2f ∂2f
b nous obtenons = 6 et = 8 et = 0 Donc l’approximation d’ordre 2 est
∂(x)2 ∂(y)2 ∂x∂y
6 8
− 4 + 8y + x2 + (y − 1)2 + 0x(y − 1) = 3x2 + 4y 2
2 2

2 f est de classe C ∞ sur R2 puisqu’il s’agit du produit de deux fonctions de classe C ∞ dans
R2 . On peut donc déterminer les approximations demandées au voisinage de tout point de
R2 .
CHAPITRE 9. DÉRIVÉE DIRECTIONNELLE/FORMULE DE TAYLOR 103

∂f ∂f ∂f ∂f
Nous obtenons (x, y) = e2y et = 2xe2y donc (0, 0) = 1 et (0, 0) = 0. Nous
∂x ∂y ∂x ∂y
obtenons l’approximation d’ordre 1 z = 0 + x + 0y = x.
∂2f ∂2f ∂2f
Pour l’ordre 2 nous obtenons (0, 0) = 0, (0, 0) = 0 et = 2. L’approximation
∂(x)2 ∂(y)2 ∂x∂y
d’ordre 2 est donc :
2
z = x + 2 xy = x(1 + 2y).
2

3 a La condition d’existence est que 1+x1 > 0 ou x1 > −1. Donc dom f =]−1, ∞[×R×R. f
est de classe C ∞ sur dom f comme somme de fonctions de classe C ∞ sur leurs domaines
respectifs. on peut donc déterminer les approximations demandées au voisinage de tout
point de dom f .
∂f 1 ∂f ∂f
b Nous avons (x1 , x2 , x3 ) = 1+x , (0, 0, 0) = 1 + 2x3 et (0, 0, 0) = 2x2 . Donc
∂x1 1 ∂x2 ∂x3
∂f ∂f ∂f
(0, 0, 0) = 1, (0, 0, 0) = 1 et (0, 0, 0) = 0 donc l’approximation d’ordre 1 est
∂x1 ∂x2 ∂x3
y = 0 + 1x1 + 1x2 = x1 + x2 .
∂2f ∂2f ∂2f ∂2f
c Nous avons (0, 0, 0) = −1, (0, 0, 0) = 0, (0, 0, 0) = 0, = 0,
∂(x1 )2 ∂(x2 )2 ∂(x3 )2 ∂x1 ∂x2
∂2f ∂2f
= 0 et = 2. Nous obtenons l’approximation d’ordre 2 :
∂x1 ∂x3 ∂x2 ∂x3
1
f (x1 , x2 , x3 ) ≈ x1 + x2 − (x1 )2 + 2x2 x3 .
2
 10 Fonctions convexes

Definition: Fonctions convexes

Soit D un sous-ensemble convexe de Rn . Alors f : D ⊂ Rn → R est convexe sur D ssi,

∀x, y ∈ D, ∀α ∈ [0, 1], f (αx + (1 − α)y) ≤ αf (x) + (1 − α)f (y).

ª REMARQUE
 De manière équivalente, ∀α ∈]0, 1[.
 L’ensemble D est convexe pour que αx + (1 − α)y ∈ D, ∀x, y ∈ D.
 En mots : l’image par f d’une combinaison linéaire convexe de x et y est inférieure ou égale a la
même combinaison linéaire convexe de f (x) et f (y).

Dans la Figure 10.1, on a des point A = (x, f (x)), B = (y, f (y)), C = (αx + (1 − α)y, αf (x) + (1 − α)f (y)) et
D = (αx + (1 − α)y, f (αx + (1 − α)y)). La fonction est convexe si C est au-dessus de D pour tous x, y ∈ D et
α ∈ [0, 1].

Figure 10.1 – Fonction convexe d’une variable

A
C
B

x αx + (1 − α)y y
X

Definition: Fonctions concave

Soit D un sous-ensemble convexe de Rn . Alors f : D → R est concave sur D ssi ∀α ∈ [0, 1] (ou ]0, 1[) :

∀x, y ∈ D, f (αx + (1 − α)y) ≥ αf (x) + (1 − α)f (y)

104
CHAPITRE 10. FONCTIONS CONVEXES 105

Dans Figure 10.2, la fonction est concave si C = (αx + (1 − α)y, f (αx + (1 − α)y) est au-dessus de D =
(αx + (1 − α)y, αf (x) + (1 − α)f (y)) pour tous x, y ∈ D et α ∈ [0, 1].

Figure 10.2 – Fonction concave d’une variable

C
A

B
D

x αx + (1 − α)y y
X

Étant donné x et y ∈ D on peut définir :

F (α) = f ((1 − α)x + αy) ≡ f (x + α(y − x)).
La fonction F : [0, 1] → Rn trace la valeur de f entre f (x) et f (y). Notons que :
n
X ∂f
F ′ (α) = (x + α(y − x)) · (yi − xi ) = ⟨∇f (x + α(y − x)), y − x⟩.
∂xi
i=1

Proposition
Soit D une sous-ensemble convexe de Rn . Soit f : D ⊂ Rn → R.
 f est convexe (concave) sur D
ssi (↕)
 ∀x, y ∈ D, la fonction F : [0, 1] → R : α 7→ F (α) = f ((1 − α)x + αy) est convexe (concave)

W PREUVE
(↓)

f est convexe
Hypothèse
(↔ ∀x, y ∈ D, ∀α ∈ [0, 1] : f ((1 − α)x + αy) ≤ (1 − α)f (x) + αf (y))

F est convexe
Thèse (↔ ∀α, β ∈ [0, 1], ∀τ ∈ [0, 1] : F ((1 − τ )α + τ β) ≤ (1 − τ )F (α) + τ F (β))

Soit α, β ∈ [0, 1], soit τ ∈ [0, 1] On a que :

F (α) = f ((1 − α)x + αy) ≡ f (x + α(y − x))

et F (β) = f ((1 − β)x + βy) ≡ f (x + β(y − x)).
CHAPITRE 10. FONCTIONS CONVEXES 106

Alors :

F ((1 − τ )α + τ β ) = f (x + γ(y − x)),

| {z }
γ

= f (x + ((1 − τ )α + τ β)(y − x)),

| {z }
γ

Notons que :

x + ((1 − τ )α + τ β)(y − x),

= (1 − τ )x + τ x +(1 − τ )α(y − x) + τ β(y − x),
| {z }
x
= (1 − τ )(x + α(y − x)) + τ (x + β(y − x))

Alors

F ((1 − τ )α + τ β) = f ((1 − τ )[x + α(y − x)] + τ [x + β(y − x)]) ,

≤ (1 − τ ) f (x + α(y − x)) +τ f (x + β(y − x) convexité de f ,
| {z } | {z }
F (α) F (β)
= (1 − τ )F (α) + τ F (β).

Donc F est convexe. (↑)

F est convexe
Hypothèse
(↔ ∀α, β ∈ [0, 1], ∀τ ∈ [0, 1] : F ((1 − τ )α + τ β) ≤ (1 − τ )F (α) + τ F (β))

f est convexe
Thèse (↔ ∀x, y ∈ D, ∀α ∈ [0, 1] : f ((1 − α)x + αy) ≤ (1 − α)f (x) + αf (y))

Notons que :

F (0) = f (x) et F (1) = f (y).

On a :

(1 − α)f (x) + αf (y) = (1 − α)F (0) + αF (1)

≥ F ((1 − α) · 0 + α · 1) F est convexe
= F (α) = f ((1 − α)x + αy),

donc f est convexe.

10.1 Fonctions convexes et C 1

Cas n = 1 :
CHAPITRE 10. FONCTIONS CONVEXES 107

Figure 10.3 montre une fonction convexe et C 1 . Soit x un point à l’intérieur du domaine de f . La droite tangente
au point (x, f (x)) à la courbe de f est entièrement au dessous la courbe de f .

Autrement dit, si nous considérons les points A = (y, f (y)) et B = (y, f (x) + f ′ (x)(y − x)), nous voyons que A
est au-dessus de B, ou f (y) ≥ f (x) + f ′ (y)(x − y).

Figure 10.3 – Fonction convexe et C 1

x y
X

Proposition
Soit f : D ⊆ R → R dérivable et C 1 sur l’ouvert convexe D.
 f est convexe (concave) sur D.
ssi (↕)
 pour tout x, y ∈ D :

f (y) ≥ (≤)f (x) + f ′ (x)(y − x).

Autrement dit le graphique de la fonction est situé au dessus de sa tangente en tout point.

W PREUVE
(↓)

Hypothèse f est convexe.

Thèse ∀x, y ∈ D, f (y) ≥ f (x) + f ′ (x)(y − x).

Soit f convexe sur D. Soit x, y ∈ D et α ∈ (0, 1).

f (αy + (1 − α)x) ≤ αf (y) + (1 − α)f (x)

f (x + α(y − x)) − f (x)
↔f (y) ≥ f (x) +
α
Introduisons h = α(y − x) et remarquons que h → 0 si α → 0.
CHAPITRE 10. FONCTIONS CONVEXES 108

Donc :
f (x + h) − f (x)
f (y) ≥ f (x) + (y − x).
h
Si nous prenons la limite pour h → 0, nous obtenons :

f (y) ≥ f (x) + f ′ (x)(y − x).

(↑)

Hypothèse ∀x, y ∈ D : f (y) ≥ f (x) + f ′ (x)(y − x).

Thèse f est convexe.

Pour tout x, y, z ∈ D :

f (x) ≥ f (z) + f ′ (z)(x − z)

f (y) ≥ f (z) + f ′ (z)(y − z).

Donc pour α ∈ [0, 1] on obtient :

αf (x) + (1 − α)f (y) ≥ f (z) + f ′ (z)(αx + (1 − α)y − z).

Si nous choisissons z = αx + (1 − α)y ∈ D nous obtenons,

αf (x) + (1 − α)f (y) ≥ f (αx + (1 − α)y).

Donc f est convexe.

Cas n > 1 :

Proposition
Soit f : D ⊂ Rn → R, une fonction C 1 sur un ouvert convexe D.
 f est convexe (concave) sur D,
ssi (↕)
 ∀x, y ∈ D :

f (y) ≥ (≤)f (x) + ⟨∇f (x), (y − x)⟩.

ª REMARQUE
L’inégalité f (y) ≥ f (x) + ⟨(y − x), ∇f (y)⟩ écrit en formulation de deux variables devient :

∂f ∂f
f (y1 , y2 ) ≥ f (x1 , x2 ) + (y1 − x1 ) (x1 , x2 ) + (y2 − x2 ) (x1 , x2 ).
∂x1 ∂x2
CHAPITRE 10. FONCTIONS CONVEXES 109

W PREUVE
(↓)

Hypothèse f est convexe.

Thèse ∀x, y ∈ D : f (y) ≥ f (x) + ⟨∇f (x), y − x⟩.

Soit f convexe. Pour tout x, y ∈ D la fonction F : [0, 1] → R : α → F (α) = f ((1 − α)x + αy) est
convexe. Donc :

F (1) ≥ F (0) + F ′ (0)1.

Aussi :

F ′ (α) = ⟨∇f ((1 − α)x + αy), y − x⟩.

En particulier :

F ′ (0) = ⟨∇f (x), y − x⟩.

Notons que F (1) = f (y) et F (0) = f (x). Donc, pour α = 0, nous obtenons,

f (y) ≥ f (x) + ⟨∇f (x), (y − x)⟩.

(↓)

Hypothèse ∀x, y ∈ D : f (y) ≥ f (x) + ⟨∇f (x), y − x⟩

Thèse f est convexe.

Soit x, y, z ∈ D. On a :

f (x) ≥ f (z) + ⟨∇f (z), (x − z)⟩,

f (y) ≥ f (z) + ⟨∇f (z), (y − z)⟩.

Donc pour α ∈ [0, 1]

αf (x) + (1 − α)f (y) ≥ f (z) + ⟨∇f (z), (αx + (1 − α)y − z)⟩.

Si nous choisissons z = αx + (1 − α)y ∈ D nous obtenons,

αf (x) + (1 − α)f (y) ≥ f (αx + (1 − α)y).

donc f est convexe.

10.2 Fonctions convexes et C 2

cas n = 1 :
CHAPITRE 10. FONCTIONS CONVEXES 110

Pour les fonctions d’une variable, on a également la propriété suivante.

Proposition
Soit f : D ⊂ R → R où D est un ouvert convexe, et f est C 2 sur D.
 f est convexe (concave) sur D
ssi (↕)
 f ′′ (x) ≥ (≤)0, ∀x ∈ D.

W PREUVE
(↓)

Hypothèse f est convexe sur D.

Thèse f ′′ (x) ≥ 0.

Soit x, y ∈ D. La fonction f est C 1 et convexe sure D, donc :

f (x) − f (y) ≥ f ′ (y)(x − y),

f (y) − f (x) ≥ f ′ (x)(y − x).
0 ≥ [f ′ (x) − f ′ (y)](y − x)
Donc,
0 ≥ [f ′ (x) − f ′ (y)](y − x).
↔(f ′ (y) − f ′ (x))(y − x)) ≥ 0,
f ′ (y) − f ′ (x)
→ ≥0 diviser par (y − x)2 > 0
y−x
Définissons h = y − x, nous obtenons,
f ′ (x + h) − f ′ (x)
≥0
h
Si on prend la limite h → 0, on obtient f ′′ (x) ≥ 0.

(↑)

Hypothèse ∀x ∈ D : f ′′ (x) ≥ 0

Thèse f est convexe.

Soit y, x ∈ D. La formule de Taylor donne un α ∈ [0, 1] et c = (1 − α)x + αy tel que :

1
f (y) = f (x) + f ′ (x)(y − x) + f ′′ (c)(y − x)2 ,
2
≥ f (x) + f ′ (x)(y − x) parce que c ∈ D, et f ′′ (c) ≥ 0

Donc,
f (y) ≥ f (x) + f ′ (x)(y − x).
CHAPITRE 10. FONCTIONS CONVEXES 111

Cas n > 2 :

On peut également transférer cette proposition aux fonctions de plusieurs variables.

t RAPPEL
Definition: valeur propre
Soit A une matrice carrée de dimension n. Le nombre (réel ou complexe) λ est un valeur
propre de A s’il existe un vecteur v ∈ Rn , v ̸= 0 pour qui

Av = λv.

Le vecteur v est un vecteur propre.

Une matrice carrée A de dimension n à n valeurs propres (quelques peuvent avoir la même valeur).
On peut les trouver par considérer l’équation :

dét (A − λI) = 0,

avec I le matrice d’unité de dimension n.

Definition
Soit A une matrice symétrique de dimension n.
 A est définie positive (d.p.) ssi x′ Ax > 0, ∀x ∈ Rn , x ̸= 0
 A est définie négative (d.n) ssi x′ Ax < 0, ∀x ∈ Rn , x ̸= 0
 A est semi-définie positive (s.d.p.) ssi x′ Ax ≥ 0, ∀x ∈ Rn
 A est semi-définie négative (s.d.n.) ssi x′ Ax ≤ 0, ∀x ∈ Rn

Proposition
Soit A une matrice symétrique (n × n).
 A est d.p. ssi les valeurs propres de A sont > 0.
 A est d.n. ssi les valeurs propres de A sont < 0.
 A est s.d.p. ssi les valeurs propres de A sont ≥ 0.
 A est s.d.n. ssi les valeurs propres de A sont ≤ 0.

Proposition
Soit f : D ⊂ Rn → R de classe C 2 sur l’ouvert convexe D.
 f est convexe (concave) sur D,
ssi (↕)
 ∀x ∈ D, la Hessienne Hf (x) est s.d.p. (s.d.n.).
CHAPITRE 10. FONCTIONS CONVEXES 112

W PREUVE
(↓)

Hypothèse f est convexe.

Thèse ∀x ∈ D, Hf (x) est s.d.p.

Soit f convexe. On a que pour tout x, y ∈ D, la fonction F : [0, 1] → R : α → F (α) = f ((1 − α)x +
αy) est convexe. Alors, pour tout α ∈ (0, 1), F ′′ (α) ≥ 0.
On a :

F ′ (α) = ⟨∇f ((1 − α)x + αy), y − x⟩,

et

0 ≤ F ′′ (α) = (y − x)t · Hf ((1 − α)x + αy) · (y − x)

Si nous prenons la limite pour α → 0 :

0 ≤ F ′′ (0) = (y − x)t Hf (x) · (y − x).

Cette inégalité est vraie pour tout y dans un voisinage de x, alors Hf (x) est s.d.p.

(↑)

Hypothèse ∀x ∈ D : Hf (x) est s.d.p.

Thèse f est convexe.

Soit x, y ∈ D. La formule de Taylor donne un α ∈ [0, 1] et c = (1 − α)x + αy tel que :

1
f (y) = f (x) + ⟨∇f (x), (y − x)⟩ + (y − x)t Hf (c)(y − x),
2
≥ f (x) + ⟨∇f (x), (y − x)⟩ parc eque c ∈ D et Hf (c) est s.d.p

Donc, ∀y ∈ D,

f (y) ≥ f (x) + ⟨∇f (x), (y − x)⟩.

Concluons que f est convexe.

Proposition
Soit f : D ⊂ Rn → R une fonction C 2 sur D un ensemble convexe ouvert. Soit x ∈ D.
 Si la Hessienne Hf (x) est d.p. (d.n.)
alors (↓)
 f est convexe (concave) dans un voisinage convexe de x.
CHAPITRE 10. FONCTIONS CONVEXES 113

ª REMARQUE
 Comme voisinage convexe de x, nous pouvons considérer une boule ouverte centrée en x.
 Si Hf (x) est d.p. (d.n.) pour tout x ∈ D, alors f est convexe (concave) sur D.

W PREUVE

Hypothèse Hf (x) est d.p.

Thèse f est convexe sur une voisinage (convexe) de x.

 Comme Hf (x) est d.p. ses valeurs propres sont strictement positives.
 Les valeurs propres sont des fonctions continues d’éléments de Hf (x) et les éléments de Hf (x)
sont continues en x (parce que f est C 2 ).
 Donc il existe une boule ouverte B centrée en x tel que pour tout y ∈ B, Hf (y) a des valeurs
propres strictement positifs.
 Donc, ∀y ∈ B, Hf (y) est d.p.
 Dans cette boule B (qui est convexe), f est C 2 et Hf est s.d.p. donc la fonction f y est convexe.

 EXEMPLE
f : R2 → R : (x, y) → x2 + y 2 est C ∞ dans R2 qui est convexe et ouvert (polynôme).
Elle est convexe sur R2 puisque :

∂f ∂f ∂2f ∂2f ∂2f

= 2x, = 2y, = 2, = 2, = 0.
∂x ∂y ∂(x)2 ∂(y)2 ∂x∂y
  
 2 0 v1
= 2v12 + 2v22 est strictement positive pour tous

donc la forme quadratique v1 v2
0 2 v2
(v1 , v2 ) ̸= (0, 0). Donc Hf (x) est d.p. (voyons que Hf est une matrice diagonale donc les valeurs
propres sont 2 et 2 qui sont des réels strictement positifs).

 EXEMPLE
La fonction f : R2 → R : (x, y) → x2 est convexe sur R2 puisque :

∂f ∂f ∂2f ∂2f ∂2f

= 2x, = = = 0, = 2.
∂x ∂y ∂(y)2 ∂x∂y ∂(x)2
  
 2 0 v1
= 2v12 qui est semi-définie positive sur R2 . Les

et la forme quadratique est v1 v2
0 0 v2
valeurs propres sont 2 et 0 ≥ 0.
CHAPITRE 10. FONCTIONS CONVEXES 114

10.3 Critère de Sylvestre

Definition: Mineur principal d’une matrice

Soit A une matrice symétrique (n × n). Les mineurs principals d’ordre k de la matrice A sont les
déterminants des sous-matrices carrées de taille k obtenues en supprimant n − k lignes et n − k co-
lonnes avec les mêmes indices.

Definition: Mineur principal dominant d’une matrice

Soit A une matrice symétrique (n × n). Le mineur principal dominant d’ordre k de la matrice A est le
déterminant de la sous-matrice carrée de taille k obtenue en supprimant n − k dernières lignes et n − k
dernières colonnes.

Proposition
Critère de Sylvestre Soit A une matrice symétrique (n × n).
 A est d.p. ssi tous n mineurs principaux dominant de A sont > 0.
 A est d.n. ssi le mineur principal dominant de A d’ordre k est > 0 si k est pair et < 0 si k est impair
(la signe est (−1)k ).
 A est s.d.p. ssi tous les mineurs principaux de A sont ≥ 0.
 A est s.d.n. ssi les mineurs principaux de A d’ordre k sont ≥ 0 si k est pair et ≤ 0 si k est impair (la
signe est (−1)k ).

 EXEMPLE
 
1 5 2
Soit A = 5 3 8. Nous avons :
2 8 4
ˆ 1 =dét 1 > 0
 mineur principal dominant d’ordre 1 : ∆
 
 
ˆ 2 =dét 1 5
 mineur principal dominant d’ordre 2 : ∆ = 3 − 25 = −22 < 0.
5 3
 
1 5 2
ˆ 3 =dét 5 3 8 = −64 < 0
 mineur principal dominant d’ordre 3 : ∆
2 8 4
Donc A est ni d.p. ni d.n.

 EXEMPLE
 
1 2
Soit A = . Nous obtenons :
2 4
 les mineurs principals d’ordre 1 : ∆1 = 1, 4
 
1 2
 les mineurs principales d’ordre 2 : ∆2 = dét = 0,
2 4
Alors A est s.d.p. Nous voyons aussi que les valeurs propres sont 5 et 0.
CHAPITRE 10. FONCTIONS CONVEXES 115

10.4 Exercices et réponses

å EXERCICSES
1 Déterminer la signe (s.d.p., s.d.n., d.p., d.n., indéterminé) des matrices suivantes.
 
−2 −6 0
a A = −6 −1 −1
0 −1 4
 
2 −1 0
b B = −1 2 −1
0 −1 2
 
2 −1 −1
c C = −1 2 −1
−1 −1 2
 
1 2 3
d D = 2 5 4
3 4 9
 
−1 3 0
e E =  3 −9 0 
0 0 −2
 
−2 2a
2 Pour quelle valeur de a est la matrice n.s.d.
2a −2

3 Déterminer la convexité, concavité des fonctions suivantes :

a f (x, y) = x2 + y 2 − 3xy

b f (x, y) = ln(xy) avec x, y > 0.

c f (x, y) = ex+y

d f (x, y) = xα y β (0 < α < 1, 0 < β < 1) et dom f = R2+

x2
e f (x, y) = y sur {(x, y) ∈ R2 |y > 0}

4 Démontrer que la somme de deux fonctions convexes est aussi convexe.

5 Soit D ⊂ Rn un ensemble convexe. Démontrer que f : D → R est convexe ssi −f est concave.

6 Soit D ⊂ Rn un ensemble convexe. Démontrer que si f : D ⊂ Rn → R est convexe, C 1 , et

homogène de degré 1, alors ∀y, x ∈ D :

⟨∇f (y), y⟩ ≥ ⟨∇f (x), y⟩

7 Étudier la convexité de la fonction f (x, y, z) = ex+z + y 4 dans R3 .

CHAPITRE 10. FONCTIONS CONVEXES 116

´ RÉPONSES
1 Déterminer la signe des matrices suivantes.

a ˆ 2 = −10 donc A est indéterminée.

∆

b ˆ 1 = 2, ∆
∆ ˆ 2 = 3, ∆
ˆ 3 = 4 donc B est d.p.

c ˆ 1 = 2, ∆
∆ ˆ 2 = 3, ∆
ˆ 3 = 0 donc C n’est pas d.p. et C n’est pas d.n.
∆1 = 2, 2, 2, ∆2 = 3, 3, 3, ∆3 = 0 donc C est s.d.p
d ˆ 1 = 1, ∆
∆ ˆ 2 = 1, ∆
ˆ 3 = −4, donc D est indéterminée.

e ˆ 1 = −1, ∆
∆ ˆ 2 = 0, ∆
ˆ 3 = 0, donc E n’est pas d.n. et E n’est pas d.p.
∆1 = −1, −9, −2 < 0, ∆2 = 0, 2, 18 ≥ 0, ∆3 = 0 ≤ 0 donc E est s.d.n.
2 Nous voulons que ∆1 = −2, −2 ≤ 0 et ∆2 = 4 − 4a2 ≥ 0. Nous obtenons la condition
4(1 − a2 ) ≥ 0 qui est vraie pour toutes valeurs de a ∈ [−1, 1].
3 Déterminer la convexité, concavité des fonctions suivantes :
∂f ∂f ∂2f
a Déterminons le hessienne. Nous avons (x, y) = 2x−3y, = 2y −3x alors = 2,
∂x ∂y ∂(x)2
∂2f ∂2f
 
2 −3
= 2 et = −3 donc la hessien est égal a Hf = . Les valeurs propres
∂(y) 2 ∂x∂y −3 2
sont les racines de l’équation

(2 − λ)2 − 9 = λ2 − 4λ − 5

Nous avons ∆ = 16 + 20 = 62 . Donc les racines sont 4+6 4−6

2 et 2 . Une est positive, l’autre
est négative donc f n’est ni concave, ni convexe.
∂f 1 ∂f 1 ∂2f 1
b Déterminons la hessienne. Nous avons = et = . Alors 2
= − 2 et
∂x x ∂y y ∂(x) x
∂2f −1/x2
 
∂f 1 0
= − 2 et = 0. Alors la hessienne est égal a Hf = . Les deux
∂y y ∂x∂y 0 −1/y 2
valeurs propres sont négatives, donc f est concave.
∂f ∂f ∂2f
c Déterminons la hessienne. Nous avons = ex+y et = ex+y . Alors 2
= ex+y ,
∂x ∂y  ∂(x)
∂2f ∂2f ex+y ex+y

=e x+y et =e x+y alors la hessienne est H = x+y x+y . Un des valeurs
∂(y)2 ∂x∂y e e
propres est égal à 0. L’autre est la racine de l’équation :

(ex+y − λ)2 − e2(x+y) = 0 → ex+y − λ = ex+y

λ = 2e(x+y) > 0. Donc la hessienne est s.d.p. ce qui signifie que f est convexe.
α(α − 1)xα−2 y β αβxα−1 y β−1
 
d La hessienne est égal à Hf = .
αβxα−1 y β−1 β(β − 1)xα y β−2
Le déterminant est égal à

x2α−2 y 2β−2 α(α − 1)β(β − 1) − α2 β 2 ,

 

= x2α−2 y 2β−2 αβ [1 − β − α]

Donc c’est positive si α + β ≤ 1 et négative si α + β ≥ 1. Les mineure principale d’ordre

1 sont non-positive. Donc la fonction est concave si α + β ≤ 1.
CHAPITRE 10. FONCTIONS CONVEXES 117

∂f 2x ∂f x2 ∂2f 2 ∂2f x2 ∂2f 2x

e Nous obtenons = , = − 2 . Donc 2
= y , 2
= 2 3
et = − 2.
∂x y ∂y y ∂(x) ∂(y) y ∂x∂y y
 2 x
−2 2
 y y 
Alors, Hf =  x x2 . Le déterminant est égal à
−2 2 2 3
y y

x2 x2 x2
4 − 4 = −2 = 0.
y4 y4 y4
Donc les mineurs principales d’ordre 1 sont non-négative et la mineure pricipale d’ordre
2 est null. Alors la fonction est s.d.p. et f est convexe.
4 Soit f, g : D ⊂ Rn → R deux fonctions convexes sur D, un ensemble convexe de Rn . Pour
x, y ∈ D et ∀α ∈ [0, 1] nous avons :

f (αx + (1 − α)y) ≤ αf (x) + (1 − α)f (y),

g(αx + (1 − α)y) ≤ αg(x) + (1 − α)g(y).

Si nous faisons l’addition terme par terme, nous obtenons :

f (αx + (1 − α)y) + g(αx + (1 − α)y) ≤ α(f (x) + g(x)) + (1 − α)(f (y) + g(y))

Donc f + g est aussi convexe.

5 Si f est convexe, ∀x, y ∈ D, ∀α ∈ [0, 1] :

f (αx + (1 − α)y) ≤ αf (x) + (1 − α)f (y).

Multiplier chaque terme par −1 :

− f (αx + (1 − α)y) ≥ α(−f (x)) + (1 − α)(−f (y)).

Donc −f est concave.

6 La fonction f est convexe et C 1 donc, ∀x, y ∈ D,

f (y) − f (x) ≥ ⟨∇f (x), y − x⟩ = ⟨∇f (x), y⟩ − ⟨∇f (x), x⟩

f est homogène de degré 1 donc f (x) = ⟨∇f (x), x⟩ et f (y) = ⟨∇f (y), y⟩. Alors,

⟨∇f (y), y⟩ ≥ ⟨∇f (x), y⟩.

7 f est C ∞ dans R3 .
 x+z
ex+z

e 0
La hessienne de f est Hf =  0 12y 2 0 . Les mineure principale d’ordre 1 sont
ex+z 0 e x+z

e x+z > 0 et 12y ≥ 0. Les mineures principalesd’ordre 2 sont 12y 2 ex+z ≥ 0 et 0. La mineure
2

principale d’ordre 3 est 0. Donc Hf est s.d.p. et donc, f est convexe.

On peut aussi calculer les valeurs propres qui sont 0, 12y 2 et 2ex+z qui sont tous les trois ≥ 0.
 11 Fonctions implicites

 EXEMPLE
Question : Quand on a une équation g(x, y) = c (c ∈ R). Sous quelles conditions est-ce équivalent
à y = f (x) où f est une fonction ?
y−5
 L’équation 3x − y + 5 = 0 est équivalent a l’équation y = 3x + 5 ou l’équation x = . Donc
3
on a une explicitation de y en fonction de x ou de x en fonction de y.
√
 L’equation x2 + y 2 = 1 peut le transformer en y 2 = 1 − x2 . Donc y = ± 1 − x2 . On a deux
explicitation de y en fonction de x.
 L’équation exy + 7x + 9y − 10 = 0 est plus difficile. . .

ª REMARQUE
En travail “local”

Figure 11.1 – Équation y 2 + x2 = 1

Y
y

x X

La Figure 11.1 montre l’idée. Ici, au voisinage de (x, y), la valeur de y qui satisfait f (x, y) = 0 peut être exprimée
comme une fonction de x.

118
CHAPITRE 11. FONCTIONS IMPLICITES 119

Figure 11.2 – Équation y 2 + x2 = 1

La Figure 11.2 montre que dans les environs du point (1, 0) ça ne marche pas, car il y a plusieurs valeurs de y
pour une même valeur de x, alors y ne peut pas être exprimé comme une fonction de x.

Remarquer la tangente verticale en (1, 0) (dérivée infinie pour la fonction cherchée) ce qui veut dire que
∂g
(1, 0) = 0. En effet :
∂y

∂(x2 + y 2 )
(1, 0) = 0,
∂y

Le théorème des fonctions implicites dans sa version la plus simple :

Proposition: Théorème de la fonction implicite

 Si g : D ⊂ R2 → R de classe C 1 au voisinage de (b
x, yb) point intérieur de D.
 Si g(b
x, yb) = c, avec c ∈ R une constante.
∂g
 Si x, yb) ̸= 0.
(b
∂y
alors (↓)
 il existe une boule ouverte A centrée en x
b et une boule ouverte B centrée en yb et il existe une fonction
f : A → B : x 7→ f (x) tel que
— ŷ = f (x̂)
— ∀x ∈ A : g(x, f (x)) = c,
— En outre, f est différentiable en xb et :
∂g
(b
x, yb)
x) = − ∂x
f ′ (b .
∂g
(b
x, yb)
∂y

∂g
(b
x, yb)
x) = − ∂x
D’où sort f ′ (b ?
∂g
(b
x, yb)
∂y
CHAPITRE 11. FONCTIONS IMPLICITES 120

On a (sous les conditions du théorème), ∀x ∈ A, y ∈ B : g(x, y) = 0 ↔ y = f (x) où f est une fonction définie
au voisinage de x
b.

Dans ce voisinage, on a g(x, f (x)) = c. Dérivons les deux membres par rapport à x :
∂g ∂g
(x, f (x)) + (x, f (x))f ′ (x) = 0.
∂x ∂y
et alors, évaluons en x = x
b nous obtenons :
∂g
(b
x, yb)
′
x) = −
f (b ∂x .
∂g
(b
x, yb)
∂y

 EXEMPLE
Soit exy + 7x + 9y − 10 = 0. Peut-on expliciter y en fonction de x au voisinage de (0, 1) ?
L’équation g(x, y) = exy + 7x + 9y − 10 est égal a 0 si (x, y) = (0, 1).
g(x, y) est C ∞ dans R2 car g est la somme d’une exponentielle et un polynôme de premier degré.
∂g
Aussi (x, y) = xexy + 9 qui vaut 9 ̸= 0 si (x, y) = (0, 1).
∂y
Par le théorème des fonctions implicites, g(x, f (x)) = 0 au voisinage de (0, 1) où f satisfait f (0) = 1.
En plus :
∂g
(0, 1) 8
f ′ (0) = − ∂x =−
∂g 9
(0, 1)
∂y

Nous ne connaissons pas f , mais, nous connaissons f (0) et f ′ (0). Par l’approximation de Taylor
d’ordre 1, on a f (x) ≈ f (0) + xf ′ (0) = 1 − 89 x.

 EXEMPLE
y = k α ℓβ et f (b
k, ℓ)
b = ȳ. Soit l’équation f (b b = ȳ et g(k, ℓ) = f (k, ℓ). Si g est C 1 au voisinage
k, ℓ)
de (b b et ∂g (b
k, ℓ) b = ∂f (b
k, ℓ) b ̸= 0 on a un fonction k(ℓ) définie dans un voisinage de ℓb tel que
k, ℓ)
∂k ∂k
g(k(ℓ), ℓ) = ȳ et :

∂f b b
(k, ℓ)
b = − ∂ℓ
k ′ (ℓ)
∂f b b
(k, ℓ)
∂k
β k̄ α ℓbβ−1
=−
αbk α−1 ℓbβ
βbk
=−
αℓb

Généralisation : Soit n équations g1 (x1 , . . . , xm ) = c1 , . . . , gn (x1 , . . . , xm ) = cn (m > n) avec c1 , . . . , cn ∈ R des

contantes. Ici, nous avons m inconnues et n équations. Souls quelles conditions, n des m inconnues peuvent-elles
être exprimées en termes des p = m − n autres variables ?

 On peut définir g = (g1 , . . . , gn ) qui donne une fonction g : D ⊂ Rm → Rn .

CHAPITRE 11. FONCTIONS IMPLICITES 121

 Ces équations sont compatibles en au moins un point x b ∈ Rm si g(b

x) = c.
 Il y a m inconnues et n équations. Si n < m, alors on peut s’attendre à pouvoir calculer n variables parmi les
m (résoudre le système) en fonction des autres ; appelons y1 , . . . , yn les variables que l’on souhaite calculer en
fonction des autres et x1 , x2 , . . . , xp celles-ci (n + p = m)
 Le point (b x, yb) avec x b ∈ Rp et yb ∈ Rn satisfait le système

g1 (bx1 . . . , x
bp , yb1 , . . . , ybn ) = 0


..
 .

g (b
nx ,...,x
1 b , yb , . . . , yb ) = c.
p 1 n

Considérons la Jacobienne de la fonction g = (g1 , . . . , gn ) par rapport aux variables (x1 , . . . , xp ) et (y1 , . . . , yn ) :

∂g1 ∂g1 ∂g1 ∂g1

 
... ...
 ∂x1 ∂xp ∂y1 ∂yn 
 .. .. .. .. .. .. 
 
 . . . . . . 
Jg (b
x, yb) = 
 ∂gn ∂gn ∂gn ∂gn 

... ...
 ∂x1 ∂xp ∂y1 ∂yn 
 
| {z } | {z }
(n×p) (n×n)
A(b
x,b
y) B(b
x,b
y)

 dans le cas général, la condition d’extraction est dét B(b

x, yb) ̸= 0 ou encore que cette (n × n) matrice est de
rang n.

Proposition
 Soient m > n, g : Rm → Rn notée g(x, y) avec p + n = m, x ∈ Rp , y ∈ Rn ,
 Soit (b
x, yb) tel que g(b
x, yb) = c,
 Si g est de classe C 1 sur une boule ouverte centrée en (b
x, yb)
 Si det B(b
x, yb) ̸= 0.
alors
 il existe un voisinage A ⊂ Rp de xb et un voisinage B de yb et il existe une fonction f = (f1 , . . . , fn ) :
A → B telle que
— yb = f (bx),
— ∀x ∈ A : g(x, f (x)) = c.
— En plus, f est dérivable en x
b et :

Jf (b x, yb)−1 A(b
x) = −B(b x, yb)

Pour comprendre l’équation Jf (b x) = −B(b x, yb)−1 A(b x, yb). Commençons avec le système d’équations g(x, f (x)) =
c:

g (x , . . . , xj , . . . , xp , f1 (x1 , . . . , xj , . . . , xp ), . . . , fn (x1 , . . . , xj , . . . , xp )) = c1
. 1 1


.

.



gi (x1 , . . . , xj , . . . , xp , f1 (x1 , . . . , xj , . . . , xp ), . . . fn (x1 , . . . , xj , . . . , xp )) = ci

 ..
.





gn (x1 , . . . , xj , . . . , xp , f1 (x1 , . . . , xj , . . . , xp ), . . . , fn (x1 , . . . , xj , . . . , xp )) = cn .

CHAPITRE 11. FONCTIONS IMPLICITES 122

Dérivons deux membres gi (x, f (x)) = ci . Par rapport à xj donne :

n
∂gi X ∂gi ∂fk
(x, f (x)) + (x, f (x)) (x) = 0.
∂xj ∂yk ∂xj
k=1

On obtient un système de p × n équations (j = 1, . . . , p; i = 1, . . . , n) qu’on peut mettre en forme matricielle :

 ∂g ∂g1   ∂g1   ∂f ∂f1  
1 ∂g1 1
... ... ... 
 ∂x1 ∂xp   ∂y1 ∂yn   ∂x ∂xp  0 ... 0
 . . .   . . .  . 1 . .  . . ..  .
 . .. .. 
 .  +  .. ..   ..
..  .. .. 
 =  .. . . .
 
 ∂gn ∂gn ∂gn ∂gn ∂fn ∂fn  0 ... 0
   
... ... ...
∂x1 ∂xp ∂yn ∂yn ∂x ∂xp
| {z } | {z } | 1 {z }
(n×p) (n×n) (n×p)
A(x,y) B(x,y) Jf (x)

Évaluons en x = x
b (avec yb = f (b
x) et réécrivons ce système d’équations nous obtenons :

Jf (b x, yb)−1 A(b
x) = −B(b x, yb).

 EXEMPLE
Tenter d’extraire y de :

x2 + y 2 = 1,
√ √ !
2 2
au voisinage de a = , .
2 2
∂g √
Soit g(x, y) = x2 + y 2 . On a que g(a) = 1 et (a) = 2 ̸= 0.
∂y
Utilisons
√ la théorème de fonctions implicite, nous obtenons une fonction f définie au voisinage de
2
2 qui satisfait,

g(x, f (x)) = 1.

pour tous points dans ce voisinage, et :

∂g √
√ (a) 2
′
f ( 2/2) = − ∂x = − √ = −1.
∂g 2
(a)
∂y

 EXEMPLE
Tenter d’extraire, x, y ou z de :

x2 + y 2 + z 2 = 1
√
√ !
2 2
au voisinage de a = 0, , . Si nous définisons g(x, y, z) = x2 + y 2 + z 2 , nous obtenons
2 2
√ √
g(a) = 1 et Jg (a) = ∇g(a) = [0, 2, 2]. Donc on peut extraire y en fonction de x et z ou z en
fonction de x et y, mais pas x en fonction de y et z. √
Pour la première, nous obtenons une fonction f (x, z) définie au voisinage de (0, 2/2) qui satisfait :

g(x, f (x, z), z) = 1,

CHAPITRE 11. FONCTIONS IMPLICITES 123

pour tous points dans ce voisinage, et :

∂g ∂g
∂f √ (a) ∂f √ (a)
(0, 2/2) = − ∂x = 0 et (0, 2/2) = − ∂z = −1.
∂x ∂g ∂z ∂g
(a) (a)
∂y ∂y
√
Pour la deuxième, nous obtenons une fonction f (x, y) définie au voisinage de (0, 2/2) qui satisfait :

g(x, y, f (x, y)) = 1,

pour tous points dans ce voisinage, et :

∂g ∂g
√ (a) √ (a)
∂f ∂x ∂f ∂y
(0, 2/2) = − = 0 et (0, 2/2) = − = −1.
∂x ∂g ∂y ∂g
(a) (a)
∂z ∂z

11.1 Exercices et réponses

å EXERCICSES
1 Pour les équations suivantes. Vérifier si on peut utiliser la théorème de la fonction implicite
dans le point indiqué. Si oui, donner la dérivée de ce fonction implicite.
a ln(xy) = 0 et (x, y) = (1, 1).
p
b x2 + y 2 = 5 et (x, y) = (3, 4).

c x4 + y 3 − y 2 − x2 + x − y = 0 les points (0, 0) et (1, 1).

(
x2 + y 2 − 2z 2 = 0
2 On considère le système d’équations et le point (1, 1, 1). Montrer que,
x2 + 2y 2 + z 2 = 4
pour x proche de 1, il existe des fonctions positives f1 (x) et f2 (x) telles que (x, f1 (x), f2 (x))
est une solution du système. Determiner f1′ (1) et f2′ (1).

´ RÉPONSES
1 (justifier !)
∂g
a Soit g = ln(x, y). Nous avons g(1, 1) = ln(1) = 0 et (1, 1) = 1 ̸= 0, donc il y a une
∂y
fonction f qui satisfait g(x, f (x)) = 0 au voisinage de 1. Nous avons :

∂g
(1, 1)
f ′ (1) = − ∂x = −1.
∂g
(1, 1)
∂y
p √ ∂g 8
b Soit g = x2 + y 2 − 5. Nous avons g(3, 4) = 25 − 5 = 0 et (3, 4) = − √ =
∂y 2 25
CHAPITRE 11. FONCTIONS IMPLICITES 124

8
− ̸= 0. Donc, il y a une fonction f qui satisfait g(x, f (x)) = 5 au voisinage de 3. Nous
10
avons :
∂g
(3, 4) 6 3
f ′ (3) = − ∂x =− =− .
∂g 8 4
(3, 4)
∂y

c Soit g = x4 + y 3 − y 2 − x2 + x − y. Nous avons g(0, 0) = 0 et g(1, 1) = 0

∂g
Pour le point (0, 0) nous avons (0, 0) = −1 ̸= 0. Donc, il existe une fonction f définie
∂y
au voisnage de 0 et pour tout x au voisinage de 0 nous avons g(x, f (x)) = 0. Et :

∂g
(0, 0) 1
f ′ (0) = − ∂x =− = 1.
∂g −1
(0, 0)
∂y
∂g ∂g
Pour le point (1, 1) nous avons (1, 1) = 3 − 2 − 1 = 0. A l’autre sens (1, 1) =
∂y ∂x
4 − 2 + 1 = 3 ̸= 0. Donc, on peut trouver un fonction f définie au voisinage de 1 pour
qui g(f (y), y) = 0 pour tout y au voisinage de 1.
Nous avons :
∂g
(1, 1)
′ ∂y
f (1) = − = 0.
∂g
(1, 1)
∂x

2 Soit g1 (x, y, z) = x2 + y 2 − 2z 2 et g2 (x, y, z) = x2 + 2y 2 + z 2 − 4. Vérifier que g1 (1, 1, 1) = 0

et g2 (1, 1, 1) = 0.
Aussi :
∂g1 ∂g1
 
(1, 1, 1) (1, 1, 1))  
 ∂y ∂z 2 −4
= ,

 ∂g ∂g2
2 4 2
(1, 1, 1) (1, 1, 1)
∂y ∂z

qui est de rang 2 (déterminant est 20). Donc il existe des fonctions dérivable f1 (x) et f2 (x)
au voisinage de 1 pour qui g1 (x, f1 (x), f2 (x)) = 0 et g2 (x, f1 (x), f2 (x)) = 0. Alors :

∂g1 ∂g1 ∂g1


 (1, 1, 1) + (1, 1, 1)f1′ (1) + (1, 1, 1)f2′ (1) = 0,
∂x ∂y ∂z

∂g ∂g ∂g
 2 (1, 1, 1) + 2 (1, 1, 1)f1′ (1) + 2 (1, 1, 1)f2′ (1) = 0,

∂x ∂y ∂z
(
′ ′
2 + 2f1 (1) − 4f2 (1) = 0
↔ ,
2 + 4f1′ (1) + 2f2′ (1) = 0

f1′ (1) = − 3

↔ 5
′ 1
f2 (1) =

5
CHAPITRE 11. FONCTIONS IMPLICITES 125

Notons que :
 −1  
2 −4 2
Jf (1) = −B · A = −
4 2 2
  
1 2 4 2
=−
20 −4 2 2
 3
−5
= .
− 15
 12 Extrema libres

Soit f : D ⊂ Rn → R. Nous voulons trouver x̂ ∈ D qui maximise (minimise) f (x) sur D :

v ∗ = max f (x),
x∈D
x̂ ∈ arg max f (x)
x∈D

ou

v ∗ = min f (x),
x∈D
x̂ ∈ arg min f (x)
x∈D

La valeur v ∗ est la valeur maximum (minimum). Le point x̂ est un maximum (minimum).

 EXEMPLE
Soit une entreprise avec fonction de production y = k 1/5 ℓ3/5 . Soit :
 prix y = 10
 prix k = 1
 prix ℓ = 2
Le profit de l’entreprise est π(k, ℓ) = 10(k 1/5 ℓ3/5 ) − k − 2ℓ. Nous avons la problème :

(k̂, ℓ̂) ∈ arg max 10k 1/5 ℓ3/5 − k − 2ℓ

k,ℓ

π ∗ = arg max 10k 1/5 ℓ3/5 − k − 2ℓ.

k,ℓ

Definition: Maximum/Minimum global

Soit f : D ⊂ Rn → R : x → f (x) et x
b ∈ D.
 f possède en x x) ≥ f (x) ∀x ∈ D
b un maximum global ssi f (b
 f possède en x x) ≤ f (x) ∀x ∈ D.
b un minimum global ssi f (b

Definition: Maximum et minimum local

Soient f : D ⊂ Rn → R : x → f (x) et x
b ∈ D.
 f possède en x
b un maximum local ssi il existe un voisinage V de x x) ≥ f (x), ∀x ∈ V ∩ D.
b tel que f (b
 f possède en x
b un minimum local ssi il existe un voisinage V de x x) ≤ f (x), ∀x ∈ V ∩ D.
b tel que f (b

126
CHAPITRE 12. EXTREMA LIBRES 127

ª REMARQUE
 x
b n’est pas nécessaire intérieur à D.
 Si f est extremum local en x
b sur D, f l’est également sur tout sous-ensemble de D contenant x
b.

Proposition
Si f : D ⊂ Rn → R est extremum global en x
b,
alors (↓)
f est extremum local en x
b.

12.1 Image continue d’un compact

t RAPPEL
 f : [a, b] → R : x 7→ f (x). Si f est C 0 sur [a, b], alors f atteint un maximum global et un
minimum global sur [a, b].
 Un sous-ensemble de Rn est compact ssi il est fermé et borné.

Proposition: Théorème des valeurs extrêmes

Une fonction f : D ⊂ Rn → R continue sur l’ensemble compact, non vide D est bornée et atteint ses
bornes.
En particulier, elle possède un maximum et un minimum globaux, lesquels sont atteints en (au moins)
un point de D.

 EXEMPLE
 f : [0, 1] × [0, 1] : (x, y) → f (x, y) = x · y a un maximum global quand x = y = 1 et un minimum
global quand x = y = 0.
 f : R → R : x 7→ 1 + x/2 n’a pas un maximum (minimum) dans R.
 f : [0, 3[→ R : x 7→ 1 + x/2 n’a pas un maximum dans [0, 3[
(
1 + x/2 si x ≤ 2
 f : [0, 3] → R : x 7→ n’a pas un maximum dans [0, 3].
3−x si x > 2

ª REMARQUE
Cette théorème n’est pas très utile en pratique parce qu’elle ne donne pas les valeurs d’extrema.
CHAPITRE 12. EXTREMA LIBRES 128

12.2 Conditions nécessaires du premier ordre

t RAPPEL
(n = 1) : Condition nécessaire du premier ordre. soit f : D ⊂ R → R : x → f (x).
Si f est dérivable en x b un extremum local, alors f ′ (b
b, point intérieur de D, et si f atteint en x x) = 0.
Donc, les candidats extremum sont :
 Les éventuels points qui ne sont pas intérieurs à D.
 Les éventuels point intérieurs à D en lesquels f est non dérivable.
 Les points intérieurs à D en lesquels f est dérivable et en lesquels f ′ (x) = 0 (points “critiques”
de f ).

Cas n > 1 :

Proposition: Condition nécessaire du premier ordre

Soit f : D ⊂ Rn → R
Si :
 f est extremum (local) en x
b point intérieur à D.
 f est C 1 en x
b
alors (↓)
 son gradient est nul en x
b (c-à-d ∇f (b
x) = 0)

W PREUVE

Hypothèse f est extremum en x

b.

Thèse ∇f (b
x) = 0.

Considérons la fonction F (xi ) = f (b x1 , . . . , x

bi−1 , xi , x
bi+1 , . . . , x
bn ) définie au voisinage de x
bi . La
fonction f (x) possède un extremum en x b alors F possède un extremum en x bi .
bi , point intérieur à son domaine de définition, donc F ′ (b
Par hypothèse, F (xi ) est dérivable en x xi ) =
0 (condition nécessaire du premier ordre pour les fonctions d’une variable). Or

∂f
F ′ (b
xi ) = (b
x) = 0.
∂xi
Cette dérivation est vraie pour toutes i = 1, . . . , n alors ∇f (b
x) = 0.

Definition: Points critiques

Soit f : D ⊂ Rn → R. Le point x
b ∈ D est un point critique de f ssi ∇f (b
x) = 0.
CHAPITRE 12. EXTREMA LIBRES 129

ª REMARQUE
b d’où f : D ⊂ Rn → R peut être extremum sont donc :
Les points x
 Les points critiques de f où ∇f (b
x) = 0.
 Les points intérieurs à D où le gradient n’existe pas
 Les points non intérieurs à D.
Bien entendu, quand la recherche des extrema concerne une fonction dérivable définie sur un ouvert,
les seuls candidats extrema sont les points critiques.

 EXEMPLE
Soit f : R2 → R : (x, y) → x2 + y 2 . Elle est dérivable en tout point de l’ouvert 2
( R .
∂f ∂f 2b
x=0
Les dérivés partielles sont (x, y) = 2x et (x, y) = 2y et le système à une seule
∂x ∂y 2b
y=0
solution (bx, yb) = (0, 0) ; le point (0, 0) est le seul candidat extremum.
Est-ce un extremum ?
Ici, on peut utiliser le bon sens : f (0, 0) = 02 + 02 = 0 et f (x, y) ≥ 0 pour tout (x, y) ∈ R2 . Donc
(0, 0) est un minimum global.

 EXEMPLE

max 10k 1/5 ℓ3/5 − k − 2ℓ.

k,ℓ

La fonction π(k, ℓ) est C 1 sur R2 . Les conditions de 1ère ordre sont.

∂π
 (k̂, ℓ̂) = 2k̂ −4/5 ℓ̂3/5 − 1 = 0
∂k
∂π
 (k̂, ℓ̂) = 3k̂ 1/5 ℓ̂−2/5 − 1 = 0.
∂ℓ
Ces conditions nous donnent 1 candidat maximum (k̂, ℓ̂) = (108, 162).

12.3 Conditions suffisantes du second ordre

 EXEMPLE
Soit f (x, y) = x2 − y 2 . Les conditions du 1ère order donnent les conditions 2x̂ = 0 et 2ŷ = 0.
Donc, nous obtenons un candidat maximum (minimum) (x̂, ŷ) = (0, 0). Mais (0, 0) n’est pas un
maximum, ni un minimum. Par example f (0, 1) < f (0, 0) < f (1, 0).

t RAPPEL
(n = 1) Condition suffisante du second ordre. f : D ⊆ R → R : x 7→ f (x).
 Si f est convexe (concave) sur D et tel que f ′ (b
x) = 0 on a un minimum (maximum) global en x
b.
b, point intérieur de D et tel que f ′ (b
 Si f est deux fois dérivable en x x) = 0. Alors si f ′′ (b
x) > (<)0
on a un minimum (maximum) local.
CHAPITRE 12. EXTREMA LIBRES 130

Cas n > 2 :

Proposition: condition suffisante global d’ordre 2

Soit f : D ⊂ Rn → R avec D un ensemble convexe, ouvert.
Si
 f est C 1 sur D,
 x
b est point critique de f , c-à-d : ∇f (b
x) = 0
 f est concave (resp. convexe),
alors (↓)
 f possède un maximum (resp. minimum) global en x
b.

W PREUVE

Hypothèse f est C 1 et concave sur D et ∇f (b

x) = 0 .

Thèse ∀x ∈ A : f (b
x) ≥ f (x).

La fonction f est concave et C 1 sur D. Alors ∀y ∈ D :

f (y) ≤ f (b
x) + ⟨∇f (b
x), (y − x)⟩.

Par hypothèse, ∇f (b
x) = 0, alors :

f (y) ≤ f (b
x), ∀y ∈ D

Proposition: condition suffisante local d’ordre 2

Soit f : D ⊂ Rn → R.
Si
 f est C 2 au voisinage de x
b, point intérieur à D,
 ∇f (b
x) = 0
 Hf (b
x), est d.n. (resp. d.p.).
alors (↓)
 f possède un maximum (resp. minimum) local en x
b.

W PREUVE

Hypothèse f est C 2 sur B, un voisinage de x

b, ∇f (b
x) = 0 et Hf (b
x) est d.n.

Thèse ∀x ∈ B : f (b
x) ≥ f (x)

 La fonction f est C 2 au voisinage de x

b et Hf (b
x) est d.n.
CHAPITRE 12. EXTREMA LIBRES 131

 On peut trouver une boule ouverte centrée en x

b qui est un sous ensemble de ce voisinage et f
est concave et C 2 dans cette boule.
 Comme f est C 2 , elle y est C 1 .
 Soit B, la boule ouverte (convexe) où f est concave et C 1 . Si on restreint le domaine de f à B,
x) ≥ f (x), ∀x ∈ B
on peut utiliser la proposition antérieure et conclure que f (b

ª REMARQUE
Il reste les cas ou Hf (b
x) est s.d.p ou s.d.n.

 EXEMPLE

max 10k 1/5 ℓ3/5 − k − 2ℓ.

k,ℓ

Nous avons 1 candidat maximum (k̂, ℓ̂) = (108, 162). La fonction π(k, ℓ) est C 2 . Nous avons.
 −8 −9/5 3/5 6 −4/5 −2/5 
k ℓ 5k ℓ
Hπ (k, ℓ) = 65 −4/5 −2/5 −12 1/5 ℓ−7/5 .
5 k ℓ 5 k

On peut vérifier que ce matrice est s.d.n. donc, π est concave. Le candidat maximum est un
maximum global.

12.4 Exercices et réponses

å EXERCICSES
1 Déterminer tous les extrema des fonctions suivantes

a f (x, y) = x3 + y 3 − 3xy

b f (x, y) = x3 + (x − y)2
c f (x, y) = (x − y)4 + (x − 3)4
x4
d f (x, y) = x2 − + xy 2
2
e f (x, y) = xz + x2 − y + yz + y 2 + 3z 2
x
f f (x, y) =
1 + x2 + y 2
g f (x, y) = y 2 + xy ln x.

2 Après avoir étudié la convexité de la fonction f (x, y) = −(x − 1)2 − 3y 2 dans R2 , déterminer
ses extrema.
2 +y 2 )
3 soit f (x, y) = e−(x .

a Déterminer tous les extrema de f (x, y).

CHAPITRE 12. EXTREMA LIBRES 132

b Étudier la convexité de f (x, y) dans la boule ouverte centrée en (0, 0) et de rayon 1/2 ?
Donner la nature de cet extremum.
4 pour quelle(s) valeur(s) du paramètre réel non nul α la fonction f (x, y, z) = x2 ey +y 2 ez +αz 2 ex
admet-elle un extremum en (0, 0, 0) ? Donner la nature de cet extremum.
5 Déterminer le point P du plan R2 tel que la somme des carrées des distances de P aux K
points Pi = (xi , yi ), i = 1, . . . , K soit minimum.

´ RÉPONSES
1 a La fonction f est C ∞ sur R2 .
Conditions de 1ère ordre
∂f

 (x̂, ŷ) = 3x̂2 − 3ŷ = 0,

∂x
∂f
 (x̂, ŷ) = 3ŷ 2 − 3x̂ = 0

∂y

Nous obtenons les solutions (0, 0) et (1, 1).

 
6x −3
La hessienne est Hf (x, y) = . Les mineures principales d’ordre 1 sont positive
−3 6y
si x, y ≥ 0 et négatives si x, y ≤ 0, le mineure majorant d’ordre 2 est égal a 36xy + 9.
Celui est positive si 4xy + 1 ≥ 0.
Donc f n’est pas concave ni convexe (les signes des mineures principales changent).
Dans le point (0, 0), les mineures principales d’ordre 1 sont zéro et change signe au
voisinage de (0, 0) et le mineure principale d’ordre 2 est positive. Donc on peut pas
conclure (point de selle).
Dans le point (1, 1), les mineures principales d’ordre 1 sont strictement positive et le
mineure principale d’ordre 2 est aussi strictement positive, donc la hessienne est d.p.,
donc (1, 1) est un minimum locale. Ce point n’est pas un minimum global (en effet
f (1, 1) = −1, alors que, par exemple f (−2, 0) = −8).
b La fonction f est C ∞ sur R2 .
Les conditions de 1ère ordre :
∂f

 (x̂, ŷ) = 3x̂2 + 2(x̂ − ŷ) = 0,

∂x
∂f
 (x̂, ŷ) = −2(x̂ − ŷ) = 0

∂y

Nous obtenons la solutions (x̂, ŷ) = (0, 0).

Pour
 les conditions
 de second ordre, on peut calculer la hessienne de f , Hf (x, y) =
6x + 2 −2
. La signe de mineures principales d’ordre 1 change de signe si x > 1/3 ou
−2 2
x < 1/3 donc f est ni concave, ni convexe.
Dans le point (0, 0) nous avons que les mineures principales d’ordre 1 sont strictement
positive et la mineure principale d’ordre 2 est 0 et change signe au voisinage de (0, 0).
Le point (0, 0) est ni un minimum local, ni un maximum local : cependant f (0, 0) = 0
et f (α, β) = α3 + (α − β)2 pour α, β aussi petits en valeur absolue que l’on veut (dans
CHAPITRE 12. EXTREMA LIBRES 133

le voisinage de (0, 0), aussi près que l’on veut de (0, 0)). En regardant les points (α, β)
avec α = β, on a f (α, β) = α3 qui est > 0 si α > 0 et < 0 si α < 0. Aussi près que l’on
veut de (0, 0), il y a des points dont l’image est > 0 et des points dont l’image est < à
celle de (0, 0), d’où la conclusion.
c f est C ∞ sur R2 . Les conditions de première ordre sont :

∂f

 (x̂, ŷ) = 4(x̂ − ŷ)3 + 4(x̂ − 3)3 = 0

∂x
∂f
 (x̂, ŷ) = −4(x̂ − ŷ)3 = 0

∂y
La solution est (x̂, ŷ) = (3, 3).
Pour les conditions de second ordre, nous
 2 2 2
 allons calculer la hessienne de f , Hf (x, y) =
12(x − y) + 12(x − 3) −12(x − y)
.
−12(x − y)2 12(x − y)2
Les mineures principales d’ordre 1 sont non-négatives. La mineure d’ordre 2 est 144(x −
3)2 (x − y)2 ≥ 0. Alors la fonction f est convexe. Le point (3, 3) est un minimum global.
d La fonction f est C ∞ sur R2 . Les conditions de 1ère ordre sont :

∂f

 (x̂, ŷ) = 2x̂ − 2x̂3 + ŷ 2 = 0,

∂x
∂f

 = 2x̂ŷ = 0
∂y
Les solutions sont (0, 0), (1, 0) et (−1, 0).
Pour les conditions de second ordre, nous allons calculer la hessienne de f , Hf (x, y) =
2 − 6x2 2y
 
. Les mineures principales changent de signe, donc f est ni concave, ni
2y 2x
convexe.
Dans le point (0, 0), Les mineures principales d’orde 1 sont 2 et 0 et la mineure principale
d’ordre 2 est 0, donc pas de conclusion.
Dans le point (1, 0), la mineure principale dominant d’ordre 1 est −4 et la mineure
principale dominant d’ordre 2 est −8, donc pas de conclusion.
Dans le point (−1, 0), la mineure principale dominant d’ordre 1 est −4 et la mineure
principale dominant d’ordre 2 est 8, donc Hf (−1, 0) est d.n. et f est concave au voisinage
de (−1, 0). Donc ce point est un maximum local. Le maximum n’est pas global puisque
1 √ √ 1
f (−1, 0) = , mais par exemple f ( 2, 1) = 2 > .
2 2
e ∞ 3
La fonction f est C sur R . Les conditions de première ordre sont :

∂f

 (x̂, ŷ, ẑ) = ẑ + 2x̂ = 0
∂x



 ∂f
(x̂, ŷ, ẑ) = −1 + ẑ + 2ŷ = 0,
 ∂y
 ∂f (x̂, ŷ, ẑ) = x̂ + ŷ + 6ẑ = 0



∂z
La seule solution est (1/20, 11/20, −1/10).
Pour les conditions
 de second ordre, nous allons calculer la hessienne de f qui est
2 0 1
Hf (x, y) = 0 2 1. La mineure principale dominante d’ordre 1 est 2 > 0. La mineure
1 1 6
CHAPITRE 12. EXTREMA LIBRES 134

principale dominante d’ordre 2 est 4 > 0 et la mineure principale d’ordre 3 est 20 > 0,
donc Hf est d.p. et f est convexe. Le point (1/20, −1/10, 11/20) est un minimum global.
f f est C ∞ sur R2 . Les conditions de première ordre sont :

1 − x̂2 + ŷ 2

∂f
 (x̂, ŷ) = = 0,


∂x (1 + x̂2 + ŷ 2 )2
∂f 2x̂ŷ
 (x̂, ŷ) = − =0


∂y (1 + x̂2 + ŷ 2 )2

Les solutions sont (1, 0) et (−1, 0).

On a que f (1, 0) = 1/2 et
x
f (x, y) = ≤ 1/2,
1 + x2 + y 2
↔ 2x ≤ 1 + x2 + y 2 ,
↔ 0 ≤ (x + 1)2 + y 2

qui est vrai.

On a que f (−1, 0) = −1/2 et
x
f (x, y) = ≥ −1/2,
1 + x2 + y 2
↔ 2x ≥ −1 − x2 − y 2 ,
↔ (x + 1)2 + y 2 ≥ 0

qui est aussi vrai. Donc (1, 0) est un maximum global et (−1, 0) est un minimum global.
g La fonction f est C ∞ sur R++ × R.
Les conditions de première ordre sont :
∂f

 (x̂, ŷ) = ŷ ln(x̂) + ŷ = 0

∂x
∂f
 (x, y) = 2ŷ + x̂ ln(x̂) = 0

∂y

Les solutions sont (1, 0) et (e−1 , e−1 /2).

Pour les conditions  de second ordre, calculons la hessienne de f , Hf (x, y) =
 y
x ln(x) + 1
. Les mineures principales changent de signe quant y change de
ln(x) + 1 2
signe, donc f est ni concave, ni convexe.
 
0 1
Dans (1, 0) nous avons la hessienne , pas de conclusion dans ce cas.
1 2
 
−1 −1 1/2 0
Dans (e , e /2) nous avons la hessienne . Les valeurs propres sont 1/2 et 2
0 2
donc Hf est d.p. dans (e−1, e−1 /2)  donc c’est un minimum local. Ce point n’est pas
1 1 1 −1
minimum global puisque, f , = − 2 et, par exemple f (e, −1) = 1 − e < 2 .
e 2e 4e 4e
 
∞ 2 −2 0
2 La fonction f est C dans R (fonction polynôme). La hessienne de f est Hf = .
0 −6
La mineure principale dominante d’ordre 1 est −2 < 0 et la mineure principale dominante
d’ordre 2 est 12 > 0 donc f est concave.
CHAPITRE 12. EXTREMA LIBRES 135

Les conditions de première ordre donnent

∂f

 (x, y) = −2(x − 1) = 0,

∂x
∂f
 (x, y) = −6y = 0

∂y
Donc (1, 0) est un maximum global.
3 a La fonction f est C ∞ dans R2 .
Les conditions de première ordre sont :

 ∂f (x̂, ŷ) = −2x̂e−(x̂2 +ŷ2 ) = 0,

∂x
∂f
 (x̂, ŷ) = −2ŷe−(x̂2 +ŷ2 ) = 0

∂x
La solution de ces équations est (0, 0). C’est un maximum global parce que c’est le
maximum global de −(x2 + y 2 ) et le fonction "exp() est monotone. #
2 2 2 2
(4x2 − 2)e−(x +y ) 4xye−(x +y )
b La hessienne de cette fonction est Hf (x, y) = 2 2 2 2 .
4xye−(x +y ) (4y 2 − 2)e−(x +y )
Pour tous les valeurs de (x, y) dans la boule, le premier mineur principal de Hf (x, y)
2 2 1 2 2
est < 0 et le second vaut (−8(x2 + y 2 ) + 4)e−(x +y ) > (−8 + 4)e−(x +y ) = 0, d’où
2
Hf (x, y) est d.n. ∀(x, y) ∈ R2 et f est concave dans la boule.
4 ∀α ̸= 0, f est C ∞ dans R3 .
Les conditions de premières ordre sont :
∂f

 (x̂, ŷ, ẑ) = 2x̂eŷ + αẑ 2 ex̂ = 0,
∂x



 ∂f
(x̂, ŷ, ẑ) = x̂2 eŷ + 2ŷeẑ = 0,
 ∂y
 ∂f (x̂, ŷ, ẑ) = ŷ 2 eẑ + 2αẑex̂ = 0.



∂z
Dans le point (0, 0, 0) nous obtenons

0 = 0

0 = 0,

0=0


Donc
 y (0, 0,2 0)x est une ysolution pour xn’importe  qu’elle α. La hessienne de f est H  f (x, y, z) 
=
2e + αz e 2xe 2αze 2 0 0
 2xey x2 ey + 2ez 2ez . Dans le point (0, 0, 0) nous obtenons : 0 2 0 .
2αze x 2ye z 2 z
y e + 2αe x 0 0 2α
Tous les mineures principales dominante sont > 0 si α > 0. Si oui, le point (0, 0, 0) est
un minimum locale. En outre, ce minimum est global puisque, pour α > 0, f (x, y, z) ≥
f (0, 0, 0) = 0, ∀(x, y, z) ∈ R3 .
La hessienne est indéfinie si α < 0.
Nous essayons de minimiser le fonction K 2 2
P
5 i=1 (x − xi ) + (y − yi ) par rapport a x et y. Alors
les conditions de première ordre sont :
(P
K
2(x̂ − xi ) = 0,
Pi=1
K
i=1 2(ŷ − yi ) = 0.

Donc x̂ = K1 K 1 PK
P
i=1 xi et ŷ = K i=1 yi .
 13 Extrema liés : contraintes d’égalité

13.1 Lagrange

Figure 13.1 – Joseph-Louis Lagrange (1738-1813)

Source : Wikipedia

Soient f, gj : D ⊂ Rn → R : (m, n ∈ N0 , j = 1, . . . , m) et c1 , . . . , cm ∈ R. On recherche les extrema de f (x), les

variables étant soumises aux contraintes gj (x) = cj ∀j = 1, . . . , m. Normalement, le nombre de contraintes m
est plus petit que le nombre de variables n.

g1 (x) = c1


.
max(min)f (x) s.c. ..
x 

g (x) = c
m m

(s.c. = sous contrainte(s))

 EXEMPLE
Soit f (k, ℓ) = k 1/5 ℓ3/5 une fonction de production.
 prix de k = 1
 prix de ℓ = 2.
On veut maximiser le production étant donné un coût de 10 euros.

max k 1/5 ℓ3/5 s.c. k + 2ℓ = 10.

k,ℓ

136
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 137

Si λ = (λ1 , . . . , λm ) ∈ Rm posons le Lagrangien :

L(x, λ) = fx − λ1 (g1 (x) − c1 ) . . . − λm (gm (x) − cm ),
Xm
= f (x) − λj (gj (x) − cj ), ,
j=1

On appelle λ1 , . . . , λm les multiplicateurs de Lagrange.

On a la condition nécessaire du premier ordre :

Proposition: Théorème de Lagrange

Soient f, gj : D ⊂ Rn → R (n ∈ N0 , j = 1, . . . , m).
Si
 f et g sont C 1 au voisinage d’un point x
b intérieur à D.
 La jacobienne de g en x
b, (Jg (b
x)) est de rang maximum (c-à-d de rang m),
 f est extremum en x
b sous les contraintes g1 (x) = c1 , . . . , gm (x) = cm
Pm
 L(x, λ) = f (x) − i=1 λi (gj (x) − cj ).
alors (↓)
b∗ ∈ R tels que ∂L
 ∃λ
b1 , . . . , λ
m (b b = 0, ∀i = 1, . . . , n
x, λ)
∂xi

ª REMARQUE
 L est la fonction lagrangienne ou le Lagrangien du problème.
∂L
 On a ∀i ≤ n, (b b = 0 et ∀j ≤ m, gj (b
x, λ) x) = cj .
∂λj
x ∈ Rn et λ
Donc nous obtenons n + m conditions et n + m inconnues (b b ∈ Rm )

W PREUVE
Donnons la preuve pour n = 2 et m = 1, c-à-d on a deuxvariables x, y et une contrainte g(x, y) = c.
∂g ∂g ∂g ∂g
Ici, la Jacobienne de g est ∇g(bx) = (b
x, yb) (b
x, yb) qui est du rang 1 ssi (b
x, yb) ou (b
x, yb)
∂x ∂y ∂x ∂y
∂g
est non nulle. Supposons x, yb) ̸= 0.
(b
∂y
Démontrons qu’il existe λ∗ , solution du système :
∂L ∂f ∂g
x, yb, λ∗ ) =
(b x, yb) − λ∗ (b
(b x, yb) = 0
∂x ∂x ∂x
∂L ∂f ∂g
x, yb, λ∗ ) =
(b x, yb) − λ∗ (b
(b x, yb) = 0
∂y ∂y ∂y

∂g
Le point (b x, yb) − c) = 0. Étant donné que
x, yb) satisfait la condition (g(b x, yb) ̸= 0 et g est C 1 au
(b
∂y
voisinage de (b
x, yb), la théorème de fonction implicite nous donne l’existence d’une fonction y = h(x)
au voisinage de x b tel que :
g(x, h(x)) − c = 0 et yb = h(b
x).
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 138

On a aussi :
∂g
(b
x, yb)
x) = − ∂x
h′ (b (1)
∂g
(b
x, yb)
∂y

Substituons la fonction y = h(x) dans f qui nous donne une fonction d’une variable x satisfaisant
g(x, h(x)) = 0 au voisinage de x
b.

F (x) = f (x, h(x)),

et cette fonction possède un extremum libre en x

b. On obtient la condition nécessaire de premier
ordre :
∂f ∂f
0 = F ′ (b
x) = (b
x, h(b
x)) + (b x))h′ (b
x, h(b x) = 0 (2)
∂x ∂y

Substituons (1) dans (2) :

∂g
∂f ∂f (b
x, yb)
x, yb) −
(b (b
x, yb) ∂x = 0.
∂x ∂y ∂g
(b
x, yb)
∂y
∂f
 
(b
x, yb) 
∂f  ∂y  ∂g (b
↔ (b x, yb) − 

 ∂x x, yb) = 0
∂x ∂g
(bx, yb)
∂y
Définissons :
∂f
 
 ∂y (b
x, yb) 
∂g
λ=
b  ∈R parce que (b
x, yb) ̸= 0
∂g  ∂y
(b
x, yb)
∂y

Ce λ
b vérifie bien les équations :

∂f b ∂g (b
x, yb) − λ
(b x, yb) = 0,
∂x ∂x
∂f b ∂g (b
x, yb) − λ
(b x, yb) = 0.
∂y ∂y

 EXEMPLE
Soit f : R2 → R : (x, y) → f (x, y) = xy, soit g : R2 → R : (x, y) → g(x, y) = 2x + 4y. Considérons
la problème :

max(min)f (x, y) s.c. g(x, y) = 10.

x,y

∂g ∂g
Les fonctions f et g sont C 1 sur R2 parce que ce sont des polynômes ; (x, y) = 2x et (x, y) = 8y
∂x ∂y
et la jacobienne de g est de rang 1 sauf à l’origine (qui ne satisfait pas la contrainte).
Le Lagrangien est ici L(x, y, λ) = xy − λ(2x + 4y − 10).
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 139

La condition nécessaire citée ci-dessus impose :

∂L

b = yb − 2λ
 ∂x (bx, yb, λ)

 b=0

 ∂L
(b
x, yb, λ)
b =x b − 4λb=0
 ∂y
 ∂L (b


 b = 2x + 4y − 10 = 0
x, yb, λ)
∂λ

Discussion : λb = yb = xb → x
b = 2b
y . Alors yb = 5/4 et x
b = 5/2
2 4
On obtient ainsi un candidat extremum sous contrainte donnés par :

(b
x, yb, λ)
b = (5/2, 5/4, 5/8),

 EXEMPLE

max k 1/5 ℓ3/5 s.c. k + 2ℓ = 10.

k,ℓ

Le fonction f (k, ℓ) et le fonction g(k, ℓ) sont C 1 sur R2 .

Le Lagrangien est : L(k, ℓ, λ) = k 1/5 ℓ3/5 − λ(k + 2ℓ − 10).
Les conditions de 1ère ordre sont :
∂L b = 1 k̂ −4/5 ℓ̂3/5 − λ̂ = 0
 (k̂, ℓ̂, λ) 5
∂k
∂L b = 3 k̂ 1/5 ℓ̂−2/5 − 2λ̂ = 0
 (k̂, ℓ̂, λ) 5
∂ℓ
 k̂ + 2ℓ̂ = 10
Il y a un candidat maximum (minimum) (k̂, ℓ̂, λ̂) = ( 25 , 15
4 , 0.2124)

13.2 Conditions suffisantes du second ordre

Le théorème de Lagrange est une condition nécessaire du 1ère ordre relative au problème d’optimisation d’une
fonction de plusieurs variables soumises à des contraintes de type égalité.

On a, comme pour le cas des extrema libres des “conditions suffisantes du second ordre” pour tenter de “classer”
les éventuels points satisfaisant le théorème de Lagrange.
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 140

Proposition: conditions suffisantes global d’ordre 2

Soient f, gj : D ⊂ Rn → R(n ∈ N0 ).
Si
 f et gj sont C 1 sur D qui est un ensemble convexe.
 x
b est un point intérieur de D et satisfait les contraintes gj (b x) = cj , ∀j ∈ {1, . . . , m}.

 il existe λ bm ∈ R tel que ∂L (b

b1 , . . . , λ b = 0, ∀i = 1, . . . , n
x, λ)
∂xi
 le lagrangien L(x, λ) b = f (x) − Pm λ
j=1 j (gj (x) − cj ) est concave (resp. convexe) en x sur D.
b
alors (↓)
 f présente en x
b un maximum (resp. minimum) global sous les contraintes gj (x) = cj .

W PREUVE

f, gj sont C 1 et L(x, λ∗ ) est concave (convexe) sur D, ∀j ≤ m, gj (b

x) = cj et
Hypothèse ∂L
∀i ≤ n (b
x, λ)
b = 0.
∂xi

Thèse ∀x ∈ D avec gj (x) = cj , ∀j ≤ m on a f (x)) ≤ f (b

x).

Remarquons que L(x) = f (x) − m ∗ 1

P
j=1 λj (gj (x) − cj ) est C sur D.
Soit x ∈ D et gj (x) = cj , ∀j ≤ m. Nous devons montrer que f (x) ≤ f (b
x).
m
X
f (x) = f (x) − bj (gj (x) − cj )
λ
| {z }
j=1
=0
= L(x, λ)
b
n
X ∂L
≤ L(b
x, λ)
b + x)(xi − x
(b bi ) L(x, λ)
b est concave
∂xi
i=1 | {z }
=0
= L(bx, λ),
b
X m
x) −
= f (b λ x) − cj ),
bj (gj (b
| {z }
j=1
=0
= f (b
x).

x) ≥ f (x) pour tout x ∈ D avec gj (x) = cj , ∀j = 1, . . . , m.

Alors f (b

Considérons la hessienne de la lagrangien par rapport a x1 , . . . , xn (fixons λ = λ)

b :
 2 2L

∂ L ∂
 ∂x2 (x, λ) ... (x, λ)
b b
1 ∂x1 ∂xn 
.. ..
 
HL (x, λ)
b = .

 2 .
 ··· .
2

 ∂ L ∂ L 
(x, λ) . . .
b
2
(x, λ)
b
∂xn ∂x1 ∂xn
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 141

Proposition: conditions suffisantes local d’ordre 2. a)

Soient f, gj : D ⊂ Rn → R(n ∈ N0 ).
Si
 f et gj sont C 2 au voisinage d’un point x
b qui est un point intérieur à D.
 x
b satisfait les contraintes gj (x) = cj , ∀j ∈ {1, . . . , m}.

 Il existe λb = (λ bm ) ∈ Rm tel que ∂L (b

b1 , . . . , λ b = 0, ∀i = 1, . . . , n
x, λ)
∂xi
 HL (bx, λ)
b est d.n. (resp. d.p) en x b.
alors (↓)
 f présente en x
b un maximum (resp. minimum) local sous le contraintes gj (x) = 0, ∀j ∈ {1, . . . , m}.

W PREUVE
Si f et gj (j = 1, . . . , m) sont C 2 au voisinage de x
b, elles y sont aussi C 1 . Si HL (b
x, λ)
b est d.n.
(resp. d.p.) alors la fonction L(x, λ)
b est concave (resp. convexe) dans un voisinage convexe de x b.
Alors la conclusion suive des conditions suffisantes si on restreint le domaine de f et g1 , . . . , gm à
ce voisinage.

ª REMARQUE
Cette condition suffisante relativement simple (similaire à la condition) suffisante pour les extrema
libres) est plutôt “forte” : Si la matrice HL (x, λ)
b n’est ni d.n., ni d.p., la proposition ne permet pas
de conclure.

 EXEMPLE

max k 1/5 ℓ3/5 s.c. k + 2ℓ = 10.

k,ℓ

Nous avons un candidat maximum (k̂, ℓ̂, λ̂) = ( 25 , 15 2

4 , 0.2124). Le lagrangien est C et la Hessienne
est :
 −4 −9/5 3/5 3 −4/5 −2/5

25 k ℓ 25 k ℓ
HL (k, ℓ, λ̂) = 3 −4/5 −2/5 6 1/5 −7/5
25 k ℓ − 25 k ℓ

Cette matrice est s.d.n. donc (k̂, ℓ̂) est un maximum global.

 EXEMPLE
Dans l’exemple présenté avant (optimisation de f (x, y) = xy sous la contrainte g(x, y) = 2x + 4y =
10) on trouvait la solution potentielle :

(b
x, yb, λ)
b = (5/2, 5/4, 5/8).

On obtient aussi la matrice :

 
0 1
HL (b
x, yb, λ) =
b .
1 0
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 142

Les valeurs propres de cette matrice sont 1 et −1 donc HL (b

x, yb, λ)
b n’est ni d.p. ni d.n. (pas de
conclusion).

Il existe une condition suffisante alternative moins forte : celle de la “hessienne bordée”. Nous l’énonçons ci-
dessous uniquement pour le cas particulier d’un problème d’optimisation d’une fonction de deux variables f (x, y)
soumise à une seule contrainte g(x, y) = c. On définit L(x, y, λ) = f (x, y) − λ(g(x, y) − c).

Proposition: conditions suffisantes local d’ordre 2. b)

Soit f, g : D ⊂ R2 → R
Si :
 f et g sont C 2 au voisinage d’un point (b
x, yb) intérieur à D.
 (b
x, yb) satisfait la contrainte g(x, y) = c.
b ∈ R tel que ∂L (b
 ∃λ b = ∂L (b
x, yb, λ) x, yb, λ)
b =0
∂x ∂y
 ∂g ∂g 
0
 ∂x ∂y 
 ∂g ∂ 2 L ∂2L 
 det  > (resp. <)0,
 
 ∂x ∂x2 ∂x∂y 

 ∂g ∂ 2 L ∂2L 
∂y ∂y∂x ∂y 2 (bx,by,λ) b

alors (↓)
 f présente en (b
x, yb) un maximum (resp. minimum) local sous la contrainte gj (x) = cj , ∀j ∈ {1, . . . , m}.

ª REMARQUE
 ∂g ∂g 
0
 ∂x ∂y 
 ∂g ∂ 2 L ∂2L 
 La matrice   est la “Hessienne bordée”.
 
 ∂x ∂x 2 ∂x∂y 
 ∂g ∂ 2 L 2
∂ L
∂y ∂y∂x ∂y 2
 Le déterminant de la hessienne bordée est :
 2 2  2 2
∂g ∂g ∂ 2 L ∂g ∂ L ∂g ∂ L
2 − 2
− ,
∂x ∂y ∂x∂y ∂x ∂(y) ∂y ∂(x)2
∂g
 
 
∂g ∂g
=− − HL (bx, yb, λ∗ )  ∂y  .
 
∂y ∂x ∂g
−
∂x

Si HL (b
x, yb, λ)
b est d.p. (resp. d.n.), la forme quadratique est > 0 (resp. < 0). Alors le déterminant
de la hessienne bordée est < 0 (resp. > 0).
 Cette proposition est seulement applicable si on a deux variables et une seule contrainte !
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 143

 EXEMPLE
Revenons au problème de l’optimisation de f (x, y) = xy sous la contrainte g(x, y) = 2x + 4y = 10.
En (b
x, yb, λ)
b = (5/2, 5/4, 5/8), la Hessienne bordée est :
 
0 2 4
2 0 1
4 1 0

dont le déterminant vaut 16 > 0 et (b

x, yb) = (5/2, 5/4) présente donc un maximum local sous
contrainte en ces points.

13.3 Interprétation des multiplicateurs de Lagrange

Soient f, gj (j = 1, . . . , m) : D ⊆ Rn → R(m, n ∈ N0 ). On recherche les extrema de f (x), les variables étant

soumises aux contraintes gj (x) = cj .

g1 (x) = c1

.

max(min)f (x) s.c. .. .
x 

g (x) = c
m m
Pm
On a L(x, λ) = f (x) = j=1 λj (gj (x) − cj ) (λj ∈ R, ∀j = 1, . . . , m)

Chaque multiplicateur de Lagrange à l’optimum, λ

bj peut être interprété de la façon suivante :

La valeur de λ
bj est la variation marginal de la valeur optimale de la fonction correspondante à une augmentation
unitaire du niveau cj dans la contrainte gj (x) = cj . En économie on appelle cela “le prix fictif ” de la contrainte.

Proposition
Soient f, g : D ⊆ Rn → R (m ∈ N0 ), cj ∈ R, ∀j.
Si
 le problème d’optimisation de f (x) sous les contraintes gj (x) = cj a une solution en x
b(c) =
(b
x1 (c), . . . , x
bn (c)) avec c = (c1 , . . . , cm ).
 les multiplicateurs de Lagrange associés étant λ bj (c) (j = 1, . . . , m).
 les x
bi (c) sont différentiables au voisinage de c,
 f et gj sont C 1 au voisinage de x
b(c) intérieur à D.
 la Jacobienne de g = (g1 , . . . , gm ) est de rang maximum (= m) en x
b(c),
alors
 si V (c) = f (b
x(c)) on a ∀j = 1, . . . , m :

∂V
(c) = λ
bj (c).
∂cj

W PREUVE
(pour n = 2 et m = 1) Considérons la problème :
max(min)f (x, y) s.c. g(x, y) = c.
x,y
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 144

Avec solution (b
x(c), yb(c)). Les conditions de Lagrange donnent :

∂L ∂f b ∂g (b
(b
x(c), yb(c), λ(c))
b = x(c), yb(c)) − λ(c)
(b x(c), yb(c)) = 0,
∂x ∂x ∂x
∂L ∂f b ∂g (b
(b
x(c), yb(c), λ(c))
b = x(c), yb(c)) − λ(c)
(b x(c), yb(c)) = 0.
∂y ∂y ∂y

On a V (c) = f (b
x(c), yb(c)). Par la règle de dérivation des fonctions composées, on a :

∂f ∂f
V ′ (c) = (b x′ (c) +
x(c), yb(c))b (b y ′ (c),
x(c), yb(c))b
∂x ∂y
 
∂g ′ ∂g ′
= λ(c)
b (b
x(c), yb(c))b
x (c) + (bx(c), yb(c))b y (c) .
∂x ∂y

On a aussi que pour tous c :

g(b
x(c), yb(c)) = c.

et en dérivant chaque partie par rapport a c, on obtient :

∂g ∂g
(b x′ (c) +
x(c), yb(c))b (b y ′ (c) = 1.
x(c), yb(c))b
∂x ∂y
Alors :
 
′ ∂g ′ ∂g ′
V (c) = λ(c)
b (b
x(c), yb(c))b
x (c) + (b
x(c), yb(c))b
y (c) ,
∂x ∂y
| {z }
=1
= λ(c).
b

 EXEMPLE

max xy s.c 2x + 4y = c.

Toutes les conditions sont satisfaites.

L(x, y; λ) = xy − λ(2x + 4y − c).

Les conditions nécessaires :


yb − 2λ = 0
 b
b − 4λ
x b=0

2b
x + 4by=c


Alors x y et yb = 8c , x
b = 2b b = 4c , λ
b= c
16 ,
qui est un maximum local.
cc c2
La valeur maximum est V (c) = f (b
x(c), yb(c)) = = .
48 32
Remarquons que :
c
V ′ (c) = = λ(c).
b
16
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 145

13.4 Exercices et réponses

å EXERCICSES
1 Soient f (x, y) = x2 + (y − 1)2 et g(x, y) = x2 − 4y

a Représenter, sur un même graphique, les coures de niveau K de f pour K = −1, 0, 1 et

4 et la courbe d’équation g(x, y) = 0.
b Déterminer, par la méthode de Lagrange, les éventuels extrema de f (x, y) sous la
contrainte g(x, y) = 0.
c Interpréter graphiquement les résultats obtenus en utilisant b).

2 Soient f (x, y) = 7 − y + x2 et g(x, y) = x + y.

a Représenter, sur un même graphique, les courbes de niveau K de f pour K = 0, 3 et 7

et la courbe d’équation g(x, y) = 0.
b Déterminer, par la méthode de Lagrange, les éventuels extrema de f (x, y) sous la
contrainte g(x, y) = 0.
c Interpréter graphiquement les résultats obtenus en utilisant b).

3 Soient f (x, y) = ln x et g(x, y) = x2 + y 2 − 1

d Représenter, sur un même graphique, les courbes de niveau K de f pour K = −1, 0 et

1 et la courbe d’équation g(x, y) = 0.
e Déterminer, par la méthode de Lagrange, les éventuels extrema de f (x, y) sous la
contrainte g(x, y) = 0.
f Interpréter graphiquement les résultats obtenus en utilisant b).

4 Soit U (x, y) = x · y la fonction d’utilité d’un consommateur. Si les prix unitaires des deux
biens consommés sont respectivement p1 et p2 (avec p1 et p2 > 0) et que le consommateur
dispose d’un budget B > 0, déterminer les quantités qu’il doit consommer pour atteindre une
utilité maximum.
Calculer ensuite cette utilité maximum et vérifier l’interprétation du multiplicateur de La-
grange.
5 Déterminer, par la méthode de Lagrange, les extrema de la fonction f (x, y, z) = x2 + y 2 + z 2
souls les contraintes x + y + z = 3 et z = 1.
6 Déterminer, par la méthode de Lagrange, les extrema de la fonction f (x, y, z) = x2 + y 2 + z 2
(x + y − 2)2
sous les contraintes + z − 1 = 0 et z = 1. Comparer les résultats obtenus avec
2
ceux de l’exercise 5 ci-dessus.
7 Déterminer, par la méthode de Lagrange, les extrema de la fonction f (x, y, z) = (x − 1)2 +
y 2 + z 2 sous la contrainte x + y + z = 4.
8 Discuter, selon les valeurs du paramètre réel α, le nombre et la nature des extrema de f (x, y) =
x2 + 2αxy + y 2 souls la contrainte x + y = 1.
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 146

´ RÉPONSES
1 a Courbe de niveau de f avec valeur −1 n’existe pas. Courbe de niveau K = 0 en noir,
courbe de niveau K = 1 en rouge et courbe de niveau K = 4 en bleu. La courbe de
l’equation g(x, y) = 0 est en vert.
Y

K=0

Les fonctions f et g sont de classe C ∞ dans R2 et ∇g(x, y) = 2x −4 qui est de

 
b
rang maximum ∀(x, y) ∈ R. De là, si L(x, y, λ) = f (x, y) − λg(x, y) les seuls candidates
extremum souls contrainte sont les éventuelles solutions du système :
∂L

 (x̂, ŷ, λ̂) = 2x̂ − 2λ̂x̂ = 0
∂x



 ∂L
(x̂, ŷ, λ̂) = 2(ŷ − 1) + 4λ̂ = 0
 ∂y
 ∂L (x̂, ŷ, λ̂) = x̂2 − 4ŷ = 0.



∂λ
1
c’est-à-dire le point a (0, 0) avec λ̂ = .
2  
1 0
Le CS demande d’examiner la matrice HL (x, y, λ̂) = qui est d.p.
0 2
La fonction f (x, y) possède donc un minimum global (x̂, ŷ) sous la contrainte g(x, y) = 0.
x2
c Les points satisfaisant la contrainte g(x, y) = 0 sont ceux de la parabole y = . Les
4
courbes de niveau de f sont des circonférences concentriques centrées en (0, 1) dont le
rayon augmente avec le niveau. La courbe de niveau le plus petit qui ait une intersection
avec la parabole est celle qui passe par (0, 0) (elle est tangente à la parabole). Les
courbes de niveau plus élevés ont toutes des intersections non vides avec cette parabole.
En conséquence, f possède en effet un minimum souls la contrainte g(x, y) = 0 et
l’interprétation graphique permet en plus d’affirmer que celui-ci est global.
2 a Courbe de niveau de f avec valeur 0 en noir. Courbe de niveau K = 3 en rouge et courbe
de niveau K = 7 en bleu. L’équation g(x, y) = 0 en vert.
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 147

b Raisonnement semblable à ci-dessus, mais utilisation de la “hessienne bordée” nécessaire !

−1 1
 
. . .minimum local et global sous contrainte en , (avec λb = −1)
2 2
3 a Courbe de niveau K = −1 en rouge, K = 0 en vert et K = 1 en bleu. Équation
g(x, y) = 0 en noir.
Y

e−1 1 e X

dom f = (R+ ∞ et ∇g(x, y) = 2x 2y ne

 
b 0 ) × R. Sur cet ensemble, f et g sont C
s’annule pas, donc est de rang maximum. De là, si L(x, y, λ) = f (x, y) − λg(x, y), les
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 148

seuls candidats extremum sous contrainte sont les éventuelles solutions du système.
 ∂L 1
 (x̂, ŷ, λ̂) = − 2λ̂x̂ = 0
 ∂x x̂


∂L
(x̂, ŷ, λ̂) = −2λ̂ŷ = 0
 ∂y


 2
x + y2 = 1
1
qui sont dans dom f , c’est-à-dire le point a = (1, 0) avec λ̂ = .
 −1 2 
− 1 0
La CS demande d’examiner la matrice HL (x, y, λ̂) = x2 qui est d.n. dans le
0 −1
domaine de f . Alors la fonction f (x, y) possède donc un maximum global en (1, 0) sous
la contrainte g(x, y) = 0.
c Les points satisfaisant la contrainte g(x, y) = 0 sont ceux du cercle x2 +y 2 = 1, centré en
(0, 0) et de rayon 1. Les courbes de niveau K de f sont des droites parallèles à l’axe des
y, d’équation x = eK , donc plus le niveau est élevé, plus la courbe correspondante est “à
droite”. Le point (1, 0) correspond au point satisfaisant la contrainte qui se trouve sur
la courbe de niveau de f la plus élevée (K = 0). De là, f possède en effet un maximum
souls la contrainte g(x, y) = 0. et l’interprétation graphique permet en plus d’affirmer
que celui-ci est global.
4 U et p1 x + p2 y sont C ∞ dans R2 . . .On a L(x, y, λ) = xy − λ(p1 x + p2 y − B) . . .
 
B B B
Maximum local sous contrainte en (x̂(B), ŷ(B)) = , avec λ̂ = .
2p1 2p2 2p1 p2
B2
On a U (x̂(B), ŷ(B)) = donc :
4p1 p2
d B
[U (x̂(B), ŷ(B))] = = λ̂.
dB 2p1 p2

5 On a g(x, y, z) = x + y + z − 3 et g2 (x, y, z) = z − 1.
Problème : optimiser f (x, y, z) sous les contraintes g1 (x, y, z) = 0 et g2 (x, y, z) = 0.
 
∞ 3 1 1 1
Les fonctions f , g1 et g2 sont de classe C dans R (polynômes) et Jg (x, y, z) =
0 0 1
3
qui est de rang maximum ∀(x, y, z) ∈ R . De là, si L(x, y, z, λ) = f (x, y, z) − λ1 g1 (x, y, z) −
λ2 g2 (x, y, z), les seuls candidats extremum sous contrainte sont les éventuelles solutions du
système :


 2x̂ − λ̂1 = 0

2ŷ − λ̂1 = 0



2ẑ − λ̂1 − λ̂2 = 0

x̂ + ŷ + ẑ = 3





ẑ = 1


c’est-à-dire le point (x̂, ŷ, ẑ) = (1, 1, 1) avec λ̂1 = 2 et λ̂2 = 0.

 
2 0 0
La CS demande d’examiner la matrice HL (x, y, z, λ̂) = 0 2 0 qui est d.p.
0 0 2
La fonction f (x, y, z) possède donc un minimum global en (x̂, ŷ, ẑ) sous les contraintes
g1 (x, y, z) = 0 et g2 (x, y, z) = 0.
CHAPITRE 13. EXTREMA LIÉS : CONTRAINTES D’ÉGALITÉ 149

6 Même fonction à optimiser que ci-dessus et contraintes équivalentes, donc même solution,
mais le système résultant de la CN de Lagrange est :

2x̂ − λ̂1 (x̂ + ŷ − 2) = 0
 


 
 2x̂ − λ̂1 (x̂ + ŷ − 2) = 0 
x̂ = 0
2ŷ − λ̂ (x̂ + ŷ − 2) = 0
  
1
2ŷ − λ̂1 (x̂ + ŷ − 2) = 0 ŷ = 0

 
 


  
2ẑ − 2λ̂1 z − λ̂2 = 0 ⇐⇒ 2ẑ − 2λ̂1 z − λ̂2 = 0 ⇐⇒ 2ẑ − 2λ̂1 z − λ̂2 = 0
 (x̂ + ŷ − 2) 2  
+ ẑ 2 − 1 = 0 x̂ + ŷ − 2 = 0 x̂ + ŷ − 2 = 0

  
  

 2 
 

ẑ = 1 ẑ = 1
  
z=1


qui est incompatible ! !

La raison de ceci est qu’il y a des points, dont (1, 1, 1) en lesquels la “jacobienne des contrain-
tes” n’est pas de rang maximum !
7 Minimum local (en fait global !) en (2, 1, 1) avec λ̂ = 2.
 
1 1
8 Si α ̸= 1, un seul candidat, le point , avec λ̂ = 1 + α. La fonction f y présente un
2 2
minimum global si −1 < α < 1, un minimum local sous contrainte si α ≤ −1 et un maximum
local sous contrainte si α > 1 (utiliser la hessienne bordée).
Si α = 1, f (x, y) = (x + y)2 et, sous la contrainte x + y = 1, est constante !
 14 Extrema liés : contraintes d’inégalité

14.1 Karush-Kuhn-Tucker

(a) William Karush (b) Harold Kuhn (c) Albert Tucker

(1917-1997) (1925-2014) (1905-1995)

Source : Wikipedia

Soient f, gj : D ⊂ Rn → R j = 1, . . . , m et m < n. On recherche les extrema de f , les variables étant soumises

aux contraintes d’inégalité : gj (x) ≤ cj .

g1 (x) ≤ c1


.
max(min)f (x) s.c. .. .
x 

g (x) ≤ c
m m

 EXEMPLE
Soit une firme d’électricité (monopoliste) qui produit q1 on peak et q2 off peak et a un capacité de
k.
 Prix on-peak : p1 = 400 − q1
 Prix off-peak : p2 = 380 − q2 .
 coût variable 20q1 + 20q2
 coût capacité 10k
Problème de maximisation de profit :
(
q1 ≤ k,
max (400 − q1 )q1 + (380 − q2 )q2 − 20q1 − 20q2 − 10k s.c. .
q1 ,q2 ,k q2 ≤ k

150
CHAPITRE 14. EXTREMA LIÉS : CONTRAINTES D’INÉGALITÉ 151

ª REMARQUE
 Si on a une contrainte h(x) ≥ c on peut le reformuler comme −h(x) ≤ −c.
 Si on a une contrainte h(x) = c on peut le reformuler comme h(x) ≤ c et −h(x) ≤ c.
 Si on a une contrainte xi ≥ 0 on peut le reformuler comme −xi ≤ 0.

Definition: Contrainte saturée

La contrainte gj (x) ≤ cj est saturée en x
b ssi gj (b
x) = cj .

Posons le Lagrangien :
m
X
L(x, λ) = f (x) − λj (gj (x) − cj ).
j=1

(λj ∈ R, ∀j = 1, . . . , m). On a la condition nécessaire du 1ère ordre (théorème de Karush, Kuhn et Tucker).

Proposition: Théorème de Karush, Kuhn et Tucker

Soient f, gj : D ⊂ Rn → R (m, n ∈ N0 ).
Si
 f et les gj sont C 1 au voisinage d’un point x
b intérieur à D.
 Si la jacobienne de g = (g1 , . . . , gm ) pour lesquels les contraintes correspondantes sont saturées en x
b
est de rang maximum en x b.
 Si f est maximum (resp. minimum) en x
b sous les contraintes gj (x) ≤ cj ,
alors (↓)
 ∃λb = (λ bm ) ∈ Rm tel que :
b1 , . . . , λ
∂L
 (b
x, λ)
b = 0, ∀i = 1, . . . , n
∂xi
 λ x) − cj ) = 0,
bj (gj (b ∀j = 1, . . . , m
 λj ≥ 0 (resp. λj ≤ 0)
b b ∀j = 1, . . . , m.

W PREUVE
(idée)

Hypothèse b est une solution de la problème maxx f (x) s.c .gj (x) ≤ cj , ∀j = 1, . . . , m
x

∂L
1. x, λ∗ ) = 0,
(b ∀i = 1, . . . , n
∂xi
Thèse 2. λ x) − cj ) = 0,
bj (gj (b ∀j = 1, . . . , m
bj ≥ 0 (resp. λ
3. λ bj ≤ 0) ∀j = 1, . . . , m.
CHAPITRE 14. EXTREMA LIÉS : CONTRAINTES D’INÉGALITÉ 152

Nous savons que x

b est une solution de la problème suivante.

g1 (x) ≤ c1


.
max(min)f (x) s.c. .. .
x 

g (x) ≤ c
m m

On peut introduire les variables auxiliaires et modifier les inégalités : gj (x) + (zj )2 = 0. Note que
(zj )2 ≥ 0. La problème équivalente est donc :

2
g1 (x) + (z1 ) = c1


.
max(min)f (x) s.c. .. .
x,z 
g (x) + (z )2 = c

m m m

Ceci est une problème d’optimisation sous contraintes d’égalité. Le Lagrangien L

e de cette problème
est :
m
X
e z, λ) = f (x) −
L(x, λj (gj (x) + (zj )2 − cj ).
j=1

Notons que
m
X
e z, λ) = L(x, λ) −
L(x, λj (zj )2 .
j=1

Les conditions nécessaires de première ordre sont :

X ∂gj m
∂L
e
b = ∂L (b b = ∂f (b
(b
x, zb, λ) x, λ) x) − λ
bj (b
x) = 0 (1)
∂xi ∂xi ∂xi ∂xi
j=1

∂L
e
b = −2λ
(b
x, zb, λ) bj z̄j = 0. (2)
∂zj

Conditions (1) est condition 1. de la thèse.

Condition (2) implique que ∀j = 1, . . . m :
bj (z̄j )2 = 0 → λ
λ x) − cj ) = 0.
bj (gj (b

Ça donne condition 2. de la thèse.

Par la propriété de λ
bj comme des multiplicateurs on a aussi que :

bi ≥ 0.
λ

qui donne condition 3. de la thèse.

ª REMARQUE
∂L
 On a (b b = cj − gj (b
x, λ) x) ≥ 0, ∀j = 1, . . . , m puisque les contraintes sont vérifiées en x
b.
∂λj
 Si la contrainte gj (b
x) n’est pas saturée (gj (b
x) < cj ), nous devons avoir que λbj = 0.
Si la contrainte n’est pas saturée, le prix fictif de la contrainte est nul.
CHAPITRE 14. EXTREMA LIÉS : CONTRAINTES D’INÉGALITÉ 153

 Si λ
bj > 0, nous avons que gj (b x) = cj ,
Si le prix fictif de la contrainte n’est pas nul, la contrainte doit être saturée.

 EXEMPLE
Soit f : R2 → R : (x, y) → f (x, y) = y − 2x, soit g : R2 → R : (x, y) → g(x, y) = x2 − y. Considérons
la problème :

max(min)f (x) s.c. g(x, y) ≤ −3.

x

∂g ∂g
Les fonctions f et g sont C 1 sur R2 , = 2x et = −1 et la jacobienne de g est de rang 1 en
∂x ∂y
tout point. Le Lagrangien est ici L(x, y, λ) = y − 2x − λ(x2 − y + 3).
La condition nécessaire citée ci-dessus impose :
 ∂L
 = −2 − 2λb
bx = −2(1 + λb
bx) = 0 (1)
 ∂x


∂L
=1+λ b=0 (2)


 ∂y
b 2
x − yb + 3) = 0
λ(b (3)

Discussion : Dans ce cas, les conditions imposent que la contrainte soit saturée puisque (2) →
b = −1 ̸= 0. En remplaçant cette valeur de λ
λ b dans (1), on obtient x
b = 1 et, par (3), yb = 4.
b = −1 < 0. Ce point est
On obtient ainsi un seul candidat extremum sous contrainte : (1, 4) avec λ
un candidat minimum sous contrainte.

 EXEMPLE
(
q1 − k ≤ 0,
max (400 − q1 )q1 + (380 − q2 )q2 − 20q1 − 20q2 − 10k s.c. .
q1 ,q2 ,k q2 − k ≤ 0

La fonction f (q1 , q2 , k) est C 1 et les contraintes sont aussi C 1 sur R3 . Le Lagrangien est :
L(q1 , q2 , k, λ1 , λ2 ) = (400 − q1 )q1 + (380 − q2 )q2 − 20q1 − 20q2 − 10k − λ1 (q1 − k) − λ2 (q2 − k).
Les conditions de 1ère ordre sont :
∂L
 (q̂1 , q̂2 , k̂, λ̂1 , λ̂2 ) = 380 − 2q̂1 − λ̂1 = 0
∂q1
∂L
 (q̂1 , q̂2 , k̂, λ̂1 , λ̂2 ) = 360 − 2q̂2 − λ̂2 = 0
∂q2
∂L
 (q̂1 , q̂2 , k̂, λ̂1 , λ̂2 ) = −10 + λ̂1 + λ̂2 = 0
∂k
 λ̂1 (q̂1 − k) = 0
 λ̂2 (q̂2 − k) = 0
 λ̂1 ≥ 0, λ̂2 ≥ 0, q̂1 ≤ k, q̂2 ≤ k.
Il y a un seul candidat qui satisfait tous les conditions de K − T : (q̂1 , q̂2 , k̂, λ̂1 , λ̂2 ) =
(185, 180, 185, 10, 0).
CHAPITRE 14. EXTREMA LIÉS : CONTRAINTES D’INÉGALITÉ 154

14.2 Conditions suffisantes d’ordre 2

Proposition: conditions suffisantes globales d’ordre 2

Soient f, gj : D ⊂ Rn → R(n ∈ N0 ).
Si
 f et gj sont C 1 sur D et x
b est un point intérieur à D.
 x
b satisfait les contraintes gj (b x) ≤ cj , ∀j ∈ {1, . . . , m}.

 il existe λ bm ∈ R tel que ∂L (b

b1 , . . . , λ b = 0, ∀i = 1, . . . , n et λ(g
x, λ) x) − cj ) = 0, ∀j = 1, . . . , m.
b j (b
∂xi
b = f (x) − Pm λ
 L(x, λ) bj (gj (x) − cj ) est concave (resp. convexe) sur D.
j=1
alors (↓)
 f présente en x
b un maximum (resp. minimum) global sous les contraintes gj (x) ≤ cj , ∀j ∈ {1, . . . , m}.

W PREUVE
Soit x ∈ D et gj (x) ≤ cj , ∀j = 1, . . . , m. Montrons que f (b
x) ≥ f (x).

n
X
f (x) ≤ f (x) − bj (gj (x) − cj ),
λ
|{z} | {z }
j=1
≥0 ≤0
∗
= L(x, λ ),
n
X ∂L
x, λ∗ ) +
≤ L(b (b b (xi − x
x, λ) bi ), L est concave
∂xi
i=1 | {z }
=0
= L(bx, λ),
b
X m
x) −
= f (b λ x) − cj ),
bj (gj (b
| {z }
j=1
=0
= f (b
x).

ª REMARQUE
Si f est concave (convexe) et les fonctions gj sont convexe (concave) alors L(x, λ)
b est concave
(convexe), donc la condition de 2ème ordre est satisfait.
CHAPITRE 14. EXTREMA LIÉS : CONTRAINTES D’INÉGALITÉ 155

Proposition: conditions suffisantes locales d’ordre 2

Soient f, gj : D ⊂ Rn → R(n ∈ N0 ).
Si
 f et gj sont C 2 au voisinage (convexe) d’un point x
b, intérieur à D.
 x
b satisfait les contraintes gj (b x) ≤ cj , ∀j ∈ {1, . . . , m}.

 il existe λ bm ∈ R tel que ∂L (b

b1 , . . . , λ b = 0, ∀i = 1, . . . , n et λ
x, λ) x) − cj ) = 0, ∀j = 1, . . . , m.
bj (gj (b
∂xi
 HL (bx, λ)
b est d.n. (resp. d.p.) en x b.
alors (↓)
 f présente en x
b un maximum (resp. minimum) local sous les contraintes gj (x) ≤ cj , ∀j ∈ {1, . . . , m}.

W PREUVE
 Si f , gj (j = 1, . . . , m) sont C 2 au voisinage de x
b, elles y sont C 1 .
 Si HL (bx, λ)
b est d.n. alors la fonction L(x, λ) b est concave au voisinage de x
b.
 La conclusion suive des conditions suffisantes si on restreint le domaine de f et gj au voisinage
de x
b.

 EXEMPLE
(suite) On a :
 
2 0
HL (x, y, λ) =
b ,
0 0

qui est s.d.p. pour tout (x, y) de R2 , donc L(x, y, λ)

b est convexe sur R2 . Alors (b
x, yb) = (1, 4) est un
minimum global.

 EXEMPLE
(
q1 − k ≤ 0,
max (400 − q1 )q1 + (380 − q2 )q2 − 20q1 − 20q2 − 10k s.c. .
q1 ,q2 ,k q2 − k ≤ 0

Nous avons un seul candidat (q̂1 , q̂2 , k̂, λ̂1 , λ̂2 ) = (185, 180, 185, 10, 0). La fonction f (q1 , q2 , k) est C 2
et les contraintes sont aussi C 2 .
La Hessienne de L(q1 , q2 , k, λ̂1 , λ̂2 ) est :
 
−2 0 0
HL (q1 , q2 , k, λ̂1 , λ̂2 ) =  0 −2 0 ,
0 0 0

qui est s.d.n. donc (q̂1 , q̂2 , k̂) est un maximum global.
CHAPITRE 14. EXTREMA LIÉS : CONTRAINTES D’INÉGALITÉ 156

14.3 Exercices et réponses

å EXERCICSES
2 +y 2 ]
1 Déterminer les extrema de f (x, y) = e−[x sous la contrainte x + y ≥ 1 (conditions
nécessaires uniquement).
2 Optimiser f (x, y) = (x + 1)2 + (y + 2)2 sous contraintes x ≥ 0 et y ≥ 0.

3 Soit la fonction f (x, y) = x2 + 4y 2 à optimiser sous les contraintes x ≥ 2 et y ≥ 1.

a Représenter, sur un même graphique, les courbes de niveau K = 0, 1 et 4 de f (x, y).

Indiquer sur ce graphique la zone correspondant aux points satisfaisant les contraintes.
b Utiliser le théorème de Kuhn et Tucker pour dégager les éventuels candidats extremum
sous contrainte de ce problème.
2 +(y+2)2 ]
4 Optimiser f (x, y) = e−[(x−1) sous les contraintes x ≥ 0 et y ≥ 0.

5 Déterminer les extrema de f (x, y) = y − ln x sous les contraintes xy ≥ 8 et x + y ≤ 6.

6 Quel est la solution du problème max f (x, y) = x2 + y 2 + y − 1 s.c. g(x, y) = x2 + y 2 ≤ 1 ?

7 Déterminer les extrema de f (x, y) = 5x2 + 6y 2 − xy sous la contrainte x + 2y ≥ 24

´ RÉPONSES
2 +y 2 )
1 Tout d’abord, notons que (x̂, ŷ) est un maximum (minimum) de e−(x (sous contraintes) si
et seulement si (x̂, ŷ) est un maximum (minimum) de −(x2 +y 2 )
(sous les mêmes contraintes),
parce que ez est une fonction strictement monotone. Donc le problème et celui d’optimiser
f (x, y) = −(x2 + y 2 ) sous la contrainte g(x, y) = 1 − x − y ≤ 0
f et g sont C ∞ sur R2 et Jg (x, y) = (−1, −1) est de rang maximum ∀(x, y) ∈ R2 .
On a L(x, y, λ) = −(x2 + y 2 ) − λ(1 − x − y).
Les CN du théorème de Kuhn et Tucker donnent :
 ∂L
 (x̂, ŷ, λ̂) = −2x̂ + λ̂ = 0
 ∂x


∂L
(x̂, ŷ) = −2ŷ + λ̂ = 0
 ∂y


λ(1 − x̂ − ŷ) = 0.


1) Si λ̂ = 0 et, x̂ = ŷ = 0, ce qui ne satisfait pas la contrainte x̂ + ŷ ≥ 1, et doit donc être

rejeté.
1
2) Si λ̂ ̸= 0, alors x̂ + ŷ = 1, et x̂ = ŷ, d’où x̂ = ŷ = et, en remplaçant λ̂ = 1.
  2
1 1
Le point , est donc candidat maximum (local) de f (x, y) sous la contrainte x + y ≥ 1.
2 2
Pour les CS global, la Hessienne HL (x, y, λ̂) est :

 
−2 0
HL (x, y, λ̂) =
0 −2
CHAPITRE 14. EXTREMA LIÉS : CONTRAINTES D’INÉGALITÉ 157

Celui est d.n. donc (x̂, ŷ) est un maximum global sous contraintes.
2 On a f (x, y) = (x + 2)2 + (y + 2)2 , g1 (x, y) = −x et g2 (x, y) = −y. Le problème est celui
d’optimiser f (x, y) sous les contraintes g1 (x, y) ≤ 0 et g2 (x, y) ≤ 0.
 
−1 0
f , g1 et g2 sont C ∞ sur R2 et Jg (x, y) = est de rang maximum ∀(x, y) ∈ R2 .
0 −1
On a L(x, y, λ, µ) = (x + 1)2 + (y + 2)2 − λ(−x) − µ(−y).
Les CN du théorème de Kuhn et Tucker donnent :
∂L


 (x̂, ŷ, λ̂, µ̂) = 2(x̂ + 1) + λ̂ = 0
∂x


 ∂L


(x̂, ŷ, λ̂, µ̂) = 2(ŷ + 2) + µ̂ = 0
 ∂y
λ̂x̂ = 0





µ̂ŷ = 0.

Si λ̂ = 0, alors x̂ = −1 qui ne satisfait pas la première contrainte. Si µ̂ = 0, alors ŷ = −2

qui ne satisfait pas la deuxième contrainte. Concluons que λ̂ ̸= 0 et µ̂ ̸= 0 d’où, x̂ = ŷ = 0,
λ̂ = −2 et µ̂ = −4. Donc (x̂, ŷ) = (0, 0) est un candidat minimum.
 
2 0
Pour CN global notons que HL (x, y, λ̂, µ̂) = qui est d.p. Donc (x̂, ŷ) est un minimum
0 2
global de f (x, y) sous les contraintes x ≥ 0 et y ≥ 0.
3 a Courbe de niveau 0 en rouge, courbe de niveau 1 en bleu, courbe de niveau 4 en vert.

Y
2

0
-3 -2 -1 0 1 2 3X

-1

-2

b Hypothèses o.k. . . .L(x, y, λ1 , λ2 ) = x2 + 4y 2 − λ1 (2 − x) − λ2 (1 − y).

Les CN du théorème de Kuhn et Tucker donnent :
∂L


 (x̂, ŷ, λ̂1 , λ̂2 ) = 2x̂ + λ̂1 = 0
∂x


 ∂L

(x̂, ŷ, λ̂1 , λ̂2 ) = 8ŷ + λ̂2 = 0

 ∂y
λ̂1 (2 − x̂) = 0





λ̂ (1 − ŷ) = 0
2
CHAPITRE 14. EXTREMA LIÉS : CONTRAINTES D’INÉGALITÉ 158

1) Si au moins une des deux contraintes n’est pas saturée, on a λ̂1 ou λ̂2 = 0, d’où x̂ = 0
ou ŷ = 0 ce qui ne satisfait pas les contraintes et doit donc être rejeté.
2) Si les deux contraintes sont saturées, on a x̂ = 2 et ŷ = 1 avec λ̂1 = −4 et λ̂2 = −8.
Le point (2, 1) est donc un candidat minimum local sous les contraintes. par la fonction
et la nature des contraintes, il est évident que ce minimum est global (d’ailleurs f (x, y)
est convexe sur R2 et 2 − x et 1 − y sont convexes (linéaires) dans R2 )
2 +(y+2)2 ]
4 Tout d’abord, notons que maximiser (minimiser) e−[(x−1) (sous les contraintes) est la
même chose que maximiser (minimiser) f (x, y) = −(x − 1)2
− (y + 2)2 (sous les contraintes),
car h(z) = ez est une fonction strictement monotone. Donc, nous cherchons les extrema de
f (x, y) = −(x − 1)2 − (y + 2)2 sous les contraintes x ≥ 0 et y ≥ 0.
Les CN de KT montrent que (x̂, ŷ) = (1, 0) est un candidat maximum. Les CS (global)
montrent que ce point est un maximum global sous contraintes.
5 L(x, y, λ1 , λ2 ) = y − ln x − λ1 (8 − xy) − λ2 (x + y − 6). Attention : dom f = (R+ 0 ) × R.
3 5
Candidat maximum sous contrainte en (2, 4) avec λ̂1 = et λ̂2 = et candidat minimum
4 2
5 3
sous contrainte en (4, 2) avec λ̂1 = − et λ̂2 = − .
8 2
1 3

∗ ∗
La hessien de L(x, y, λ1 , λ2 ) est HL (x, y, λ̂1 , λ̂2 ) = 3 x 2 4 . Le déterminant de ce matrice est
4 0
toujours négative, donc pas de conclusion.
6 Le Lagrangien s’écrit L(x, y, λ) = x2 + y 2 + y − 1 − λ(x2 + y 2 − 1). Les conditions du première
ordre sont :
∂L


 (x̂, ŷ, λ̂) = 2x̂ − 2λ̂x̂ = 0,
∂x


 ∂L


(x̂, ŷ, λ̂) = 2ŷ + 1 − 2λ̂ŷ = 0,
∂y
λ̂(x̂2 + ŷ 2 − 1) = 0,






λ̂ ≥ 0.

Si λ̂ = 0, aussi x̂ = 0 et ŷ = − 12 . Ce solution satisfait le contraint x̂2 + ŷ 2 ≤ 1. La hessien

 
2 0
HL (x, y, λ̂) = qui est d.p., donc nous avons une minimum global (sous contrainte).
0 2
Si λ̂ > 0, et x̂ = 0, alors ŷ = 1 et λ̂ = 32 ou ŷ = −1 et λ̂ = 21 . Donc il y deux candidates
maximum (0, 1) et (0, −1).
Si λ̂ > 0 et x̂ ̸= 0, alors λ̂ = 1, et la seconde condition n’est pas satisfaite.  
∗ −1 0
Pour (x̂, ŷ, λ̂ ) = (0, 1, 3/2), la hessienne de L(x, y, λ̂) est HL (x, y, λ̂) = qui est
0 −1
d.n. donc (0, 1) est un maximum local.
 
1 0
Pour (x̂, ŷ, λ̂) = (0, −1, 1/2), la hessienne est HL (x, y, λ̂) = qui est d.p. Comme (0, −1)
0 1
est un candidat maximum et L(x, y, λ̂) est convexe, on n’a pas de conclusion.
7 Le Lagrangien s’écrit L(x, y, λ) = 5x2 + 6y 2 − xy − λ(24 − x − 2y). Les conditions du première
ordre sont :
 ∂L
 (x̂, ŷ, λ̂) = 10x̂ − ŷ + λ̂ = 0,
 ∂x


∂L
(x̂, ŷ, λ̂) = 12ŷ − x̂ + 2λ̂ = 0,


 ∂y
λ̂(24 − x̂ − 2ŷ) = 0

CHAPITRE 14. EXTREMA LIÉS : CONTRAINTES D’INÉGALITÉ 159

Si λ̂ = 0, nous obtenons x̂ = ŷ = 0. Dans ce cas la contrainte 24 − x̂ − 2ŷ ≤ 0 n’est pas

satisfait. Si λ ̸= 0 alors 24 − x̂ − 2ŷ = 0. Nous obtenons x̂ = 6, ŷ = 9 et λ̂ = −51. Donc
(x̂, ŷ) = (6, 9) est un candidat minimum.
 
10 −1
Pour la condition de second ordre notons que HL (x, y, λ̂) = . Les mineurs princi-
−1 12
pales d’ordre 1 sont 10 et 12 qui sont positives. Le mineur principal d’ordre 2 est 120 − 1 > 0.
Donc HL (x, y, λ̂) est p.d. et (x, y) = (6, 9) est un minimum global sous la contrainte.
 A Notation et Alphabet grec

 les réels R =] − ∞, +∞[

 les réels non-négatives R+ = [0, +∞[
 les réels non-positives R− =] − ∞, 0]
 les réels strictement positives R++ =]0, +∞[
 les réels strictement négatives R−− =] − ∞, 0[
 les réels non-zéro R0 =] − ∞, 0[ ∪ ]0, +∞[= R \ {0}

α alpha η eta ν nu υ upsilon

β beta Θ, θ theta ξ xi ϕ phi
Γ, γ gamma ι iota Π, π pi χ chi
∆, δ delta κ kappa ρ rho ψ psi
ϵ, ε epsilon Λ, λ lambda Σ, σ sigma Ω, ω omega
ζ zeta µ mu τ tau

B Quelques courbes planes importantes

 (x − a)2 + (y − b)2 = r2 (r > 0)

équation d’un cercle centré en le point (a, b) et de rayon r.

(x − a)2 (y − b)2
 + = 1(α, β > 0)
α2 β2

équation d’une ellipse centrée en le point (a, b) et dont l’axe horizontal mesure 2α et l’axe vertical mesure 2β.
(x − a)2 (y − b)2
 − = 1(α, β > 0)
α2 β2

équation d’une hyperbole centrée en le point (a, b) et dont les asymptotes sont parallèles aux droites d’équations
y = αβ x et y = − αβ x.
 y = xα avec x > 0

Si α < 0, équation d’une courbe du type “brance d’hyperbole équilatère”

Si 0 < α < 1, équation d’une courbe concave croissante comprenant l’origine.

Si α = 1, équation de la première bissectrice.

160
ANNEXE B. QUELQUES COURBES PLANES IMPORTANTES 161

Si α > 1, équation d’une courbe convexe croissante comprenant l’origine.