Calcul différentiel

Jean-Philippe Nicolas
Département de Mathématiques,
Université de Brest, 6 avenue Victor Le Gorgeu,
29200 Brest.
Bureau H109, Tel. 02 98 01 67 61,
email : [Link]@[Link]
2
Table des matières

1 Rappels sur les applications linéaires continues 5

2 Applications différentiables, différentielle 9

2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Cas des applications constantes . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Cas des applications linéaires continues . . . . . . . . . . . . . . . . . . . . 15
2.4 Cas où E = R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.5 Cas où E = Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.6 Cas où E = Rn , F = Rp , matrices Jacobiennes . . . . . . . . . . . . . . . . 17
2.7 Cas des applications multilinéaires continues . . . . . . . . . . . . . . . . . 19
2.8 Applications quadratiques continues . . . . . . . . . . . . . . . . . . . . . . 21
2.9 Applications à valeurs dans un produit . . . . . . . . . . . . . . . . . . . . 22
2.10 Applications à valeurs dans R ou une algèbre normée sur R . . . . . . . . . 23
2.11 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3 Théorème des accroissements finis 29

3.1 Le théorème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2.1 Classe C 1 et dérivées partielles . . . . . . . . . . . . . . . . . . . . . 31
3.2.2 Un théorème de point fixe . . . . . . . . . . . . . . . . . . . . . . . 33
3.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

4 Différentielles secondes et supérieures 37

4.1 Différentielles secondes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2 Différentielles d’ordre supérieur . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3 Cas où E = Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.4 Quelques exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.4.1 Application linéaire continue . . . . . . . . . . . . . . . . . . . . . . 41
4.4.2 Application bilinéaire continue . . . . . . . . . . . . . . . . . . . . . 41
4.4.3 Application quadratique continue . . . . . . . . . . . . . . . . . . . 42
4.4.4 Application multilinéaire continue . . . . . . . . . . . . . . . . . . . 44
4.5 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.5.1 Les deux formules principales . . . . . . . . . . . . . . . . . . . . . 44

3
4 TABLE DES MATIÈRES

4.5.2 Cas où E = Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.5.3 Formule de Taylor avec reste intégral . . . . . . . . . . . . . . . . . 48
4.6 Extrema locaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

5 Inversion locale, fonctions implicites 59

5.1 Difféomorphismes, inversion locale, inversion globale . . . . . . . . . . . . . 59
5.2 Théorème des fonctions implicites . . . . . . . . . . . . . . . . . . . . . . . 61
5.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

6 Sous-variétés régulières de Rn , extrema liés 65

6.1 Sous-variétés régulières de Rn . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.2 Espace tangent, espace orthogonal . . . . . . . . . . . . . . . . . . . . . . . 66
6.3 Extrema liés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
Chapitre 1

Rappels sur les applications linéaires

continues

Théorème 1.1. Soit E et F deux espaces vectoriels normés sur K = R ou C et L une

application linéaire de E dans F , alors les propositions suivantes sont équivalentes :
1. L est continue sur E ;
2. L est continue en 0 ;
3. L est bornée, i.e.
∃C ≥ 0 ; ∥L(x)∥F ≤ C∥x∥E , ∀x ∈ E .

Preuve. On a clairement 1 ⇒ 2 et on a aussi clairement 3 ⇒ 2. Nous allons montrer

les deux implications réciproques.
2 ⇒ 1. Supposons que L soit continue en 0. Comme L est linéaire, L(0) = 0 et on a
donc
L(z) → 0 lorsque z → 0 , z ∈ E .
Soit x ∈ E, montrons que L est continue en x. Pour y ∈ E, on a par linéarité que
L(y) − L(x) = L(y − x) .
Lorsque y → x, on a y − x → 0 et donc L(y − x) → 0. Il suit donc que L(y) → L(x)
lorsque y → x, i.e. L est continue en x. Ceci est vrai pour tout x ∈ E, donc L est
continue sur E.
2 ⇒ 3. La continuité de L en 0 s’écrit de la façon suivante :
∀ε > 0 , ∃δ > 0 ; ∀x ∈ E , ∥x∥ ≤ δ ⇒ ∥L(x)∥ ≤ ε .
Soit ε > 0 donné et soit δ > 0 permettant de vérifier l’implication ci-dessus. Alors
pour ∥x∥ = δ, on a ∥L(x)∥ ≤ ε. Soit x ∈ E, x ̸= 0, posons
x
y=δ .
∥x∥

5
6 CHAPITRE 1. RAPPELS SUR LES APPLICATIONS LINÉAIRES CONTINUES

Alors ∥y∥ = δ et donc ∥L(y)∥ ≤ ε. De plus, par linéarité,

δ
L(y) = L(x) ,
∥x∥
donc
ε
∥L(x)∥ ≤ ∥x∥ .
δ
Il existe donc
ε
C= >0
δ
tel que, pour tout x ∈ E, x ̸= 0, on ait, ∥L(x)∥ ≤ C∥x∥ et cette inégalité est bien
sûr aussi vraie pour x = 0. Donc L est bornée.
Proposition 1.1. Si E est de dimension finie, toute application linéaire de E dans F est
continue.
Remarque 1.1. Si E est de dimension infinie et F de dimension finie, le résultat ci-dessus
n’est plus vrai. Voir les exemples plus bas.
Le Théorème 1.1 amène naturellement la notion de norme d’une application linéaire con-
tinue comme la plus petite constante C ≥ 0 comme ci-dessus. Autrement dit
Définition 1.1. Soit E et F deux espaces vectoriels normés sur K = R ou C.
• L’espace vectoriel L(E; F ) des applications linéaires continues de E dans F possède
une norme naturelle donnée par
∥L(x)∥F
∥L∥ = sup = sup ∥L(x)∥F .
x̸=0 ∥x∥E ∥x∥E =1

Ceci fait de L(E; F ) un espace vectoriel normé sur K.

• On appelle dual topologique de E, et on note E ′ , l’espace L(E; K) des formes

linéaires continues sur E. A ne pas confondre avec le dual algébrique, en général
noté E ∗ , qui est l’ensemble des formes linéaires (non nécessairement continues) sur
E. On a E ′ ⊂ E ∗ mais les deux espaces sont distincts si E est de dimension infinie.
Exemples et exercices.
• Soit E = Rn muni de la norme euclidienne ∥.∥2 . Soit v = (v1 , ..., vn ) ∈ Rn . On
considère l’application linéaire L : Rn → R définie par
n
X
L(x) = ⟨x, v⟩ = xi v i .
i=1

Calculer la norme de L. Le résultat est

∥L∥L(E;R) = ∥v∥2 .
 7

Solution. Par Cauchy-Schwarz, on a

|L(x)| ≤ ∥v∥2 ∥x∥2 .
On en déduit donc que
|L(x)|
∥L∥L(E;R) = sup ≤ ∥v∥2 .
x∈E , x̸=0 ∥x∥2

Par ailleurs, on sait que les seuls cas d’égalité dans l’inégalité de Cauchy-Schwarz
sont obtenus lorsque x et v sont colinéaires. En particulier, on a
L(v) = ∥v∥22
et donc
|L(v)|
= ∥v∥2 .
∥v∥2
On en déduit que
|L(x)| |L(v)|
∥L∥L(E;R) = sup ≥ = ∥v∥2 .
x∈E , x̸=0 ∥x∥2 ∥v∥2
Il suit donc que
∥L∥L(E;R) = ∥v∥2 .
• Une application linéaire n’est pas forcément continue. Considérons E = C 1 ([0, 1])
l’espace des fonctions de classes C 1 sur [0, 1] à valeurs réelles, muni de la norme du
max
∥f ∥1 = max |f (x)| .
x∈[0,1]

C’est bien une norme sur E. Maintenant considérons l’application linéaire L de E

dans R définie par
L(f ) = f ′ (0) .
L’application L est bien définie sur E et est linéaire mais elle n’est pas continue.
Ceci est un exemple d’espace E de dimension infinie et F (ici R) de dimension finie
avec une application linéaire de E dans F qui n’est pas continue.
A noter que si on avait muni E de la norme
∥f ∥2 = max |f (x)| + max |f ′ (x)| .
x∈[0,1] x∈[0,1]

l’application L aurait été continue.

• Autre exemple d’application linéaire non continue. On considère E = R[X] l’espace
des polynômes d’une variable réelle, muni de la norme
∥p∥ = max |p(x)| .
x∈[0,1]

Pour tout x0 ∈ R \ [0, 1] donné, l’application p 7→ p(x0 ) est linéaire de E dans R

mais pas continue.
8 CHAPITRE 1. RAPPELS SUR LES APPLICATIONS LINÉAIRES CONTINUES

• Soit E = C([0, 1] ; C) muni de la norme

Z 1 1/2
2
∥f ∥ = |f (x)| dx .
0

Soit ϕ ∈ E et soit L : E → C définie par

Z 1
L(f ) = ϕ(x)f (x)dx .
0

Alors L est continue et ∥L∥ = ∥ϕ∥.

• Soit E et F deux espaces vectoriels normés sur R ou C et L une application linéaire

de E dans F . On suppose que L est bornée sur la sphère unité de E. Montrer que
L est continue.

Proposition 1.2. La norme des applications linéaires continues définie-ci-dessus vérifie

la propriété suivante. Soit E, F, G trois espaces vectoriels normés sur K = R ou C, soit
L1 ∈ L(E; F ) et L2 ∈ L(F ; G), alors

∥L2 ◦ L1 ∥L(E;G) ≤ ∥L2 ∥L(F ;G) ∥L1 ∥L(E;F ) .

Preuve. Evidente.
Chapitre 2

Applications différentiables,
différentielle

A partir de maintenant, tous les espaces vectoriels normés sur lesquels nous travaillerons
seront sur R. Nous ne considèrerons plus d’espaces vectoriels sur C, ou alors nous les
verrons comme des espaces vectoriels sur R.

2.1 Définitions
Définition 2.1 (Application différentiable). Soit E et F deux espaces vectoriels normés
sur R et Ω un ouvert de E. Soit f : Ω → F une application, soit x ∈ Ω, on dit que f est
différentiable en x s’il existe une application L linéaire continue de E dans F telle que

f (x + h) − f (x) − L(h)
lim = 0.
h→0 ∥h∥

Remarque 2.1. Une propriété immédiate mais qui peut être utile : si on change la norme
sur E en une norme équivalente et si on change la norme sur F en une norme équivalente,
cela ne change pas la notion de différentiabilité. Autrement dit une fonction différentiable
en un point pour un choix de norme sur E et sur F le sera pour tout choix de normes
équivalentes. De même une fonction non différentiable en x restera non différentiable si
on change la norme sur E en une norme équivalente et la norme sur F en une norme
équivalente.

Proposition 2.1. Avec les notations de la définition ci-dessus, si l’application L existe,

elle est unique.

Preuve. Supposons qu’il existe L ∈ L(E, F ) et L1 ∈ L(E, F ) telles que

f (x + h) − f (x) − L(h) f (x + h) − f (x) − L1 (h)

lim = 0 et lim = 0.
h→0 ∥h∥ h→0 ∥h∥

9
10 CHAPITRE 2. APPLICATIONS DIFFÉRENTIABLES, DIFFÉRENTIELLE

Alors
L1 (h) − L(h)
lim = 0.
h→0 ∥h∥
Prenons h = ty avec t > 0, y ̸= 0 fixé et faisons tendre t vers 0. On a
L1 (ty) − L(ty) L1 (y) − L(y) L1 (y) − L(y)
0 = lim = lim = .
t→0 t∥y∥ t→0 ∥y∥ ∥y∥
En multipliant par ∥y∥, on obtient

L1 (y) − L(y) = 0 .

Donc L et L1 sont égales sur E \ {0}. Comme L et L1 sont linéaires, on a aussi que
L(0) = L1 (0) = 0. Il suit que L1 = L.
Définition 2.2. Avec les notations de la définition 2.1, lorsqu’elle existe, l’application L
s’appelle la différentielle de f en x, ou encore l’application tangente à f au point x. On
la note Df (x).
Proposition 2.2. Soit E et F deux espaces vectoriels normés sur R, x ∈ E et f : E → F
une application différentiable en x, alors f est continue en x.
Preuve. On sait qu’il existe L ∈ L(E, F ) telle que
f (x + h) − f (x) − L(h)
lim = 0,
h→0 ∥h∥
ce qui s’écrit encore de la façon suivante : il existe une application ε : E → F satisfaisant

lim ε(h) = 0
h→0

et telle que pour tout h ∈ E, h ̸= 0, on ait

f (x + h) − f (x) = L(h) + ∥h∥ε(h) .

Il suit par linéarité et continuité de L que

lim f (x + h) = f (x) ,
h→0

i.e. f est continue en x.

Définition 2.3. Soit E et F deux espaces vectoriels normés sur R, Ω un ouvert de E, et
f une application de Ω dans F .
1. On dira que f est différentiable sur Ω si elle l’est en tout point x de Ω.
2. Si f est différentiable sur Ω, on appelle application différentielle (ou simplement
différentielle) de f l’application Df qui à x ∈ Ω associe Df (x) l’application tangente
à f au point x. La différentielle Df est une application de Ω dans L(E, F ).
2.1. DÉFINITIONS 11

3. On dira que f est de classe C 1 sur Ω si elle est différentiable sur Ω et si Df est
continue sur Ω, c’est-à-dire
∀x ∈ Ω , lim ∥Df (x + y) − Df (x)∥L(E,F ) = 0 .
y→0

On rappelle que cette norme s’écrit

∥Df (x + y)(h) − Df (x)(h)∥F
∥Df (x + y) − Df (x)∥L(E,F ) = sup
h∈E,h̸=0 ∥h∥E
= sup ∥Df (x + y)(h) − Df (x)(h)∥F .
h∈E,∥h∥E =1

Remarque 2.2. Attention! L’application Df n’a aucune raison d’être linéaire (sauf si f
est bilinéaire, nous verrons cela plus tard), c’est sa valeur en chaque point x qui est une
application linéaire continue.
Proposition 2.3 (Opérations sur les fonctions différentiables).
1. Toute combinaison linéaire de fonctions différentiables est différentiable et
D(λf + µg)(x) = λDf (x) + µDg(x) .

2. Composition : soit E, F et G trois espaces vectoriels normés sur R, U un ouvert de

E, V un ouvert de F , x ∈ U . Soit f : U → F une application telle que f (U ) ⊂ V ,
soit g : V → G. Si f est différentiable en x et g est différentiable en f (x), alors
g ◦ f est différentiable en x et on a


D(g ◦ f )(x)(h) = Dg(f (x)) Df (x)(h) ,
autrement dit
D(g ◦ f )(x) = Dg(f (x)) ◦ Df (x) .
Et il suit que si f est différentiable sur U et g sur V alors g ◦ f est différentiable
sur U .
Preuve.
1. Trivial.
2. En utilisant le fait que f est différentiable en x,
g ◦ f (x + h) = g(f (x) + Df (x)(h) + ∥h∥ε(h))
où ε(h) → 0 quand h → 0. La différentiabilité de g en f (x) nous donne alors
g ◦ f (x + h) = g(f (x)) + Dg(f (x))(Df (x)(h) + ∥h∥ε(h))
+ Df (x)(h) + ∥h∥ε(h) ε̃(Df (x)(h) + ∥h∥ε(h))
= g(f (x)) + Dg(f (x))(Df (x)(h)) + Dg(f (x))(∥h∥ε(h))
+ Df (x)(h) + ∥h∥ε(h) ε̃(Df (x)(h) + ∥h∥ε(h))
= g(f (x)) + Dg(f (x))(Df (x)(h)) + ∥h∥Dg(f (x))(ε(h))
+ Df (x)(h) + ∥h∥ε(h) ε̃(Df (x)(h) + ∥h∥ε(h)) ,
12 CHAPITRE 2. APPLICATIONS DIFFÉRENTIABLES, DIFFÉRENTIELLE

où ε̃(k) → 0 lorsque k → 0. Donc

∥g ◦ f (x + h) − g(f (x)) − Dg(f (x))(Df (x)(h))∥
 



≤ ∥h∥ ∥Dg(f (x))(ε(h))∥ + ∥Df (x)∥L(E,F ) + ∥ε(h)∥ ε̃ Df (x)(h) + ∥h∥ε(h) .

Par linéarité et continuité de Dg(f (x)), on a

Dg(f (x))(ε(h)) → 0 lorsque h → 0
et comme
ε̃(Df (x)(h) + ∥h∥ε(h)) → 0 lorsque h → 0 ,
il suit que
g ◦ f (x + h) − g(f (x)) − Dg(f (x))(Df (x)(h))
lim = 0.
h→0 ∥h∥
Ceci conclut la preuve.
Corollaire 2.1. Soit E et F deux espaces vectoriels normés sur R, U un ouvert de E
et V un ouvert de F . Soit f : U → V une application bijective. On suppose que f
est différentiable en x ∈ U et que f −1 est différentiable en f (x), alors Df (x) est un
isomorphisme de E sur F et
D(f −1 )(f (x)) = (Df (x))−1 .
Preuve. On applique la proposition précédente à IdE = f −1 ◦ f et IdF = f ◦ f −1 , en
remarquant que
DIdE (x) = IdE , DIdF (f (x)) = IdF .
On va maintenant voir la notion de dérivée directionnelle et son lien avec la différentielle.
Définition 2.4 (Dérivée directionnelle). Soit E et F deux espaces vectoriels normés sur
R, Ω un ouvert de E, et f une application de Ω dans F . Soit x ∈ E et v ∈ E, v ̸= 0. On
appelle dérivée directionnelle de f en x selon la direction v la dérivée en 0, si elle existe,
de l’application
ϕ : t ∈ R 7→ f (x + tv) ;
on la note
∂f
(x) .
∂v
Autrement dit
∂f f (x + tv) − f (x)
(x) = lim
∂v t→0 t
si elle existe. En effet,
ϕ(t) − ϕ(0)
ϕ′ (0) = lim si elle existe
t→0 t
et
ϕ(t) − ϕ(0) f (x + tv) − f (x)
= .
t t
2.1. DÉFINITIONS 13

Lorsqu’une fonction est différentiable, elle admet des dérivées directionnelles dans toutes
les directions et on peut les calculer à l’aide de la différentielle.
Proposition 2.4. Soit E et F deux espaces vectoriels normés sur R, Ω un ouvert de E,
x ∈ Ω et f une application de Ω dans F différentiable en x. Alors f admet en x des
dérivées directionnelles dans toutes les directions et pour tout v ∈ E, v ̸= 0, on a
∂f
(x) = Df (x)(v) .
∂v
Preuve. On sait que
f (x + h) − f (x) − Df (x)(h)
lim = 0.
h→0 ∥h∥
Soit v ∈ E, v ̸= 0, en prenant h = tv, t ∈ R, on a
f (x + tv) − f (x) − Df (x)(tv)
lim = 0,
t→0 |t|∥v∥
ce qui équivaut à
f (x + tv) − f (x) − Df (x)(tv)
lim = 0.
t→0 t
D’autre part, comme Df (x) est linéaire, Df (x)(tv) = tDf (x)(v). Il suit
f (x + tv) − f (x)
lim = Df (x)(v) .
t→0 t
Ceci conclut la preuve.
Remarque 2.3. Une application peut admettre en un point des dérivées directionnelles
dans toutes les directions et pourtant ne pas être différentiable en ce point. On verra des
exemples explicites de ce genre de situation en dimension finie.
Voyons quelques exemples de calculs de différentielles.
• E = F = Mn (R), f (A) = I + 2A. On développe f (A + H) :

f (A + H) = I + 2A + 2H .

On identifie la partie linéaire en H : on pose L(H) = 2H et on a

f (A + H) = f (A) + L(H) .

Donc en particulier
f (A + H) − f (A) − L(H)
lim = 0.
H→0 ∥H∥
Donc f est différentiable en tout point A de E et Df (A)(H) = 2H.
14 CHAPITRE 2. APPLICATIONS DIFFÉRENTIABLES, DIFFÉRENTIELLE

• E = F = Mn (R) munis de la même norme matricielle, f (A) = A2 . On développe

f (A + H) en n’oubliant pas que le produit matriciel ne commute pas :

f (A + H) = (A + H)2 = A2 + AH + HA + H 2 .

On identifie la partie linéaire en H : on pose L(H) = AH + HA et on a

f (A + H) = f (A) + L(H) + H 2 ,

il suit
f (A + H) − f (A) − L(H) H2
= ≤ C∥H∥
∥H∥ ∥H∥
car pour toute norme ∥.∥ sur Mn (R) il existe C > 0 tel que

∥AB∥ ≤ C∥A∥ ∥B∥ ∀A, B ∈ Mn (R) .

On a donc
f (A + H) − f (A) − L(H)
lim = 0,
H→0 ∥H∥
f est différentiable en tout point A de E et Df (A)(H) = AH + HA.

2.2 Cas des applications constantes

Proposition 2.5. Soit E et F deux espaces vectoriels normés sur R, Ω un ouvert de E
et f : Ω → F une application constante, i.e. il existe y0 ∈ F tel que pour tout x ∈ Ω,
f (x) = y0 . Alors f est différentiable sur Ω et pour tout x ∈ Ω on a

Df (x) = 0 .

Preuve. Soit x ∈ Ω et h ∈ E tel que x + h ∈ Ω, on a

f (x + h) = f (x) = y0

et on peut donc écrire

f (x + h) = f (x) + L(h) + R(h)
où L est l’application linéaire continue de E dans F identiquement nulle et R est l’application
nulle de E dans F . On a bien
R(h)
lim = 0.
h→0 ∥h∥

Il suit que f est différentiable en x et Df (x) = L = 0.

2.3. CAS DES APPLICATIONS LINÉAIRES CONTINUES 15

2.3 Cas des applications linéaires continues

Proposition 2.6. Soit E et F deux espaces vectoriels normés sur R et L ∈ L(E, F ).
Alors L est différentiable sur E et pour tout x ∈ E on a

DL(x) = L .

Preuve. C’est un calcul direct

L(x + h) = L(x) + L(h) + 0

et 0 est bien de la forme ∥h∥ε(h) avec ε(h) → 0 quand h → 0.

2.4 Cas où E = R
Proposition 2.7. On considère ici le cas où E = R. Soit F un espace vectoriel normé
sur R et f une application définie sur un ouvert U de R à valeurs dans F . Soit x ∈ U , f
est différentiable en x si et seulement si elle est dérivable en x au sens usuel et dans ce
cas, on a
Df (x) : h 7→ hf ′ (x) .
On voit donc que la notion habituelle de dérivabilité pour les fonctions à une variable
réelle est exactement la même chose que la différentiabilité. De plus pour ces fonctions
la différentielle en un point est l’application de multiplication par la dérivée de f en ce
point.
Preuve de la proposition. Supposons que f soit dérivable en x, alors on peut
effectuer un développement de Taylor-Lagrange de f à l’ordre 1 en x :

f (x + h) = f (x) + hf ′ (x) + hε(h) où ε tend vers 0 en 0.

On voit que
f (x + h) − f (x) − hf ′ (x)
lim =0
h→0 |h|
et donc f est différentiable en x avec Df (x)(h) = hf ′ (x).
Supposons maintenant que f soit différentiable en x. Il existe une application L ∈
L(R, F ) telle que
f (x + h) − f (x) − L(h)
lim = 0.
h→0 |h|
Mais L(h) = hL(1) car h ∈ R et donc
f (x + h) − f (x) − hL(1)
lim = 0.
h→0 |h|
Ceci est équivalent à
f (x + h) − f (x) − hL(1)
lim =0
h→0 h
16 CHAPITRE 2. APPLICATIONS DIFFÉRENTIABLES, DIFFÉRENTIELLE

et on a donc
f (x + h) − f (x)
lim = L(1) .
h→0 h
Donc f est dérivable en x et f ′ (x) = L(1).

2.5 Cas où E = Rn
On se place dans le cas où E = Rn et F est un espace vectoriel normé sur R. Soit U un
ouvert de Rn et f : U → F une application. Soit x = (x1 , ..., xn ) ∈ U . On rappelle la
définition des dérivées partielles de f en x.

Définition 2.5. La dérivée partielle de f par rapport à la i-ème variable au point x est
la dérivée en 0, si elle existe, de l’application

t ∈ R 7→ f (x1 , ..., xi−1 , xi + t, xi+1 , ..., xn ) ;

on la note
∂f
(x) .
∂xi
Autrement dit,
∂f f (x1 , ..., xi−1 , xi + t, xi+1 , ..., xn ) − f (x1 , ..., xi−1 , xi , xi+1 , ..., xn )
(x) = lim
∂xi t→0 t
si cette limite existe.

On voit donc que la dérivée partielle de f par rapport à la i-ème variable au point x
est la dérivée directionnelle de f en x selon le i-ème vecteur de base ei (où {e1 , ..., en } est
la base canonique de Rn ), i.e.
∂f ∂f
(x) = (x) .
∂xi ∂ei
Donc en particulier, si f est différentiable en x,
∂f
(x) = Df (x)(ei ) = Df (x)(0, ..., 0, 1, 0, ..., 0) (le 1 étant à la i-ème place).
∂xi
Comme la différentielle de f en x, si elle existe, est linéaire, il suit que nous connaissons
sa forme : on développe h ∈ Rn sur la base canonique

h = h1 e1 + ... + hn en

et on a n
X ∂f
Df (x)(h) = hi (x) .
i=1
∂xi
Nous venons de montrer la
2.6. CAS OÙ E = RN , F = RP , MATRICES JACOBIENNES 17

Proposition 2.8. Soit U un ouvert de Rn , x ∈ U , F un espace vectoriel normé sur R et

f : U → F une application différentiable en x. Alors la différentielle de f en x s’écrit
en fonction des dérivées partielles de f en x de la façon suivante
n n
X X ∂f
Df (x)(h) = hi Df (x)(ei ) = hi (x) . (2.1)
i=1 i=1
∂xi

Ceci nous donne un moyen pratique d’étudier la différentiabilité en un point d’une

fonction définie sur un ouvert de Rn .

Proposition 2.9. Soit U un ouvert de Rn , x ∈ U , F un espace vectoriel normé sur R et

f : U → F une application. Alors f est différentiable en x si et seulement si

1. les dérivées partielles de f en x existent par rapport à toutes les variables ;

2. de plus
Pn ∂f
f (x + h) − f (x) − i=1 hi ∂x i
(x)
lim = 0.
h→0 ∥h∥

2.6 Cas où E = Rn, F = Rp, matrices Jacobiennes

Soit E = Rn , F = Rp , Ω un ouvert de E, x ∈ Ω et f : Ω → F une application. On note
f1 , ..., fp les composantes de f . Les dérivées partielles de f en x, si elles existent, sont les
vecteurs de Rp dont les composantes sont les dérivées partielles des composantes de f :
 ∂f1

∂xi
 
 
 ∂f2 
 ∂xi 
∂f  . 
 
= .
∂xi  . 
 . 
 
 
 
∂fp
∂xi

On voit que si f est différentiable en x, on a

 
h1
 h2 
n  
X ∂f .
(2.2)
 
Df (x)(h) = hi (x) = J(f )(x)  ,
∂xi  . 
i=1  
 . 
hn
18 CHAPITRE 2. APPLICATIONS DIFFÉRENTIABLES, DIFFÉRENTIELLE

où J(f )(x) est la matrice Jacobienne de f en x, donnée par (les colonnes correspondent
aux variables par rapport auxquelles on dérive et les lignes aux composantes de la fonction)
 ∂f ∂f ∂f1

1 1
∂x ∂x2
. . . ∂xn
 1 
 
 ∂f2 ∂f2 . . . ∂f2 
 ∂x1 ∂x2 ∂xn 
J(f )(x) =  . . . . . . .
 
 . . . . . . 
 
 . . . . . . 
 
∂fp ∂fp ∂fp
∂x1 ∂x2
. . . ∂x n

L’étude de la différentiabilité de la fonction f en x peut donc se faire de la façon suivante :

1. on commence par vérifier que les dérivées partielles en x de f1 , f2 , ..., fp existent
par rapport à toutes les variables ;
2. on vérifie ensuite que
f (x + h) − f (x) − (J(f )(x))(h)
lim = 0,
h→0 ∥h∥
où (J(f )(x))(h) est J(f )(x) appliquée au vecteur colonne h (équation (2.2)).
La proposition suivante permet de ramener, si on le souhaite, l’étude de la différentiabilité
de f à celle de ses composantes.
Proposition 2.10. La fonction f est différentiable en x si et seulement si toutes ses
composantes le sont.
Preuve. Supposons que f soit différentiable en x. La i-ème composante de f est
donnée par fi = πi ◦ f où
πi : Rp → R , πi (x1 , ..., xp ) = xi .
Comme πi est linéaire (et donc continue car Rp est de dimension finie), elle est dif-
férentiable en tout point, en particulier en f (x). Donc fi est différentiable en x comme
composée de fonctions différentiables.
Supposons maintenant que toutes les composantes de f soient différentiables en x,
alors leurs différentielles en x sont données par
n
X ∂fi
Dfi (x)(h) = hj (x) .
j=1
∂xj

Posons L(h) = (J(f )(x))(h) donné par l’équation (2.2) ; L est bien linéaire de Rn dans
Rp (et donc aussi continue, car on est en dimension finie). La i-ème composante de
f (x + h) − f (x) − L(h) est
n
X ∂fi
fi (x + h) − fi (x) − hj (x) = fi (x + h) − fi (x) − Dfi (x)(h)
j=1
∂xj
2.7. CAS DES APPLICATIONS MULTILINÉAIRES CONTINUES 19

et du fait que toutes les normes sur Rp sont équivalentes,

p
X
∥f (x + h) − f (x) − L(h)∥ ≤ C |fi (x + h) − fi (x) − Dfi (x)(h)| ,
i=1

où C > 0 est indépendante de x et f . Il suit que

p
f (x + h) − f (x) − L(h) X |fi (x + h) − fi (x) − Dfi (x)(h)|
≤C
∥h∥ i=1
∥h∥

et chaque terme de la somme tend vers 0 lorsque h tend vers 0 du fait que les fi sont
toutes différentiables en x.

2.7 Cas des applications multilinéaires continues

Dans ce paragraphe, nous allons travailler avec des espaces produits. Nous adopterons
pour tout le cours les conventions suivantes sur les espaces produits.
Si E1 , E2 sont des espaces vectoriels normés sur R, nous munirons E1 × E2 d’une des
normes équivalentes suivantes

1/p
∥(x, y)∥p = ∥x∥pE1 + ∥y∥pE2 , p ∈ [1, +∞[ ,
∥(x, y)∥∞ = max (∥x∥E1 , ∥y∥E2 ) .

De même, si E1 , E2 , ..., En sont des espaces vectoriels normés sur R, nous munirons
E1 × E2 × ... × En d’une des normes équivalentes suivantes

1/p
∥(x1 , x2 , ..., xn )∥p = ∥x1 ∥pE1 + ∥x2 ∥pE2 + ... + ∥xn ∥pEn ∥ , p ∈ [1, +∞[ ,
∥(x1 , x2 , ..., xn )∥∞ = max (∥x1 ∥E1 , ∥x2 ∥E2 , ... , ∥xn ∥En ) .

Définition 2.6 (Application bilinéaire). Soit E1 , E2 , F des espaces vectoriels normés

sur R. Une application f : E1 × E2 → F est dite bilinéaire si elle est linéaire par rapport
à chacun de ses arguments, i.e. si pour tout y ∈ E2 , l’application

ϕ1 : x ∈ E1 7→ f (x, y) (2.3)

est linéaire de E1 dans F et pour tout x ∈ E1 , l’application

ϕ2 : y ∈ E2 7→ f (x, y) (2.4)

est linéaire de E2 dans F .

On a pour les applications bilinéaires un résultat de continuité analogue à celui des

applications linéaires.
20 CHAPITRE 2. APPLICATIONS DIFFÉRENTIABLES, DIFFÉRENTIELLE

Théorème 2.1. Avec les notations de la définition ci-dessus, une application bilinéaire
f est continue si et seulement si
∃C > 0 t.q. ∀(x, y) ∈ E1 × E2 , ∥f (x, y)∥F ≤ C∥x∥E1 ∥y∥E2 . (2.5)
Preuve. C’est évident si on remarque que f : E1 × E2 → F est bilinéaire continue
si et seulement si
ψ : x ∈ E1 7→ (y ∈ E2 7→ f (x, y))
est linéaire continue de E1 dans L(E2 , F ).
Définition 2.7 (Application n-multilinéaire). Soit E1 , E2 , ..., En , F des espaces vecto-
riels normés sur R. Une application f : E1 × E2 × ... × En → F est dite n-multilinéaire
si elle est linéaire par rapport à chacun de ses arguments, i.e. pour tout i ∈ {1, 2, ..., n},
pour tout x1 ∈ E1 , ..., xi−1 ∈ Ei−1 , xi+1 ∈ Ei+1 , ..., xn ∈ En , l’application
ϕi : xi ∈ Ei 7→ f (x1 , ..., xi−1 , xi , xi+1 , ..., xn ) (2.6)
est linéaire de Ei dans F .
On a pour ces applications un résultat de continuité similaire qui se démontre comme
le cas bilinéaire mais avec une succession de n applications au lieu de 2.
Proposition 2.11. Avec les notations de la définition ci-dessus, une application n-
multilinéaire f est continue si et seulement si il existe C > 0 tel que
∥f (x1 , ..., xn )∥F ≤ C∥x1 ∥E1 ...∥xn ∥En , ∀(x1 , ..., xn ) ∈ E1 × ... × En . (2.7)
Notation. On notera Ln (E1 × E2 × ... × En ; F ) l’espace vectoriel des applications
n-multilinéaires continues de E1 × E2 × ... × En dans F .
On peut montrer facilement qu’une application n-multilinéaire continue est différen-
tiable et sa différentielle se calcule très simplement. On commence par traiter le cas
bilinéaire.
Proposition 2.12. Soit E1 , E2 , F des espaces vectoriels normés sur R et f : E1 × E2 →
F une application bilinéaire continue. Alors f est différentiable sur E1 × E2 et
Df (x, y)(h, k) = f (x, k) + f (h, y) .
Preuve. On développe f ((x, y) + (h, k)) :
f ((x, y) + (h, k)) = f (x + h, y + k)
= f (x, y) + f (x, k) + f (h, y) + f (h, k) .
L’expression f (x, k) + f (h, y) est linéaire continue en (h, k) pour chaque (x, y), on pose
donc L(h, k) = f (x, k) + f (h, y). On a alors
f (x + h, y + k) − f (x, y) − L(h, k) f (h, k)
=
∥(h, k)∥2 ∥(h, k)∥2
∥h∥∥k∥ ∥(h, k)∥22
≤ C ≤C = C∥(h, k)∥2 .
∥(h, k)∥2 ∥(h, k)∥2
2.8. APPLICATIONS QUADRATIQUES CONTINUES 21

On a donc
f (x + h, y + k) − f (x, y) − L(h, k)
lim =0
(h,k)→(0,0) ∥(h, k)∥2
ce qui conclut la preuve.
On a un résultat similaire dans le cas multi-linéaire. La preuve est laissée en exercice.

Proposition 2.13. Soit E1 , E2 , ..., En , F des espaces vectoriels normés sur R et

f : E1 × E2 × ... × En → F

une application n-multilinéaire continue, alors f est différentiable sur E1 × E2 × ... × En

et

Df (x1 , x2 , ..., xn )(h1 , h2 , ..., hn ) = f (h1 , x2 , ..., xn ) + f (x1 , h2 , ..., xn ) + ... + f (x1 , x2 , ..., hn )

ce qu’on peut aussi écrire

n
X
Df (x1 , x2 , ..., xn )(h1 , h2 , ..., hn ) = f (x1 , ..., xi−1 , hi , xi+1 , ..., xn ) .
i=1

Proposition 2.14 (Continuité et dimension finie). Soit E1 , E2 , ..., En , F des espaces

vectoriels normés sur R. On suppose que E1 , E2 , ..., En sont de dimension finie. Soit

f : E1 × E2 × ... × En → F

une application n-multilinéaire, alors f est continue.

En particulier, une application bilinéaire dont l’espace de départ est de dimension finie
est continue.

Preuve. C’est une conséquence directe de l’identification

Ln (E1 × E2 × ... × En ; F ) ≃ L(E1 ; L(E2 ; ... ; L(En ; F )...))

et du fait que lorsque l’espace de départ est de dimension finie, une application linéaire
est nécessairement continue.

2.8 Applications quadratiques continues

Soit E et F deux R-espaces vectoriels normés. Une application f : E → F est dite
quadratique continue si elle s’écrit sous la forme

f (x) = ϕ(x, x)

où ϕ ∈ L2 (E × E ; F ), i.e. ϕ est bilinéaire continue de E × E dans F .

22 CHAPITRE 2. APPLICATIONS DIFFÉRENTIABLES, DIFFÉRENTIELLE

Proposition 2.15. Une application f quadratique continue est différentiable sur E et

pour tout x, h ∈ E, on a
Df (x)(h) = ϕ(x, h) + ϕ(h, x) .
Preuve. La fonction f s’écrit sous la forme

f =ϕ◦χ

où χ : E → E × E est définie par χ(x) = (x, x). Montrons que χ est linéaire continue
de E dans E × E. On munit E × E de la norme ∥.∥1 , i.e. pour tout (x, y) ∈ E × E,
∥(x, y)∥1 = ∥x∥E + ∥y∥E . L’application χ est clairement linéaire de E dans E × E et on
a pour tout x ∈ E,
∥χ(x)∥1 = ∥(x, x)∥1 = 2∥x∥E .
Donc χ ∈ L(E ; E × E). Il suit que χ est différentiable de E dans E × E et pour tout
x, h ∈ E, Dχ(x)(h) = χ(h).
D’autre part, ϕ étant bilinéaire continue de E × E dans F elle est différentiable sur
E × E et pour tout (x, y), (h, k) ∈ E × E, on a

Dϕ(x, y)(h, k) = ϕ(x, k) + ϕ(h, y) .

L’application f est donc différentiable sur E comme composée d’applications différentiable

et on a pour tout x, h ∈ E


Df (x)(h) = Dϕ(χ(x)) Dχ(x)(h)
= Dϕ(χ(x))(χ(h)) = Dϕ(x, x)(h, h) = ϕ(x, h) + ϕ(h, x) .

2.9 Applications à valeurs dans un produit

Proposition 2.16. Soit E, F1 , ..., Fn des espaces vectoriels normés sur R, Ω un ouvert
de E, x ∈ Ω et
f : E → F1 × F2 × ... × Fn
une application. On notera f1 , f2 , ..., fn les composantes de f , i.e. chaque fi est une
application de E dans Fi . Alors f est différentiable en x si et seulement si chacune des
fi est différentiable en x, auquel cas on a


Df (x)(h) = Df1 (x)(h), Df2 (x)(h), ..., Dfn (x)(h) .

Preuve. Pour montrer ce résultat, on prend la norme ∥.∥1 sur F1 × F2 × ... × Fn pour
simplifier les calculs. Supposons que les fi sont toutes différentiables en x, on pose


L(h) = Df1 (x)(h), Df2 (x)(h), ..., Dfn (x)(h) .

On a n
∥f (x + h) − f (x) − L(h)∥1 X ∥fi (x + h) − fi (x) − Dfi (x)(h)∥Fi
=
∥h∥ i=1
∥h∥
2.10. APPLICATIONS À VALEURS DANS R OU UNE ALGÈBRE NORMÉE SUR R23

et ceci tend vers 0 quand h → 0. La réciproque est tout aussi simple. On note πi la
projection de F1 × F2 × ... × Fn sur Fi , on a

f i = πi ◦ f .

L’application πi est linéaire continue donc différentiable et Dπi (x) = πi . Si on suppose

que f est différentiable en x, il suit que fi l’est aussi et de plus


Dfi (x) = Dπi (f (x)) ◦ Df (x) = πi ◦ Df (x) .

On a donc bien


Df (x)(h) = Df1 (x)(h), Df2 (x)(h), ..., Dfn (x)(h) .

2.10 Applications à valeurs dans R ou une algèbre nor-

mée sur R
Définition 2.8 (Algèbre normée sur R). Un espace vectoriel normé (E, ∥.∥) sur R est
appelé une R-algèbre normée s’il est de plus muni d’une loi interne de multiplication telle
que

∥xy∥ ≤ ∥x∥∥y∥ , ∀x, y ∈ E , (2.8)

(xy)z = x(yz) , ∀x, y, z ∈ E ,
(x + y)z = xz + yz , x(y + z) = xy + xz , ∀x, y, z ∈ E ,
(αx)y = x(αy) = αxy , ∀α ∈ R , x, y ∈ E .

Une R-algèbre normée est dite :

• commutative si xy = yx pour tout x, y ∈ E ;

• unitaire s’il existe un élément x ∈ E tel que xy = yx = y pour tout y ∈ E.

Exemples.

• R ou C sont des R-algèbre normées commutatives et unitaires.

• Mn (R) muni d’une norme vérifiant la propriété d’algèbre est une R-algèbre normée
unitaire et non commutative.

• I un intervalle compact de R, C(I) est une R-algèbre normée unitaire et commuta-

tive.

• C0 (R), ensemble des fonctions continues sur R à valeurs réelles et tendant vers 0 à
l’infini est une R-algèbre normée commutative et non unitaire.
24 CHAPITRE 2. APPLICATIONS DIFFÉRENTIABLES, DIFFÉRENTIELLE

Proposition 2.17. Soit A une R-algèbre normée, E un espace vectoriel normé sur R, Ω
un ouvert de E, x ∈ Ω et f et g deux applications de Ω dans A. On suppose que f et g
sont différentiables en x, alors f g est différentiable en x et


D(f g)(x)(h) = Df (x)(h) g(x) + f (x)Dg(x)(h) .

Preuve. On a

f (x + h) = f (x) + Df (x)(h) + ∥h∥ε1 (h) ,

g(x + h) = g(x) + Dg(x)(h) + ∥h∥ε2 (h) ,

où ε1 (h) et ε2 (h) tendent vers 0 lorsque h → 0. Il suit que

f (x + h)g(x + h) = f (x) + Df (x)(h) + ∥h∥ε1 (h) g(x) + Dg(x)(h) + ∥h∥ε2 (h)


= f (x)g(x) + Df (x)(h) g(x) + f (x)Df (x)(h)
+Df (x)(h)Dg(x)(h) + ∥h∥f (x)ε2 (h) + ∥h∥ε1 (h)g(x)
+∥h∥2 ε1 (h)ε2 (h) .

La propriété d’algèbre (2.8) ainsi que le fait que Df (x) et Dg(x) sont linéaires continues,
impliquent que

∥Df (x)(h)Dg(x)(h) + ∥h∥f (x)ε2 (h) + ∥h∥ε1 (h)g(x) + ∥h∥2 ε1 (h)ε2 (h)∥
≤ C∥h∥2 + ∥h∥ ∥f (x)∥∥ε2 (h)∥ + ∥ε1 (h)∥∥g(x)∥ + ∥h∥2 ∥ε1 (h)∥∥ε2 (h)∥ ,

et donc que
∥Df (x)(h)Dg(x)(h) + ∥h∥f (x)ε2 (h) + ∥h∥ε1 (h)g(x) + ∥h∥2 ε1 (h)ε2 (h)∥
lim = 0.
h→0 ∥h∥
Proposition 2.18. Soit E un espace vectoriel normé sur R, Ω un ouvert de E, x ∈ Ω et
f et g deux applications de Ω dans R. On suppose que f et g sont différentiables en x et
que g(x) ̸= 0. Alors il existe U ⊂ Ω un ouvert de E contenant x tel que 1/g et f /g sont
définies sur U . De plus 1/g et f /g sont différentiables en x et
   
1 Dg(x)(h) f g(x)Df (x)(h) − f (x)Dg(x)(h)
D (x)(h) = − , D (x)(h) = .
g (g(x))2 g (g(x))2
Preuve. Laissée en exercice.

2.11 Exercices
Exercice 2.1. On considère la fonction f : R2 → R définie par f (0, 0) = 0 et pour
(x, y) ̸= (0, 0),
xy
f (x, y) = p .
x2 + y 2
2.11. EXERCICES 25

1. Montrer que f admet des dérivées partielles en (0, 0).

2. Montrer que f n’est pas différentiable en (0, 0).

3. Montrer que f n’admet pas de dérivées directionnelles selon les directions qui ne
sont pas colinéaires aux axes de coordonnées.

Exercice 2.2. On considère la fonction f : R2 → R définie par f (0, 0) = 0 et pour

(x, y) ̸= (0, 0),
xy 2
f (x, y) = 2 .
x + y2

1. Montrer que f admet des dérivées directionnelles en (0, 0) selon toutes les directions.

2. Montrer que f n’est pas différentiable en (0, 0).

Exercice 2.3. Soit la fonction f : R2 → R définie par

x4 y 3
f (x, y) = + x2 + 6y si (x, y) ̸= (0, 0) et f (0, 0) = 0 .
x4 + y 4

1. Montrer que f admet en (0, 0) des dérivées directionnelles dans toutes les directions
et les calculer.

2. Etudier la différentiabilité de f en (0, 0).

3. Si f est différentiable en (0, 0), en munissant R2 de la norme ∥.∥2 , calculer la norme

de Df (0, 0) dans L(R2 ; R).

Exercice 2.4. Soit la fonction f : R2 → R définie par

xy 2 + x2 y
f (x, y) = p si (x, y) ̸= (0, 0) et f (0, 0) = 0 .
x2 + y 2

Etudier la différentiabilité de f en (0, 0).

Exercice 2.5. Soit la fonction f : R2 → R définie par

xy 3 + x2 y 2
f (x, y) = p si (x, y) ̸= (0, 0) et f (0, 0) = 0 .
x2 + y 2

1. Etudier la continuité de f en (0, 0).

2. Montrer que f admet en 0 des dérivées directionnelles dans toutes les directions.

3. Etudier la différentiabilité de f en (0, 0).

26 CHAPITRE 2. APPLICATIONS DIFFÉRENTIABLES, DIFFÉRENTIELLE

Exercice 2.6. Soit E = Mn (R) et soit B, C ∈ E. On considère l’application f : E → E

définie par
f (A) = ABA + A + C .
Montrer que f est différentiable sur E et calculer Df (A)(H) pour tout A, H ∈ E.

Exercice 2.7. Soit A ∈ Mn (R). On note ⟨., .⟩ le produit scalaire usuel sur Rn . Soit
f : Rn → R définie par
f (x) = ⟨Ax, x⟩
et g : Rn → Rn définie par
g(x) = ⟨Ax, x⟩x .

1. Montrer que f est différentiable sur Rn et calculer Df (x)(h) .

2. Montrer que g est différentiable sur Rn et calculer Dg(x)(h) .

Exercice 2.8. Soit E = Mn (R). Soit B ∈ E et f : E → E définie par

f (A) = ABA + BAB .

Montrer que f est différentiable sur E et calculer Df (A)(H).

Exercice 2.9. Soit E un espace vectoriel normé sur R, on note ∥.∥ la norme sur E. On
considère l’application f : E → E définie par f (x) = ∥x∥x.

1. f admet-elle des dérivées directionnelles en 0 dans toutes les directions?

2. f est-elle différentiable en 0? Si oui déterminer Df (0)(h).

3. Mêmes questions avec la fonction g : E → R définie par g(x) = ∥x∥.

Exercice 2.10. On considère une application f : Rn → R, continue sur Rn \ {0}, non

identiquement nulle, telle que f (0) = 0. Pour α ∈ R, on suppose que f est positivement
homogène de degré α, i.e.

∀x ∈ Rn \ {0} , ∀t > 0 , f (tx) = tα f (x) .

1. Montrer que si α ≤ 0, f n’est pas continue en 0.

2. Montrer qu’il existe C > 0 tel que pour tout x ∈ Rn \ {0},

|f (x)| ≤ C∥x∥α .

3. Montrer que si α > 1, f admet en 0 des dérivées directionnelles selon toutes les
directions.

4. Montrer que si α > 1, f est différentiable en 0 et calculer Df (0)(h) pour tout h ∈ R.

2.11. EXERCICES 27

5. Donner une condition suffisante pour que f soit de classe C 1 sur Rn , puis pour que
f soit C k sur Rn . La fonction f peut-elle être C ∞ sur Rn ?

Exercice 2.11. Soit E un R-espace vectoriel normé, ϕ ∈ L(E ; E) et ψ ∈ L2 (E × E ; E).

On considère les applications suivantes :


f : E → E , f (x) = ψ x, ψ(ϕ(x), ϕ(x)) ,
g : E × E → E , g(x, y) = ψ(ψ(x, y), ψ(x, y)) .

Montrer que f et g sont différentiables et calculer leurs différentielles. Plutôt que de

développer f (x + h) et g(x + h, y + k), on pourra écrire f et g comme des composées de
fonctions simples dont on sait qu’elles sont différentiables et dont on connait la différen-
tielle.
28 CHAPITRE 2. APPLICATIONS DIFFÉRENTIABLES, DIFFÉRENTIELLE
Chapitre 3

Théorème des accroissements finis

3.1 Le théorème
Commençons par énoncer un premier théorème avec des fonctions définies sur un intervalle
de R.
Théorème 3.1. Soit E un espace vectoriel normé sur R. Soit [a, b] (a < b) un intervalle
compact de R. Soit f : [a, b] → E et g : [a, b] → R deux applications continues sur [a, b]
et dérivables sur ]a, b[, telles que pour tout x ∈]a, b[, ∥f ′ (x)∥ ≤ g ′ (x). Alors,

∥f (b) − f (a)∥ ≤ g(b) − g(a) .

Preuve. On va montrer que pour tout ε > 0 on a

∥f (b) − f (a)∥ ≤ g(b) − g(a) + ε(b − a) + ε ,

ce qui établira le théorème car ε est aussi petit qu’on veut. Pour cela on considère pour
ε > 0 donné l’ensemble A des x ∈ [a, b] tels que

∥f (x) − f (a)∥ > g(x) − g(a) + ε(x − a) + ε .

Si A est vide, la preuve est terminée. Supposons donc que A ̸= ∅. Comme ε est donné et
strictement positif, on voit que a ∈/ A et par continuité de f et g il existe η > 0 tel que
[a, a + η] ∩ A = ∅. Donc A est minoré par a + η et A est non vide par hypothèse. Il admet
donc une borne inférieure notée c. On a a < c d’après ce qui précède. De plus c ∈ / A. En
effet, A est défini par une inégalité stricte entre fonctions continues, donc A est ouvert.
Il suit que si c ∈ A alors tout un voisinage de c sera dans A, ce qui contredit le fait que c
soit la borne inférieure de A. De même c < b car sinon on aurait A = {b} et c = b serait
dans A. On a donc c ∈]a, b[ et comme c ∈ / A on a

∥f (c) − f (a)∥ ≤ g(c) − g(a) + ε(c − a) + ε .

De plus
∥f ′ (c)∥ ≤ g ′ (c) .

29
30 CHAPITRE 3. THÉORÈME DES ACCROISSEMENTS FINIS

Ecrivons que f et g sont dérivables en c :

f (c + h) = f (c) + hf ′ (c) + |h|ε1 (h) ,

g(c + h) = g(c) + hg ′ (c) + |h|ε2 (h) ,

où ε1 (h) et ε2 (h) tendent vers 0 lorsque h → 0. Nous allons montrer que pour h > 0 assez
petit, c + h ∈/ A, ce qui contredira le fait que c = inf A (on rappelle qu’on a montré que
c∈/ A). Pour h > 0, on a

∥f (c + h) − f (a)∥ ≤ ∥f (c + h) − f (c)∥ + ∥f (c) − f (a)∥

≤ h(∥f ′ (c)∥ + ∥ε1 (h)∥) + g(c) − g(a) + ε(c − a) + ε
≤ h(g ′ (c) + ∥ε1 (h)∥) + g(c) − g(a) + ε(c − a) + ε
≤ h(∥ε1 (h)∥ − ε2 (h)) + g(c + h) − g(a) + ε(c − a) + ε .

Et comme ε1 (h) et ε2 (h) tendent vers 0 lorsque h → 0, on peut choisir h0 assez petit pour
que pour tout h ∈]0, h0 ] on ait

∥ε1 (h)∥ − ε2 (h) ≤ ε .

Il suit qu’il existe h0 > 0 tel que pour tout h ∈]0, h0 ],

∥f (c + h) − f (a)∥ ≤ g(c + h) − g(a) + ε(c + h − a) + ε ,

i.e. ]c, c + h0 ] ∩ A = ∅. On a une contradiction. Donc A = ∅.

Le théorème des accroissements finis est maintenant un résultat à peu près immédiat.

Théorème 3.2 (Inégalité des accroissements finis). Soit E et F deux espaces vectoriels
normés sur R, Ω un ouvert de E et f une application différentiable de Ω dans F . Soit
x, y ∈ Ω tels que le segment [x, y] soit inclus dans Ω. Alors

∥f (y) − f (x)∥ ≤ ∥y − x∥ sup ∥Df (z)∥L(E,F ) .

z∈[x,y]

Preuve. On paramètre le segment [x, y] de la façon usuelle

[x, y] = {x + t(y − x) , t ∈ [0, 1]} .

On note
k = sup ∥Df (z)∥L(E,F ) .
z∈[x,y]

Si k = +∞, le théorème est trivial. On suppose donc que k < ∞. On définit les deux
fonctions suivantes :

ϕ : [0, 1] → F , ϕ(t) = f (x + t(y − x)) ,

ψ : [0, 1] → R+ , ψ(t) = k∥y − x∥t .
3.2. APPLICATIONS 31

Elles vérifient bien les hypothèses du théorème 3.1. En effet

∥ϕ′ (t)∥F = ∥Df (x + t(y − x))(y − x)∥F
≤ ∥Df (x + t(y − x))∥L(E,F ) ∥(y − x)∥E
≤ k∥y − x∥ = ψ ′ (t) .
On a donc
∥ϕ(1) − ϕ(0)∥ ≤ ψ(1) − ψ(0)
et le théorème est démontré.
A noter que dans le cas des fonctions définies sur un ouvert d’un espace vectoriel normé
sur R à valeurs dans R, on peut montrer une égalité des accroissements finis qui est une
conséquence directe de l’égalité des accroissements finis usuelle.
Théorème 3.3 (Une égalité des accroissements finis). Soit E un espace vectoriel normé
sur R, Ω un ouvert de E, f une application de Ω dans R différentiable dans Ω. Soit
x, y ∈ Ω tels que le segment [x, y] soit inclus dans Ω. Alors il existe z ∈]x, y[ tel que
f (y) − f (x) = Df (z)(y − x) .
Preuve. On considère l’application
ϕ : [0, 1] → R , ϕ(t) = f (x + t(y − x)) .
Elle est dérivable sur [0, 1], donc par l’égalité des accroissements finis usuelle, il existe
c ∈]0, 1[ tel que
ϕ(1) − ϕ(0) = ϕ′ (c) .
On pose z = x + c(y − x) et on a le résultat.

3.2 Applications
3.2.1 Classe C 1 et dérivées partielles
Dans le cas où E = Rn , l’égalité (2.1) donne une caractérisation simple de la classe C 1 en
fonction des dérivées partielles, que l’inégalité des accroissements finis va nous permettre
de démontrer.
Proposition 3.1. Soit Ω un ouvert de Rn , F un espace vectoriel normé sur R et f : Ω →
F une application. Alors f est de classe C 1 sur Ω si et seulement si les dérivées partielles
de f par rapport à toutes les variables existent en tout point de Ω et sont continues sur
Ω.
Preuve. On note {e1 , ... , en } la base canonique de Rn . Si f est de classe C 1 sur Ω
alors les dérivées partielles de f par rapport à toutes les variables existent en tout point
de Ω et sont données par
∂f
(x) = Df (x)(ei ) .
∂xi
32 CHAPITRE 3. THÉORÈME DES ACCROISSEMENTS FINIS

Pour x, y ∈ Ω assez proches pour que [x, y] ⊂ Ω, on a

∂f ∂f
(y) − (x) = ∥Df (y)(ei ) − Df (x)(ei )∥ ≤ ∥Df (y) − Df (x)∥L(Rn ,F ) .
∂xi ∂xi
Donc la continuité de Df sur Ω entraine celle des dérivées partielles.
Supposons maintenant que les dérivées partielles de f par rapport à toutes les variables
existent en tout point de Ω et soient continues sur Ω. Alors l’application
n
X ∂f
Lx (h) = hi (x)
i=1
∂xi

est linéaire de Rn dans F , et donc aussi continue car Rn est de dimension finie. De plus
l’application x 7→ Lx est continue de Ω dans L(Rn , F ). En effet pour x, y ∈ Ω assez
proches pour que [x, y] ⊂ Ω, on a
n  
X ∂f ∂f
∥Ly − Lx ∥L(Rn ,F ) = sup hi (y) − (x)
∥h∥=1 i=1 ∂xi ∂xi
F
n
X ∂f ∂f
≤ (y) − (x) → 0 lorsque y → x .
i=1
∂x i ∂x i F

Il reste donc simplement à montrer que f est différentiable en tout point x de Ω et que
Df (x) = Lx . Pour x ∈ Ω et ρ > 0 tel que B(x, ρ) ⊂ Ω, pour h ∈ B(0, ρ), on a
Xn 
f (x + h) − f (x) = f (x1 + h1 , ..., xk + hk , xk+1 , ..., xn )
k=2

−f (x1 + h1 , ..., xk−1 + hk−1 , xk , ..., xn )

+f (x1 + h1 , x2 , ..., xn ) − f (x1 , ..., xn ) .

Pour simplifier, on notera cela

n 
X
f (x + h) − f (x) = f (x1 + h1 , ..., xk + hk , xk+1 , ..., xn )
k=1

−f (x1 + h1 , ..., xk−1 + hk−1 , xk , ..., xn ) .

Il suit donc que

n n
X ∂f X
f (x + h) − f (x) − hi (x) = (ϕk (hk ) − ϕk (0)) ,
i=1
∂xi k=1

où
∂f
ϕk (t) = f (x1 + h1 , ..., xk−1 + hk−1 , xk + t, xk+1 , ..., xn ) − t (x) .
∂xk
3.2. APPLICATIONS 33

Par l’inégalité des accroissements finis, on a

∥ϕk (hk ) − ϕk (0)∥ ≤ Mk |hk | ,
où
Mk = sup ∥ϕ′k (t)∥
t∈[0,hk ]

∂f ∂f
= sup (x1 + h1 , ..., xk−1 + hk−1 , xk + t, xk+1 , ..., xn ) − (x) .
t∈[0,hk ] ∂xk ∂xk
On en déduit que (en prenant la norme ∥.∥2 sur Rn et en utilisant Cauchy-Schwarz)
n n
!1/2
X ∂f X
f (x + h) − f (x) − hi (x) ≤ ∥h∥ Mk2 .
i=1
∂xi k=1
F
Comme par continuité des dérivées partielles de f sur Ω les Mk tendent vers 0 quand
h → 0, on obtient bien que f est différentiable en tout point x de Ω et que Df (x) = Lx .

3.2.2 Un théorème de point fixe

Théorème 3.4. Soit E un espace de Banach et f : E → E une application. On suppose
qu’il existe k ∈ [0, 1[ tel que pour tout x ∈ E,
∥Df (x)∥L(E) ≤ k .
Alors f admet un unique point fixe dans E, i.e. il existe un unique x ∈ E tel que f (x) = x.
Preuve. Commençons par montrer l’unicité. Supposons qu’il existe deux points fixes
distincts x et y de f . C’est-à-dire qu’on a
f (x) = x , f (y) = y , x ̸= y .
Ceci est impossible car l’inégalité des accroissements finis nous donne
∥f (y) − f (x)∥ ≤ k∥y − x∥ < ∥y − x∥ = ∥f (y) − f (x)∥ .
C’est absurde.
Pour montrer l’existence, considérons la suite (un )n∈N dans E définie par
u0 = 0 , un+1 = f (un ) .
Cette suite converge si et seulement si la série
X
vn , vn = un − un−1 ,
n∈N∗

est convergente. Or d’après le Théorème des accroissements finis, on a

∥un − un−1 ∥ = ∥f (un−1 ) − f (un−2 ∥ ≤ k∥un−1 − un−2 ∥ ≤ ... ≤ k n−1 ∥u1 − u0 ∥ .
Comme k ∈ [0, 1[, la série est absolument convergente et donc convergente du fait qu’on
est dans un espace de Banach.
Remarque 3.1. On peut énoncer un théorème analogue pour f : Ω → Ω où Ω est un
ouvert convexe de E.
34 CHAPITRE 3. THÉORÈME DES ACCROISSEMENTS FINIS

3.3 Exercices
Exercice 3.1. Soit f : R2 → R2 définie par f (x, y) = 12 arctg y, 12 arctg x . Montrer que

f admet un unique point fixe sur R2 puis le déterminer.

Exercice 3.2. Soit la fonction de R2 dans R définie par

sin(x)
f (x, y) = .
1 + y2

On munit R2 de la norme euclidienne.

1. f est-elle différentiable sur R2 ?

2. Soit (x, y) ∈ R2 , calculer

∥Df (x, y)∥L(R2 ,R) .

3. Montrer que pour tout (x, y) ∈ R2 on a

√
|f (x, y)| ≤ 2∥(x, y)∥ .

Exercice 3.3. On munit R2 de la norme euclidienne. Soit f : R2 → R, différentiable

sur R2 , telle que f (0, 0) = 0 et en tout point p de R2 ,

∂f 1 ∂f 1
(p) ≤ , (p) ≤ .
∂x 2 ∂y 2

1. Montrer que la norme de Df (p) dans L(R2 ; R) est strictement inférieure à 1 pour
tout p ∈ R2 .

2. Montrer que pour tout p ∈ R2 , on a |f (p)| ≤ ∥p∥.

Exercice 3.4. On munit Rn de la norme euclidienne et R de la valeur absolue. Soit

l’application f : Rn → R définie par (on note x = (x1 , x2 , ..., xn ))

f (x) = log 1 + x21 + x22 + ... + x2n .

1. Déterminer Df (x)(h) pour x ̸= 0.

2. Calculer ∥Df (x)∥L(Rn ; R) pour x ̸= 0.

3. Montrer que pour tout x ∈ Rn on a |f (x)| ≤ ∥x∥.

Exercice 3.5. On munit R2 de la norme euclidienne et R de la valeur absolue. Soit

l’application f : R2 → R définie par
 
1 1
f (x, y) = .
2 1 + x2 + y 2
3.3. EXERCICES 35

1. Déterminer Df (x, y)(h, k).

2. Calculer ∥Df (x, y)∥L(R2 ; R) .

3. Montrer que pour tout (x, y) ∈ R2 on a

1 1
f (x, y) − ≤ √ ∥(x, y)∥ .
2 2
Indication : on pourra utiliser une identité remarquable classique.
36 CHAPITRE 3. THÉORÈME DES ACCROISSEMENTS FINIS
Chapitre 4

Différentielles secondes et supérieures

4.1 Différentielles secondes

Notation. Etant donnés E et F deux espaces vectoriels normés sur R, on notera
Lk (E k ; F ) l’espace des applications k-multilinéaires continues de E × E × ... × E (k fois)
dans F .

Définition 4.1. Soit E et F deux espaces vectoriels normés sur R, Ω un ouvert de E,

x ∈ Ω et f : Ω → F une application. On dira que f est deux fois différentiable en x si
elle est différentiable au voisinage de x et si l’application x 7→ Df (x), définie au voisinage
de x et à valeurs dans L(E; F ), est différentiable en x. On notera D2 f (x) la différentielle
de Df au point x. De façon analogue, on dira que f est deux fois différentiable sur Ω
si f est différentiable sur Ω et l’application x 7→ Df (x), définie sur Ω et à valeurs dans
L(E; F ), est différentiable sur Ω. On notera D2 f la différentielle seconde de f , i.e. la
différentielle de Df .

En chaque point x où elle est définie, la différentielle seconde de f est une appli-
cation linéaire continue de E dans L(E; F ). On a une identification canonique entre
L(E; L(E; F )) et L2 (E × E; F ), espace des applications bilinéaires continues de E × E
dans F . Plutôt que de considérer

D2 f (x) : h 7→ k 7→ Df (x)(h)(k) ,

on notera D2 f (x)(h, k). Evidemment on pourrait craindre que l’isomorphisme canonique

ci-dessus ne le soit en fait pas : on aurait en effet pu poser D2 f (x)(h, k) := D2 f (x)(k)(h)
au lieu de D2 f (x)(h)(k). Cela n’a en fait aucune importance comme le montre le théorème
de Schwarz.

Théorème 4.1 (de Schwarz). Soit E et F deux espaces vectoriels normés sur R, Ω un
ouvert de E, x ∈ Ω, f : Ω → F une application 2 fois différentiable en x. Alors

f (x + h + k) − f (x + h) − f (x + k) + f (x) − D2 f (x)(h, k)
lim = 0.
(h,k)→(0,0) , (h,k)∈E×E (∥h∥ + ∥k∥)2

37
38 CHAPITRE 4. DIFFÉRENTIELLES SECONDES ET SUPÉRIEURES

Il suit en particulier que D2 f (x) est une application bilinéaire continue symétrique, i.e.

D2 f (x)(h, k) = D2 f (x)(k, h) ∀(h, k) ∈ E × E .

Preuve. Soit ε > 0. Comme Df est différentiable en x, il existe δ > 0 tel que, pour
∥h∥ < 2δ on ait

Df (x + h) − Df (x) − D2 f (x)(h) L(E;F )

≤ ε∥h∥ . (4.1)

Soit h et k de normes inférieures à δ. On pose

gh (k) = f (x + h + k) − f (x + h) − f (x + k) + f (x) − D2 f (x)(h, k) .

En utilisant ce qu’on a vu sur la différentielle d’une application linéaire continue, il vient

Dgh (k) = Df (x + h + k) − Df (x + k) − D2 f (x)(h)

= Df (x + h + k) − Df (x) − D2 f (x)(h + k)
 

− Df (x + k) − Df (x) − D2 f (x)(k) .
 

En utilisant (4.1), il suit pour ∥h∥ < δ et ∥k∥ < δ,

∥Dgh (k)∥L(E;F ) ≤ ε(∥h + k∥ + ∥k∥) ≤ 2ε(∥h∥ + ∥k∥) .

On applique alors le théorème des accroissements finis à gh dans le segment [0, k] avec
∥k∥ < δ et pour ∥h∥ < δ. Comme gh (0) = 0,

∥gh (k)∥ ≤ 2ε(∥h∥ + ∥k∥)∥k∥ ≤ 2ε(∥h∥ + ∥k∥)2 .

On a donc établi la première partie du théorème. Fixons maintenant h et k dans E. On

a
f (x + th + tk) − f (x + th) − f (x + tk) + f (x) − D2 f (x)(th, tk)
0 = lim
t→0,t>0 (∥th∥ + ∥tk∥)2
f (x + th + tk) − f (x + th) − f (x + tk) + f (x) − t2 D2 f (x)(h, k)
= lim
t→0,t>0 t2 (∥h∥ + ∥k∥)2
D2 f (x)(h, k)
 
f (x + th + tk) − f (x + th) − f (x + tk) + f (x)
= lim − .
t→0,t>0 t2 (∥h∥ + ∥k∥)2 (∥h∥ + ∥k∥)2

On obtient donc
f (x + th + tk) − f (x + th) − f (x + tk) + f (x)
D2 f (x)(h, k) = lim
t→0,t>0 t2

et comme l’expression dans la limite est symétrique en (h, k), il suit que D2 f (x)(h, k) l’est
également.
4.2. DIFFÉRENTIELLES D’ORDRE SUPÉRIEUR 39

4.2 Différentielles d’ordre supérieur

De proche en proche on définit les différentielles successives d’une application, si elles
existent. On dira que f est k fois différentiable en x si elle est k − 1 fois différentiable
dans un voisinage de x et si l’application Dk−1 f est différentiable en x. On notera alors
Dk f (x) sa différentielle. On la considèrera comme une application k-multilinéaire continue
de E k dans F , i.e. un élément de Lk (E k ; F ), plutôt que comme un élément de

L(E; L(E; ...L(E; F ))) .

On a une version du théorème de Schwarz pour les différentielles d’ordre supérieur.

Théorème 4.2 (Généralisation du théorème de Schwarz). Soit E et F deux espaces

vectoriels normés sur R, Ω un ouvert de E, x ∈ Ω, f : Ω → F une application k
fois différentiable en x. Alors Dk f (x) ∈ Lk (E k ; F ) est une application k-multilinéaire
continue symétrique, i.e. pour toute permutation s de {1, 2, ..., k},

Dk f (x)(hs(1) , hs(2) , ..., hs(k) ) = Dk f (x)(h1 , h2 , ..., hk ) , ∀(h1 , h2 , ..., hk ) ∈ E k .

Preuve. Par récurrence. La propriété est vraie pour k = 2. Supposons qu’elle le soit
pour 2 ≤ p ≤ k, k ≥ 2 donné. On a

Dk+1 f (x) = DDk f (x)

et Dk f est à valeurs dans Lsym k (E ; F ), espace des applications k-linéaires continues

k

symétriques de E dans F . Donc si la permutation s de {1, 2, ..., k + 1} laisse 1 in-

k

variant, le résultat est vrai. Si elle ne laisse pas 1 invariant, elle est la composée de
permutations laissant 1 invariant et de la permutation qui ne fait qu’échanger 1 et 2 en
laissant 3, ..., k + 1 fixes. Il suffit donc de prouver que

Dk+1 f (x)(h1 , h2 , h3 , ..., hk+1 ) = Dk+1 f (x)(h2 , h1 , h3 , ..., hk+1 ) .

Mais comme Dk+1 f = D2 Dk−1 f , cette propriété découle du Théorème de Schwarz.

Définition 4.2. Soit E et F deux espaces vectoriels normés sur R, Ω un ouvert de E

et f : Ω → F une application. On dit que f est de classe C k dans Ω (ou encore que
f ∈ C k (Ω)) pour k ∈ N∗ , si elle admet des différentielles successives jusqu’à l’ordre k et
si elles sont toutes continues sur Ω. On dira que f est de classe C 0 sur Ω (ou encore que
f ∈ C 0 (Ω)) si elle est continue sur Ω. On dira que f est de classe C ∞ sur Ω (ou encore
que f ∈ C ∞ (Ω)) si elle est de classe C k sur Ω pour tout k ∈ N.

Remarque 4.1. Comme différentiabilité implique continuité, f est de classe C k dans Ω si

et seulement si elle admet des différentielles successives jusqu’à l’ordre k et si Dk f est
continue sur Ω. De même f est de classe C ∞ dans Ω si et seulement si elle admet des
différentielles successives à tous les ordres en tout point de Ω.
40 CHAPITRE 4. DIFFÉRENTIELLES SECONDES ET SUPÉRIEURES

4.3 Cas où E = Rn
Dans cette situation, on peut donner une expression de la différentielle k-ième en fonction
des dérivées partielles d’ordre k de la fonction.
Proposition 4.1. Soit Ω un ouvert de E = Rn , F un espace vectoriel normé sur R et
f : Ω → F une application. Si f est k fois différentiable en un point x de Ω, alors elle
admet au voisinage de x toutes les dérivées partielles jusqu’à l’ordre k − 1 et en x toutes
les dérivées partielles d’ordre k. De plus la différentielle k-ième de f en x s’écrit
n n
X X ∂kf
k 1 k
D f (x)(h , ..., h ) = ... h1i1 ...hkik (x) . (4.2)
i1 =1 ik =1
∂xi1 ...∂xik

Proof. C’est une conséquence directe de l’expression de la différentielle de f en

fonction de ses dérivées partielles. On peut raisonner par récurrence en appliquant ce
résultat à chaque étape.
Afin d’illustrer la formule de la proposition dans des cas plus simples, donnons-la pour
E = R2 et pour de petites valeurs de k. Nous avons dans ce cas x = (x1 , x2 ) (on peut
aussi noter (x, y) si on préfère, mais il est alors maladroit d’appeler le vecteur x).
• k = 1 : nous prenons un seul vecteur qui serait h1 pour la proposition ci-dessus,
nous le notons simplement h = (h1 , h2 ) ;
∂f ∂f
Df (x)(h) = (x)h1 + (x)h2 .
∂x1 ∂x2
Les dérivées partielles premières sont les images des vecteurs de la base canonique
par la différentielle de f en x :
∂f ∂f
(x) = Df (x)(e1 ) où e1 = (1, 0) , (x) = Df (x)(e2 ) où e2 = (0, 1) .
∂x1 ∂x2
• k = 2 : nous avons cette fois-ci deux vecteurs h1 et h2 , nous les noterons h et k
pour limiter le nombre d’indices et y voir plus clair ;
∂ 2f ∂ 2f ∂ 2f ∂ 2f
D2 f (x)(h, k) = (x)h1 k 1 + (x)h1 k2 + (x)h2 k1 + (x)h2 k2 .
∂x21 ∂x1 ∂x2 ∂x2 ∂x1 ∂x22
Les dérivées partielles secondes s’interprêtent de la façon suivante, où comme ci-
dessus, e1 et e2 sont les vecteurs de la base canonique de R2 :
∂ 2f
(x) = D2 f (x)(e1 , e1 ) ,
∂x21
∂ 2f
(x) = D2 f (x)(e1 , e2 ) ,
∂x1 ∂x2
∂ 2f
(x) = D2 f (x)(e2 , e1 ) ,
∂x2 ∂x1
∂ 2f
(x) = D2 f (x)(e2 , e2 ) .
∂x22
4.4. QUELQUES EXEMPLES 41

A noter que le Théorème de Schwarz, qui assure la symétrie de la différentielle

seconde de f , implique donc que l’on a
∂ 2f ∂ 2f
(x) = (x) .
∂x1 ∂x2 ∂x2 ∂x1

On a aussi une caractérisation du fait qu’une fonction soit C k en fonction de la continuité

de ses dérivées partielles k-ièmes.
Proposition 4.2. Soit Ω un ouvert de E = Rn , F un espace vectoriel normé sur R et
f : Ω → F une application. Alors f est C k sur Ω si et seulement si elle admet en tout
point de Ω des dérivées partielles par rapport à toutes les variables jusqu’à l’ordre k et ses
dérivées partielles d’ordre k sont toutes continues sur Ω.
Preuve. On applique par récurrence la caractérisation des fonctions de classe C 1 en
termes de continuité de leurs dérivées partielles.

4.4 Quelques exemples

Voici quelques exemples de dérivées successives. Les vérifications sont de bonnes applica-
tions du cours et peuvent être traitées en exercices.

4.4.1 Application linéaire continue

Soit E et F deux espaces vectoriels normés sur R et L : E → F une application linéaire
continue. Alors L ∈ C ∞ (E) et

DL(x)(h) = L(h) ,
Dk L ≡ 0 pour k ≥ 2 .

Nous avons déjà vu le calcul de la différentielle d’une application linéaire continue. On

a DL(x) = L pour tout x ∈ E, c’est-à-dire que DL est constante sur E (à valeurs
dans L(E; F )). Il suit d’après la Section 2.2 que DL est différentiable sur E et que sa
différentielle est identiquement nulle sur E (donc constante sur E, donc différentiable de
différentielle nulle, etc...).

4.4.2 Application bilinéaire continue

Soit E, F et G trois espaces vectoriels normés sur R et f : E × F → G une application
bilinéaire continue. Alors f ∈ C ∞ (E × F ) et

Df (x, y)(h, k) = f (x, k) + f (h, y) ,

2


D f (x, y) (h1 , k1 ), (h2 , k2 ) = f (h2 , k1 ) + f (h1 , k2 ) ,
Dk f ≡ 0 pour k ≥ 3 .
42 CHAPITRE 4. DIFFÉRENTIELLES SECONDES ET SUPÉRIEURES

On a déjà vu le calcul de la différentielle d’une application bilinéaire continue. On re-

marque que l’application qui à (x, y) associe Df (x, y)(h, k) est linéaire (de E × F dans
G), du fait que f est bilinéaire1 . Il suit que l’application qui à (x, y) associe Df (x, y) est
linéaire (de E × F dans L(E × F ; G)). De plus elle est continue. En effet, comme f est
bilinéaire continue, il existe C > 0 telle que pour tout (x, y) ∈ E × F on ait

∥f (x, y)∥G ≤ C∥x∥E ∥y∥F .

On a donc (en choisissant la norme ∥.∥1 sur E × F )

∥Df (x, y)(h, k)∥G ≤ ∥f (h, y)∥G + ∥f (x, k)∥G

≤ C (∥h∥E ∥y∥F + ∥x∥E ∥k∥F )
≤ C (∥x∥E + ∥y∥F ) (∥h∥E + ∥k∥F ) = C∥(x, y)∥1 ∥(h, k)∥1 .

On en déduit que
∥Df (x, y)(h, k)∥G
∥Df (x, y)∥L(E×F ; G) = sup ≤ C∥(x, y)∥1 ,
(h,k)̸=(0,0) ∥(h, k)∥1

donc Df : (x, y) 7→ Df (x, y) est une application linéaire continue de E × F dans

L(E × F ; G). Il suit qu’elle est différentiable sur E × F et sa différentielle en tout point
de E × F est Df . Autrement dit f est deux fois différentiable sur E × F et

D2 f (x, y)((h, k), (u, v)) = Df (u, v)(h, k) = f (h, v) + f (u, k) .

Maintenant on voit que cette expression est indépendante de (x, y), c’est-à-dire que D2 f
est une application constante de E × F dans L2 ((E × F ) × (E × F )) ; G). Elle est donc
différentiable de différentielle nulle.

4.4.3 Application quadratique continue

Soit E et F deux espaces vectoriels normés sur R, f : E × E → F une application
bilinéaire continue. On définit l’application quadratique q : E → F par q(x) = f (x, x).
Alors q ∈ C ∞ (E) et

Dq(x)(h) = f (x, h) + f (h, x) ,

D2 q(x)(h, k) = f (k, h) + f (h, k) ,
Dk q ≡ 0 pour k ≥ 3 .

Commençons par étudier la différentielle de q. On écrit q comme la composée de deux

fonctions :
q =f ◦ϕ
1
Attention!!!!! On parle bien ici de l’application qui à (x, y) associe Df (x, y)(h, k). L’expression
Df (x, y)(h, k) est forcément linéaire en (h, k), c’est une propriété essentielle de toute application différen-
tiable. Ce qui est remarquable ici c’est que ce soit aussi linéaire par rapport à (x, y). Ce n’est pas vrai
en général ; c’est vrai ici du fait que f est bilinéaire.
4.4. QUELQUES EXEMPLES 43

où
ϕ : E → E × E , ϕ(x) = (x, x) .
L’application ϕ est linéaire et continue. En effet, choisissons la norme ∥.∥1 sur E × E, i.e.
pour tout (x, y) ∈ E × E, ∥(x, y)∥1 = ∥x∥E + ∥y∥E . On a

∥ϕ(x)∥1 = 2∥x∥E .

Donc ϕ est différentiable sur E et

Dϕ(x)(h) = ϕ(h) = (h, h) .

On sait que f est différentiable sur E × E, car elle est bilinéaire continue, et que

Df (x, y)(h, k) = f (h, y) + f (x, k) .

On voit donc que q est différentiable sur E comme composée de fonctions différentiables
et pour tous x, h ∈ E,

Dq(x)(h) = Df (ϕ(x))(Dϕ(x)(h)) = Df (x, x)(h, h) = f (h, x) + f (x, h) .

Maintenant on remarque que x 7→ Dq(x)(h) est linéaire de E dans F , donc Dq : x 7→

Dq(x) est linéaire de E dans L(E ; F ). De plus elle est continue. En effet, comme f est
bilinéaire continue, il existe C > 0 telle que pour tout (x, y) ∈ E × E on ait

∥f (x, y)∥F ≤ C∥x∥E ∥y∥E .

Donc

∥Dq(x)(h)∥F = ∥f (h, x) + f (x, h)∥F

≤ ∥f (h, x)∥F + ∥f (x, h)∥F
≤ 2C∥x∥E ∥h∥E .

On en déduit que

∥Dq(x)(h)∥F
∥Dq(x)∥L(E ; F) = sup ≤ 2C∥x∥E .
h̸=0 ∥h∥E

L’application Dq est donc linéaire continue de E dans L(E ; F ) et sa différentielle en tout

point est donc égale à Dq. Plus précisément, q est deux fois différentiable sur E et

D2 q(x)(h)(k) = Dq(k)(h) = f (h, k) + f (k, h) .

On voit que l’expression est indépendante de x, c’est-à-dire que D2 q est une application
constante de E dans L2 (E × E ; F ). Elle est donc différentiable de différentielle nulle.
44 CHAPITRE 4. DIFFÉRENTIELLES SECONDES ET SUPÉRIEURES

4.4.4 Application multilinéaire continue

Une application n-multilinéaire continue entre des espaces vectoriels normés sur R :
E1 × E2 × ... × En et F est C ∞ sur E1 × E2 × ... × En et toutes ses différentielles d’ordre
k ≥ n + 1 sont nulles. On pourra “s’amuser” à trouver l’expression de ses différentielles
successives d’ordres inférieurs ou égaux à n. Faisons-le dans le cas de la différentielle
seconde :
D2 f (x1 , x2 , ..., xn ) ((h1 , h2 , ..., hn ), (k1 , k2 , ..., kn ))
se calcule en remplaçant dans f (x1 , x2 , ..., xn ) un xi par le hi correspondant et un xj par le
kj correspondant, de toutes les façons possibles et en faisant la somme de tous ces termes.
C’est-à-dire
D2 f (x1 , x2 , ..., xn ) ((h1 , h2 , ..., hn ), (k1 , k2 , ..., kn ))
Xn
= f (x1 , ..., xi−1 hi , xi+1 , ..., xj−1 , kj , xj+1 , ..., xn ) .
i,j=1
i̸=j

4.5 Formules de Taylor

4.5.1 Les deux formules principales
On commence par la formule de Taylor-Lagrange qui donne une majoration de l’erreur
entre la fonction et son polynôme de Taylor.
Théorème 4.3 (Formule de Taylor avec reste de Lagrange). Soit E et F deux espaces
vectoriels normés sur R, Ω un ouvert de E et f : Ω → F une application n + 1 fois
différentiable sur Ω. On suppose qu’il existe C > 0 telle que
∥Dn+1 f (y)∥Ln+1 (E n+1 ; F) ≤ C pour tout y ∈ Ω .
Soit x ∈ Ω et h ∈ E tels que le segment [x, x + h] soit contenu dans Ω. Alors
1 2 1
f (x + h) − f (x) − Df (x)(h) − D f (x)(h, h) − ... − Dn f (x)(h, h, ..., h)
2! n!
n+1
C∥h∥
≤ .
(n + 1)!
On peut également écrire la formule de la façon suivante :
f (x + h) = Pn (h) + Rn (h)
où Pn (h) est le “polynôme” de Taylor de f en x à l’ordre n
1 2 1
Pn (h) = f (x) + Df (x)(h) + D f (x)(h, h) + ... + Dn f (x)(h, h, ..., h)
2! n!
et le reste Rn (h) vérifie
C∥h∥n+1
∥Rn (h)∥ ≤ .
(n + 1)!
4.5. FORMULES DE TAYLOR 45

Preuve du Théorème 4.3. On pose

(1 − t)2 2
ψ(t) = f (x + th) + (1 − t)Df (x + th)(h) + D f (x + th)(h, h)
2!
(1 − t)n n
+... + D f (x + th)(h, h, ..., h) ,
n!
C(1 − t)n+1
g(t) = − ∥h∥n+1 .
(n + 1)!
La fonction ψ est dérivable sur [0, 1] et

(1 − t)n n+1
ψ ′ (t) = D f (x + th)(h, h, ..., h) . (4.3)
n!
Pour plus de détails, calculons cette dérivée terme à terme (le “prime” dans ce qui suit
désigne une dérivée usuelle par rapport à t) :

′
f (x + th) = Df (x + th)(h) ,

′
(1 − t)Df (x + th)(h) = −Df (x + th)(h) + (1 − t)D2 f (x + th)(h, h) ,
′
(1 − t)2 2

D f (x + th)(h, h) = −(1 − t)D2 f (x + th)(h, h)
2!
(1 − t)2 3
+ D f (x + th)(h, h, h) ,
2!
... ... ...
′
(1 − t)n n (1 − t)n−1 n
 
D f (x + th)(h, h, ..., h) = − D f (x + th)(h, h, ..., h)
n! (n − 1)!
(1 − t)n n+1
+ D f (x + th)(h, h, ..., h) .
n!
En faisant la somme, on voit que tous les termes s’annulent deux à deux et que seul reste
le dernier terme, i.e. on obtient (4.3).
De même, g est dérivable sur [0, 1] et
C(1 − t)n
g ′ (t) = ∥h∥n+1 .
n!
D’après l’hypothèse sur la différentielle (n + 1)-ième de f , on a pour tout t ∈ [0, 1]
∥ψ ′ (t)∥ ≤ g ′ (t)
et par le Théorème 3.1, il suit
∥ψ(1) − ψ(0)∥ ≤ g(1) − g(0)
ce qui donne le résultat.
On peut affaiblir les hypothèses si on accepte de perdre un peu de contrôle sur le
reste. La formule qui suit donne un développement limité de f en x à l’ordre n avec un
minimum de contrôle sur le reste.
46 CHAPITRE 4. DIFFÉRENTIELLES SECONDES ET SUPÉRIEURES

Théorème 4.4 (Développement limité ou formule de Taylor-Young). Soit E et F deux

espaces vectoriels normés sur R, Ω un ouvert de E et f : Ω → F une application n fois
différentiable sur Ω, admettant en x une différentielle (n + 1)-ième. Alors

1 2 1
f (x + h) = f (x) + Df (x)(h) + D f (x)(h, h) + ... + Dn+1 f (x)(h, h, ..., h)
2! (n + 1)!
+∥h∥n+1 ε(h) ,

où ε(h) → 0 lorsque h → 0.

Preuve du Théorème 4.4. On sait que le résultat est vrai pour n = 0 d’après
la définition de la différentiabilité de f en x. On procède maintenant par récurrence.
Supposons que le théorème soit vrai pour n, i.e. avec une dernière dérivée d’ordre n et
un reste de la forme ∥h∥n ε(h). On pose

1 2 1
ϕ(h) = f (x + h) − f (x) − Df (x)(h) − D f (x)(h, h) − ... − Dn+1 f (x)(h, h, ..., h) .
2! (n + 1)!

On va calculer la différentielle de ϕ :

1 n+1
Dϕ(h)(k) = Df (x + h)(k) − Df (x)(k) − D2 f (x)(h, k) − ... − D f (x)(h, h, ..., h, k) .
n!
On pose alors g = Df , on a

1 n
Dϕ(h) = g(x + h) − g(x) − Dg(x)(h) − ... − D g(x)(h, h, ..., h) ,
n!

qui est une égalité dans L(E, F ). On applique alors l’hypothèse de récurrence à Dϕ(h) :

Dϕ(h) = ∥h∥n ε(h) ,

où ε(h) → 0 dans L(E, F ) lorsque h → 0. C’est-à-dire que pour tout η > 0, il existe
δ > 0 tel que
∥h∥ < δ ⇒ ∥Dϕ(h)∥ ≤ η∥h∥n .
D’après l’inégalité des accroissements finis, il suit que pour tout h ∈ E tel que ∥h∥ < δ,
on a
∥Φ(h) − ϕ(0)∥ ≤ η∥h∥n+1 .
Et comme ϕ(0) = 0, on a pour tout h ∈ E tel que ∥h∥ < δ,

∥Φ(h)∥ ≤ η∥h∥n+1 .

Le résultat est donc démontré.

4.5. FORMULES DE TAYLOR 47

4.5.2 Cas où E = Rn

Dans ce cas on a une expression explicite du polynôme de Taylor en fonction des dérivées
partielles successives de la fonction. La formule (4.2) donnait l’expression détaillée de
Dk f (x)(h1 , h2 , ..., hk ). Dans les formules de Taylor, c’est Dk f (x)(h, h, ..., h) qui intervient
et on va avoir des simplifications dues à la symétrie de Dk f (x) :

X k! ∂ |α| f
Dk f (x)(h, h, ..., h) = (x) hα , (4.4)
α! ∂xα1 1 ∂xα2 2 ...∂xαnn
|α|=k

où α est un multi-indice entier, i.e. α = (α1 , α2 , ..., αn ), αi ∈ N, i = 1, 2, ..., n et

α! = Πni=1 αi ! ,
Xn
|α| = αi . est la longueur de α ,
i=1
hα = Πni=1 hαi i .

Ainsi le polynôme de Taylor à l’ordre k en x d’une fonction f définie sur un ouvert de

Rn à valeurs dans un R-espace vectoriel normé F (et qui vérifie les hypothèses d’une des
formules de Taylor à l’ordre k) s’écrit

k
X 1 ∂ |α| f
Pk (h) = f (x) + (x) hα , (4.5)
α! ∂xα1 1 ∂xα2 2 ...∂xαnn
|α|=1
que l’on peut aussi écrire
k
X 1 ∂ |α| f
= α1 α2 α
(x) hα .
α! ∂x1 ∂x2 ...∂xn n
|α|=0

On note aussi plus synthétiquement

k
X 1 ∂ αf
Pk (h) = α
(x) hα .
α! ∂x
|α|=0
48 CHAPITRE 4. DIFFÉRENTIELLES SECONDES ET SUPÉRIEURES

Prenons l’exemple de n = 3 et k = 3 en un point x = (x1 , x2 , x3 ) :

∂f ∂f ∂f
P3 (h) = f (x) + (x)h1 + (x)h2 + (x)h3
∂x ∂x2 ∂x3
 2 1
1 ∂ f ∂ 2f ∂ 2f
+ 2
(x)h1 + 2 (x)h2 + 2 (x)h23
2 2
2 ∂x1 ∂x2 ∂x3
2 2
∂ 2f

∂ f ∂ f
+2 (x)h1 h2 + 2 (x)h1 h3 + 2 (x)h2 h3
∂x1 ∂x2 ∂x1 ∂x3 ∂x2 ∂x3
1 ∂ 3f ∂ 3f ∂ 3f

3 3
+ (x)h 1 + (x)h 2 + (x)h33
3! ∂x31 ∂x32 ∂x33
∂ 3f ∂ 3f ∂ 3f
+3 2 (x)h21 h2 + 3 2 (x)h21 h3 + 3 2 (x)h22 h3
∂x1 ∂x2 ∂x1 ∂x3 ∂x2 ∂x3
∂ 3f 2 ∂ 3f 2 ∂ 3f
+3 (x)h h
1 2 + 3 (x)h h
1 3 + 3 (x)h2 h23
∂x1 ∂x22 ∂x1 ∂x23 ∂x2 ∂x23
∂ 3f

+6 (x)h1 h2 h3
∂x1 ∂x2 ∂x3

et aussi celui de n = 2 et k = 3 en un point (x1 , x2 ) :

∂f ∂f
P3 (h) = f (x) + (x)h1 + (x)h2
∂x ∂x2
 2 1
∂ 2f ∂ 2f

1 ∂ f 2 2
+ (x)h1 + 2 (x)h2 + 2 (x)h1 h2
2 ∂x21 ∂x2 ∂x1 ∂x2
1 ∂ 3f ∂ 3f ∂ 3f ∂ 3f
 
3 3 2 2
+ (x)h1 + 3 (x)h2 + 3 2 (x)h1 h2 + 3 (x)h1 h2 .
3! ∂x31 ∂x2 ∂x1 ∂x2 ∂x1 ∂x22

Pour éclairer la formule générale (4.5), prenons dans le cas n = 2 et k = 3 l’avant-dernier

terme et écrivons-le avec un multi-indice : il correspond à α = (2, 1), i.e. α1 = 2 et α2 = 1

1 ∂ 3f 1 ∂ 3f
3 2 (x)h21 h2 = (x)h21 h2
3! ∂x1 ∂x2 2 ∂x21 ∂x2
1 ∂ 3f
= (x)h21 h2
2!1! ∂x21 ∂x2
1 ∂ |α| f
= (x)hα1 1 hα2 2
α1 !α2 ! ∂xα1 1 ∂xα2 2
1 ∂ |α| f
= hα .
α! ∂xα1 1 ∂xα2 2

4.5.3 Formule de Taylor avec reste intégral

On a également une formule de Taylor avec reste intégral. Elle est conceptuellement
beaucoup plus délicate. En effet on va devoir intégrer des fonctions à valeurs dans un
4.6. EXTREMA LOCAUX 49

espace vectoriel normé. Pour que l’intégrale soit raisonnablement définie, on a besoin
que l’espace d’arrivée soit un espace de Banach. Il n’en reste pas moins que l’intégrale
des fonctions à valeurs dans les espaces de Banach n’est pas une notion facile et que
nous ne l’avons pas vue jusqu’alors. En admettant le Théorème fondamental du calcul
intégral pour de telles fonction (c’est-à-dire en trichant sérieusement), la formule est facile
à démontrer. Bien sûr, si l’espace d’arrivée est de dimension finie, il est isométrique à Rn
et tout cela est alors dans le cadre du cours d’intégration de Lebesgue.
Théorème 4.5 (Théorème fondamental du calcul intégral). Soit F un espace de Banach,
ϕ : [a, b] → F une application de classe C 1 sur [a, b]. Alors
Z b
ϕ(b) = ϕ(a) + ϕ′ (t)dt .
a

Théorème 4.6 (Formule de Taylor avec reste intégral). Soit E un espace vectoriel normé
sur R et F un espace de Banach sur R, Ω un ouvert de E et f : Ω → F une application
de classe C n+1 sur Ω. Soit x ∈ Ω et h ∈ E tels que le segment [x, x + h] soit contenu dans
Ω. Alors
1 2 1
f (x + h) = f (x) + Df (x)(h) + D f (x)(h, h) + ... + Dn f (x)(h, h, ..., h)
2! n! | {z }
n fois
Z 1
1
+ (1 − t)n Dn+1 f (x + th)(h, h, ..., h)dt .
n! 0 | {z }
n+1 fois

Preuve du Théorème 4.6. On pose

(1 − t)2 2
ψ(t) = f (x + th) + (1 − t)Df (x + th)(h) + D f (x + th)(h, h)
2!
(1 − t)n n
+... + D f (x + th)(h, h, ..., h) .
n!
Alors Ψ est de classe C 1 sur [0, 1] et (voir la preuve de (4.3) dans la démonstration du
Théorème 4.3)
(1 − t)n n+1
ψ ′ (t) = D f (x + th)(h, h, ..., h) .
n!
La formule de Taylor avec reste intégral se réduit alors à l’application du Théorème
fondamental du calcul intégral pour ψ :
Z 1
ψ(1) − ψ(0) = ψ ′ (t)dt .
0

4.6 Extrema locaux

Définition 4.3. Soit E un espace vectoriel normé sur R, Ω un ouvert de E et f : Ω → R.
On dit que f admet en x ∈ Ω un minimum local s’il existe un voisinage ouvert U de x tel
50 CHAPITRE 4. DIFFÉRENTIELLES SECONDES ET SUPÉRIEURES

que pour tout y ∈ U on ait f (y) ≥ f (x). On dit que f admet en x ∈ Ω un maximum local
s’il existe un voisinage ouvert U de x tel que pour tout y ∈ U on ait f (y) ≤ f (x). Dans
les deux cas on parle d’extremum local. L’extremum local est dit strict si on peut trouver
un voisinage ouvert de x dans lequel les inégalités ci-dessus soient strictes pour y ̸= x.
Définition 4.4. Soit E un espace vectoriel normé sur R, Ω un ouvert de E et f : Ω → R
une application. On dit que f admet en x ∈ Ω un point critique si f est différentiable en
x et si Df (x) = 0.
Proposition 4.3 (Condition nécessaire d’extremum local : premier ordre). Soit E un
espace vectoriel normé sur R, Ω un ouvert de E et f : Ω → R une application. Si f
admet en x ∈ Ω un extremum local et si f est différentiable en x, alors x est un point
critique de f .
Preuve. On donne la preuve dans le cas d’un minimum local. Remarquons tout
d’abord que Df (x) = 0 si et seulement si pour tout v ∈ E, v ̸= 0, on a
∂f
(x) = 0 .
∂v
C’est clair du fait que
∂f
(x) = Df (x)(v) .
∂v
Soit donc v ∈ E, v ̸= 0. On sait que la dérivée directionnelle de f en x dans la direction
de v existe, du fait que f est différentiable en x. C’est-à-dire que
f (x + tv) − f (x)
lim existe dans R .
t→0 t
Pour t > 0, on a
f (x + tv) − f (x)
≥0
t
et pour t < 0,
f (x + tv) − f (x)
≤ 0.
t
Il suit que
∂f
(x) = 0 .
∂v
Le résultat est démontré.
Proposition 4.4 (Condition nécessaire d’extremum local : deuxième ordre). Soit E
un espace vectoriel normé sur R, Ω un ouvert de E et f : Ω → R une application
différentiable.
• Si f admet en x ∈ Ω un minimum local et si f est deux fois différentiable en x,
alors x est un point critique de f et la forme quadratique D2 f (x)(h, h) est positive,
i.e. D2 f (x)(h, h) ≥ 0 pour tout h ∈ E.
4.6. EXTREMA LOCAUX 51

• Si f admet en x ∈ Ω un maximum local et si f est deux fois différentiable en x,

alors x est un point critique de f et la forme quadratique D2 f (x)(h, h) est négative,
i.e. D2 f (x)(h, h) ≤ 0 pour tout h ∈ E.
Preuve. On suppose que f admet en x un extremum local. On écrit la formule de
Taylor-Young à l’ordre 2 :
1
f (x + h) = f (x) + Df (x)(h) + D2 f (x)(h, h) + ∥h∥2 ε(h) ,
2
où ε(h) → 0 lorsque h → 0. On sait de plus par la Proposition 4.3 que x est un point
critique, donc
1
f (x + h) − f (x) = D2 f (x)(h, h) + ∥h∥2 ε(h) .
2
Supposons que f admette en x un minimum local, i.e. f (x + h) − f (x) ≥ 0 pour tout
h ∈ E assez petit. Soit un vecteur v non nul donné, si D2 f (x)(v, v) ̸= 0, alors pour t
assez petit  
2 1 2 2
0 ≤ f (x + tv) − f (x) = t D f (x)(v, v) + ∥v∥ ε(tv)
2
et on doit donc avoir D2 f (x)(v, v) > 0. La preuve est similaire dans le cas d’un maximum
local.
Afin de pouvoir énoncer et surtout démontrer une condition suffisante d’extremum
local strict, nous aurons besoin du théorème qui suit.
Commençons par donner une définition.
Définition 4.5 (Forme bilinéaire non dégénérée). Soit E un R-espace vectoriel normé
et ϕ : E × E → R une forme bilinéaire symétrique et continue. Si l’on fixe h ∈ E, on
obtient ϕ̃h : E → R linéaire continue, donnée par ϕ̃h (k) = ϕ(h, k). On a ainsi défini une
application linéaire ϕ̃ : h → ϕ̃h de E vers E ′ = L(E, R). On dit que ϕ est non dégénérée
si ϕ̃ est un isomorphisme d’espaces vectoriels normés, c’est à dire : ϕ̃ est bijective et son
inverse ϕ̃−1 : E ′ → E est continue.
Remarque 4.2. Dans le cas où E est de dimension finie, ϕ non dégénérée signifie simplement
que si ϕ(x, y) = 0 pour tout y, alors x = 0.
Théorème 4.7. Soit E un espace vectoriel normé sur R et ϕ : E × E → R une forme
bilinéaire symétrique, continue, positive et non dégérérée. Alors ϕ est coercive, i.e. il
existe K > 0 tel que pour tout h ∈ E on ait

ϕ(h, h) ≥ K∥h∥2 .

Bien sûr, si ϕ est continue, négative et non dégérérée, alors c’est −ϕ qui est coercive.
Preuve. En dimension finie, on peut utiliser la compacité de la sphère unité. En
effet l’application de S 1 dans ]0, +∞[ qui à v associe ϕ(v, v) est continue sur S 1 qui est
compacte, donc elle admet sur S 1 un minimum. Comme ce minimum est la valeur de
52 CHAPITRE 4. DIFFÉRENTIELLES SECONDES ET SUPÉRIEURES

ϕ(v, v) pour un certain v ∈ S 1 , il est strictement positif, i.e. il existe K > 0 tel que pour
tout v ∈ S 1 on ait ϕ(v, v) ≥ K. Maintenant pour h ̸= 0 on a
 
2 h h
ϕ(h, h) = ∥h∥ ϕ , ≥ K∥h∥2 .
∥h∥ ∥h∥

En dimension infinie, cette preuve n’est plus valable du fait que la sphère unité n’est plus
compacte.
Par contre une autre preuve, basée sur l’identification entre formes bilinéaires et appli-
cations linéaires à valeurs dans l’espace des formes linéaires, fonctionne que la dimension
soit finie ou non lorsque la forme bilinéaire ϕ est non dégénérée. Dans ce cas, l’application

x 7→ ϕ̃x

où
ϕ̃x (y) = ϕ(x, y) ,
est un isomorphisme de E sur son dual topologique E ′ = L(E, R). Donc il existe C1 > 0
tel que pour tout x ∈ E

∥ϕ̃x ∥L(E,R) = sup ∥ϕ(x, y)∥ ≥ C1 ∥x∥ .

∥y∥=1

Soit x ̸= 0 donné. Par définition de la borne supérieure, il existe y ∈ E de norme 1 tel

que
C1
∥ϕ(x, y)∥ ≥ ∥x∥ .
2
En utilisant l’inégalité de Cauchy-Schwarz, on obtient

C12
∥x∥2 ≤ ∥ϕ(x, x)∥∥ϕ(y, y)∥ .
4
Par ailleurs, ϕ étant continue, on sait qu’il existe C2 > 0 tel que

∥ϕ(u, v)∥ ≤ C2 ∥u∥∥v∥ .

D’où
C12
∥x∥2 ≤ ∥ϕ(x, x)∥C2 ∥y∥2 = C2 ∥ϕ(x, x)∥ .
4
On obtient donc
C12
∥ϕ(x, x)∥ ≥∥x∥2 .
4C2
Comme C1 et C2 sont indépendants de x et du choix de y, le résultat est démontré.

Théorème 4.8 (Condition suffisante d’extremum local). Soit E un espace vectoriel normé
sur R, Ω un ouvert de E, x ∈ Ω et f : Ω → R une application différentiable, deux fois
différentiable en x. Si :
4.7. EXERCICES 53

1. x est un point critique de f ;

2. la forme quadratique D2 f (x)(h, h) est positive (resp. négative) et non dégénérée ;

alors f admet en x un minimum (resp. maximum) local strict.
Preuve. On la fait dans le cas d’un minimum. Elle utilise le théorème précédent.
Comme il existe K > 0 tel que D2 f (x)(h, h) ≥ K∥h∥2 pour tout h ∈ E, alors

f (x + h) − f (x) = D2 f (x)(h, h) + ∥h∥2 ε(h) ≥ ∥h∥2 (K − ∥ε(h)∥) .

Comme ε(h) → 0 lorsque h →, il existe η > 0 tel que pour ∥h| < η on ait ∥ε(h)∥ ≤ K/2.
Il suit que pour ∥h∥ < η on a
K
f (x + h) − f (x) ≥ ∥h∥2 > 0.
2
La fonction f admet donc en x un minimum local strict.
Remarque 4.3. En dimension finie, une forme quadratique positive (resp. négative) non
dégénérée est simplement une forme quadratique définie positive (resp. définie négative).

4.7 Exercices
Exercice 4.1. On considère la fonction g de R2 dans R définie par :
 2
π x − y2

g(x, y) = xy sin pour (x, y) ̸= (0, 0) , et g(0, 0) = 0 .
2 x2 + y 2
1. Montrer que g est différentiable au point (0, 0).

2. Calculer
∂2 ∂2
(0, 0) et (0, 0) .
∂x∂y ∂y∂x
Conclusion?
Exercice 4.2. Soit la fonction f : R2 → R, définie par
x2 y 4
f (0, 0) = 0 , f (x, y) = pour (x, y) ̸= (0, 0) .
x2 + y 2
Montrer que f est de classe C 2 sur R2 .
Exercice 4.3. Soit E = Mn (R) l’espace des matrices carrées n × n à coefficients réels.
Montrer que les applications f , g et h suivantes sont différentiables sur E et calculer leurs
différentielles :
f (A) = t AA , g(A) = A3 , h(A) = det A .
Montrer qu’elles sont deux fois différentiables et calculer leurs différentielles secondes.
54 CHAPITRE 4. DIFFÉRENTIELLES SECONDES ET SUPÉRIEURES

Exercice 4.4. Soit E un espace vectoriel normé sur R. Soit f : E × E → E une

application bilinéaire continue et g : E → E une application deux fois différentiable. On
définit les applications ϕ : E → E et ψ : E → E par

ϕ(x) = f (x, x) + g(x) , ψ(x) = f (x, g(x)) .

Justifier rapidement que ϕ et ψ sont deux fois différentiables sur E et calculer leurs
différentielles secondes en un point quelconque x ∈ E.
Exercice 4.5. Soit E un R-espace vectoriel normé, ψ ∈ L2 (E 2 ; E) et ϕ ∈ L(E). Soit
l’application f : E → E définie par

f (x) = ψ(ψ(x, x), ϕ(x)) .

Montrer que f est C ∞ sur E et calculer ses différentielles sucessives.

Exercice 4.6. Soit L une application linéaire de Rn dans lui-même. On note ⟨., .⟩ le
produit scalaire euclidien usuel sur Rn . On considère les applications suivantes :

f : Rn → R , f (x) = ⟨L(x), x⟩ ,
g : Rn × Rn → Rn , g(x, y) = ⟨L(x), L(y)⟩y .

1. Montrer que f est indéfiniment différentiable sur Rn puis calculer Df (x)(h) et

D2 f (x)(h, k).

2. Montrer que g est différentiable et calculer Dg(x, y)(h, k).

Exercice 4.7. Soit E un espace vectoriel normé sur R. Soit f une application linéaire
continue de E dans lui-même et g une application bilinéaire continue de E × E dans E.
Soit également y ∈ E fixé. On considère les applications ϕ et ψ de E dans lui-même
définies par :
ϕ(x) = g(f (x), x) + g(f (x), f (x)) , ψ(x) = f (g(x, x)) .
1. Montrer que ϕ et ψ sont deux fois différentiables sur E.

2. Calculer Dϕ(x)(h) et Dψ(x)(h).

3. Calculer D2 ϕ(x)(h, k) et D2 ψ(x)(h, k).

Exercice 4.8. Ecrire la formule de Taylor à l’ordre 1 en (0, 0) pour la fonction

f (x, y) = eax+by − cos(cx + dy) .

Existe-t-il des réels a, b, c, d tels que f garde un signe constant au voisinage de (0, 0)?
Exercice 4.9. Soit α , β ∈ Nn , calculer ∂ α xβ .
Exercice 4.10. Soit la fonction f définie sur R2 par f (x, y) = xy 2 . Ecrire la formule de
Taylor à l’ordre 3 pour f en un point (x0 , y0 ). Qu’obtient-on pour (x0 , y0 ) = (0, 0)?
4.7. EXERCICES 55

Exercice 4.11. Soit P un polynôme de degré k sur Rn . Ecrire la formule de Taylor à

l’ordre k pour P en 0.
Exercice 4.12. Soit la fonction f : R2 → R, définie par
f (x, y) = (ex cos y) − 1 .
1. Montrer que f peut s’écrire sous la forme
f (x, y) = T2 (x, y) + R(x, y) ,
où T2 est un polynôme de degré 2 et il existe une constante C > 0 telle que, pour
∥(x, y)∥ ≤ 1, on ait
|R(x, y)| ≤ C∥(x, y)∥3 .

2. Etudier la convergence de la série

(−1)n 1
X  
f (zn ) , zn = √ ,√ .
n≥1
n n

Exercice 4.13. Soit la fonction f : R2 → R définie par f (x, y) = sin( π4 xy). Ecrire la
formule de Taylor à l’ordre 2 pour f en le point (2, 1/2). Quelle est l’équation du plan
tangent au graphe de f au dessus de ce point?
Exercice 4.14. Soit la fonction f : R2 → R définie par f (x, y) = x2 + y 2 + xy + x − y + 4.
Déterminer les extrema locaux de f .
Exercice 4.15. On considère l’application de R2 dans R définie par
f (x, y) = 2x4 + 2y 4 + 2x2 y 2 − 6x − 6y .
Etudier les extrema locaux de f sur R2 .
Exercice 4.16. Soit le domaine dans Rn , n > 2,
D = {x ∈ Rn ; xi > 0 , 1 ≤ i ≤ n} .
On considère la fonction f : D → R, définie par
n n
Y X 1
f (x) = xi + .
i=1 i=1
x i

Trouver les extrema locaux de f dans D.

Exercice 4.17. Soit A ∈ Mn (R), une matrice symétrique définie positive, B ∈ Mn (R)
et y ∈ Rn . On considère la fonction f définie sur Rn par
1
f (x) = ⟨Ax, x⟩ + ⟨Bx, y⟩ ,
2
où (., .) est le produit scalaire usuel sur Rn .
56 CHAPITRE 4. DIFFÉRENTIELLES SECONDES ET SUPÉRIEURES

1. Montrer que f est C ∞ sur Rn .

2. Etudier les extrema locaux de f sur Rn .
Exercice 4.18. On considère l’espace vectoriel E des fonctions continues sur R, à valeurs
réelles, nulles en dehors de [−1, 1], muni de la norme L2 . Soit g une fonction continue sur
R, uniformément minorée par 1 sur R et h une fonction continue sur R, nulle en dehors
de [−1, 1]. On considère la fonction Φ, définie sur E et à valeurs réelles :
Z
1
g(x)(f (x))2 − h(x)f (x) dx .


Φ(f ) =
2 R
1. Montrer que Φ est C ∞ sur E.
2. Soit f ∈ E, donner une condition suffisante pour que f soit un point critique de Φ.
Cette condition est-elle nécessaire?
3. Si Φ admet un point critique f , quelle est sa nature?
Exercice 4.19. On considère l’espace vectoriel E des fonctions de classe C 2 sur R, à
valeurs réelles, nulles en dehors de [−1, 1], muni de la norme
2
X
∥f ∥E = max f (k) (x) .
x∈R
k=0

Soit g une fonction de classe C 0 sur R, nulle en dehors de [−1, 1]. On considère l’application
Φ, définie sur E et à valeurs réelles :
Z
1
|∇f (x)|2 + (f (x))2 − g(x)f (x) dx .


Φ(f ) =
2 R
1. Montrer que Φ est C ∞ sur E.
2. Soit f ∈ E, donner une condition suffisante pour que f soit un point critique de Φ.
Cette condition est-elle nécessaire?
3. Si Φ admet un point critique f , quelle est sa nature?
Exercice 4.20. Soit E un espace vectoriel normé sur R et f : E → R une fonction trois
fois différentiable sur E. Soit x0 ∈ E tel que
Df (x0 ) = 0 , D2 f (x0 ) = 0 et D3 f (x0 ) ̸= 0 .
La fonction f admet-elle en x0 un extremum local?
Exercice 4.21. Soit sur Rn une forme quadratique q définie positive et ⟨., .⟩ le produit
scalaire associé, i.e.
q(x) = ⟨x, x⟩ .
Soit b ∈ Rn et c ∈ R. On considère la fonction f : Rn → R définie par
f (x) = q(x) + ⟨x, b⟩ + c .
4.7. EXERCICES 57

1. (a) Montrer que f est indéfiniment différentiable sur Rn .

(b) Déterminer les extrema locaux de f sur Rn et préciser leur nature.

2. Ecrire une formule de Taylor pour f à l’ordre 2 en 0.

58 CHAPITRE 4. DIFFÉRENTIELLES SECONDES ET SUPÉRIEURES
Chapitre 5

Inversion locale, fonctions implicites

5.1 Difféomorphismes, inversion locale, inversion glob-

ale
Définition 5.1. Soit E et F deux espaces vectoriels normés sur R, U un ouvert de E et
V un ouvert de F . On dit qu’une application ϕ : U → V est un C k –difféomorphisme de
U sur V si :

1. ϕ est une bijection de U sur V ;

2. ϕ est de classe C k sur U ;

3. ϕ−1 est C k sur V .

Théorème 5.1 (Inversion locale). Soit E et F deux espaces de Banach, Ω un ouvert de

E et ϕ une application de Ω dans F de classe C k , k ∈ N∗ donné. Soit x ∈ Ω, on suppose
que Df (x) est un isomorphisme de E sur F (i.e. une application linéaire continue et
d’inverse continu). Alors il existe U un voisinage ouvert de x dans Ω et V un voisinage
ouvert de f (x) dans F tels que ϕ soit un C k –difféomorphisme de U sur V .

Preuve. Quitte à composer f avec des translations, on peut supposer que x = 0E et

f (x) = 0F . On a donc f (0) = 0 et la différentielle de f au point 0 est un isomorphisme
de E dans F ; une telle application est un C ∞ –difféomorphisme de E dans F . Il est donc
équivalent de trouver un voisinage U de 0E et un voisinage V de 0F tels que f soit un
C k –difféomorphisme de U dans V , et de trouver deux voisinages U et W de 0E tels que
(Df (0))−1 ◦ f soit un C k –difféomorphisme de U dans W . A noter que le lien entre V et
W est donné par
W = (Df (0))−1 (V ) .
On observe de plus que la différentielle en 0 de (Df (0))−1 ◦ f est l’identité. On peut donc
sans perte de généralité supposer que E = F et que Df (0) = IdE .
Soit φ = Id − f . La différentielle de φ est nulle en 0 et, comme cette différentielle est
continue, il existe un réel strictement positif r tel que la boule fermée B̄(0, r) de centre

59
60 CHAPITRE 5. INVERSION LOCALE, FONCTIONS IMPLICITES

0 et de rayon r soit incluse dans Ω et que la norme de la différentielle de φ soit toujours

inférieure à 1/2 sur cette boule. Définissons deux voisinages ouverts U et W de 0 par
W = B(0, r/2), U = B(0, r) ∩ f −1 (W ) (rappelons que f étant continue, f −1 (W ) est
ouvert) et démontrons que de U dans W , f est bijective.
Pour prouver la surjectivité, considérons, pour tout point y de W , la fonction φy
définie sur B(0, r) par φy (x) = y + φ(x).
L’inégalité des accroissements finis montre que φ est 1/2-lipschitzienne sur B̄(0, r), i.e.
1
∀x1 , x2 ∈ B̄(0, r) , ∥φ(x2 ) − φ(x1 )∥ ≤ ∥x2 − x1 ∥ .
2
On en déduit d’une part que sa translatée φy l’est aussi et d’autre part, que φy envoie
B̄(0, r) dans elle-même, et même dans B(0, r), car pour tout x dans B̄(0, r) la norme de
φ(x) est inférieure ou égale à r/2 et celle de y strictement inférieure à r/2. Le théorème
du point fixe montre l’existence d’un point z appartenant à B̄(0, r) tel que φy (z) = z,
donc envoyé par f sur y. Et comme φy (z) = z, on a z ∈ B(0, r) et de plus f (z) = y ∈ W
donc z ∈ f −1 (W ). On a donc trouvé z ∈ U tel que f (z) = y.
L’injectivité s’obtient en utilisant à nouveau que φ est 1/2 lipschitzienne. Pour tous
x1 et x2 dans V , si l’on note y1 et y2 leurs images par f , on a
1
∥x1 − x2 ∥ = ∥φ(x1 ) + f (x1 ) − φ(x2 ) − f (x2 )∥ ≤ ∥x1 − x2 ∥ + ∥y1 − y2 ∥ ,
2
ce qui se réécrit
∥x1 − x2 ∥ ≤ 2∥y1 − y2 ∥
et permet de conclure.
Il reste maintenant à montrer que la fonction réciproque de f est de classe C k sur W .
Remarquons d’abord que pour tout x dans U , l’application linéaire Df (x) est inversible
et d’inverse continu. En effet, Df (x) = IdE − Dφ(x) et Dφ(x) est de norme inférieure à
1/2, donc la série X
(Dφ(x))n
n∈N

est convergente et sa somme est inverse de Df (x), de norme inférieure à 2.

Soit y dans W et x son antécédent dans U par f , démontrons qu’au point y, f −1 est
différentiable et que sa différentielle n’est autre que l’inverse de Df (x). Pour tout vecteur
k de E tel que y + k soit encore dans W , notons x + h l’antécédent dans U de y + k par
f . Comme
k = f (x + h) − f (x) = Df (x)(h) + ∥h∥ε(h) ,
on en déduit
f −1 (y + k) − f −1 (y) = h = (Df (x))−1 (k − ∥h∥ε(h)) = (Df (x))−1 (k) + ∥k∥ε(k) ,
la dernière égalité venant du fait (démontré plus haut dans la preuve d’injectivité) que
∥h∥ ≤ 2∥k∥. On a donc montré que f −1 est différentiable dans W et que pour tout y ∈ W ,
D(f −1 )(y) = (Df (f −1 (y))−1 .
5.2. THÉORÈME DES FONCTIONS IMPLICITES 61

C’est-à-dire que
D(f −1 ) = (Df )−1 ◦ f −1 .
Il reste encore à montrer que la fonction réciproque de f est de classe C k . On vient
de prouver l’existence de la différentielle de la réciproque de f en montrant qu’elle était
la composée de trois fonctions : la fonction f −1 , la différentielle de f , et la “fonction
inverse” qui à tout isomorphisme bicontinu de E associe son inverse. La fonction inverse
est infiniment différentiable, f est de classe C k et la réciproque de f est continue (car
différentiable), on en déduit que la réciproque de f est de classe C 1 . De proche en proche,
on vérifie que la réciproque de f est de classe C k .

Théorème 5.2 (Inversion globale). Soit E et F deux espaces de Banach, Ω un ouvert de

E et ϕ une application de Ω dans F de classe C k . Si f est injective et si pour tout x ∈ Ω,
Df (x) est un isomorphisme de E sur F , alors f (Ω) est un ouvert de F et ϕ est un C k
difféomorphisme de Ω sur f (Ω).

Preuve. C’est une conséquence directe du théorème d’inversion locale.

5.2 Théorème des fonctions implicites

Nous aurons besoin de deux théorèmes fondamentaux de l’analyse fonctionnelle, le Théo-
rème de l’application ouverte et sa conséquence immédiate : le Théorème des isomor-
phismes de Banach.

Théorème 5.3 (de Banach-Schauder ou de l’application ouverte). Soit E et F deux

espaces de Banach. Soit f : E → F une application linéaire continue surjective. Alors
f est ouverte, i.e. l’image directe par f de tout ouvert de E est un ouvert de F .

Théorème 5.4 (des isomorphismes de Banach). Soit E et F deux espaces de Banach.

Soit f : E → F une application linéaire continue bijective. Alors f −1 est continue.

Enonçons maintenant le théorème principal de cette section.

Théorème 5.5 (des fonctions implicites). Soit E, F et G trois espaces de Banach et f

une application de classe C k définie sur un ouvert Ω de E × F et à valeurs dans G. Soit
(x0 , y0 ) un point de Ω tel que f (x0 , y0 ) = 0 et tel que la différentielle partielle Dy f (x0 , y0 )
(i.e. la différentielle en y0 de y 7→ f (x0 , y)) soit un isomorphisme (i.e. une application
linéaire bijective continue et d’inverse continu) de F dans G. Alors il existe un voisinage
ouvert U de x0 dans E, un voisinage ouvert V de y0 dans F et une fonction ϕ de classe
C k définie sur U à valeurs dans F , tels que :

1. U × V ⊂ Ω,

2. {(x, y) ∈ U × V ; f (x, y) = 0} = {(x, ϕ(x)) ; x ∈ U }, autrement dit

(x, y) ∈ U × V et f (x, y) = 0 ⇔ x ∈ U et y = ϕ(x) .
62 CHAPITRE 5. INVERSION LOCALE, FONCTIONS IMPLICITES

La différentielle de ϕ en un point x ∈ U est donnée par

Dϕ(x) = −(Dy f (x, ϕ(x)))−1 ◦ Dx f (x, ϕ(x)) .

Preuve. Le principe consiste à traduire la question sous une forme telle qu’il devient
possible d’appliquer le théorème d’inversion locale. On considère l’application ψ1 , de Ω
dans E × G, définie par :
ψ1 (x, y) = (x, f (x, y)) .
Cette application est de classe C k et sa différentielle au point (x0 , y0 ) est un isomorphisme
de E × F sur E × G. En effet, on a


Dψ1 (x0 , y0 )(h, k) = h, Dx f (x0 , y0 )(h) + Dy f (x0 , y0 )(k) .

La bijectivité de Dψ1 (x0 , y0 ) est simple à montrer. Soit v ∈ E, w ∈ G et cherchons un

antécédent (h, k) à (v, w) par Dψ1 (x0 , y0 ). Le seul choix possible de h est h = v, puis on
utilise le fait que Dy f (x0 , y0 ) est un isomorphisme de F sur G : il existe un unique k ∈ F
tel que
Dx f (x0 , y0 )(v) + Dy f (x0 , y0 )(k) = w .
On a donc que Dψ1 (x0 , y0 ) est linéaire continue et bijective. Par le Théorème des isomor-
phismes de Banach, il suit que Dψ1 (x0 , y0 )−1 est un isomorphisme de E × F sur E × G.
Le Théorème d’inversion locale montre que ψ1 se restreint en un difféomorphisme de
classe C k entre un ouvert W × V dans E × F , contenant (x0 , y0 ), et un ouvert O dans
E × G contenant (x0 , 0) et nécessairement inclus dans W × G.
Ceci se traduit par l’existence d’une application ψ2 de classe C k , de O dans F , vérifiant :

∀(x, z) ∈ O (x, ψ2 (x, z)) ∈ W × V et ∀(x, y) ∈ W × V f (x, y) = z ⇔ ψ2 (x, z) = y .

On définit alors U = O ∩ {z = 0} qui est un ouvert de E car l’image de O ouvert

de E × F par une projection, qui est une application linéaire continue surjective et donc
ouverte. Par construction, U ⊂ W . L’application ϕ, de U dans V définie par ϕ(x) =
ψ2 (x, 0), vérifie alors les propriétés annoncées.
Calculons maintenant la différentielle de ϕ. On différencie simplement la relation

f (x, ϕ(x)) = 0 .

On obtient :
Dx f (x, ϕ(x)) + Dy f (x, ϕ(x)) ◦ Dϕ(x) = 0 ,
d’où le résultat.

5.3 Exercices
Exercice 5.1. Donner le plus grand ouvert de R2 dans lequel les coordonnées polaires
sont un C ∞ -difféomorphisme.
5.3. EXERCICES 63

Exercice 5.2. Donner le plus grand ouvert de R3 dans lequel les coordonnées sphériques
sont un C ∞ -difféomorphisme.

Exercice 5.3. Soit E un espace de Banach et f : L(E) → L(E), f (u) = u ◦ u. Montrer

que f est un C ∞ -difféomorphisme d’un voisinage de l’identité sur un autre voisinage de
l’indentité.

Exercice 5.4. Soit E = R2 et la courbe

C = {(x, y) ∈ R2 ; x2 + y 2 = 9} .

1. A l’aide du théorème des fonctions implicites, construire un paramétrage de C au

voisinage du point (3, 0), puis donner la différentielle de ce paramétrage sur son
domaine de définition.

2. Paramétrer C sans utiliser le théorème des fonctions implicites.

3. Quelle est l’équation de la tangente à C en (3, 0)?

Exercice 5.5. Soit E = R3 et la surface

y2
S = {(x, y, z) ∈ R3 ; (x − 1)2 + + 9(z + 1)2 = 4} .
4
1. A l’aide du théorème des fonctions implicites, construire un paramétrage de S au
voisinage de son “pôle Nord”, puis donner la différentielle de ce paramétrage sur son
domaine de définition.

2. Paramétrer S sans utiliser le théorème des fonctions implicites.

3. Quelle est l’équation du plan tangent à S en son pôle Nord?

Exercice 5.6. Soit la fonction

f : R3 → R2 , f (x, y, z) = (x2 + y 2 + z 2 , xyz) .

On note
S = {(x, y, z) ∈ R3 ; f (x, y, z) = (1, 1)} .
Soit (x0 , y0 , z0 ) un point où f vaut (1, 1).

1. Montrer qu’il existe un intervalle ouvert I de R contenant x0 et une application

ϕ : I → R2 telle que ϕ(x0 ) = (y0 , z0 ) et f (x, ϕ(x)) = (1, 1) pour tout x ∈ I.

2. Donner la dérivée de ϕ en x0 . En déduire l’équation de la tangente à S en (x0 , y0 , z0 ).

64 CHAPITRE 5. INVERSION LOCALE, FONCTIONS IMPLICITES
Chapitre 6

Sous-variétés régulières de Rn, extrema

liés

Dans ce chapitre, on travaille en dimension finie, sur Rn , n ∈ N∗ . On donne les résultats

essentiellement sans démonstration, le lecteur curieux de ces notions pourra consulter un
ouvrage de géométrie différentielle.

6.1 Sous-variétés régulières de Rn

Définition 6.1 (Sous-variété régulière de Rn ). Une sous-variété régulière de Rn est une
partie S de Rn vérifiant la propriété suivante : il existe k ∈ {1, ..., n}, il existe pour tout
a ∈ S, un voisinage ouvert U de a dans Rn , un voisinage ouvert V de 0 dans Rn et un
C ∞ -difféomorphisme ϕ : U → V , tels que

ϕ(U ∩ S) = V ∩ (Rk × {0}) ;

On dit que S est une sous-variété régulière de Rn de dimension k.

Remarque 6.1. Localement, les difféomorphismes de la définition ci-dessus donnent un

paramétrage de S. On note O = V ∩ Rk , O est un ouvert de Rk . On définit ψ : O → Ω
de la façon suivante : pour y = (y1 , ..., yk , 0, ..., 0) ∈ V , ϕ−1 (y) = ψ(y1 , ..., yk ). Alors

U ∩ S = {x = ψ(y) , y ∈ V ∩ Rk } .

Toute sous-variété régulière de Rn est donc une surface localement paramétrée.

Nous allons maintenant définir la notion de surface localement paramétrée de façon
rigoureuse. Pour cela, nous avons d’abord besoin de parler d’applications de rang maxi-
mal.

Définition 6.2. Soit Ω un ouvert de Rn , f : Ω → Rm une application C ∞ . On dit que

f est de rang maximal en un point p ∈ Ω si le rang de Df (p) est le minimum de n et m,
i.e. elle est surjective si m ≤ n et elle est injective si n ≤ m.

65
66 CHAPITRE 6. SOUS-VARIÉTÉS RÉGULIÈRES DE RN , EXTREMA LIÉS

Définition 6.3 (Surface localement paramétrée).

Soit Ω un ouvert de Rn et k ∈ {1, ..., n}. On appelle surface régulière localement paramétrée
dans Ω une partie S de Ω telle que pour tout point p ∈ X il existe U un voisinage ouvert
de p dans Ω, O un ouvert de Rk et ψ : O → Ω une application C ∞ de rang maximal en
tout point de O, tels que
S ∩ U = {x = ψ(y) , y ∈ O} .
On dit que (O, ψ) est un paramétrage de S au voisinage de p.

Les surfaces de niveau d’une application C ∞ de rang maximal sont aussi des sous-
variétés régulières de Rn . Le résultat est une conséquence du théorème des fonctions
implicites.

Proposition 6.1 (Surface de niveau).

Soit Ω un ouvert de Rn , k ∈ {1, ..., n} et f : Ω → Rn−k une application C ∞ . Soit

S = {x ∈ Ω , f (x) = 0} i.e. S = f −1 ({0}) .

Si S ̸= ∅ et f est de rang maximal en tout point de S alors S est une sous-variété régulière
de Rn de dimension k.

6.2 Espace tangent, espace orthogonal

Si une sous-variété régulière S de Rn est définie comme une surface de niveau, on a très
facilement accès à l’espace des vecteurs normaux à S en tout point p ∈ S. Si elle est
définie par un paramétrage local, c’est l’espace des vecteurs tangents qui est facilement
accessible.

Proposition 6.2 (Espace tangent à S en p). Soit S une sous variété régulière de Rn de
dimension k, p ∈ S et (O, ψ) un paramétrage de S au voisinage de p. L’ensemble Tp S
des vecteurs de Rn tangents à S en p est exactement l’image de Dψ(ψ −1 (p)).

Remarque 6.2 (Presque une preuve). C’est un résultat assez intuitif. Notons q = ψ −1 (p)
et u = (u1 , ..., uk ) les éléments de O. Alors

∂ψ
(q)
∂ui
est la direction dans laquelle le point ψ(u) se déplace depuis p lorsqu’on fait simplement
varier ui , c’est naturellement un vecteur tangent à S en p. De plus
 
∂ψ ∂ψ
Im Dψ(q) = Vect (q) , ... , (q) .
∂u1 ∂uk

Comme ψ est un paramétrage de S, tous les vecteurs tangents à S en p peuvent être

obtenus de cette manière.
6.3. EXTREMA LIÉS 67

Connaissant l’espace tangent à S en p, l’espace normal est bien sûr son supplémentaire
orthogonal. Mais dans le cas où S est une surface de niveau S = f −1 (0), l’espace normal
s’obtient simplement à partir de la différentielle de f en p.
Proposition 6.3 (Espace normal à S en p). Soit Ω un ouvert de Rn , k ∈ {1, ..., n},
f : Ω → Rn−k une application C ∞ de rang maximal en tout point de S = f −1 (0)
(supposée non vide). On note f1 , ..., fn−k les composantes de f . Soit p ∈ S, alors le
sous-espace vectoriel de Rn des vecteurs normaux à S en p est
n o
Np S = Vect ∇f⃗ 1 (p) , ... , ∇f
⃗ n−k (p) ,

où  
⃗ i (p) = ∂fi ∂fi
∇f (p) , ... , (p) .
∂x1 ∂xn

6.3 Extrema liés

Dans ce paragraphe, on étudie les extrema locaux d’une fonction g, qui est définie sur
une sous-variété S de Rn . Il s’agit d’un problème d’optimisation sous contraintes, les
contraintes ici étant décrites par l’appartenance à la sous-variété. Si on a un paramétrage
local de la sous-variété S, alors trouver les extrema locaux de g sur S revient à trouver
pour chaque paramétrage local (O, ψ) de S les extrema locaux de g ◦ ψ, ce qui se fait de
la façon usuelle en cherchant d’abord les points critiques, puis en étudiant la différentielle
seconde de g ◦ ψ. Dans le cas où S est définie comme surface de niveau et où on ne connait
pas de paramétrage local de S, on peut tout de même trouver les points critiques de la
restriction de g à S en utilisant la caractérisation de l’espace normal vue au paragraphe
précédent.
Théorème 6.1 (des multiplicateurs de Lagrange). Soit Ω un ouvert de Rn , k ∈ {1, ..., n},
f : Ω → Rn−k une application C ∞ de rang maximal en tout point de S = f −1 (0)
(supposée non vide). On note f1 , ..., fn−k les composantes de f . Soit p ∈ S. Soit
g : Ω → R une application différentiable. Si g|S admet un extremum local en p, alors il
existe λ1 , ..., λn−k ∈ R, appelés multiplicateurs de Lagrange, tels que

Dg(p) = λ1 Df1 (p) + ... + λn−k Dfn−k (p) ,

c’est-à-dire tels que, pour i = 1, ..., n

n−k
∂g X ∂fj
(p) = λj (p) ;
∂xi j=1
∂x i

ceci équivaut à dire qu’il existe λ ∈ Rn−k tel que la fonction

g(x) − ⟨λ , f (x)⟩Rn−k

admette un point critique en p.

68 CHAPITRE 6. SOUS-VARIÉTÉS RÉGULIÈRES DE RN , EXTREMA LIÉS

Idée de la preuve. Si g|S admet un extremum local en p, alors elle admet un point
critique en p, cela veut dire que toutes les dérivées directionnelles de g en p dans des
directions tangentes à S sont nulles. Autrement dit, le gradient de g en p (qui est le
vecteur des dérivées partielles de g en p) est orthogonal au sous-espace tangent à S en
p, i.e. il est combinaison linéaire des gradients de f1 , ..., fn−k en p. On a donc la même
relation entre la différentielles de g et celles des fi .
Références

[1] H. Cartan, Calcul Différentiel, Hermann.

[2] F. Rouvière, Petit guide de calcul différentiel à l’usage de la licence et de l’agrégation,

Cassini, 1999.

69