Calcul Différentiel : Cours Complet L3 Mathématiques

Fondamentales
Assistant IA Gemini
26 octobre 2025

Table des matières

1 Motivation et Définitions Préliminaires 1
1.1 Dérivées Partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Différentielle (Ordre 1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2 Dérivées d’Ordre Supérieur et Formule de Taylor 2

2.1 Dérivées Partielle Secondes et Théorème de Schwarz . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Matrice Hessienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.3 Formule de Taylor-Young à l’Ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

3 Application : Recherche des Extremums Locaux 2

3.1 Points Critiques (Conditions Nécessaires) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.2 Test des Dérivées Secondes (Conditions Suffisantes) . . . . . . . . . . . . . . . . . . . . . . . . . . 2

4 Règle de la Chaîne et Multiplicateurs de Lagrange 2

4.1 Différentiation des Fonctions Composées (Règle de la Chaîne) . . . . . . . . . . . . . . . . . . . . 2
4.2 Extremums sous Contrainte (Multiplicateurs de Lagrange) . . . . . . . . . . . . . . . . . . . . . . 3

5 Théorèmes Fondamentaux et Jacobien 3

5.1 Matrice et Déterminant Jacobien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
5.2 Théorème d’Inversion Locale (TIL) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
5.3 Théorème des Fonctions Implicites (TFI) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

6 Conseils pour Maîtriser le Calcul Différentiel 3

7 Exercices Corrigés Complémentaires 3

1 Motivation et Définitions Préliminaires

Le calcul différentiel généralise la notion de dérivée aux fonctions de plusieurs variables, utilisant l’algèbre
linéaire comme outil principal. Une fonction de plusieurs variables est une application f : D → R, où D ⊂ Rn
(n ≥ 2).

1.1 Dérivées Partielles

∂f
La dérivée partielle de f (x, y) par rapport à x (notée ∂x ) est la dérivée de f lorsque l’on considère toutes
les autres variables (y) comme des constantes.

. Soit f (x, y) = x3 y + sin(x2 ) + y 4 .

∂f ∂f
= 3x2 y + 2x cos(x2 ) ; = x3 + 4y3
∂x ∂y

1
1.2 Gradient
Le Gradient de f , noté ∇f , est le vecteur des dérivées partielles. Il indique la direction de la plus forte
augmentation de la fonction.  
∂f ∂f
∇f (x, y) = (x, y), (x, y)
∂x ∂y

1.3 Différentielle (Ordre 1)

Si f est différentiable en (x0 , y0 ), la différentielle df est la meilleure approximation linéaire de l’accroisse-
ment ∆f .
∂f ∂f
df(x0 ,y0 ) (dx, dy) = (x0 , y0 )dx + (x0 , y0 )dy
∂x ∂y

2 Dérivées d’Ordre Supérieur et Formule de Taylor

2.1 Dérivées Partielle Secondes et Théorème de Schwarz
Il existe quatre dérivées secondes pour f (x, y). Les dérivées croisées sont égales si f est de classe C 2 (Théorème
de Schwarz) :
∂2f ∂2f
=
∂x∂y ∂y∂x

2.2 Matrice Hessienne

La Matrice Hessienne Hf regroupe les dérivées secondes. Elle est symétrique si f est C 2 .
2 2 !
∂ f ∂ f
∂x2 ∂x∂y
Hf (x, y) = ∂2f ∂2f
∂y∂x ∂y 2

2.3 Formule de Taylor-Young à l’Ordre 2

Elle étend l’approximation linéaire en ajoutant le terme quadratique impliquant la Hessienne :
1 2 ∂2f ∂2f 2
   
∂f ∂f 2∂ f
f (x0 + h, y0 + k) = f (x0 , y0 ) + h +k + h + 2hk + k + o(∥(h, k)∥2 )
∂x ∂y 2 ∂x2 ∂x∂y ∂y 2

3 Application : Recherche des Extremums Locaux

3.1 Points Critiques (Conditions Nécessaires)
Les extremums locaux sont recherchés aux points critiques (x0 , y0 ), où le gradient s’annule :

∂f ∂f
∇f (x0 , y0 ) = 0 ⇐⇒ (x0 , y0 ) = 0, (x0 , y0 ) = 0
∂x ∂y

3.2 Test des Dérivées Secondes (Conditions Suffisantes)

∂2f
Au point critique (x0 , y0 ), on calcule le Déterminant Hessien D = det(Hf ) = AC − B 2 (où A = ∂x2 ).
— Si D > 0 : Extremum local. A > 0 =⇒ Minimum. A < 0 =⇒ Maximum.
— Si D < 0 : Point Selle (ni min, ni max).
— Si D = 0 : Test Inconcluant.

4 Règle de la Chaîne et Multiplicateurs de Lagrange

4.1 Différentiation des Fonctions Composées (Règle de la Chaîne)
Pour z = f (x(t), y(t)) :
dz ∂f dx ∂f dy
= +
dt ∂x dt ∂y dt
En général, la différentielle de la composition est la composition des différentielles, et la Matrice Jacobienne
de la composée est le produit des matrices jacobiennes : Jf ◦g = Jf · Jg .

2
4.2 Extremums sous Contrainte (Multiplicateurs de Lagrange)
Pour optimiser f (x) soumis à g(x) = c, les points candidats satisfont l’équation fondamentale :

∇f (x) = λ∇g(x)

où λ est le multiplicateur de Lagrange. Ceci est résolu en cherchant les points critiques du Lagrangien : L(x, λ) =
f (x) − λ(g(x) − c).

5 Théorèmes Fondamentaux et Jacobien

5.1 Matrice et Déterminant Jacobien
— La Matrice Jacobienne Jf est la matrice m × n des dérivées partielles de f : Rn → Rm . Elle représente
la différentielle dfx .
— Le Déterminant Jacobien Jf = det(Jf ) n’est défini que pour les fonctions Rn → Rn . Il est crucial
pour le TIL et les changements de variables dans les intégrales.

5.2 Théorème d’Inversion Locale (TIL)

Soit f : Rn → Rn de classe C 1 . Si le Déterminant Jacobien Jf (a) ̸= 0, alors f est localement inversible au
voisinage de a, et f −1 est C 1 .

5.3 Théorème des Fonctions Implicites (TFI)

∂F
Soit F (x, y) = 0 avec F de classe C 1 . Si ∂y (x0 , y0 ) ̸= 0, alors l’équation définit localement y = ϕ(x) autour
de (x0 , y0 ). La dérivée ϕ′ est donnée par :
∂F
∂ϕ
= − ∂x
∂F
i

∂xi ∂y

6 Conseils pour Maîtriser le Calcul Différentiel

La maîtrise s’acquiert par l’association des concepts géométriques et des outils de l’algèbre linéaire :
— **Comprendre la Linéarisation :** La différentielle dfx est l’opérateur linéaire qui approxime la fonc-
tion au point x. Le calcul différentiel est l’étude des fonctions non linéaires à travers leur meilleure
approximation linéaire.
— **Visualisation du Gradient :** Pensez au gradient ∇f comme une flèche pointant toujours vers le haut
de la "colline". Il est **orthogonal** aux courbes/surfaces de niveau.
— **Maîtrise Algébrique :** La plus grande difficulté pratique est souvent la résolution des systèmes d’équa-
tions (pour ∇f = 0 et Lagrange). Entraînez-vous à isoler les variables et à substituer efficacement.
— **Rôle du Jacobien/Hessien :** Retenez que le **Déterminant Jacobien** vérifie l’inversibilité locale (bi-
jectivité) et que le **Déterminant Hessien** vérifie l’existence et la nature des extrema. Ces déterminants
sont des tests de non-singularité locaux.

7 Exercices Corrigés Complémentaires

. Soit f (x, y) = x2 cos(y) + xy. Trouver les points critiques et classifier-les.

. 1. Points critiques (∇f = 0) :

(
∂f
∂x = 2x cos(y) + y = 0 (1)
∂f
∂y = −x2 sin(y) + x = 0 (2)

De (2) : x(−x sin(y) + 1) = 0, donc x = 0 ou x sin(y) = 1.

1. x = 0 : On substitue dans (1) : 2(0) cos(y) + y = 0 =⇒ y = 0. Point critique : P0 = (0, 0).
2. x sin(y) = 1 : C’est un cas complexe, mais pour un niveau introductif, on s’en tient souvent aux solutions
simples comme P0 . Cependant, on pourrait chercher des solutions plus générales (elles impliquent souvent
des extremums globaux sur une région définie). Pour ce niveau, on ne s’occupe que de P0 .
2. Classification (Matrice Hessienne) au point P0 = (0, 0) : Dérivées secondes :
2
— A = ∂∂xf2 = 2 cos(y) =⇒ A(0, 0) = 2 cos(0) = 2.

3
 ∂2f 2
— C= ∂y 2 = −x cos(y) =⇒ C(0, 0) = 0.
∂2f
— B= ∂x∂y = −2x sin(y) + 1=⇒ B(0, 0) = 1.
Déterminant Hessien : D = AC − B 2 = (2)(0) − (1)2 = −1. Puisque D < 0, le point P0 = (0, 0) est un **Point
Selle**.