Table des matières

1 Préliminaires 3
1.1 Espaces vectoriels normés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Normes équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2 Topologie : ouvert, fermé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Suites dans un espace métrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Convergence dans un e.v.n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Suite de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3 Suite bornée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Espace de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Convexité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Applications continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 Applications k-Lipschitzienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.7 Homéomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.8 Applications linéaires continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.9 Compacité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.10 Fonctions continues sur un compact . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2 Fonctions de plusieurs variables 9

2.1 Continuité d’une fonction réelle de plusieurs variables . . . . . . . . . . . . . . . . . . 9
2.2 Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3 Dérivées partielles d’ordre supérieur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4 Théorème de Schwartz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5 Dérivées partielles d’une fonction composée . . . . . . . . . . . . . . . . . . . . . . . . 12
2.6 Dérivées directionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.7 Vecteur gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3 Différentiabilité 15
3.1 La différentielle d’une fonction composée . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2 Matrice Jacobienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.3 Théorème des accroissements finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.4 Inégalité des accroissements finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.5 Plan tangent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.6 Applications du théorème des accroissements finis . . . . . . . . . . . . . . . . . . . . . 22
3.7 Une deuxième expréssion du théorème des accroissements finis . . . . . . . . . . . . . 23

4 Différentielle d’ordre supérieur 25

4.1 La différentielle seconde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.2 Différentielle d’ordre supérieur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.3 Théorème de Schwartz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.3.1 Généralisation du théorème de Schwartz . . . . . . . . . . . . . . . . . . . . . . 26

1
2 TABLE DES MATIÈRES

4.4 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4.4.1 Formule de Taylor avec reste intégral . . . . . . . . . . . . . . . . . . . . . . . . 28
4.4.2 Formule de Taylor avec reste de Lagrange . . . . . . . . . . . . . . . . . . . . . 29
4.4.3 Développement limité ou formule de Taylor-Young . . . . . . . . . . . . . . . . 29

5 Extrema et points critiques 31

5.1 Point critique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.2 Extrema libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.2.1 Fonctions d’une variable réelle à valeurs réelles . . . . . . . . . . . . . . . . . . 32
5.2.2 Fonctions d’un espace de dimension finie à valeurs réelles . . . . . . . . . . . . 32
5.2.3 Fonctions d’un espace de Banach à valeurs réelles . . . . . . . . . . . . . . . . . 33
5.3 Extrema liés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.3.1 Fonctions d’un espace de dimension finie à valeurs réelles . . . . . . . . . . . . 34
5.3.2 Fonctions d’un espace de Banach à valeurs réelles . . . . . . . . . . . . . . . . . 34
5.4 Convexité et minima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

6 Intégrales généralisées 37
6.1 Intégrales impropres de 1re espèce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Chapitre 1

Préliminaires

1.1 Espaces vectoriels normés

Soit E un espace vectoriel sur le corps K ( K designe R ou C ).
Définition 1.1.1. Une norme sur E est une application positive N : E −→ R+ vérifiant les axiomes
suivantes :
(i) Séparation : N (x) = 0 ⇐⇒ x = 0.
(ii) Homogénéaité : ∀x ∈ E, ∀λ ∈ K; N (λ x) = |λ| N (x).
(iii) Inégalité triangulaire : ∀x, y ∈ E; N (x + y) ≤ N (x) + N (y).
Ceci entraîne
∀x, y ∈ E; N (x − y) ≥ |N (x) − N (y)| .
Un espace vectoriel E qui muni d’une norme N : E −→ R+ s’appelle espace vectoriel normé et se
note (E, N ) ou (E, k.k).
Exemple 1.1.1. 1. Pour E = R ou C avec kλk = |λ|.
2. Norme usuelles sur Rn , x = (x1 , x2 , · · · , xn ) ∈ Rn .
· La norme somme : kxk1 = |x1 | + |x2 | + · · · + |xn |.

1
· La norme euclidienne : kxk2 = |x1 |2 + |x2 |2 + · · · + |xn |2 2 .
· La norme infinie : kxk∞ = max (|x1 |, |x2 |, · · · , |xn |).
Les boules B1 (0, r), B2 (0, r) et B∞ (0, r) de centre 0 et de rayon r > 0 dans R2 , muni des normes
k.k1 , k.k2 et k.k∞ , sont représentées par :

3. Norme usuelles sur C([a, b], K). Soient a et b des nombres réels tels que a < b. L’ensemble
C([a, b], K) des fonctions continues sur [a, b] à valeur dans K est un K-espace vectoriel. Les
applications
k.k1 , k.k2 , k.k∞ : C([a, b], K) → R+ ,
définies, pour toute fonction continue f : [a, b] → K, par
! 21
Z b Z b
kf k1 = |f (x)| dx, kf k2 = |f (x)| dx, kf k∞ = sup |f (x)| .
a a x∈[a,b]

3
4 CHAPITRE 1. PRÉLIMINAIRES

sont des normes sur C([a, b], K).

4. Normes de Hölder sur Kn . Soient n ∈ N∗ et p ∈ [1, +∞[. L’application
n
! p1
X p
n
[Link] : K → R+ , x = (x1 , · · · , xn ) 7→ kxkp = |xk | ,
k=1

est une norme sur Kn . Pour tout x ∈ Kn on a

lim kxkp = kxk∞ .

p→+∞

5. Normes de Hölder sur C([a, b], K). Soit p ∈ [1, +∞[. L’application.
! p1
Z b
p
[Link] : C([a, b], K) → R+ , f 7→ kf kp = |f (x)| ,
a

est une norme sur C([a, b], K). Pour tout f ∈ C([a, b], K) on a

lim kf kp = kf k∞ .
p→+∞

1.1.1 Normes équivalentes

Définition 1.1.2. Deux normes N1 , N2 : E −→ R+ sont dites équivalentes s’il existe α > 0 et
β > 0 tels que pour tout x ∈ E ;
αN1 (x) ≤ N2 (x) ≤ βN1 (x).
0
Remarque 1.1.1. Soit E un K-espace vectoriel. Deux normes k.k et k.k sont équivalentes sur E si
et seulement si les ensembles de nombres réels
   0 
kxk kxk
0 ; x ∈ E\ {0} et ; x ∈ E\ {0} ,
kxk kxk
sont bornés. Par conséquent, s’il existe une suite (xn )n∈N dans E\ {0} telle que
0 0
kxk kxk
lim =0 ou lim = +∞,
n→+∞ kxk n→+∞ kxk

0
alors les normes k.k et k.k ne sont pas équivalentes.
Exemple 1.1.2. Les normes k.k1 et k.k∞ sur C([0, 1], R) ne sont pas équivalentes. En effet, soit
(fn )n≥1 la suite dans C([0, 1], R) définie par

n(1 − nx), si x ∈ [0, n1 ]


fn (x) =
0, si x ∈] n1 , 1]
1
On a kfn k1 = 2 et kfn k∞ = n. Par conséquent
kfn k∞
lim = +∞.
n→+∞ kfn k1
Proposition 1.1.1. La fonction
d: E×E −→ R+
(x, y) 7−→ d(x, y) = kx − yk ;

où E est un e.v.n forme une distence sur E. Dans ce cas (E, d) est un espace métrique. La fonction
d elle s’appelle la distence associée á la norme définit dans E.
1.2. SUITES DANS UN ESPACE MÉTRIQUE 5

Proposition 1.1.2. Soit E un e.v.n. La distance associée à la norme k.k, elle véerifie, en plus des
conditions (i), (ii) et (iii) de la définition 1.1.1, les propriétés suivantes :
(iv) ∀λ ∈ K, ∀(x, y) ∈ E 2 ; d(λx, λy) = |λ| d(x, y).
(v) ∀(x, y, z) ∈ E 3 ; d(x + z, y + z) = d(x, y).
Proposition 1.1.3. Soit (E, d) un espace métrique. On suppose que E est un espace vectoriel sur K
et que la distance d vérifie aussi les conditions (iv) et (v) de la proposition 1.1.2. Alors l’application
k.k : E × E → R+ définie par kxk = d(0, x) est une norme sur E. La distance associée à cette norme
est la distance d.
Remarque 1.1.2. La distance triviale d : R2 → R+ définie pour tous x et y dans R par d(x, y) = 1
si x 6= y et d(x, x) = 0 n’est associée à aucune norme sur R car elle ne vérifie pas la condition (iv).

1.1.2 Topologie : ouvert, fermé

Soit E un e.v.n.
Définition 1.1.3. On dit qu’une partie U ⊂ E est un ouvert de E si U est un voisnage de chacun
de ses points.
On dit que U est un fermé de E si son complémentaire E\U est un ouvert de E.
Définition 1.1.4. Soient E un e.v.n et A ⊂ E.
• On appelle intérieur de A, et on note Å, la réunion des parties ouvertes de E incluses dans A.
Les éléments de Å sont appelés les points intérieurs à A.
• On appelle adhérence de A, et on note Ā, l’intersection des parties fermées de E contenant A.
Les éléments de Ā sont appelés les points adhérents à A.
• On appelle frontière de A, et on note F r(A), la partie F r(A) = Ā\Å. Les éléments de F r(A)
sont appelés les points frontière de A.
Å est le plus grand (au sens de l’inclusion) ouvert contenu dans A. Ā est le plus petit (au sens de
l’inclusion) fermé contenant A. Comme F r(A) est une intersection de deux fermés c’est un fermé.

1.2 Suites dans un espace métrique

Soit (E, d) un espace métrique. Une suite dans E est une application
U : N → E, n 7→ U (n) = Un ,
que l’on note aussi (Un )n∈N .
Définition 1.2.1. On dit qu’une suite (Un )n∈N de E converge vers un élément l ∈ E, et on note
lim Un = l, si et seulement si la suite numérique d(Un , l) converge vers 0. Ainsi
n→+∞

lim Un = l ⇔ lim d(Un , l) = 0 ⇔ ∀ε > 0, ∃N ∈ N; ∀n ∈ N (n ≥ N ⇒ d(Un , l) ≤ ε).

n→+∞ n→+∞

Proposition 1.2.1. (Unicité de la limite) Si une suite de E converge vers les éléments l1 et l2 de
E alors l1 = l2 .

1.2.1 Convergence dans un e.v.n

Soit E un e.v.n et (xn )n∈N une suite de E.
On dit que (xn )n∈N ⊂ E converge vers x0 si et seulement si pour tout ε > 0, il existe n0 ∈ N telle
que pour tout n ≥ n0 on a
kxn − x0 k ≤ ε.
Théorème 1.2.1. Soit E un espace vectoriel de dimension finie, alors toutes les normes sur E sont
équivalentes.
La notion de convergence ne depend pas du choix de la norme.
6 CHAPITRE 1. PRÉLIMINAIRES

1.2.2 Suite de Cauchy

Soit E un e.v.n et (xn )n∈N une suite de E.
On dit que (xn )n∈N ⊂ E est une suite de Cauchy si et seulement si pour tout ε > 0, il existe
n0 ∈ N telle que pour tout p, q ≥ n0 où p, q ∈ N on a

kxp − xq k ≤ ε.

1.2.3 Suite bornée

Soit E un e.v.n et (xn )n∈N une suite de E.
On dit que (xn )n∈N ⊂ E est une suite bornée si et seulement s’il existe M > 0 telle que pour tout
n ∈ N on a
kxn k ≤ M.

Proposition 1.2.2. X Toute suite convergente est une suite de Cauchy.

X Toute suite de Cauchy est une suite bornée.

1.3 Espace de Banach

Un espace de Banach est un e.v.n complet par rapport à la distence associée.

1.4 Convexité
Il s’agit d’une notion spéciale aux espaces vectoriels.

Définition 1.4.1. Soit E un espace vectoriel. A ⊂ E est convexe si

∀x, y ∈ A, ∀t ∈ [0, 1]; tx + (1 − t)y ∈ A.

Autrement, le segment [x, y] ∈ A si les extremites appartennent à A.

Proposition 1.4.1.
Aconvexe =⇒ Āconvexe;

Aconvexe =⇒ Åconvexe

1.5 Applications continues

Soient E et F deux espaces vectoriels normées.

Définition 1.5.1. On dit que l’application f : A ⊂ E −→ F est continue en a ∈ A si pour tout ε > 0,
il existe η > 0, tel que pour tout x ∈ A ;

kx − akE < η =⇒ kf (x) − f (a)kF < ε.

On dit que f est continue sur A si f est continue en tout point de A.

1.6. APPLICATIONS K-LIPSCHITZIENNE 7

1.6 Applications k-Lipschitzienne

On dit que l’application f : E −→ F est k-Lipschitzienne si pour tout x, y ∈ E ;

kf (x) − f (y)kF ≤ k kx − ykE .

Si k ∈ [0, 1[, f est dite contractante.

Proposition 1.6.1. Toute fonction Lipschitzienne est continue.
Proposition 1.6.2. On a les équivalences suivantes :
(i) f continue ;
(ii) f −1 (ouvert) est ouvert ;
(iii) f −1 (fermé) est fermé ;
(iv) pour toute suite xn → a, alors f (xn ) → f (a).

1.7 Homéomorphisme
L’application f : A ⊂ E −→ B ⊂ F est un homéomophisme si :
1. f est bijective de A dans B
2. f est continue
3. f −1 est continue.

1.8 Applications linéaires continues

Définition 1.8.1. L’application f : E −→ F est linéaire si, pour tout x, y ∈ E et pour tout α, β ∈ K
on a
f (α x + β y) = α f (x) + β f (y).
Proposition 1.8.1. Soit f : E −→ F une application linéaire. Les assertions suivantes sont équiva-
lentes
(i) f continue
(ii) f continue en 0
(iii) il existe C > 0 tel que kf (x)kF ≤ C kxkE .
Définition 1.8.2. La norme d’une application linéaire continue est donnée par
kf (x)kF
kf k∞ = sup .
x∈E\0 kxkE

L(E, F ) l’ensemble des applications linéaires continues de E à valeurs dans F .

Proposition 1.8.2. Soit f : E −→ F une application linéaire. Si E est de dimension finie, alors f
est continue.
Rappel : Si ϕ est bilinéaire, alors nous avons les équivalences suivantes
(i) ϕ est continue
(ii) il existe C > 0 tel que pour tout x ∈ E et pour tout y ∈ F ;

kϕ(x, y)k ≤ C kxk · kyk .

La norme de l’application ϕ est

kϕ(x, y)k
k|ϕk| = sup .
x,y∈E\{0}×F \{0} kxk · kyk
8 CHAPITRE 1. PRÉLIMINAIRES

1.9 Compacité
Définition 1.9.1. Soit E un e.v.n (ou un espace métrique). L’ensemble K ⊂ E est compact si de
toute suite de points de K, on peut extraire une sous-suite convergeant vers un point de K.
Remarque 1.9.1. Un compact est fermé.

Proposition 1.9.1. Si K un compact et F ⊂ K est fermé, alors F est compact.

Théorème 1.9.1. Les compacts dans Rn sont les fermés bornés.

1.10 Fonctions continues sur un compact

Théorème 1.10.1. Si K ⊂ E est un compact et f : K −→ F une fonction continue, alors f (K) est
compact.
Théorème 1.10.2. Si K ⊂ E est un compact et f : K −→ F une fonction continue et bijective, alors
f est un homéomorphisme.

Théorème 1.10.3. (Heira) Toute fonction continue sur un compact est uniformément continue. i.e.

∀ε > 0, ∃η > 0; ∀x, y; kx − yk < η =⇒ kf (x) − f (y)k < ε.

Chapitre 2

Fonctions de plusieurs variables

Définition 2.0.1. Une fonction réelle de plusieurs variables est une fonction définie de Rn à valeurs
dans R.

Soit
f: Rn −→ R
x = (x1 , x2 , · · · , xn ) 7−→ f (x).

2.1 Continuité d’une fonction réelle de plusieurs variables

Définition 2.1.1. Soit f : Rn −→ R une fonction définie au voisinage d’un point a ∈ Rn , f est
continue en a ∈ Rn si est seulement si

lim f (x) = f (a),

x→a

ou
∀ε > 0, ∃η > 0, ∀x ∈ Df ; kx − ak < η =⇒ kf (x) − f (a)k < ε,
avec Df le domaine de définition de la fonction f .

Remarque 2.1.1. 1. Pour x = (x1 , x2 , · · · , xn ) et a = (a1 , a2 , · · · , an ),



 x1 −→ a1
 x2 −→ a2

x −→ a signifie que ..


 .
xn −→ an


2. Pour une fonction d’une seule variable, il ya un seul chemin à parcourir pour joindre x à a.
Mais pour une fonction de plusieurs variables, il ya une infinité de chemins à parcourir pour
faire tendre x vers a.
3. lim f (x, y) 6= lim lim f (x, y).
(x,y)→(a,b) x→ay→b

Exemple 2.1.1. ( xy
, si (x, y) 6= (0, 0)
f (x, y) = x2 + y 2
0, si (x, y) = (0, 0)

Proposition 2.1.1. La fonction f est continue en a si et seulement si pour toute suite (xn )n ∈ Df
qui tend vers a, la suite (f (xn ))n tend vers f (a).

9
10 CHAPITRE 2. FONCTIONS DE PLUSIEURS VARIABLES

Exemple 2.1.2. ( xy
, si (x, y) 6= (0, 0)
f (x, y) = x2+ y2
0, si (x, y) = (0, 0)
 
1 1
Pour Un = , , n ∈ N∗ .
n n
Proposition 2.1.2. Si la fonction f a pour limite l en a, la restriction de f à toute courbe continue
passant par a, admet la même limite l.
Remarque 2.1.2. Pour prouver qu’une fonction de plusieurs variables n’admet pas de limite en a,
il suffit d’expliciter une restriction à une courbe continue passant par a qui n’admet pas de limite, ou
deux restrictions qui conduisent à des limites différentes.
Exemple 2.1.3. 
 |x + y|
, si (x, y) 6= (0, 0)
f (x, y) = x2 + y 2
 0, si (x, y) = (0, 0)

(γ1 ) : y = −x, (γ2 ) : y = x

vérifiant que
lim f (x, y) 6= lim f (x, y).
(x,y)→(0,0) (x,y)→(0,0)
(x,y)∈(γ1 ) (x,y)∈(γ2 )

Théorème 2.1.1. (
lim f (x, b) = l
x→a
lim f (x, y) = l =⇒ lim f (a, y) = l
(x,y)→(a,b)
y→b

Proposition 2.1.3. Si deux suites de vecteurs (Un )n et (Vn )n tendent vers a telles que

lim f (Un ) 6= lim f (Vn ),

n→+∞ n→+∞

alors la limite absolue de f au point a n’existe pas.

Exercice 2.1.1. On désigne par f : R −→ R la fonction définie par :
1
(
x2 sin( ), si x 6= 0
f (x) = x
0, si x = 0

1. Démontrer que f est dérivable sur R.

2. Vérifier que la fonction F : R2 −→ R définie par

 f (x) − f (y)
, si x 6= y
F (x, y) = x−y
 f 0 (x), si x = y

n’a pas de limite au point (0, 0).

 
1 1 1 1


Solution : pour la deuxieme question on considère Un = 2nπ , 2nπ et Vn = 2nπ , 2nπ+ π , et
2
vérifiant que lim F (Un ) 6= lim F (Vn ).
n→+∞ n→+∞

Théorème 2.1.2. Soit f, g : U ⊂ Rn −→ R.

a. Si f et g sont continues en a ∈ U , alors f + g et f g sont continues en a.
1
b. Si f est continue en a et f (a) 6= 0, alors est continue en a.
f
2.2. DÉRIVÉES PARTIELLES 11

2.2 Dérivées partielles

Soit f : U ⊂ Rn −→ R, a ∈ Ů .
∂f
La dérivée partielle première de f par rapport à sa ime variable en a notée (a) est définie par :
∂xi

∂f f (a1 , a2 , · · · , ai−1 , ai + h, ai+1 , · · · , an ) − f (a1 , a2 , · · · , an )

(a) = lim .
∂xi h→0 h

∂f ∂f
Exemple 2.2.1. .Pour f (x, y) = x2 y, (x, y) = 2xy et (x, y) = x2 .
∂x ∂y
.Pour
( xy
, si (x, y) 6= (0, 0)
f (x, y) = x2+ y2
0, si (x, y) = (0, 0)

∂f ∂f
(0, 0) = (0, 0) = 0.
∂x ∂y

Remarque 2.2.1. Pour une fonction de plusieurs variables l’existence des dérivées partielles en un
point n’implique pas la continuité en ce point.

Définition 2.2.1. Une fonction f : U ⊂ Rn −→ R esr dite de classe C 1 (U ) si toutes les fonctions
dérivées partielles premières existent et sont continues sur U .

Corollaire 2.2.1. Si f est de classe C 1 (U ), alors elle est continue sur U .

2.3 Dérivées partielles d’ordre supérieur

Soit f : U ⊂ Rn −→ R.
Les dérivées partielles d’ordre 2 si elles existent sont

∂2f ∂2f ∂2f

     
∂ ∂f ∂ ∂f ∂ ∂f
= , = , = .
∂x2i ∂xi ∂xi ∂xi ∂xj ∂xi ∂xj ∂xj ∂xi ∂xj ∂xi

Exemple 2.3.1. f (x, y) = x2 y − y.

∂f
Définition 2.3.1. Si toutes les fonctions dérivées partielles premières sont de classe C 1 , alors f
∂xi
est dite de classe C 2 .
Généralisation : la fonction f : U ⊂ Rn −→ R est dite de clase C k (U ) où k ∈ N si et seulement
si les dérivées partielles jusqu’à l’ordre k existent et sont continues.

2.4 Théorème de Schwartz

Si f : U ⊂ Rn −→ R une fonction de classe C 2 (U ), alors

∂2f ∂2f
∀i, j = 1, · · · , n; i 6= j on a = .
∂xi ∂xj ∂xj ∂xi
12 CHAPITRE 2. FONCTIONS DE PLUSIEURS VARIABLES

2.5 Dérivées partielles d’une fonction composée

Si f : U ⊂ Rn −→ R une fonction de classe C 1 (U ) et

ϑ: R −→ U ⊂ Rn
t 7−→ ϑ(t) = (x1 (t), · · · , xn (t)) ;

ϑ f
est aussi de classe C 1 , alors la fonction composée f ◦ ϑ R −→ U ⊂ Rn −→ R, est de classe C 1 et sa
dérivée est donnée par
n
0
X ∂f
(f ◦ ϑ) (t) = (x1 (t), · · · , xn (t)) x0i (t).
i=1
∂xi

Exemple 2.5.1. - Soit h(t) = f (sin t, ln t) où f (x, y) = x2 + 3xy et t > 0.

alors
∂f ∂x ∂f ∂y
h0 (t) = + .
∂x ∂t ∂y ∂t

- Soit g(u, v) = f (x(u, v), y(u, v)), alors

∂g ∂f ∂x ∂f ∂y
(u, v) = +
∂u ∂x ∂u ∂y ∂u

et
∂g ∂f ∂x ∂f ∂y
(u, v) = + .
∂v ∂x ∂v ∂y ∂v

2.6 Dérivées directionnelles

Soit f : Rn −→ R une fonction définie au voisinage d’un point a = (a1 , · · · , an ) et ~ν = (ν1 , · · · , νn )
un vecteur de Rn .
La dérivée directionnelle de f suivant la direction de ~ν au point a, on la note f~ν0 (a) est définie par

f (a1 + hν1 , · · · , an + hνn ) − f (a1 , · · · , an )

f~ν0 (a) = lim ,
h→0 h

elle est dite pente de f au point a suivant le vecteur ~ν .

Exemple 2.6.1. Pour f (x, y) = xy et a = (x, y), ~ν = (1, 1).

Remarque 2.6.1. Soient f : Rn −→ R et (e1 , · · · , en ) la base canonique de Rn .

∂f
fe0 i (a) = (a).
∂xi

Exemple 2.6.2. Pour f (x, y) = xy.

0 ∂f 0 ∂f
f(1,0) (x, y) = (x, y) = y, f(0,1) (x, y) = (x, y) = x.
∂x ∂y

Remarque 2.6.2. Les dérivées partielles premières représentent les pentes de la fonction en un point
suivant les vecteurs de la base canonique de Rn .
2.7. VECTEUR GRADIENT 13

Propriétés algébriques :
Si les dérivées partielles premières des fonctions f, g : Rn −→ R existent, alors on a
∂ (f + g) ∂f ∂g
(i) = + .
∂xi ∂xi ∂xi
∂ (f g) ∂f ∂g
(ii) = g+f .
∂xi ∂xi  ∂xi
f ∂f ∂g
∂ g−f
g ∂xi ∂xi
(iii) Si g 6= 0, = .
∂xi g2

2.7 Vecteur gradient

∂f
Soit la fonction f : U ⊂ Rn −→ R, où les dérivées partielles premières (a) (a ∈ U ) existent.
∂xi
Le vecteur gradient de f au point a est défini par :
∂f
 
(a)
 ∂x1 

grad f (a) = ∇ f (a) =  .. 
.
 . 
 ∂f 
(a)
∂xn

Propriétés :
Si les dérivées partielles de f, g : Rn −→ R existent, alors on a
(i) ∇ (f + g)(a) = ∇ f (a) + ∇ g(a).
(ii) ∇ (f g)(a) = ∇ f (a) g(a) + f (a) ∇ g(a).
f 1
(iii) ∇ ( )(a) = 2 (∇ f (a) g(a) − f (a) ∇ g(a)).
g g (a)
14 CHAPITRE 2. FONCTIONS DE PLUSIEURS VARIABLES
Chapitre 3

Différentiabilité

La notion de fonction différentiable est la généralisation aux fonctions de plusieurs variables de la

notion de fonction dérivable d’une variable réelle. Bien sûr, on ne peut pas transposer directement
la définition utilisant le taux d’accroissement (impossible de diviser par un vecteur !). C’est la carac-
térisation de la dérivabilité en terme d’existence de développement limité d’ordre 1 qui se généralise
directement en dimension quelconque.
Définition 3.0.1. Soient U ⊂ Rn un ouvert non vide et f : U ⊂ Rn −→ R une fonction. On dit que
f est différentielle en a ∈ U si et seulement s’il existe une application linéaire et continue L ∈ L(U, R)
telle que
|f (x) − f (a) − L(x − a)|
lim = 0.
x→a kx − ak
On peut aussi écrire, en posant x − a = h
|f (a + h) − f (a) − L(h)|
lim = 0. (3.1)
h→0 khk
h6=0Rn

L’application L est appelée différentielle de f en a et elle est notée Df (a) = Df (a) = L ou df (a) =
df (a) = L. 3.1 devient

o(h)
f (a + h) − f (a) = Df (a) + o(h), avec lim = 0.
h→0 khk

Exemple 3.0.1. Pour f (x, y) = x2 y. La différentielle de f au point (x, y) est Df (x, y) = 2xy + x2 ,
en effet, soit h = (h1 , h2 ) ∈ R2

f ((x, y) + (h1 , h2 )) − f (x, y) = 2xyh1 + x2 h2 + yh21 + 2xh1 h2 + h21 h2 ,

avec
yh21 + 2xh1 h2 + h21 h2
lim p = 0.
(h1 ,h2 )→(0,0) h21 + h22
Proposition 3.0.1. Si la différentielle L d’une fonction f : U ⊂ Rn −→ R existe, elle est unique.

Preuve :
Supposons qu’il existe L1 , L2 ∈ L(U, R) telles que
|f (a + h) − f (a) − L1 (h)|
lim = 0,
h→0 khk

15
16 CHAPITRE 3. DIFFÉRENTIABILITÉ

et
|f (a + h) − f (a) − L2 (h)|
lim = 0,
h→0 khk
alors
|L1 (h) − L2 (h)|
lim = 0,
h→0 khk
prenons h = t υ avec t > 0 et kυk = 1, faisons tendre t vers 0, on a
|L1 (t υ) − L2 (t υ)|
0 = lim = L1 (υ) − L2 (υ).
t→0 t
Donc L1 et L2 sont égales sur la sphère unité de Rn , par linéairité, il suit que L1 = L2 .
Proposition 3.0.2. Si f est une fonction différentiable en x ∈ U , alors f est continue en x.

Preuve :
On a
f (x + h) − f (x) = Df (x)(h) + o(h),
il suit par linéairité de DF (x) que
lim f (x + h) = f (x),
h−→0
i.e. f est continue en x.
Définition 3.0.2. On dit que f : U ⊂ Rn −→ R est différentiable sur U si elle est différentiable en
tout point x ∈ U . Dans ce cas, on appelle différentielle de f la fonction
Df : U ⊂ Rn −→ L(U ⊂ Rn , R)
x = (x1 , x2 , · · · , xn ) 7−→ Df (x) = dfx .
Si de plus, Df est continue on dit que f est continument différentiable, ou f est de classe C 1 .
Exemple 3.0.2. Soit la fonction
f: R2 −→ R
(x, y) 7−→ f (x, y) = x2 + y 2 .
Soit h = (h1 , h2 ) ∈ R2 .
f ((x, y) + h) − f (x, y) (x + h1 )2 + (y + h2 )2 − x2 − y 2
lim = lim p
h→0 khk (h1 ,h2 )→(0,0) h21 + h22
2xh1 + 2yh2 + h21 + h22
= lim p
(h1 ,h2 )→(0,0) h21 + h22
2xh1 + 2yh2 p 2
= lim p + h1 + h22
(h1 ,h2 )→(0,0) h21 + h22 negligeable
forme linéaire

alors f est différentiable sur R2 et sa différentielle

df (x, y)(h) = 2xh1 + 2yh2 =< ∇ f, h > .
Théorème 3.0.1. Soit f : U ⊂ Rn −→ R une fonction.
Dans la base canonique (e1 , · · · , en ) l’application différentielle df (a) : Rn −→ L(Rn , R) a pour
expression explicite si les dérivées partielles existent,
n
X ∂f (a)
∀h ∈ Rn ; df (a)(h) = hi =< ∇ f, h > .
i=1
∂xi
3.1. LA DIFFÉRENTIELLE D’UNE FONCTION COMPOSÉE 17

Propriétés :
Soient f et g deux fonctions différentiable en un point a.
(i) d(f + g)(a) = df (a) + dg(a).
(ii) d(f g)(a) = df (a) g(a) + f (a) dg(a).
df (a) g(a) − f (a) dg(a)
(iii) si g(a) 6= 0, d( fg )(a) = .
g 2 (a)
Corollaire 3.0.1. Soit f : U ⊂ Rn −→ Rp une fonction de classe C 1 (U ). On suppose que U est
convexe. Si toutes les dérivées partielles de f sont nulles sur U , alors f est constante sur U .
Remarque 3.0.1. Si la fonction f : U ⊂ Rn −→ R est différentiable en tout point x de U , alors
n
X ∂ f (x)
df (x) = dxi .
i=1
∂ xi

Exemple 3.0.3.
f: R2 −→ R
(x, y) 7−→ f (x, y) = x3 − y 2 − x.
f est une fonction polynômiale en x et en y, donc f est de classe C ∞ sur R2 . Pour (x, y) ∈ R2 , on a

df (x, y) = (3x2 − 1)dx − 2ydy.

Théorème 3.0.2. Soit f : U ⊂ Rn −→ R.

Si les dérivées partielles de f au point a ∈ U existent, alors f est différentiable en a si et seulement
si
Pn ∂ f (x)
f (a + h) − f (a) − i=1 (a) hi
∂ xi
lim = 0,
h→0 khk
où h = (h1 , · · · , hn ).

3.1 La différentielle d’une fonction composée

Théorème 3.1.1. Soient E, F, G trois espaces vectoriels normés de dimension finie et U, V deux
ouverts de Eet F respectivement
f g
U −→ V −→ G.
Supposons que f est différentiable en a ∈ U et g différentiable en f (a) ∈ V , alors g ◦f est différentiable
en a, de plus
d(g ◦ f )(a) = Da (g ◦ f ) = Df (a) g ◦ Da f = dg(f (a)) ◦ df (a).

Preuve :
Posons k = f (a + h) − f (a), si h → a alors k → 0. On a

f (a + h) − f (a) = df (a)(h) + o(h),

g(b + k) − g(b) = dg(b)(k) + o(k), b = f (a),

alors
g(f (a + h)) − g(f (a)) = dg(f (a))(f (a + h) − f (a)) + o(k),
i.e.
g ◦ f (a + h) − g ◦ f (a) = dg(f (a)) ◦ df (a)(h) + dg(f (a))(o(h)) + o(k).
18 CHAPITRE 3. DIFFÉRENTIABILITÉ

Il suffit de montrer que

dg(f (a))(o(h)) + o(k) = o(h).

i.e. dg(f (a))(o(h)) = o(h) et o(k) = o(h). On a

kdg(f (a))(o(h))k ko(h)k

0≤ ≤C −→ 0,
khk khk

donc
dg(f (a))(o(h)) = o(h),

et
o(k) o(k) kkk
0≤ = ,
khk kkk khk
en sait que
o(k)
lim = 0,
k→0 kkk

et on a
kkk kdf (a)(h) + o(h)k kdf (a)(h)k ko(h)k
= ≤ +
khk khk khk khk
khk ko(h)k ko(h)k
≤ C + =C+ ,
khk khk khk

ko(h)k kkk
comme −→ 0, donc est bornée.
khk h→0 khk
kkk
D’où −→ 0, i.e. o(k) = o(h).
khk h→0

∂f (a)
Remarque 3.1.1. L’existence de n’implique pas l’existence de df (a).
∂xi

Exemple 3.1.1.
( xy
, si (x, y) 6= (0, 0)
f (x, y) = x2 + y 2
0, si (x, y) = (0, 0)

∂f ∂f
(0, 0) = (0, 0) = 0, mais df (0, 0) n’existe pas.
∂x ∂y

Théorème 3.1.2. Si la fonction f est linéaire, alors df (a) = f .

Proposition 3.1.1. Soit la fonction

f : I⊂R −→ Rp
x 7−→ f (x) = (f1 (x), · · · , fp (x)),

où fi est une fonction de I dans R pour chaque i = 1, · · · , p.

f est différentiable en a si et seulement si fi est différentiable en a pour tout i = 1, · · · , p, de plus
on a
df (a) = (df1 (a), · · · , dfp (a)) .
3.2. MATRICE JACOBIENNE 19

Preuve :
Soit l’application
δ j : Rp −→ R
x 7−→ δj (x) = xj .
f δj
On a I −→ Rp −→ R.
(⇒) fj (x) = δj (f (x)).

dfj (a) = dδj (f (a)) ◦ df (a) = δj ◦ df (a) = δj (df (a)).

Si f est différentiable en a, alors nous pouvons que δj est différentiable en tout point et en
particulier en f (a), donc fj est différentiable en a.
(⇐) Soit σj : R −→ Rp l’injection canonique.
On a σj ◦ fj (x) = (0, · · · , 0, fj (x), 0, · · · , 0), donc
p
X
f (x) = σj ◦ fj (x),
j=1

si fj est différentiable en a, alors σj ◦ fj est différentiable en a, donc

p
X
σj ◦ fj
j=1

est différentiable en a.
D’où f est différentiable en a.

3.2 Matrice Jacobienne

Soit la fonction
f: U ⊂ Rn −→ Rp
x = (x1 , · · · , xn ) 7−→ f (x) = (f1 (x), · · · , fp (x)).
Les dérivées partielles de f en un poit a ∈ U si elle existent, sont les vecteurs de Rp dont les compo-
santes sont les dérivées partielles des composantes de f .
∂f1
 
(a)
 ∂x1 
∂f (a)  . 
= .
.
.
∂xi  ∂f


p
(a)
∂xn
La matrice Jacobienne de f en a est donnée par
∂f1 ∂f1
 
(a) · · · (a)
 ∂x1 ∂xn 

Jf (a) =  .. .. .. 
.
 . . . 
 ∂f ∂fp 
p
(a) · · · (a)
∂x1 ∂xn
Remarque 3.2.1. Si f est différentiable en a, ona


h1
∀h ∈ Rn ; df (a)(h) = Jf (a) ·  ...  .
 

hn
20 CHAPITRE 3. DIFFÉRENTIABILITÉ

Exemple 3.2.1. Soit

f: R2 −→ R3
2
(x, y) 7−→ f (x, y) = (3x + y, sin y, ex + y 2 ).

Son matrice Jacobienne est la matrice de 3 lignes et 2 colonnes.

 
3 1
Jf (x, y) =  0 cos y  .
x2
2xe 2y

Proposition 3.2.1. Si la fonction

f: U ⊂ Rn −→ Rp
x = (x1 , · · · , xn ) 7−→ f (x) = (f1 (x), · · · , fp (x)).

est différentiable en un point a ∈ U , alors

∂f1 ∂f1
 
(a) · · · (a) 
h1

 ∂x1 ∂xn 

df (a)(h) = Jf (a) · h =  .. .. ..  
· .. 
 . . .  . 
 ∂fp ∂fp 
hn
(a) · · · (a)
∂x1  ∂xn
∂f1
Pn 
i=1 (a)hi
 ∂xi 
=
 .. 
.
 
 
 P
n ∂fp 
i=1 (a)hi
∂xi

Définition 3.2.1. Soit f : U ⊂ Rn −→ Rp .

Lorsque n = p, on appelle Jacobien de f en a le déterminant de la matrice Jacobienne de f en
a, on notera
D(f1 , · · · , fn )
(a)
(x1 , · · · , xn )
ce jacobien.

Corollaire 3.2.1. Soient f : U ⊂ Rn −→ Rn , g : Ω ⊂ Rn −→ Rn telles que g(Ω) ⊂ U . Si f et g

sont différentiables sur U et Ω respectivement et a ∈ Ω et b = g(a), alors pour ϕ = f ◦ g

D(ϕ1 , · · · , ϕn ) D(f1 , · · · , fn ) D(g1 , · · · , gn )

(a) = (b). (a).
(u1 , · · · , un ) (x1 , · · · , xn ) (u1 , · · · , un )

Propriétés :
Soient f, g : U ⊂ Rn −→ Rp et λ ∈ R. Si f et g sont différentiables en un point a ∈ U , alors
1. Ja (λf + g) = λJa (f ) + Ja (g).
2. Ja (f g) = f (a)Ja (g) + g(a)Ja (f ).
3. Le produit scalaire x 7→< f (x), g(x) > est différentiable en a et sa différentielle en a est donnée
par la formule

d(< f, g >)(a)(h) =< f (a), dg(a)(h) > + < df (a)(h), g(a) > .
3.3. THÉORÈME DES ACCROISSEMENTS FINIS 21

4. Si p = 3 le produit vectoriel x 7→ f (x) ∧ g(x) est différentiable en a et la différentielle est donnée

par
d(f ∧ g)(a)(h) = f (a) ∧ dg(a)(h) + df (a)(h) ∧ g(a).

5. Soient f : U ⊂ Rn −→ Rp , g : V ⊂ Rp −→ Rq . Si f est différentiable en a ∈ U et g est

différentiable en f (a) ∈ V , alors

Ja (g ◦ f ) = Jf (a) (g) · Ja (f ).

Proposition 3.2.2. Soit f : U ⊂ Rn −→ Ω ⊂ Rn une bijection. Si f est différentiable en tout point

de U et f −1 est continue dans Ω, alors f −1 est différentiable en y0 = f (x0 ) ∈ Ω si et seulement si
df (x0 ) est inversible et on a
−1
df −1 (y0 ) = (df (x0 )) .

3.3 Théorème des accroissements finis

Soient f : U ⊂ Rn −→ R une fonction et a, b deux points de U tels que [a, b] ⊂ U . Si f est continue
sur [a, b] et différentiable en tout point de ]a, b[, alors il existe c ∈]a, b[ tel que

~ >,
f (b) − f (a) = dc f (b − a) =< ∇f (a + θ(b − a)) , ab θ ∈]0, 1[.

Preuve :
Soit l’application
g: [0, 1] −→ Rn
t 7−→ g(t) = (1 − t)a + tb.

Quand t parcourt le segment [0, 1] de R, g(t) parcourt le segment [a, b] de U ⊂ Rn . La fonction g est
différentiable, et sa différentielle au point t ∈ [0, 1] est

dt g : R −→ Rn
h 7−→ h(b − a).

f étant différentiable en tout point de ]a, b[, alors f ◦ g : Rn −→ Ω ⊂ R est différentiable sur ]0, 1[⊂ R
et on a
0 1 1

(f ◦ g) (t) = dt (f ◦ g)(h) = dg(t) f ◦ dt g (h)
h h
1
= dg(t) f (h(b − a))
h
= dg(t) f h(b − a) · · · (1)
par application du théorème des accroissements finis à la fonction scalaire d’une variable réelle f ◦ g
continue sur [0, 1] et dérivable sur ]0, 1[, il existe une constante t0 ∈]0, 1[ telle que
0
(f ◦ g) (t0 ) = (f ◦ g) (1) − (f ◦ g) (0) = f (b) − f (a). · · · (2)

En conbinant (1) et (2), il vient

f (b) − f (a) = dg(t0 ) f (b − a),

d’où le résultat avec c = g(t0 ) ∈]a, b[.

22 CHAPITRE 3. DIFFÉRENTIABILITÉ

3.4 Inégalité des accroissements finis

Soient f : U ⊂ Rn −→ R une fonction et a, b deux points de U tels que [a, b] ⊂ U . Si f est
continue sur [a, b] et différentiable en tout point de ]a, b[ et s’il existe M > 0 telle que pour tout
c ∈]a, b[; kdc f k ≤ M , alors
kf (b) − f (a)k ≤ M kb − ak .

3.5 Plan tangent

Soient f : U ⊂ R2 −→ R une fonction et a = (xa , ya ) ∈ U . Si f est différentiable en a, alors dans
l’espace R3 , le plan d’équation

∂f ∂f
z = f (a) + (x − xa ) (a) + (y − ya ) (a),
∂x ∂y

est tangent au graphe de f en a.

3.6 Applications du théorème des accroissements finis

Théorème 3.6.1. (Un théorème de point fixe) 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, kdx f kL(E) ≤ k, alors f admet
un unique point fixe dans E.
i.e. ∃!x ∈ E; f (x) = x.

Preuve :
Pour montrer l’existence, considérons la suite (Un )n ⊂ E définie par

U0 = 0, ∀n ∈ N; Un+1 = f (Un ),

cette suite converge si et seulement si la série

X
ϑn , où ϑn = Un − Un−1 ,
n∈N∗

est convergente. Or d’aprés les théorèmes des accroissements finis, on a

kUn − Un−1 k = kf (Un−1 ) − f (Un−2 )k ≤ k kUn−1 − Un−2 k ≤ · · · ≤ k n−1 kU1 − U0 k .

Comme k ∈ [0, 1[, la série est absolument convergente et donc convergente.

Pour montrer l’unicité, supposons qu’il existe deux points fixes distincts x et y de f , i.e.

f (x) = x, f (y) = y, x 6= y.

L’inégalité des accroissements finis nous donne

kf (y) − f (x)k ≤ k ky − xk < ky − xk = kf (y) − f (x)k ,

c’est absurde.
3.7. UNE DEUXIÈME EXPRÉSSION DU THÉORÈME DES ACCROISSEMENTS FINIS 23

3.7 Une deuxième expréssion du théorème des accroissements

finis
Soient f : U ⊂ Rn −→ R une fonction, x ∈ U et h ∈ Rn tel que le segment [x, x + h] = {y ∈
Rn ; y = x + th; 0 ≤ t ≤ 1} soit contenu dans U . Si f est différentiable en tout point de U , alors il
existe θ ∈]0, 1[ (dépendant naturelement de x et h) tel que

f (x + h) − f (x) = df (x + θh)(h). (3.2)

Si (ei )ni=1 est la base canonique de Rn , alors l’expréssion (3.2) s’écrit

n n
X ∂f X
f (x + h) − f (x) = (x + θh)hi , où h = h i ei .
i=1
∂xi i=1
24 CHAPITRE 3. DIFFÉRENTIABILITÉ
Chapitre 4

Différentielle d’ordre supérieur

Soit f une fonction définie sur un ouvert non vide U ⊂ Rn à valeur réelle, ou plus généralement f
une fonction définie d’un ouvert non vide U d’un e.v.n E à valeur dans un e.v.n F .
Si f est différentiable dans U , sa différentielle

Df = df : U ⊂ E −→ L(E, F )
x 7−→ df (x).

4.1 La différentielle seconde

Définition 4.1.1. On dit que f est deux fois différentiable en a si l’application df est différentiable
en a.
∀k ∈ E; df (a + h)(k) − df (a)(k) = d2 f (a)(k) + o(h)(k),
avec d2 f (a) ∈ L (E, L(E, F )).

Remarque 4.1.1. On a
? L2 (E, F ) l’espace des fonctions f : E 2 −→ F bilinéaire et continue.
? Ln (E, F ), n ∈ N∗ l’espace des fonctions f : E n −→ F n-linéaire et continue.
L’application
ϕ : L (E, L(E, F )) −→ L2 (E, F )
f 7−→ ϕ(f ) = g.
est un isomorphisme, de plus g est définie comme suit

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

Comme ϕ est un isomorphisme et kf k = kgk, alors f ≡ g cela nous permet d’itentifier d2 f (a) à un
élément de L2 (E, F ). i.e. d2 f (a) ∈ L2 (E, F ). Alors d2 f (a) est une application bilinéaire continue.

4.2 Différentielle d’ordre supérieur

Définition 4.2.1. f est trois fois différentiable en a si d2 f est différentiable en a, de plus

d3 f (a) = d(d2 f )(a), d3 f (a) ∈ L (E, L(E, F )) = L3 (E, F ).

En générale
dn f (a) = d(dn−1 f )(a) ∈ Ln (E, F ),
est une application n-linéaire continue.

25
26 CHAPITRE 4. DIFFÉRENTIELLE D’ORDRE SUPÉRIEUR

Exemple 4.2.1. Soit E1 , E2 , F trois espaces de Banach et f : E1 × E2 −→ F une application

bilinéaire continue. Alors f ∈ C ∞ (E1 × E2 ) et

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

Pour calculer d2 f (x, y) il faut istimer la différence

df (x + h1 , y + h2 ) − df (x, y).

df (x + h1 , y + h2 )(k1 , k2 ) − df (x, y)(k1 , k2 ) = f (x + h1 , k2 ) + f (k1 , y + h2 ) − f (x, k2 ) − f (k1 , y)

= f (x, k2 ) + f (h1 , k2 ) + f (k1 , y) + f (k1 , h2 ) − f (x, k2 ) − f (k1 , y)
= f (h1 , k2 ) + f (k1 , h2 )
= d2 f (x, y) ((h1 , h2 ), (k1 , k2 )) .
Soit
ψ : E×E −→ F
(h, k) 7−→ ψ(h, k) = f (h1 , k2 ) + f (k1 , h2 ).
où E = E1 × E2 et h = (h1 , h2 ), k = (k1 , k2 ). L’application ψ est bilinéaire continue.
ψ est continue car
kψ(h, k)k ≤ kf (h1 , k2 )k + kf (k1 , h2 )k
≤ C [kh1 k kk2 k + kk1 k kh2 k]
≤ C khk kkk .
Donc d2 f (x, y) existe et
d2 f (x, y)(h, k) = f (h1 , k2 ) + f (k1 , h2 ).
dn f ≡ 0 pour n ≥ 3 a vérifier.

Exemple 4.2.2. Soit E un espace de Banach sur R, ϕ : E 2 −→ R une application bilinéaire continue.
On définit la forme quadratique q : E −→ R par q(x) = ϕ(x, x). Alors q ∈ C ∞ (E) et

dq(x)(h) = ϕ(x, h) + ϕ(h, x),

d2 q(x)(h, k) = ϕ(k, h) + ϕ(h, k),

et
dn q ≡ 0 pour n ≥ 3.

4.3 Théorème de Schwartz

Soient E et F deux espaces de Banach et U un ouvert non vide de E.
Si f : U −→ F une application deux fois différentiable en un point a ∈ U , alors d2 f (a) ∈ L2 (E, F )
et d2 f (a) est symétrique i.e.

∀h, k ∈ E; d2 f (a)(h, k) = d2 f (a)(k, h).

4.3.1 Généralisation du théorème de Schwartz

Théorème 4.3.1. Soient E et F deux espaces de Banach et U un ouvert non vide de E.
Si f : U −→ F une application k fois différentiable en un point x ∈ U , alors dk f (x) ∈ Lk (E, F ) et
dk f (a) est une application k-linéaire symétrique i.e. pour toute permutation s de {1, 2, · · · , k}

dk f (x)(h1 , · · · , hk ) = dk f (x)(hs(1) , · · · , hs(k) ), ∀(h1 , · · · , hk ) ∈ E k .

4.3. THÉORÈME DE SCHWARTZ 27

Proposition 4.3.1. Soient f : U ⊂ Rn −→ R une fonction deux fois différentiable en un point a ∈ U ,

{e1 , · · · , en } la base canonique de Rn et h ∈ Rn . On a
n
X ∂f
df (a)(h) = (a)hi ,
i=1
∂xi

alors
∂f
df (a)(ei ) = (a),
∂xi
par définition on a
df (a + h)(k) − df (a)(k) = d2 f (a)(h, k) + o(h)(k). (4.1)
Dans (4.1) prenons h = tei , k = ej on obtient
1 1 1
(df (a + tei )(ej ) − df (a)(ej )) = d2 f (a)(tei , ej ) + o(tei )(ej ),
t t t
implique  
1 ∂f ∂f
lim (a + tei ) − (a) = d2 f (a)(ei , ej ),
t→0 t ∂xj ∂xj
donc
∂2f
d2 f (a)(ei , ej ) = (a).
∂xi ∂xj
Remarque 4.3.1.
∂2f ∂2f
d2 f (a)(ei , ej ) = (a) = (a) = d2 f (a)(ej , ei ).
∂xi ∂xj ∂xj ∂xi
∂2f ∂2f
Mais si d2 f (a) n’existe pas, alors (a) et (a) peut exister sans queles soit égaux.
∂xi ∂xj ∂xj ∂xi
Exercice 4.3.1. f : R2 −→ R avec

x2 − y 2
xy , si (x, y) 6= (0, 0)

f (x, y) = x2 + y 2
0, si (x, y) = (0, 0)


On a
∂2f ∂2f
(0, 0) 6= (0, 0),
∂x∂y ∂y∂x
∂2f ∂2f
car les dérivées secondes (x, y) et (x, y) ne sont pas continues en (0, 0).
∂x∂y ∂y∂x
Remarque 4.3.2. Dérivées partielles d’ordre supérieur : Soient x, y ∈ Rn tels que
n
X n
X
x= xi ei , y = yj ej .
i=1 j=1

 
Xn n
X
d2 f (a)(x, y) =d2 f (a)  xi ei , yj ej 
i=1 j=1
n X
X n
= d2 f (a)(ei , ej )xi yj .
i=1 j=1
28 CHAPITRE 4. DIFFÉRENTIELLE D’ORDRE SUPÉRIEUR

Donc
n
X ∂2f
d2 f (a)(x, y) = xi yj (a).
i,j=1
∂xi ∂yj

Proposition 4.3.2. Soient p ∈ N et f une fonction p fois différentiable en un point a.

∂pf
dp f (a) ei1 , ei2 , · · · , eip =


(a).
∂xi1 ∂xi2 · · · xip
Pn
Soit hi = i=1 hji i eji
n
X ∂pf
dp f (a) (h1 , h2 , · · · , hp ) = hj11 hj22 · · · hjpp (a).
j1 ,··· ,jp =1
∂xj1 ∂xj2 · · · xjp

4.4 Formules de Taylor

Exercice 4.4.1. Soit f une fonction continue sur R. On considère la fonction F définie sur R par
Z x3
F (x) = f (t) dt.
2x

1. Vérifier que F est dérivable sur R.

2. Calculer F 0 (x) en fonction de f .
Théorème 4.4.1. (Théorème fondamental du calcul différentiel).
Soit F un espace de Banach, ϕ : [a, b] −→ F une application de classe C n+1 ([a, b]). Alors
Z b
ϕ(b) = ϕ(a) + ϕ0 (t) dt.
a

4.4.1 Formule de Taylor avec reste intégral

Théorème 4.4.2. Soient E et F deux espaces de Banach, 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 }
nfois
Z 1
1
+ (1 − t)n dn+1 f (x + th)(h, h, · · · , h) dt.
n! 0 | {z }
nfois

Preuve :
On pose
(1 − t)2 2 (1 − t)n n
ψ(t) = f (x+th)+(1−t)df (x+th)(h)+ d f (x+th)(h, h)+· · ·+ d f (x+th)(h, h, · · · , h).
2! n!
Alors ψ est de classe C 1 sur [0, 1] et
(1 − t)n n+1
ψ 0 (t) =d f (x + th)(h, h, · · · , h),
n!
la formule de Taylor avec reste intégral se réduit alors à
Z 1
ψ(1) − ψ(0) = ψ 0 (t) dt.
0
4.4. FORMULES DE TAYLOR 29

4.4.2 Formule de Taylor avec reste de Lagrange

Théorème 4.4.3. Soient E et F deux espaces de Banach, 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) L(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

n+1
1 2 1 C khk
f (x + h) − f (x) − df (x)(h) − d f (x)(h, h) − · · · − dn f (x)(h, h, · · · , h) ≤ .
2! n! | {z } (n + 1)!
nfois

Preuve :
On pose

(1 − t)2 2 (1 − t)n n
ψ(t) = f (x+th)+(1−t)df (x+th)(h)+ d f (x+th)(h, h)+· · ·+ d f (x+th)(h, h, · · · , h),
2! n!
C(1 − t)n+1
g(t) = − .
(n + 1)!
On a pour tout t ∈ [0, 1]
kψ 0 (t)k ≤ g 0 (t),
et pour un théorème des accroissements finis, il suit

kψ(1) − ψ(0)k ≤ g(1) − g(0),

ce qui donne le résultat.

Le théorème suivant donne un développement limité de la fonction à l’ordre n avec un minimum
de contrôle sur le reste.

4.4.3 Développement limité ou formule de Taylor-Young

Théorème 4.4.4. Soient E et F deux espaces de Banach, Ω un ouvert de E et f : Ω −→ F une
application n fois différentiable sur Ω, admettant en x une différentielle (n + 1)−ieme. Alors
1 2 1 n+1
f (x + h) = f (x) + df (x)(h) + d f (x)(h, h) + · · · + dn+1 f (x)(h, h, · · · , h) + khk ε(h),
2! (n + 1)! | {z }
(n+1)fois

où ε(h) −→ 0 lorsque h −→ 0.

Preuve : La démonstration par réccurence.

Exemple 4.4.1. Soient E1 , E2 , F trois espaves de Banach, f : E1 × E2 −→ F une application

bilinéaire.
Calculons le développement limité (Taylor-Young) d’ordre 2 de f .
Soit a = (a1 , a2 ) ∈ E1 × E2 , h = (h1 , h2 ) ∈ E1 × E2 , k = (k1 , k2 ) ∈ E1 × E2 .
On a
df (a)(h) = f (a1 , h2 ) + f (h1 , a2 ),
d2 f (a)(h, k) = f (h1 , k2 ) + f (k1 , h2 ) = ϕ(h, k).
? ϕ est bilinéaire.
? ϕ est symétrique, i.e. ϕ(h, k) = ϕ(k, h).
30 CHAPITRE 4. DIFFÉRENTIELLE D’ORDRE SUPÉRIEUR

? ϕ est continue. En effet

kϕ(h, k)k ≤ kf (h1 , k2 )k + kf (k1 , h2 )k

≤C (kh1 k + kh2 k) · (kk1 k + kk2 k)
≤C khk · kkk .

Conclusion  
2
f (a + h) = f (a) + f (a1 , h2 ) + f (h1 , a2 ) + f (h1 , h2 ) + o khk .

Remarque 4.4.1.

f (a + h) =f (a1 + h1 , a2 + h2 )
=f (a1 , a2 ) + f (a1 , h2 ) + f (h1 , a2 ) + f (h1 , h2 )
=f (a) + f (a1 , h2 ) + f (h1 , a2 ) + f (h).
 
2
C’est le développement limité de Taylor-Young avec o khk = 0.

Remarque 4.4.2. Si ϕ est symétrique, pour prouver que ϕ est bilinéaire il suffit de prouver qu’il est
linéaire par rapport a l’une des composante.

Exemple 4.4.2. Soit f : Rn −→ R une fonction n fois différentiable.

n
X ∂f
df (a)(h) = (a) hi ;
i=1
∂xi
n X
n
X ∂2f
d2 f (a)(h, k) = (a) hi kj ;
i=1 j=1
∂xi ∂xj
n n X
n
X X ∂3f
d3 f (a)(h, k, l) = (a) hi kj ls .
i=1 j=1 s=1
∂xi ∂xj ∂xs

Pour n = 2, i.e. f : R2 −→ R, on a
2 X
2
X ∂2f
d2 f (a)(h, k) = (a) hi kj
i=1 j=1
∂xi ∂xj
2 
∂2f ∂2f
X 
= (a) hi k1 + (a) hi k2
i=1
∂xi ∂x1 ∂xi ∂x2
∂2f ∂2f ∂2f ∂2f
= 2 (a) h1 k1 + (a) h1 k2 + (a) h2 k1 + (a) h2 k2 .
∂x1 ∂x1 ∂x2 ∂x2 ∂x1 ∂x22

Comme f est différentiable, d’aprés le théorème de Schwartz, pour (x1 , x2 ) = (x, y) on a

∂2f ∂2f ∂2f

d2 f (a)(h, h) = 2
(a) h21 + 2 (a) h1 h2 + 2 (a) h22 .
∂x ∂x ∂y ∂y

Le développement limité (Taylor-Young) jusqua l’ordre n = 2 est

1 ∂2f ∂2f ∂2f

 
∂f ∂f 2 2

2

f (a + h) = f (a) + (a) h1 + (a) h2 + (a) h 1 + 2 (a) h h
1 2 + (a) h2 + o khk .
∂x ∂y 2 ∂x2 ∂x ∂y ∂y 2
Chapitre 5

Extrema et points critiques

Le but de cette section est de trouver des conditions pour qu’un point (x0 , y0 ) soit un point extrémal
d’une fonction de deux variables. Dans le cas d’une fonction dérivable d’une seule variable, on sait
que la dérivée première s’annule en un extremum. La nature de l’extremum, minimum ou maximum
dépend de la dérivée seconde si elle existe. Dans le cas d’une fonction de deux variables admettant
des dérivées partielles à l’ordre 2, si (x0 , y0 ) est un extremum, alors les dérivées partielles sont nulles.
La nature de l’extremum est alors donnée par les dérivées partielles secondes. La situation est plus
complexe que dans le cas d’une seule variable.
Soit f une fonction définie d’un ouvert non vide U d’un e.v.n E à valeur dans R.

5.1 Point critique

Définition 5.1.1. Soit E un e.v.n, U un ouvert de E et f : U ⊂ E −→ R une fonction.
On dit que f admet en a un point critique (ou point stationnaire) si f est différentiable en a et
df (a) = 0.
Exemple 5.1.1. Soit f (x, y) = x2 + y 2 + xy + 1.
On a
∂f ∂f
(x, y) = 2x + y, (x, y) = 2y + x.
∂x ∂y
Si (x, y) est un point critique de f , il vérifié donc le système suivant
∂f


 (x, y) = 2x + y = 0
∂x
∂f

 (x, y) = 2y + x = 0
∂y
(0, 0) est donc le point critique de f .

5.2 Extrema libres

Définition 5.2.1. Soit E un e.v.n, U un ouvert de E et f : U ⊂ E −→ R une fonction continue.
1. On dit que f admet en a ∈ U un minimum global si

∀x ∈ U ; f (x) ≥ f (a).

2. On dit que f admet en a ∈ U un minimum strict si

∀x ∈ U ; f (x) > f (a) et x 6= a.

31
32 CHAPITRE 5. EXTREMA ET POINTS CRITIQUES

3. On dit que f admet en a ∈ U un minimum local s’il existe un voisinage ouvert V de a tel que

∀x ∈ V ; f (x) ≥ f (a).

4. On dit que f admet en a ∈ U un maximum global si

∀x ∈ U ; f (x) ≤ f (a).

5. On dit que f admet en a ∈ U un maximum strict si

∀x ∈ U ; f (x) < f (a) et x 6= a.

6. On dit que f admet en a ∈ U un maximum local s’il existe un voisinage ouvert V de a tel que

∀x ∈ V ; f (x) ≤ f (a).

Un extremum ( local, srict) est un point qui est soit un minimum, soit un maximum (local, strict).

Exemple 5.2.1. Soit f (x, y) = x2 + y 2 + xy + 1.

On a
 y 2 3y 2
f (x, y) = x + + + 1 ≥ 1 = f (0, 0).
2 4
Ainsi, (0, 0) est un point extremum local, et même global de f .

5.2.1 Fonctions d’une variable réelle à valeurs réelles

Proposition 5.2.1. Soit g une fonction définie sur un intervalle ouvert I de R à valeurs dans R,
dérivable en a ∈ I. Si a est un minimum local de g alors g 0 (a) = 0. Si de plus g est deux fois dérivable
00
en a, alors g (a) ≥ 0.
00
Invercement, si b ∈ I est tel que g 0 (b) = 0 et g > 0 alors b est un minimum local de g.
00
Remarque 5.2.1. Attention ! Les conditions g 0 (b) = 0 et g ≥ 0 ne sont pas suffisantes !

5.2.2 Fonctions d’un espace de dimension finie à valeurs réelles

Théorème 5.2.1. Soit f : U ⊂ Rn −→ R une fonction de classe C 2 et a ∈ U point critique de f .
Alors
1. Si Hessfa est définie positive (resp. définie négative) alors f admet un minimum (resp. maxi-
mum) local strict en a.
2. Si f admet un minimum (resp. maximum) local en a alors Hessfa est positive (resp. négative).

Corollaire 5.2.1. Soit f : U ⊂ R2 −→ R une fonction de classe C 2 et a ∈ U point critique de f . On

note ∆(a) le déterminant de Hessfa . On l’appelle le Hessien de f en a. Alors
 2
∂2

∂
1. Si ∆(a) > 0 et f (a) > 0 ou f (a) > 0 alors a est un minimum local strict.
∂x2 ∂y 2
 2
∂2

∂
2. Si ∆(a) > 0 et f (a) < 0 ou f (a) < 0 alors a est un maximum local strict.
∂x2 ∂y 2
3. Si ∆(a) < 0 alors a est un point selle.
5.2. EXTREMA LIBRES 33

5.2.3 Fonctions d’un espace de Banach à valeurs réelles

Théorème 5.2.2. Soit f une fonction définie sur un ouvert U d’un espace de Banach E et à valeurs
réelles, différentiable en a ∈ U .
Si a est un minimum local de f alors dfa = 0.
Si de plus f est deux fois différentiable en a, alors d2 fa (h, h) ≥ 0 pour tout h ∈ E.
2
Inversement si b ∈ U est tel que dfb = 0 et il existe C > 0 avec d2 fb (h, h) ≥ C khk pour tout
h ∈ E, alors b est un minimum local de f .
2
Remarque 5.2.2. En dimension finie, l’existence de C > 0 tel que d2 fb (h, h) ≥ C khk pour tout
vecteur h ∈ E équivaut à d2 fb (h, h) > 0 quel que soit h 6= 0E .

Proposition 5.2.2. Soit E un e.v.n, U un ouvert de E et f : U ⊂ E −→ R une fonction. Si f admet

en a ∈ U un extremum local et si f est différentiable en a, alors a est un point critique de f .

Proposition 5.2.3. Soit E un e.v.n, U un ouvert de E et f : U ⊂ E −→ R une fonction différentiable.

Si f admet en a ∈ U un extremum local et si f est deux fois différentiable en a, alors a est un point
critique de f et la forme quadratique d2 f (a)(h, h) est positive, i.e. ∀h ∈ E; d2 f (a)(h, h) ≥ 0.

Théorème 5.2.3. Soit E un e.v.n, U un ouvert de E et f : U ⊂ E −→ R une fonction deux fois

différentiable en a. Si
1. a est un point critique de f ,
2. la forme quadratique d2 f (a)(h, h) est définie positive (resp. définie négative),
alors, f admet en a un minimum ( maximum) local srict.

Exemple 5.2.2. Soit la fonction g : R2 −→ R avec f (x, y) = x2 + y 2 + 4xy − 2.

1. Déterminer les points critiques de g.
2. En étudiant les valeurs de g sur les droites vectorielles y = 0 et y = x, étudier les extremas
locaux de g.

1. Les dérivées partielles de g sont

∂g ∂g
(x, y) = 2x + 4y, (x, y) = 2y + 4x.
∂x ∂y

Si (x, y) est un point critique de g, il vérifié donc le système suivant

∂g


 (x, y) = 2x + 4y = 0
∂x
∂g

 (x, y) = 2y + 4x = 0
∂y

(0, 0) est donc le seul point critique de g.

2. On a g(0, 0) = −2, pour x 6= 0,

g(x, 0) = 5x2 − 2 > g(0, 0) et g(x, −x) = −2x2 − 2 < g(0, 0).

Ainsi, prés de (0, 0) qu’on veut, g prend des valeurs supérieurs et inférieurs à g(0, 0). Donc (0, 0)
n’est pas un extremum local de g. Comme (0, 0) est le seul point critique de g, g n’admet pas
d’extremum local.
34 CHAPITRE 5. EXTREMA ET POINTS CRITIQUES

5.3 Extrema liés

5.3.1 Fonctions d’un espace de dimension finie à valeurs réelles
Définition 5.3.1. Soit g : U ⊂ Rn −→ Rp une fonction de classe C 1 et Γ = g −1 (0). On dit que Γ est
régulier ( ou encore qu’il satisfait à la condition de qualification non dégénérée) si pour tout a ∈ Γ,
dg(a) : Rn −→ Rp est surjective.
Remarque 5.3.1. Si p = 1, la condition signifie seulement que pour tout a ∈ Γ, dg(a) 6= 0.
Théorème 5.3.1. Soient f, g : U ⊂ Rn −→ R de classe C 1 , soit Γ = g −1 (0) régulière. Si a ∈ Γ est
un extremum local de f|Γ , alors il existe un unique λ ∈ R tel que

df (a) + λdg(a) = 0.

N.B. : Le réel λ est appelé multiplicateur de Lagrange.

Théorème 5.3.2. Soient f : U ⊂ Rn −→ R de classe C 1 , g : U ⊂ Rn −→ Rp , et Γ = g −1 (0) régulière.
Si a ∈ Γ est un extremum local de f|Γ , alors il existe un unique λ = (λ1 , · · · , λp ) ∈ Rp tel que
p
X
df (a) + λi dgi (a) = 0.
i=1

5.3.2 Fonctions d’un espace de Banach à valeurs réelles

Définition 5.3.2. Si f et g1 , · · · , gp sont des fonctions définies sur un ouvert U d’un espace de
Banach E à valeurs dans R, un point a ∈ U tel que g1 (a) = 0, · · · , gp (a) = 0 est un minimum local
de f sous les contraintes g1 , · · · , gp s’il existe un voisinage Va de a tel que

f (x) ≥ f (a)

pour tout x ∈ Va tel que g1 (x) = 0, · · · , gp (x) = 0.

Théorème 5.3.3. Soient f et g1 , · · · , gp sont des fonctions de classe C 1 définies sur un ouvert
U d’un espace de Banach E à valeurs dans R. Soit a ∈ U tel que g1 (a) = 0, · · · , gp (a) = 0 et
les contraintes g1 , · · · , gp sont indépendantes au point a. Si a est un minimum local de f sous les
contraintes g1 , · · · , gp , alors il existe des réels λ1 , · · · , λp tels que
p
X
df (a) = λi dgi (a).
i=1

N.B. : Les réels λ1 , · · · , λp sont appelés multiplicateurs de Lagrange.

Remarque 5.3.2. Les conditions nécessaires d’extremum local sont fausses lorsque U n’est pas un
ouvert.

5.4 Convexité et minima

Définition 5.4.1. Un sous-ensemble C d’un R-espace vectoriel E est dit convexe si pour tout x, y ∈ C
pour tout θ ∈ [0, 1], θx + (1 − θ)y ∈ C. Une fonction f est définie sur un convexe C à valeurs dans
R est dite convexe, si pour tout x, y ∈ C, pour tout θ ∈ [0, 1],

f (θx + (1 − θ)y) ≤ θf (x) + (1 − θ)f (y).

Elle est dite strictement convexe si l’inégalité ci-dessus est stricte lorsque x 6= y et θ ∈]0, 1[.
5.4. CONVEXITÉ ET MINIMA 35

Théorème 5.4.1. Soit f une fonction différentiable sur un ouvert U d’un R-espace de Banach E et
soit C un sous-ensemble convexe de U . Alors f|C est convexe si et seulement si, pour tous x, y ∈ C,

f (y) ≥ f (x) + df (x)(y − x).

Elle est strictement convexe si l’inégalité ci-dessus est stricte pour x 6= y.

De plus si f est deux fois différentiable, f|C est convexe si et seulement si, pour tous x, y ∈ C,

d2 f (x)(y − x, y − x) ≥ 0.

Elle est strictement convexe si l’inégalité ci-dessus est stricte pour x 6= y.

Théorème 5.4.2. Soit f une fonction définie sur un ouvert U d’un R-espace de Banach E et soit C
un sous-ensemble convexe de U .
1. Si f|C est convexe et admet un minimum local dans C, c’est un minimum global.
2. Si f|C est strictement convexe alors elle admet au plus un minimum, et c’est un minimum strict.
3. Si f est différentiable, une condition nécessairepor qu’un point a ∈ C soit un minimum de f|C
est
df (a)(y − a) ≥ 0,
pour tout y ∈ C. Si de plus f|C est convexe, cette condition est également suffisante.

Résumé
La première partie de la recherche d’un extremum consiste donc à trouver les points d’annulation
des dérivées partielles premières. Une fois ces points trouvés, il faut en déterminer la nature. Un point
où les dérivées partielles première s’annule n’est pas nécessairement un extremum. Un tel point est
appelé point stationnaire. Soit (x0 , y0 ) un point stationnaire de la fonction f . Trois cas peuvent se
produire :
− (x0 , y0 ) est un maximum, c’est-à-dire qu’il existe un domaine D autour de (x0 , y0 ) tel que pour
tout (x, y) ∈ D, f (x, y) ≤ f (x0 , y0 ) ;
− (x0 , y0 ) est un minimum, c’est-à-dire qu’il existe un domaine D autour de (x0 , y0 ) tel que pour
tout (x, y) ∈ D, f (x, y) ≥ f (x0 , y0 ) ;
− (x0 , y0 ) n’est ni un maximum, ni un minimum, c’est-à-dire que pour tout domaine D contenant
(x0 , y0 ), contient aussi des points (x, y) et (x0 , y0 ) tels que f (x, y) < f (x0 , y0 ) et f (x, y) >
f (x0 , y0 ). Un tel point est appelé point selle.
Pour distinguer de tels extrema, il est nécessaire de considérer la dérivée seconde.
36 CHAPITRE 5. EXTREMA ET POINTS CRITIQUES
Chapitre 6

Intégrales généralisées

Objectifs :
En première année, on a étudié l’intégrale d’une fonction définie et continue sur un intervalle
fermé borné de R. Dans ce chapitre, on va étudier le cas d’une fonction continue sur un intervalle
(a, b) (−∞ ≤ a < b ≤ +∞) sans être continue sur [a, b]. Ainsi on rencontrera du calcul d’intégrale :
Exemple 6.0.1. intégrales de type :

Z +∞ Z 1 Z π
sin x 2 tan x dx.
dx, ln x dx,
0 x 0 0

Définition 6.0.2. Une fonction f : I ⊂ R −→ R est dite localement intégrable sur I, si elle est
intégrable sur tout intervalle compact de I.
Exemple 6.0.2. La fonction f définie par :

0, si x est rationnel
f (x) =
1, si x est irrationnel

est un exemple d’une fonction n’étant pas localement intégrable.

Définition 6.0.3. On dit que c est un point singulier pour la fonction f si elle n’est pas bornée en ce
point i.e.
lim f (x) = ∞.
x→c

6.1 Intégrales impropres de 1re espèce

Rb
On dit que a f (x) dx est une intégrale impropre (ou généralisée) de 1re espèce si au moins l’une
des bornes de l’intervalle (a, b) est infinie. Si f est localement intégrable sur (a, b) alors :
Z +∞ Z t Z b Z b
f (x) dx = lim f (x) dx, f (x) dx = lim f (x) dx.
a t→+∞ a −∞ t→−∞ t

Si les limites ci-dessus existent et sont finies, on dit que les intégrales impropres qu’elles définissent
convergent, si non on dit qu’elles divergent.

37