École Supérieure Privée d’Ingénierie et de Technologies

Mathématiques de base III

PEG 5: Fonctions de plusieurs variables

Niveau : 2ème année Année universitaire: 2020-2021

Mots clés:  Fonctions de deux variables, limite, continuité, graphe, dérivées partielles, points critiques, ma-
trice hessienne, extremums locaux, contrainte 
Historique: L’étude des fonctions de plusieurs variables a une longue histoire. Elle s’est développée au 17e
siècle mais ses fondements solides ne se sont posés qu’au début du 20e siècle. La notion de dérivée partielle
est connue à la fin du 17e siècle et les premières équations aux dérivées partielles n’apparaissent qu’à partir de
1740 dans des problèmes de mécanique. D’un point de vue physique, une fonction de plusieurs variables est
une quantité numérique ou vectorielle qui dépend de plusieurs paramètres réels. Par exemple:
- L’altitude par rapport au niveau de la mer d’un point à la surface du globe terrestre est une fonction de deux
variables qui sont la latitude et la longitude qui repèrent ce point.
- La température en un point d’une pièce d’habitation est une fonction numérique de trois coordonnées d’espace.

Dans ce chapitre, on se limite à l’étude des fonctions de deux variables.

A l’issue de ce chapitre, l’étudiant sera capable de:

• Déterminer la limite, si elle existe, d’une fonction de deux variables en un point.
• Etudier la continuité d’une fonction de deux variables en un point.
• Calculer les dérivées partielles successives d’une fonction de deux variables.
• Optimiser une fonction de deux variables au voisinage d’un point donné.

I Activité introductive:Approximation au sens des moindres carrés

Dans l’objectif d’étudier le chemin de freinage d’un vehicule, correspondant à la distance parcourue en mètres(m)
du début de freinage jusqu’à l’arrêt totale du vehicule, en fonction de la vitesse en kilomètres par heure (km/h),
7 expériences indépendantes ont été réalisées. En notant X = (xi )1≤i≤7 et Y = (yi )1≤i≤7 , où xi et yi désignent
respectivement la vitesse du vehicule et le chemin de freinage associés à l’expérience i, les résultats obtenus
sont représentés dans le tableau ci-dessous:

i 1 2 3 4 5 6 7
xi 40 60 70 80 90 120 140
yi 9 20 39 55 58 65 108

1
Le nuage de points Mi (xi , yi ) associé à la série statistique (xi , yi ) dans le plan rapporté à un repère orthogonale
est ci-dessous:

1. Déterminer graphiquement puis par le calcul les prévisions de la distance de freinage d’un véhicule roulant
à 105km/h.

2. Le conducteur de ce véhicule pourrait-il éviter un obstacle survenant à une distance de 60m?

On détermine l’équation de la droite qui ajuste au mieux les points (xi , yi )1≤i≤7 c’est à dire la droite la plus
proche de ces points: c’est ce que la méthode des moindres carrés permet d’obtenir.

Dans la méthode des moindres carrés, on cherche la droite (représentée par son equation y = ax + b) qui
minimise la somme des carrées des distances verticales des points à la droite (erreurs).

2
La distance qui sera considérée du i ème point à la droite d’équation y = ax + b est ei = |yi − axi − b|. On
pose S la somme des carrés des distances dont l’expression est donnée par

S(a, b) = (y1 − ax1 − b)2 + (y2 − ax2 − b)2 + ... + (yn − axn − b)2

En simplifiant l’expression de S, on aura

S(a, b) = (y12 + y22 + ... + yn2 ) + a2 (x21 + x22 + ... + x2n ) + 2ab(x1 + x2 + ... + xn ) + nb2

−2a(x1 y1 + x2 y2 + ... + xn yn ) − 2b(y1 + y2 + ... + yn ).

Soient les notations suivantes:

y12 + y22 + ... + yn2
y2 = .
n
x2 + x22 + ... + x2n
x2 = 1 .
n
x1 + x2 + ... + xn
x= .
n
x1 y1 + x2 y2 + ... + xn yn
xy = .
n
y1 + y2 + ... + yn
y= .
n
Ainsi, on obtient
S(a, b) = ny 2 + a2 nx2 + 2abnx + nb2 − 2anxy − 2bny.

Ici les xi et yi sont les données, et on cherche les valeurs de a et b qui minimisent S. La fonction S étant une
fonction de deux variables qui sont a et b, on cherchera le couple (a0 , b0 ) en lequel S prend sa valeur minimal.
La théorie des fonctions à plusieurs variables donne une condition nécessaire et suffisante pour que (S) atteigne
un extremum (minimum ou maximum) en un couple (a0 , b0 ).

3
II Définition et représentation graphique d’une fonction de deux vari-
ables

Définition 1 Soient E un sous-ensemble de R2 . On dit que f est une fonction de deux variables si à tout
couple (x, y) ∈ E, on associe au plus un réel z = f (x, y).
Si on peut associer à (x, y) un réel z = f (x, y), on appelle z l’image du couple (x, y).

Question: Sous quelles formes un domaine de R2 peut-il être représenté?

Exemple 1: On considère le plan muni d’un repère orthonormé. Représenter graphiquement les ensembles de
points suivants :
1. {(x, y) ∈ R2 tel que x ≥ 0 et y ≥ x}
2. {(x, y) ∈ R2 tel que x ≥ 1, y ≥ 0 et x + y − 3 ≤ 0}
3. {(x, y) ∈ R2 tel que y 2 + x2 ≥ 4}
4. {(x, y) ∈ R2 tel que y ≥ 0 et y 2 + x2 ≥ 1}
On remarque que ces ensembles de points sont répresentés dans le plan par des demi-plans, des disques, des
figures géometriques, etc. Comme pour les fonctions d’une seule variable, on se demande pour une fonction f
de deux variables quel est son domaine de définition Df .

Exercice 1 Déterminer et représenter les domaines de définition des fonctions suivantes:

x3 y + y 2 x x ln(x)
f (x, y) = , g(x, y) = ln(1 + ), h(x, y) = .
x+y y x2 + y2 − 9

Définition 2 Le graphe G d’une fonction f de deux variables x et y est le sous-ensemble de Df × R défini

par
G = {(x, y, z) ∈ Df × R/ z = f (x, y)} = {(x, y, f (x, y))/ (x, y) ∈ Df }.

Exemple 1 Ci-dessous, on donne les graphes de quelques fonctions sur [−10, 10]×[−10, 10] tracés en utilisant
PYTHON.

4
Figure 1: Graphe de f , avec f (x, y) = sin x + sin y

Figure 2: Graphe de f , avec f (x, y) = x2 − y 2

Figure 3: Graphe de f , avec f (x, y) = x2 + y 2

5
III Limite et continuité d’une fonction de deux variables
III.1 Limite d’une fonction de deux variables en un point

Définition 3 Soient E un domaine de R2 , (x0 , y0 ) un point de E et f : E → R une fonction de deux

variables définie au voisinage de (x0 , y0 ) sauf peut-être en (x0 , y0 ).
La fonction f adment une limite l en (x0 , y0 ) si


∀ε > 0, ∃δ > 0 / k(x, y) − (x0 , y0 )k ≤ δ ⇒ |f (x, y) − l| ≤ ε .

Dans ce cas, on écrit lim f (x, y) = l ou f (x, y) −→ l.

(x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 )

Figure 4: Illustration graphique de la limite d’une fonction en un point

III.2 Calcul pratique

• Si La fonction admet une limite finie en M0 (x0 , y0 )

Exemple 2 Déterminer la limite de chacune des fonctions définies dans l’exemple 1 au point (0, 0).

Exemple 3 Soit f la fonction dont l’expression est donnée par

xy 2
f (x, y) = .
x2 + y 2
1. Déterminer Df , le domaine de définition de f .
2. Montrer que | xy |≤ 12 (x2 + y 2 ).
|y|
3. Montrer que | f (x, y) |≤ 2

4. En déduire que f admet une limite en (0, 0) et déterminer cette limite.

Soient l ∈ R et f , g et h trois fonctions de deux variables définies sur un voisnage V d’un point (x0 , y0 )
vérifiant
g(x, y) ≤ f (x, y) ≤ h(x, y), ∀(x, y) ∈ V.
Si lim g(x, y) = lim h(x, y) = l, alors lim f (x, y) = l.
(x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 )

6
 • Si la fonction n’admet pas de limite en M0 (x0 , y0 )

Exemple 4 On se propose de montrer que la fonction f dont l’expressioon est donnée par
xy
f (x, y) = 2
x + y2
n’admet pas de limite en (0, 0).
1. Calculer lim f (x, x).
x→0

2. Calculer lim f (x, −x).

x→0

3. Que peut-on déduire?

Dans cet exemple, lim f (x, x) et lim f (x, −x) sont dites, respectivement, les limites de f suivant les
x→0 x→0
chemins y = x et y = −x.

Règle des chemins:

– Soient (x0 , y0 ) ∈ R2 et g une fonction continue au voisinage de x0 telle que g(x) −→ y0 .
x→x0
On dit qu’une fonction f de deux variables admet une limite l suivant le chemin y = g(x) si
lim f (x, g(x)) = l.
x→x0
– Une fonction f de deux variables admet une limite l en un point (x0 , y0 ) si et seulement si les limites
de f suivant tous les chemins existent et elles sont égales à l.
En particuler, si f admet en un point (x0 , y0 ) des limites différentes suivant deux chemins différents,
alors f n’a pas de limite en (x0 , y0 ).
ATTENTION: La réciproque de cette proposition est fausse. Plus précisément, si f admet des
limites égales suivant deux ou plusieurs chemins, cela n’implique pas que f admet une limite.

III.3 Continuité d’une fonction de deux variables

Définition 4 Soient E un domaine de R2 , (x0 , y0 ) un point de R2 et f : E → R une fonction de deux

variables définie au voisinage de (x0 , y0 ).
• La fonction f est continue en (x0 , y0 ) si


∀ε > 0, ∃δ > 0 / k(x, y) − (x0 , y0 )k ≤ δ ⇒ |f (x, y) − f (x0 , y0 )| ≤ ε .

En particulier, f est continue en (x0 , y0 ) si et seulement si lim f (x) = f (x0 , y0 ).

(x,y)→(x0 ,y0 )
• La fonction f est continue sur D si f est continue en tout point de D.
Exercice 2 Soit la fonction définie sur R2 par
(
xy 2
x2 +y 2
si (x, y) 6= (0, 0)
f (x, y) =
0 si (x, y) = (0, 0) .
Déterminer le domaine de continuité de f .

7
IV Dérivées partielles:
IV.1 Calcul de dérivées partielles premières

Définition 5 Soient E un domaine de R2 , (x0 , y0 ) un point de R2 et f : E → R une fonction de deux

variables définie au voisinage de (x0 , y0 ).
• La fonction f admet des dérivées partielles premières si elle est dérivable par rapport à x et par
rapport à y.
• Les dérivées partielles de f se calculent de la manière suivante:
– Par rapport à x: on considère que y est constant et on dérive f comme étant une fonction de
la variable x.
– Par rapport à y: on considère que x est constant et on dérive f comme étant une fonction de
la variable y.

Remarque et notation: Les dérivée partielles de f par rapport à x et par rapport à y sont des fonctions de x et
y. On les note, respectivement, ∂f
∂x
et ∂f
∂y
.

Exercice 3 Soit f la fonction définie par

f (x, y) = 5x2 − 6xy + 2x + 2y 2 − 2y + 1.

1. Justifier que f admet des dérivées partielles premières en tout point (x, y) ∈ R2 .
∂f
2. Calculer ∂x
(x, y) pour tout (x, y) ∈ R2 .
∂f
3. Calculer ∂y
(x, y) pour tout (x, y) ∈ R2 .

IV.2 Calcul des dérivées partielles secondes:

Définition 6 Soient E un domaine de R2 , (x0 , y0 ) un point de R2 et f : E → R une fonction de deux

variables définie au voisinage de (x0 , y0 ).
• La fonction f admet des dérivées partielles secondes si elle est dérivable par rapport à x et par
rapport à y et ses dérivées partielles premières sont dérivables par rapport à x et par rapport à y.
• On définit les dérivées partielles secondes de f comme suit:
2
∂ ∂f
* ∂∂ 2 fx (x, y) = ∂x ( ∂x )(x, y): on dérive f deux fois par rapport à x.
∂ f2
∂ ∂f
* ∂ 2 y (x, y) = ∂y ( ∂y )(x, y): on dérive f deux fois par rapport à y.
∂2f ∂ ∂f
* ∂x∂y
(x, y) = ( )(x, y):
∂x ∂y
on dérive f une fois par rapport à y, puis une fois par rapport à
x.
∂2f ∂ ∂f
* ∂y∂x
(x, y) = ( )(x, y):
∂y ∂x
on dérive f une fois par rapport à x, puis une fois par rapport à y.

Exercice 4 Soit g la fonction définie sur R par

g(x, y) = x3 ey .
∂g ∂g
1. Calculer ∂x
(x, y) et ∂y
(x, y).

8
 ∂2g 2 ∂2g ∂2g
2. Calculer ∂2x
(x, y), ∂∂ 2 yg (x, y), ∂y∂x (x, y) et ∂x∂y
(x, y).
3. Que peut-on constater?

Théorème de Schwarz: Soit f une fonction de deux variables admettant des dérivées partielles
secondes continues en (x, y). Alors

∂ 2f ∂ 2f
(x, y) = (x, y).
∂x∂y ∂y∂x

V Optimisation d’une fonction deux variables:

V.1 Optimisation d’une fonction de deux variables sans contrainte:
Rappel de l’optimisation d’une fonction d’une seule variable:

Une optimisation locale se traduit par la recherche d’un extremum local (maximum local ou minimum local)
d’une fonction sur son domaine de définition. Plus précisément, une fonction f dérivable au voisinage de x0
admet un extremum local en x0 si f 0 (x0 ) = 0 (on dit que x0 est un point critique de f ) et f 0 change de signe au
voisinage de x0 .
Il reste ensuite à déterminer la nature de l’extremum: maximum ou minimum?
Les techniques habituellement employées au lycée sont les tableaux de variation et la position de la tangente
par rapport à la courbe représentative.
Rappelons une autre technique, celle de l’étude du signe de la dérivée seconde pour une fonction deux fois
dérivable. En fait, si f 00 (x) ≥ 0 au voisinage de x0 , alors f est convexe, ce qui implique que f admet un
minimum local en x0 et si f 00 (x) ≤ 0 au voisinage de x0 , alors f est concave, ce qui implique que f admet un
maximum local en x0 .

Optimisation d’une fonction de deux variables sans contrainte:

La recherche d’un extremum d’une fonction de deux variables réclame des outils plus élaborés que dans le cas
d’une fonction d’une seule variable, mais la démarche reste la même:
1. Déterminer le ou les points qui annulent les deux dérivées partielles premières de la fonction. Ces points
sont appelés les points critiques de la fonction.
2. Déterminer leur nature à l’aide de la matrice hessienne: maximum, minimum ou point selle.

Exemple 5 Soit f la fonction définie sur R2 par

f (x, y) = 2x2 y + 2x2 + y 2 + 1.

1. Déterminons les points critiques de f .

Réponse: Pour déterminer les points critiques il faut résoudre le système:
(
∂f
∂x
(x, y) = 0
∂f
∂y
(x, y) = 0

9
 Ceci implique que (
x(y + 1) = 0
x2 + y = 0
On trouve alors trois points critiques (0, 0), (−1, −1) et (1, −1).

2. Cherchons maintenant parmi les points critiques ceux qui présentent des maximum ou minimum ou point
selle.

Réponse: Définissons tout d’abord la MATICE HESSIENNE: la matrice hessienne notée Hf ∈ M2 (R)
telle que !
∂2f ∂2f
2
∂ x
(x, y) ∂x∂y
(x, y)
Hf (x, y) = ∂2f ∂2f .
∂y∂x
(x, y) ∂2y
(x, y)
Dans notre exemple,  
4y + 4 4x
Hf (x, y) = .
4x 2
Calculons maintenant la matrice hessienne trouvée aux différents points critiques et calculons pour cha-
cun de ces points son déterminant et sa trace.

Points critiques (x0 , y0 ) (0, 0) (−1, −1) (1, −1)

Hf (x, y) = Hf (0, 0) = Hf (−1, −1) = Hf (1, −1) =
       
4y + 4 4x 4 0 0 −4 0 4
4x 2
0 2 −4 2 4 2
det Hf (x0 , y0 )
8>0 −16 < 0 −16 < 0
tr Hf (x0 , y0 ) 6>0
Nature de (x0 , y0 ) Minimum local Point selle Point selle

10


Remarque: Si det Hf (x0 , y0 ) = 0, on se base sur la définition d’un extremum local. Plus précisément, en
notant ∆f (x, y) = f (x, y) − f (x0 , y0 ),
• Si ∆f (x, y) > 0 au voisinage de (x0 , y0 ), alors f admet un minimum local en (x0 , y0 ).
• Si ∆f (x, y) < 0 au voisinage de (x0 , y0 ) , alors f admet un maximum local local en (x0 , y0 ).


• Si ∆f (x, y) change de signe au voisinage de (x0 , y0 ), alors x0 , y0 , f (x0 , y0 ) est un point selle.

11
Application: Résolution du problème de l’activité introductive

Déterminer l’équation de la droite des moindres carrés qui ajuste aux les points Mi (xi , yi )1 ≤ i ≤ n.
on résout le problème d’optimisation:
min S(a, b).
(a,b)∈R2

Recherche des points critiques de (S)

on dérive S(a, b) par rapport à a et b, on trouve:
∂S(a, b)
= 2anx2 + 2bnx − 2nxy.
∂a
∂S(a, b)
= 2anx + 2nb − 2ny
∂b
on annule les deux dérivées partielles premières de S(a, b)
(
ax2 + bx − xy = 0
,
ax + b − y = 0
On trouve que S atteint un extrémum au point
xy − x y
(a0 , b0 ) = ( , y − a0 x)
x2 − x2
Détermination de la nature du point critique
On détermine la matrice Hessienne de S
 
2nx2 2nx
HS (a, b) =
2nx 2n
On remarque que
detHS (a0 , b0 ) = 4n2 (x2 − x2 ) > 0.
trHS (a0 , b0 ) = 2n(x2 + 1) > 0.
Alors S admet un minimum au point (a0 , b0 ).

Ainsi la droite des moindres carrés est d’équation:

xy − x y
y = ax + b, avec a = et b = y − ax.
x2 − x2
Pour n = 7, l’équation de la droite des moindres carrés est donnée par:
y = 0.904x − 26.964
la distance de freinage pour une voiture roulant à une vitesse de 105km/h est donnée par:
y(105) = 0.904.105 − 2.964 = 67.956m
cette voiture va probablement heurter l’obstacle qui se trouve à une distance de 60m.

12
V.2 Optimisation sous contrainte d’égalité:
Dans cette section, nous nous intéresserons au calcul d’extremas de fonctions sous contraintes. Comme dans
le paragraphe précédent, il s’agit de trouver des extremas de fonctions de deux variables, mais cette fois, en
imposant des contraintes sur les variables. Ce type de problèmes est très courant dans plusieurs domaines.

Exemple introductif et définitions

Un consommateur cherche à maximiser son utilité, qui est une mesure de sa satisfaction, de son bien être, en
consommant dans un panier de biens, mais en respectant une contrainte de budget. La modélisation est la
suivante:
On considère qu’il existe deux biens différents b1 et b2 et dont le prix unitaire est noté pi pour le bien bi . Si on
note xi la quantité achetée du bien bi et U (x1 ; x2 ) la fonction utilité, alors le problème à résoudre est

U (x1 , x2 ) : Optimisation (minimiser ou maximiser)
P=
p1 x1 + p2 x2 = I : Contrainte,
où I est le budget que s’autorise le consommateur.
Dans ce problème, si on note A l’ensemble des couples x = (x1 ; x2 ) tels que p1 x1 + p2 x2 = I,

A = {x = (x1 ; x2 ) ∈ R/p1 x1 + p2 x2 = I}

alors le problème de maximisation sous contrainte revient à maximiser la fonction U (x1 ; x2 ) pour x ∈ A

Définition 7 Soit f une fonction de R2 dans R. Soit A ⊂ R2 un ensemble sur lequel la fonction f est
définie.
• On dit que f admet un maximum local en (x0 , y0 ) sous la contrainte (x, y) ∈ A s’il esiste un disque
D de centre (x0 , y0 ) et de rayon r tel que pour tout (x, y) ∈ D:

f (x, y) ≤ f (x0 , y0 )

• On dit que f admet un minimum local en (x0 , y0 ) sous la contrainte (x, y) ∈ A s’il esiste un disque
D de centre (x0 , y0 ) et de rayon r tel que pour tout (x, y) ∈ D:

f (x, y) ≥ f (x0 , y0 )

On considère une fonction f : R2 −→ R et une fonction g : R2 −→ R qui admettent des dérivées partielles
secondes continues sur R2 .
Le problème à étudier consiste à trouver le minimum (ou maximum) de f sous la contrainte g(x, y) = α.

minimiser ou maximiserf (x, y) : Optimisation
P=
g(x, y) = α : Contrainte

13
Méthode de substitution

Démarche
1. Dans la contrainte g(x, y) = α, on exprime y en fonction de x (on obtient ainsi y = h(x)) ou x en fonction
de y (on obtient ainsi x = h(y)). Dans les deux cas, h est une fonction d’une seule variable.
2. On considère la fonction F définie par F (x) = f (x, h(x)) dans le premier cas et F (y) = (h(y), y) dans
le deuxième cas.
3. On cherche les extremums, s’ils existent, de la fonction F qui est une fonction d’une seule variable.

Exemple 6 Notre objectif est de chercher les extremums de la fonction f (x, y) = 2xy sous la contrainte
g(x, y) = 2x + 3y = 6.

D’après la contrainte, on obtient y = 2 − 32 x. Considérons alors la fonction

 2  4
F (x) = f x, 2 − x = 4x − x2 .
3 3
En étudiant la variation de
la fonction F , on montre qu’elle admet un maximum en 32 , ce qui implique que f
admet un maximum en 32 , 1 .

Remarque 1 L’optimisation d’une fonction sous une contrainte n’est pas toujours réalisable en utilisant la
méthode de substitution puisqu’on ne peut pas toujours exprimer y en fonction de x ou inversement.

Méthode de Lagrange

Définition 8
• On appelle lagrangien du problème P la fonction

L(x, y, λ) = f (x, y) − λ(g(x, y) − α)

λ est appelée un multiplicateur de Lagrange.

• On appelle le point critique du Lagrangien L tout triplet (x0 , y0 , λ) qui vérifie
 ∂L   
∂x
(x0 , y0 , λ) 0
   
 ∂L   
 ∂y (x0 , y0 , λ)  =  0 .
   
   
∂L 0
∂λ
(x0 , y0 , λ)
On appelle la matrice hessienne bordée du lagrangien L en (x0 , y0 , λ) la matrice
 2
∂2L ∂g

∂ L
∂x 2 (x 0 , y0 , λ) ∂y∂x
(x 0 , y0 , λ) ∂x
(x 0 , y0 , λ)
 ∂2L ∂L ∂g
H(L)|x0 ,y0 ,λ =  ∂x∂y (x0 , y0 , λ) ∂y 2 (x0 , y0 , λ) (x0 , y0 , λ) .

∂y
∂g ∂g
∂x
(x0 , y0 , λ) ∂y
(x0 , y0 , λ) 0

14
 • On dit que la contrainte g(x, y) = α est qualifiée au point (x0 , y0 ), si g(x0 , y0 ) = α et si les deux
dérivées partielles premières de g au point (x0 , y0 ) ne sont toutes les deux nulles à la fois:
 ∂g   
∂x
(x0 , y0 ) 0
∂g 6=
∂y
(x ,
0 0y ) 0

Démarche
1. On cherche les points critiques du Lagrangien L, c’est à dire, on cherche (x0 , y0 , λ) tels que:
  ∂f ∂g
∂L
 ∂x (x0 , y0 ) = 0
  ∂x (x0 , y0 ) − λ ∂x (x0 , y0 ) = 0

∂L ∂f ∂g
∂y
(x0 , y0 ) = 0 ⇐⇒ ∂y
(x0 , y0 ) − λ ∂y (x0 , y0 ) = 0 .

 ∂L 
(x0 , y0 ) = 0. g(x0 , y0 ) − α = 0

∂λ

2. En chaque point stationnaire (x0 , y0 , λ) trouvé

(a) Vérifier que la contrainte g(x, y) = α est qualifiée au point (x0 , y0 ).
(b) on calcule la matrice hessienne bordée.
• Si son déterminant est strictement positif, alors f admet en (x0 , y0 ) un maximum local sous la
contrainte g(x, y) = α.
• Si son déterminant est strictement négatif, alors f admet en (x0 , y0 ) un minimum local sous la
contrainte g(x, y) = α.
• Si son déterminant est nul, on ne peut pas conclure.
Exemple 7
1. Chercher les extremas locaux de la fonction f (x, y) = x2 + y 2 sous la contrainte g(x, y) = x2 y = 16.
2. Chercher les extremas locaux de la fonction f (x, y) = 5x2 + 6y 2 − xy sous la contrainte
g(x, y) = x + 2 y = 24.

15