Analyse dans Rn

Enseignant : SOAMPA Bangan

Faculté des Sciences et Techniques
Email : bangansoampa@[Link]
Mousson 2022-2023

1
Table des matières

1 Fonctions de pluisieurs variables 3

1.1 Topologie dans Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Distance associée à une norme . . . . . . . . . . . . . . . . . . . 4
1.1.3 Boule, ouvert, fermé . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Fonctions de plusieurs variables . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2 Exercises de TD . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Limites et continuité . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Dérivées partielles, différentielles, fonctions de classe C k , k ∈ N∗ . . . . 9
1.3.1 Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.2 Fonctions différentiables . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Le vecteur gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Matrice jacobienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6 Fonctions de classe C 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6.1 Plan tangent à une surface . . . . . . . . . . . . . . . . . . . . . . 13
1.6.2 Fonctions deux fois différentiables . . . . . . . . . . . . . . . . . 14
1.6.3 Dérivées partielles d’ordre supérieur . . . . . . . . . . . . . . . . 14
1.6.4 Matrice hessienne . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7 Formule de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.8 Etréma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.8.1 Rappel dans le cas d’une seule variable . . . . . . . . . . . . . . . 16
1.8.2 Extrémum local d’une fonction de plusieurs variables . . . . . . . 17
1.8.3 Etréma libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.8.4 Extréma liés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.9 Fonctions implicites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.9.1 Cas f (x, y) = 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.9.2 Cas f (x1 , . . . , xn ) = 0 . . . . . . . . . . . . . . . . . . . . . . . . 19
1.10 Formes différentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.10.1 Formes différentielles exactes, fermées . . . . . . . . . . . . . . . 20
1.11 Travaux dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2
Chapitre 1

Fonctions de pluisieurs variables

Jusqu’à présent vous avez surtout rencontré des fonctions d’une variable. Cependant
les phénoménes naturels ne dépendent pas en général d’une seule variable. Par exemple :
la vitesse moyenne v dépend de la distance parcourue d et du temps t mis pour effectuer
ce parcours, on a v = d/t. Un autre exemple est donné par le calcul de l’aire d’un rec-
tangle : A = L × l. L’aire est une fonction de la longueur L et de la largeur l. Dans cette
partie, nous allons définir les fonctions de plusieurs variables. Nous aurons une attention
toute particulière pour les fonctions de deux variables

1.1 Topologie dans Rn

1.1.1 Normes
Définition 1.1.1 Une norme sur Rn est une application N : Rn −→ R+ telle que, pour
tous x, y ∈ Rn et pour tout λ ∈ R :
1. N (x) = 0 ssi x = 0
2. (homogénéité) N (λx) = |λ|N (x)
3. (Inégalité triangulaire) N (x + y) ≤ N (x) + N (y).

Remarque 1.1.1 Très souvent l’on note N (x) = ||x|| pour tout x ∈ Rn .
Le couple (Rn , ||.||) est alors appelé espace vectoriel normé.

Propriétés 1.1.1 |||x|| − ||y||| ≤ ||x − y|| ≤ ||x|| + ||y||.

Définition 1.1.2 Deux normes ||.|| et ||.||0 sur Rn sont dites équivalentes s’il existe deux
réels α, β strictement positifs tels que pour tout x ∈ Rn , on ait :

α||x|| ≤ ||x||0 ≤ β||x||.

Exemple 1.1.1

1. La valeur absolue dans R et le module dans C sont des normes sur ces espaces vec-
toriels.

3
Chapitre 1. Fonctions de pluisieurs variables

2. Soit p ∈ N∗ , les normes classiques utilisées souvent dans Rn sont définies pour tout
x = (x1 , x1 , . . . , xn ) ∈ Rn par :
n
! p1
X
||x||p = |xi |p
i=1
et
||x||∞ = sup {|x1 |, |x2 |, . . . , |xn |} .
Remarque 1.1.2 ||.||2 est appelée la norme euclidienne.

1.1.2 Distance associée à une norme

Une distance sur Rn est une application d : Rn × Rn −→ R+ telle que pour tous
x, y, z ∈ Rn , on ait :

1. (symétrie) d(x, y) = d(y, x)

2. (inégalité triangulaire) d(x, z) ≤ d(x, y) + d(y, z)
3. (séparation) d(x, y) = 0 ⇐⇒ x = y
Le couple (Rn , d) est appelé espace métrique.
De la défintion de norme, nous déduisons aisément la proposition suivante
Proposition 1.1.1 Soit ||.|| : Rn −→ R+ une norme. Alors l’application d : Rn × Rn −→
R+ définie par d(x, y) = ||x−y|| est une distance sur Rn . On l’ appelle la distance induite
par la norme ||.||.

1.1.3 Boule, ouvert, fermé

Définition 1.1.3 (Boule) Soit a ∈ Rn et r > 0. Dans Rn
On appelle boule ouberte de centre a et de rayon r, l’ensemble B(a, r) = {x ∈ Rn /d(a, x) < r}.
On appelle boule fermée de centre a et de rayon r, l’ensemble B(a, r) = {x ∈ Rn /d(a, x) ≤ r}.
On appelle sphère de centre a et de rayon r, l’ensemble S(a, r) = {x ∈ Rn /d(a, x) = r}.

Définition 1.1.4 (Ouvert)

On dira d’un ensemble O ∈ Rn qu’il est un ouvert de Rn si tout point de O est contenu dans
O ensemble avec une boule de centre ce point. Autrement dit
∀x ∈ O, ∃B(x, r) telle que B(x, r) ⊂ O.
Exemple 1.1.2 1. Rn est un ouvert
2. B(a, r) est un ouvert
En effet, si x ∈ B(a, r), alors en prenant  ∈ ]0, r − d(a, x)[ on a B(x,  ⊂ B(a, r),
car pour tout y ∈ B(x, ,
d(y, a) ≤ d(y, x) + d(x, a)
≤  + d(x, a)
≤ r − d(x, a) + d(x, a) = r.

4
Chapitre 1. Fonctions de pluisieurs variables

3. E = {x ∈ Rn /d(x, a) > r} est un ouvert.

Définition 1.1.5 (Fermé) On applelle fermé de Rn , le complémentaire d’un ouvert.
Exemple 1.1.3 B(a, r) = {x ∈ Rn /d(x, a) ≤ r} est un fermé. En effet,
Rn \B(a, r) = {x ∈ Rn /d(x, a) > r}
est un ouvert.
Proposition 1.1.2 i) ∅ et Rn sont des ouverts et des fermés.
[
ii) Toute réunion quelconque d’ouverts est un ouvert ie Oα est un ouvert si Oα est un
α
ouvert ∀α. n
\
iii) Toute intersection finie d’ouverts est un ouvert ie Oi est un ouvert.
i=0
n
[
iv) Toute réunion finie de fermé est un fermé, ieFi si Fi est fermé i ∈ {0, 1, . . . , n}.
i=0 \
v) Toute intersection quelconque de fermés est un fermé, ie Fα est un fermé si Fα est
α
fermé ∀α.
Définition 1.1.6 (Voisinage) On appelle voisinage d’un point tout ouvert contenant ce
point. Un ensemble V ⊂ Rn est un voisinage d’un point x ∈ Rn si V contient une boule
ouverte contenant x : c’est-à-dire
∃x0 ∈ Rn , ∃r > 0, B(x0 , r) ⊂ V.
Définition 1.1.7 On appelle point intérieur d’un ensemble A tout x ∈ Rn tel que ∃ un
voisinage V (x) de x contenu dans A.
Définition 1.1.8 On appelle point extérieur de A tout x ∈ Rn tel que ∃ V (x) un voisinage
de x (V (x) ∩ A = ∅), ie que V (x) est contenu dans le complémentaire de A.
Définition 1.1.9 On dira d’un point x qu’il est un point de la frontière d’un ensemble A si
x n’est ni point intérieur ni point extérieur de A. Autrment dit tout voisinage de x contient
les poinst de A et les points du complémentaire de A.
Définition 1.1.10 Un a est appelé point d’accumulation d’un ensemble A si tout voisinage
de a contient une infinité de points de A, autrment dit tout voisinage de a contient au moins
un point de A différent de a.
Définition 1.1.11 Un point a ∈ Rn est appelé point adhérent à l’ensemble A si tout voisi-
nage de a contient au moins un point de A ie V (a) ∩ A 6= ∅.
Définition 1.1.12 On appelle adhérence d’un ensemble A, l’ensemble de tous les points
qui adhèrent à ce ensemble A. On le note Ā.
Remarque 1.1.3 L’adhérence de A est l’union de A et l’ensemble de ses points d’accumu-
lation.
Proposition 1.1.3 F est fermé ⇐⇒ F = F̄ .

5
Chapitre 1. Fonctions de pluisieurs variables

1.2 Fonctions de plusieurs variables

1.2.1 Définition
L’exemple le plus simple de fonctions de deux variables est donné par l’aire d’un
rectangle : A = L × l. L et l étant des nombres positifs nous représentons cette fonction
de la manière suivante :

A : R+ × R+ −→ R
(L, l) 7−→ L × l

R+ × R+ s’appelle le domaine de définition de la fonction f.

D’une manière générale nous pouvons avoir n variables où n désigne un nombre entier.

Définition 1.2.1 Soit n un nombre entier et D une partie de Rn . Une fonction f de n va-
riables est un procédé qui a tout n-uplets (x1 , . . . , xn ) de D associe un unique nombre réel.
Cela se note de la manière suivante :

f :D −→ Rp
(x1 , . . . , xn ) 7−→ f (x) = f (x1 , . . . , xn ) = (f1 (x1 , . . . , xn ), . . . , fp (x1 , . . . , xn ))

où f1 , . . . , fp sont des fonctions de Rn dans R.

D est le domaine de définition de f.

Remarque 1.2.1 La notation (x1 , . . . , xn ) est là pour montrer que nous avons n variables.
En pratique, lorsque nous n’avons que deux variables nous les notons x et y plutôt que x1
et x2 .

Par exemple, la fonction suivante donne la distance d’un point de coordonnées (x, y) à
l’origine du plan.

f : R2 −→ R
p
(x, y) 7−→ x2 + y 2 .

f est une fonction de deux variables, R2 est son domaine de définition.

Voici, ici un exemple d’une fonction de trois variables : (x, y, z).

g : R × R × R? −→ R
x sin y − y 3 + π
(x, y, z) 7−→ .
3z 2
g est une fonction de trois variables, R × R × R? est son domaine de définition.

Exemple 1.2.1 loi de Boyle-Mariotte ou loi des gaz parfaits. (1670)

P V = nRT

6
Chapitre 1. Fonctions de pluisieurs variables

n désigne la quantité de matière contenue dans le volume V , tandis que R désigne la

constante des gaz parfaits. Si le volume du système physique varie en même temps que
la température, notre étude est justifiée. En général, on recherche l’équation d’état d’un
système. (Relation entre les paramètres d’état d’un système en équilibre macroscopique.)
Elle s’écrit f (P, V, T ) = 0, où f est une fonction de trois variables P, V et T . Dans notre
cas on a f (P, V, T ) = P V − nRT .

Exemple 1.2.2 équation d’état de Van  der aWaals (Prix nobel de Physique, 1910).
Pour une mole de gaz, on a la relation P + 2 (V − b) = RT. Cette relation traduit
V
l’existence de forces d’interaction entre les molécules de gaz, à la différence de al’équation

d’état des gaz parfaits. La fonction détat s’écrit dans ce cas : f (P, V, T ) = P + 2 (V − b)−
V
RT.

Exercice 1 Soit f une fonction à deux variables définie par : f (x, y) = ln(x) + sin y.

1. Calculer l’image de (e, 0) par f.

2. Donner le plus grand domaine de définition possible pour f.
Solution :
1. f (e, 0) = ln(e) + sin(0) = 1 + 0 = 1.
L’image de (e, 0) par f est 1.
2. Pour que ln(x) existe il faut (et il suffit) que x > 0. Donc x ∈ R∗+
sin(y) existe pour tout y ∈ R. Donc y ∈ R Ainsi le plus grand domaine de définition
possible pour f est : ∈ R∗+ × R.

1.2.2 Exercises de TD
Exercice 2 Déterminer et représenter le plus grand domaine de définition possible pour les
fonctions suivantes :
√
xy
1. f (x, y) = 2 ,
x + y2
√
x+y+1
2. f (x, y) = ,
x−1
3. f (x, y) = ln(xy),
4. f (x, y) = x ln(y 2 − x),
p
5. f (x, y) = 4x − x2 + 4y − y 2 ,
p
6. f (x, y) = 16 − x2 − y 2 . ln(x2 + y 2 − 9).

1.2.3 Limites et continuité

Soit D une partie de Rn , n ∈ N − {0, 1} , p ∈ N∗ .

7
Chapitre 1. Fonctions de pluisieurs variables

Définition 1.2.2 (Limites)

Soit a ∈ D. La fonction f : D −→ Rp définie dans un voisinage de a admet pour limite
l ∈ Rp lorsque x tend vers a, si pour tout  > 0, il existe η > 0 tel que x ∈ D − {a} et
x ∈ B(a, η) implique que f (x) ∈ B(l, ). On écrit lim f (x) = l.
x−→a

Remarque 1.2.2
lim f (x) = l ⇐⇒ ∀ > 0, ∃η > 0; ∀x ∈ D et 0 < ||x − a|| < η =⇒ ||f (x) − l|| < .
x−→a

Proposition 1.2.1 (Permutation des limites)

Soit f : R2 −→ R une fonction telle que lim f (x, y) existe. Si pour tout x ∈
(x,y)−→(a,b)
R, lim f (x, y) existe et pour tout y ∈ R, lim f (x, y) existe alors lim lim f (x, y) =
y−→b x−→a x−→a y−→b
lim lim f (x, y) = lim f (x, y).
y−→b x−→a (x,y)−→(a,b)

Définition 1.2.3 (Fonction continue)

Soit D une partie de Rn et f une fonction de D dans Rp . Soit a un point de D.
On dit que f est continue en a si et seulement si lim f (x) = f (a).
x−→a
C’est-à-dire que : ∀ > 0, ∃η > 0, f (D ∩ B(a, η)) ⊂ B(f (a), ).
Si f est continue en tout point de D alors on dit qu’elle est continue sur D.

Proposition 1.2.2 Soient D une partie de Rn , f une fonction de D dans Rp et a ∈ D .

Alors f est continue en a si et seulement si pour toute suite (xm )m∈N ∈ DN qui tend vers a
la suite (f (xm ))m∈N tend vers f (a).
Comme pour une fonction d’une variable réelle, cette propriété sert souvent à montrer qu’une
fonction n’est pas continue.
 xy
 x2 + y 2 si (x, y) 6= (0, 0),


2
Exemple 1.2.3 On considère sur R l’application f définie par : f (x, y) =


0 si (x, y) = (0, 0).

2
La fonction f est continue sur R −{(0, 0)} comme fraction rationnelle dont le dénominateur
ne s’annule pas. D’autre part on a f (x, 0) = 0 −→ 0 = f (0, 0), x −→ 0 et f (0, y) =
0 −→ 0 = f (0, 0), y −→ 0 et pourtant f n’est pas continue en (0, 0). En effet, si on note
par un = ( n1 , n1 ) pour tout n ∈ N∗ . Alors un tend vers (0, 0) mais f (un ) ne tend pas vers
f (0, 0) quand n tend vers +∞.

Remarque 1.2.3 C’est une erreur trop fréquente que de se contenter de vérifier la conti-
nuité des fonctions x 7→ f (x, y) et y 7→ f (x, y) pour prouver la continuité de f. On voit
bien sur cet exemple que ce n’est malheureusement pas suffisant…

La proposition qui suit permet elle de montrer efficacement la continuité d’une fonction
en un point de R2 .
Proposition 1.2.3 Soit f une fonction de D ⊂ R2 dans R. Soit a = (a1 , a2 ) ∈ D. Alors f
est continue en a si et seulement si il existe une fonction  : R+ −→ R+ qui tend vers 0 en
0 telle que pour tout r ≥ 0 et θ ∈ R, on a
|f (a1 + r cos θ, a2 + r sin θ) − f (a1 , a2 )| ≤ (r).

8
Chapitre 1. Fonctions de pluisieurs variables


x2 y 2
si (x, y) 6= (0, 0),



 x2 + y 2
2
Exemple 1.2.4 On considère sur R l’application f définie par : f (x, y) =



0 si (x, y) = (0, 0).
La fonction f est continue sur R2 −{(0, 0)} comme fraction rationnelle dont le dénominateur
ne s’annule pas. On étudie maintenant la continuité en (0, 0). Pour tout r > 0, θ ∈ R, on a

r4 cos2 θ sin2 θ
|f (r cos θ, r sin θ)| = ≤ r2 −→ 0, r −→ 0.
r2
Cela prouve que f est continue en (0, 0).

Définition 1.2.4 (Fonctions partielles)

Soit f : D −→ Rp et a = (a1 , . . . , an ) ∈ D. Posons

∀i = 1, . . . , n, Di = {x ∈ R; (a1 , . . . , ai−1 , x, ai+1 , . . . , an ) ∈ D} .

Pour tout i = 1, . . . , n, la fonction fi : Di −→ Rp , x 7→ fi (x) = f (a1 , . . . , ai−1 , x, ai+1 , . . . , an )

est appelée fonction partielle de f en a.

Proposition 1.2.4 Si f : D −→ Rp est une fonction continue en un point a = (a1 , . . . , an ) ∈

D alors ∀i = 1, . . . , n, la fonction partielle fi : Di −→ Rp est continue en a.

1.3 Dérivées partielles, différentielles, fonctions de classe

C k , k ∈ N∗
Le but de cette partie est de généraliser la notion de dérivée pour une fonction f
de plusieurs variables. L’objectif est évidemment de donner une définition qui permet de
retrouver autant que possible toutes les bonnes propriétés de la dérivation d’une fonction
d’une variable :
. En tout point x0 où la fonction est dérivable, la dérivée doit permettre de définir une
fonction simple qui approche bien f au moins pour des points proches de x0 , comme
c’est le cas pour l’application x 7→ f (x0 ) + (x − x0 )f 0 (x0 ) en dimension 1.
. En particulier on attend d’une fonction dérivable qu’elle soit continue.
. La dérivée doit permettre d’étudier les variations de f , localiser et étudier les extréma.
Soit Ω un ouvert de Rn , f un fonction de Ω dans Rp et a = (a1 , . . . , an ) ∈ Ω. On note
par (e1 , . . . , en ) la base canonique de Rn .

1.3.1 Dérivées partielles

Définition 1.3.1 Soit k = 1, . . . , n.
. On dit que la kième dérivée partielle de f existe au point a si l’application

t 7→ f (a1 , . . . , ak−1 , ak + t, ak+1 , . . . , an )

9
Chapitre 1. Fonctions de pluisieurs variables

(définie sur un voisinage de 0 dans R et à valeurs dans Rp ) est dérivable en 0. Dans ce cas
∂f
on note (a) ou ∂k f (a) cette dérivée.
∂xk
∂f f (a1 , . . . , ak−1 , ak + t, ak+1 , . . . , an ) − f (a1 , . . . , aak −1 , ak , ak+1 , . . . , an )
(a) = lim
∂xk t−→0 t
. On dit que la kième dérivée partielle de f existe sur Ω si elle existe en tout point de Ω.
∂f
On note par ou ∂k f la fonction kième dérivée partielle de f .
∂xk
Les dérivées partielles ne sont finalement rien de plus que des dérivées au sens usuel.
Pour dériver par rapport à une variable on considère que toutes les autres sont des
constantes et on dérive alors par rapport à la variable qui nous intéresse comme on a
l’habitude.
Définition 1.3.2 (Dérivée directionnelle)
Soit v un vecteur non nul de Rn tel que a + tv ∈ Ω pour tout t ∈ R. La fonction f admet
une dérivée en a suivant v si l’application ϕ : t 7→ f (a + tv) est dérivable en 0. Le nombre
dérivée ϕ0 (0) est appelé dérivée de f en a suivant v.

ϕ(t) − ϕ(0) f (a + tv) − f (a)

ϕ0 (0) = lim = lim .
t−→0 t t−→0 t
Remarque 1.3.1 Si elle existe, la k-ième dérivée partielle de f au point a n’est autre que
la dérivée de f en a suivant ek .

Exercice 3 Calculer la dérivée de l’application f : (x, y, z) 7→ x2 − y 2 au point a =

(1, 2, 0) suivant le vecteur v = (1, 1, 1).

1.3.2 Fonctions différentiables

Définition 1.3.3 On dit que f est différentiable en a s’il existe une application linéaire
da f de Rn dans Rp telle que

f (a + h) = f (a) + da f (h) + o(||h||), h −→ 0.

Autrement dit il existe une application a définie sur un voisinage de 0 dans Rn et à valeurs
dans Rp telle que a (h) −→ 0, h −→ 0 et

f (a + h) = f (a) + da f (h) + ||h||a (h).

Remarque 1.3.2 On écrit df (a) au lieu de da f pour désigner la différentielle de f en a.

Remarque 1.3.3 On rappelle (sinon ce sera vu en approfondissements mathématiques)

qu’en dimension finie toutes les applications linéaires sont continues. Cela signifie en par-
ticulier que
||da f (h)||
|||da (f )||| := sup
h6=0 ||h||
est bien définie.

10
Chapitre 1. Fonctions de pluisieurs variables

Proposition 1.3.1 Si f est différentiable en a, alors f est continue en a.

Preuve ∀h ∈ Rn , on a

||f (a+h)−f (a)|| ≤ ||da f (h)||+||h||||a (h)|| ≤ ||h|| (|||da (f )||| + ||a (h)||) −→ 0, h −→ 0.


Proposition 1.3.2 Si f est différentiable en a, alors elle est dérivable en a suivant tout
vecteur v ∈ Rn − {0} et cette dérivée vaut da f (v).
Preuve Soit v ∈ Rn − {0}. Pour tout t ∈ R assez petit, on a

f (a + tv) = f (a) + da f (tv) + ||tv||a (tv) = f (a) + tda f (v) + o(t), t −→ 0.

Cela prouve que l’application t 7→ f (a + tv) est dérivable en 0 de dérivée da f (v). 

Exemple 1.3.1 1. Une fonction f : R dans R est différentiable en a ∈ R si et seule-
ment si elle est dérivable en a et dans ce cas da f est l’application h 7→ hf 0 (a).
2. Une application constante est différentiable en tout point de différentielle nulle.
3. Soit L une application linéaire de Rn dans Rp . Pour tous a ∈ Rn et h ∈ Rn on a

L(a + h) = L(a) + L(h)

Ainsi L est différentiable en a de différentielle da L = L.

Proposition 1.3.3 On suppose que f est différentiable en a. Alors toutes les dérivées par-
tielles de f existent au point a et pour tout v = (v1 , . . . , vn ) ∈ Rn on a
n
X ∂f
da f (v) = vk (a)
k=1
∂xk

Preuve Le fait que les dérivées partielles de f existent au point a résulte de la proposition
(1.3.2) appliquée avec les vecteurs de la base canonique. Par linéarité de da f on a
n
! n n
X X X ∂f
da f (v) = da f vk e k = vk da f (ek ) = vk (a).
k=1 k=1 k=1
∂x k


Proposition 1.3.4 (Linérité)
Soient f, g deux fonctions définies d’un ouvert Ω ⊂ Rn dans Rp différentiables en a. Alors
pour tous λ, µ ∈ R, la fonction λf + µg est différentiable en a de différentielle

da (λf + µg) = λda f + µda g.

La propriété suivante généralise la propriété de dérivation pour la composée de fonctions

d’une variable réelle. Il n’y a pas particulièrement de difficulté nouvelle par rapport à la
dimension 1, mais il faut être vigilant car les notations commencent à devenir un peu
lourdes.

11
Chapitre 1. Fonctions de pluisieurs variables

Proposition 1.3.5 (Composée)

On suppose que f est définie d’un ouvert U ⊂ Rn −→ Rp est différentiable en a ∈ U.
Soient V un ouvert de Rp contenant f (U) et g : V −→ Rm une appliaction différentiable
en f (a). Aors l’application gof est différentiable en a de différentielle

da (gof ) = df (a) goda f.

Théorème 1.3.1 Si toutes les dérivées partielles de f sont définies et continues au voisinage
de a ∈ U, alors f est différentiable en a.

1.4 Le vecteur gradient

On suppose dans ce paragraphe que p = 1, c’est-à-dire que f est à valeurs réelles.

Définition 1.4.1 Soit a ∈ U. On appelle gradient de f en a le vecteur

∂f
 
 ∂x1 (a) 
 ∂f 
(a)
 
∂x
 
∇f (a) =  2 .
 .
.. 

 
 ∂f 
(a)
∂xn

Proposition 1.4.1 Pour tout a ∈ U, le gradient ∇f (a) est l’unique vecteur tel que pour
tout h ∈ Rn on a
dfa (h) = h∇f (a), hi,
où pour deux vecteurs u = (u1 , u2 , . . . , un ) et v = (v1 , . . . , vn ) de Rn , on note par hu, vi
n
X
le produit scalaire usuel uj vj de Rn .
j=1

Remarque 1.4.1 En tout point de Rn , la direction de la plus grande pente est indiquée par
le vecteur gradient.
2
Exemple 1.4.1 Déterminer en tout point de R3 le gradient ∇f si f (x, y, z) = xzey .

Exemple 1.4.2 Déterminer en tout point de R2 le vecteur gradient de l’application f :

2 2
(x, y) 7→ xe−(x +y ) .

1.5 Matrice jacobienne

On revient au cas général où f peut être à valeurs dans Rp pour n’importe quel n ∈
∗
N . On introduit maintenant la matrice jacobienne d’une application différentiable. Il n’y
a pas de concept nouveau, on donne simplement un nom à la matrice de la différentielle

12
Chapitre 1. Fonctions de pluisieurs variables

Définition 1.5.1 Soit f une fonction différentiable en a. On appelle matrice jacobienne

de f en a et on note Jaca f la matrice de da f dans les bases canoniques de Rn et Rp :
∂f1 ∂f1
 
 ∂x1 , . . . , ∂xn 
 ∂f ∂f2 
2
, ...,
   
∂fi 
∂x1 ∂xn  ∈ Mp,n (R).

Jaca f = Jacf (a) = 1≤j≤n=
∂xj 1≤i≤p  .. .. 

 . ··· . 

 ∂fp ∂fp 
, ...,
∂x1 ∂xn
La première colonne contient les dérivées partielles des coordonnées de f par rapport à la
première variable x1 , la deuxième colonne contient les dérivées partielles des coordonnées
de f par rapport à la deuxième variable x2 et ainsi de suite.

Exemple 1.5.1 Coordonnées polaires : On considère sur R∗+ × R l’application ψ : (r, θ) 7→

(r cos θ, r sin θ). Alors ψ est différentiable et sa matrice jacobienne au point (r, θ) est
 
cos θ −r sin θ
Jacψ(r, θ) =  .
sin θ r cos θ

Définition 1.5.2 (Le Jacobien)

Le Jacobien pris en a d’une applicationf : Rn −→ Rn est le déterminant de la matrice
jacobienne Jac(f ). On le note detJac(f ).

Exercice 4 Écrire la matrice jacobienne de l’application (x, y, z) 7→ (xyz, x2 y + y) en

tout point de R3 .

Exercice 5 Déterminer la matrice jacobienne de f : (x, y, z) 7→ (x ln y, ex+y+z ).

1.6 Fonctions de classe C 1

Définition 1.6.1 On dit que f est de classe C 1 (ou continûment différentiable) sur U si
toutes ses dérivées partielles sont définies et continues sur U.

Définition 1.6.2 Soit V un ouvert de Rp . On dit que f est un C 1 difféomorphisme de U

dans V si f est une bijection de U dans V, est de classe C 1 sur U et sa réciproque f −1 est de
classe C 1 sur V.

1.6.1 Plan tangent à une surface

Soit U un ouvert de R2 et f : U −→ R une fonction continûment différentiable sur
U. L’équation du plan tangent à la surface par z = f (x, y), z ∈ R en un point (x0 , y0 , z0 )
appartenant à cette surface dont le gradient de f en ce point est non nul est donné par
∂f ∂f
z − z0 = (x0 , y0 )(x − x0 ) + (x0 , y0 )(y − y0 ).
∂x ∂y

13
Chapitre 1. Fonctions de pluisieurs variables

1.6.2 Fonctions deux fois différentiables

Définition 1.6.3 La fonction f : U ⊂ Rn −→ Rp est dite deux fois différentiable en a ∈ U
si f est différentiable dans un voisinage V (a) de a et sa différentielle da f est différentiable
en a.
Si f est deux fois différentiable en tout point de U alors on dit qu’elle est deux fois différentiable
sur U.

Définition 1.6.4 (Différentielle seconde)

La différentielle seconde de la fonction f : U ⊂ Rn −→ Rp deux fois différentiable est
l’application définie sur U par d2 f (h, k) = d(df )x (h)(k) pour tout h, k ∈ Rp est une
forme bilinéaire sur Rn .

1.6.3 Dérivées partielles d’ordre supérieur

On s’intéresse dans cette partie aux dérivées d’ordre 2 ou plus d’une fonction de plu-
sieurs variables. Comme pour une fonction d’une seule variable, la dérivée première (la
différentielle ici) permet d’avoir la meilleure approximation d’une fonction en un point
par une fonction affine, mais on peut avoir besoin d’être plus précis. L’application que
l’on va détailler ici est l’étude des extremums d’une fonction à valeurs réelles. Comme
pour une fonction d’une variable, on va voir que la différentielle première s’annule là où
la fonction atteint ses extremums locaux, mais on aura besoin de la dérivée seconde pour
voir s’il s’agit effectivement d’un extremum local et, le cas échéant, s’il s’agit d’un maxi-
mum ou d’un minimum. Cela a évidemment de nombreuses applications, les problèmes
où on cherche à optimiser une grandeur en fonction de divers paramètres étant très
nombreux. On peut également avoir besoin d’approcher localement une fonction par un
polynôme de degré arbitraire. Comme en dimension 1, c’est alors la formule de Taylor
qui entre en jeu…

D’erivées partielles successives

Si les dérivées partielles d’ordre 1 de f : U −→ Rp sont encore dérivables par rapport
à chaque variable, leurs dérivées partielles sont appelées dérivées partielles secondes.
Par récurrence, on définit les dérivées partielles d’ordre n comme les dérivées partielles
des dérivées d’ordre n − 1.
Définition 1.6.5 (Fonctions de classe C k )
Si les fonctions dérivées partielles d’ordre k sont continues sur U, on dit que f est de classe
C k sur U.
Si les dérivées partielles de tout ordre existe, f est dite de classe C ∞ sur U.

1.6.4 Matrice hessienne

Soient f : U −→ R, (e1 , . . . , en ) la base canonique de Rn . Si f est deux fois différentiable
sur l’ouvert U alors pour tout a ∈ U, pour tout i, j = 1, . . . , n
∂ 2f
 
2 ∂ ∂f ∂ ∂f
d fx (ei , ej ) = (a) = (a) = (a) = ∂x2i xj f (a).
∂xi ∂xj ∂xi ∂xj ∂xi ∂xj

14
Chapitre 1. Fonctions de pluisieurs variables

Alors la matrice hessienne est

 
∂ 2f ∂ 2f
(a) ... (a)

 ∂x21 ∂x1 ∂xn  
 ∂ 2f ∂ 2f 
 (a) ... (a)
Hess(f )a = 
 ∂x2 ∂x1 ∂x2 ∂xn  .
.. ..
. ··· .
 
 
2 2
 
 ∂ f ∂ f 
(a) ... 2
(a)
∂xn ∂x1 ∂xn
Soient h = (h1 , . . . , hn ), k = (k1 , . . . , kn ) ∈ Rn . Alors
n X
n
2
X ∂ 2f
d fa (h, k) = hi kj (a) =t [Link](f )a.k.
i=1 j=1
∂xi ∂xj

Autrement dit la matrice hessienne est la matrice de la forme bilinéaire d2 f a par rapport
à la base canonique de Rn .
Théorème 1.6.1 (Théorème de Schwarz) Si au moins une des dérivées partielles ∂xy f
et ∂yx f est continue en (x0 , y0 ), alors

∂ 2f ∂ 2f
(x0 , y0 ) = (x0 , y0 ).
∂x∂y ∂y∂x
Proposition 1.6.1 Soit f : U −→ R. Soient i, j = 1, . . . , n tels que i 6= j. Si les dérivées
∂ 2f ∂ 2f
partielles et existent et sont continues sur U alors on a
∂xi ∂xj ∂xj ∂xi

∂ 2f ∂ 2f
= .
∂xi ∂xj ∂xj ∂xi

Exercice 6 Calculer, en tous les points (x, y) où elles sont définies, toutes les dérivées par-
tielles secondes des fonctions de deux variables suivantes :
f1 (x, y) = x2 , f2 (x, y) = x2 cos y, f3 : (x, y) 7→ xy .

1.7 Formule de Taylor

Soit U un ouvert de Rn , f : U −→ R.
Si f est de classe C k alors elle admet dévéloppement de Taylor-Young en tout point
a ∈ U.
1. Si k = 1, alors ∀h = (h1 , . . . , hn ) ∈ Rn tel que a + h ∈ U,
n
X ∂f
f (a + h) = f (a) + hi (a) + ||h||(h),
i=1
∂xi

où  : Rn −→ R telle que (h) −→ 0, h −→ 0.

C’est le dévéloppement de Taylor-Young à l’ordre 1 en a.

15
Chapitre 1. Fonctions de pluisieurs variables

2. Si k = 2, alors alors ∀h = (h1 , . . . , hn ) ∈ Rn tel que a + h ∈ U,

n n n
X ∂f 1 X X ∂ 2f
f (a + h) = f (a) + hi (a) + (a)hi hj + ||h||2 (h),
i=1
∂xi 2 i=1 j=1 ∂xi ∂xj

où  : Rn −→ R telle que (h) −→ 0, h −→ 0.

C’est le dévéloppement de Taylor-Young à l’ordre 2 en a.

Exemple 1.7.1 Soit U un domaine de R2 et f : U −→ R admettant des dérivées partielles

d’ordre 2 en tout point (x0 , y0 ) ∈ U, elle admet un développement limité à l’ordre 2 donné
par ∀(h, k) ∈ R2 tels que (x0 , y0 ) + (h, k) = (x0 + h, y0 + k) ∈ U, alors

∂f ∂f
f (x0 + h, y0 + k) = (x0 , y0 ) + k (x0 , y0 )+
f (x0 , y0 ) + h
∂x ∂y
2 2 2
 
1 ∂ f ∂ f ∂ f
h2 2 (x0 , y0 ) + 2hk (x0 , y0 ) + k 2 2 (x0 , y0 ) + ||(h, k)||2 (h, k)
2 ∂x ∂x∂y ∂y

où (h, k) −→ 0, (h, k) −→ (0, 0) et ||.|| est la norme sur R2 .

Exercice 7 Donner le dévéloppement limité à l’ordre 2 de la fonction f (x, y) = x2 + y 2 −

2xy en (1, 1).

1.8 Etréma
Nous savons trouver et étudier le maximum et le minimum d’une fonction à une
variable. Nous utilisons pour cela la dérivée. Nous allons voir dans cette partie comment
trouver le maximum ou le minimum d’une fonction de plusieurs variables.

1.8.1 Rappel dans le cas d’une seule variable

Définition 1.8.1 Soit f une fonction définie sur un intervalle I et x0 ∈ I.
1. f (x0 ) est un maximum global de f si : f (x) ≤ f (x0 ), pour tout x ∈ I.
2. f (x0 ) est un maximum local de f s’il existe un intervalle ]a, b[⊂ I contenant x0
tel que
f (x) ≤ f (x0 ), pour tout x ∈]a, b[.
3. f (x0 ) est un minimum global de f si : f (x) ≥ f (x0 ), pour tout x ∈ I.
4. f (x0 ) est un minimum local de f s’il existe un intervalle ]a, b[⊂ I contenant x0
tel que
f (x) ≥ f (x0 ), pour tout x ∈]a, b[.
Un extremum (extrema au pluriel) désigne soit un maximum soit un minimum.

Théorème 1.8.1 Soit f une fonction dérivable sur un intervalle ouvert ]a, b[ ⊂ Df . Si f est
dérivable en x0 ∈]a, b[ et si f admet un extremum local en x0 alors f 0 (x0 ) = 0.

16
Chapitre 1. Fonctions de pluisieurs variables

Remarque 1.8.1
— Un point x∗ tel que f (x∗ ) = 0 est appelé point stationnaire (ou point critique).
— Les extrema locaux de f sont nécessairement des points stationnaires mais un point sta-
tionnaire nést pas forcḿent un extremum local. Par exemple, si f (x) = x3 on a f 0 (0) = 0
alors que 0 n’est pas un extremum local.
Théorème 1.8.2 Soit f une fonction deux fois dérivable sur un intervalle ouvert I et x∗ ∈ I
un point critique de f. Alors :
— f 00 (x∗ ) > 0 −→ f présente en x∗ un minimum local.
—f 00 (x∗ ) < 0 −→ f présente en x∗ un maximum local.
Exemple 1.8.1 Déterminer la valeur et la nature des extrema locaux de la fonction f de R
vers R définie par f (x) = 2x3 − 3x2 − 12x + 4.

1.8.2 Extrémum local d’une fonction de plusieurs variables

Nous souhaitons étudier les extrema d’une fonction de plusieurs variables. Nous
allons pour cela généraliser ce que nous savons faire à une seule variable. Nous nous
contenterons dans ce cours d’étudier les fonctions de deux variables. Afin d’alléger les
définitions de maximum et de minimum dans le cadre des fonctions de deux variables
nous introduisons la notion suivante de voisinage :
Définition 1.8.2 On appelle voisinage d’un point (x0 , y0 ) ∈ R2 toute partie du plan
contenant un disque de centre (x0 , y0 ) et de rayon strictement positif.
On peut remarquer qu’une partie du plan est un voisinage d’un point lorsque ce point se
trouve à l’intérieur de cette partie. Autrement dit, un ensemble n’est pas un voisinage d’un
point lorsque le point ne se trouve pas dans cet ensemble ou bien lorsque le point se situe sur
le bord de l’ensemble considéré.
Définition 1.8.3 Soit f une fonction de deux varables x, y définie sur une partie D ⊂ R2
et (x0 , y0 ) ∈ D.
1. f (x0 , y0 ) est un maximum global de f si : f (x, y) ≤ f (x0 , y0 ), pour tout (x, y) ∈
D.
2. f (x0 , y0 ) est un maximum local de f s’il existe un voisinage V ⊂ D de (x0 , y0 )
tel que
f (x, y) ≤ f (x0 , y0 ), pour tout (x, y) ∈ V .
3. f (x0 , y0 ) est un minimum global de f si : f (x, y) ≥ f (x0 , y0 ), pour tout (x, y) ∈
D.
4. f (x0 , y0 ) est un minimum local de f s’il existe un voisinage V ⊂ D de (x0 , y0 )
tel que
f (x, y) ≥ f (x0 , y0 ), pour tout (x, y) ∈ V .
Pour détecter les extréma locaux nous avons la propriété suivante :
Propriétés 1.8.1 Si f possède un extrémum relatif en (x0 , y0 ) alors :
— soit ∇f (x0 , y0 ) = 0 c’est-à-dire ∂f
∂x
(x0 , y0 ) = 0 et ∂f ∂y
(x0 , y0 ) = 0
∂f ∂f
— soit l’une des dérivées partielles ∂x (x0 , y0 ), ∂y (x0 , y0 ) n’existe pas.
Un point (x0 , y0 ) vérifiant l’une de ces conditions s’appelle un point critique ou point
stationnaire.

17
Chapitre 1. Fonctions de pluisieurs variables

1.8.3 Etréma libres

Théorème 1.8.3 Soit f une fonction de deux varables x, y définie sur une partie D ⊂ R2
∂f ∂f
et (x0 , y0 ) ∈ D vérifiant ∇f (x0 , y0 ) = 0 c’est-à-dire (x0 , y0 ) = 0 et (x0 , y0 ) = 0
∂x ∂y
2
∂ 2f ∂ 2f
 2
∂ f
On pose h(x0 , y0 ) = (x0 , y0 ). 2 (x0 , y0 ) − (x0 , y0 ) .
∂x2 ∂y ∂x∂y
∂ 2f
1. Si h(x0 , y0 ) > 0 et 2 (x0 , y0 ) > 0 alors f (x0 , y0 ) est un minimum local.
∂x
∂ 2f
2. Si h(x0 , y0 ) > 0 et 2 (x0 , y0 ) < 0 alors f (x0 , y0 ) est un maximum local.
∂x
3. Si h(x0 , y0 ) < 0 alors (x0 , y0 , f (x0 , y0 )) est un point selle, donc f (x0 , y0 ) n’est pas
un extrémum.
4. Si h(x0 , y0 ) = 0 on ne peut rien dire.

Exercice 8 Étudier les extréma de la fonction f (x, y) = x3 + 3xy 2 − 15x − 12y.

1.8.4 Extréma liés

Dans le cas le plus simple, l’extrémum lié d’une fonction f (x, y) est l’extrémum de
cette fonction sous la condition que les variables sont liées par l’équation ϕ(x, y) = 0
(équation de liaision).
Pour déterminer les extréma liés d’une fonction f (x, y) sous la contrainte que ϕ(x, y) =
0, on forme l’équation auxiliaire dite équation de Lagrange

F (x, y) = f (x, y) + λϕ(x, y)

où λ est un facteur constant indéterminé, appelé multiplicateur de Lagrange. Puis on

cherche les extréma ordinaires de la fonction F .
Les conditions nécessaires d’extréma libres nous donne le système des trois équations
suivantes
∂F ∂f ∂ϕ


 = +λ =0



 ∂x ∂x ∂x



∂F ∂f ∂ϕ
= +λ =0


 ∂y ∂y ∂y





ϕ(x, y) = 0


à trois inconnues x, y, λ. Si le système précédent admet une solution (x0 , y0 , λ), on

∂ 2F ∂2F
calcule les quantités suivantes pour λ = λ0 , r = 2
(x0 , y0 ), s = ∂x∂y (x0 , y0 ),
2
∂x
t = ∂∂yF2 (x0 , y0 ).
1. Si rt − s2 > 0, r < 0 et t < 0, alors f (x0 , y0 ) est un maximum local.
2. Si rt − s2 > 0, r > 0 et t > 0, alors f (x0 , y0 ) est un minimum local.
3. Si rt − s2 ≤ 0, on ne peut rien dire.

18
Chapitre 1. Fonctions de pluisieurs variables

Exercice 9 Déterminer les extréma de la fonction f (x, y) = 6 − 4x − 3y sous la contrainte

x2 + y 2 = 1.

1.9 Fonctions implicites

1.9.1 Cas f (x, y) = 0
Soit f : R2 −→ R. On considère la courbe de niveau L0 = {(x, y); f (x, y) = 0} .

Définition 1.9.1 On dit que la fonction y = ϕ(x) est définie implicitement par f (x, y) =
0 si f (x, ϕ(x)) = 0 ; si (x, ϕ(x)) ∈ L0 .
On dit que y = ϕ(x) est une fonction implicite de f (x, y) = 0.

Théorème 1.9.1 (des fonctions implicites)

Soit f : R2 −→ R une fonction de classe C 1 et (x0 , y0 ) un point tel que f (x0 , y0 ) = 0. Si
∂f
∂y
(x0 , y0 ) 6= 0, alors
i) Il existe une fonction implicite y = ϕ(x) de classe C 1 , définie sur un intervalle ouvert
]x0 − , x0 + [, tel que f (x, ϕ(x)) = 0 et y0 = ϕ(x0 ).
ii) La dérivée de ϕ est donnée par

∂f
−(x, ϕ(x))
ϕ0 (x) = ∂x
∂f
(x, ϕ(x))
∂y

en tout point x ∈ ]x0 − , x0 + [ où

∂f
(x, ϕ(x)) 6= 0.
∂y

1.9.2 Cas f (x1 , . . . , xn ) = 0

Soit f : Rn −→ R une fonction de classe C 1 et a = (a1 , . . . , an ) ∈ Rn telle que
f (a) = 0.
∂f
Si (a) 6= 0, alors :
∂xn
i) La fonction implicite ϕ(x1 , . . . , xn−1 ) existe sur une boule ouverte B((a1 , . . . , an−1 ), )
et f (x1 , . . . , xn−1 , ϕ(x1 , . . . , xn−1 ) = 0).
∂f
− (x1 , . . . , xn−1 , ϕ(x1 , . . . , xn−1 ))
∂ϕ ∂xi
ii) = , pour tout (x1 , . . . , xn−1 ) ∈ B((a1 , . . . , an−1 ), )
∂xi ∂f
(x1 , . . . , xn−1 , ϕ(x1 , . . . , xn−1 ))
∂xn
i = 1, . . . , n − 1.

Exercice 10 Écrire le théorème précédent pour n = 3.

19
Chapitre 1. Fonctions de pluisieurs variables

1.10 Formes différentielles

Soit Ω un ouvert de Rn
Définition 1.10.1 On appelle forme différentielle définie sur Ω, toute application continue
ω : Ω −→ L(Rn , R)
où L(Rn , R) désigne l’espace vectorielle des formes linéaires continues sur Rn .
Exemple 1.10.1 i) Si f : Ω −→ R est de classe C 1 , alors df est une forme différentielle
sur Ω. Si de plus f est linéaire, alors df = f .
ii) Soient (e1 , . . . , en ) la base canonique de Rn et (e∗1 , . . . , e∗n ) sa base duale : e∗i : x =
(x1 , . . . , xn ) 7→ xi . On a de∗ix = e∗i . Posons de∗i = dxi .
Toute forme différentielle ω sur Ω s’érit sous la forme
n
X
ω(x) = Pi (x)dxi
i=1

où x ∈ Ω et Pi : Ω −→ R des fonctions continues. Les Pi sont appelées les fonctions

coordonnées de ω.

Remarque 1.10.1 En physique, on associe à ω un champ de vecteur V~ de composantes

(P1 , P2 ) dans le plan et (P1 , P2 , P3 ) dans l’espace.
iii) Si f : Ω −→ R est de classe C 1 , alors
n
X ∂f
df = dxi .
i=1
∂xi

1.10.1 Formes différentielles exactes, fermées

n
X
Définition 1.10.2 Une forme différentielle ω = Pi dxi sur Ω est dite exacte s’il existe
i=1
∂f
une fonction f : Ω −→ R de classe C 1 telle que df = ω, ie ∀i = 1, . . . , n, = Pi . On
∂xi
dit que f est une primitive de ω.

Remarque 1.10.2 En physique, ω est exacte signifie que V~ est un champ de gradients.
n
X
Définition 1.10.3 Une forme différentielle ω = Pi dxi sur Ω est dite fermée si
i=1

∂Pi ∂Pj
∀i, j = 1, . . . , n, = .
∂xj ∂xi
On dit que ω est une différentielle totale d’une fonction u : Ω −→ R.
En physique, cette condition signifie que rot~ V~ = ~0.

20
Chapitre 1. Fonctions de pluisieurs variables

Exercice 11 Soit ω(x, y) = (2x + y)dx + (x + 2y)dy une forme différentielle sur R2 .
Montrer que ω est fermée et trouver u pour que ω soit la différentielle totale de u.

Proposition 1.10.1 Toute forme différentielle exacte

 estfermée.
~
~ gradf = ~0.
En physique, cela signifie que l’on a toujours rot

1.11 Travaux dirigés

Exercice 12 Déterminer et représenter le plus grand domaine de définition possible de la
fonction suivante :
p
f (x, y) = ln(6x − x2 − 6y − y 2 − 2). 4 − x2 − y 2 .

Exercice 13 Déterminer et représenter le plus grand domaine de définition possible de la

fonction suivante :
x2 − 7yecos x
f (x, y) = 2 .
x − 14x + y 2 + 6y − 6

Exercice 14 Déterminer la ligne de niveau z = 0 de la fonction f (x, y) = ln(x2 − 6x +

y 2 + 4y − 2).
x+y
Exercice 15 On pose f (x, y) = √ √ .
x+ y
1. Déterminer l’ensemble de définition D de f .
√ √
2. Montrer que ∀(x, y) ∈ D, |f (x, y)| ≤ x + y.
3. En déduire lim f (x, y).
(x,y)−→(0,0)

∂f ∂f
4. Calculer (x, y) et (x, y).
∂x ∂y

Exercice 16 On considère la fonction f définie sur R2 par :

 6 5
f (x, y) = x + y , si (x, y) 6= (0, 0)
x4 + y 4
f (0, 0) = 0


En utilisant le même type de raisonnement que dans l’exercice précédent, prouver que lim f (x, y) =
(x,y)−→(0,0)
0 ie que f est continue sur R2 .

Exercice 17 Calculer les limites suivantes

1
1. lim
(x,y)−→(1,1) x − y

y3
2. lim
(x,y)−→(1,0) (x − 1)2 + y 2

21
Chapitre 1. Fonctions de pluisieurs variables

xy
3. lim
(x,y)−→(0,0) x2
+ y2
x ln(1 + x3 )
4. lim
(x,y)−→(0,0) y(x2 + y 2 )

xy 2
5. lim
(x,y)−→(0,0) x2 + y 4

Exercice 18 Calculer la limite au point (0, 0) des fonctions suivantes

1+x+y 1 1+x+y
a) f (x, y) = sin y b) f (x, y) = (x2 + y 2 ) sin c) f (x, y) = 2
y xy x − y2
Exercice 19 soit la fonction f définie par
 2
 6x y si (x, y) 6= (0, 0)
f (x, y) = x2 + y 2
0 si (x, y) = (0, 0).


Etudier la continuité de f en (0, 0) :

i) En utilisant la définition de la continuité.
ii) En utilisant un encadrement.
iii) En utilisant un changement de variables polaires : x = r cos θ, y = r sin θ.

Exercice 20 soit la fonction f définie par

 2xy

si (x, y) 6= (0, 0)
f (x, y) = x2 + y 2
0 si (x, y) = (0, 0).

1) Montrer que f est continue séparément par rapport à chacune des variables au point
(0, 0).
2) Montrer que f n’est pas continue en (0, 0).

x3 − y 3
 x2 + y 2 si (x, y) 6= (0, 0)



Exercice 21 Soit f (x, y) =



0 si (x, y) = (0, 0).
Étudier la continuité de f , l’existence et la continuité des dérivées partielles premières de f .
Qu’en déduit-on ?

Exercice 22 1. On rappelle la loi de Boyle Mariotte, valable pour une mole de gaz par-
fait : P V = RT , où P désigne la pression du gaz, V son volume, R la constante des
gaz parfaits et T la température du milieu.
∂P ∂P
Calculer : et .
∂T ∂V
2. Même question si l’on considère à présent la relation de Van
 der Waals, avec les
a 
mêmes conventions que précédemment, et avec a et b réels : P + 2 (V − b) =
V
RT.

22
Chapitre 1. Fonctions de pluisieurs variables

Exercice 23 Soit la fonction f (x, t) = sin(x − ct), où c ∈ R.

∂ 2f ∂ 2f
Montrere que : 2 = c2 2 (équation d’onde).
∂t ∂x
Exercice 24 On considère la fonction suivante :

x2
f (x, y) = 3 + cos x3 + 3x2 y − y 2 + π .


y

∂f ∂f ∂ 2f ∂ 2f
Calculer les dérivées suivantes : (x, y), (x, y), (x, y), (x, y).
∂x ∂y ∂x∂y ∂y 2

Exercice 25 1. On considère la fonction suivante :

x2 2 3
f (x, y) = 3
+ ex +7xy+2y .
y

∂f ∂f ∂ 2f ∂ 2f
Calculer : (x, y), (x, y), (x, y), (x, y).
∂x ∂y ∂x∂y ∂y 2
2. On considère la fonction suivante : f (x, y) = cos(x3 y 2 + 5x + 7y − 1).
∂f ∂f ∂ 2f ∂ 2f
Calculer les dérivées suivantes : (x, y), (x, y), (x, y), (x, y).
∂x ∂y ∂x∂y ∂y 2
3. On considère la fonction suivante :
5 y 7 +3x2 −7y−cos(2x)
f (x, y) = ex .

∂f ∂f ∂ 2f ∂ 2f
Calculer les dérivées suivantes : (x, y), (x, y), (x, y), (x, y).
∂x ∂y ∂x∂y ∂y 2

Exercice 26 Déterminer la formule de Taylor-Young à l’ordre 2 en (0, 0) des fonctions sui-

vantes
1. f (x, y) = ln(ex + ey )
2. f (x, y) = sin(x + 2y).

Exercice 27 Déterminer les points critiques et leur nature de la fonction f

x2 y y3
1. f (x, y) = 2
+ x2 + 3
− 4y.
2
2. f (x, y) = y + xy ln x
3. f (x, y) = x2 + xy + y 2 − 2x − y
4. f (x, y) = 5x2 + 6y 2 − xy sous contrainte x + 2y = 24.

Exercice 28 Dans chacun des cas suivants, dire si f est différentialbe en (x0 , y0 )
1) f (x, y) =√xy − 3x2 , (x0 , y0 ) = (1, 2).
f (x, y) = y x, (x0 , y0 ) = (4, 1).

Exercice 29 Déterminer les extréma locaux des fonctions suivantes ainsi que les points
selles :

23
Chapitre 1. Fonctions de pluisieurs variables

1. f (x, y) = 2x2 + 2xy + y 2 + 2x − 3,

2. f (x, y) = −5x2 + 4xy − y 2 + 16x + 10,
3. f (x, y) = x2 − y 2 + 4x − 4y − 8,
4. f (x, y) = y 2 − 6y + 31 x3 − 92 x2 + 20x,
2 −y 2
5. f (x, y) = x.e−x ,
1
6. f (x, y) = (x2 + y 2 ) 3 + 1,
7. f (x, y) = x2 + y 4 .

Exercice 30 Afin de traiter une infection bactérienne, l’utilisation conjointe de deux com-
posés chimiques est utilisée. Des études ont montré qu’en laboratoire la durée de l’infection
pouvait être modélisée par

D(x, y) = x2 + 2y 2 − 18x − 24y + 2xy + 120,

où x est le dosage en mg du premier composé et y le dosage en mg du second. Comment

minimiser la durée de l’infection ?

Exercice 31 Une entreprise de construction utilise les matières premières m1 et m2 dans

le processus de fabrication d’un de ses produits. On note x la quantité de matière première
m1 utilisée (en milliers de kg) et y la quantité de matière première m2 utilisée (en milliers
de kg) pour ce produit. La quantité de produit fabriquée (en milliers de kg) en fonction des
quantités de matières premières utilisées a l’expression suivante :

q(x, y) = 20x − x2 + 16y − y 2 + 300.

Le produit se vend 10 euros le kilogramme et l’entreprise vend toute sa production. Les

matières premières m1 et m2 coûtent respectivement 40 euros et 60 euros le kilogramme.
1. Déterminer la fonction f (x, y) correspondant au bénéfice réalisé par l’entreprise.
2. Calculer les quantités de matières premières qui maximisent le bénéfice realisé par
l’entreprise.

24