Mathématiques 1

Pr Mounir JERRY

Notes de cours
Filière de Sciences Economiques

1ere année, 1er semestre

Année Universitaire 2023-2024

Ce document constitue des notes de cours non finalisées se rapportant au cours de mathématiques du
1er semestre. De trop nombreuses imperfections subsistent, tant sur la forme que sur le fond. Je recevrais
donc avec plaisir vos commentaires et vous en remercie d’avance.
Table des matières
Notations ..................................................................................................................................3
Les fonctions numériques ..............................................................................................4
Les fonctions de plusieurs variables .......................................................................22
Les intégrales simples ....................................................................................................33
Les suites numériques....................................................................................................39

2
Notations

a∈A a est un élément de l’ensemble A. a

“appartient” à l’ensemble A
A⊂B L’ensemble A est inclus dans l’ensemble B. A
est une sous partie de B. Tous les élements de
A appartiennent a fortiori à B.
A∩B A “inter” B : Désigne l’ensemble contenant
tous les élements appartenant à A et à B
A∪B A “union” B : Désigne l’ensemble contenant
tous les élements appartenant à A ou à B
∃x ∈ A Il existe un élement x appartenant à l’ensemble
A
∃!x ∈ A Il existe un et un seul élement x appartenant
à l’ensemble A
∀x ∈ A Pour tout les élements x de l’ensemble A (Quel
que soit)
H ⇒R H implique R. Si l’hypothèse H est vérifiée,
alors le résultat R est vrai. A contrario, si le
resultat R est faux, c’est que H est faux. Cette
dernière implication s’appelle la contraposée
H ⇔ R ou H ssi R H est équivalent à R. Si l’hypothèse H est vé-
rifiée, et seulement dans ce cas, alors le résultat
R est vrai. Reciproquement, si le résultat R
est vérifié, et seulement dans ce cas, H est vrai
f (x) = f (x) est égal à. On constate/ on vérifie que
f (x) est égal au membre de droite de =
f (x) ≡ g (x) La fonction f (.) est identiquement égale à la
fonction g (.) pour toutes les valeurs de x.
Cette notation sert également pour définire la
fonction f (.) à partir de l’expression g (x). Dans
plusieurs langages informatiques, cette dernière
opération correspond à l’instruction :=
Id C’est la fonction identitée qui à tout x associe
lui même.

Les principales notations

3
Chapitre 1

Les fonctions numériques

Généralités
Définitions
R est l’ensemble des nombres réels. C’est un ensemble à la fois ouvert et fermé
R∗ est l’ensemble des réels non nuls. R∗ = ]−∞, 0[ ∪ ]0, +∞[. C’est un ensemble ouvert
R+ est l’ensemble des réels positifs ou nuls. R+ = [0, +∞[. C’est un ensemble fermé
R+ +
∗ est l’ensemble des réels strictement positifs. R∗ = ]0, +∞[. C’est un ensemble ouvert
− −
R est l’ensemble des réels négatifs ou nuls. R = ]−∞, 0]. C’est un ensemble fermé
R− −
∗ est l’ensemble des réels strictement négatifs. R∗ = ]−∞, 0[. C’est un ensemble ouvert
Comment savoir si un intervalle I est ouvert ou fermé ?
— Si I = ]a, b[ = {x tel que a < x < b}, avec a et b finis Alors I est ouvert
— Si I = [a, b] = {x tel que a ≤ x ≤ b}. avec a et b finis, Alors I est fermé
— Si I = [a, b[ = {x tel que a ≤ x < b}. avec a et b finis, alors I n’est ni ouvert, ni fermé
— Si I = ]a, b] = {x tel que a < x ≤ b}. avec a et b finis, alors I n’est ni ouvert, ni fermé
— Si a = −∞ ou si b = +∞, on ne regarde que la borne finie
Définition On appelle fonction numérique d’une variable réelle une application d’une partie
E ⊂ R à valeurs dans R. On note

f (.) : E 7→ R
x 7→ f (x)

Une fonction numérique n’est pas nécessairement définie pour tous les réels. Ainsi, la fonction
√
x 7→ x n’est définie que pour x ∈ R+ . La fonction x 7→ 1/x n’est définie que pour x ∈ R∗ .
Exemples

En macroéconomie, on cherche souvent à représenter les comportements agrégés de consom-

mation à l’aide d’une fonction de consommation. Celle-ci associe au revenu disponible des mé-
nages Y d le niveau de consommation agrégée dans l’économie C. Modéliser les comportements de
consommation à l’aide d’une telle fonction revient à considérer l’existence d’un lien systématique
et automatique entre PIB et consommation agrégée. Cela revient également à négliger d’autres
facteurs pouvant influencer la consommation agrégée. Il s’agit donc d’une hypothèse permettant
une représentation commode mais très simplifiée de la réalité. Du point de vue mathématique,
une telle fonction de consommation constitue un fonction numérique définie de R+ à valeurs
dans R+ .

4
 Les séries temporelles peuvent également être considérées comme des fonctions numériques
pourvu que l’on adopte une représentation continue du temps. Ainsi la fonction qui à la
date t ∈ R associe le PIB Yt à cette date constitue également une fonction numérique.

En microéconomie, on s’intéressera à la fonction de coût qui à un niveau de production y

(par une unité de temps) associe le coût de production minimal C (y) requis à la firme pour
assurer cette production (sur cette unité de temps).
Définition L’ensemble des réels pour lesquels la fonction f (.) est définie s’appelle l’ensemble
de définition de la fonction f (.)
Les règles suivantes sont les plus souvent utilisées pour déterminer les ensembles de défini-
tions.
— On ne sais pas diviser par 0
— On ne peut pas calculer la racine (et en générale, la puissance non rationelle) d’un nombre
strictement négatif
— On ne peut pas calculer le logarithme d’un nombre négatif
Si F ⊂ E ⊂ R et si f est une fonction numérique définie sur E, alors on peut toujours ne
considérer que la restriction de f à F .

Exemple

La fonction x 7→ x2 est bien définie sur R mais on peut ne considérer que sa restriction à
R+ .
Définition Soient f (.) et g (.) deux fonctions numériques, on appelle fonction composée
de g et de f et on note g ◦ f, la fonction g ◦ f (x) = g [f (x)]
Il ne faut pas confondre
g ◦ f (x) = g [f (x)] 6= f ◦ g (x) = f [g (x)]
Définition Soit f (.) une fonction numérique définie de E ⊂ R
f (.) est croissante sur E ssi ∀x, y ∈ E tels que x < y, on ait f (x) ≤ f (y)
f (.) est décroissante sur E ssi ∀x, y ∈ E tels que x < y, on ait f (x) ≥ f (y)
f (.) est strictement croissante sur E ssi ∀x, y ∈ E tels que x < y, on ait f (x) < f (y)
f (.) est strictement décroissante sur E ssi ∀x, y ∈ E tels que x < y, on ait f (x) > f (y)
f (.) est monotone sur E ssi elle est croissante ou décroissante
f (.) est strictement monotone sur E ssi elle est strictement croissante ou décroissante
Fonction paire ou impaire. Une fonction f définie sur E est dite :
• paire si, pour tout x ∈ E , on a − x ∈ E et f ( − x ) = f ( x ) ;
• impaire si, pour tout x ∈ E , on a − x ∈ E et f ( − x ) = − f ( x ) .
Fonction périodique. Une fonction f définie sur E est dite périodique s’il existe
un nombre réel non nul T tel que, pour tout x ∈ E :
x + T ∈ E et f ( x + T ) = f (x)
Ce nombre T est la période de f s’il est le plus petit réel positif qui satisfait
cette condition.
Fonction bornée. Une fonction f définie sur E est dite bornée s’il existe un
nombre positif M tel que, pour tout x ∈ E , on ait | f ( x ) | ≤ M.

Exemple

x 7→ x2 est strictement décroissante sur R− , strictement croissante sur R+ mais elle n’est
pas monotone sur R
Attention ! Une fonction peut très bien être croissante sans être strictement croissante ainsi
que l’illustre les figures
5
 a b
x

Exemple de fonction croissante non strictement croissante

a
x
b

Exemple de fonction non monotone

Définition f (.) est bijective ssi il existe une fonction numérique g telle que g◦f = f ◦g = Id.
g (.) notée f −1 est alors unique et bijective. C’est l’application réciproque de f .

Limite et continuité
Définition Une fonction numérique f définie sur un intervalle I de est con-
tinue en un point x0 de I si :
lim f ( x ) existe avec lim f ( x ) = f ( x0 )
x → x0 x → x0

On dit que f est continue à droite (resp. à gauche) si :

f ( x0 + 0) = lim
x → x0 , x > x0
f ( x ) = f ( x0 ) (resp. f (x − 0) =
0 lim
x → x 0 , x < x0
f ( x ) = f ( x0 ) )
Une fonction est continue sur un intervalle fermé si elle est continue
en tout point de l’ouvert et si elle est continue à gauche en a et à droite en b.

Théorème Si une fonction f est continue sur un intervalle I, alors l’ensemble image est lui aussi un intervalle.

6
 Les propriétés suivantes sont satisfaites

lim f (x) + lim g (x) = lim [f (x) + g (x)]

x→a x→a x→a
Pour tous λ ∈ R lim [λ · f (x)] = λ · lim f (x)
x→a x→a
lim f (x) · lim g (x) = lim [f (x) · g (x)]
x→a x→a x→a
lim f (x) · ¸
x→a f (x)
Si lim g (x) 6= 0, = lim
x→a lim g (x) x→a g (x)
x→a
Si lim f (x) = l et si g (.) admet une limite en l, alors, lim g ◦ f (x) = limg (y)
x→a x→a y→l
On peut maintenant définir la notion de continuité.
Définition Soit f (.) une fonction numérique définie en a. On dit que f (.) est continue en
a ssi lim f (x) = f (a) .
x→a
Si f est définie sur [a, b], on dit que f est continue sur [a, b] ssi ∀ x ∈ [a, b] f est continue
en x y

a c b
x

Exemple de fonction non continue (en c)

Définition Les solutions d’une équation de la forme f (x) = 0 sont appellés les racines de
f (.). Les solutions d’une équation de la forme f (x) = x sont appellés des points fixes de f (.)
Proposition Les points fixes de g (.) sont les racines de la fonction f (.) définie par f (x) ≡
g (x) − x. Les racines de f (.) sont les points fixes de la fonction g (.) définie par g (x) ≡ f (x) + x
Théorème (Théorème des valeures intermédiaires) Si f continue sur [a, b] et si

f (a) · f (b) ≤ 0
alors la fonction f (.) admet au moins une racine c ∈ [a, b] tel que f (c) = 0

a c b x
C

Le théorème des valeurs intermédiaires

7
 A partir du théorème des valeurs intermédiaires, on peut déduire un autre théorème d’exis-
tence de solutions.
Théorème (Théorème de Brouwer dans R) Si f est continue sur [a, b] et si ∀x ∈ [a, b],
f (x) ∈ [a, b], alors l’équation f (x) = x admet au moins une solution dans R
Il existe quatre formes indéterminées algébriques, c’est-à-dire d’expressions
dont la limite ne peut pas être déterminée immédiatement :
0 f (x)
• forme : toute expression avec f ( x ) → 0 et g ( x ) → 0 ;
0 ∞ g(x) f (x)
• forme ---- : toute expression avec | f ( x ) |→ +∞
∞ g(x)
et | g ( x ) |→ +∞ ;
• forme 0 × ∞ : toute expression f ( x ) g ( x ) avec f ( x ) → 0 et
| g ( x ) |→ +∞ ;
• forme ∞ − ∞ : toute expression f ( x ) − g ( x ) avec f ( x ) → +∞ et
g ( x ) → +∞ .
Fonctions Equivalentes
Deux fonctions numériques f et g définies sur un intervalle I de sont
dites équivalentes quand x tend vers a, avec a ∈ I , s’il existe une fonction ε
définie sur un voisinage V ( a) de a telle que :
f ( x ) = g ( x ) [1 + ε ( χx ) ] avec lim ε ( χx ) = 0
x→ a

Si g ( x ) ≠ 0 , pour tout x ∈V ( a) ∩ I , on écrit plus simplement :

f (x)
lim =1
x→ a g(x)
C’est une relation d’équivalence, notée f ∼ g . Si f1 ∼ g1 et f 2 ∼ g2 , alors
f1 f 2 ∼ g1 g2 , mais on n’a pas en général f1 + f 2 ∼ g1 + g2 .
Asymptote horizontale
lim f (x) = l,
Si lim f (x) = l ou x →−∞
x→+∞
On dit alors que la droite D d’équation y = l est asymptote horizontale à la courbe Cf au voisinage
de +∞ respectivement - ∞
Asymptote verticale

Si lim f (x) = ±∞,

x→a
on dit que la droite D d’équation x = a est asymptote verticale à la courbe Cf .

Asymptote oblique

Soit f une fonction définie sur un intervalle du type [α; +∞[ ou ]−∞ ; α ], s’il existe deux réels a
et b tels que lim [f (x) − (ax + b)] = 0 ou lim [f (x) − (ax + b)] = 0
x→+∞ x →−∞
-
on dira que la droite D d’équation y = ax+b est asymptote oblique à Cf au voisinage de +∞
respectivement - ∞

8
Calcul de limites
Déterminer les limites des expressions f ( x ) suivantes, sans utiliser de
fonctions équivalentes :
x 4 + x2 + 1 x 3 + 3x 2 − 3x − 1
a) , x → +∞ ; b) , x →1 ;
x3 − 2 x2 + x − 2
x2 x x+x
c) x + 1 + , x→0 ; d) , x → +∞ ;
x x2 + 4x + 1
x
e) x − x 2 − x , x → +∞ ; f) , x → +∞ ;
x+ x+ x

1 3 1+ x −1
g) − , x →1 ; h) , x→0 ;
1 − x 1 − x3 3
1+ x −1
x− a
i) , x → a , avec a > 0 ; j) x ( x + a) − x, x → +∞ , avec a réel quelconque ;
x−a
k) x + 3 1 − x 3 , x → +∞ .

Solution
a) Comme il s’agit d’une fraction rationnelle avec la forme indéterminée
∞ , on divise numérateur et dénominateur par x 3 pour obtenir :
∞
x + 1/x + 1/x 3
f ( x) = → +∞
1 − 2/x 3
résultat prévisible car le polynôme numérateur est de degré plus élevé que le
polynôme dénominateur.
0
b) Nous obtenons la forme indéterminée , c’est-à-dire que 1 est racine
0
( )
du numérateur qui se factorise par ( x − 1) x 2 + 4 x + 1) et du dénominateur
qui se factorise par ( x − 1) ( x + 2) . Pour x différent de 1, cette fraction se sim-
plifie donc par :
x2 + 4x + 1 6
f ( x) = → =2
x+2 3
c) Comme x 2 = x , il va falloir étudier deux cas selon le signe de x.
Pour x > 0 :
x
f (x) = x + 1 +
→2
x
quand x tend vers zéro par valeurs positives.
Pour x < 0 :
x
f (x) = x + 1 − → 0
x
quand x tend vers zéro par valeurs négatives. Ces deux limites étant distinctes,
on en conclut que f ( x ) n’admet pas de limite quand x tend vers zéro.

9
 0
d) On divise le numérateur et le dénominateur de cette forme indéterminée par x 2, soit :
0

1/ x + 1/x
f (x) = →0
1 + 4 /x + 1/x 2
e) On résout cette forme indéterminée en multipliant par la quantité conjuguée
pour faire disparaître le radical:

f (x) =
(x− ( (
x2 − x x + x2 − x
(
=
x
=
1
→
1
x+ x −x 2
x+ x −x 2
1 + 1 − 1/x 2
f) On divise numérateur et dénominateur par x :
1
f ( x) = →1
1 + 1/x + 1/x x
g) On réduit au même dénominateur :

x2 + x − 2
f (x) =
1 − x3
Comme numérateur et dénominateur s’annulent pour, on peut simplifier
cette fraction par x − 1, avec pour x ≠ 1 :
( x − 1) ( x + 2) x+2
f (x) = =− 2 → −1
(1 − x ) 1 + x + x ) x + x +1
) 2

h) On peut poser 1 + x = u 6 , avec u qui tend vers 1 quand x tend vers zéro :

f ( x) = 2 = =
(
u3 − 1 ( u − 1) u + u + 1 u2 + u + 1 3
2

→
)
u −1 ( u − 1)( u + 1) u +1 2
i) On factorise le dénominateur, puis on simplifie par x− a
pour x ≠ a :

x− a 1 1
f (x) = = →
( x− a )( x+ a ) x+ a 2 a

j) On multiplie par la quantité conjuguée pour faire disparaître le radical :

x ( x + a) − x 2 ax a
f ( x) = = →
x ( x + a ) + x x 1 + 1 + a /x [2 ]

10
 k) Pour résoudre cette forme indéterminée ∞ − ∞ on utilise l’identité
a + b3 = ( a + b) ( a 2 − ab + b2 ) , avec ici a = x et b = 3 1 − x 3 , donc a3 + b3 = 1
3

et :
1
f (x) = →0
( )
2
x −+ x 1 − x +
2 3 3 3
1− x 3

car les trois termes du dénominateur tendent vers +∞ quand x tend vers +∞ .

Dérivée d’une fonction numérique

Définition Une fonction numérique f, définie au voisinage d’un point x0 de
\, est dérivable en x0 si le rapport :
f ( x ) − f ( x0 )
x − x0
où x est différent de x0, admet une limite quand x tend vers x0. Cette limite,
quand elle existe, est appelée dérivée de f au point x0 et notée f ′′ ( x0 ) ou

[ ]
df ( x )
dx x = x0
.

La dérivabilité est une caractéristique de régularité plus exigeante que la continuité.

Définition On appelle fonction dérivée de f (.) et l’on note f 0 (.) la fonction numérique qui
à x associe la dérivée de f (.) en a lorsque f (.) est dérivable en a.
Si f 0 (.) est continue, on dit que f (.) est continuement dérivable ou que f (.) est C 1 .
Une fonction continûment dérivable se caractérise graphiquement par une pente qui évolue
de façon continue.

Proposition Soit f (.) une fonction numérique dérivable en a

1. Si f est croissante “autour de” a, alors f 0 (a) ≥ 0
2. Si f est décroissante “autour de a”, alors f 0 (a) ≤ 0
Proposition Si f (.) est dérivable sur ]a, b[ et
1. Si f 0 (x) ≥ 0 pour tout x ∈ ]a, b[ alors f (.) est croissante sur [a, b]
2. Si f 0 (x) ≤ 0 pour tout x ∈ ]a, b[ alors f (.) est décroissante sur [a, b]
3. Si f 0 (x) > 0 pour tout x ∈ ]a, b[ alors f (.) est strictement croissante sur [a, b]
4. Si f 0 (x) < 0 pour tout x ∈ ]a, b[ alors f (.) est strictement décroissante sur [a, b]

11
 Notons que toute fonction dérivable en un point est continue en ce point
mais que la réciproque est fausse.
Définition. Si une fonction f est dérivable en tout point d’un intervalle ouvert,
la fonction f ′′ qui associe à tout point x de cet intervalle le nombre f ′′ ( x ) est
la fonction dérivée de f, définie sur cet intervalle.
Dérivées à droite et à gauche. On dit que f est dérivable à droite (resp.
gauche) en x0, si le rapport :
f ( x ) − f ( x0 )
x − x0
où x est différent de x0, admet une limite à droite (resp. gauche) quand x tend
vers x0+ (resp. x0− ) . Cette limite, quand elle existe, est notée
f d′′ ( x0 )) (resp.. f g′′ ( x0 )) .
Une fonction est dérivable sur un intervalle fermé [a, b] si elle est déri-
vable en tout point de l’ouvert ]a, b [ , si elle est dérivable à droite en a et à
gauche en b.
Dérivées successives. Si la fonction dérivée f ′′ est dérivable à son tour en
tout point d’un intervalle ouvert, la fonction dérivée ( f ′′ )′′ est définie sur le
même intervalle, notée f ′′′′ . Elle se nomme dérivée seconde de f. On peut ainsi
définir de proche en proche, quand elle existe, la dérivée n-ième, ou d’ordre n,
n
qui se note f ( n ) ou d f .
dx n
y

y=f(x)

f(a) A

f(x) X

T
a x

Interprétation géométrique de la dérivée

La figure permet d’illustrer cette définition. Prenons une fonction numérique f (.)
représentée par son graphe y = f (x). Prenons un point A sur ce graphe de coordonnées
(x = a, y = f (a)). Prenons à présent un autre point X sur ce graphe de coordonnées (x, y = f (x)).
Le taux de variation de f entre a et x, qui est égal à :

f (x) − f (a)
x−a
représente alors la pente de la droite AX.
Que se passe-t-il lorsque le point X se déplace le long du graphe de f (.) en se rapprochant
du point A ? Comme f (.) n’est pas une fonction affine, le taux de variation de f (.) entre A et
X se modifie. Toutefois, au fur et à mesure que X se rapproche de A, la droite AX tend à se
confondre avec la tangente de f (.) en A (notée T ). La dérivée de f (.) en a correspond alors à
la pente de la tangente au point A. Connaître la dérivée de f (.) en a permet alors de connaître
approximativement le taux de variation de f avec n’importe quel réel x situé “à proximité”
de a.

12
 Exemple économique : coût de production, coût marginal et coût moyen.
La notion de dérivée est très courante en économie, même si son recours est souvent implicite.
Considérons l’exemple de la fonction de coût dans la théorie microéconomique du producteur.
Celle-ci donne pour chaque quantité de production y le coût total C (y) que doit supporter une
entreprise pour pouvoir produire une quantité y de biens. A partir de la fonction de coût, on
définit généralement le coût moyen par :

C (Y )
CM (Y ) =
Y
Or on parle également de coût marginal Cm de production. Celui ci est définit comme :
Le supplément de coût de production engendrée par la production de une unité
supplémentaire
Ainsi, lorsque la production augmente de ∆y, le coût doit augmenter de ∆C= ∆y ∗ Cm ,
c’est à dire
C (y + ∆y) − C (y)
Cm '
∆y
Or, les économistes entendent implicitement lorsqu’ils parlent d’une unité supplémentaire ∆y
un ∆y “infinitésimal”, c’est à dire infiniment petit. On a par conséquent.
C (y + ∆y) − c (y)
Cm = lim = C 0 (y)
∆y→0 ∆y
La notion de coût marginal correspond alors à la dérivée de la fonction de coût.

Calcul des dérivées

Si u et v sont deux fonctions définies sur un intervalle ouvert et dérivables
u
en un point x0 de cet intervalle, alors les fonctions u + v ,λ
λ u, uv et -- sont déri-
vables en x0 avec : v

( u + v ) ′( x0 ) = u ′ ( x0 ) + v ′ ( x0 )
( λu ) ′ ( x 0 ) = λu ′ ( x 0 ) , λ ∈\
( uv ) ′( x0 ) = u ( x0 ) v ′ ( x0 ) + u ′ ( x0 ) v ( x0 )

()u ′
v
( x0 ) =
u ′ ( x0 ) v ( x0 ) − u ( x0 ) v ′ ( x0 )
v 2 ( x0 )
, si v ( x0 ) ≠ 0

Dérivée d’une fonction composée. Si u est une fonction définie sur un inter-
valle ouvert I contenant x0, dérivable en x0, et si f est une fonction définie sur
un intervalle ouvert contenant u( I ) , dérivable en u( x0 ) , alors la fonction com-
posée f D u est dérivable en x0, de dérivée :
( f D u)′′ ( x0 ) = f ′′ [[u ( x0 )]] u′′ ( x0 )

13
 Formule de Leibniz. Si u et v sont deux fonctions n fois dérivables sur un
intervalle ouvert I, alors la fonction uv est n fois dérivable sur I, avec :
( uv ) ( n ) = u ( n ) v + C1n u ( n −1) v′′ + " + Cnp u ( n − p ) v ( p ) + " + uv ( n )
Dérivée d’une fonction réciproque. Soit f une fonction strictement mono-
tone et dérivable sur un intervalle ouvert I. En tout point y0 de J = f ( I ) tel
que f ′′ ( x0 ) est différent de zéro, où y0 = f ( x0 ) , la fonction réciproque g = f −1
est dérivable, avec :
1 1
g′′ ( y0 ) = = ′
f ′ ( x0 ) f ′ [ g ( y0 ) ]
′

Dérivée logarithmique. Si f est une fonction réelle, définie et dérivable sur

un intervalle ouvert I, non nulle sur I, on appelle dérivée logarithmique de f
f ′′
l’expression ′ , qui n’est autre que la dérivée de ln | f |.
f
Élasticité. Si f est une fonction réelle définie sur un intervalle ouvert I, déri-
vable en un point x0 de I, l’élasticité de la fonction f au point x0, par rapport à
la variable x, est le nombre :

E f (x0 ) =
dy/y0 x0 dy
=
dx /x0 y0 dx ( ) x = x0
=
x0 ′
y0
f ′ ( x0 ) = x0
f ′′ ( x0 )
f ( x0 )
Approximation linéaire et différentielle
Ainsi que l’illustre la figure, au “voisinage de a”, le graphe de la fonction f (.) s’apparente
à la tangente de f (.). Cela signifie que les propriétés de la fonction f (.), en particulier du point
de vue de sa monotonie ou de son taux de variation, sont au voisinage de a analogues à la fonction
affine correspondante à la tangente T . On est donc tenté de remplacer localement l’étude de la
fonction f (.) par l’étude de sa tangente. Celle-ci a pour équation :

y = f (a) + f 0 (a) (x − a)

Définition La fonction x 7→ f (a) + f 0 (a) (x − a) s’appelle l’approximation linéaire de

f (.) en a, la linéarisation de f (.) en a ou encore le developpement limité d’ordre 1 de f
en a.
La fonction ∆x 7→ f 0 (a) · ∆x s’appelle la différentielle de f (.) en a.
L’appromixation linéaire de f (.) en a est une fonction affine prenant pour x = a la même
valeur que f (.)

Les fonctions ln(x) et exp (.)

La fonction ln(x)
La fonction ln est une fonction numérique qui n’est définie que sur R+∗ .
Elle admet pour dérivée 1/x. Elle est donc strictement croissante. ln 1 = 0 . Aussi
ln(x) < 0 ⇔ x ∈ ]0, 1[ ln(x) > 0 ⇔ x ∈ ]1, +∞[
ln(x)
lim ln(x) = −∞ lim x · ln(x) = 0 lim ln(x) = +∞ lim =0
x→0+ x→0+ x→+∞ x→+∞ x
La fonction ln ( . ) “transforme” la multiplication en addition, la puissance en multiplication
ln ( x · y) = ln(x)+ln(y) ln( an )=n ln(a)

On note e l’unique réel tel que ln( e ) = 1

14
 LnHxL

x
2 4 6 8 10

-1

-2

Le graphe de la fonction ln ( . )

La fonction exp (.)

La fonction exp (.) est la fonction réciproque de ln ( . ).

exp [ln ( x )] = ln [exp ( x)] = x

Elle est définie sur R à valeurs dans R+∗ . Elle est sa propre dérivée. Elle est donc strictement
croissante.

exp 0 = 1 exp 1 = e

Aussi

exp x < 1 ⇔ x<0 exp x > 1 ⇔ x>0

exp x
lim exp x = 0 lim x exp x = 0 lim exp x = +∞ lim = +∞
x→−∞ x→−∞ x→+∞ x→+∞ x
La fonction exp “transforme” l’addition en multiplication, la multiplication en puissance

exp (x + y) = exp x · exp y exp (x · a) = (exp a)x

On a

exp x = ex ax = exp [x ln(a)]

Exp HxL

x
-2 -1 1 2

Le graphe de la fonction exp (.)

15
 f f 0 (.) f (.) f 0 (.)
xα α · xα−1 [u (x)]α α · [u (x)]α−1 · u0 (x)
1 u0 (x)
x − x12 1
u(x) [u(x)]2
u(x) u0 (x)v(x)−v 0 (x)u(x)
u (x) v (x) u0 (x) v (x) + u (x) v 0 (x) v(x) [v(x)]2
1 u0 (x)
ln (x) x ln [u (x)] u(x)
x
e = exp x ex exp [u (x)] u0 (x) exp [u (x)]
x
a = exp [x ∗ ln a] ln a · ax

Récapitulatif des dérivées

Théorème (Théorème des accroissements finis) Si f (.) continue sur [a, b] et dérivable
sur ]a, b[ alors il existe c ∈ ]a, b[ tel que

f (b) − f (a)
f 0 (c) = ⇔ f (b) = f (a) + f 0 (c) (b − a)
b−a

Optimisation des fonctions numériques

Définitions
Définition Soit f (.) une fonction numérique définie sur une partie E ⊂ R.
1. On dit a ∈ E est un minimum global de f (.) sur E ssi

∀x ∈ E on a f (x) ≥ f (a)

2. On dit a ∈ E est un maximum global de f (.) sur E ssi

∀x ∈ E on a f (x) ≤ f (a)

3. On dit que a ∈ E est un extremum global de f (.) sur E ssi a est un minimum global ou
un maximum global de f (.) sur E.
4. On dit a ∈ E est un minimum local de f (.) sur E ssi il existe d > 0 tel que

∀x ∈ [a − d, a + d] ∩ E on a f (x) ≥ f (a)

5. On dit a ∈ E est un maximum local de f (.) sur E ssi il existe d > 0 tel que

∀x ∈ [a − d, a + d] ∩ E on a f (x) ≤ f (a)

6. On dit que a ∈ E est un extremum local de f (.) sur E ssi a est un minium local ou un
maximum local de f (.) sur E.

16
Fonctions numériques convexe / concave
Définition Une fonction d’une variable réelle définie sur un intervalle J est concave sur J
si elle vérifie :

∀ (x0 , x1 ) ∈ J 2 , ∀s ∈ ]0, 1[ , f (sx1 + (1 − s)x0 ) ≥ sf (x1 ) + (1 − s) f (x0 )

Elle est strictement concave si

∀ (x0 , x1 ) ∈ J 2 , ∀s ∈ ]0, 1[ , f (sx1 + (1 − s)x0 ) > sf (x1 ) + (1 − s) f (x0 )

Une fonction est donc concave, si et seulement si pour tous couples de réels x0 et x1 ,
la sécante de f (.) entre x0 et x1 (c’est-à-dire la droite reliant les points de coordonnées
(x = x0 , y = f (x0 )) et (x = x1 , y = f (x1 ))) est en dessous du graphe de la fonction f (.) .
Quand toutes les sécantes f (.) sont “strictement” en dessous du graphe, on dit que
la fonction est strictement concave

f(s x1+(1-s)x0)

f(x1)

s f(x1)+(1-s)f(x0)

f(x0)

x0 s x1+(1-s)x0 x1

Exemple de fonction strictement concave

x0 s x1+(1-s)x0 x1

Exemple de fonction concave mais non strictement concave.

17
 Une fonction est donc convexe, si et seulement si pour tous couples de réels x0 et x1 , la
sécante de f (.) entre x0 et x1 est au dessus du graphe de la fonction f (.) .
Quand toutes les sécantes f (.) sont “strictement” au dessus du graphe, on dit que la fonction
est strictement convexe

f(x1)
s f(x1)+(1-s)f(x0)

f(x0)

f(s x1+(1-s)x0)

x0 s x1+(1-s)x0 x1

Fonction strictement convexe

x0 s x1+(1-s)x0 x1

Exemple de fonction convexe qui n’est pas strictement convexe

Théorème Soit f (.) une fonction numérique C 2 sur [a, b]. On a les implications suivantes

∀x ∈ ]a, b[ f 00 (x) ≤ 0 ⇔ f (.) est concave sur [a, b]

∀x ∈ ]a, b[ f 00 (x) < 0 ⇒ f (.) est strictement concave sur [a, b]
∀x ∈ ]a, b[ f 00 (x) ≥ 0 ⇔ f (.) est convexe sur [a, b]
∀x ∈ ]a, b[ f 00 (x) > 0 ⇒ f (.) est strictement convexe sur [a, b]

Théorème : Règle de l’Hospital-Bernoulli

Soient f et g deux fonctions dérivables sur un intervalle ouvert a, b contenant c, sauf peut-être en c
lui-même.
f  x 0 
Si présente une indétermination de la forme " " ou " " en c et si g   x   0 pour x  c ,
g  x 0 
f  x f   x0  f  x f  x
alors : lim  lim , à condition que lim existe ou que lim 
x c g  x x c g   x0  x c g x x c g   x 

18
Conditions d’optimalité
Nous allons à présent donner une condition nécessaire que doit vérifier un extremum local.
Théorème (Condition nécessaire du 1er ordre d’un extremum local) Soit f (.) une
fonction dérivable sur un intervalle [a, b]. Si x0 est un maximum local de f (.) sur [a, b]
1. Si x0 ∈ ]a, b[, alors nécessairement f 0 (x0 ) = 0. On dit alors que x0 est intérieur
2. Si x0 = a, alors nécessairement f 0 (x0 ) ≤ 0
3. Si x0 = b , alors nécessairement f 0 (x0 ) ≥ 0
Si x0 est un minimum local de f (.) sur [a, b]
1. Si x0 ∈ ]a, b[, alors nécessairement f 0 (x0 ) = 0. On dit alors que x0 est intérieur
2. Si x0 = a, alors nécessairement f 0 (x0 ) ≥ 0
3. Si x0 = b , alors nécessairement f 0 (x0 ) ≤ 0

c b
a x

La condition nécessaire du 1er ordre

Théorème (Conditions suffisantes du second ordre) Soit f une fonction C 2 sur [a, b]
et soit x0 ∈ ]a, b[
1. Si f 0 (x0 ) = 0 et f 00 (x0 ) < 0, alors x0 est un maximum local
2. Si f 0 (x0 ) = 0 et f 00 (x0 ) > 0, alors x0 est un minimum local

Les racines de f 0 ( f 0 ( x ) = 0 ) sont appelées points critiques

ou candidats à l'optimalité

Point d’inflexion. Une fonction numérique admet un point d’inflexion en un

point x0 où elle est continue, s’il existe un intervalle ouvert ]a, b[ tel que cette
fonction soit concave (resp. convexe) sur ] a, x0 [ et convexe (resp. concave) sur
]x0 , b[ .
Un point d’inflexion est un point où la courbe représentative d’une fonction
change de convexité. La convexité d'une fonction sur un intervalle est liée au
signe de la dérivée seconde sur cet intervalle. Donc si la dérivée seconde
change de signe en un point, alors la fonction change de convexité en ce point.
C'est pourquoi on utilise la dérivée seconde pour étudier les points d'inflexion de la courbe d'une fonction.

A retenir : Il ne suffit pas que f'' s'annule en x pour que x soit l'abscisse d'un point d'inflexion.
Ce n'est le cas que si f'' s'annule en changeant de signe. De même, il ne suffit pas que f'' ne soit pas
définie en x pour que x soit l'abscisse d'un point d'inflexion. Ce n'est le cas que si la fonction f est définie en x.

19
Recherche d’extremums
Déterminer les extremums des fonctions f définies par les
expressions f ( x ) suivantes et préciser leur nature.

a) x − x 2 /2 ; b) ( x − 1)2 ( x + 1)3 ; c) 2x + 3 3 x 2

a) La fonction f est dérivable partout, avec f ′ ( x ) = 1 − x qui s’annule pour

x = 1 et f ′′ ( x ) = −1 négatif, donc maximum au point (1,1/2).
b) La fonction f est dérivable partout, avec f ′ ( x ) = ( x − 1) ( x + 1)2 (5x − 1)
qui s’annule pour x = 1 , x = −1 et x = 1/5 . La dérivée seconde est
( )
f ′′ ( x ) = 4( x + 1) 5x 2 − 2x − 1 , positive pour x = 1 et négative pour x = 1/5 .
Donc, minimum au point (1,0) et maximum au point (1/5, 3 456/3 125). Pour
x = −1 , la dérivée seconde s’annule en changeant de signe, donc il y a un point
d’inflexion en (−1,0).
c) On obtient par dérivation f ′ ( x ) = 2 + 2/ 3 x qui n’est pas définie pour
x = 0 et s’annule pour 3 x = −1 , c’est-à-dire pour x = −1 . La dérivée seconde
est définie, pour x ≠ 0 , par f ′′ ( x ) = −2/3x 3 x et par conséquent il y a un
maximum au point (−1,1).
Point d’inflexion
Déterminer les éventuels points d’inflexion des fonctions f qui sont défi-
nies par les expressions f ( x ) ci-après :
a) 3x 4 − 4 x 3 ; b) 3x 4 − x + 1 ;

c) 3
x+2 ;

a) La fonction f est définie et dérivable partout sur , avec

f ′ ( x ) = 12x − 12x et f ′′ ( x ) = 12x (3x − 2 ). La dérivée seconde s’annule en
3 2

changeant de signe pour x = 0 et x = 2/3, qui correspondent donc à des points

d’inflexion où le graphe traverse la tangente. Il faut utiliser le tableau de signe pour f ′′
b) La fonction f est définie et dérivable partout sur , avec
f ′ ( x ) = 12x 3 − 1 et f ′′ ( x ) = 36x 2 . La dérivée seconde est toujours positive,
donc la fonction est convexe. Pour x = 0 cette dérivée s’annule sans changer
de signe.
c) On obtient f ′ ( x ) = ( x + 2) −2 /3 /3 , qui n’est pas définie pour x = −2 , et
f ′′ ( x ) = −2( x + 2) −5/3 /9 . Cette dérivée est positive pour x < −2 et négative
pour x > −2 , donc la fonction est convexe puis concave, avec un point
d’inflexion pour x = −2 où il y a une tangente verticale.

20
Étude de fonction
ln x
Étudier la fonction f déterminée par l'expression f ( x ) =
x
Cette fonction est dé finie et continue pour x strictement positif, avec pour dérivée :

1 ln x 2 − ln x
f ′(x) = − =
x x 2x x 2x x
qui change de signe pour x = e2 . D’après le théorème des croissances compa-
rées, f ( x ) tend vers 0 quand x → +∞ , donc l’axe des abscisses est asymptote.
De même, f ( x ) → −∞ quand x tend vers 0, donc l’axe des ordonnées est aussi
asymptote. On obtient le tableau de variation suivant :
x 0 e2 +∞
f ′(x) II + 0 –
f ( x) II −∞ 2/e 0

Pour préciser le graphe représenté dans la figure, on calcule la dérivée

seconde :
3ln x − 8
f ′′ ( x ) =
4 x 5/ 2
Le graphe présente un point d’inflexion d’abscisse x0 = e8 /3 , la fonction
étant convexe pour x > x0 .

21
Chapitre 2

Les fonctions de plusieurs variables

Généralités
Définition Un point de Rn est un vecteur caractérisé par ses coordonnées (x1 , ..., xn ).

Définition On appelle fonction numérique de n variables une application d’une partie D de

Rn à valeurs dans R. On note

f (., ..., .) : D →
7 R
(x1 , ..., xn ) → 7 f (x1 , ..., xn )

Exemples : Reprenons au chapitre précédent l’exemple de la fonction de consommation

macroéconomique. Celle-ci associait au revenu disponible des ménages Y d le niveau de consom-
mation agrégée dans l’économie C. On peut vouloir toutefois adopter une modélisation moins
frustre en supposant que la consommation dépende également du patrimoine financier des mé-
nages (noté B), de l’indice des prix p, ou encore du moral des ménages (noté m). La nouvelle
fonction de consommation sera alors une fonction de 4 variables
³ ´ ³ ´
C : Y d , B, p, m 7→ C Y d , B, p, m

Exemple Dans la théorie microéconomique du consommateur, on se place dans un cadre où le

nombre de variétés de biens est fini n. On repère alors les différentes possibilités de consommation
par un vecteur (x1 , ..., xn ) où la ieme coordonnée xi correspond à la quantité de bien i consommée.
Ce (x1 , ..., xn ) vecteur s’appelle un panier de biens. Une fonction d’utilité associe alors à chaque
panier (x1 , ..., xn ) le niveau de satisfaction qu’il procure au consommateur (du moins si l’on
accepte une représentation cardinale des préférences). Il s’agit donc d’une fonction de n variables
définie sur Rn+ à valeur dans R.
Dans la théorie microéconomique du producteur, on considère également que le nombre de
facteurs de production est fixé p. On repère alors les choix d’une entreprise par un vecteur
(z1 , ..., zp ) dont la j eme coordonnée zj représente la quantité du j eme facteur de production (ou
input) utilisés par l’entreprise. La fonction de production associe alors au vecteur des inputs
(z1 , ..., zp ) la quantité de production (output) que l’entreprise est capable de produire avec. For-
mellement, la fonction de production est donc une fonction de p variables définies de Rp+ à valeur
dans R.
Définition Soit f (.,. ) une fonction de deux variables. Le graphe de f (., .) est l’ensemble
des éléments de R3 de la forme (x, y, f (x, y)). Les courbes de niveau de f sont les parties de R2
qui vérifient :
f (x, y) = k
où k est une constante réelle.

22
 Dérivées partielles et différentielles
Définitions

Exemple
La fonction de production de C OBB -D OUGLAS f : (R∗ 2 α β
+ ) → R s’écrit f (x, y) = x y (avec α, β > 0). Les courbes de niveau d’une telle
fonction sont nommées isocantes ou courbes d’isoproduction. Pour un niveau fixé k > 0 de production, l’équation x α y β = k détermine
les points du plan (x, y) donnant toutes les combinaisons des quantités de facteurs qui permettent de produire ce niveau k.

Dérivées partielles et différentielles

Définitions
Soit f une fonction à valeurs réelles définie sur une partie ouverte D de R2 . Soit (x 0 , y 0 ) ∈ D. Les dérivées partielles de f
en (x 0 , y 0 ) sont les dérivées des fonctions partielles f y 0 et f x0 évaluées en (x 0 , y 0 ), i.e. les fonctions

∂f f (x 0 + h, y 0 ) − f (x 0 , y 0 )
(x 0 , y 0 ) = f y00 (x) = lim , dérivée partielle de f par rapport à x au point (x 0 , y 0 ),
∂x h→0 h
∂f f (x 0 , y 0 + h) − f (x 0 , y 0 )
(x 0 , y 0 ) = f x00 (y) = lim , dérivée partielle de f par rapport à y au point (x 0 , y 0 ).
∂y h→0 h

Il s’agit de limites d’une fonction réelle de variable réelle !

Si f admet toutes les dérivées partielles premières, on dit que f est dérivable.

Remarque Notation
∂f 0
se note aussi ∂x f ou f x
∂x

Définition Vecteur gradient

Le gradient de f en (x 0 , y 0 ), noté ∇ f (x 0 , y 0 ) ou encore grad f (x 0 , y 0 ), est le vecteur dont les composantes sont les dérivées
partielles premières. Il est orthogonal à la courbe de niveau de f passant par (x 0 , y 0 ).

Astuce
En pratique, pour calculer la dérivée partielle ∂x f (resp. ∂ y f ), on dérive f comme si elle était une fonction de la seule
variable x (resp. y) et que l’autre variable, y (resp. x), était une constante.
Ces définitions se généralisent de manière naturelle à toute fonction de n variables.

Définition Élasticité
Soit f une fonction à valeurs réelles définie sur une partie ouverte D de R2 . Soit (x 0 , y 0 ) ∈ D et supposons f dérivable par
rapport à x (resp. y) en (x 0 , y 0 ) avec x 0 6= 0 (resp. y 0 6= 0) et f (x 0 , y 0 ) 6= 0. L’élasticité de f par rapport à x (resp. y) en (x 0 , y 0 )
est donnée par
f (x 0 +h,y 0 )− f (x 0 ,y 0 ) f (x 0 ,y 0 +h)− f (x 0 ,y 0 )
f (x 0 ,y 0 ) y f (x 0 ,y 0 )
E xf (x 0 , y 0 ) = lim h
, E f (x 0 , y 0 ) = lim h
.
h→0 h→0
x0 y0

Par conséquent
x0 y y0
E xf (x 0 , y 0 ) = ∂x f (x 0 , y 0 ), E f (x 0 , y 0 ) = ∂ y f (x 0 , y 0 ).
f (x 0 , y 0 ) f (x 0 , y 0 )

23
Exemple
La fonction de production de C OBB -D OUGLAS f : (R∗ 2 α β ∗ 2
+ ) → R s’écrit f (x, y) = x y (avec α, β > 0). Elle est dérivable dans (R+ ) et on
obtient :
x x
E xf (x, y) = ∂x f (x, y) = αx α−1 y β = α,
f (x, y) xα y β
y y
βx α y β−1 = β.
y
E f (x, y) = ∂ y f (x, y) =
f (x, y) xα y β
En conséquence, toutes les fonctions de C OBB -D OUGLAS bénéficient d’élasticités constantes, ce qui contribue à expliquer l’attrait
qu’elles représentent pour le modélisateur.

Exemple
Reprenons l’exemple de la fonction de production. On considère souvent qu’elle dépend de
deux facteurs de production le travail L et le capital K. Formellement, nous avons donc affaire
à une fonction de deux variables F (K, L). On définit alors souvent la productivité marginale du
travail comme
“Le supplément de production F (K, L + ∆L) − F (K, L) qui résulte de l’utilisation d’une
unité de travail ∆L supplémentaire” 2
Aussi
F (K, L + ∆L) − F (K, L)
P mL '
∆L
pour peu que l’an ait ∆L suffisament petit. Aussi, comme cette définition doit être implictement
compris comme étant valable pour ∆L → 0, on a alors
∂F (K, L)
P mL =
∂L
De façon symétrique, la productivité marginale du capital vérifie
∂F (K, L)
P mK =
∂K

Dérivées partielles du second ordre. Si les dérivées partielles existent, elles

définissent les fonctions dérivées, notées f x′′ , f y′. Ces fonctions peuvent à
′

leur tour admettre des dérivées partielles, appelées dérivées partielles du second
ordre ou secondes. Par exemple, les dérivées de f x′′ par rapport aux variables x, y,
sont notées respectivement :

f x′′2 , f xy′′

On peut bien sûr continuer à définir des dérivées partielles d’ordre 3,

puis 4...

Théorème de Schwarz. Si une fonction f admet des dérivées partielles du

second ordre dans un voisinage du point A et si elles sont continues en ce
point, alors :

f xy′′′′ ( A) = f yx′′′′ ( A)

24
 Les fonctions homogènes
Définition Soit f (.,. ) une fonction de n variables définies sur Rn+ . On dit que f (.,.) est
homogène de degré α si et seulement si

∀λ ∈ R+ , ∀ (x1 , ..., xn ) ∈ Rn+ on a f (λ · x1 , ..., λ · xn ) = λα · f (x1 , ..., xn )

Les fonctions homogènes sont très courantes en économie.

La fonction de production Cobb Douglas (K, L) 7→ c · K α · Lβ est homogène de degré α + β.

Si une fonction de production est à rendements constants, alors elle est homogène de degré 1.

Si une fonction de production est à rendements croissants, alors α > 1.

Si une fonction de production est à rendements décroissants, alors α < 1.

Théorème Soit f (.,.) une fonction de n variables définies sur Rn+ dérivable et homogène de
degré α. Les dérivées partielles de f sont alors des fonctions homogènes de degré α − 1.

Théorème (Théorème d’Euler) Soit f (.,. ) une fonction de n variables définies sur Rn+
différentiable. f est une fonction homogène de degré α si et seulement si

n
X ∂f
∀ (x1 , ..., xn ) α · f (x1 , ..., xn ) = xi · (x1 , ..., xn )
∂xi
i=1

Définition Matrice Hessienne

Soit la fonction f : D ⊂ R2 → R où D est un ouvert de R2 . La matrice Hessienne de f en (x 0 , y 0 ) est la matrice de taille 2 × 2
dont les entrées sont les dérivées partielles secondes :

∂xx f (x 0 , y 0 ) ∂x y f (x 0 , y 0 )
µ ¶
H f (x 0 , y 0 ) = .
∂ y x f (x 0 , y 0 ) ∂ y y f (x 0 , y 0 )

Son déterminant est le réel ∆H f (x 0 , y 0 ) = ∂xx f (x 0 , y 0 )∂ y y f (x 0 , y 0 ) − ∂x y f (x 0 , y 0 )∂ y x f (x 0 , y 0 ).

Optimisation sans contrainte

Un problème d’optmisation sans contrainte correspond à la recherche d’extrema globaux sur
Rn d’une fonction de plusieurs variables.
Le théorème suivant caractérise une condition nécessaire que doit vérifier tout extrema
local intérieur
Théorème de F ERMAT : condition nécessaire d’extrémum local

Soit f (...) une fonction de n variables définie sur E ⊂ Rn , dérivable en tous

¡ ¢
points de E. Si le point M0 de coordonnées x01 , ..., x0n est un extremum local intérieur à E,
alors
∂f ¡ 0 ¢
pour i = 1, ..., n x1 , ..., x0n = 0
∂xi

Un point vérifiant cette condition est appelé point stationnaire, ou point critique, de f .

25
 Théorème Condition suffisante d’extrémum local dans un ouvert (cas de 2 variables)

Soit f une fonction de classe C 2 sur un ouvert D ⊂ R2 et (x 0 , y 0 ) un point stationnaire ; posons

∆(x 0 , y 0 ) ≡ ∂xx f (x 0 , y 0 ) · ∂ y y f (x 0 , y 0 ) − ∂x y f 2 (x 0 , y 0 ).

B Si ∆(x0 , y 0 ) > 0, alors f présente un extrémum relatif en (x0 , y 0 ) ; il s’agit d’un maximum si ∂xx f (x0 , y 0 ) < 0 et d’un
minimum si ∂xx f (x 0 , y 0 ) > 0 ;

B si ∆(x0 , y 0 ) < 0, alors f présente un point-selle (ou point-col) en (x0 , y 0 ) ; ce n’est pas un extrémum ;

B si ∆(x0 , y 0 ) = 0, on ne peut pas conclure à partir des dérivées secondes.

Exemple
Pour déterminer les extrema libres de la fonction f (x, y) = x 2 + y 3 −2x y − y dans R2 , on constate d’abord que f est un polynôme, donc
différentiable dans l’ouvert R2 . Les seuls candidats extrema locaux sont les points critiques. Toutefois, nous ne disposons d’aucune
garantie à priori sur le fait que les éventuels extrema locaux soient globaux.
Recherche des points critiques On a

µ ¶ µ ¶ µ ¶
2x − 2y 0 1 1
∇f = 0 ⇐⇒ = ⇐⇒ (x, y) = − , − ou (x, y) = (1, 1).
3y 2 − 2x − 1 0 3 3
³ ´
Les deux candidats sont donc − 13 , − 13 et (1, 1).

Classification La matrice hessienne de f en un point (x, y) ∈ R2 est

∂xx f (x, y) ∂x y f (x, y)

µ ¶ µ ¶
2 −2
H f (x, y) = = .
∂ y x f (x, y) ∂ y y f (x, y) −2 6y

³ ´
Comme ∆ − 31 ,− 13 < 0 et ∆ (1,1) > 0, alors (− 13 ,− 13 ) est un point-selle et f admet en (1,1) un minimum local de valeur f (1,1) = − 1.

Optimisation sous contrainte d’égalité

Le théorème de L AGRANGE généralise la démarche adoptée dans cette résolution. Il représente une condition nécessaire pour
l’optimisation sous des contraintes d’égalité.
Théorème des multiplicateurs de L AGRANGE
Soit les fonctions f et g 1 , . . ., g m (m < n) de classe C 1 dans un ouvert D ∈ Rn . Si f admet en x0 un extremum lié sous les
contraintes g 1 (x) = 0, . . ., g m (x) = 0 et si la jacobienne en x0 (i.e. la matrice (∂x j g i (x0 ))m×n ) est de rang m, alors

m
∃λ = (λ1 , . . . , λm ) ∈ Rm tel que ∇ f (x0 ) + λi ∇g i (x0 ) ˘
X
= 0.
i =1

Le théorème de L AGRANGE peut être vu comme la condition nécessaire d’existence d’extrema libres appliquée à la fonc-
tion de n + m variables appelée fonction lagrangienne (ou le lagrangien) :

L : D × Rm → R
m
(x, λ) 7→ f (x0 ) + λi g i (x0 )
X
i =1

où λ = (λ1 , . . . , λm ).
26
Optimiser f (x, y) sous la contrainte g (x, y) = 0.
Réécrivons le théorème des multiplicateurs de L AGRANGE pour une fonction de deux variables et une seule contrainte
d’égalité :
Soit les fonctions f et g de classe C 1 dans un ouvert D ∈ R2 . Si f admet en (x0 , y 0 ) un extremum lié sous la
contrainte g (x, y) = 0 et si ∇g (x0 , y 0 ) 6= (0,0), alors

∃λ ∈ R tel que ∇ f (x 0 , y 0 ) + λ∇g (x 0 , y 0 )˘0.

=

On a alors une méthode pratique pour déterminer les extrema liés de f sous la contrainte g :
Méthode : Lagrangien. Formons le lagrangien
L(x, y,λ) = f (x, y) + λg (x, y)

où λ (multiplicateur de L AGRANGE) est une inconnue. Pour que cette fonction ait un extremum il faut que le gra-
dient de L soit nul, autrement dit on cherche les triplets (x, y,λ) tels que

∂x f (x, y) + λ∂x g (x, y)˘0,

=
∂ y f (x, y) + λ∂ y g (x, y)˘0,
=
0 = g (x, y).

Notons (x0 , y 0 ,λ0 ) une solution de ce système. Si ∇g (x0 , y 0 ) 6= 0, alors (x0 , y 0 ) est un point critique de la fonction
f sous la contrainte g . Ces points critiques satisfont la contrainte, mais il s’agit à présent de classer ces candidats.
Comme dans le cas des extrema libres, on peut formuler des conditions du deuxième ordre relatives aux points
critiques, mais qui ne s’appliquent qu’à certains cas. Soit
Définition (Hessienne bordée) La matrice hessienne du lagrangien est aussi appelée la matrice hessienne bordée de f

 
∂ 2L ∂2 L ∂g
∂x2
(x, y, λ) ∂y∂x
(x, y, λ) ∂x
(x, y)
 ∂ 2L ∂ 2L 
∆ (x, y, λ) =  ∂x∂y (x, y, λ) ∂y2
(x, y, λ) ∂g
∂y
(x, y)
∂g ∂g
∂x
(x, y) ∂y
(x, y) 0

L′′′′x2 L′′′′xy gx′′

= L′′′′xy L′′′′y2 g′′y
g′x′ g′′y 0
Théorème (Condition suffisante, ordre 2) Soit D un domaine ouvert de R 2 , f et g deux applica-
tions deux fois continuement dérivables de D dans R . Soit (x0 , y 0 ,λ0) un point critique du lagrangien

L (x, y, λ) = f (x, y) + λg (x, y)

27
alors

– si le déterminant de la hessienne bordée ∆ (x 0 , y 0 , λ0) est strictement négatif, (x 0 , y 0) est un

minimum local du problème contraint ;

– si le déterminant de la hessienne bordée ∆ (x 0 , y 0 , λ0) est strictement positif, (x 0 , y 0) est un maxi-

mum local du problème contraint.
– si le déterminant de la hessienne bordée ∆ (x 0 , y 0 , λ0) est nul, on ne peut rien conclure.

ATTENTION : Le théorème précédent est valide uniquement pour deux variables (x, y)

Calcul de dérivées partielles

Calculer les dérivées partielles premières des fonctions f définies par les
expressions ci-après.

x x
a) f ( x, y ) = xy + b) f ( x, y ) =
y x 2 + y2

(
c) f ( x, y ) = ln x + x 2 + y2 )
Solutions

a) Pour dériver par rapport à x, on écrit :

f ( x, y ) = x y + ( ) 1
y
On obtient comme dérivée :
y + 1/y
f x′′ ( x, y ) =
2 x ( y + 1/y )
On dérive de même par rapport à y :

x (1 − 1/y2 )
f ′ ( x, y ) =
′

2 x ( y + 1/y )
y

28
 b) Si on dérive par rapport à x, le numérateur a pour dérivée 1 et le déno-
minateur x ( x 2 + y2 ) . On obtient donc :
−1/ 2

(x + y2 ) − x 2 ( x 2 + y2 )
2 1/ 2 −1/ 2
y2
f x′′ ( x, y ) = =
(x + y2 )
3/2
x 2 + y2 2

Si on dérive par rapport à y, on écrit la fonction sous la forme :

f ( x, y ) = x ( x 2 + y2 )
−1/ 2

La dérivée est donc :

f y′′ ( x, y ) = − ( x 2 + y2 ) (2 y ) = −
x −3 / 2 xy
( x 2 + y2 )
3/2
2

Ces dérivées existent sur l’ensemble de définition de f, c’est-à-dire dans

tout le plan, sauf à l’origine.
u-′
c) La fonction à dériver est de la forme ln u, donc de dérivée ---u . Si on
dérive par rapport à x :

1 + x ( x 2 + y2 )
−1/ 2
1
f ′ ( x, y ) =
x
′
=
x + x 2 + y2 x 2 + y2
En dérivant par rapport à y :

y( x 2 + y2 )
−1/ 2
y
f y′′ ( x, y ) = =
x + x 2 + y2 x x 2 + y2 + x 2 + y2
Ces dérivées existent sur l’ensemble de définition de f, c’est-à-dire dans
tout le plan, sauf à l’origine.
Fonctions homogènes
Vérifier que les fonctions f définies ci-après sont des fonctions homogènes
dont on précisera le degré. Montrer ensuite qu’elles vérifient le théorème
d’Euler.
x+ y x
a) f ( x, y ) = b) f ( x, y ) = ln
3
x 2 + y2 y

c) f ( x, y ) = x α g ()
y
x
avec α réel quelconque et g fonction dérivable sur .

29
Solutions
a) Pour tout λ > 0 :
λx + λy
f (λx,λ
λ y) = = λ1 / 3 f ( x , y )
3
λ 2 x 2 + λ 2 y2
1- . En tout point autre que l’origine, on obtient
donc f est homogène de degré --
3
comme dérivées partielles :

(x 2
+ y2 ) − 32 x ( x + y ) ( x 2 + y2 )
1/ 3 −2 / 3
x 2 + 3 y2 − 2xy
f x′′ ( x, y ) = =
(x + y2 ) 3( x 2 + y2 )
2 2/3 4 /3

y2 + 3x 2 − 2xy
f y ( x, y ) =
′′

3( x 2 + y2 )
4 /3

On vérifie le théorème d’Euler :

′′ ′′ x 3 + 3xy2 − 2x 2 y + y3 + 3x 2 y − 2xy2
xf x + yf y =
3( x 2 + y2 )
4 /3

x 3 + y3 + xy ( x + y ) ( x + y ) ( x 2 + y2 ) 1
= = = f
3( x 2 + y )
2 4 /3
3( x 2 + y )
2 4 /3 3

b) On obtient pour tout λ > 0 :

λx
f (λx,λ
λ y ) = ln = f ( x, y )
λy
donc f est homogène de degré 0. En tout point où xy > 0 :
1 1
f x′′ = f y′′ = −
x y
On vérifie le théorème d’Euler :
xf x′′ + yf y′′ = 0

c) Pour tout λ > 0 :

f (λx,λ
λ y ) = (λx ) g
α
( λλxy ) = λ f (x, y)
λ
λ
λ
α

donc f est homogène de degré α. Les dérivées partielles sont obtenues pour
x>0 :

30
 f x′′ = αx α−1 g ()y
x
− yx α−2 g ′
y
x
()
g′ ( )
y
f y′′ = x α−1
x
On vérifie le théorème d’Euler :

xf x′′ + yf y′′ = αx α g ( xy ) = αf (x, y)

α

Extremas libres
Soit f l’application définie sur R2 par
x2 y y3
f (x, y ) = − x2 + − 4y.
2 3
Trouver les points critiques de la fonction f et établir leur nature.

Solutions
f est une application définie sur R2 ; les points critiques sont les points qui rendent nul le gradient. On a
à !
x y − 2x,
∇f = x2 et ∇f = 0 ⇐⇒ (x, y) ∈ { (0,−2),(0,2) }.
2 + y2 − 4

Pour en étudier la nature on calcule les dérivées secondes :

∂xx f (x, y) = y − 2 ∂ y y f (x, y) = 2y ∂x y f (x, y) = x

Donc
∆(x, y) = ∂xx f (x, y)∂ y y f (x, y) − (∂x y f (x, y))2 = 2y(y − 2) − x
et
∆(0,−2) = 16, ∆(0,2) = 0.

Comme ∆(0,−2) > 0 et ∂xx f (0,−2) < 0, on conclut que le point (0,−2) est un maximum pour f .
En revanche, comme ∆(0,2) = 0, on ne peut pas conclure en utilisant la matrice hessienne.

Extremas liés
Utiliser la méthode des multiplicateurs de L AGRANGE pour calculer le maximum et le minimum de la fonction f sous la
contrainte indiquée :
1. f (x, y) = 3x + y sous la contrainte x 2 + y 2 = 10

31
Solutions
1. Formons le lagrangien
L(x, y, λ) = 3x + y + λ(x 2 + y 2 − 10)

où λ (multiplicateur de L AGRANGE) est une inconnue. Pour que cette fonction ait un extremum il faut que le gradient
de L soit nul, autrement dit on cherche les triplets (x, y,λ) tels que
   
3 + 2λx 0
∇L = 0 ⇐⇒  1 + 2λy  = 0 ⇐⇒ (x, y, λ) ∈ { (3, 1,−
¡1/2), (−3, −1, 1/2) }
x 2 + y 2−10 0

Donc (3, 1) et (−3, −1) sont des points critiques de la fonction f sous la contrainte x 2 +y 2 = 10. Comme

 
2λ 0 2x
 
∆ (x, y, λ) =  0 2λ 2y =
2 2
-8 λ (x + y )
2x 2y 0

alors ∆(3, 1,−1/2) = 40> 0 , le point (3, 1) est un maximum ; et

∆ (−3, −1, 1/2) = − 40 < 0, le point (−3, −1) est un minimum.

32
 Chapitre 3

Les intégrales simples

Définition Primitive
Soit I un intervalle de R. Une fonction f : I → R est intégrable s’il existe une fonction dérivable F : I → R telle que pour
tout x ∈ I, F 0 (x) = f (x). Une telle fonction F est une primitive (ou intégrale indéfinie) de f .

Proposition Existence des primitives

Soit I un intervalle de R et f : I → R une fonction continue. Alors f est intégrable.

Propriété
? Si F est une primitive de f alors, pour tout réel c, la fonction F + c est aussi une primitive de f .
? Toute primitive de f est nécessairement de la forme F + c pour une certaine constante c.
Notation R R
L’ensemble des primitives d’une fonction f est noté f ou encore f (x) dx.

Remarque
Rx
Si a ∈ I alors F (x) = a f (t) dt est l’unique primitive qui s’annule en a.

Proposition Linéarité
Soit I un intervalle de R, f et g : I → R deux fonctions intégrables et k ∈ R. Alors
Z Z Z Z Z
(f (x) + g (x)) dx = f (x) dx + g (x) dx et k f (x) dx = k f (x) dx.

Calcul des primitives

Définition Intégration directe et composition
Dans le tableau qui suit on sous-entend que l’intégration est réalisée sur un intervalle contenu dans l’ensemble de
définition de la fonction à intégrer.
Z Z
n x n+1 [ f (x)]n+1
x dx = n+1 + c pour n 6= −1 =⇒ [ f (x)]n f 0 (x) dx = n+1 + c pour n 6= −1
Z Z
1 f 0 (x)
x dx = ln(x) + c =⇒ f (x) dx = ln(| f (x)|) + c
Z Z
e x dx = e x + c =⇒ e f (x) f 0 (x) dx = e f (x) + c

33
 Proposition Intégration par changement de variable
Soit F une primitive de f et g une fonction dérivable. Alors la fonction f (g (x))g 0 (x) est intégrable et l’on a
Z
f (g (x))g 0 (x) dx = F (g (x)) + c.

du
Autrement dit, en posant u = g (x) on obtient dx = g 0 (x), soit encore du = g 0 (x) dx et donc
Z Z
0
f (g (x))g (x) dx = f (u) du = F (u) + c.

Proposition Intégration par parties

Soit f et g deux fonctions dérivables. Alors
Z Z
f (x)g (x) dx = f (x)g (x) − f 0 (x)g (x) dx.
0

Exemple
Calculer une primitive de ln(x)
x avec les trois méthodes décrites ci-dessus.
Intégration directe :
2
R ln(x) R0
R 0 [f (x)] R ln(x) ln2 (x)
comme x dx = f (x)f (x) dx avec f (x) = ln(x) et comme f (x)f (x) dx = 2 on conclut que x dx = 2 +c.
Intégration par changement de variable :
u2 ln2 (x)
on pose u = ln(x) donc du = dxx et ln(x)
R R
x dx = u du = 2 +c = 2 +c.
Intégration par parties :

si on pose g(x) = ln(x) et f 0 (x) = x1 alors g 0 (x) = x1 et f (x) = ln(x) donc ln(x) 2 (x)− ln(x) dx, i.e. 2 ln(x) dx = ln2 (x)+c
R R R
x dx = ln x x
2
et finalement x dx = ln 2(x) +k.
R ln(x)

Intégrales définies

Théorème fondamentale du calcul différentiel et intégral

Soit f une fonction continue
R x sur [a;b] et F une primitive de f sur [a;b]. Alors
1. la dérivée de g (x) = a f (t) dt existe et est égale à f (x) ;
Rb
2. a f (t) dt = F (b) − F (a).
L’expression F (b) − F (a) se note aussi [F (x)]ba ou encore F (x)|ba .
Remarque
Rx
Si f est de classe C 1 sur [a;b] alors g (x) = f (x) − f (a) = a f 0 (t) dt.

34
 Propriété
Soit [a; b] un intervalle de R avec a < b, f et g : [a; b] → R deux fonctions intégrables.
Rb Rc Rb
Relation de Chasles : a f (x) dx = a f (x) dx + c f (x) dx pour tout c ∈ [a;b].
Rb Rb
Relation d’ordre : si f (x) ≤ g (x) pour toute x ∈ [a;b] alors a f (x) dx ≤ a g (x) dx.
Rb
Nullité : si f est continue sur [a;b] et f (x) ≥ 0 pour toute x ∈ [a;b] alors a f (x) dx = 0 si et seulement si f (x) ≡ 0.
Ra Ra
ParitéR : si f est paire sur [−a; a] avec a ≥ 0 alors −a f (x) dx = 2 0 f (x) dx ; si f est impaire sur [−a; a] avec a ≥ 0 alors
a
−a f (x) dx = 0.
Rb Rb
Valeur absolue : | a f (x) dx| ≤ a | f (x)| dx.
Rb Rb
a f (x) dx a f (x) dx
Moyenne : si m ≤ f (x) ≤ M pour toute x ∈ [a;b] alors m ≤ b−a ≤ M. Le nombre b−a est la valeur moyenne de
f sur [a;b].

Calcul d’une intégrale au moyen d’une primitive

Calculer les intégrales définies suivantes :

∫( )
2 8
a) ∫ ( x − 1) ( x − 2) dx ; b) 2x + 3 x dx ;
)
1 0

∫ (x ) d) ∫ ( x − x ) x dx ;
1 2
c) 2
− |x| 3
x 2 dx ; 3 3 2
−1 −2

)
∫( )
bb 1 0
e)
a
a x
− x 2 dx ; f) ∫2
| 1 − x | dx ;

11 3

∫ 1+ x ∫
g) dx ; h) 2 x dx ;
0 2
0

∫ (e )
1 1
∫
x/2 2
i) e −2 x +1 dx ; j) + e − x / 2 dx ;
−1 0
33

∫
dx
k) ⋅
0 3 + 2x
0

Solutions

a) On effectue le produit dans l’intégrande :

[ ]
2
2 2 x3 x2 1
∫ ( x − 1) ( x − 2) dx = ∫ ( x − 3x + 2) dx = − 3 + 2x =−
2
1 1 3 2 1
6

b) On écrit les radicaux sous forme d’exposants fractionnaires :

[ ]
8
x 3/ 2 x 4 /3
∫( ) ( ) dx =
8 8 100
2x + x dx = ∫
3
2x 1/ 2
+x 1/ 3
2 + =
0 0 3/2 4 /3 0
3

35
 c) La fonction à intégrer est paire et l’intervalle d’intégration centré à l’ori-
gine, donc :

[ ]
1
x11/3 x13 / 6
∫ (x
1

−1
2
− |x| ) 3
x dx = 2∫ x − x
2
1
( 2 1/ 2
)x 2/3
dx = 2 −
11/3 13/6
=−
54
143
) )
0
0

d) La fonction à intégrer est impaire et l’intervalle d’intégration centré à

l’origine, donc l’intégrale est nulle.
e) Cette intégrale est définie pour a et b strictement positifs :

( ) [ ] ( ) 13 ( b − a )
b
b 1 x3
∫ − x dx = 2 x − =2 b− a −
2 3 3
a x 3 a

On peut constater que cette intégrale est convergente quand a tend vers 0 ;
elle admet pour limite 2 b − b3 /3 .

f) Pour pouvoir retirer la valeur absolue, on sépare en deux l’intervalle

d’intégration :
0 1 0
∫ | 1 − x | dx = ∫ x − 1 dx + ∫ 1 − x dx
2 2 1
1 0
=∫ x − 1 d ( x − 1) − ∫ 1 − x d (1 − x )
2 1

=
2
3
[ 1 2
( x − 1)3 / 2 2 − ( x1–x
3
] 0
− 1)3 / 2 1 = −
4
3
[ ]
g) On utilise une primitive usuelle :
11

∫
dx
= [ln | x + 1 |]0 = ln 2
1
0 x +1
0

h) On utilise une primitive usuelle :

1 x ln 2 3
[4
]
3 3
∫ 2
2x dx = ∫ e x ln2dx =
2 ln 2
ne 2
=
ln 2
i) On utilise une primitive usuelle :

[ ] ( )
1
1 e −2 x 1 3 1
∫−1 e dx = e − 2
−2 x +1
= e −
−1
2 e

j) Il suffit de développer le carré :

∫ (e ) [ ]
1 1
+ e − x/ 2 dx = ∫ (e x + 2 + e − x ) dx = e x + 2x − e − x 0 = 2 + e − 1/e
x/2 2 1

0 0

36
 k) On modifie l’écriture de la fraction pour faire apparaître au numérateur,
à un coefficient près, la dérivée du dénominateur :

∫( ) []
3
33 33 2x d (2x + 3)
33

∫ ∫
dx 1 x 1
= 1− x dx = −
0 3 + 2x 2 +3 0 2 +3
x
0 3 0
0 3 0 3ln 2 0

1
[ ] 5 ln11
3
= 1− ln(2x + 3) 0
= −
3ln 2 3 ln 8

Intégration par changement de variable

Calculer les intégrales définies suivantes :
22

∫
5 dx
a) ∫1
2x − 1 dx ; b) 1
1 x (1 + ln x )
;

x + 1/2
33 11
x

∫ d) ∫
e dx
c) 2 x 2 + x − 3 dx ; ;
2 (10 − 3e )
0
0
x 2

44 11ex − e− x
∫ ∫
e) dx ; f) dx ;
0 1+ x 0 ex + e− x
0 0

Solutions

a) La présence du radical nous incite à le prendre comme nouvelle variable,

soit u = 2x − 1 , et le nouvel élément différentiel du = dx / 2x − 1 ou
dx = udu .
Les nouvelles bornes sont u = 1 et u = 3 , d’où l’intégrale :

[]
3
5 3 u3 26
∫ 2x − 1 dx = ∫ u du =
2
=
1 1 3 1
3

b) On prend comme nouvelle variable u = 1 + ln x , d’où du = dx /x et les

nouvelles bornes u = 1 et u = 1 + ln 2 :

22 11+ln2

∫ ∫
dx + ln 2 du
= [ln u ]1 = ln (1 + ln 2)
1+ ln2
=
1
1 x (1 + ln x ) 1
1 u
c) Le numérateur est la dérivée du dénominateur au coefficient 1/2 près.
On effectue donc le changement de variable u = x 2 + x − 3 , soit
du = (2x + 1) dx et les nouvelles bornes u = 3 et u = 9 :
33 x + 1/2 99

∫ ∫
1 du 1
= [ln u ]3 = ln 3
9
dx =
2
2 x + x −3
2
2 3 u
3 2

37
 d) Le numérateur e x est la dérivée, à un coefficient près, du terme 10 − 3e x
qui est au carré au dénominateur. On retient donc comme nouvelle variable
u = 10 − 3e x , avec du = −3e x dx et les nouvelles bornes u = 7 et u = 10 − 3e :

[] ( )
10 − 3e
11e x dx 10–3e

∫ ∫
10 −3e du 1 1 1 1 1
=– = = −
0 (10 − 3e x ) 2 7 3u 2 3 u 3 10 − 3e 7
0 7 7

e) On prend le dénominateur comme nouvelle variable, soit u = 1 + x et

du = dx /2 x = dx /2( u − 1) . Les nouvelles bornes sont u = 1 et u = 3 :
44 33u −1
∫ ∫
dx
du = 2[ u − ln u ]1 = 4 − ln 9
3
=2
0 1+
1 u
x 1
0

f) Le numérateur étant la dérivée du dénominateur, on prend ce dernier

comme nouvelle variable u = e x + e − x , avec du = (ex – e–x) dx et les nouvelles
bornes u = 2 et u = e + 1/e :

ex − e− x e+1/e
e2 + 1
∫
11

∫
e +1/e du
= [ln u ]2 = ln
e +1/e
dx =
0 ex + e− x 22 u 2e
0

38
Chapitre 4

Les suites numériques

Définition Suites
Une suite numérique est une application de N dans R. La notation traditionnelle est (x n )n∈N .

Remarque
En pratique, on dispose essentiellement de deux méthodes pour définir une suite :
1. on définit (x n )n∈N directement en fonction de n, par exemple

1
∀n ∈ N∗ , x n = ,
n2

2. on définit (x n )n∈N par récurrence, par exemple

µ ¶
1 2
u 0 = 10 et ∀n ∈ N, x n+1 = xn + .
2 xn

Définition Vocabulaire
Une suite (x n )n∈N est dite
? croissante s’il existe n 0 ∈ N tel que pour tout n ≥ n 0 , x n ≤ x n+1 ;
? décroissante s’il existe n 0 ∈ N tel que pour tout n ≥ n 0 , x n ≥ x n+1 ;
? monotone si elle est soit croissante soit décroissante ;
? majorée s’il existe M ∈ R tel que, pour tout n, x n ≤ M . On dit que M est un majorant de la suite ;
? minorée s’il existe m ∈ R tel que, pour tout n, x n ≥ m. On dit que m est un minorant de la suite ;
? bornée si elle est à la fois majorée et minorée, c’est-à-dire s’il existe M ∈ R tel que |x n | ≤ M pour tout n.

Définition Limite d’une suite.

On dit qu’une suite (x n )n∈N converge vers x ∈ R (on écrit limn x n = x ou x n → x) si

∀ε > 0 ∃N ∈ N ∀n ∈ N n > N =⇒ |x n − x| < ε.

On dit qu’une suite (x n )n∈N diverge vers plus l’infini (on écrit limn x n = +∞) si

∀M ∈ R ∃N ∈ N ∀n ∈ N n > N =⇒ x n > M .

On dit qu’une suite (x n )n∈N diverge vers moins l’infini (on écrit limn x n = −∞)

∀m ∈ R ∃N ∈ N ∀n ∈ N n > N =⇒ x n < m.

39
 Théorème Unicité
Si une suite converge, sa limite est unique.

Remarque
1. Une suite peut n’être ni convergente ni divergente vers moins l’infini ni divergente vers +∞. Par exemple, la suite
x n = (−1)n est la suite dont les termes d’indice pair valent 1 et ceux d’indice impair −1 : elle ne converge pas et ne
diverge vers moins l’infini ni vers +∞.
2. La suppression d’un nombre fini de termes ne modifie pas la nature de la suite, ni sa limite éventuelle.

Définition Suite de Cauchy

On dit que (x n )n∈N vérifie le critère de Cauchy si

∀ε > 0 ∃N ∈ N ∀(p, q) ∈ N2 p, q > N =⇒ |x q − x p | < ε.

Théorème de complétude
Une suite est convergente si et seulement si elle vérifie le critère de Cauchy.

Théorème (condition suffisante)

Tout suite convergente est bornée.
Une suite non bornée ne peut donc pas être convergente.

Théorème de la convergence monotone (conditions suffisantes)

? Une suite (x n )n∈N qui est croissante et majorée est convergente et limn x n = supn x n .
? Une suite (x n )n∈N qui est croissante et non majorée diverge vers +∞.
? Une suite (x n )n∈N qui est décroissante et minorée est convergente et limn x n = infn x n .
? Une suite (x n )n∈N qui est décroissante et non minorée diverge vers −∞.
Théorème d’encadrement (condition suffisante)
Soit (x n )n∈N une suite. S’il existe deux suites convergentes (u n )n∈N et (v n )n∈N ayant une même limite x ∈ R et satisfaisant

∃N ∈ N ∀n ∈ N n > N =⇒ u n ≤ x n ≤ v n ,

alors limn x n = x.

Définition Suite extraite ou sous-suite

Soit (x n )n∈N une suite. On appelle suite extraite ou sous-suite de (x n )n∈N toute suite (y n )n∈N de la forme y n = x ϕ(n) où
ϕ: N → N est une application strictement croissante.

Exemple
(x 2n )n∈N et (x 2n+1 )n∈N sont des sous-suites de la suite (x n )n∈N .

Définition Valeur d’adhérence

On dit que ` ∈ R est une valeur d’adhérence de la suite (x n )n∈N∗ si et seulement si il existe une sous-suite extraite qui
converge vers `.

40
 Théorème
Soit (x n )n∈N une suite. Si (x n ) converge vers `, toute sous-suite converge aussi vers `.
Si une suite extraite de (x n )n∈N diverge, ou si deux suites extraites de (x n )n∈N ont des limites différentes, alors (x n )n∈N
diverge.
Si deux suites extraites de (x n )n∈N convergent vers la même limite ` et si x n est un terme d’une de ces suites extraites, alors
(x n )n∈N converge aussi vers `. Par exemple, si (x 2n ) et (x 2n+1 ) convergent vers `, alors (x n ) converge vers `.

Exemple
1. Soit x n = 1/n : la suite (x n )n∈N converge vers 0 donc 0 est l’unique valeur d’adhérence de la suite (x n )n∈N .
2. Soit x n = (−1)n : la suite (x n )n∈N a deux valeurs d’adhérence, −1 et 1 (elle ne converge pas).

Définition Suites adjacentes

Les suites (u n )n∈N et (v n )n∈N sont adjacentes si
? (u n ) est croissante,
? (v n ) est décroissante,
? limn (u n − v n ) = 0.
Théorème
Si deux suites sont adjacentes, elles convergent et ont la même limite.

Attention Limites fondamentales 

0 si a < b,
P (n) = p 0 + p 1 n + · · · + p a n a ,


P (n) p
lim = qa si a = b, avec
n Q(n) 
 b
Q(n) = q 0 + q 1 n + · · · + q b n b .
∞ si a > b,

³ ¡ ¢´
lim 1 + α = eα
¢n
(α ∈ R) lim n ln 1 + n1 = 1
¡
n n n
³ 1 ´ ³¡ ¢α ´
lim n a /n − 1 = ln a (a > 0) lim n 1 + n1 − 1 = α (α ∈ R)
n n

Remarque Limites connues

Soit q ∈ R, k > 1, α > 0 et β > 0, alors

0, si q < 0,
kn nα (ln n)β

n! q p
n
lim = 0, lim n = 0, lim n = 0, lim = 0, lim n = 1, si q = 0, lim n = 1.
n n! n n n k n nα n  n
+∞, si q > 0;


Proposition Critère du rapport (ou de D’A LEMBERT)

u n+1
Soit (u n )n∈N une suite telle que u n > 0 pour tout n ∈ N et un → `,
? si 0 ≤ ` < 1 alors u n → 0,
? si 1 < ` ≤ +∞ alors u n → +∞
? si ` = 1 on ne peut pas conclure.

41
Proposition Critère de la racine (ou de C AUCHY) p
Soit (u n )n∈N une suite telle que u n > 0 pour tout n ∈ N et n
u n → `,
? si 0 ≤ ` < 1 alors u n → 0,
? si 1 < ` ≤ +∞ alors u n → +∞
? si ` = 1 on ne peut pas conclure.

Définition Suite arithmétique

Une suite (v n )n∈N est arithmétique de raison r ∈ R et de premier terme v 0 si

∀n ∈ N, v n+1 = v n + r.

On remarque que ∀n ∈ N, v n = v 0 + nr .

Exemple
? Les suites constantes sont des suites arithmétiques de raison 0.
? Soit (v n )n∈N la suite arithmétique définie par : v 0 = 0 et v n+1 = v n + 1 pour tout n ∈ N. On a v n = n pour tout n ∈ N.

Définition Suite géométrique

Une suite (v n )n∈N est géométrique de raison q ∈ R et de premier terme v 0 si

∀n ∈ N, v n+1 = qv n .

On remarque que ∀n ∈ N, v n = v 0 q n .

Exemple
? Les suites constantes sont des suites géométriques de raison 1.
? Soit (v n )n∈N la suite géométrique définie par : v 0 = 3 et v n+1 = 2v n pour tout n ∈ N. On a v n = 3 × 2n pour tout n ∈ N.

Proposition
Soit (v n )n∈N une suite géométrique de raison q ∈ R et de premier terme v 0 , i.e. v n = v n−1 q = v 0 q n .
? Si q < −1, la suite (v n ) diverge et ne possède pas de limite ;
? si q = −1, la suite (v n ) diverge et possède deux valeurs d’adhérence 1 et −1 ;
? si |q| < 1, la suite (v n ) converge vers 0 ;
? si q = 1, la suite (v n ) est constante et converge vers 1 ;
? si q > 1, la suite (v n ) est divergente mais possède une limite égale à +∞.

Définition Suite arithmético-géométrique

Une suite (v n )n∈N est arithmético-géométrique de premier terme v 0 si

∀n ∈ N, v n+1 = qv n + r

avec q,r ∈ R. On remarque que

? si q = 1, la suite (v n ) est arithmétique de raison r ,
? si r = 0, la suite (v n ) est géométrique de³raison q.´
q n −1 r r
? si q 6= 1, ∀n ∈ N v n = v 0 q n + q−1 r = q n v 0 + q−1 − q−1 .

Exemple
On considère la suite (v n )n∈N définie par : v 0 = 2 et v n+1 = 12 v n + 3. On a v n = −4 21n + 6 pour tout n ∈ N.

Proposition ³ ´
r r
Soit (v n )n∈N une suite arithmético-géométrique de premier terme v 0 , i.e. v n = q n v 0 + q−1 − q−1 . Elle converge si et
r
seulement si |q| < 1 et la limite vaut 1−q .

42
 Exercice
Étudier la convergence de la suite (nq )n∈N∗ suivant la valeur de q ∈ R.

Solution. B Si q < 0, la suite converge vers 0.

B Si q = 0, la suite est constante et converge vers 1.
B Si q > 0, la suite diverge mais possède une limite égale à +∞.

Exercice limites connues

Montrer que pour k > 1 et α > 0

kn n! nα
(1) lim = 0, (2) lim =0 (3) lim = 0.
n n! n nn n kn

Solution. On utilise le critère de D’Alambert.

kn un+1 k
(1) Soit un = n! pour tout n ∈ N. Alors un = n+1 → 0 donc un → 0.
n! un+1 1
(2) Soit un = nn pour tout n ∈ N. Alors = → 1e < 1 donc un → 0.
n
un (1+ 1n )
nα un+1
α
(3) Soit un = kn pour tout n ∈ N. Alors un = 1 + n1 k1 → k1 < 1 donc un → 0.

Exercice Suite géométrique

Une population microbienne voit son effectif augmenter d’à peu près 10% toutes les heures. Sachant qu’elle comporte
200 individus au moment où nous l’observons, qu’en sera-t-il au bout de 24 heures ? Au bout de n heures (où n est un
entier naturel) ?

C ORRECTION . Notons g i le nombre d’individu après i heures. D’après nos informations, g 0 = 200 et comme la popu-
lation augmente d’à peu près 10% toutes les heures g i +1 ' (1 + 10%)g i . La suite (g i ) est donc géométrique de raison 1.1.
Donc g n ' (1.1)n g 0 et au but de 24 heures il y aura à peu près g 24 ' 1970 individus.

Exercice Suite arithmétique

Le prix de vente d’une voiture commercialisée initialement en 1995 diminue tous les ans de la même valeur. En 2002,
elle est affichée au prix de 13200 ¤. On relève en 2006 un prix de vente de 11600 ¤. On note v n le prix de vente de ce
modèle l’année (1995 + n) et on considère la suite (v n ).
1. Donner la nature de la suite (v n ) et en déterminer la raison.
2. Quel était le prix initial de vente en 1995 ?
3. À partir de quel année sera-t-il possible d’acquérir la voiture pour moins de 10000 ¤ ?

C ORRECTION .
1. Comme le prix de vente diminue tous les ans de la même valeur, la suite (v n ) est arithmétique v n+1 = v n +r = v 0 +nr .
On a v 11 = 11600 et v 7 = 13200 donc la raison de la suite est r = v11−7
11 −v 7
= 11600−13200
4 = −400.
2. v 0 = v n+1 − nr donc v 0 = 13200 − 7 × (−400) = 16000 ¤
10000−16000 −6000
3. v n < 10000 ssi v 0 + (n − 1)r < 10000 ssi n > −400 = −400 = 15 : à partir de 2010 il sera possible d’acquérir la
voiture pour moins de 10000 ¤.

43
 Exercice
√
Montrer que n
n → 1.

√ ln n
n = n1/n = exp


Solution. n
n → e0 = 1.

Exercice
Calculer, en fonction de α ∈ R, la limite
√
nα − 2 n
lim √ √ .
n→+∞ ( n − 3)(2 − 3 n)

Solution. 
√ √ −∞ si α > 1,
nα − 2 n nα − 2 n

lim √ √ = lim √ = − 31 si α = 1,
n→+∞ ( n − 3)(2 − 3 n) n→+∞ −3n + 11 n − 6 
0 si α < 1.


44
Bibliographie

[1] Philippe Michel, Cours de Mathématiques pour économistes, Economica

[2] Carl, P. Simon et Lawrence Blume, Mathématiques pour économistes, traduit chez DeBoeck
[3] Bernard Guerrien Isabelle This, Les mathématiques de la microéconomie, Economica, édition
de poche
[4] Etienne Lehmann, Mathématiques Notes de cours
[5] Gloria Faccanoni, Mathématiques Recueil d'exercices partiellement corrigés et aide-mémoire

45