COURS DE MATHEMATIQUES

GENERALES
L2-S3
Année académique 2024-2025
Enseignant : Dr ZOUNGRANA Malick
Table des matières

1 Calcul matriciel 2
1.1 Définitions, notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Opérations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Puissance d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 Déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.7 Comatrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.8 Diagonalisation des matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.8.1 Éléments propres d’une matrice carrée . . . . . . . . . . . . . . . . . . . 11
1.8.2 Pratique de la diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . 11
1.8.3 Travaux pratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.8.4 Application de la diagonalisation : Calcul des puissances d’une matrice . 12

2 Equations differentielles 13
2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Equations différentielles du 1er ordre . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.1 Equations linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.2 Equations à variables séparées . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.3 Equations homogènes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.4 Equations de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.5 Equations de Riccatti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3 Equations différentielles linéaires du second ordre à coefficients constants 15
2.3.1 Equations sans second membre . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.2 Equations avec second membre . . . . . . . . . . . . . . . . . . . . . . . 16

3 Fonctions numériques de plusieurs variables 18

3.1 Généralités sur les fonctions à deux variables . . . . . . . . . . . . . . . . . . . . 18
3.2 Limites et continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3 Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.4 Optimisation des fonctions de plusieurs variables . . . . . . . . . . . . . . . . . . 22
3.4.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.4.2 Extrema sur un ouvert sans contrainte ou extrema libres . . . . . . . . . 23
3.4.3 Cas particulier des fonctions à deux variables (n = 2) . . . . . . . . . . . 24
3.4.4 Extrema sous une contrainte : cas de deux variables . . . . . . . . . . . . 25

1
Chapitre 1

Calcul matriciel

1.1 Définitions, notations

Définition 1
Une matrice de format (m, n) est un tableau rectangulaire de mn éléments, rangés en m lignes
et n colonnes.
On utilise aussi la notation m × n pour le format. Lorsque m = n, on dit plutôt : matrice carrée
d’ordre n. Si m = 1, on parle de matrice-ligne d’ordre n, et si n = 1, on parle de matrice-colonne
d’ordre m.
     
2 5 −3 4 5   −3
2 5 −3
Exemples : A =  2 1 1 , B =  −7 1 ,C = , D =  1 , et
−2 4 1

2 0 −1 2 0 −1
L = 2 5 −3 . A est une matrice carrée d’ordre 3. B est de format (3; 2), C de format
(2; 3).D est une matrice-colonne d’ordre 3, et L une matrice-ligne d’ordre 3.

Conventions : Chaque matrice est encadrée par des crochets [ ]

ou des parenthèses ( ), parfois par d’autres symboles (accolades, traits doubles,...) : la seule
notation non admise est le trait simple || réservé aux déterminants.
Les éléments sont nommés en utilisant deux indices, le premier est l’indice de ligne,le second est
l’indice de colonne. On note alors, par exemple : A = (aij ).
 
  a 11
a11 a12 a13

Exemples : A = , X = a11 a12 a13 a14 , et D =  a21 
a21 a22 a23
a31
Définition 2
Deux matrices de même format, (aij ) et (bij ), sont égales si et seulement si : aij = bij pour tout
couple (i, j).
Définition 3
La diagonale d’une matrice (aij ) est l’ensemble des éléments aii .
   
a11 a12 a13   c11 c12
b11 b12 b13
Exemples : A =  a21 a22 a23 ,B = ,C =  c21 c22 .
b21 b22 b23
a31 a32 a33 c31 c32

2
 CHAPITRE 1. CALCUL MATRICIEL

1.2 Opérations
Transposition

Définition 4
La transposée d’une matrice A = (aij ) est la matrice At = (aji ), obtenue en échangeant des
lignes et les colonnes
de A. Ceci revient
 à effectuer une
symétrie par 
rapport à ladiagonale
 de A
2 5 −3 2 2 2 −3
Exemples : Si A =  2 1 1 , alors : At = A =  5 1 0 . Si C =  1 , alors :

2 0 −1 −3 1 −1 −1
C t = −3 1 −1 .

Propriétés
Si A est de format (m, n), alors At est de format (n, m). En particulier, si A est carrée d’ordre
n, alors At a le même format. La transposée d’une matrice-colonne est une matrice-ligne,et
réciproquement. Enfin, (At )t = A pour toute matrice A.
Définition 5

Une matrice carrée A est dite symétrique si elle vérifie : At = A.

2.2 Produit par un nombre

Définition 6
Le produit d’une matrice A = (aij ) par le nombre λ est la matrice : λA = (λaij ). On dit aussi
que λA est leproduit de Apar 
le scalaire λ. 
2 5 −3 6 15 −9


Exemples : 3  2 1 1  =  6 3 3 , et (−1) −3 1 −1 = 3 −1 1 .
2 0 −1 6 0 −3
Définition 7

Pour chaque format (m, n), on note 0mn la matrice nulle, dont tous les éléments sont nuls.
Si le format est sous-entendu, on note simplement 0.
Propriétés
Les matrices A et λA ont toujours le même format. De plus : λ(At ) = (λA)t .
Pour toute matrice A et tous scalaires λ et µ, on a : λ(µA) = (λµ)A.
Si λ = 1, on a bien entendu : 1A = A, et si λ = 0, on obtient la matrice nulle.
Enfin, le prodduit λA n’est nul que si l’un des facteurs est nul :
λA = 0 si et seulement si λ = 0 ou A = 0.(ce produit est intègre)

2.3 Somme

Définition 8
La somme de deux matrices de même format est définie par :

(aij ) + (bij )= (aij + bij ).    

2 5 −3 1 −3 2 3 2 −1
Exemple :  2 1 1  +  0 7 9  =  2 8 10 .
2 0 −1 6 4 −1 8 4 −2
Propriétés

Pour A, B, C de même format, et des scalaires λ, µ :

AUBE-NOUVELLE 3 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 1. CALCUL MATRICIEL

A + (B + C) = (A + B) + C. ( la somme est associative)

A + B = B + A. ( la somme est commutative)
A + 0 = 0 + A = A. ( la matrice 0 est élément neutre)
Toute matrice admet une opposée, −A = (−1)A.
λ(A + B) = λA + λB, et (λ + µ)A = λA + µA. ( le produit par un scalaire est distributif par
rapport à la somme des matrices et par rapport à la somme des scalaires)
(A + B)t = At + B t .(la transposée d’une somme est la somme des transposées).

2.4 Produit

2.4.1 Produit d’une matrice-ligne par une matrice-colonne

Définition 9
Soit X = (xi ) une matrice-ligne, et soit Y = (yi ) une matrice-colonne de même ordre n. Leur
produit est le nombre : XY = x1 y1 + x2 y2 + ... + xn yn .
(comme le résultat est unnombre,
 ce produit s’appelle aussi produit scalaire
  de X par Y )

−4
0
Exemples : 3 −1 1  5  = −12 − 5 − 6 = −23, a b c  1  = b.
−6 0
2.4.2 Cas général

Définition 10
Le produit de deux matrices n’est défini que si le nombre de colonnes de la première est égal au
nombre de lignes de la seconde. Si A est de format (m, n), et si B est de format (n, p), le produit
C = AB est la matrice de format (m, p) définie par :
chaque élément cij de C est le produit de la ième ligne de A (considérée comme une matrice-ligne)
par la jème colonne de B ( considérée comme matrice-colonne). Autrement dit, si A = (aij ) et
B = (bij ), alors, pour tous (i, j) :
cij = ai1 b1j + ai2 b2j + ... + ain bnj .
   
4 5   −2 40 −7
2 5 −3
Exemple :  −7 1  =  −16 −31 22 .
−2 4 1
2 0 4 10 −6
Propriétés

Pour A, B, C(telles que les produits existent), et des scalaires λ, µ :

A(BC) = (AB)C.
AB 6= BA en général.
A0 = 0 et 0A = 0.
λ(AB) = (λA)B= A(λB).
(AB)t = B t At .
A(B + C) = AB + AC et (A + B)C = AC + BC.
Le produit AB peut être nul avec A 6= 0 et B 6= 0.
En particulier, dans le calcul matriciel, on ne peut pas simplifier :
AC = BC n’implique pas nécessairement A = B (l’hypothèse équivaut à (A − B)C = 0)

AUBE-NOUVELLE 4 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 1. CALCUL MATRICIEL

1.3 Matrices carrées

Pour deux matrices carrées de même ordre A et B, la somme A + B et les produits AB et
BA existent toujours ( on n’a plus à se soucier des conditions d’existence). Toutes les propriétés
vues ci-dessus sont encore vraies, et le calcul matriciel ressemble beaucoup au calcul ordinaire,
à deux exceptions près :
- le produit n’est pas commutatif,
- il n’est pas intègre.
3.1 Matrices identités
Définition 11
Pour chaque ordre n, on appelle matrice identité d’ordre n la matrice notée In définie par :
In = (δij ), avec : δij = 0 si i 6= j, δij = 1 si i = j.
Autrement dit, In n’a que des 1 sur la diagonale et des 0 partout ailleurs. Si l’ordre est implicite,
on la note simplement
 I.
1 0 0
Exemple : I3  0 1 0 .
0 0 1
Propriétés

La matrice In est élément neutre du produit des matrices carrées d’ordre n :

pour toute matrice carrée A d’ordre n, AIn = In A = A.
plus généralement, pour toute matrice A de format (n, p) : In A = A, et pour toute matrice B
de format (m, n) : BIn = B.
    
1 0 0 x x
Exemple :  0 1 0   y  =  y 
0 0 1 z z
3.2 Matrices inverses
Définition 12
On dit qu’une matrice carrée A est inversible si et seulement si il existe une matrice B (de même
format) telle que : AB = BA = I.
B est alors appelée l’inverse de A, et est notée A−1 .
Exemple : Puisque 2
 I = I, lamatrice identité
 est sa propre inverse : I −1 = I.
1 1 1 −1
Si A = , et si B = , alors : AB = BA = I, et donc B = A−1 .
0 1 0 1
Propriétés
Si AB = I, alors A est inversible et B= A−1 .
(cette importante propriété montre qu’il est inutile, en pratique, de calculer AB et BA)
On en déduit que si A est inversible, alors son inverse est unique.
(A−1 )−1 = A, autrement dit, A−1 est inversible, d’inverse A.
Si A et B sont inversibles, alors AB l’est aussi et : (AB)−1 = B −1 A−1 (attention à l’ordre).
1
Si A est inversible et si λ 6= 0, alors λA est inversible et (λA)−1 = A−1 .
λ
Si A est inversible, alors At l’est aussi, et : (At )−1 = (A−1 )t .

Théorème 1

Soit A une matrice carrée d’ordre n, et soient X et B deux matrices-colonnes d’ordre n.

Si A est inversible, alors le système AX = B admet un solution unique, donnée par : X = A−1 B,
quelle que soit la matrice-colonne B.
Réciproquement, si le système AX = B n’admet qu’une solution, pour une matrice-colonne

AUBE-NOUVELLE 5 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 1. CALCUL MATRICIEL

quelconque B, alors A est inversible (et la solution est X = A−1 B).

On en déduit une méthode pratique pour calculer l’inverse d’une matrice, en résolvant un système
d’ équations.

3.3 Matrices triangulaires et diagonales

Définition 13
Une matrice carrée (aij ) est triangulaire supérieure si tous les éléments au-dessous de la diago-
nale sont nuls : aij = 0 pour i > j.
Une matrice carrée (aij ) est triangulaire inférieure si tous les éléments au dessus de la diagonale
sont nuls : aij = 0 pour i < j.
Une matrice carrée (aij ) est diagonale si tous les éléments en dehors de la diagonale sont nuls :
aij = 0 pour i 6= j. (elle est à la fois triangulaire supérieure et inférieure)
   
2 5 −3 2 0 0
Exemples : A =  0 1 1  est triangulaire supérieure,  2 1 0  est triangulaire
 0 0 −1 2 4 −1
2 0 0
inférieure et  0 1 0  est diagonale.
0 0 −1

1.4 Puissance d’une matrice carrée

Pour toute matrice carrée A les puissances de A sont définies par récurrence de la manière
suivante :
On pose A0 = I, A1 = A, A2 = A × A et ∀n ∈ N, An+1 = A × An , An+1 = A × An = An × A.
De plus ∀n, m ∈ N, Am+n = An × Am = Am × An , (An )m = Anm .
Une matrice carrée A est dite idempotente si A2 = A.
Soit A une matrice carrée non nul. A est dite nilpotente s’il existe k ≥ 2 tel que Ak = 0
Exemple
 : Les matrices
 suivantes
 sont-elles idempotentes ? nilpotentes ?
0 1 4 −2
A= ,B=
0 0 6 −3

1.5 Rang d’une matrice

Définition 14

Une matrice B est dite échelonnée en ligne si

- chaque ligne non nulle de B commence avec strictement plus de 0 que la ligne précédente, et
- les lignes nulles (ne contenant que des 0) de B viennent en bas après les lignes non nulles.

Toute matrice A peut se reduire à une matrice échelonnée en lignes B par une suite d’opérations
élémentaires sur les lignes. On appelle B la forme échelonée en lignes de A.

Définition 15

Le rang d’une matrice A est le nombre de lignes non nulles dans sa forme échelonnée en lignes.
On le note rgA.

AUBE-NOUVELLE 6 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 1. CALCUL MATRICIEL

par exemple la matrice suivante A se réduit en sa forme écholonnée en lignes par les pivotages
 
1 −3 6 2
A =  2 −5 10 3 
3 −8 17 4
en éffectuant les opérations suivantes sur les lignes :
L2 ←− L2 − 2L1 et L3 ←− L3 − 3L1 , on obtient :
1 −3 6 2
A1 =  0 1 −2 −1 
0 1 −1 −2
éffectuons l’opération suivante : L3 ←− L3 − L2 on obtient la matrice échelonnée en ligne B de
A definie
 par : 
1 −3 6 2
B =  0 1 −2 −1 
0 0 1 −1
Donc le rang de A est 3.

Trouver
 le rang dela matrice C où :
1 3 2
C=  1 4 1 
0 1 −1
Remarques

- Pour toute matrice A on a

rgA ≤ nombre de lignes de A,
rgA ≤ nombre de colonnes de A
- Le rang d’une matrice ne change pas
. Quand on change l’ordre des lignes
. Quand on multiplie (ou divise) une ligne par un nombre non nul
. Quand on ajoute (ou retranche) à une ligne une combinaison des autres
. Quand on ajoute (ou retranche) à la matrice une nouvelle ligne qui est une combinaison linéaire
des autres .

1.6 Déterminants
Le déterminant d’une matrice carrée A est un nombre detA qu’on associe à A qui apparait
dans beaucoup de formules. Quand les coefficients de la matrice sont donnés, la notation usuelle
pour son déterminant est le menbre de gauche suivant, mais les autres notations sont utilisées.
 
a11 a12 a13 a11 a12 a13
a21 a22 a23 = det  a21 a22 a23 =|A|= detA.
a31 a32 a33 a31 a32 a33
Les délimiteurs || sont réservés aux déterminants, et les délimiteurs ( ) et [ ] aux matrices.
On dit déterminant d’ordre n pour le déterminant d’une matrice carrée n × n.
Il y’a au moins 4 facons différentes mais équivalentes à définir les déterminants, mais aucune
d’elles n’est simple. Donc on va se concentrer sur le calcul des déterminants et sur leurs pro-
priétés principales. Seulement après cela on donnera une des définitions de déterminants.

AUBE-NOUVELLE 7 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 1. CALCUL MATRICIEL

Déterminants d’ordre 1,2 et 3.

Le déterminant d’une matrice 1 × 1 est son coefficient :
|a| = det(a) = a.
On ne distingue pas trop entre une matrice 1 × 1, son unique coefficient, et son déterminant.
Le déterminant matrice 2 × 2 est donnée par :
 d’une 
a b a b
= det = ad − bc
c d c d
Le déterminant d’une matrice 3 × 3 se calcule par la règle de Sarrus. Cette règle est utilisée
uniquement pour les déterminants d’ordre 3. Elle est fausse pour toute autre taille. On recopie
les deux premières colonnes de la matrice comme les 4ème et 5ème colonnes d’une matrice aug-
mentée.

 
a11 a12 a13 a11 a12
 a21 a22 a23 a21 a22 
a31 a32 a33 a31 a32
Le déterminant est la somme et différence de 6 termes correspondant aux 6 grandes diago-
nales de la matrice augmentée. Spécifiquemment, on fait la somme des 3 produits le long des
longues diagonales de sens ,puis on soustrait les 3 produits le long des longues diagonales
de sens .
detA = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 − a11 a23 a32 − a12 a21 a33 .

Il ya ceux qui préfèrent ajouter deux lignes à la matrice plutot que deux colonnes, mais cela
revient à la même chose.  
1 2 3
exemple : calculer detA où A =  4 5 6 
7 8 9
Calcul de déterminants
Les deux théorèmes suivants permettent de calculer les déterminants efficacement.

Théorème 1

Le déterminant d’une matrice triangulaire est le produit de ses coefficients diagonaux.

Ce théorème s’applique aux matrices triangulaires supérieures, aux matrices triangulaires inférieures,
et aux matrices diagonales :

a b c u 0 0 r 0 0
0 d e = adf , v x 0 = uxz, 0 s 0 = rst
0 0 f w y z 0 0 t
Décrivons ce qui se passe au déterminant quand on fait des opérations élémentaires sur ses
lignes :

Théorème 2

Soit A une matrice carrée, et soit A1 la matrice obtenue en appliquant une opération élémentaire
aux lignes de A. On a :

AUBE-NOUVELLE 8 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 1. CALCUL MATRICIEL

0

 detA1 si l operation
 est du type Li ←− Li + aLj (avec i 6= j),
0
detA = −detA1 si l operation est du type Li ←→ Lj (avec i 6= j),
 r.detA1 si l0 operation est du type Li ←− 1 Li .

r
On peut donc évaluer un déterminant en mettant la matrice en forme échelonnée. Le déterminant
évolue selon le Théorème
2. Le dt́erminant
 de la matrice échelonnée se calcule par le Théorème
1 2 3
1. Calculer detA où A =  4 5 6  en utilisant les théorèmes précédents.
7 8 9
Propriétés du déterminant

Un des intérêts principaux du déterminant est le fait suivant :

Théorème 3

Une matrice carrée A est inversible si et seulement si on a detA 6= 0.

Donc pour A une matrice carrée de taille n × n on a :

A inversible ⇔ rgA = n ⇔ detA 6= 0.

Théorème 4

Soit A et B des matrices carrées de la même taille. On a :

(a) det(At ) = detA,
(b) det(AB) = [Link], et
(c) det(A + B) 6= detA + detB en général.

Développement par rapport à une ligne ou une colonne

Un peu de vocabulaire. Une sous - matrice d’une matrice A est une matrice obtenue en
supprimant quelques lignes et / ou colonnes de A. Un mineur de A est le déterminant d’une sous
matrice carrée de A.
Pour une matrice carrée A de taille n × n notons Aij la sous matrice (n − 1) × (n − 1) obtenue
en supprimant la i-ème ligne Li et la j-ème colonne Cj de A. La formule générale est :
detA = a11 .detA11 − a12 .detA12 + a13 .detA13 − ... ± a1n .detA1n . Regardons de près cette formule.
On prend tous les coefficients a11 , a12 , ..., a1n d’une ligne ou d’une colonne de A. On multiplie
chacun de ces coefficients a1j par un mineur detA1j , le déterminant de la sous matrice où on
supprime la ligne et la colonne du coefficient a1j . Ensuite on multiplie chaque produit par un
signe + ou -, en alternance, et on additionne.

Exemple  
1 2 3
calculer : alculer detA où A =  4 5 6 
7 8 9
On peut développer detA par rapport à n’importe quelle ligne ou colonne. La formule pour
les développements par rapport à la i-ème ligne Li est :

detA = (−1)i+1 ai1 detAi1 + (−1)i+2 ai2 detAi2 + ... + (−1)i+n ain detAin .

AUBE-NOUVELLE 9 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 1. CALCUL MATRICIEL

Le développement le long de la j-ème colonne Cj est

detA = (−1)1+j a1j detA1j + (−1)2+j a2j detA2j + ... + (−1)n+j anj detAnj .

Pratique. Normalement il n’est pas très pratique d’évaluer un déterminant d’ordre n ≥ 4

par le développement par rapport à une ligne ou une colonne, parce qu’il faut évaluer beaucoup
de mineurs d’ordre n − 1 en les développant à leur tour, etc.
la réduction à la forme échelonnée est énormément plus éfficace pour les grands déterminants.
Exception. Il peut être pratique de développer un déterminant par rapport à une ligne ou une
colonne qui contient seulement 1 ou 2 coefficients non nuls.

La définition du déterminant

Jusqu’à maintenant on a évité de donner une définition du déterminant d’une matrice carrée
n × n générale parce que toutes les définitions sont compliquées.
La définition la plus élémentaire est recursive.

Définition 16

Soit A une matrice carrée d’ordre n.

• Pour n = 1,et A = (a), on pose detA = a.
• Pour n ≥ 2, on définit detA par son développement par rapport à la première ligne
detA = a11 .detA11 − a12 .detA12 + a13 .detA13 − ... ± a1n .detA1n .

1.7 Comatrice
Soit M = (aij ) une matrice carrée d’ordre p on note N = (bij ) une matrice carrée d’ordre p
avec bij = (−1)i+j det(Mij )
Mij étant la matrice déduite de M par suppression de la ligne de rang i et de la colonne de
rang j alors on appelle comatrice de M et on la note M ∗ , la matrice transposée de N . Donc la
matrice M ∗ = N t

Exemple  
1 0 −1
dt́erminer la comatrice de la matrice M =  0 −1 1 
−1 2 0
Théorème
Pour qu’une matrice carrée M soit inversible il faut et il suffit que detM 6= 0 alors :
1
M −1 = .M ∗ .
detM
Exemple
 
1 3 −1
soit la matrice A =  3 −1 1 
−2 1 −3

AUBE-NOUVELLE 10 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 1. CALCUL MATRICIEL

1.8 Diagonalisation des matrices carrées

1.8.1 Éléments propres d’une matrice carrée
Définition
Soit A ∈ Mn (K). On appelle :
·Valeur propre de A, tout scalaire λ ∈ K tel qu’il existe une matrice colonne non nulle X
vérifiant AX = λX
·Vecteur propre de A toute matrice colonne X ∈ Mn,1 (K) non nulle telle qu’il existe λ ∈ R
vérifiant AX = λX
Remarques :
1) λ est valeur propre de A si et seulement si (A − λI) n’est pas inversible. Donc les
valeurs propres d’une matrice triangulaire sont ses éléments diagonaux.
2) A est inversible si et seulement si O n’est pas valeur propre de A.

Exemple    
1 0 1 0 0
 3   2 0 −1 0 
Montrer que u = 
 −7  est un vecteur propre de la matrice M =  0 7 0 6
  .

−7 0 0 3 0

Matrices diagonalisables
Définition 1.8.1. Une matrice A ∈ Mn (K) est dite diagonalisable si elle est semblable à une
matrice diagonale, c’est-à-dire s’il existe une matrice P carrée inversible
d’ordre n telle que la matrice D = P −1 AP soit diagonale.

1.8.2 Pratique de la diagonalisation

Proposition 1.8.2. Les vecteurs propres de la matrice carrée A d’ordre n associés à une valeur
propre λ de A et le vecteur nul sont les vecteurs du noyau de la matrice A − λIn .
Définition 1.8.3.
• Le noyau de la matrice A − λIn noté ker(A − λIn ) est appelé sous espace propre associé à la
valeur propre λ.
• Le polynôme caractéristique de A est défini par PA (x) = det(A − xIn ).
Remarques :
(i) Le polynôme caractéristique d’une matrice carrée d’ordre n est de degré n.
(ii) Les racines du polynôme caractéristique de A sont les valeurs propres de A. L’ensemble
des valeurs propres de A est appelé le spectre de A et on le note spect(A).
Définition 1.8.4.
• Un polynôme est dit scindé sur R, s’il peut s’écrire comme produit de facteurs du 1er degré.
3
Exemple Le polynôme −x + 3x + 2 = (x + 2)2 (2 − x) est scindé sur R mais pas x3 − 1.
• On suppose que le polynôme caractéristique de A ∈ Mn (R) s’écrit :
PA (x) = (x − λ1 )r1 (x − λ2 )r2 . . . (x − λm )rm où r1 + r2 + . . . + rm = n.
Le nombre ri est appelé ordre de multiplicité (om) de la valeur propre λi , i = 1, m.
Théorème 1.8.5. Une matrice carrée A est diagonalisable si et seulement si :
(i) Son polynôme caractéristique est scindé,
(ii) La dimension de chaque sous espace propre est égale à l’ordre de mulitiplicité de la valeur
propre associée.

AUBE-NOUVELLE 11 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 1. CALCUL MATRICIEL

Corollaire 1.8.6. Si A ∈ Mn (R) et son polynôme caractéristique admet n racines distinctes,

alors A est diagonalisable.

Proposition 1.8.7. Si λ1 , λ2 , ..., λm Sont m valeurs propres distinctes de A ∈ Mn (R) associées

respectivement aux vecteurs propres (non nuls) V1 , V2 , ...Vm ces vecteurs sont
linéairement indépendants et par conséquent B = {V1 , V2 , . . . Vm } est une base de Rn .

Remarque
Diagonaliser une matrice carrée A revient à déterminer une base B dans laquelle on a D =
P −1 AP (D et P sont données dans la base B).

• La matrice diagonale D est formée des valeurs propres de A.

• La matrice de passage P est formée des composantes des vecteurs propres (écrites en
colonnes).

1.8.3 Travaux pratiques

 
−2 −2 1
1) Soit A =  −2 1 −2 
1 −2 −2
La matrice A est-elle diagonalisable
 ?si oui la diagonaliser
1 1 0
2) La matrice A =  −1 2 1  est-elle diagonalisable ?
 1 0 1
1 1 0
3) Soit A =  1 1 1 .
0 −1 1
a) Calculer A3 − 3A2 + 3A − I
b) A est-elle diagonalisable ?
c) A est-elle inversible ? si oui déterminer A−1 .

1.8.4 Application de la diagonalisation : Calcul des puissances d’une

matrice
- Si A est diagonalisable, il existe P ∈ GLn (k) telle que P −1 AP = D soit diagonale.
Alors A = P DP −1 et Ak = (P DP −1 ) (P DP −1 ) ....(P DP −1 ) = P Dk P −1 pour tout k ∈ N∗ .

Exemple  
2 0 4
Calculer Ak pour tout k ∈ N si A =  3 −4 12 
1 −2 5

AUBE-NOUVELLE 12 Dr ZOUNGRANA Malick ©

2024
Chapitre 2

Equations differentielles

2.1 Généralités
Définition 2.1.1. On appelle équation différentielle, toute équation établissant une relation
entre la variable indépendante x, la fonction inconnue y = f (x) et ses dérivées successives
y 0 , y ” , . . . , y (n) . On la note symboliquement

F (x, y, y 0 , y ” , . . . , y (n) ) = 0.

On appelle ordre d’une équation différentielle, l’ordre de la dérivée la plus élévée contenue dans
cette équation.

Exemples
2 0
2x y + ex y 3 + 1 = 0 est une équation différentielle du 1er ordre tandis que y ” + y = 3x est une
équation différentielle du second ordre.

Définition 2.1.2. Résoudre ou intégrer une équation différentielle, c’est trouver l’ensemble des
fonctions y = f (x) vérifiant identiquement cette équation. La solution obtenue est dite solution
générale qu’on note yG . Si on connait une fonction particulière qui vérifie l’équation différentielle,
on parle de solution particulière qu’on note yp .

2.2 Equations différentielles du 1er ordre

Une équation différentielle du 1er ordre est de la forme F (x, y, y 0 ) = 0.
Nous donnons dans cette partie quelques types d’équations différentielles du 1er ordre.

2.2.1 Equations linéaires

Ce sont des équations de la forme

y 0 + a(x)y = b(x) (1) ,

où a, b sont des fonctions continues de la variable réelle x.

Remarque : Lorsque b(x) = 0, on dit que (1) est homogène ou sans second membre.

Proposition 2.2.1. L’ensemble des solutions yG de (1) est la somme de l’ensemble des solutions
sans second membre yH et d’une solution particulière yp .

yG = yH + yp .

13
 CHAPITRE 2. EQUATIONS DIFFERENTIELLES

Principe de résolution de (1)

(i) Résolution de l’équation sans second membre
y 0 + a (x) y = 0 (2)
Soit y (x) 6= 0 une solution alors on a :
y = ±ecste e−A(x) = Ke−A(x)
(ii) Résolution de l’équation avec second membre par la méthode de la variation
de la constante :
de y = k (x) e−A(x) où A0 = a, on déduit que y 0 = k 0 (x) e−A(x) − k (x) a (x) e−A(x) =
(k − ak) e−λ
0

l’équation (1) est équivalente à : (k 0 − ak) e−A + ake−A = b

ou encore k 0 (x) = b (x)ReA(x)
qui s’intègre en k (x) = b (x) eA(x) [Link] solution générale de (1) est donc : y = e−A(x) e−A(x) b (x) dx
R

On dit qu’on a ramené la résolution de l’équation (1) à une quadrature (c’est-à-dire au calcul
d’une primitive).
Exemple
Intégrer : y 0 + y = 3x2 + x − 4
La solution générale de l’équation sans second membre est y = ke−x
• Méthode de la devinette vérification :
Cherchons y1 sous la forme d’une fonction polynôme de degré 2 : y1 (x) = αx2 + βx + γ d’où
0
y1 = 2αx + β et
y 0 + y = αx2 + (2α + β) + (β + γ) on aura une solution particulière pour α = 3, 2α + β = 1
et β + γ = −4, soit α = 3, β = −5 et γ = 1.
La solution générale cherchée est donc : y = 3x2 − 5x + 1 + ke−x .
• Méthode de la variation de la constante :
Posons y = ke−x d’où y 0 = 0 −x −x 0 −x 2
R
R k ex −ke x et Rk ex = 3x +n−4,x soi R k2 (x) = (3x2 + xR− 4) ex dx
en intégrant par parties xe dx = xe − e dx = (x − 1) e , x ex dx = x2 ex − 2 xex dx =
(x − 2x + 2) ex
2

d’où k (x) = [3 (x2 − 2x + 2) + (x − 1) − 4] ex + k = (3x2 − 5x + 1) ex + k

2.2.2 Equations à variables séparées

Ce sont les équations qui peuvent se mettre sous la forme f (y) y 0 = g (x) où f et g sont
deux fonctions continues de la variable réelle x et y respectivement ; ce que l’on écrit d’habitude
f (y) dy = g (x) dx. Le théorème du changement de variable montre que si F est une primitive
de f et G une primitive de g alors, toute solution vérifie F (y) = G (x) + constante.

Exemple 2.2.2. Intégrer y 0 − 1 − x22 y = 0

on a : dy 2
dx d’où ln |y| = x + x2 + c


y
= 1 − x 2
2
y = ke(x+ x )

2.2.3 Equations homogènes

Ce sont des équations de la forme y 0 = f xy on se ramène à une équation à variables séparés

en posant xy = t, par y 0 = t0 x + t d’où t0 x + t = f (t) et f (t)−t

dt
= dx
x
p
Exemple 2.2.3. Intégrer xy 0 − y = x2 + y 2 pour x > 0
q
2
y − x = 1 + xy
0 y
√
Soit pour t = xy : t0 x + t − t = 1 + t2

AUBE-NOUVELLE 14 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 2. EQUATIONS DIFFERENTIELLES

√ dt = dx
1+t2 x √


d’où ln t + 1 + t2 = ln x + Cste
√
t + 1 + t2 = kx
Soit √
y x2 +y 2
x
+ x
= kx
p
x2 + y = kx2 −
2 y
(k2 x2 −1)
ou encore y : 2kq
0 y 2


pour x < 0, y − y (x) = − 1 + x

2.2.4 Equations de Bernoulli

Ce sont les équations de la forme y 0 + a (x) y = b (x) y α où α ∈ Z (on peut aussi supposer
α ∈ R, en ne cherchant que les solutions vérifiant y ≥ 0) a et b deux fonctions réelles. Si
α = 0 l’équation est linéaire, si α = 1 elle est linéaire et homogène. Dans les autres cas on se
ramène à une équation linéaire en U, où on a posé U = y 1−α
Exemple : intégrer y 0 = 3yx−1 − y 3 x−5
xy 0 + 3y = x2 y 2

2.2.5 Equations de Riccatti

Ce sont les équations de la forme
y 0 = a (x) y 2 + b (x) y + e (x)
où a, b, c sont des fonctions réelles de variables réelles définie sur un même intervalle de R.
Ces équations se ramènent à une équation de Bernoulli avec α = 2 si on connaı̂t une solution
particulière y1 en faisant le changement de fonction inconnue y = y1 + z :
z 0 = a (x) z 2 + [2a (x) y1 + b (x)] z
Exercice 2.2.4. Intégrer y 0 = x−1 y 2 − (2 + x−1 ) y + x + 2. On vérifiera d’abord que y1 = x est
solution.

2.3 Equations différentielles linéaires du second ordre à

coefficients constants
2.3.1 Equations sans second membre
On appelle équation différentielle linéaire du second ordre à coefficients constants sans second
membre toute équation différentielle de la forme :
az 00 + bz 0 + cz = 0 (1)
Où a, b, c ∈ R, a 6= 0, z : R −→ C
Le polynôme P (r) = ar2 + br + c s’appelle le polynôme caractéristique associé. Soit r1 , r2 ses
racines (r0 si double). On pose 4 = b2 − 4ac.
Principaux résultats
a. Les solutions complexes de (1) sont de la forme :
1. Si 4 = 6 0, z (t) = Aer1 t + Ber2 t A, B ∈ C
r0 t
2. si 4 = 0, z (t) = (A + Bt) e A, B ∈ C
b. Les solutions réelles de (1) sont de la forme :
1. Si 4 > 0, z (t) = Aer1 t + Ber2 t A, B ∈ R
r0 t
2. Si 4 = 0, z (t) = (A + Bt) e A, B ∈ R
3. Si 4 < 0 et si r1 = α + βi, r2 = α − βi
Alors : z (t) = eαt (A cos(βt) + B sin(βt)) A, B ∈ R

AUBE-NOUVELLE 15 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 2. EQUATIONS DIFFERENTIELLES

Ou encore z (t) = Ceαt cos (t − ϕ) , C, ϕ ∈ R

Exercice 2.3.1. intégrer : y 00 − 2y 0 − 3y = 0; y 00 − 2y 0 + y = 0
y 00 + 6y 0 + 10y = 0

2.3.2 Equations avec second membre

On appelle équation linéaire du second ordre à coefficients constants avec second membre,
toute équation différentielle de la forme
az 00 + bz 0 + cz = f (t) a 6= 0 (2)
où f est une fonction complexe de la variable réelle l’équation az 00 + bz 0 + cz = 0 s’appelle
l’équation sans second membre associée et P (r) = ar2 + br + c le polynôme
caractéristique.
Principaux résultats
A. La solution de (2) s’obtient en ajoutant une solution particulière Zo de (2) à la solution
Z de l’équation sans second membre associée (1).
B. Etant donnés xo ∈ R, ξo ∈ C et ξo0 ∈ C il existe une solution et une seule de (2) telle
que z (xo ) = ξo et z 0 (xo ) = ξo0 .
C. Si pour k = 1, 2, ...n zk est une solution particulière de az 00 + bz 0 + cz = fk (t), alors
Z = z1 + · · · + zn est une solution particulière de az 00 + bz 0 + cz = f1 (t) + f2 (t) + · · · + fn (t).
Recherche d’une solution particulière seconds membre remarquables
A. az 00 +bz 0 +cz = Pn (t) où Pn est une fonction polynome de degré n. Une solution particulière
est de la forme :
1. Si c 6= 0
Zo (t) = Qn (t) , deg Qn = n
2. Si c = 0 et b 6= 0
Zo (t) = Qn+1 (t) , deg Qn+1 = n + 1
3. Si c=b=0
Zo (t) = Qn+2 (t) , deg Qn+2 = n + 2
On détermine les coefficients de Q par identifications, sauf dans le cas 3, où on intègre
directement (de préférence).
Exercice 2.3.2. intégrer :
y 00 − 3y 0 + 2y = 2x2 − 5x + 3
y 00 − 4y 0 = x2 − 2x
y 00 = x2 + x − 3
B. az 00 + bz 0 + cz = Deλt , où D et λ sont des constantes. Une solution particulière est de la
forme.
D
1. Si λ n’est pas racine du polynôme caractéristique, Zo (t) = aλ2 +bλ+c eλt
D
2. Si λ est racine simple du polynôme caractéristique Zo (t) = 2aλ+b teλt
D 2 λt
3. Si λ est racine double du polynôme caractéristique Zo (t) = 2a te
Exercice 2.3.3. intégrer :
y 00 − 5y 0 + 6y = 3e4x
y 00 − 5y 0 + 6y = 5e2x
y 00 − 6y 0 + 9y = 5e3x
C. az 00 + bz 0 + cz = Pn (t) eλt où Pn est un polynôme de degré n, λ une constante. Une solution
particulière est de la forme.
1. Si λ n’est pas racine du polynôme caractéristique Zo (t) = eλt Qn (t) deg Qn = n
2. Si λ est racine simple du polynôme caractéristique Zo (t) = eλt Qn+1 (t) deg Qn+1 = n + 1
3. Si λ est racine double du polynôme caractéristique Zo (t) = eλt Qn+2 (t) deg Qn+2 = n + 2

AUBE-NOUVELLE 16 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 2. EQUATIONS DIFFERENTIELLES

Exercice 2.3.4. intégrer :

y 00 − y 0 − 2y = x2 e−3x

y 00 − 6y 0 + 9y = 5e3x
y 00 + 2y 0 − 8y = 4 (3x + 5) e2x
00 0
D. az + bz + cz = eλt (A cos ωt + B sin ωt) où λ, ω, A, B sont des constantes.
a. En posant 2 cos ωt = eiωt + e−iωt , 2i sin ωt = eiωt − e−iωt et en remplaçant, on a une
équation du type C.
b. Si on demande seulement les solutions réelles, pour éviter les calculs, il est préférable
de procéder comme suit :
1. Si λ+iω n’est pas racine du polynôme caractéristique une solution particulière est Zo (t) =
eλt (C cos ωt + D sin ωt)
2. Si λ + iω est racine du polynôme caractéristique une solution particulière est Zo (t) =
teλt (C cos ωt + D sin ωt)
Dans les deux cas on détermine C et D par identification. Si au second membre on a : cosn t,
n
sin t,ou bien on les transforme en exponentielles complexes, ou bien on linéarise.

Exercice 2.3.5. Intégrer les équations différentielles suivantes :

y 00 − 3y 0 + 2y = cos x
y 00 − 2y 0 + y = cos x
y 00 + 3y = cos3 x
y 00 + 4y = cos 2x
2y 00 − y 0 − 3y = 29e−x cos x

Equation linéaire d’ordre n à coefficients constants avec un second membre spécial.

Soit f (x) = Pn (x) eαx cos βx + Qm (x) eαx sin βx
Où Pn (x) et Qm (x) sont polynômes de x, alors y1 = Uγ (x) eαx cos βx + Vτ (x) eαx sin βx, τ =
moux (m, n)
Dans le cas où le nombre α + βi− n’est pas solution de l’équation caractéristique et y1 =
x (Uτ (x) eαx cos βx + Vτ (x) eαx sin βx) dans le cas où α + βi− racine d’ordre λ de la dite
λ

équation.

AUBE-NOUVELLE 17 Dr ZOUNGRANA Malick ©

2024
Chapitre 3

Fonctions numériques de plusieurs

variables

3.1 Généralités sur les fonctions à deux variables

On appelle fonction numérique à deux variables réelles, une application f d’une partie D de
2
R vers R notée :
f: D −→ R
x = (x1 , x2 ) 7−→ f (x) = f (x1 , x2 ).
D est appelé domaine de définition de f .
Exemple :
Soit f (x, y) = ln[y(x2 − 1)]. Déterminer le domaine de définition de f et le représenter.
Résolution :
Df = {(x, y) ∈ R2 /y(x 2
− 1) > 0}. On a : 
y>0 y<0
y(x2 − 1) > 0 ⇐⇒ ou
x2 − 1 > 0 x2 − 1 < 0
 
y ∈]0; +∞[ y ∈] − ∞; 0[
⇐⇒ ou
x ∈] − ∞; −1[∪]1; +∞[ x ∈] − 1; 1[.
Par suite Df = (] − ∞; −1[∪]1; +∞[) × (]0; +∞[) ∪ (] − 1; 1[) × (] − ∞; 0[).
Représentation du domaine :

3.2 Limites et continuité

Les notions de limites et de continuité d’une fonction à deux variables s’introduisent comme
pour les fonctions d’une seule variable.
Définition 1 :
f: R2 −→ R
Soit une fonction à deux variables, et M0 (x0 , y0 ) ∈ R2 . On
M (x, y) 7−→ f (M ) = f (x, y),
dit que lim f (M ) = l si et seulement si
M →M0
∀ε > 0, ∃α > 0, ∀M ∈ R2 , (d(M, M0 ) < α =⇒ |f (M ) − l| < ε).
Définition 2 :
On dit que f est continue au point M0 si lim f (M ) = f (M0 ).
M −→M0
Une fonction continue en tout point d’un domaine est dite continue sur ce domaine.
Exemple 1 : Étudier la continuité de f sur R2 .

18
 CHAPITRE 3. FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES

1

2 2
 (x + y ) sin p 2

 si (x, y) 6= (0, 0)
x + y2
f (x, y) =


0 si (x, y) = (0, 0).

On a Df = R2 .
• Continuité en (0, 0)
1 1
Pour (x, y) 6= (0, 0), on a f (x, y) = (x2 + y 2 ) sin p = (x2 + y 2 ) sin p .
x2 + y 2 x2 + y 2
Comme sin √ 21 2 ≤ 1, alors |f (x, y)| ≤ x2 + y 2 . Par suite lim f (x, y) = 0 = f (0, 0). on
x +y (x,y)→(0,0)
conclut que f est continue en (0, 0).
• Continuité sur R2 − {(0, 0)}.
1
Les fonctions (x, y) 7→ x2 + y 2 et (x, y) 7→ sin p sont continues sur R2 − {(0, 0)}. Donc f
+ x2 y2
2
est continue sur R − {(0, 0)} comme produit de deux fonctions qui y sont continues. On conclut
alors que f est continue sur R2 .

Exemple  2xy : Étudier la continuité de g en (0, 0), où

 x2 + y 2 si (x, y) 6= (0, 0)

g(x, y) =

0 si (x, y) = (0, 0).

Pour la résolution, posons y = λx. On a alors :
xλx λx2 λ
g(x, y) = g(x, λx) = 2 2
= 2 2
= (avec x 6= 0),
x + (λx) x (1 + λ ) 1 + λ2
λ
d’où lim g(x, y) = lim g(x, λx) = (qui dépend de λ).
(x,y)→(0,0) x→0 1 + λ2
Par conséquent lim g(x, y) n’existe pas et donc, g n’est pas continue en (0, 0).
(x,y)→(0,0)

3.3 Dérivées partielles

Définition 3.3.1. (dérivées partielles premières)

f: R2 −→ R
Soit une fonction à deux variables x et y.
(x, y) 7−→ f (x, y),
• On dit que f est dérivable par rapport à la première variable x en un point (x0 , y0 ) si
f (x, y0 ) − f (x0 , y0 ) ∂f
lim existe et est finie. Si tel est le cas, cette limite est notée (x0 , y0 ) ou
x→x0 x − x0 ∂x
0
fx (x0 , y0 ), et est appelée dérivée partielle première de f par rapport à x au point (x0 , y0 ).
• De même, on définit la dérivée partielle première de f par rapport à y au point (x0 , y0 ) :
0 ∂f f (x0 , y) − f (x0 , y0 )
fy (x0 , y0 ) = (x0 , y0 ) = lim .
∂y y→y0 y − y0
• Si f est dérivable par rapport à x ou y en tout point d’un sous ensemble contenu dans le
0 ∂f 0 ∂f
domaine de définition de f , on notera fx ou (respectivement fy ou ) la fonction dérivée
∂x ∂y
partielle première de f par rapport à x (respectivement la fonction dérivée partielle première de
f par rapport à y).
Dans la pratique, pour dériver f (x, y) par rapport à x, on garde y constante et on dérive par
rapport à x. De même, pour dériver par rapport à y, on garde x constante.

AUBE-NOUVELLE 19 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 3. FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES

Exemple : Déterminer les fonctions dérivées partielles premières de la fonction f définie par

2y 2
si (x, y) 6= (0, 0)


 2 2
f (x, y) = x + y


0 si (x, y) = (0, 0).


Résolution :
• f est dérivable sur R2 −{(0, 0)} comme quotient de fonctions ((x, y) 7→ 2y 2 et (x, y) 7→ x2 +y 2 )
dérivables sur R2 − {(0, 0)}. Ainsi, pour (x, y) 6= (0, 0) on a :
∂f  2y 2 0 −4xy 2
(x, y) = =
2 et
∂x x2 + y 2 x x2 + y 2
∂f  2y 2 0 4y(x2 + y 2 ) − 2y(2y 2 ) 4x2 y
(x, y) = =
2 =
2 .
∂y x2 + y 2 y x2 + y 2 x2 + y 2
• Étudions l’existence de dérivées partielles premières en (0, 0). On a :
f (x, 0) − f (0, 0) 0 ∂f
∗ lim = lim 3 = 0 = (0, 0).
x→0 x−0 x→0 x ∂x
f (0, y) − f (0, 0) 2y 2 2
∗ lim = lim 3 = lim = ±∞. Donc f n’admet pas de dérivée partielle
y→0 y−0 y→0 y y→0 y
première par rapport à y en (0, 0).

Définition 3.3.2. : le gradient

Soit f une fonction de deux variables dérivable en M0 ∈ Df . On appelle gradient de la fonction
f au point M0 , le vecteur dont les composantes sont les dérivées partielles premières de f au
point M0 . Ce vecteur est noté ∇f (se lit nabla f ).
 
∂f
∂f

(∇f )(M0 ) = M0 , M0 .
∂x ∂y

Exemple :
Soit f définie par f (x, y) = ln 1 + x2 y 2 .

Calculer les gradients de f aux points M0 (0, 1) et M1 (−1, 1).

Définition 3.3.3.
Soit f une fonction définie dans un domaine ouvert Ω ⊂ R2 .
• On dit que f est de classe C0 sur Ω si elle est continue sur Ω.
• On dit que f est de classe C1 sur Ω si f est continue, ses dérivées partielles premières existent
et sont continues sur Ω.

Proposition 3.3.4. : Dérivée d’une fonction composée de R

Soit I un intervalle de R, f une fonction de classe
C1 de Ω dans R et u, v deux fonctions
définies de I dans R tels que ∀ t ∈ I, u(t), v(t) ∈ Ω.

Soit g la fonction définie de I vers R par g(t) = f u(t), v(t) .
• Si u et v sont dérivables en t ; alors g est dérivable en t et on a :
∂f ∂f
g 0 (t) = u0 (t) × u(t), v(t) + v 0 (t) ×



u(t), v(t) .
∂x ∂y

• Si u et v sont de classe C1 sur I, alors g est de classe C1 sur I.

AUBE-NOUVELLE 20 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 3. FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES

Exemple :
Soit f une fonction de classe C1 sur R2 et g définie sur R par g(t) = f cos(2t), e−2t .

Calculer g 0 (t).

Proposition 3.3.5. : Dérivée d’une fonction composée de R2

Soit f une fonction de deux variables u et v de classe C1 , définie dans un domaine Ω de R2 .
Supposons que u, v soient des fonctions

de deux variables x et y.
Soit g : (x, y) 7−→ f u(x, y), v(x, y) . Alors, les dérivées partielles premières de g sont données
par :
∂g ∂f ∂u ∂f ∂v
(x, y) = × (x, y) + × (x, y)
∂x ∂u ∂x ∂v ∂x
et
∂g ∂f ∂u ∂f ∂v
(x, y) = × (x, y) + × (x, y).
∂y ∂u ∂y ∂v ∂y
Exemple : Soit f une fonction de deux variables u et v de classe C1 sur R2 et g définie par
g(r, θ) = f (2 cos θ, r sin θ).
Calculer les dérivées partielles premières de g.

Définition 3.3.6. Différentiabilité

Soit f une fonction de deux variables définie sur un domaine Ω de R2 et M0 (x0 , y0 ) ∈ Ω.
Supposons que f admette des dérivées partielles premières en M0 .
On dit que f est différentiable en M0 si
∂f ∂f
f (x0 + h, y0 + k) − f (x0 , y0 ) − ∂x
(x0 , y0 )h − ∂y
(x0 , y0 )k
lim = 0.
(h,k)→(0,0) k(h, k)k

L’application linéaire, notée df (M0 ) et définie par

∂f ∂f
df (M0 ) : (h, k) 7−→ (x0 , y0 )h + (x0 , y0 )k
∂x ∂y
est appelée différentielle de f en M0 .

Exemple : Etudier la différentiabilité en (0, 0) de la fonction f définie sur R2 par :

1

2 2


 f (x, y) = x + y sin p 2

 si (x, y) 6= (0, 0),
x + y2


f (0, 0) = 0.


Définition 3.3.7. (dérivées partielles secondes)

Si f est une fonction de deux variables, alors ses dérivées partielles sont aussi des fonctions de
deux variables, qui ont à leur tour des dérivées partielles appelées dérivées partielles secondes de
f . On a :
00 ∂ 2f ∂  ∂f  00 ∂ 2f ∂  ∂f 
f x2 = = ; f y 2 = = (dérivées partielles homogènes) ;
∂x2 ∂x ∂x ∂y 2 ∂y ∂y
00 ∂ 2f ∂  ∂f  00 ∂ 2f ∂  ∂f 
fxy = = ; fyx = = (dérivées partielles secondes mixtes).
∂y∂x ∂y ∂x ∂x∂y ∂x ∂y

AUBE-NOUVELLE 21 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 3. FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES

00 ∂ 2f ∂  ∂f 
Remarque : La notation fxy = = signifie que l’on dérive d’abord par rapport
∂y∂x ∂y ∂x
00 ∂ 2f ∂  ∂f 
à x et ensuite par rapport à y, tandis que fyx = = désigne l’inverse.
∂x∂y ∂x ∂y
Exemple : Calculer les dérivées partielles secondes homogènes et mixtes de f (x, y) = x2 sin y.
On a :
0 0
fx (x, y) = 2x sin y et fy (x, y) = x2 cos y, d’où :
00 00
fx2 (x, y) = 2 sin y; fy2 (x, y) = −x2 sin y ;
00 ∂ 0 00 ∂ 0
fxy (x, y) = (fy ) = 2x cos y; fyx (x, y) = (f ) = 2x cos y.
∂x ∂y x
00 00
Remarque : Dans l’exemple précédent, on a fxy (x, y) = fyx (x, y). C’est aussi le cas pour la
plus part des fonctions que l’on rencontre couramment. Le théorème suivant énonce les conditions
pour lesquelles cela est vrai.
Théorème de Schwarz :
Soit f une fonction à deux variables x et y. Alors, elle est définie, continue et admet des dérivées
partielles premières et secondes continues dans un voisinage d’un point (x0 , y0 ) (on dit que f est
∂ 2f ∂ 2f
de classe C 2 ) si et, seulement si (x0 , y0 ) = (x0 , y0 ).
∂x∂y ∂y∂x
Remarque : Si f admet des dérivées partielles premières en (x0 , y0 ), il n’en résulte pas
nécessairement que f est continue en (x0 , y0 ).
Exemple : On a vu plus haut que la fonction g définie par
 xy
 x2 + y 2 si (x, y) 6= (0, 0)

g(x, y) =

0 si (x, y) = (0, 0).


n’est pas continue en (0, 0). Mais on a :

g(x, 0) − g(0, 0) 0 ∂g
∗ lim = lim 3 = 0 = (0, 0).
x→0 x−0 x→0 x ∂x
g(0, y) − g(0, 0) 0 ∂g
∗ lim = lim 3 = (0, 0).
y→0 y−0 y→0 y ∂y
Donc g admet des dérivées partielles premières par rapport à x et à y en (0, 0).

3.4 Optimisation des fonctions de plusieurs variables

3.4.1 Généralités
Définition 3.4.1. Soit Ω une partie de Rn , f : Ω −→ R une fonction de n variables et M0 ∈ Ω.
1. On dit que f admet un maximum absolu (ou global) en M0 si

∀ X ∈ Ω, f (X) ≤ f (M0 ).

2. On dit que f admet un minimum absolu (ou global) en M0 si

∀ X ∈ Ω, f (X) ≥ f (M0 ).

3. On dit que f admet un extremum absolu (ou global) en M0 si f admet en M0 un minimum

ou un maximum absolu (ou global).

Définition 3.4.2. Soit Ω une partie de Rn , f : Ω −→ R une fonction de n variables et M0 ∈ Ω.

AUBE-NOUVELLE 22 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 3. FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES

1. On dit que f admet un maximum local (ou relatif ) en M0 s’il existe un voisinage V de
M0 tel que
∀ X ∈ V, f (X) ≤ f (M0 ).
2. On dit que f admet un minimum local (ou relatif ) en M0 s’il existe un voisinage V de
M0 tel que
∀ X ∈ V, f (X) ≥ f (M0 ).
3. On dit que f admet un extremum local (ou relatif ) en M0 si f admet en M0 un minimum
ou un maximum local (ou relatif ).

3.4.2 Extrema sur un ouvert sans contrainte ou extrema libres

• Condition nécessaire du premier ordre (CPO)
Théorème 3.4.3. Soit f une fonction de n variables de classe C 1 définie sur un domaine ouvert
Ω de Rn ,
Ω −→ R
f:
x = (x1 , · · · , xn ) 7−→ f (x) = f (x1 , · · · , xn ).
Pour que f admette un extremum local en un point M0 de Ω, il est nécessaire que toutes les
dérivées partielles premières s’annulent en M0 :

∂f (M0 )
=0


∂x1







 ∂f (M0 )

= 0 c-à-d ∇f (M0 ) = 0Rn
∂x2
..





 .
 ∂f (M0 )



 =0
∂xn
Remarque 3.4.4. Tout point M0 vérifiant le système précédent est dit point critique ou sta-
tionnaire.

• Condition suffisante du second ordre (CSO)

Théorème 3.4.5. Soit Ω un ouvert de Rn , f une fonction de n variables de classe C 2 définie
sur Ω et M0 un point critique de f . Considérons la forme quadratique
n
n X
X ∂ 2 f (M0 )
q(h1 , h2 , · · · , hn ) = hi hj 2 .
i=1 j=1
∂ xi xj

4 cas sont à envisager :

— Si q(h1 , h2 , · · · , hn ) est définie positive alors, f admet un minimum local en M0 ;
— Si q(h1 , h2 , · · · , hn ) est définie négative alors, f admet un maximum local en M0 ;
— Si q(h1 , h2 , · · · , hn ) n’est ni positive ni négative alors, f n’admet pas d’extremum en M0 ;
— Si q(h1 , h2 , · · · , hn ) est semi-définie (positive ou négative) alors, on ne peut pas conclure
sans une étude des dérivées partielles d’ordre supérieur à deux.

AUBE-NOUVELLE 23 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 3. FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES

3.4.3 Cas particulier des fonctions à deux variables (n = 2)

Soit f une fonction de 2 variables et M0 un point critique. Considérons la matrice hessienne
(la matrice formée des dérivées partielles secondes de f en M0 )
 2 
∂ f ∂ 2f  
 ∂x2 (M0 ) ∂x∂y (M0 )  A B
 2 2
  
H(M0 ) =  ∂ f ∂ f =
  B C 

 ∂x∂y (M0 ) ∂y 2 (M0 ) 


det(H(M0 )) = AC − B 2 est appelé le hessien de f en M0 . Ainsi :

— Si det(H(M0 )) > 0 et A > 0 alors M0 est un minimum de f .

— Si det(H(M0 )) > 0 et A < 0 alors M0 est un maximum de f .
— Si det(H(M0 )) < 0 alors M0 n’est ni maximum ni minimum de f .
— Si det(H(M0 )) = 0, on ne peut pas conclure.
Exemple 3.4.6.
On considère la fonction f définie par f (x, y) = ln x + x2 + 6xy + 8y 2 .
1. Précisons l’ensemble de définition de f .
Df = {(x, y) ∈ R2 /x > 0} = R∗+ × R.
2. Étudions l’existence et la nature des extrema éventuels de f .
∂f


 = 0
 ∂x



∂f 1 ∂f
• CPO : ∂f On a = + 2x + 6y et = 6x + 16y. D’où le système :

 = 0 ∂x x ∂y
 ∂y



1

 + 2x + 6y = 0
 ( 3
x y=− x 3
6x + 16y = 0 ⇐⇒ 8 . Comme x > 0 alors x = 2 et par suite y = − .

 x2 = 4 4

3
M (2; − ) est le seul point critique.
4
∂ 2f 1 ∂ 2f ∂ 2f ∂ 2f
• CSO : On a = 2 − , = 16, =6= .
∂x2 x2 ∂y 2 ∂x∂y ∂y∂x
Considérons la matrice hessienne de f en M
 2 
∂ f ∂ 2f  7 
 ∂x2 (M )
∂x∂y
(M )   4 6 
  
H(M ) =  = 

6 16
 2  
 ∂ f ∂ 2f  
(M ) (M )
∂x∂y ∂y 2
7
On a det(H(M )) = × 16 − 62 = −8 < 0. On conclut que M est un point col de f (M n’est ni
4
maximum ni minimum).
Exemple 3.4.7. Étudions les extrema de la fonction g définie sur R3 par
2
g(x, y, z) = ex + y 2 − 2yz + 2z 2 − 2z.

g est de classe C 2 car c’est la somme de fonctions de classe C 2 .

AUBE-NOUVELLE 24 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 3. FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES

— Déterminons les points critiques de g (CPO).

∂g


 = 0

 ∂x
 ∂g


= 0
∂y

 ∂g

 = 0
 ∂z



∂g 2 ∂g ∂g
On a = 2xex ; = 2y − 2z et = −2y + 4z − 2. D’où le système :
∂x ∂y ∂z
 2 
 2xex = 0  x=0
2y − 2z = 0 ⇐⇒ y=1
−2y + 4z − 2 = 0 z=1
 

On a donc un seul point critique N (0, 1, 1).

— Nature de ce point critique (CSO)

On a
∂ 2g x2 2 x2 ∂ 2g ∂ 2g
(x, y, z) = 2e + 4x e ⇒ (N ) = 2; (x, y, z) = 2;
∂x2 ∂x2 ∂y 2
∂ 2g ∂ 2f ∂ 2f ∂ 2g
(x, y, z) = 4; = 0 = ; (x, y, z) = −2.
∂z 2 ∂x∂y ∂x∂z ∂y∂z
Considérons alors la forme quadratique :
∂ 2g 2
2∂ g
2
2∂ g
q(h, k, l) = h2 (N ) + k (N ) + l (N )
∂x2 ∂y 2 ∂z 2

∂ 2g ∂ 2g ∂ 2g
+ 2hk (N ) + 2hl (N ) + 2kl (N )
∂x∂y ∂x∂z ∂y∂z

= 2h2 + 2k 2 + 4l2 − 4kl

= 2h2 + 2(k 2 − 2kl) + 4l2
= 2h2 + 2(k − l)2 + 2l2 .

signature(q) = (3, 0) ; alors q est définie positive et par conséquent N est un minimum de g.

3.4.4 Extrema sous une contrainte : cas de deux variables

Soit f une fonction de 2 variables de classe C 2 définie sur un ouvert Ω.
On cherche à déterminer les extrema de f (x, y) ; les 2 variables x et y étant liées par une relation
ou une contrainte de la forme g(x, y) = 0 ; où g est une fonction de classe C 1 sur Ω.
Pour cela, considérons la fonction de 3 variables

L(x, y, λ) = f (x, y) + λg(x, y).

La variable auxiliaire λ est appelé le multiplicateur de Lagrange et la fonction L est le lagrangien.

On a le résultat suivant :
Déterminer les extrema de f (x, y) sous la contrainte g(x, y) = 0 revient à déterminer les extrema
de L(x, y, λ) sans contrainte ; avec λ ∈ R, tel que les solutions x0 , y0 soient liées par g(x0 , y0 ) = 0.

Condition nécessaire du premier ordre

AUBE-NOUVELLE 25 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 3. FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES

Si f admet un extremum en M0 (x0 , y0 ), il existe λ0 ∈ R tel que

 ∂L

 (m0 ) = 0


 ∂x



 ∂L


(m0 ) = 0
∂y



∂L



 ∂λ (m0 ) = g(x0 , y0 ) = 0





avec m0 (x0 , y0 , λ0 ).

Condition suffisante du second ordre

• Première méthode :
Soit m0 (x0 , y0 , λ0 ) vérifiant le système ci-dessus et considérons la forme quadratique
2
2∂ L ∂ 2L 2
2∂ L
q(h, k) = h (m0 ) + 2hk (m0 ) + k (m0 )
∂x2 ∂x∂y ∂y 2
où h et k sont liées par la relation :
∂g ∂g
h (M0 ) + k (M0 ) = 0.
∂x ∂y

Compte tenu de cette dernière condition, q(h, k) dépend d’une seule variable. ainsi

q(h, k) = qe(h) ou q(h, k) = qe(k)

4 cas sont à envisager :

— Si q(h, k) est définie positive alors, f admet un minimum local en M0 (x0 , y0 ) ;
— Si q(h, k) est définie négative alors, f admet un maximum local en M0 (x0 , y0 ) ;
— Si q(h, k) n’est ni positive ni négative alors, f n’admet pas d’extremum en M0 (x0 , y0 ) ;
— Si q(h, k) est semi-définie (positive ou négative) alors, on ne peut pas conclure sans une
étude des dérivées partielles d’ordre supérieur à deux.

• Deuxième méthode :
Considérons la matrice hessienne bordée du lagrangien définie par :
 2
∂ L ∂ 2L ∂g

(M 0 ) (M0 ) (M0 )
 ∂x2 ∂x∂y ∂x 
 
 
 2
 ∂ L ∂ 2L ∂g

HL (m0 ) =  (M0 ) (M0 ) (M0 )

2

 ∂x∂y ∂y ∂y 
 
 
 ∂g ∂g 
(M0 ) (M0 ) 0
∂x ∂y
On a 3 cas :

— Si det(HL (M0 )) < 0 alors M0 est un minimum de f .

AUBE-NOUVELLE 26 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 3. FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES

— Si det(HL (M0 )) > 0 alors M0 est un maximum de f .

— Si det(HL (M0 )) = 0 alors on ne peut pas conclure.
Exemple 3.4.8. Étudions l’existence et la nature des extrema éventuels de

f (x, y) = ln x + x2 + 6xy + 8y 2 sous la contrainte g(x, y) = 9x + 6y − 7 = 0.

Considérons le Lagrangien L(x, y, λ) = f (x, y) + λg(x, y).

 ∂L

 = 0 
1

 ∂x  + 2x + 6y + 9λ = 0

1
x= ou x = 1
 

 
 x 

   20
 ∂L

 
 

= 0
 
• CPO : ⇐⇒ 6x + 16y + 6λ = 0 ⇐⇒

∂y
  6x + 16y + 6λ = 0 .

 
 

∂L −
 
9x + 6y 7 = 0
  

9x + 6y − 7 = 0
  

 = 0 

 ∂λ


 1 131 533   1 1
Par suite les points stationnaires pour L sont m1 ; ; et m2 1; − ; − . Les points
 1 131  20 120 180 3 9
 1 
critiques de f sont M1 ; et M2 1; − .
20 120 3
∂ 2L 1 ∂ 2L ∂ 2L ∂ 2L ∂g ∂g
• CSO : On a = 2 − , = 16, = 6 = , = 9, = 6.
∂x2 x2 ∂y 2 ∂x∂y ∂y∂x ∂x ∂y
Nature des deux points critiques
• Première méthode :
 1 131 533 
- Nature de m1 ; ;
20 120 180
Considérons la forme quadratique
∂ 2L ∂ 2L 2
2∂ L
q(h, k) = h2 (m 1 ) + 2hk (m1 ) + k (m1 )
∂x2 ∂x∂y ∂y 2

= −398h2 + 12hk + 16k 2

Les variables h et k vérifient :
∂g ∂g −2
h (M1 ) + k (M1 ) = 0 ⇒ 9h + 6k = 0 ⇒ h = k.
∂x ∂y 3
Par suite on obtient :
 −2 2  −2  −1520 2
q(h, k) = qe(k) = −399 k + 12 k k + 16k 2 = k
3 3 9
q ) = (0, 1) ⇒ qe est définie négative et donc q est aussi définie négative.
signature(e
 1 131 
On conclut que le point M1 ; est un maximum pour f .
20 120
 −1 −1 
- Nature de m2 1; ;
3 9
Considérons la forme quadratique
∂ 2L ∂ 2L 2
2∂ L
q(h, k) = h2 (m 1 ) + 2hk (m1 ) + k (m1 )
∂x2 ∂x∂y ∂y 2

= h2 + 12hk + 16k 2

AUBE-NOUVELLE 27 Dr ZOUNGRANA Malick ©

2024
 CHAPITRE 3. FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES

Les variables h et k vérifient :

∂g ∂g −2
h (M2 ) + k (M2 ) = 0 ⇒ 9h + 6k = 0 ⇒ h = k.
∂x ∂y 3
Par suite on obtient :
 −2 2  −2  148 2
q(h, k) = qe(k) = k + 12 k k + 16k 2 = k
3 3 9
q ) = (1, 0) ⇒ qe est définie positive et donc q est aussi définie positive.
signature(e
 −1 
On conclut que le point M2 1; est un minimum pour f .
3
• Deuxième méthode :  1 131 533 
∗ La matrice hessienne bordée du Lagrangien au point m1 ; ; .
  20 120 180
−398 6 9
. On a det(HL (m1 )) = 13680 > 0, donc le point M1 1 ; 131 est
 6 16 6   
HL (m1 ) = 
 9 6 0  20 120

un maximum pour f .
1 1

∗ La matrice hessienne bordée du Lagrangien au point m2 1; − ; − .
  3 9
1 6 9
. On a det(HL (m2 )) = −684 < 0, donc le point M2 1; − 1 est un
 6 16 6   
HL (m1 ) = 
 9 6 0  3

minimum pour f .

AUBE-NOUVELLE 28 Dr ZOUNGRANA Malick ©

2024