CHAPITRE : FONCTIONS DE PLUSIEURS VARIABLES

Ce chapitre est consacré aux fonctions de plusieurs variables c.a.d définies sur une partie de ℝ𝑛 . On se
limitera essentiellement aux fonctions de deux ou trois variables. Les éléments de ℝ2 = ℝ × ℝ sont des
couples (𝑥 ; 𝑦) et les éléments de ℝ3 = ℝ × ℝ × ℝ sont des triplets (𝑥; 𝑦; 𝑧) .

I-FONCTIONS DE 𝒏 VARIABLES :

I-1 Fonctions de deux variables réelles à valeurs réelles :

1) Définition : On appelle fonction de deux variables réelles à valeurs réelles, toute fonction
𝑓: ℝ2 ⟶ ℝ qui au couple (𝑥; 𝑦) associe 𝑓(𝑥; 𝑦) .
2) Exemple : Considérons un rectangle 𝐴𝐵𝐶𝐷 . On note 𝑥 = 𝐴𝐵 et 𝑦 = 𝐵𝐶 . On a 𝑥 > 0 et 𝑦 > 0 .Le
périmètre de 𝐴𝐵𝐶𝐷 est 𝑝(𝑥; 𝑦) = 2(𝑥 + 𝑦) et l’aire de 𝐴𝐵𝐶𝐷 est 𝒜(𝑥; 𝑦) = 𝑥𝑦 . 𝑝 et 𝒜 sont des
fonctions de deux variables à valeurs réelles .
3) Domaine de définition :Soit 𝑓 une fonction de deux variables. On appelle domaine de définition de
𝑓, l’ensemble des couples (𝑥; 𝑦) de ℝ2 tels que 𝑓(𝑥; 𝑦) existe .
Exemples :
𝑥+𝑦
𝑎)𝑓(𝑥; 𝑦) = 𝑥−𝑦 . 𝑓(𝑥; 𝑦) existe si et seulement si 𝑥 − 𝑦 ≠ 0 ⇔ 𝑥 ≠ 𝑦 . 𝐷𝑓 = ℝ2 ∖ Δ où Δ est la
première bissectrice d’équation 𝑦 = 𝑥 .
𝑥𝑦
𝑏) 𝑔(𝑥; 𝑦) = . 𝑔(𝑥; 𝑦) existe si et seulement si 1 − 𝑥 2 − 𝑦 2 > 0 ⟺ 𝑥2 + 𝑦2 < 1 .
√1−𝑥 2 −𝑦 2
𝐷𝑔 = disque unité ouvert qui est l’ensemble des couples (𝑥; 𝑦) tels que 𝑥 2 + 𝑦 2 < 1

4) Représentation graphique :
Définition : Soit 𝑓 une fonction de deux variables à valeurs réelles définie sur un domaine
𝐷 .L’ensemble des points coordonnées (𝑥; 𝑦; 𝑧) avec 𝑧 = 𝑓(𝑥; 𝑦) pour (𝑥; 𝑦) parcourant 𝐷 est
appelé surface d’équation 𝑧 = 𝑓(𝑥; 𝑦) .
Pour représenter une fonction 𝑓 définie de ℝ2 dans ℝ , on représente les points de 𝑀 coordonnées
(𝑥; 𝑦; 𝑓(𝑥, 𝑦)) .

I-2 Fonctions de trois variables :

- Une fonction de trois variables à valeurs réelles est une fonction 𝑓 définie de ℝ 3 vers ℝ qui à
(𝑥; 𝑦; 𝑧) associe 𝑓(𝑥; 𝑦; 𝑧) .
- Une fonction de trois variables à valeurs vectorielles est par exemple une fonction 𝑓 dééfinie de ℝ3
vers ℝ2 ou de ℝ3 vers ℝ3 .
𝑥
I-3 Exemples : 𝑓(𝑥; 𝑦) = (𝑥 + √𝑦 ; 𝑥 − 𝑦 ; 𝑦) ; 𝑔(𝑥; 𝑦; 𝑧) = (𝑥 + 𝑦 ; 𝑥𝑦𝑧) ;
ℎ(𝑥; 𝑦; 𝑧) = (𝑥 2 ; 2𝑧 ; 𝑥𝑧 + 𝑦) . 𝑓; 𝑔; ℎ sont des fonctions à valeurs réelles .

II-LIMITES ET CONTINUITE :

Dans ce paragraphe , nous étudions le cas des fonctions de ℝ2 dans ℝ et les résultats vont être généralisés
très facilement aux fonctions de ℝ𝑛 dans ℝ, puis aux fonctions de ℝ𝑛 dans ℝ𝑝 .

II-1 Limites :

Page 1 sur 14
Remarque :

- SI 𝑙 est la limite de 𝑓 quand tend vers 𝑢0 , on note lim 𝑓(𝑢) = 𝑙 .

𝑢→𝑢0
- Si lim 𝑓(𝑢) = 𝑙 alors quelque soit le chemin que 𝑢 prend pour aller à 𝑢0 , 𝑓(𝑢) va à 𝑙
𝑢→𝑢0
- On peut utiliser cette remarque pour montrer qu’une fonction n’admet pas de limite en un point
donné .
𝑥𝑦
Exemple : 𝑓 définie sur ℝ2 ⃥ {(0; 0)} par 𝑓(𝑥; 𝑦) = 𝑥 2 +𝑦 2 . lim 𝑓(𝑥; 𝑦) n’existe pas. En effet le long
(𝑥;𝑦)→(0;0)
de l’axe (𝑂𝑥), 𝑦 = 0 et 𝑓(𝑥; 𝑦) = 𝑓(𝑥; 0) . lim 𝑓(𝑥; 𝑦) = 0 .
(𝑥;𝑦)→(0;0)

- Le long de l’axe (𝑂𝑦) , 𝑓(𝑥; 𝑦) = 0 , lim 𝑓(𝑥; 𝑦) = 0

(𝑥;𝑦)→(0;0)
1 1
- Le long de la première bissectrice, 𝑦 = 𝑥 , 𝑓(𝑥; 𝑦) = 𝑓(𝑥; 𝑥) = 2 lim 𝑓(𝑥; 𝑦) = 2 .
(𝑥;𝑦)→(0;0)
- La fonction 𝑓 n’admet pas de limite quand 𝑥 tend vers 0 .

Théorème d’encadrement ou théorème des gendarmes :

Soit 𝑓 une fonction de ℝ2 vers ℝ et 𝑙 un réel. S’il existe une fonction 𝑔 de ℝ2 vers ℝ telle que |𝑓(𝑥; 𝑦)| ≤
𝑔(𝑥; 𝑦) et lim 𝑔(𝑥; 𝑦) = 0 alors lim 𝑓(𝑥; 𝑦) = 𝑙 .
(𝑥;𝑦)→(𝑥0 ;𝑦0 ) (𝑥;𝑦)→(𝑥0 ;𝑦0 )

𝑥 3 +𝑦 3
Exemple : 𝑓 est définie par 𝑓(𝑥; 𝑦) = 𝑥 2 +𝑦 2 .

𝐷𝑓 = ℝ2 ⃥ {(0; 0)} .

𝑥 3 +𝑦 3 𝑥3 𝑦3 𝑥3 |𝑥 3 | 𝑦3 |𝑦 3 |
|𝑓(𝑥; 𝑦)| = | | ≤ |𝑥 2 +𝑦2 | + |𝑥 2 +𝑦 2 | or |𝑥 2 +𝑦 2 | ≤ |𝑥 2 | et |𝑥 2 +𝑦2 | ≤ |𝑦 2 | ⟹
𝑥 2 +𝑦 2

|𝑥 3 | |𝑦 3 |
|𝑓(𝑥; 𝑦)| ≤ + |𝑦 2 | ⇔ |𝑓(𝑥; 𝑦)| ≤ |𝑥| + |𝑦| .
|𝑥 2 |

lim |𝑥| + |𝑦| = 0 ⇒ lim 𝑓(𝑥; 𝑦) = 0

(𝑥;𝑦)→(0;0) (𝑥;𝑦)→(0;0)

II-2 Continuité :

1- Définition : Une fonction 𝑓 définie sur un domaine 𝐷 de ℝ2 est continue en un point 𝑢0 si

lim 𝑓(𝑢) = 𝑓(𝑢0 ).Elle est continue sur 𝐷si elle est continue en tout point de 𝐷
𝑢→𝑢0
2- Remarques : Les règles de la continuité des fonctions d’une variable réelle s’appliquent aux
fonctions de ℝ2 vers ℝ .

III-DERIVEES PARTIELLES :

III-1 Fonctions de deux variables à valeurs réelles :

Les dérivées partielles d’une fonction de deux variables 𝑥 et 𝑦 se calculent de la façon suivante :
𝜕𝑓
- La dérivée partielle de 𝑓 par rapport à 𝑥 est une fonction de deux variables que l’on note 𝜕𝑥 . On
considère que 𝑦 est constant et on dérive la fonction comme une fonction d’une variable 𝑥 .

Page 2 sur 14
 𝜕𝑓
- La dérivée partielle de 𝑓 par rapport à 𝑦 est une fonction de deux variables que l’on note 𝜕𝑦 . On
considère que 𝑥 est constant et on dérive la fonction comme une fonction d’une variable 𝑦
𝜕𝑓 𝜕𝑓
.Remarque : On note 𝑑𝑓 la différentielle de la fonction 𝑓 . 𝑑𝑓 = 𝜕𝑥 𝑑𝑥 + 𝜕𝑦 𝑑𝑦

Exemples :
𝜕𝑓 𝜕𝑓
1) 𝑓(𝑥; 𝑦) = 𝑥 3 𝑦 4 ; (𝑥; 𝑦) = 3𝑥 2 𝑦 4 ; (𝑥; 𝑦) = 4𝑥 3 𝑦 3 .
𝜕𝑥 𝜕𝑦
𝑥+𝑦 𝜕𝑔 (𝑥+𝑦)′(𝑥−𝑦)−(𝑥+𝑦)(𝑥−𝑦)′ 𝑥−𝑦−𝑥−𝑦 −2𝑦
2) 𝑔(𝑥; 𝑦) = 𝑥−𝑦 ; (𝑥; 𝑦) = = = (𝑥−𝑦)2
𝜕𝑥 (𝑥−𝑦)2 (𝑥−𝑦)2
𝜕𝑔 (𝑥+𝑦)′(𝑥−𝑦)−(𝑥+𝑦)(𝑥−𝑦)′ 𝑥−𝑦+𝑥+𝑦 2𝑥
(𝑥; 𝑦) = = = (𝑥−𝑦)2
𝜕𝑦 (𝑥−𝑦)2 (𝑥−𝑦)2

III-2 Fonctions de trois variables à valeurs réelles :

Soit 𝑓 une fonction définie de ℝ 3 vers ℝ qui à (𝑥; 𝑦; 𝑧) associe 𝑓(𝑥; 𝑦; 𝑧) .On définit alors les dérivées
𝜕𝑓 𝜕𝑓 𝜕𝑓
partielles ; et .
𝜕𝑥 𝜕𝑦 𝜕𝑧

𝜕𝑓 𝜕𝑓 𝜕𝑓
Exemple : 𝑓(𝑥; 𝑦; 𝑧) = 𝑥𝑦 2 𝑧 3 . 𝜕𝑥 (𝑥; 𝑦; 𝑧) = 𝑦 2 𝑧 3 ; 𝜕𝑦 (𝑥; 𝑦; 𝑧) = 2𝑥𝑦𝑧 3 ; (𝑥; 𝑦; 𝑧) = 3𝑥𝑦 2 𝑧 2 .
𝜕𝑧

III-3 Fonctions à valeurs vectorielles :

1) Soit 𝑓 la fonction définie de ℝ2 vers ℝ2 par 𝑓(𝑥; 𝑦) = (𝑓1 (𝑥; 𝑦); 𝑓2 (𝑥; 𝑦))
𝜕𝑓 𝜕𝑓1 𝜕𝑓2 𝜕𝑓 𝜕𝑓1 𝜕𝑓2
(𝑥; 𝑦) = ( (𝑥; 𝑦); (𝑥; 𝑦)) et (𝑥; 𝑦) = ( (𝑥; 𝑦); (𝑥; 𝑦))
𝜕𝑥 𝜕𝑥 𝜕𝑥 𝜕𝑦 𝜕𝑦 𝜕𝑦

2) Soit 𝑓 la fonction définie de ℝ2 vers ℝ3 par 𝑓(𝑥; 𝑦) = (𝑓1 (𝑥; 𝑦); 𝑓2 (𝑥; 𝑦); 𝑓3 (𝑥; 𝑦))
𝜕𝑓 𝜕𝑓1 𝜕𝑓2 𝜕𝑓3 𝜕𝑓
(𝑥; 𝑦) = ( (𝑥; 𝑦); (𝑥; 𝑦); (𝑥; 𝑦)) et (𝑥; 𝑦) =
𝜕𝑥 𝜕𝑥 𝜕𝑥 𝜕𝑥 𝜕𝑦
𝜕𝑓 𝜕𝑓 𝜕𝑓
( 𝜕𝑦1 (𝑥; 𝑦); 𝜕𝑦2 (𝑥; 𝑦); 𝜕𝑦3 (𝑥; 𝑦))
3) Soit 𝑓 la fonction définie de ℝ3 vers ℝ2 par 𝑓(𝑥; 𝑦: 𝑧) = (𝑓1 (𝑥; 𝑦; 𝑧); 𝑓2 (𝑥; 𝑦; 𝑧))
𝜕𝑓 𝜕𝑓1 𝜕𝑓2
(𝑥; 𝑦; 𝑧) = ( (𝑥; 𝑦; 𝑧); (𝑥; 𝑦; 𝑧))
𝜕𝑥 𝜕𝑥 𝜕𝑥
𝜕𝑓 𝜕𝑓1 𝜕𝑓2 𝜕𝑓 𝜕𝑓1 𝜕𝑓2
(𝑥; 𝑦; 𝑧) = ( (𝑥; 𝑦; 𝑧); (𝑥; 𝑦; 𝑧)) ; (𝑥; 𝑦; 𝑧) = ( (𝑥; 𝑦; 𝑧); (𝑥; 𝑦; 𝑧))
𝜕𝑦 𝜕𝑦 𝜕𝑦 𝜕𝑧 𝜕𝑧 𝜕𝑧

𝑥
Exemples: Calculons les dérivées partielles de 𝑓, 𝑔 définies par 𝑓(𝑥; 𝑦) = (𝑥 + √𝑦; 𝑥 − 𝑦; 𝑦) et
𝑔(𝑥; 𝑦; 𝑧) = (𝑥 + 𝑦; 𝑥𝑦𝑧; 𝑧 2 ) .
𝜕𝑓 1 𝜕𝑓 1 −𝑥
(𝑥; 𝑦) = (1 ; 1 ; ) ; (𝑥; 𝑦) = ( ; −1 ; )
𝜕𝑥 𝑦 𝜕𝑦 2√𝑦 𝑦2

𝜕𝑔 𝜕𝑔 𝜕𝑔
(𝑥; 𝑦; 𝑧) = (1; 𝑦𝑧; 0) ; (𝑥; 𝑦; 𝑧) = (1; 𝑥𝑧; 0) ; (𝑥; 𝑦; 𝑧) = (0; 𝑥𝑦; 2𝑧)
𝜕𝑥 𝜕𝑦 𝜕𝑧

III-4 Dérivées partielles d’ordre supérieur :

𝑓 étant une fonction numérique d’une variable réelle, nous savons définir lorsqu’elles existent
𝑓 ′ ; 𝑓 ′′ ; 𝑓 (3) ; 𝑓 (4) ; ⋯ . Exactement de la même façon , nous allons procéder pour une fonction à deux ,
trois variables .

Page 3 sur 14
𝜕2 𝑓 𝜕 𝜕𝑓
= 𝜕𝑥 (𝜕𝑥 ) : On dérive deux fois par rapport à 𝑥
𝜕𝑥 2
𝜕2 𝑓 𝜕 𝜕𝑓
= 𝜕𝑦 (𝜕𝑦) : On dérive deux fois par rapport à 𝑦
𝜕𝑦 2

𝜕2 𝑓 𝜕 𝜕𝑓
= 𝜕𝑥 (𝜕𝑦) : On dérive une fois par rapport à 𝑦 puis par rapport à 𝑥
𝜕𝑥𝜕𝑦

𝜕2 𝑓 𝜕 𝜕𝑓
= 𝜕𝑦 (𝜕𝑥 ) : On dérive une fois par rapport à 𝑥 puis par rapport à 𝑦 .
𝜕𝑦𝜕𝑥

Exemple : 𝑓(𝑥; 𝑦) = 𝑥 3 𝑒 𝑦
𝜕𝑓 𝜕𝑓
(𝑥; 𝑦) = 3𝑥 2 𝑒 𝑦 ; (𝑥; 𝑦) = 𝑥 3 𝑒 𝑦
𝜕𝑥 𝜕𝑦

𝜕2 𝑓 𝜕2 𝑓
(𝑥; 𝑦) = 6𝑥𝑒 𝑦 ; (𝑥; 𝑦) = 𝑥 3 𝑒 𝑦
𝜕𝑥 2 𝜕𝑦 2

𝜕2 𝑓 𝜕2 𝑓
(𝑥; 𝑦) = 3𝑥 2 𝑒 𝑦 ; (𝑥; 𝑦) = 3𝑥 2 𝑒 𝑦
𝜕𝑥𝜕𝑦 𝜕𝑦𝜕𝑥

Théorème (Lemme de Schwarz) :

𝜕2 𝑓 𝜕2 𝑓
Soit 𝑓 une fonction définie sur un domaine de ℝ2 . Si les dérivées partielles secondes 𝜕𝑥𝜕𝑦 et 𝜕𝑦𝜕𝑥 existent
𝜕2 𝑓 𝜕2 𝑓
et sont continues alors elles sont égales . c.a.d 𝜕𝑥𝜕𝑦 (𝑥; 𝑦) = 𝜕𝑦𝜕𝑥 (𝑥; 𝑦)

Ce théorème est valable pour une fonction définie sur un domaine de ℝ3 .

Exemple : 𝑓(𝑥; 𝑦) = √𝑥 3 𝑦 .

𝜕𝑓 3𝑥 2 𝑦 3𝑥 2 𝑦 3𝑥𝑦 3
(𝑥; 𝑦) = = 2𝑥 =2 = 2 √𝑥𝑦
𝜕𝑥 2√𝑥 3 𝑦 √𝑥𝑦 √𝑥𝑦

𝜕𝑓 𝑥3 𝑥3 𝑥2 𝑥 2 √𝑥𝑦 𝑥√𝑥𝑦
(𝑥; 𝑦) = = 2𝑥 =2 = =
𝜕𝑦 2√𝑥 3 𝑦 √ 𝑥𝑦 √ 𝑥𝑦 2𝑥𝑦 2𝑦

3𝑥2
𝜕2 𝑓 1 𝑦 1 3𝑥 2 𝑦 3 𝑥 3 𝑥
(𝑥; 𝑦) = =4 √𝑥 3 = 4 = 4 √𝑦
𝜕𝑥𝜕𝑦 2 𝑥3 𝑦 √𝑥𝑦
2√
4

𝜕2 𝑓 3 𝑥 3√𝑥 3 𝑥
(𝑥; 𝑦) = =4 = 4 √𝑦
𝜕𝑦𝜕𝑥 2 2√𝑥𝑦 √𝑦

𝜕2 𝑓 𝜕2 𝑓
Alors (𝑥; 𝑦) = (𝑥; 𝑦)
𝜕𝑥𝜕𝑦 𝜕𝑦𝜕𝑥

Fonction de classe 𝒄𝒏 :

- Une fonction de plusieurs variables est de classe 𝑐 1 si ses dérivées partielles d’ordre 1 existent et
sont continues .
- Une fonction de plusieurs variables est de classe 𝑐 2 si ses dérivées partielles existent et sont
continues .

Page 4 sur 14
IV-Recherche d’extremas :

IV-1 Définition :

Soit 𝑓 une fonction définie sur une partie 𝐷 de ℝ2 à valeurs dans ℝ .

1) On dit que 𝑓 admet un maximum relatif en (𝑥0 ; 𝑦0 ) de 𝐷 lorsqu’il existe un ouvert 𝑂 ⊂ 𝐷 telle que
𝑓(𝑥; 𝑦) ≤ 𝑓(𝑥0 ; 𝑦0 ) ∀(𝑥; 𝑦) ∈ 𝑂 ⃥{(𝑥0 ; 𝑦0 )} .
2) On dit que 𝑓admet un minimum relatif en (𝑥0 ; 𝑦0 ) ∈ 𝐷 lorsqu’il existe un ouvert 𝑂 ⊂ 𝐷 telle que
𝑓(𝑥; 𝑦) ≥ 𝑓(𝑥0 ; 𝑦0 ) ; ∀(𝑥; 𝑦) ∈ 𝑂 ⃥{(𝑥0 ; 𝑦0 )} .
3) On dit que 𝑓admet un minimum absolu en (𝑥0 ; 𝑦0 ) ∈ 𝐷 lorsque ∀(𝑥; 𝑦) ∈ 𝐷 𝑓(𝑥; 𝑦) ≤ 𝑓(𝑥0 ; 𝑦0 )
.
4) On dit que 𝑓admet un maximum absolu en (𝑥0 ; 𝑦0 ) ∈ 𝐷 lorsque ∀(𝑥; 𝑦) ∈ 𝐷 𝑓(𝑥; 𝑦) ≥
𝑓(𝑥0 ; 𝑦0 ) .

Exemple : 𝑓(𝑥; 𝑦) = 𝑥 2 + 4𝑥𝑦 + 4𝑦 2 ⇔ 𝑓(𝑥; 𝑦) = (𝑥 + 2𝑦)2 ⇒ ∀(𝑥; 𝑦) ∈ ℝ2 , (𝑥 + 2𝑦)2 ≥ 0 ⇔

𝑓(𝑥; 𝑦) ≥ 𝑓(𝑥0 ; 𝑦0 ) avec 𝑓(𝑥0 ; 𝑦0 ) = 0
𝑓(𝑥0 ; 𝑦0 ) = 0 ⇔ (𝑥0 + 2𝑦0 )2 = 0 ⇔ 𝑥0 + 2𝑦0 = 0 ⇔ 𝑥0 = −2𝑦0 . Donc 𝑓 admet un minimum absolu
en tout point de coordonnées (−2𝑦0 ; 𝑦0 ) .
IV-2 Points critiques :
1- Définition : Soit 𝑓 une fonction définie sur un domaine 𝐷 de ℝ2 et admettant les dérivées partielles
d’ordre 1 en (𝑥0 ; 𝑦0 ) .
𝜕𝑓 𝜕𝑓
(𝑥0 ; 𝑦0 ) est un point critique de 𝑓 si (𝑥0 ; 𝑦0 ) = (𝑥0 ; 𝑦0 ) = 0 .
𝜕𝑥 𝜕𝑦
2- Théorème : Soit 𝑓 une fonction définie sur un domaine 𝐷 de ℝ2 et admettant les dérivées partielles
d’ordre 1 en (𝑥0 ; 𝑦0 ) .
Si (𝑥0 ; 𝑦0 ) est un extremum de 𝑓 alors les deux dérivées partielles d’ordre 1 s’annulent en (𝑥0 ; 𝑦0 )
𝜕𝑓 𝜕𝑓
c.a.d (𝑥0 ; 𝑦0 ) = (𝑥0 ; 𝑦0 ) = 0 .
𝜕𝑥 𝜕𝑦
3- Remarque : • La
recherche d’extremas se fait parmi les points critiques .
• Un point où les dérivées partielles s’annulent n’est pas nécessairement un extremum .
4- Exemple : 𝑓(𝑥; 𝑦) = 𝑥 2 + 𝑦 2
𝜕𝑓 𝜕𝑓
(𝑥; 𝑦) = 2𝑥 et (𝑥; 𝑦) = 2𝑦
𝜕𝑥 𝜕𝑦
𝜕𝑓
(𝑥; 𝑦) = 0 2𝑥 = 0 𝑥=0
𝜕𝑥
{𝜕𝑓 ⇔{ ⇔{ ⇒ (0; 0) est un point critique .
(𝑥; 𝑦) = 0 2𝑦 = 0 𝑦=0
𝜕𝑦
5- Notations DE MONGE(en dimension 2) :
𝜕2 𝑓
(𝑥0 ; 𝑦0 ) étant un point critique de 𝑓 , on définit les coefficients 𝑟; 𝑠 et 𝑡 par 𝑟 = 𝜕𝑥 2 (𝑥0 ; 𝑦0 )
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
; 𝑠 = 𝜕𝑥𝜕𝑦 (𝑥0 ; 𝑦0 ) = (𝑥0 ; 𝑦0 ) et 𝑡 = 2 (𝑥0 ; 𝑦0 )
𝜕𝑦𝜕𝑥 𝜕𝑦
Théorème :
Soit (𝑥0 ; 𝑦0 ) un point critique de 𝑓 .
1) Si 𝑟𝑡 − 𝑠 2 > 0 et 𝑟 > 0 alors 𝑓 admet un minimum local en (𝑥0 ; 𝑦0 ) .
2) Si 𝑟𝑡 − 𝑠 2 > 0 et 𝑟 < 0 alors 𝑓 admet un maximum local en (𝑥0 ; 𝑦0 ) .
3) Si 𝑟𝑡 − 𝑠 2 < 0 , alors 𝑓 n’admet pas d’extremum en (𝑥0 ; 𝑦0 ) , on dit alors que le point
(𝑥0 ; 𝑦0 ) est un point selle ou point col.
Page 5 sur 14
4) Si 𝑟𝑡 − 𝑠 2 = 0, on ne peut rien affirmer .
Remarque : Si 𝑟𝑡 − 𝑠 2 = 0 il faut revenir à la définition d’extremum .
Exemple 1 : 𝑓(𝑥; 𝑦) = 𝑥 4 + 𝑦 4 − 4𝑥𝑦
1- Déterminer les points critiques de 𝑓.
2- Caractériser chacun de ces points .
Solution : 𝑓(𝑥; 𝑦) = 𝑥 4 + 𝑦 4 − 4𝑥𝑦
𝜕𝑓 𝜕𝑓
1- Déterminons les points critiques de 𝑓 . (𝑥; 𝑦) = 4𝑥 3 − 4𝑦 ; (𝑥; 𝑦) = 4𝑦 3 −
𝜕𝑥 𝜕𝑦
4𝑥 ;
𝜕𝑓
(𝑥; 𝑦) = 0 4𝑥 3 − 4𝑦 = 0 𝑦 = 𝑥3
𝜕𝑥 𝑦 = 𝑥3
{𝜕𝑓 ⇔ { ⇔ { ⇔ {
(𝑥; 𝑦) = 0 4𝑦 3 − 4𝑥 = 0 𝑥 = 𝑦3 𝑥9 = 𝑥
𝜕𝑦

𝑥 9 = 𝑥 ⇔ 𝑥 9 − 𝑥 = 0 ⇔ 𝑥(𝑥 8 − 1) = 0 ⇔ 𝑥 = 0 ou 𝑥 8 = 1 ⇔ 𝑥 = 0 ou 𝑥 2 = 1 ⇔ 𝑥 = 0 ou
𝑥 = −1 ou 𝑥 = 1 .
𝑆𝑖 𝑥 = 0 alors 𝑦 = 𝑥 3 = 0 on a le point 𝑂(0 :0)
𝑆𝑖 𝑥 = 1 alors 𝑦 = 𝑥 3 = 1 on a le point 𝐴(1; 1)
𝑆𝑖 𝑥 = −1 alors 𝑦 = 𝑥 3 = −1 on a le point 𝐵(−1; −1)
𝐿𝑒𝑠 points critiques sont 𝑂(0 :0) ; 𝐴(1; 1) ; 𝐵(−1; −1) .
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
2- (𝑥; 𝑦) = 12𝑥 2 ; (𝑥; 𝑦) = 12𝑦 2 ; (𝑥; 𝑦) = (𝑥; 𝑦) = −4 .
𝜕𝑥 2 𝜕𝑦 2 𝜕𝑥𝜕𝑦 𝜕𝑦𝜕𝑥
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
• Pour 𝑂(0 :0) , 𝑟 = 𝜕𝑥 2 (0; 0) = 0 ; 𝑡 = 𝜕𝑦 2 (0; 0) = 0 ; 𝑠 = 𝜕𝑥𝜕𝑦 (0; 0) 𝑟𝑡 − 𝑠 2 =
−16 < 0 ⇒ 𝑂(0 ;0) n’est pas un extremum local .
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
• Pour 𝐴(1; 1) , 𝑟 = 𝜕𝑥 2 (1; 1) = 12; 𝑡 = 𝜕𝑦 2 (1; 1) = 12 ; 𝑠 = 𝜕𝑥𝜕𝑦 (1; 1) = −4

𝑟𝑡 − 𝑠 2 = 144 − 16 = 128 > 0 et 𝑟 > 0 ⇒ En 𝐴(1; 1) , il y a un minimum local .

𝜕2 𝑓 𝜕2 𝑓
• Pour 𝐵(−1; −1) , 𝑟 = 𝜕𝑥 2 (−1; −1) = 12 ; 𝑡 = 𝜕𝑦 2 (−1; −1) = 12 ; 𝑠=
𝜕2 𝑓
(−1; −1) = −4
𝜕𝑥𝜕𝑦

𝑟𝑡 − 𝑠 2 = 144 − 16 = 128 > 0 et 𝑟 > 0 ⇒ En 𝐵(−1; −1),il y a un minimum local .

Remarque : On peut même montrer que en 𝐴(1; 1) et en 𝐵(−1; −1) , il y a des extremas globaux
de 𝑓 .
Montrons que en 𝐴(1; 1) , il y a un minimum global de 𝑓 .
Au voisinage de (1; 1) , 𝑥 = 1 + ℎ et 𝑦 = 1 + 𝑘 , 𝑓(1; 1) = −2 .
Montrons que 𝑓(𝑥; 𝑦) − 𝑓(1; 1) ≥ 0
𝑓(𝑥; 𝑦) − 𝑓(1; 1) = 𝑓(𝑥; 𝑦) + 2
= 𝑥 4 + 𝑦 4 − 4𝑥𝑦 + 2

Page 6 sur 14
 = (1 + ℎ)4 + (1 + 𝑘)4 − 4(1 + ℎ)(1 + 𝑘) + 2
= ℎ4 + 𝑘 4 + 4(ℎ3 + 𝑘 3 ) + 6(ℎ2 + 𝑘 2 ) − 4ℎ
Or ℎ + 𝑘 ≥ 4ℎ𝑘 ⇔ −4ℎ𝑘 ≥ −(ℎ2 + 𝑘 2 ) ⇒
2 2

𝑓(𝑥; 𝑦) − 𝑓(1; 1) ≥ ℎ4 + 𝑘 4 + 4(ℎ3 + 𝑘 3 ) + 6(ℎ2 + 𝑘 2 ) − (ℎ2 + 𝑘 2 )

𝑓(𝑥; 𝑦) − 𝑓(1; 1) ≥ ℎ4 + 𝑘 4 + 4(ℎ3 + 𝑘 3 ) + 4(ℎ2 + 𝑘 2 )
𝑓(𝑥; 𝑦) − 𝑓(1; 1) ≥ ℎ4 + 4ℎ3 + 4ℎ2 + 𝑘 4 + 4𝑘 3 + 4𝑘 2
𝑓(𝑥; 𝑦) − 𝑓(1; 1) ≥ ℎ2 (ℎ2 + 4ℎ + 4) + 𝑘 2 (𝑘 2 + 4𝑘 + 4)
𝑓(𝑥; 𝑦) − 𝑓(1; 1) ≥ ℎ2 (ℎ + 2)2 + 𝑘 2 (𝑘 + 2)2
⇒ 𝑓(𝑥; 𝑦) − 𝑓(1; 1) ≥ 0 ⟺ 𝑓(𝑥; 𝑦) ≥ 𝑓(1; 1) ∀(𝑥; 𝑦) ∈ ℝ2 ⇒ 𝑓 admet un minimum global en 𝐴(1; 1) .
Il en est de même en 𝐵(−1; −1) .
Exemple 2 : 𝑔(𝑥; 𝑦) = 𝑥 2 + 𝑦 4
𝜕𝑔
𝜕𝑔 𝜕𝑔
(𝑥; 𝑦) = 0
𝜕𝑥
(𝑥; 𝑦) = 2𝑥 ; (𝑥; 𝑦) = 4𝑦 3 ; {𝜕𝑔 ⇔ 𝑥 = 0 et 𝑦 = 0 ⇒ 𝑂(0; 0) est un point critique .
𝜕𝑥 𝜕𝑦
(𝑥; 𝑦) = 0
𝜕𝑦
𝜕2 𝑔 𝜕2 𝑔 𝜕2 𝑔 𝜕2 𝑔
2
(𝑥; 𝑦) = 2 ; 2
(𝑥; 𝑦) = 12𝑦 2 ; (𝑥; 𝑦) = (𝑥; 𝑦) = 0
𝜕𝑥 𝜕𝑦 𝜕𝑥𝜕𝑦 𝜕𝑦𝜕𝑥

𝜕2 𝑔 𝜕2 𝑔 𝜕2 𝑔
𝑟 = 𝜕𝑥 2 (0; 0) = 2 ; 𝑡 = 𝜕𝑦 2 (0; 0) = 0 ; 𝑠 = 𝜕𝑥𝜕𝑦 (0; 0) = 0

𝑟𝑡 − 𝑠 2 = 0 , On ne peut rien affirmer . Mais ∀(𝑥; 𝑦) ∈ ℝ2 , 𝑔(𝑥; 𝑦) ≥ 0 or 𝑔(0; 0) = 0

∀(𝑥; 𝑦) ∈ ℝ2 , 𝑔(𝑥; 𝑦) ≥ 𝑔(0; 0) donc 𝑔 admet un minimum global en (0; 0) .
6-Matrice hessienne d’une fonction en un point :
Définition :
Soit 𝑓 une fonction de plusieurs variables (𝑥1 ; 𝑥2 ; ⋯ ; 𝑥𝑛 ) et de classe 𝐶 2 sur un ouvert 𝑈 de ℝ𝑛 à
valeurs dans ℝ (𝑛 = 2 𝑜𝑢 𝑛 = 3). Soit 𝑎 un point de 𝑈 . On appelle matrice hessienne de 𝑓 au point a , la
matrice notée ℋ𝑓 (𝑎) définie par
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
2
(𝑎) (𝑎) ⋯ (𝑎)
𝜕𝑥1 𝜕𝑥1 𝜕𝑥2 𝜕𝑥1 𝜕𝑥𝑛
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
𝜕2 𝑓 (𝑎) (𝑎) ⋯ (𝑎)
ℋ𝑓 (𝑎) = (𝜕𝑥 𝜕𝑥 (𝑎)) 1≤𝑖≤𝑛 = 𝜕𝑥2 𝜕𝑥1 𝜕𝑥2 2 𝜕𝑥2 𝜕𝑥𝑛
𝑖 𝑗
1≤𝑗≤𝑛 ⋮ ⋮ ⋱ ⋮
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
[𝜕𝑥𝑛𝜕𝑥1 (𝑎) 𝜕𝑥𝑛 𝜕𝑥2
(𝑎) ⋯
𝜕𝑥𝑛 2
(𝑎) ]

• En dimension 2 , 𝑓étant une fonction de deux variables (𝑥; 𝑦) et 𝑎 = (𝑎1 ; 𝑎2 ) un point de ℝ2 , la matrice
𝜕2 𝑓 𝜕2 𝑓
(𝑎) (𝑎)
𝜕𝑥 2 𝜕𝑥𝜕𝑦
hessienne de 𝑓 en 𝑎 est ℋ𝑓 (𝑎) = [ 𝜕2 𝑓 𝜕2 𝑓
]
(𝑎) (𝑎)
𝜕𝑦𝜕𝑥 𝜕𝑦 2

Page 7 sur 14
• En dimension 3 , 𝑓étant une fonction de 3 variables (𝑥; 𝑦; 𝑧) et 𝑎 = (𝑎1 ; 𝑎2 ; 𝑎3 ) un point de ℝ3 , la
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
(𝑎) (𝑎) (𝑎)
𝜕𝑥 2 𝜕𝑥𝜕𝑦 𝜕𝑥𝜕𝑧
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
matrice hessienne de 𝑓 en 𝑎 est ℋ𝑓 (𝑎) = 𝜕𝑦𝜕𝑥
(𝑎) 𝜕𝑦 2
(𝑎) 𝜕𝑦𝜕𝑧
(𝑎)
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
[ 𝜕𝑧𝜕𝑥 (𝑎) 𝜕𝑧𝜕𝑦
(𝑎) 𝜕𝑧 2
(𝑎) ]

Théorème : (Détermination des extremas d’une fonction )

Soit 𝑎 un point critique de 𝑓 .La matrice hessienne de 𝑓 en 𝑎 notée ℋ𝑓 (𝑎) est une matrice symétrique
réelle dont les valeurs propres nécessairement réelles sont ordonnées comme suit 𝜆1 ≤ 𝜆2 ≤ ⋯ ≤ 𝜆𝑛 .
1- Si les valeurs propres sont toutes strictement positives alors 𝑓 admet un minimum relatif en 𝑎.
2- Si les valeurs propres sont toutes strictement négatives alors 𝑓 admet un maximum relatif en 𝑎.
3- Si 𝜆1 < 0 et 𝜆𝑛 > 0 , alors 𝑓 n’admet pas un extremum relatif en 𝑎. (On dit alors que 𝑎 est un point
col ou un point selle ) .
4- S’il existe 𝑖 ∈ {1 ; 2 ; ⋯ ; 𝑛} tel que 𝜆𝑖 = 0 et les autres valeurs propres sont positives ou négatives
alors on ne peut rien conclure .
Exemple 1 : 𝑓(𝑥, 𝑦) = 𝑥 4 − 2𝑥 2 + 𝑦 3 − 6𝑦 2 − 4
1- Déterminer les points critiques de 𝑓.
2- Caractériser chacun de ces points .
Solution :
𝜕𝑓 𝜕𝑓
1- Les dérivées partielles sont : (𝑥, 𝑦) = 4𝑥 3 − 4𝑥 ; (𝑥, 𝑦) = 3𝑦 2 − 12𝑦
𝜕𝑥 𝜕𝑦
𝜕𝑓
(𝑥, 𝑦) = 0 4𝑥 3 − 4𝑥 = 0 4𝑥(𝑥 2 − 1) = 0
𝜕𝑥
{𝜕𝑓 ⟺ { 2 ⇔{ . On obtient alors les points critiques
(𝑥, 𝑦) = 0 3𝑦 − 12𝑦 = 0 3𝑦(𝑦 − 4) = 0
𝜕𝑦
suivants 𝑂(0,0) ; 𝐴(0,4) ; 𝐵(1,0) ; 𝐶(1,4) ; 𝐷(−1,0) et 𝐸(−1,4)
2- On va utiliser ici les matrices hessiennes pour caractériser ces points critiques.
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
(𝑥, 𝑦) = 12𝑥 2 − 4 ; (𝑥, 𝑦) = 6𝑦 − 12 ; (𝑥, 𝑦) = (𝑥, 𝑦) = 0
𝜕𝑥 2 𝜕𝑦 2 𝜕𝑥𝜕𝑦 𝜕𝑦𝜕𝑥

La matrice hessienne de 𝑓 en tout point (𝑥, 𝑦) ∈ ℝ2 est donnée par

𝜕2 𝑓 𝜕2 𝑓
(𝑥, 𝑦) (𝑥, 𝑦)
𝜕𝑥 2 𝜕𝑥𝜕𝑦 12𝑥 2 − 4 0
ℋ𝑓 (𝑥, 𝑦) = [ 𝜕2 𝑓 𝜕2 𝑓
] d’où ℋ𝑓 (𝑥, 𝑦) = [ ]
(𝑥, 𝑦) (𝑥, 𝑦) 0 6𝑦 − 12
𝜕𝑦𝜕𝑥 𝜕𝑦 2
On a donc :
−4 0
• ℋ𝑓 (0,0) = [ ] . Les valeurs propres de ℋ𝑓 (0,0) sont −4 < 0 et −12 < 0 donc
0 −12
𝑂(0,0) est un maximum local de 𝑓 .
−4 0
• ℋ𝑓 (0,4) = [ ] . Les valeurs propres de ℋ𝑓 (0,4) sont −4 < 0 et 12 > 0 , donc 𝐴(0,4) est
0 12
un point selle de 𝑓 .
8 0
• ℋ𝑓 (1,0) = ℋ𝑓 (−1,0) = [ ] . Les valeurs propres de ℋ𝑓 (1,0) et ℋ𝑓 (−1,0) sont 8 > 0
0 −12
et −12 < 0 , donc 𝐵(1,0) ; 𝐷(−1,0) sont des points selles .
8 0
• ℋ𝑓 (1,4) = ℋ𝑓 (−1,4) = [ ] . Les valeurs propres de ℋ𝑓 (1,4) et ℋ𝑓 (−1,4) sont 8 > 0 et
0 12
12 > 0 , donc 𝐶(1,0) ; 𝐸(−1,0) sont des minimas locaux de 𝑓

Page 8 sur 14
Remarque : On pouvait aussi utiliser les formules de Monge.
Exemple 2 : 𝑓(𝑥, 𝑦) = 𝑥 4 + 𝑦 4 − 2(𝑥 + 𝑦)2
1- Déterminer les points critiques de 𝑓.
2- Caractériser chacun de ces points.
Solution :
𝜕𝑓 𝜕𝑓
1- Les dérivées partielles sont : (𝑥, 𝑦) = 4𝑥 3 − 4(𝑥 + 𝑦) et (𝑥, 𝑦) = 4𝑦 3 − 4(𝑥 + 𝑦)
𝜕𝑥 𝜕𝑦
𝜕𝑓
(𝑥, 𝑦) = 0 4𝑥 3 − 4(𝑥 + 𝑦) = 0 4𝑥 3 = 4(𝑥 + 𝑦) 𝑥3 = 𝑦3 𝑦=𝑥
𝜕𝑥
𝜕𝑓 ⟺{ 3 ⇔ { 3 ⇔ { 3 ⇔{ 3
(𝑥, 𝑦) = 0 4𝑦 − 4(𝑥 + 𝑦) = 0 4𝑦 = 4(𝑥 + 𝑦) 4𝑥 = 4(𝑥 + 𝑦) 4𝑥 − 8𝑥 = 0
𝜕𝑦
𝑦=𝑥
⟺{ ⇔ {𝑥 = 0 𝑜𝑢 𝑥 = √2 𝑜𝑢 𝑥 = −√2 . On obtient alors les points critiques
4𝑥(𝑥 2 − 2) = 0 𝑦=𝑥
suivants : 𝑂(0,0) ; 𝐴(√2, √2) et 𝐵(−√2, −√2) .
2- On va utiliser ici les matrices hessiennes pour caractériser ces points critiques.
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
(𝑥; 𝑦) = 12𝑥 2 − 4 ; (𝑥; 𝑦) = 12𝑦 2 − 4 ; (𝑥; 𝑦) = (𝑥; 𝑦) = −4
𝜕𝑥 2 𝜕𝑦 2 𝜕𝑥𝜕𝑦 𝜕𝑦𝜕𝑥
La matrice hessienne de 𝑓 en tout point (𝑥, 𝑦) ∈ ℝ2 est donnée par ℋ𝑓 (𝑥, 𝑦) =
𝜕2 𝑓 𝜕2 𝑓
(𝑥, 𝑦) (𝑥, 𝑦)
𝜕𝑥 2 𝜕𝑥𝜕𝑦 12𝑥 2 − 4 −4
[ 𝜕2 𝑓 ] d’où ℋ𝑓 (𝑥, 𝑦) = [ ]
(𝑥, 𝑦)
𝜕2 𝑓
(𝑥, 𝑦) −4 12𝑦 2 − 4
𝜕𝑦𝜕𝑥 𝜕𝑦 2
−4 −4
•ℋ𝑓 (0,0) = [ ] . Le polynôme caractéristique de ℋ𝑓 (0,0) est 𝑃0 définie par 𝑃0 (𝜆) =
−4 −4
−4 − 𝜆 −4
det(ℋ𝑓 (0,0) − 𝜆𝐼2 ) = | |
−4 −4 − 𝜆
2 2
= (−4 − 𝜆) − 4
= 𝜆(𝜆 + 8)
Les valeurs propres de ℋ𝑓 (0,0) sont 𝜆1 = −8 et 𝜆2 = 0 . On ne peut rien affirmer .
Pour 𝑥 ∈ ℝ , calculons 𝑓(𝑥, 𝑥) et 𝑓(𝑥, −𝑥) .
𝑓(𝑥, 𝑥) = 2𝑥 4 − 8𝑥 2 = 2𝑥 2 (𝑥 2 − 4) ≤ 0 au voisinage de 0 or 𝑓(0,0) = 0
𝑓(𝑥, −𝑥) = 2𝑥 4 ≥ 0. Au voisinage de 0, on a 𝑓(𝑥, 𝑥) ≤ 𝑓(0,0) et 𝑓(𝑥, −𝑥) ≥ 𝑓(0,0)
Alors 𝑂(0,0) est un point selle .
20 −4
•ℋ𝑓 (√2, √2) = ℋ𝑓 (−√2, −√2) = [ ]. Le polynôme caractéristique de ℋ𝑓 (√2, √2) =
−4 20
20 − 𝜆 −4
ℋ𝑓 (−√2, −√2) est 𝑃√2 définie par 𝑃√2 (𝜆) = det(ℋ𝑓 (√2, √2) − 𝜆𝐼2 ) = | |
−4 20 − 𝜆
= (20 − 𝜆)2 − 42
= (16 − 𝜆)(24 − 𝜆)
Les valeurs propres de ℋ𝑓 (√2, √2) = ℋ𝑓 (−√2, −√2) sont 𝜆1 = 16 et 𝜆2 = 24 . On a 𝜆1 > 0 et
𝜆2 > 0 alors ; 𝐴(√2, √2) et 𝐵(−√2, −√2) sont des minimas locaux .
Exemple 3 : 𝑓(𝑥, 𝑦, 𝑧) = 1 + 2𝑦 − 3𝑦 2 + 2𝑥𝑧 − 3𝑧 2
1- Déterminer les points critiques de 𝑓.
2- Caractériser chacun de ces points.
Solution :
𝜕𝑓 𝜕𝑓 𝜕𝑓
1- Les dérivées partielles sont : (𝑥, 𝑦, 𝑧) = 2𝑧 ; (𝑥, 𝑦, 𝑧) = 2 − 6𝑦 ; (𝑥, 𝑦, 𝑧) = 2𝑥 − 6𝑧
𝜕𝑥 𝜕𝑦 𝜕𝑧

Page 9 sur 14
 𝜕𝑓
(𝑥, 𝑦, 𝑧) = 0
𝜕𝑥
𝜕𝑓
2𝑧 = 0
Le système d’équations donnant les points critiques est (𝑥, 𝑦, 𝑧) = 0 ⇔ { 2 − 6𝑦 = 0
𝜕𝑦
𝜕𝑓 2𝑥 − 6𝑧 = 0
{𝜕𝑦 (𝑥, 𝑦, 𝑧) = 0
𝑧=0
1 1
⇔ { 𝑦 = 3 . Alors le point 𝐴(0, 3 , 0) est le seul point critique de 𝑓 .
𝑥=0
2- Pour caractériser ce point critique , on ne peut utiliser que la matrice hessienne. Les formules ne
Monge ne peuvent pas s’appliquer ici .
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
2
(𝑥, 𝑦, 𝑧) = 0 ; 2
(𝑥, 𝑦, 𝑧) = −6 ; (𝑥, 𝑦, 𝑧) = −6 ;
𝜕𝑥 𝜕𝑦 𝜕𝑧 2
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
(𝑥, 𝑦, 𝑧) = (𝑥, 𝑦, 𝑧) = 0 ; (𝑥, 𝑦, 𝑧) = (𝑥, 𝑦, 𝑧) = 2 ; (𝑥, 𝑦, 𝑧) =
𝜕𝑥𝜕𝑦 𝜕𝑦𝜕𝑥 𝜕𝑥𝜕𝑧 𝜕𝑧𝜕𝑥 𝜕𝑦𝜕𝑧
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
(𝑎) (𝑎) (𝑎)
𝜕𝑥 2 𝜕𝑥𝜕𝑦 𝜕𝑥𝜕𝑧
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
(𝑥, 𝑦, 𝑧) = 0 . En 𝑎 = (𝑥, 𝑦, 𝑧) ℋ𝑓 (𝑎) = (𝑎) (𝑎) (𝑎)
𝜕𝑧𝜕𝑦 𝜕𝑦𝜕𝑥 𝜕𝑦 2 𝜕𝑦𝜕𝑧
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
𝜕𝑧𝜕𝑦 [ 𝜕𝑧𝜕𝑥 (𝑎)
(𝑎) 𝜕𝑧 2 (𝑎) ]
0 0 2 0 0 2
1
(𝑥,
Ainsi ℋ𝑓 𝑦, 𝑧) = (0 −6 0 ) d’où ℋ𝑓 ((0, 3 , 0) = (0 −6 0 )
2 0 −6 2 0 −6
1
Le polynôme caractéristique de ℋ𝑓 (0, 3 , 0) est 𝑃 défini par 𝑃(𝜆) =
0−𝜆 0 2
1
det (ℋ𝑓 (0, 3 , 0) − 𝜆𝐼3 ) = | 0 −6 − 𝜆 0 |
2 0 −6 − 𝜆
−𝜆 2
= (−6 − 𝜆) | | = (−6 − 𝜆)(𝜆2 + 6𝜆 − 4)
2 −6 − 𝜆
𝑃(𝜆) = 0 ⇔ −6 − 𝜆 = 0 ou 𝜆2 + 6𝜆 − 4 = 0. Les valeurs propres sont 𝜆1 = −3 −
1
√13 < 0 , 𝜆2 = −6 < 0 et 𝜆3 = −3 + √13 > 0 ; Ainsi le point 𝐴(0, 3 , 0) est un point selle pour 𝑓.

V- OPERATEURS VECTORIELS :
V-1 Produit vectoriel :
Remarque : Le produit vectoriel se calcule dans un espace vectoriel de dimension 3 .
Exemples :

Définition : Soient 𝑢
⃗ et 𝑣 deux vecteurs de l’espace orienté . 𝐴 , 𝐵 , 𝐶 trois points du plan tel que 𝑢 ⃗⃗⃗⃗⃗
⃗ = 𝐴𝐵
⃗⃗⃗⃗⃗ .
et 𝑣 = 𝐴𝐶
On appelle produit vectoriel de 𝑢
⃗ par 𝑣 le vecteur notée 𝑢
⃗ ∧ 𝑣 ainsi défini .

• Lorsque 𝑢 ⃗ ∧ 𝑣 = ⃗0
⃗ et 𝑣 sont colinéaires, 𝑢
• Lorsque 𝑢
⃗ et 𝑣 𝑛𝑒 sont pas colinéaires,
- Le vecteur 𝑢
⃗ ∧ 𝑣 est orthogonal à 𝑢
⃗ et à 𝑣 (𝑑𝑖𝑟𝑒𝑐𝑡𝑖𝑜𝑛)
- (𝑢 ⃗ ∧ 𝑣 ) est une base de directe (𝑠𝑒𝑛𝑠)
⃗ ,𝑣 ,𝑢
- ‖𝑢
⃗ ∧ 𝑣 ‖ = ‖𝑢⃗ ‖‖𝑢 ̂ (𝑛𝑜𝑟𝑚𝑒)
⃗ ‖𝑠𝑖𝑛𝐵𝐴𝐶
𝑢
⃗ ∧ 𝑣 se lit " 𝑢
⃗ vectoriel 𝑣 "

Page 10 sur 14
Propriétés :
1) 𝑣∧ 𝑢 ⃗ = −(𝑢 ⃗ ∧ 𝑣)
2) ∀𝑘 ∈ ℝ (𝑘𝑢 ⃗)∧ 𝑣 = 𝑢 ⃗ ∧ (𝑘 𝑣) = 𝑘(𝑢 ⃗ ∧ 𝑣)
3) 𝑢
⃗ ∧ (𝑣 + 𝑤⃗⃗ ) = 𝑢⃗ ∧ 𝑣+𝑢 ⃗ ∧ 𝑤⃗⃗
4) (𝑢
⃗ + 𝑣) ∧ 𝑤 ⃗⃗ = 𝑢⃗ ∧ 𝑤
⃗⃗ + 𝑣 ∧ 𝑤 ⃗⃗
5) 𝑢 ⃗
⃗ ∧ 𝑣 = 0 si et seulement si 𝑢 ⃗ et 𝑣 sont colinéaires
1
6) L’aire du triangle 𝐴𝐵𝐶 est 𝒜 = 2 ‖𝐴𝐵 ⃗⃗⃗⃗⃗ ∧ 𝐴𝐶
⃗⃗⃗⃗⃗ ‖

Expression analytique du produit scalaire :

⃗ ) une base orthonormée directe de l’espace. Soient 𝑢
Soit (𝑖, 𝑗, 𝑘 ⃗ (𝑥, 𝑦, 𝑧) et alors , 𝑢
⃗ ∧ 𝑣=
𝑦 𝑦′ 𝑥 𝑥′
| | 𝑖 + |𝑧 𝑧′| 𝑗 + | ⃗
|𝑘
𝑧 𝑧′ 𝑥 𝑥′ 𝑦 𝑦′
−1 1 1 −3 2 −2 ⃗
⃗ (2, −1,1) et 𝑣(−2, 1, −3) . 𝑢
Exemple : 𝑢 ⃗ ∧ 𝑣=| |𝑖 + | |𝑗 + | |𝑘
1 −3 2 −2 −1 1
= 2𝑖 + 4𝑗
V-2 Champs scalaires et champs de vecteurs :
Remarque : ℰ désigne l’espace affine c-a-d l’ensemble des points. 𝐸 est l’espace vectoriel associé à
l’espace affine ℰ si et seulement si ∀𝐴, 𝐵 ∈ ℰ , ⃗⃗⃗⃗⃗
𝐴𝐵 ∈ 𝐸 .
Définition :
Un champ scalaire est une application d’une partie de l’espace affine dans ℝ .
Définition :

Un champ de vecteurs 𝐴 est une application d’une partie de l’espace affine dans l’espace vectoriel associé .
Exemples :
𝑓(𝑥, 𝑦, 𝑧) = 𝑥 + 2𝑦 2 + 𝑧 4 définie un champ scalaire alors que
⃗ défini un champ de vecteurs
𝐴(𝑥, 𝑦, 𝑧) = 5𝑥 2 𝑖 + 3𝑦𝑧𝑗 + 𝑥 2 𝑧𝑘
V-3 Opérateurs gradient, divergence et rotationnel :
V-3-1 gradient d’un champ scalaire :
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 𝑓
Le gradient d’un champ scalaire 𝑓 est le vecteur noté 𝑔𝑟𝑎𝑑
𝜕𝑓 𝜕𝑓 𝜕𝑓 𝜕𝑓 𝜕𝑓
En dimension 2 , ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑔𝑟𝑎𝑑 𝑓 ( ; ) et en dimension 3 , ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑔𝑟𝑎𝑑 𝑓 ( ; ; )
𝜕𝑥 𝜕𝑦 𝜕𝑥 𝜕𝑦 𝜕𝑧

Exemples :
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 𝑓 (𝜕𝑓 (𝑥; 𝑦); 𝜕𝑓 (𝑥; 𝑦)) ⇔ 𝑔𝑟𝑎𝑑
1) 𝑓(𝑥, 𝑦) = 𝑥 2 𝑦 3 alors 𝑔𝑟𝑎𝑑 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 𝑓(2𝑥𝑦 3 ; 3𝑥 2 𝑦 2 )
𝜕𝑥 𝜕𝑦
𝜕𝑓 𝜕𝑓 𝜕𝑓
2) 𝑓(𝑥, 𝑦) = 𝑥 + 2𝑦 2 + 𝑧 3 alors ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑔𝑟𝑎𝑑 𝑓 (𝜕𝑥 ; 𝜕𝑦 ; ) ⇔ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑔𝑟𝑎𝑑 𝑓(1; 4𝑦; 3𝑧 2 )
𝜕𝑧

V-3-2 Divergence d’un champ de vecteurs :

Page 11 sur 14
Définition : La divergence d’un champ de vecteurs 𝐴 est un champ de vecteur noté 𝑑𝑖𝑣𝐴 . En dimension 2,
𝜕𝐴𝑥 𝜕𝐴𝑦
si 𝐴(𝐴𝑥 ; 𝐴𝑦 ) alors 𝑑𝑖𝑣𝐴 = + . En dimension 3, si
𝜕𝑥 𝜕𝑦
𝜕𝐴𝑥 𝜕𝐴𝑦 𝜕𝐴𝑧
𝐴(𝐴𝑥 ; 𝐴𝑦 ; 𝐴𝑧 ) alors 𝑑𝑖𝑣𝐴 = + +
𝜕𝑥 𝜕𝑦 𝜕𝑧

Exemples :

1) 𝐴(𝑥, 𝑦) = 5𝑥 2 𝑖 + 3𝑥𝑦 2 𝑗 alors 𝑑𝑖𝑣𝐴 = 10𝑥 + 6𝑥𝑦

⃗ alors 𝑑𝑖𝑣𝐴 = 10𝑥 + 3𝑥𝑧 + 𝑦 2
2) 𝐴(𝑥, 𝑦, 𝑧) = 5𝑥 2 𝑖 + 3𝑥𝑦𝑧𝑗 + 𝑦 2 𝑧𝑘
V-3-3 Rotationnel :

Définition : Le rotationnel d’un champ de vecteur 𝑉 ⃗ est autre champ de vecteur noté ⃗⃗⃗⃗⃗⃗
𝑟𝑜𝑡𝑉 ⃗ . Contrairement
au gradient et la divergence, il est défini seulement en dimension 3 . ⃗ (𝑉𝑥 ; 𝑉𝑦 ; 𝑉𝑧 ) alors
Si 𝑉
⃗⃗⃗⃗⃗⃗
𝑟𝑜𝑡𝑉 ⃗ = (𝜕𝑉𝑧 − 𝜕𝑉𝑦 ; 𝜕𝑉𝑥 − 𝜕𝑉𝑧 ; 𝜕𝑉𝑦 − 𝜕𝑉𝑥 )
𝜕𝑦 𝜕𝑧 𝜕𝑧 𝜕𝑥 𝜕𝑥 𝜕𝑦

V-3-4 Laplacien :
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
Pour un champ scalaire 𝑓 de classe 𝑐 2 , le laplacien de 𝑓 est Δ𝑓 = 𝜕𝑥 2 + 𝜕𝑦 2 + 𝜕𝑧 2

𝜕2 𝑓 𝜕2 𝑓
En dimension 2 Δ𝑓 = 𝜕𝑥 2 + 𝜕𝑦 2

V-3-5 Opérateur nabla :

⃗ ".
On utilise la notation symbolique avec l’opérateur nabla. C’est le symbole " ∇
𝜕 𝜕
En dimension 2 ⃗∇ (𝜕𝑥 ; )
𝜕𝑦

𝜕 𝜕 𝜕
En dimension 3 ⃗∇ (𝜕𝑥 ; ; )
𝜕𝑦 𝜕𝑧

Ainsi
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑔𝑟𝑎𝑑 𝑓 = ∇ ⃗ 𝑓 ; 𝑑𝑖𝑣𝐴 = ∇
⃗ . 𝐴 ; 𝑟𝑜𝑡 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 𝑓)
⃗ ∧ 𝐴 ; Δ𝑓 = ∇2 𝑓 ; Δ𝑓 = 𝑑𝑖𝑣(𝑔𝑟𝑎𝑑
⃗⃗⃗⃗⃗⃗ 𝐴 = ∇

Propriétés : 𝑟𝑜𝑡 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 𝑓) = 0 ; 𝑑𝑖𝑣(𝑟𝑜𝑡

⃗⃗⃗⃗⃗⃗ (𝑔𝑟𝑎𝑑 ⃗⃗⃗⃗⃗⃗ 𝐴) = 0
⃗ .
Exemples : On donne 𝐴(𝑥, 𝑦, 𝑧) = 𝑥 2 𝑧𝑖 + 4𝑥 2 𝑦𝑗 − 5𝑥 2 𝑧𝑘
𝐴𝑥 = 𝑥 2 𝑧 ; 𝐴𝑦 = 4𝑥 2 𝑦 ; 𝐴𝑧 = −5𝑥 2 𝑧
𝜕𝐴𝑥 𝜕𝐴𝑦 𝜕𝐴𝑧
⃗ .𝐴 =
𝑑𝑖𝑣𝐴 = ∇ + + = 2𝑥𝑧 + 4𝑥 2 − 5𝑥 2 = 2𝑥𝑧 − 𝑥 2
𝜕𝑥 𝜕𝑦 𝜕𝑧

𝜕 𝜕 𝜕
𝐴𝑦 𝐴𝑧 𝐴𝑥
𝜕𝑦 𝜕𝑥
⃗⃗⃗⃗⃗⃗ 𝐴 = ⃗∇ ∧ 𝐴 =
𝑟𝑜𝑡 |𝜕 | 𝑖 + | 𝜕𝑧
𝜕
|𝑗 + |𝜕 ⃗
|𝑘
𝐴𝑧 𝐴𝑥 𝐴𝑦
𝜕𝑧 𝜕𝑥 𝜕𝑦

𝜕𝐴 𝜕𝐴𝑦 𝜕𝐴𝑥 𝜕𝐴𝑧 𝜕𝐴𝑦 𝜕𝐴𝑥

= ( 𝜕𝑦𝑧 − ; − ; − )
𝜕𝑧 𝜕𝑧 𝜕𝑥 𝜕𝑥 𝜕𝑦

⃗
= −𝑥 2 𝑖 + (𝑥 2 − 10𝑥𝑦)𝑗 + 8𝑥𝑧𝑘
V-4 Compléments :

Page 12 sur 14
Définition : Un champ de vecteurs ⃗⃗⃗
𝑉 dérive d’un potentiel scalaire s’il existe une fonction 𝑓 de classe 𝑐 1
telle que ⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 𝑓 .
𝑉 = 𝑔𝑟𝑎𝑑

Théorème : Soit ⃗⃗⃗ ⃗ = ⃗0 alors 𝑉

⃗⃗⃗⃗⃗⃗ 𝑉
𝑉 un champ de vecteurs. Si 𝑟𝑜𝑡 ⃗⃗⃗ dérive d’un potentiel scalaire .

Fonctions harmoniques :
Définition : Une fonction 𝑓définie sur un intervalle Ω et de classe 𝑐 2 sur Ω est harmonique si Δ𝑓 = 0
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
c.a.d + 𝜕𝑦 2 + 𝜕𝑧 2 = 0 .
𝜕𝑥 2

Page 13 sur 14
Page 14 sur 14