C HAPITRE 1

F ONCTIONS DE PLUSIEURS VARIABLES À

VALEUR DANS R

1.1 Motivation
Une fonction de plusieurs variables est une fonction qui prend en entrée plusieurs variables indé-
pendantes et produit un résultat unique. Contrairement aux fonctions d’une seule variable, comme
f ( x ), qui prennent un nombre réel et renvoient un autre nombre, une fonction de plusieurs va-
riables, comme f ( x1 , x2 , . . . , xn ), prend plusieurs nombres en entrée.

Les fonctions de plusieurs variables jouent un rôle fondamental dans la modélisation et l’analyse
des phénomènes complexes dans divers domaines. Voici quelques motivations pour leur étude :
• Complexité du Monde Réel : De nombreux systèmes naturels et artificiels sont influencés
par plusieurs facteurs simultanément. Par exemple, la croissance d’une plante dépend de la
lumière, de l’eau et des nutriments. Modéliser ces interactions nécessite l’utilisation de fonc-
tions de plusieurs variables.
• Sciences de l’Ingénieur : Dans l’ingénierie, les fonctions de plusieurs variables sont utilisées
pour décrire des systèmes mécaniques, thermiques et électriques. Par exemple, la résistance
d’un matériau peut dépendre de sa température et de sa pression.

• Économie : Les fonctions de production, qui relient les intrants (comme le capital et le travail)
à la production, sont souvent représentées comme des fonctions de plusieurs variables. Cela
permet d’analyser l’impact de chaque intrant sur la production totale.
• Analyse et Optimisation : La compréhension des fonctions de plusieurs variables permet
d’analyser les comportements des systèmes complexes. Par exemple, les techniques d’optimi-
sation, comme la recherche du maximum ou du minimum d’une fonction, sont essentielles
dans des domaines tels que la logistique, la finance et la planification de projets.
• Visualisation et Intuition : Les fonctions de plusieurs variables permettent de visualiser des
concepts mathématiques dans un espace à dimensions supérieures. Par exemple, les surfaces
de niveau et les graphiques tridimensionnels aident à développer une intuition sur la manière
dont les changements dans une variable affectent les autres.
• Développement des Outils Mathématiques : L’étude des fonctions de plusieurs variables
mène à la découverte et à l’application de nouveaux outils mathématiques, tels que les dé-
rivées partielles, le gradient, et les intégrales multiples. Ces concepts sont cruciaux pour ré-
soudre des problèmes complexes dans de nombreux domaines.
• Interdisciplinarité : Les fonctions de plusieurs variables sont essentielles dans de nombreuses
disciplines, notamment la physique, la chimie, la biologie, la médecine et les sciences sociales.
Elles fournissent un langage commun pour analyser des problèmes qui transcendent les fron-
tières disciplinaires.

1
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Notions importantes

• Le domaine de définition : Pour une fonction de n variables, il s’agit de l’ensemble des points
de Rn où la fonction est définie.

• Les courbes et surfaces de niveau : Elles permettent de visualiser des fonctions de plusieurs
variables, notamment dans les cas à deux ou trois variables.

• Les limites et continuité : Ces concepts généralisent ceux des fonctions d’une variable, mais
nécessitent des outils spécifiques pour traiter les fonctions de plusieurs variables.

Cette introduction permet d’aborder les concepts fondamentaux avant de se plonger dans des no-
tions plus avancées comme la dérivation partielle, les gradients ou encore les intégrales multiples.

1.2 Fonctions de plusieurs variables

1.2.1 Domaine d’une Fonction de Plusieurs Variables
Le domaine d’une fonction de plusieurs variables est l’ensemble des points dans l’espace où la
fonction est définie. Pour une fonction à deux variables f ( x, y), son domaine est un sous-ensemble
de R2 et pour une fonction à trois variables f ( x, y, z), le domaine sera un sous-ensemble de R3 .

Domaine d’une fonction polynomiale

Une fonction polynomiale comme f ( x, y) = x2 + y2 ou f ( x, y, z) = x2 + y2 + z2 est définie partout.
Son domaine est donc tout l’espace R2 ou R3 , selon le nombre de variables.

• Exemple :
f ( x, y) = x2 + y2
Domaine : D f = R2 , c’est-à-dire que x et y peuvent prendre toutes les valeurs réelles.

Domaine d’une fonction rationnelle

Pour une fonction rationnelle, il faut éviter les valeurs qui rendent le dénominateur nul, car la divi-
sion par zéro n’est pas définie.

• Exemple :
1
f ( x, y) =
x2 + y2 − 1
Ici, le dénominateur est nul lorsque x2 + y2 = 1. Cela correspond à un cercle de rayon 1
centré à l’origine.
Domaine :
D f = {( x, y) ∈ R2 | x2 + y2 ̸= 1}
Le domaine est tout le plan sauf les points sur le cercle x2 + y2 = 1.

2
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Domaine d’une fonction logarithmique

Pour une fonction logarithmique, l’argument du logarithme doit être strictement positif.

• Exemple :
f ( x, y) = ln( x2 + y2 )
Le logarithme est défini uniquement lorsque x2 + y2 > 0, ce qui signifie que le point (0, 0)
est exclu du domaine.
Domaine :
D f = {( x, y) ∈ R2 | ( x, y) ̸= (0, 0)}

Domaine d’une fonction racine carrée

Pour une fonction racine carrée, l’expression sous la racine doit être positive ou nulle, car la racine
carrée d’un nombre négatif n’est pas définie dans l’ensemble des réels.

• Exemple : q
f ( x, y) = 4 − x 2 − y2

Ici, l’argument de la racine 4 − x2 − y2 doit être non négatif, c’est-à-dire 4 − x2 − y2 ≥ 0, ou

encore x2 + y2 ≤ 4.
Domaine :
D f = {( x, y) ∈ R2 | x2 + y2 ≤ 4}
Cela correspond à un disque de rayon 2 centré à l’origine.

Domaine d’une fonction trigonométrique

Les fonctions trigonométriques comme sin( x ) ou cos( x ) sont définies partout, donc leur domaine
est généralement tout l’espace.

• Exemple :
f ( x, y) = sin( x ) + cos(y)
Domaine : D f = R2 , la fonction est définie pour tout x et y.

1.2.2 Image d’une Fonction de Plusieurs Variables

L’image d’une fonction de plusieurs variables est l’ensemble des valeurs prises par la fonction
lorsque les variables parcourent tout le domaine. Si la fonction est de deux variables, f ( x, y), alors
l’image est l’ensemble des valeurs z = f ( x, y) que f peut prendre. Pour une fonction de trois va-
riables, f ( x, y, z), l’image sera l’ensemble des valeurs w = f ( x, y, z).

3
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Fonction polynomiale
Prenons la fonction f ( x, y) = x2 + y2 .

• Domaine : Tout R2 (toutes les valeurs réelles de x et y).

• Image : La fonction x2 + y2 est toujours positive ou nulle, puisque x2 ≥ 0 et y2 ≥ 0. L’image

de la fonction est donc l’ensemble [0, +∞), c’est-à-dire toutes les valeurs réelles positives et
zéro.
Im( f ) = [0, +∞)

Fonction rationnelle
1
Prenons la fonction f ( x, y) = x 2 + y2 +1
.

• Domaine : Tout R2 (toutes les valeurs réelles de x et y).

• Image : La fonction x2 + y2 + 1 est toujours supérieure à 1. Ainsi, l’inverse est toujours

compris entre 0 et 1. L’image de la fonction est donc l’intervalle (0, 1].

Im( f ) = (0, 1]

Fonction logarithmique
Prenons la fonction f ( x, y) = ln( x2 + y2 ).

• Domaine : D f = {( x, y) ∈ R2 | ( x, y) ̸= (0, 0)}, car x2 + y2 > 0.

• Image : Lorsque ( x, y) s’approche de l’origine, x2 + y2 tend vers 0, donc ln( x2 + y2 ) tend

vers −∞. Lorsque x2 + y2 devient grand, ln( x2 + y2 ) devient très grand. L’image est donc
(−∞, +∞).
Im( f ) = (−∞, +∞)

Fonction trigonométrique
Prenons la fonction f ( x, y) = sin( x ) + cos(y).

• Domaine : Tout R2 .

• Image : La fonction sinus et cosinus prennent des valeurs entre −1 et 1, donc la somme
sin( x ) + cos(y) est comprise entre −2 et 2. L’image est donc [−2, 2].

Im( f ) = [−2, 2]

4
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

1.2.3 Graphe et courbes de niveau

Le graphe d’une fonction de plusieurs variables est une représentation géométrique de la relation
entre les variables indépendantes et la variable dépendante, dans un espace de dimensions supé-
rieures. Pour une fonction de n variables, le graphe est une surface ou une hypersurface dans un
espace euclidien à n + 1 dimensions.

Définition formelle
Soit f : Rn → R, une fonction de n variables. Le graphe de cette fonction est l’ensemble des points
dans l’espace Rn+1 , donné par :

G ( f ) = {(x, f (x)) | x ∈ Rn }
où x = ( x1 , x2 , . . . , xn ) est un vecteur de Rn , et f (x) est la valeur de la fonction pour ce vecteur.

Exemples
Fonction de deux variables ( f : R2 → R)

Pour une fonction f ( x, y), le graphe est un ensemble de points ( x, y, f ( x, y)) dans l’espace R3 . Le
graphe est une surface.

Exemple : Si f ( x, y) = x2 + y2 , alors le graphe est un paraboloïde dans l’espace R3 .

G ( f ) = {( x, y, x2 + y2 ) | ( x, y) ∈ R2 }

Fonction de trois variables ( f : R3 → R)

Pour une fonction f ( x, y, z), le graphe est un ensemble de points ( x, y, z, f ( x, y, z)) dans l’espace
R4 . Ici, le graphe est une hypersurface dans un espace à 4 dimensions, ce qui est plus difficile à
visualiser.

Exemple : Si f ( x, y, z) = x2 + y2 + z2 , alors le graphe de cette fonction est un hyper-

paraboloïde dans R4 .

Visualisation et interprétation
• Pour les fonctions de deux variables, le graphe peut être visualisé comme une surface en 3D.
• Pour les fonctions de trois variables et plus, le graphe est une hypersurface dans un espace
de dimension supérieure, et il devient plus difficile à représenter géométriquement. On peut
toutefois se concentrer sur des sections ou des projections pour en obtenir une interprétation
visuelle partielle.

Courbes de niveau
Pour une valeur constante c ∈ R, la courbe de niveau correspondante est définie par :

L c = { x ∈ Rn | f ( x ) = c }
Les courbes de niveau représentent les ensembles de points dans le plan où la fonction prend la
même valeur.

5
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Courbes de niveau dans R2

Les courbes de niveau d’une fonction f : R2 → R sont des ensembles de points où la fonction
prend une valeur constante. Pour une valeur donnée c ∈ R, la courbe de niveau correspondante est
définie par :

Lc = {( x, y) ∈ R2 | f ( x, y) = c}

Fonction Linéaire
Prenons la fonction f ( x, y) = 2x + 3y
Analyse des courbes de niveau Les courbes de niveau sont définies par l’équation suivante :
f ( x, y) = c
Pour la fonction f ( x, y) = 2x + 3y, cela donne :
2x + 3y = c
Cette équation représente des lignes droites dans le plan xy, où chaque valeur constante c corres-
pond à une courbe de niveau. Les courbes de niveau sont des lignes parallèles dont l’inclinaison
est donnée par la pente − 32 , car en réarrangeant l’équation, nous obtenons :
2 c
y = − x+
3 3
Voici quelques exemples pour des valeurs spécifiques de c :
• Pour c = 0, la ligne droite passe par l’origine et a pour équation 2x + 3y = 0.
• Pour c = 3, la ligne droite est décalée vers le haut et a pour équation 2x + 3y = 3.
• Pour c = −3, la ligne droite est décalée vers le bas et a pour équation 2x + 3y = −3.
Courbes de niveau

Les courbes de niveau sont des lignes droites parallèles, uniformément espacées, correspondant
à des valeurs différentes de c.

Graphe en 3D : La fonction f ( x, y) = 2x + 3y représente un plan incliné dans l’espace tri-

dimensionnel. Ce plan est défini par une pente de 2 dans la direction x et de 3 dans la direction
y. Ainsi, la fonction augmente plus rapidement dans la direction y que dans la direction x.

6
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Le graphe montre un plan incliné. La pente dans la direction y est plus élevée (3) que dans la
direction x (2), ce qui reflète l’évolution linéaire de la fonction dans l’espace.

Fonction Quadratique
Nous considérons la fonction suivante :

f ( x, y) = x2 + y2

Analyse des courbes de niveau

Les courbes de niveau pour une valeur donnée c sont les ensembles de points ( x, y) tels
que f ( x, y) = c, soit :
x 2 + y2 = c
√
Ce sont des cercles de rayon c, centrés à l’origine.

Pour différentes valeurs de c, nous obtenons les courbes de niveau suivantes :

• c = 1 : x2 + y2 = 1 (cercle de rayon 1),

• c = 4 : x2 + y2 = 4 (cercle de rayon 2),

• c = 9 : x2 + y2 = 9 (cercle de rayon 3).

Courbes de Niveau

7
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Les courbes de niveau sont des cercles concentriques centrés à l’origine, et leur rayon augmente
avec la valeur de c.

Graphe en 3D Le graphe de la fonction f ( x, y) = x2 + y2 est une paraboloïde. Nous pou-

vons représenter cette surface en 3D.

La paraboloïde montre que la fonction augmente radialement à partir de l’origine. Chaque courbe
de niveau correspond à une tranche de cette surface à différentes hauteurs.

Fonction Exponentielle
2 + y2 )
Prenons la fonction f ( x, y) = e−( x

Courbes de niveau : Pour une valeur c (où c est dans l’intervalle (0, 1]), nous avons :
2 + y2 )
Lc = {( x, y) ∈ R2 | e−( x = c}
Cela se réécrit en :

8
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

−( x2 + y2 ) = ln(c) ⇒ x2 + y2 = − ln(c)
p
Représentation : Cela représente des cercles de rayon − ln(c).

Exemples :
√
• Pour c = 0.5 : x2 + y2 = − ln(0.5) ≈ 0.693 → cercle de rayon 0.693 ≈ 0.833.
√
• Pour c = 0.1 : x2 + y2 = − ln(0.1) ≈ 2.302 → cercle de rayon 2.302 ≈ 1.52.

Fonction de type Montagne

p
Prenons la fonction f ( x, y) = sin( x 2 + y2 )

Courbes de niveau : Pour une valeur c (où c est dans l’intervalle [−1, 1]), nous avons :
q
Lc = {( x, y) ∈ R | sin( x2 + y2 ) = c}
2

Représentation : Cette fonction produit des cercles concentriques, avec des valeurs maximales et
minimales alternant à mesure que l’on s’éloigne de l’origine.

Exemples :

• Pour c = 0 : Les courbes de niveau sont des cercles où x2 + y2 = nπ, pour n ∈ Z.

p

• Pour c = 1 : Se produit à x2 + y2 = π2 + 2kπ (pour k ∈ Z).

p

1.3 Limites et continuité

Dans l’étude des fonctions à plusieurs variables, les concepts de limite et de continuité généralisent
ceux des fonctions d’une variable.

1.3.1 Norme dans Rn

Une norme dans Rn est une fonction ∥ · ∥ : Rn → R qui associe à chaque vecteur x = ( x1 , x2 , . . . , xn )
un nombre réel non négatif ∥x∥, représentant la "longueur" du vecteur. La norme dans Rn doit
satisfaire trois propriétés fondamentales :

• Positivité :
∥x∥ ≥ 0 et ∥x∥ = 0 ⇐⇒ x = 0
Cela signifie que la norme est toujours positive (ou nulle) et qu’elle est nulle uniquement
lorsque le vecteur est le vecteur nul.

• Homogénéité (ou linéarité positive) :

∥αx∥ = |α|∥x∥ pour tout α ∈ R

Cela signifie que la norme d’un vecteur multiplié par un scalaire α est égale au produit de la
valeur absolue de α et de la norme du vecteur.

9
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

• Inégalité triangulaire :

∥x + y∥ ≤ ∥x∥ + ∥y∥ pour tous x, y ∈ Rn

L’inégalité triangulaire exprime que la norme de la somme de deux vecteurs est toujours infé-
rieure ou égale à la somme des normes de ces vecteurs.

Exemples de normes dans Rn :

1. Norme euclidienne (ou norme 2) :

q
∥ x ∥2 = x12 + x22 + · · · + xn2

C’est la distance classique dans l’espace euclidien.

2. Norme 1 (ou norme de Manhattan) :

∥ x ∥1 = | x1 | + | x2 | + · · · + | x n |

C’est la somme des valeurs absolues des composantes du vecteur.

3. Norme infinie (ou norme de Chebyshev) :

∥x∥∞ = max{| x1 |, | x2 |, . . . , | xn |}

C’est la valeur maximale des composantes du vecteur en valeur absolue.

Ouvert dans Rn
Un ensemble ouvert dans Rn est un ensemble dans lequel, autour de chaque point, il est possible
de trouver une "balle" entièrement contenue dans cet ensemble. Autrement dit, chaque point d’un
ensemble ouvert a un voisinage qui reste à l’intérieur de l’ensemble.

Définition formelle :
Soit U ⊆ Rn . L’ensemble U est dit ouvert s’il vérifie la condition suivante : pour tout point x0 ∈ U,
il existe un rayon ε > 0 tel que la balle ouverte de rayon ε centrée en x0 soit incluse dans U.

Formellement, cela signifie que :

B ( x 0 , ε ) = { x ∈ Rn : ∥ x − x 0 ∥ < ε } ⊆ U

où ∥ · ∥ est une norme dans Rn .

Exemple d’un ensemble ouvert : Dans R2 , l’intérieur d’un disque centré à l’origine de rayon r
est un exemple d’ensemble ouvert :

D = {( x, y) ∈ R2 : x2 + y2 < r2 }

Pour tout point à l’intérieur du disque, on peut trouver un petit rayon ε tel que l’ensemble de
points à une distance inférieure à ε de ce point soit contenu à l’intérieur du disque.

10
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Remarque : Lien entre norme et ensemble ouvert

La structure des ensembles ouverts dépend de la norme choisie. Mais dans Rn , toutes les normes
sont équivalentes.

Propriétés des ensembles ouverts :

1. L’union d’un nombre quelconque d’ensembles ouverts est un ensemble ouvert.

2. L’intersection d’un nombre fini d’ensembles ouverts est un ensemble ouvert.

3. Un ensemble ouvert dans Rn ne contient pas ses points frontières. Par exemple, dans un
disque, les points sur la circonférence ne font pas partie de l’ensemble ouvert.

1.3.2 Limites des Fonctions de Plusieurs Variables

Soit D un ouvert de Rn , a ∈ D et f une fonction définie sur D, éventuellement non définie en a, à
valeurs réelles.

• On dit que f a pour limite ℓ au point a, ce que l’on écrit limx→a f (x) = ℓ, si pour tout ε > 0 il
existe δ > 0 tel que
x ∈ D \{a} et ∥x − a∥ < δ =⇒ | f (x) − ℓ| < ε
autrement dit
x ∈ D ∩ B (a, δ) =⇒ | f (x) − ℓ| < ε

• On dit que f tend vers +∞ quand x tend vers a, ce que l’on écrit limx→a f (x) = +∞, si pour
tout M > 0 il existe δ > 0 tel que

x ∈ D \{a} et ∥x − a∥ < δ =⇒ f (x) > M

autrement dit
x ∈ D ∩ B (a, δ) =⇒ | f (x) − ℓ| > M

• On dit que f tend vers −∞ quand x tend vers a, ce que l’on écrit limx→a f (x) = −∞, si pour
tout M < 0 il existe δ > 0 tel que

x ∈ D \{a} et ∥x − a∥ < δ =⇒ f (x) < M

autrement dit
x ∈ D ∩ B (a, δ) =⇒ | f (x) − ℓ| < M

Unicité de la Limite

Si lim f (x) = L1 et lim f (x) = L2 , alors L1 = L2

x→a x→a

Preuve : Supposons que

lim f (x) = L1 et lim f (x) = L2 avecL1 ̸= L2

x→a x→a

Par définition de la limite, pour chaque ϵ > 0, il existe δ1 > 0 tel que :

∥x − a∥ < δ1 =⇒ | f (x) − L1 | < ϵ

11
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

De même, pour chaque ϵ > 0, il existe δ2 > 0 tel que :

∥x − a∥ < δ2 =⇒ | f (x) − L2 | < ϵ

| L1 − L2 |
Prenons ϵ = . Il existe δ1 et δ2 correspondants à L1 et L2 . Choisissons δ = min(δ1 , δ2 ).
3
Si ∥x − a∥ < δ, alors :
| L − L2 |
| f ( x ) − L1 | < 1
3
| L − L2 |
| f ( x ) − L2 | < 1
3
Par l’inégalité triangulaire, on peut écrire :

| L1 − L2 | | L1 − L2 | 2| L1 − L2 |
| L1 − L2 | = | L1 − f (x) + f (x) − L2 | ≤ | L1 − f (x)| + | f (x) − L2 | < + =
3 3 3
Cela implique que :
2| L1 − L2 |
| L1 − L2 | <
3
En réarrangeant cette inégalité, nous obtenons | L1 − L2 | < 0, ce qui est impossible. Par consé-
quent, nous devons conclure que L1 = L2 .

Remarque :
Il est important de noter que dans le cas des fonctions à plusieurs variables, le point a peut être
approché de plusieurs directions dans Rn , ce qui rend l’étude des limites plus complexe.

x 2 − y2
Exemple Prenons la fonction f ( x, y) = x 2 + y2
. Nous voulons étudier la limite lorsque ( x, y) →
(0, 0).
• Si on approche le point (0, 0) le long de l’axe des x, c’est-à-dire en posant y = 0, on obtient :

x2 − 0
f ( x, 0) = = 1.
x2 + 0

• Si on approche le point (0, 0) le long de l’axe des y, c’est-à-dire en posant x = 0, on obtient :

0 − y2
f (0, y) = = −1.
0 + y2

Étant donné que la limite dépend de la direction d’approche, nous concluons que la limite
n’existe pas en (0, 0).

Exemples d’explication du calcul des limites des fonctions de plusieurs variables

Pour expliquer le calcul des limites des fonctions de plusieurs variables, il est important de bien
illustrer les différentes approches, car le comportement d’une fonction en plusieurs dimensions peut
être plus complexe qu’en une dimension. Voici quelques exemples d’explications et d’approches
courantes :

12
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Limite en utilisant des chemins différents

Considérons la fonction suivante :
x2 y
f ( x, y) =
x 2 + y2
Nous voulons calculer la limite lorsque ( x, y) tend vers (0, 0).

• Chemin en suivant l’axe x (où y = 0) :

Si nous approchons (0, 0) en suivant l’axe des x, c’est-à-dire que y = 0, la fonction devient :

x2 · 0
f ( x, 0) = =0
x2 + 02
Donc, la limite sur ce chemin est 0.

• Chemin en suivant l’axe y (où x = 0) :

Si nous approchons (0, 0) en suivant l’axe des y, c’est-à-dire que x = 0, la fonction devient :

0·y
f (0, y) = =0
0 + y2

Donc, la limite sur cet axe est aussi 0.

• Chemin selon la droite y = x :

Si nous approchons (0, 0) selon la droite y = x, la fonction devient :

x2 · x x3 x
f ( x, x ) = = =
x2 + x2 2x2 2
Lorsque x → 0, cette expression tend vers 0.

• Conclusion :
Sur ces différents chemins, la limite semble être 0. Cependant, pour conclure que la limite
est bien 0 en général, il faut prouver que la limite est la même quel que soit le chemin pris
pour approcher (0, 0). Ici, on peut voir que tous les chemins testés donnent 0, donc on peut
conjecturer que :
lim f ( x, y) = 0
( x,y)→(0,0)

• En effet, remarquons que

x2 y x2 y
≤ ≤ y → 0 lorsque y → 0.
x 2 + y2 x2

Alors
lim f ( x, y) = 0
( x,y)→(0,0)

Limite inexistante via différents chemins :

Considérons maintenant une fonction différente :
x 2 − y2
g( x, y) =
x 2 + y2
Nous voulons à nouveau examiner la limite en (0, 0).

13
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

• Chemin le long de l’axe x (où y = 0) :

x 2 − 02 x2
g( x, 0) = = =1
x 2 + 02 x2
Donc la limite le long de cet axe est 1.

• Chemin le long de l’axe y (où x = 0) :

02 − y 2 − y2
g(0, y) = = = −1
02 + y 2 y2
Donc la limite le long de cet axe est −1.

• Conclusion :
Puisque la limite dépend du chemin suivi pour approcher (0, 0), on peut conclure que la
limite n’existe pas en (0, 0). En effet, selon la direction, la limite est différente (1 sur l’axe x
et −1 sur l’axe y).

Limite polaire
Pour certaines fonctions, il est utile de passer en coordonnées polaires pour simplifier le calcul
des limites. Considérons la fonction :
x 2 + y2
h( x, y) =
x 2 + y2 + 1

On veut déterminer la limite en (0, 0). En coordonnées polaires, on a :

x = r cos θ
y = r sin θ
x 2 + y2 = r 2

La fonction devient :
r2
h( x, y) =
r2 + 1
Lorsque r → 0, cette expression tend vers :

0
=0
0+1
Donc, en passant aux coordonnées polaires, on trouve que :

lim h( x, y) = 0
( x,y)→(0,0)

Limite par changement de variables (coordonnées adaptées)

Dans certains cas, un changement de variables peut simplifier le calcul de la limite. Cela revient
à utiliser des coordonnées adaptées à la symétrie ou à la forme de la fonction.

Considérons la fonction suivante :

xy
h( x, y) =
x2 + y2

14
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Nous voulons déterminer la limite lorsque ( x, y) → (0, 0). Essayons un changement de variables
en coordonnées polaires, avec x = r cos θ et y = r sin θ, ce qui donne :

r cos θ · r sin θ r2 sin θ cos θ

h( x, y) = = = sin θ cos θ
r2 r2
Cette expression ne dépend pas de r mais seulement de θ. Cependant, sin θ cos θ varie en fonction
de θ, donc la limite dépend du chemin pris, et la limite n’existe pas en (0, 0).

Limite par continuité des fonctions composites

Une autre méthode consiste à utiliser des propriétés de continuité et de composition de fonctions
continues pour évaluer les limites, surtout si la fonction est une composition de fonctions
continues ou si elle peut être réduite à une telle forme.

Supposons que nous ayons une fonction composée :

f ( x, y) = sin( x2 + y2 )

Nous voulons calculer la limite en (0, 0). Puisque sin(z) est une fonction continue et que x2 +
y2 → 0 lorsque ( x, y) → (0, 0), on peut utiliser la continuité de la fonction sin(z) pour conclure
que :
lim sin( x2 + y2 ) = sin(0) = 0
( x,y)→(0,0)

Limite par l’utilisation de séries de Taylor

Lorsque la fonction est différentiable, on peut utiliser les séries de Taylor pour développer la
fonction autour du point où l’on cherche la limite. Cela peut simplifier la fonction et permettre
d’évaluer la limite plus facilement.

Considérons la fonction :
2 + y2 )
f ( x, y) = e−( x −1
Pour calculer la limite en (0, 0), on peut utiliser le développement en série de Taylor de ez autour
de z = 0 :
ez ≈ 1 + z pour z proche de 0.
Ainsi, lorsque ( x, y) → (0, 0), on a :
2 + y2 )
e−( x ≈ 1 − ( x 2 + y2 )

Donc :
f ( x, y) ≈ (1 − ( x2 + y2 )) − 1 = −( x2 + y2 )
Lorsque ( x, y) → (0, 0), x2 + y2 → 0, donc :

lim f ( x, y) = 0
( x,y)→(0,0)

Conclusion
• Encadrement est particulièrement utile pour des fonctions positives ou bornées.

15
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

• Coordonnées polaires généralisées fonctionnent bien pour des fonctions radiales ou qui se
simplifient en fonction de r.

• Changement de variables est utile pour des symétries spécifiques ou des expressions compli-
quées.

• Continuité des fonctions composites exploite la continuité et simplifie souvent les calculs.

• Séries de Taylor fournissent une approche analytique pour évaluer des limites à partir des
développements de fonctions.

Ces méthodes permettent de résoudre des limites plus complexes et montrent comment choisir
l’outil le plus adapté à chaque situation.

1.4 Continuité des Fonctions de Plusieurs Variables

Une fonction f : U ⊆ Rn → R est dite continue en un point a ∈ U si :

lim f ( x ) = f ( a).
x→a

Cela signifie que lorsque x se rapproche de a, la valeur f ( x ) se rapproche de f ( a).

Continuité Globale : Une fonction est continue sur U si elle est continue en tout point de U.

Exemple :

1. Considérons la fonction f ( x, y) = x2 + y2 . Pour ( x, y) → (0, 0), nous avons :

lim f ( x, y) = lim ( x2 + y2 ) = 0 = f (0, 0).

( x,y)→(0,0) ( x,y)→(0,0)

Ainsi, la fonction est continue en (0, 0).

2. La fonction f définie sur R2 par :

  
2 2
 xy x − y

∀( x, y) ∈ R2 , f ( x, y) = si ( x, y) ̸= (0, 0)

 x 2 + y2
0 si ( x, y) = (0, 0)

est continuité sur R2 . En effet, la fonction f est continue sur R2 \{(0, 0)} en tant que quo-
tient de fonctions continues sur R2 \{(0, 0)} dont le dénominateur ne s’annule pas sur
R2 \{(0, 0)}. Pour( x, y) ∈ R2 \{(0, 0)},

| xy| x2 − y2 | xy| x2 + y2 | xy| x2 + y2

| f ( x, y)| = ⩽ = = | xy|
x 2 + y2 x 2 + y2 x 2 + y2

Puisque lim( x,y)→(0,0) | xy| = 0, on en déduit que lim( x,y)→(0,0) f ( x, y) = 0 = f (0, 0). Ceci
( x,y)̸=(0,0)
montre que f est continue en (0, 0). En résumé, f est continue sur R2 \{(0, 0)} et en (0, 0) et
finalement, f est continue sur R2 .

16
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Fonctions partielles

Soit f : D ⊂ Rn −→ R une fonction numérique et a = ( a1 , . . . , an ) ∈ D . pour tout i ∈ {1, . . . , n}

on pose Di = {t ∈ R/ ( a1 , . . . , ai−1 , t, ai+1 , . . . , an ) ∈ D} ⊂ R. Les fonctions réelles f 1 , . . . , f n d’une
seule variable définies par
f i : Di −→ R
t 7−→ f i (t) = f ( a1 , . . . , ai−1 , t, ai+1 , . . . , an )
sont appelées les fonctions partielles de f en a.

Si f : D ⊂ Rn → R est continue en a = ( a1 , . . . , an ) ∈ D, alors chaque fonction partielle f i est

continue en ai .

Preuve :

Nous devons montrer que f i est continue en ai , c’est-à-dire :

∀ϵ > 0, ∃δi > 0 tel que | xi − ai | < δi =⇒ | f i ( xi ) − f i ( ai )| < ϵ.

Puisque f est continue en a = ( a1 , . . . , an ), cela signifie que pour tout ϵ > 0, il existe un δ > 0 tel
que si ∥ x − a∥ < δ, alors
| f ( x ) − f ( a)| < ϵ.
Cela s’applique pour n’importe quel point x = ( x1 , . . . , xn ) suffisamment proche de a.

Prenons une fonction partielle f i , qui fixe toutes les composantes de f sauf la i-ème. En
d’autres termes, f i ( xi ) = f ( a1 , . . . , ai−1 , xi , ai+1 , . . . , an ).

Fixons maintenant toutes les composantes de x sauf xi . On considère la restriction de f à

cette seule variable, ce qui revient à examiner f i en tant que fonction d’une seule variable.

Comme f est continue en a, il existe un δ > 0 tel que si | xi − ai | < δ et si toutes les autres
composantes sont égales à a1 , . . . , ai−1 , ai+1 , . . . , an , on a :

| f ( a1 , . . . , ai−1 , xi , ai+1 , . . . , an ) − f ( a1 , . . . , an )| < ϵ.

Cela revient à dire que | f i ( xi ) − f i ( ai )| < ϵ lorsque | xi − ai | < δ. Donc, pour chaque fonction
partielle f i , il existe un δi = δ tel que :

| xi − ai | < δi =⇒ | f i ( xi ) − f i ( ai )| < ϵ.

Ainsi, chaque fonction partielle f i est continue en ai , ce qui termine la démonstration. ■

Remarque : En général, la réciproque est fausse. En effet, soit la fonction f définie sur R2 par
( xy
x 2 + y2
si ( x, y) ̸= (0, 0)
f ( x, y) =
0 si ( x, y) = (0, 0)

Les fonctions partielles en (0, 0) sont définies par f 1 ( x ) = f ( x, 0) et f 2 (y) = f (0, y) et elles sont
toutes les deux continues en x = 0 et y = 0 respectivement. Par contre, la fonction f n’est pas conti-
nue en (0, 0).

17
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Propriétés de la Continuité

• Somme : Si f et g sont continues en a, alors f + g est continue en a.

• Produit : Si f et g sont continues en a, alors f · g est continue en a.

• Composition : Si f est continue en a et g est continue en f ( a), alors g ◦ f est continue en a.

On énonce maintenant le critère séquentiel pour la continuité en un point

Soit f une fonction de D de Rn dans R. Soit a ∈ D . Alors f est continue en a si et seulement si pour
toute suite ( xm )m∈N ∈ D N qui tend vers a la suite ( f ( xm ))m∈N tend vers f ( a).

Preuve

Aller ( f est continue =⇒ convergence des images des suites) :

Supposons que f est continue en a. Cela signifie que :

∀ϵ > 0, ∃δ > 0 tel que ∥ x − a∥ < δ =⇒ | f ( x ) − f ( a)| < ϵ.

Soit ( xm ) une suite telle que xm → a. Cela signifie que pour tout ϵ > 0, il existe un rang N ∈ N
tel que pour tout m ≥ N, on a ∥ xm − a∥ < δ.

Puisque f est continue en a, il existe un δ > 0 tel que, pour ∥ xm − a∥ < δ, on a | f ( xm ) − f ( a)| < ϵ.

Ainsi, pour tout m ≥ N, on a | f ( xm ) − f ( a)| < ϵ, ce qui signifie que f ( xm ) → f ( a) lorsque

m → ∞.

Retour (convergence des images des suites =⇒ continuité de f ) :

Supposons maintenant que pour toute suite ( xm ) ⊆ D telle que xm → a, on a f ( xm ) → f ( a).

Montrons que f est continue en a.

Prenons ϵ > 0. Par l’hypothèse de convergence des images des suites, nous devons mon-
trer qu’il existe δ > 0 tel que ∥ x − a∥ < δ =⇒ | f ( x ) − f ( a)| < ϵ.

Raisonnons par contraposée. Supposons qu’il n’existe pas de tel δ. Cela signifierait que,
pour tout δ > 0, il existerait un point xδ ∈ D tel que ∥ xδ − a∥ < δ, mais | f ( xδ ) − f ( a)| ≥ ϵ.

Nous pourrions ainsi construire une suite ( xδm ) telle que δm → 0 (donc xδm → a) et
| f ( xδm ) − f ( a)| ≥ ϵ pour tout m, ce qui contredit l’hypothèse que f ( xm ) → f ( a) lorsque
xm → a.

Par conséquent, il doit exister un δ > 0 tel que ∥ x − a∥ < δ =⇒ | f ( x ) − f ( a)| < ϵ, et
donc f est continue en a.

Exemple : On considère sur R2 l’application f définie par

( xy
2 2 si ( x, y) ̸= (0, 0)
f ( x, y) = x +y
0 si ( x, y) = (0, 0)

18
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

La fonction f est continue sur R2 \{(0, 0)} comme fraction rationnelle dont le dénominateur ne
s’annule pas. D’autre part on a

f ( x, 0) = 0 −→ 0 = f (0, 0) et f (0, y) = 0 −→ 0 = f (0, 0),

x →0 y →0
 
et pourtant f n’est pas continue en (0, 0). En effet si on note un = 1 1
n, n pour tout n ∈ N∗ , alors
un tend vers (0, 0) mais f (un ) ne tend pas vers f (0, 0) quand n tend vers +∞.

Prolongement par continuité

Soit f une fonction de D ⊂ Rn \{a} dans R. Si limx→a f (x) = ℓ, la fonction f˜ définie sur D ∪ {a}
par f˜(a) = ℓ et f˜(x) = f (x) pour x ∈ D est la seule fonction continue en a dont la restriction à D
soit f . On l’appelle le prolongement par continuité de f à a.

Continuité Uniforme

Une fonction f : U ⊆ Rn → R est dite uniformément continue si pour tout ϵ > 0, il existe un
δ > 0 tel que pour tous x, y ∈ U, si ∥ x − y∥ < δ, alors | f ( x ) − f (y)| < ϵ.

Remarque : Cette notion est plus forte que la continuité simple, car le δ ne dépend pas du point
où l’on se trouve dans l’ensemble U.

Exemple
La fonction f ( x, y) = xy est continue en un point R2 , mais n’est pas uniformément continue sur
R2 . En effet, nous devons démontrer qu’il existe un ϵ > 0 tel que pour tout δ > 0, il existe des
points ( x1 , y1 ) et ( x2 , y2 ) dans R2 tels que :
q
( x2 − x1 )2 + ( y2 − y1 )2 < δ

mais
| f ( x2 , y2 ) − f ( x1 , y1 )| ≥ ϵ.
Prenons ( x1 , y1 ) = (n, 1) et ( x2 , y2 ) = (n, n1 ) pour n ∈ N.

Calculons la distance entre ces deux points :

s
 2
1 1 1
q
( x2 − x1 )2 + ( y2 − y1 )2 = ( n − n )2 + −1 = 1− = 1− .
n n n

Maintenant, calculons la différence des valeurs de f :

1
| f ( x2 , y2 ) − f ( x1 , y1 )| = |n · − n · 1| = |1 − n| = n − 1.
n
Pour tout δ > 0, il existe n suffisamment grand tel que 1 − n1 < δ et | f ( x2 , y2 ) − f ( x1 , y1 )| = n − 1
peut être rendu aussi grand que désiré. Cela montre que, quel que soit δ choisi, il est toujours
possible de trouver des points tels que la distance entre eux est petite, mais la différence des
valeurs de f est grande.

19
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

1.5 Dérivabilité et Différentiabilité des Fonctions de Plusieurs Va-

riables
Dans le reste du chapitre, prenons U une partie ouvert de Rn

1.5.1 Dérivées Partielles

Soit une fonction f : U → R. Les dérivées partielles mesurent comment la fonction change par
rapport à chacune des variables, en maintenant les autres variables constantes.

Définition de la Dérivée Partielle

La dérivée partielle de f par rapport à la variable xi en un point a = ( a1 , a2 , . . . , an ) ∈ U est définie

comme :
∂f f ( a1 , a2 , . . . , ai + h, . . . , an ) − f ( a1 , a2 , . . . , an )
(a) = lim
∂xi h →0 h
Cette définition exprime la variation de f lorsqu’on fait varier xi tout en maintenant les autres va-
riables fixes. La dérivée partielle quantifie donc le taux de variation de f dans la direction de xi .

Notations

Les dérivées partielles peuvent être notées de différentes manières. Si f dépend des variables x1 , x2 , . . . , xn ,
alors la dérivée partielle de f par rapport à xi peut être notée :

∂f
, f xi , ou simplement f i′
∂xi
Ces notations sont équivalentes et indiquent toutes la dérivée partielle de f par rapport à xi .

Calcul des Dérivées Partielles : Exemples

1. Soit f ( x, y) = x2 + 3xy + y2 . Calculons les dérivées partielles de f par rapport à x et y.

∂f ∂ 2
= ( x + 3xy + y2 ) = 2x + 3y
∂x ∂x
∂f ∂
= ( x2 + 3xy + y2 ) = 3x + 2y
∂y ∂y

2. Soit f ( x1 , x2 , x3 ) = x12 x2 + sin( x3 ). Calculons les dérivées partielles de f .

∂f ∂
= ( x2 x2 + sin( x3 )) = 2x1 x2
∂x1 ∂x1 1
∂f ∂
= ( x12 x2 + sin( x3 )) = x12
∂x2 ∂x2
∂f ∂
= ( x2 x2 + sin( x3 )) = cos( x3 )
∂x3 ∂x3 1

Dérivées partielles d’ordre supérieur et dérivées croisées

20
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Les dérivées partielles peuvent être prises successivement pour obtenir des dérivées partielles
d’ordre supérieur. Par exemple, la dérivée seconde de f par rapport à xi est :

∂2 f
 
∂ ∂f
=
∂xi2 ∂xi ∂xi

Lorsque l’on dérive une fonction plusieurs fois, il est possible de dériver par rapport à différentes
variables. On obtient ainsi des dérivées croisées, comme :

∂2 f
∂xi ∂x j

Si f est suffisamment régulière (par exemple, si f a des dérivées partielles continues), alors l’ordre
dans lequel les dérivées sont prises n’a pas d’importance, c’est-à-dire que :

∂2 f ∂2 f
=
∂xi ∂x j ∂x j ∂xi

Cette propriété est appelée théorème de Schwarz ou théorème de la symétrie des dérivées par-
tielles.

1.5.2 Règle de Dérivation en Chaîne

La règle de dérivation en chaîne (ou chain rule) permet de dériver une fonction composée. Si une
fonction f est composée d’une autre fonction g, la dérivée de cette composition dépend à la fois de
la dérivée de f et de la dérivée de g.

Règle de Dérivation en Chaîne : Cas d’une Variable

Pour une fonction f : R → R composée de deux fonctions u( x ) et v( x ), où u est une fonction

de v et v une fonction de x, la dérivée de la fonction composée f (u( x )) est donnée par :

d
f (u( x )) = f ′ (u( x )) · u′ ( x )
dx
Cela signifie que pour dériver la fonction composée f , on doit dériver f par rapport à u puis multi-
plier par la dérivée de u par rapport à x.

Règle de Dérivation en Chaîne : Cas de Plusieurs Variables

Si f est une fonction de plusieurs variables f : Rn → R, et si chaque variable dépend elle-même

d’une autre variable, la règle de dérivation en chaîne généralise cette idée.

Soit f = f (u1 , u2 , . . . , un ) une fonction de n variables, où chaque variable ui dépend d’une autre
variable t. La dérivée de f par rapport à t est donnée par :
n
d X ∂ f dui
f (u1 (t), u2 (t), . . . , un (t)) = ·
dt ∂ui dt
i =1

Cette formule indique qu’il faut dériver f par rapport à chaque ui (dérivées partielles) et multiplier
chaque dérivée par la dérivée de ui par rapport à t.

21
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Exemples de la Règle de Dérivation en Chaîne

1. Fonction d’une variable

Soit f ( x ) = sin( x2 ). On a ici une composition de fonctions avec u( x ) = x2 et f (u) = sin(u).

La dérivée de f ( x ) est :

d d
sin( x2 ) = cos( x2 ) · ( x2 ) = cos( x2 ) · 2x
dx dx

2. Fonction de deux variables

Soit f ( x, y) = e xy et considérons x = x (t) et y = y(t) comme des fonctions dépendant du
temps t. La dérivée de f par rapport à t est donnée par :
 
d x (t)y(t) x (t)y(t) dx dy
e =e · · y(t) + x (t) ·
dt dt dt

On a utilisé ici la dérivation en chaîne pour calculer la dérivée de f ( x (t), y(t)) en appliquant
les dérivées partielles.

3. Fonction de trois variables

Soit f ( x, y, z) = x2 + y2 + z2 où x = x (t), y = y(t), et z = z(t). La dérivée de f par rapport
à t est donnée par :
d 2 dx dy dz
( x + y2 + z2 ) = 2x + 2y + 2z
dt dt dt dt
Cela correspond à la somme des produits des dérivées partielles de f avec les dérivées des
fonctions composées.

1.5.3 Vecteur Gradient

Définition du Gradient

Soit f : Rn → R une fonction dérivable de plusieurs variables. Le gradient de f , noté ∇ f , est

le vecteur formé par les dérivées partielles de f par rapport à chacune de ses variables.

Le gradient en un point a = ( a1 , a2 , . . . , an ) est donné par :

 
∂f ∂f ∂f
∇ f (a) = ( a ), ( a ), . . . , (a)
∂x1 ∂x2 ∂xn

En termes plus simples, le gradient est un vecteur qui pointe dans la direction de la plus grande
variation de la fonction.

Notation

Le vecteur gradient est souvent noté sous forme vectorielle comme suit :
 
∂f ∂f ∂f
∇f = , ,...,
∂x1 ∂x2 ∂xn

22
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Dans le cas d’une fonction à deux variables f ( x, y), le gradient devient :

 
∂f ∂f
∇f = ,
∂x ∂y

Exemple de Calcul du Gradient

Prenons l’exemple de la fonction f ( x, y) = x2 + 3xy + y2 . Calculons le gradient de f .

 
∂f ∂f
∇f = ,
∂x ∂y

Calculons chaque dérivée partielle :

∂f ∂f
= 2x + 3y, = 3x + 2y
∂x ∂y

Le gradient est donc :

∇ f ( x, y) = (2x + 3y, 3x + 2y)

Propriétés du Gradient

Quelques propriétés importantes du gradient :

• Si f est constante, alors ∇ f = 0.

• Le gradient d’une fonction linéaire f ( x1 , x2 , . . . , xn ) = a1 x1 + a2 x2 + · · · + an xn est le vecteur

de coefficients ( a1 , a2 , . . . , an ).

• Le gradient est un opérateur linéaire : pour deux fonctions f et g, et des scalaires α et β, nous
avons :
∇(α f + βg) = α∇ f + β∇ g

1.5.4 Différentiabilité
La notion de fonction différentiable est la généralisation aux fonctions de plusieurs variables de la
notion de fonction dérivable d’une variable réelle. Bien sûr, on ne peut pas transposer directement
la définition utilisant le taux d’accroissement (impossible de diviser par un vecteur !).

C’est la caractérisation de la dérivabilité en terme d’approximations locales linéaires d’une fonc-

tion dans un voisinage d’un point donné qui se généralise en dimension quelconque.

Soit f une fonction définie sur un ouvert U de Rn , à valeurs dans R et soit a un point de U. On dit
que f est différentiable en a s’il existe une application linéaire L de Rn dans R telle que

f (a + h) = f (a) + L(h) + o (∥h∥)

Si une fonction est différentiable en un point, alors la limite linéaire L est unique. En effet, si L1 et
L2 étaient deux applications linéaires qui satisfont la condition de différentiabilité, alors on aurait :

L1 ( h ) − L2 ( h )
lim =0
h →0 ∥h∥

23
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Ce qui implique que L1 (h) = L2 (h) + o (∥h∥) pour h proche de 0, et donc L1 = L2 .

On note
L = d f a = d f ( a)
Relation entre Différentiabilité et Gradient

• Condition nécessaire : Si f est différentiable en a, alors le gradient ∇ f ( a) existe.

• Condition suffisante : Si toutes les dérivées partielles de f existent et sont continues en a, alors
f est différentiable en a et on a
d a (h) = ∇ f ( a) · h.

Différentiabilité et Continuité

Il est important de noter que la différentiabilité implique toujours la continuité de la fonction. Au-
trement dit, si f est différentiable en a, alors f est continue en a. En revanche, la réciproque n’est
pas vraie : une fonction peut être continue sans être différentiable.

Exemples de Fonctions Différentiables

• Soit la fonction f ( x, y) = x2 + y2 . Calculons la différentiabilité en un point ( a, b).

– Le gradient de f est :  
∂f ∂f
∇ f ( x, y) = , = (2x, 2y)
∂x ∂y
– Au point ( a, b), le gradient devient :

∇ f ( a, b) = (2a, 2b)

– L’approximation locale linéaire de f au point ( a, b) est donc :

f ( a + h1 , b + h2 ) ≈ f ( a, b) + (2a, 2b) · (h1 , h2 ) = a2 + b2 + 2ah1 + 2bh2

p
• Soit la fonction f ( x, y) = x2 + y2 . Cette fonction est continue partout, mais elle n’est pas
différentiable en (0, 0). En effet, le gradient de f n’existe pas au point (0, 0) car la fonction
présente une singularité (un cône).
Soit f ( x, y, z) = x2 y + yz + ez . Calculons la différentiabilité de f au point (1, 1, 0).

– Le gradient de f est :
 
∂f ∂f ∂f  
∇ f ( x, y, z) = , , = 2xy, x2 + z, y + ez
∂x ∂y ∂z

– Au point (1, 1, 0), le gradient devient :

∇ f (1, 1, 0) = (2 · 1 · 1, 12 + 0, 1 + e0 ) = (2, 1, 2)

– L’approximation locale linéaire de f au point (1, 1, 0) est :

f (1 + h1 , 1 + h2 , 0 + h3 ) ≈ f (1, 1, 0) + (2, 1, 2) · (h1 , h2 , h3 )

= 1 + 2h1 + h2 + 2h3

24
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

1.5.5 Dérivée Directionnelle

Soit f : Rn → R une fonction différentiable et v ∈ Rn un vecteur unitaire. La dérivée directionnelle
de f au point a = ( a1 , a2 , . . . , an ) dans la direction de v est notée Dv f (a) et est définie par :
f (a + hv) − f (a)
Dv f (a) = lim
h →0 h
Cette définition mesure la variation de f à partir du point a lorsque l’on se déplace dans la direction
de v.

Calcul de la Dérivée Directionnelle

Si la fonction f est différentiable, alors la dérivée directionnelle de f en a dans la direction d’un

vecteur unitaire v = (v1 , v2 , . . . , vn ) peut être calculée à l’aide du gradient ∇ f . Le lien entre la déri-
vée directionnelle et le gradient est donné par :
n
X ∂f
Dv f ( a ) = ∇ f ( a ) · v = ( a ) vi
∂xi
i =1

Autrement dit, la dérivée directionnelle est le produit scalaire entre le gradient de f au point a et le
vecteur direction v.

Exemple de Calcul de la Dérivée Directionnelle

Soit f ( x, y) = x2 + y2 . Calculons la dérivée directionnelle de f au point (1, 2) dans la di-

rection du vecteur unitaire v = √1 (1, 1).
2

• D’abord, calculons le gradient de f :

 
∂f ∂f
∇ f ( x, y) = , = (2x, 2y)
∂x ∂y

Au point (1, 2), le gradient est :

∇ f (1, 2) = (2 · 1, 2 · 2) = (2, 4)

• Ensuite, calculons le produit scalaire entre ∇ f (1, 2) et v = √1 (1, 1) :

2

1 1

1 1 6 √
Dv f (1, 2) = (2, 4) · √ ,√ = 2· √ +4· √ = √ = 3 2
2 2 2 2 2
√
Ainsi, la dérivée directionnelle de f au point (1, 2) dans la direction v est 3 2.

Dérivée Directionnelle Maximale

La dérivée directionnelle maximale d’une fonction en un point est obtenue dans la direction du
gradient ∇ f . La norme du gradient donne la valeur de cette dérivée maximale :
max Dv f (a) = ∥∇ f (a)∥
∥v∥=1

Cela signifie que la direction de la plus forte variation de f est celle du gradient, et la valeur maxi-
male de cette variation est la norme du gradient.

25
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Cas de Fonction de Plusieurs Variables

Pour une fonction f ( x1 , x2 , . . . , xn ), la dérivée directionnelle dans la direction du vecteur v = (v1 , v2 , . . . , vn )

est :
n
X ∂f
Dv f ( a ) = ( a ) vi
∂xi
i =1

Exemple :

Soit f ( x, y, z) = x2 y + yz + ez . Calculons la dérivée directionnelle de f au point (1, 1, 0)

dans la direction v = 12 , √1 , √1 .
2 2

• Le gradient de f est :
 
∂f ∂f ∂f  
∇ f ( x, y, z) = , , = 2xy, x2 + z, y + ez
∂x ∂y ∂z

Au point (1, 1, 0), le gradient devient :

 
∇ f (1, 1, 0) = 2 · 1 · 1, 12 + 0, 1 + e0 = (2, 1, 2)

 
1 √1 √1
• Calculons ensuite le produit scalaire entre ∇ f (1, 1, 0) et v = 2, 2, 2 :
 
1 1 1
Dv f (1, 1, 0) = (2, 1, 2) · ,√ ,√
2 2 2
1 1 1 1 2 3
= 2· +1· √ +2· √ = 1+ √ + √ = 1+ √
2 2 2 2 2 2

Ainsi, la dérivée directionnelle de f au point (1, 1, 0) dans la direction v est 1 + √3 .

2

Propriétés de la Dérivée Directionnelle

• La dérivée directionnelle dans la direction du gradient est maximale et vaut ∥∇ f ∥.

• Si v est un vecteur unitaire, la dérivée directionnelle mesure le taux de changement de la

fonction dans cette direction.

• La dérivée directionnelle est linéaire par rapport à v, c’est-à-dire que pour deux vecteurs v1 et
v2 et des scalaires α et β, on a :

Dαv1 + βv2 f = αDv1 f + βDv2 f

1.5.6 Fonctions de Classe C k

Définition

Soit f : Rn → R une fonction définie dans un ouvert U ⊆ Rn . On dit que f est de classe C1
sur U si :

26
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

• f est différentiable en tout point de U,

• et les dérivées partielles premières de f sont continues sur U.

Autrement dit, une fonction de classe C1 est une fonction dont toutes les dérivées premières existent
et varient de manière continue sur l’ensemble considéré. Plus formellement, cela signifie que pour
tout i = 1, 2, . . . , n, les fonctions suivantes existent et sont continues dans U :
∂f
, i = 1, 2, . . . , n.
∂xi

Exemples

1. Soit f ( x, y) = x2 + y2 , définie sur R2 .

• Les dérivées partielles premières sont :

∂f ∂f
= 2x, = 2y.
∂x ∂y

• Les dérivées partielles sont continues partout sur R2 , donc f est de classe C1 sur R2 .

2. Considérons la fonction g( x, y) = | x | + |y|.

• Les dérivées partielles en (0, 0) n’existent pas (discontinuité de la pente au point (0, 0)).
• Ainsi, g n’est pas différentiable en (0, 0), et n’est donc pas de classe C1 sur R2 .

Propriétés des Fonctions de Classe C1

• Continuité de la Dérivée : Si f est de classe C1 , cela implique que f est différentiable, et que
ses dérivées partielles sont continues.

• Différentiabilité : Une fonction de classe C1 est nécessairement différentiable, mais la réci-

proque n’est pas vraie. Une fonction peut être différentiable sans que ses dérivées soient conti-
nues (et donc ne serait pas de classe C1 ).

• Approximation linéaire : Si f est de classe C1 , alors f peut être approximée localement par un
plan tangent en chaque point de son domaine.

• Gradient Continu : Le gradient de f , noté ∇ f , existe et est une fonction continue lorsque f est
de classe C1 .  
∂f ∂f ∂f
∇f = , ,..., .
∂x1 ∂x2 ∂xn

Lien avec les Fonctions de Classe C k

Une fonction f est dite de classe C k sur un ouvert U si elle possède des dérivées partielles jusqu’à
l’ordre k qui sont toutes continues dans U. Autrement dit :

• f est de classe C0 si elle est continue ;

• f est de classe C1 si elle est continuellement différentiable ;

• f est de classe C2 si ses dérivées premières et secondes existent et sont continues, etc.

27
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Ainsi, les fonctions de classe C1 sont un cas particulier des fonctions C k , avec k = 1.

Énoncé du théorème de Schwarz

Soit f : Ω ⊆ Rn → R une fonction de classe C2 sur un ouvert Ω. Si f a des dérivées partielles

d’ordre 2 continues, alors pour tous indices i et j dans {1, . . . , n}, on a :

∂2 f ∂2 f
=
∂xi ∂x j ∂x j ∂xi

pour tout ( x1 , . . . , xn ) ∈ Ω.

Théorème des Accroissements Finis Soit U un ouvert de Rn et f : U → R de classe C1 sur U.

Soit a et b dans U tels que le segment [ a, b] soit contenu dans U. Alors il existe un point c du seg-
ment ouvert ] a, b[ tel que :
n
X ∂f
f (b) − f ( a) = ∇ f (c) · (b − a) = (c)(b j − a j ).
∂x j
j =1

Preuve.

Il suffit de se ramener au cas connu. Soit la fonction

(
[0, 1] → R
φ:
t 7→ f ( a + t(b − a))

φ est continue et dérivable sur [0, 1], donc il existe t0 ∈ ]0, 1[ tel que

φ (1) − φ (0) = (1 − 0) φ ′ ( t0 ).

Or φ(1) = f (b), φ(0) = f ( a), et par la règle de dérivation en chaîne :

n
∂f
φ′ (t) =
X

a + t ( b − a ) ( b j − a j ).
∂x j
j =1

Le résultat suit en posant c = a + t0 (b − a).

1.5.7 Développement de Taylor pour une fonction de deux variables

Le développement de Taylor d’une fonction de deux variables f ( x, y) autour d’un point ( a, b) est
une approximation locale utilisant les dérivées partielles de f en ( a, b). Le développement à l’ordre
2 s’écrit :

1
f ( x, y) ≈ f ( a, b) + f x ( a, b)( x − a) + f y ( a, b)(y − b) + f xx ( a, b)( x − a)2 + 2 f xy ( a, b)( x − a)(y − b)
2

2
+ f yy ( a, b)(y − b) .

Les termes du développement

28
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

1. Terme constant :
f ( a, b)
Ce terme représente la valeur de la fonction en ( a, b).

2. Termes linéaires :
f x ( a, b)( x − a) + f y ( a, b)(y − b)
Ces termes représentent la pente locale de f autour de ( a, b). Ils forment le plan tangent à la
surface z = f ( x, y) au point ( a, b).

• f x ( a, b) : dérivée partielle par rapport à x, mesure la variation dans la direction x.

• f y ( a, b) : dérivée partielle par rapport à y, mesure la variation dans la direction y.

3. Termes quadratiques :

1h i
f xx ( a, b)( x − a)2 + 2 f xy ( a, b)( x − a)(y − b) + f yy ( a, b)(y − b)2
2
Ces termes capturent la courbure de la fonction autour de ( a, b).

• f xx ( a, b)( x − a)2 : courbure dans la direction x,

• f yy ( a, b)(y − b)2 : courbure dans la direction y,
• 2 f xy ( a, b)( x − a)(y − b) : terme croisé qui représente l’interaction entre x et y.

Forme quadratique associée

La partie quadratique du développement de Taylor d’une fonction de deux variables peut être inter-
prétée comme une forme quadratique. Dans le développement de Taylor à l’ordre 2 d’une fonction
f ( x, y) autour d’un point ( a, b), la partie quadratique est donnée par :

1h 2 2
i
f xx ( a, b)( x − a) + 2 f xy ( a, b)( x − a)(y − b) + f yy ( a, b)(y − b) .
2
On peut réécrire cette partie quadratique en utilisant les nouvelles variables h = x − a et k = y − b,
ce qui donne :
Q(h, k ) = f xx ( a, b)h2 + 2 f xy ( a, b)hk + f yy ( a, b)k2 .
Cette expression est appelée forme quadratique.

Rappel : Une forme quadratique est une expression polynomiale homogène de degré 2 en plusieurs
variables. Pour deux variables h et k, une forme quadratique générale s’écrit sous la forme :

Q(h, k ) = ah2 + 2bhk + ck2 ,

où a, b et c sont des coefficients réels. Dans notre cas :

• a = f xx ( a, b),

• b = f xy ( a, b),

• c = f yy ( a, b).

29
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Représentation matricielle

La forme quadratique peut être représentée sous forme matricielle à l’aide de la matrice hessienne
de f au point ( a, b). La matrice hessienne H f ( a, b) est définie par :
 
f xx ( a, b) f xy ( a, b)
H f ( a, b) = .
f xy ( a, b) f yy ( a, b)

On peut alors écrire la forme quadratique comme suit :

  

f xx ( a, b) f xy ( a, b) h
Q(h, k ) = h k .
f xy ( a, b) f yy ( a, b) k

Cela montre que la partie quadratique du développement de Taylor autour de ( a, b) est définie par
la matrice hessienne.

1.6 Extrema libres et Extrema liés

1.6.1 Extrema libres
On considère une fonction numérique f : U ⊂ Rn 7→ R. On s’intéresse aux extrema de f . Il importe
de différencier extremum local, qui fait intervenir l’étude des dérivées de f en un point, d’extremum
global, qui fait intervenir le comportement global de f sur U. Dans un cas comme dans l’autre, les
résultats obtenus sont tout à fait comparables à ceux connus pour les fonctions d’une seule variable.

Rn est muni d’une norme quelconque notée || · ||.

Définition
Soit U un ouvert de Rn , f : U → R et a ∈ U. On dit que f admet un minimum local en a s’il existe
r > 0 tel que :
∀ x ∈ U, ∥ x − a∥ < r ⇒ f ( a) ≤ f ( x ).
Soit U ⊂ Rn , f : U → R et a ∈ U. On dit que f admet un minimum global en a si :

∀ x ∈ U : f ( a ) ≤ f ( x ).

Extrema locaux
Point critique : Soit U un ouvert de Rn , f : U → R de classe C1 et a ∈ U. On dit que a est un
point critique, ou singulier, ou stationnaire, de f si toutes les dérivées partielles de f sont nulles en
a, c’est-à-dire ∇ f ( a) = 0.

Condition nécessaire d’extrémité locale

Soit U un ouvert de Rn , f : U → R de classe C1 . Si f admet un extremum local en a ∈ U, alors a est
un point critique de f .

Preuve. Soit r > 0 tel que B( a, r ) ⊂ U ouvert. Pour tout h de norme euclidienne égale à r, on
définit la fonction ψ de classe C1 sur ] − 1, 1[ par

ψ(t) = f ( a + th)

30
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Si f admet un extremum en a, alors la fonction ψ admet un extremum de même nature en 0 et en

particulier sa dérivée s’annule en ce point :

ψ′ (t) = ∇ f ( a + th) · h

donc :
ψ ′ (0) = ∇ f ( a ) · h = 0 ∀h ∈ B(0, r ).
Si on suppose ∇ f ( a) ̸= 0, alors en choisissant :

∇ f ( a)
h=r
∥∇ f ( a)∥

on obtient ψ′ (0) = r ∥∇ f ( a)∥ : contradiction.

Rappel. Lorsque l’on étudie une fonction f en un point a, on peut approximativement exprimer
f ( a + h) par son développement de Taylor à l’ordre 2 autour de a :

1 ′′
f ( a + h) = f ( a) + f ′ ( a)h + f ( a ) h2 + o ( h2 ).
2
Si f ′ ( a) = 0 (condition nécessaire d’extrémum local), l’expression se réduit à :

1 ′′
f ( a + h) − f ( a) = f ( a ) h2 + o ( h2 ).
2
• Si f ′′ ( a) > 0, alors pour h suffisamment proche de 0, f ( a + h) − f ( a) > 0 pour h ̸= 0, ce qui
signifie que f ( a) est un minimum local.

• Si f ′′ ( a) < 0, alors f ( a + h) − f ( a) < 0 pour h ̸= 0, ce qui signifie que f ( a) est un maximum

local.

Ainsi, la condition suffisante d’extrémum local est que f ′ ( a) = 0 et f ′′ ( a) ̸= 0. L’annulation de la

dérivée seconde seule n’est pas suffisante pour garantir un extrémum car elle n’apporte pas d’in-
formation sur la concavité locale de la fonction. Il est nécessaire d’examiner les dérivées d’ordre
supérieur pour déterminer si le point est un extrémum, un point d’inflexion, ou un autre type de
comportement.

On peut généralisé le même type de résultat pour les fonctions de plusieurs variables ; on se res-
treint dans la suite aux fonctions de deux variables.

Critère de Monge
∂f ∂f
Soit U un ouvert de R2 , f : U → R de classe C2 et a ∈ U un point critique de f , ∂x ( a ) = ∂y ( a ) = 0,
alors, avec les notations de Monge :

∂2 f ∂2 f ∂2 f
p= ( a ), q= ( a ), r= ( a ),
∂x2 ∂x∂y ∂y2
on a :

• si pr − q2 > 0 et p > 0 : f admet en a un minimum local ;

• si pr − q2 > 0 et p < 0 : f admet en a un maximum local ;

31
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

• si pr − q2 < 0 : f n’admet en a ni minimum ni maximum local ;

• si pr − q2 = 0 : on ne peut conclure a priori.

Preuve. Soit r ′ > 0 tel que B( a, r ′ ) ⊂ U. On définit sur B(0, r ′ ) la fonction Q par :

Q(h, k ) = ph2 + 2qhk + rk2 .

Pour tout vecteur (h, k ) de norme r ′ , pour tout t ∈ [−1, 1], on a le développement limité :

f ( a + t(h, k )) − f ( a) = t2 ( Q(h, k)) + ∥(h, k )∥2 ϵ(th, tk ).

En faisant tendre t vers zéro, on voit que f ( a + t(h, k )) − f ( a) a le signe de Q(h, k ). Il faut donc
étudier le signe de cette forme quadratique : pour k ̸= 0, on a :
 2 !
h h
Q(h, k ) = k2 p + 2q + r .
k k

La parenthèse est un trinôme en hk , cette fraction pouvant prendre toutes les valeurs réelles, dont
le discriminant réduit vaut δ = q2 − pr.

Si ce discriminant est négatif, i.e. si pr − q2 > 0, alors Q(h, k ) est de signe constant : posi-
tif si p > 0, négatif si p < 0. La conclusion subsiste si k = 0 puisqu’alors Q(h, k) = Q(h, 0) = ph2 ,
du signe de p. Donc si pr − q2 > 0, f admet un extremum local en a.
 2
h
Si le discriminant est positif, alors p k + 2qh + rk prend des valeurs positives et néga-
tives en fonction de hk , donc il en est de même de f ( a + t(h, k )) − f ( a) pour t voisin de 0 et f
n’admet en a ni maximum ni minimum local.

Déterminant de la matrice hessienne

Le déterminant de la matrice hessienne H f ( a, b) est donné par :

2
det( H f ( a, b)) = f xx ( a, b) f yy ( a, b) − f xy ( a, b) .

Ce déterminant permet de classifier les points critiques :

• Si det( H f ( a, b)) > 0, le point est soit un minimum local soit un maximum local, selon le signe
de f xx ( a, b).

• Si det( H f ( a, b)) < 0, il s’agit d’un point selle.

• Si det( H f ( a, b)) = 0, la matrice hessienne est dégénérée, et le développement d’ordre supé-

rieur doit être examiné.

Généralisation dans Rn

Soit U un ouvert de Rn , f : U → R de classe C2 et a ∈ U un point critique de f , i.e. ∇ f ( a) = 0.

De façon générale, le développement limité à l’ordre 2 de f en a est :

1
f ( a + h ) = f ( a ) + ∇ f ( a ) h + h ⊤ H f ( a ) h + ∥ h ∥2 e ( h ),
2

32
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

où H f ( a) est la matrice Hessienne de f en a : c’est l’équivalent de f ′′ ( a) pour une fonction de R. Elle

est de taille (n, n) et de terme générique :

∂2 f
H f ( a)(i, j) = ( a ).
∂xi ∂x j

Puisqu’on est en un point critique, ce développement se simplifie un peu :

1 ⊤
f ( a + h) − f ( a) = h H f ( a ) h + ∥ h ∥2 e ( h ),
2
et au voisinage de 0, le signe de f ( a + h) − f ( a) est en général celui de :

Q(h) = h⊤ H f ( a)h.

Par le Théorème de Schwarz, cette matrice est symétrique et, comme toute matrice symétrique à
valeurs réelles, elle est diagonalisable en base orthonormée : il existe une matrice orthogonale P et
une matrice diagonale ∆ = diag(λ1 , ..., λn ), telles que H f ( a) = P T ∆P. On a donc, en posant u = Ph :
n
X
T T T
Q(h) = h P ∆Ph = u ∆u = λi u2i ,
i =1
et le comportement local de f dépend du signe des valeurs propres λi de H f ( a) :
• si λi > 0 ∀i : f admet en a un minimum local (Q est une forme quadratique définie positive),

• si λi < 0 ∀i : f admet en a un maximum local (Q est une forme quadratique définie négative),

• si ∃(i, j) tels que λi λ j < 0 : f n’admet en a ni maximum ni minimum local, mais un point selle,

• si l’un au moins des λi est nul et tous les autres de même signe : on ne peut conclure a priori.
Retour à la dimension 2 Si on revient à une fonction f de deux variables en un point critique a, la
matrice hessienne s’écrit, avec les notations de Monge :
   
p q T λ1 0
H f ( a) = =P P.
q r 0 λ2

On a le lien classique en dimension 2 entre trace, déterminant et valeurs propres :

(
Tr( H f ( a)) = p + r = λ1 + λ2
det( H f ( a)) = pr − q2 = λ1 λ2

Et on déduit les signes de λ1 et λ2 des signes de pr − q2 et de p.

Extrema globaux
Rappel. Pour une fonction f : D ⊆ R → R, on veut savoir si f admet un minimum et un maximum
globaux. Ceci est assuré quand f est continue et que D = [ a, b]. Le même résultat passe aux fonc-
tions de plusieurs variables.

Un peu de topologie de Rn
• Un ensemble U ⊂ Rn est ouvert s’il contient, pour chacun de ses points, une petite "boule"
autour de ce point entièrement contenue dans l’ensemble.

33
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

• Un ensemble F ⊂ Rn est fermé si et seulement si son complémentaire F c est un ensemble

ouvert.

• Un ensemble A ⊂ Rn est borné s’il existe M > 0 tel que : ∀ x ∈ A, ∥ x ∥ < M.

• Un ensemble K ⊂ Rn est compact s’il est fermé et borné.

Remarque. Ceci n’est pas la définition usuelle d’un ensemble compact ; c’est néanmoins la plus pra-
tique en dimension finie comme Rn .

Caractérisation séquentielle des ensembles compacts

Un ensemble K ⊂ Rn est compact si et seulement si Pour toute suite ( xn ) de points dans K, il

existe une sous-suite ( xnk ) de cette suite qui converge vers un point x ∈ K.

Théorème de Weierstrass

Soit f : K ⊂ Rn → R continue avec K compact, alors f (K ) est compact. En particulier f atteint

ses bornes sur K c’est-à-dire qu’il existe des points xmin , xmax ∈ K tels que

f ( xmin ) ≤ f ( x ) ≤ f ( xmax ) pour tout x ∈ K

Exemples

1) Considérons la fonction f ( x, y) = x2 + y2 définie sur le disque fermé D = {( x, y) ∈ R2 :

x 2 + y2 ≤ 1}.

• Ensemble compact : Le disque fermé D ⊂ R2 est compact car il est borné et fermé.
• Continuité : La fonction f ( x, y) = x2 + y2 est continue.

Selon le théorème de Weierstrass, la fonction f atteint un minimum et un maximum sur cet

ensemble compact.

• Minimum : Le minimum de f ( x, y) est atteint en (0, 0), où f (0, 0) = 0.

• Maximum : Le maximum de f ( x, y) est atteint sur le bord du disque, où x2 + y2 = 1.
Ainsi, f ( x, y) = 1, donc le maximum est 1.

2) Considérons la fonction f ( x, y) = sin( x ) + cos(y) définie sur le carré fermé K = [0, π ] ×

[0, π ] ⊂ R2 .
• Ensemble compact : Le carré K ⊂ R2 est compact car il est borné et fermé.
• Continuité : La fonction f ( x, y) = sin( x ) + cos(y) est continue.

Selon le théorème de Weierstrass, f atteint un minimum et un maximum sur K.

• Minimum : Le minimum de f ( x, y) est atteint en (π, π ), où f (π, π ) = sin(π ) +

cos(π ) = 0 + (−1) = −1.




• Maximum : Le maximum est atteint en π2 , 0 , où f π2 , 0 = sin π2 + cos(0) = 1 + 1 =
2.

3) Prenons la fonction f ( x, y) = x
1+ y2
définie sur le carré fermé K = [−1, 1] × [−1, 1] ⊂ R2 .

• Ensemble compact : Le carré fermé K est compact car il est borné et fermé.

34
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

x
• Continuité : La fonction f ( x, y) = 1+ y2
est continue sur K.

D’après le théorème de Weierstrass, f atteint un minimum et un maximum sur K.

1
• Maximum : Le maximum de f ( x, y) est atteint en (1, 0), où f (1, 0) = 1 = 1.
−1
• Minimum : Le minimum est atteint en (−1, 0), où f (−1, 0) = 1 = −1.

1.6.2 Extrema liés

Théorème des Fonctions Implicites

Soit une courbe C du plan définie par l’équation f ( x, y) = 0, avec f de classe C1 . On dit que ceci
définit implicitement y en fonction de x. On voudrait en déduire une description explicite de y
en fonction de x, c’est-à-dire trouver ϕ : R 7→ R telle que la courbe C soit décrite par l’équation
y = ϕ( x ). Ce n’est bien sûr pas toujours possible globalement : penser au cercle trigonométrique

x2 + y2 − 1 = 0.

Si on se restreint à une description locale, on peut cependant donner une condition sur f telle qu’au-
tour du point ( x0 , y0 ) de C :
( x, y) ∈ C ⇔ y = φ( x ),
et obtenir l’expression de la dérivée de φ en fonction des dérivées partielles de f . C’est l’objet du
Théorème des Fonctions Implicites.

Théorème
∂f
Soit f : U ⊆ R2 → R de classe C1 , U ouvert et a = ( a1 , a2 ) ∈ U. Si f ( a) = 0 et ∂y ( a) ̸= 0, alors
il existe un intervalle ouvert I1 contenant a1 , un intervalle ouvert I2 contenant a2 et une fonction
φ : I1 → I2 de classe C1 tels qu’on ait l’équivalence :

x ∈ I1
( x, y) ∈ I1 × I2 , f ( x, y) = 0 ⇔
y = φ( x )

De plus, on a pour tout x ∈ I1 :

∂f
′ ( x, φ( x ))
φ (x) = − ∂∂xf .
∂y ( x, φ( x ))

Preuve
∂f
Sans perte de généralité, on se ramène au point (0, 0) et on suppose ∂y (0, 0) > 0. Alors
∂f
par continuité de ∂y , il existe α > 0 et δ > 0 tels que :

∂f
max(| x |, |y|) ≤ δ ⇒ ( x, y) > α.
∂y

En particulier f (0, ·) est strictement croissante sur [−δ, δ], donc :

f (0, −δ) < 0 < f (0, δ).

35
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

D’où, par continuité de f , il existe δ′ > 0 tel que :

| x | < δ′ ⇒ f ( x, −δ) < 0 < f ( x, δ),

mais on sait aussi que pour | x | ≤ δ′ , f ( x, ·) est croissante donc établit une bijection. En notant
δ′ = min(δ, δ′ ), posons I1 =] − δ′ , δ′ [ et I2 =] − δ, δ[ : pour tout x ∈ I1 , il existe donc un unique
φ( x ) ∈ I2 tel que f ( x, φ( x )) = 0. On a donc :

∀ x ∈ I1 , f ( x, φ( x )) = 0.

Il reste à prouver que φ est dérivable sur I1 : le Théorème des Accroissements Finis appliqué à f
entre les points ( x, φ( x )) et ( x + h, φ( x + h)) assure l’existence de c entre ces points tel que :

∂f ∂f
f ( x + h, φ( x + h)) = f ( x, φ( x )) + (c, h) + (c)( φ( x + h) − φ( x )),
∂x ∂y

c’est-à-dire :
∂f
(c)
φ( x + h) − φ( x ) = − ∂∂xf .
∂y ( c )
∂f ∂f
Or par continuité de ∂x sur le compact I1 × I2 , il existe M > 0 tel que | ∂x (c)| ≤ M. On sait aussi
∂f
que sur ce compact ∂y ( c ) > α. On en déduit que :

φ( x + h) − φ( x ) M
≤ h.
h α
Donc φ est continue (et même lipschitzienne), ce qui implique que lorsque h tend vers zéro, le
point c tend vers ( x, φ( x )), or :
∂f
φ( x + h) − φ( x ) ∂y ( c )
= − ∂f ,
h (c) ∂x

donc φ est bien dérivable en x avec :

∂f
( x, φ( x ))
φ′ ( x ) = − ∂∂xf .
∂y ( x, φ ( x ))

Extrema liés

On veut cette fois connaître le maximum ou le minimum d’une fonction f de deux variables sachant
que x et y sont liés par une condition que l’on peut généralement exprimer sous la forme g( x, y) = 0.

Lagrangien

On cherche les extrema de la fonction f : R2 → R de classe C1 sous la contrainte g( x, y) = 0,

avec g : R2 → R de classe C1 . Le Lagrangien associé au problème est la fonction de 3 variables et
de classe C1 :
L : R3 → R ( x, y, λ) 7→ f ( x, y) + λg( x, y).
La variable λ est appelée multiplicateur de Lagrange.

36
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Remarques

• On voit que pour tout couple ( x, y) respectant la contrainte, on a L( x, y, λ) = f ( x, y), donc

maximiser f sur cet ensemble est équivalent à maximiser L.

• Dans le cas général, on a à optimiser

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

sous p contraintes :
gi ( x1 , ..., xn ) = 0 ∀i ∈ {1, ..., p}.
Il y a alors p multiplicateurs de Lagrange λ1 , ..., λ p et le Lagrangien associé est la fonction de
(n + p) variables :
p
X
L( x1 , ..., xn , λ1 , ..., λ p ) = f ( x1 , ..., xn ) + λi gi ( x1 , ..., xn ).
i =1

Condition nécessaire d’extrémalité sous contraintes

Pour que f admette en ( x0 , y0 ) un extremum local sous la contrainte g( x, y) = 0, ( x0 , y0 ) n’étant

pas un point critique de g, il faut qu’il existe λ tel que ( x0 , y0 , λ0 ) soit un point critique du Lagran-
gien L.

Preuve.
∂g
Sans restriction de généralité, on suppose que ( x0 , y0 ) = (0, 0) et que ∂y (0, 0) ̸= 0. On
peut alors appliquer le Théorème des Fonctions Implicites à g : il existe un intervalle ouvert I
contenant 0 et une fonction φ de classe C1 sur I, avec φ(0) = 0, telle que localement : g( x, y) = 0
équivaut à y = φ( x ). On a de plus :
∂g
′ ∂x (0, 0)
φ (0) = − ∂g .
∂y ( 0, 0 )

Dire que f admet un extremum local en (0, 0) sous la contrainte g = 0 revient alors à dire que la
fonction d’une seule variable x 7→ f ( x, φ( x )), définie sur I, admet un extremum local en 0, ce qui
implique en particulier que sa dérivée est nulle en 0, soit via la règle de dérivation en chaîne :

∂f ∂f
(0, 0) + φ′ (0) (0, 0) = 0.
∂x ∂y

Soit, en revenant à g :
∂g
∂f ∂x (0, 0) ∂ f
(0, 0) − ∂g
(0, 0) = 0,
∂x ∂y
∂y (0, 0)

c’est-à-dire que les vecteurs gradients de f et g sont colinéaires : il existe λ ∈ R tel que ∇ f (0, 0) +
λ∇ g(0, 0) = 0, puisqu’on a ainsi ∂L ∂L
∂x (0, 0) = ∂y (0, 0) = 0.

37
 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES À VALEUR DANS R

Remarque. Si on exprime les dérivées partielles du Lagrangien en fonction de celles de f et g, on

doit donc résoudre le système (généralement non-linéaire) de 3 équations à 3 inconnues :
 ∂f ∂g
 ∂x ( x0 , y0 ) + λ0 ∂x ( x0 , y0 ) = 0,

∂f
∂y ( x0 , y0 ) + λ0 ∂g
∂y ( x0 , y0 ) = 0,

g( x0 , y0 ) = 0.


La dernière équation exprime simplement que le point ( x0 , y0 ) doit vérifier la contrainte. Les deux
premières signifient qu’en ce point la courbe de niveau f ( x, y) = f ( x0 , y0 ) de f et la courbe g( x, y) =
0 doivent être tangentes.
Exemple
Nous cherchons à maximiser la fonction suivante :

f ( x, y) = x2 + y2

sous la contrainte :
g( x, y) = x + y − 1 = 0
Étape 1 : Définir le Lagrangien : Le Lagrangien L est défini par :

L( x, y, λ) = f ( x, y) − λg( x, y)

Ainsi, on obtient :
L( x, y, λ) = x2 + y2 − λ( x + y − 1)
Étape 2 : Calcul des dérivées partielles : On calcule les dérivées partielles de L par rapport à x,
y, et λ :

∂L
= 2x − λ = 0 ⇒ λ = 2x
∂x
∂L
= 2y − λ = 0 ⇒ λ = 2y
∂y
∂L
= −( x + y − 1) = 0 ⇒ x+y = 1
∂λ
Étape 3 : Résolution du système : À partir des deux premières équations, on a λ = 2x et λ = 2y,
ce qui implique que :
x=y
En substituant cette relation dans l’équation de la contrainte x + y = 1, on obtient :

1
x+x =1 ⇒ 2x = 1 ⇒ x=
2

Ainsi, y = 21 .  
1 1
Étape 4 : Extremum : Le point 2, 2 satisfait la contrainte x + y = 1, et la valeur de la fonction
f ( x, y) à ce point est :
   2  2
1 1 1 1 1 1 1
f , = + = + =
2 2 2 2 4 4 2
 
Ainsi, le maximum de f ( x, y) sous la contrainte x + y = 1 est 21 , atteint au point 1 1
2, 2 .

38