Calcul différentiel

2022-2023, L3

Université de Rouen Normandie, LMRS

Matthieu Alfaro.
ii

AVERTISSEMENT :

Ce poly est un document en construction, qui contient sûrement quelques coquilles voire
erreurs et ne demande qu’à s’améliorer.
Ce poly est incomplet et aride à la lecture seule. Il prend son sens une fois complété par les
explications, les reformulations, les dessins, les lemmes, les preuves, les exemples donnés en
cours, et les exercices traités en TD.
Bref, ce poly n’est qu’un support...
Ce poly est librement inspiré de plusieurs cours préexistants, cf notamment [1], [2] qu’on
peut aller voir pour rentrer dans certains détails passés ici sous silence.
Les figures du Chapitre 1 sont fournies par B. Charlier.
Le programme de l’UE est constitué des chapitres 1, 2, 3, 4. Mais le reste pourra
vous intéresser un jour...
Table des matières

1 Fonctions de plusieurs variables 1

1.1 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Continuité et linéarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Dérivées directionnelles et dérivées partielles . . . . . . . . . . . . . . . . . . . 5
1.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2 Différentiabilité 10
2.1 Définition et premiers exemples . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Opérations sur les différentielles . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3 Inégalité des accroissements finis et applications . . . . . . . . . . . . . . . . . 13
2.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3 Différentielles d’ordre supérieur 18

3.1 Différentielle seconde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2 Dérivées partielles d’ordre 2, Schwartz, Matrice hessienne . . . . . . . . . . . 19
3.3 Taylor-Young à l’ordre 2 et extrema . . . . . . . . . . . . . . . . . . . . . . . 20
3.4 Formule de Taylor intégral à l’ordre 2 . . . . . . . . . . . . . . . . . . . . . . . 21
3.5 Différentielles d’ordre supérieur . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

4 Les théorèmes pour “inverser” 25

4.1 Le théorème des fonctions implicites . . . . . . . . . . . . . . . . . . . . . . . 25
4.1.1 Un cas simple mais éclairant (f : Ω ⊂ R2 → R) . . . . . . . . . . . . . 25
4.1.2 Le cas f : Ω ⊂ R3 → R . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.1.3 Le cas “général” f : Rn × Rp → Rp . . . . . . . . . . . . . . . . . . . . 28
4.2 Les théorèmes d’inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

5 Extrema liés 35
5.1 Un exemple/exercice naïf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.2 Une contrainte, multiplicateur de Lagrange . . . . . . . . . . . . . . . . . . . 35
5.3 Plusieurs contraintes, multiplicateurs de Lagrange . . . . . . . . . . . . . . . . 36
5.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

6 Quid en dimension infinie ?... 38

6.1 Différentiabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6.2 Fonctions implicites en dimension infinie, applications . . . . . . . . . . . . . 39
6.3 Extrema liés en dimension infinie, une application . . . . . . . . . . . . . . . . 40

iii
iv TABLE DES MATIÈRES
Chapitre 1

Fonctions de plusieurs variables

Dans ce chapitre on va considérer des fonctions définies sur un ouvert U de Rn et à valeurs

dans Rp :
f : U ⊂ Rn → Rp .
Pour “représenter” une fonction de R2 dans R (à valeurs réelles), on renvoie aux Figures
1.1 et 1.2 . Pour représenter une fonction de R2 dans R2 (à valeurs vectorielles ; on parle de
champ de vecteurs), on renvoie à la Figure 1.3.
On rappelle qu’en dimension finie, toutes les normes sont équivalentes. Ainsi, sur l’ensemble
de départ Rn , on peut choisir la norme définie par
kxk∞ := max |xj |,
1≤j≤n

où x ∈ Rn s’écrit x = (x1 , ..., xn ), ou la norme définie par

v
u n 2
uX
kxk2 := t xj ,
j=1

ou toute autre norme, et idem sur l’espace d’arrivée Rp .

Notons qu’à toute fonction f : U ⊂ Rn → Rp , on peut associer ses p fonctions composantes
fi : U ⊂ Rn → R (avec 1 ≤ i ≤ p) de façon à ce que
f (x) = (f1 (x), · · · , fp (x)),
pour tout x ∈ U . Remarquons qu’une fonction composante est à valeurs réelles.
Pour une fonction définie sur un ouvert U de R, vous connaissez la notion de dérivabilité
(éventuelle) en un point a ∈ U . En revanche, pour une fonction définie sur un ouvert U de Rn
avec n ≥ 2, vous ne connaissez pas pour l’instant de notion de dérivabilité convenable. Afin
de donner un sens à cette notion dans le Chapitre 2, nous allons d’abord dans ce chapitre
apprendre à “dériver dans une direction” les fonctions f : U ⊂ Rn → Rp .
Avant cela, commençons par quelques courts rappels sur la notion de continuité.

1.1 Continuité
Définition 1.1.1 (Continuité). On considère f : U ⊂ Rn → Rp et un point a ∈ U . On dit
que f est continue en a si
∀ε > 0, ∃α > 0, ∀x ∈ U, kx − ak < α =⇒ kf (x) − f (a)k < ε.
On dit que f est continue sur U si elle est continue en tout point a ∈ U .

1
2 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES

10
20
z z 0

4 −10 4
0 2 2
−4 0 −4 0
−2 0 −2 0
2 4 −4
−2
y 2 4 −4
−2
y
x x
4 4
30
2 10
2
20
y 0 y 0 0
10
−2 −2
−10
−4 −4
−4 −2 0 2 4 −4 −2 0 2 4
x x
9
7 8 −20
6 4 −15 −5
2 4
5 −5
−10
9

0
2
2
9
6

1 0
3
8
7
5

y 0 y 0
7
4

10

10
8
6
4
3

0
15

15
2

1
2

−2 0
20

20

3 −5
5
9

−2 5 4 −10
87
9

6 −15 −5
7 −4
5

8 −20
9
−2 −1 0 1 2 −4 −2 0 2 4
x x
Figure 1.1 – A gauche : f (x, y) = x2 + y 2 (fonction radiale). A droite : f (x, y) = x2 − y 2 . En
haut : le graphe (paraboloïde/selle de cheval). Au milieu : vue de dessus. En bas : les lignes
de niveau.
1.1. CONTINUITÉ 3

1 0.5

z 0.5 z 0
0 10 4
−0.5 2
−10 −5 0 −4 0
0 5
−2 0
10−10 y 2 4 −4
−2
y
x x
4 4 0.4
2 2 0.2
0.5
y 0 y 0 0
−2
−2 −0.2
0
−4
−4 −0.4
−4 −2 0 2 4 −4 −2 0 2 4
x x
0.4
4 4
2 0.2
0.5 2
y 0 y 0 0
−2 −2
−0.2
0
−4 −4
−0.4
−4 −2 0 2 4 −2 0 2
x x
√
sin( 2 2
Figure 1.2 – A gauche : f (x, y) = √ x +y ) (fonction radiale). A droite : f (x, y) =
2 2
x +y
2 2
(x3 + y)e−x −y . En haut : le graphe. Au mileu : vue de dessus. En bas : les lignes de niveau.
4 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES

y 0

−2

−3 −2 −1 0 1 2 3
x

Figure 1.3 – A gauche le champ de vecteurs f : R2 → R2 défini par f (x, y) =

√ 0.15 2 (1, x − y). A droite un champ de vecteurs f : S → R3 défini sur la sphère
1+(x−y)
S = {(x, y, z), x2 + y 2 + z 2 = 1} de R3 .

Vous savez qu’en ajoutant, multipliant, divisant ou composant “proprement” des fonctions
continues on obtient encore une fonction continue. Ainsi f : R2 → R définie par f (x, y) =
esin(xy)
x2 +y 2 +1
est clairement continue sur R2 . Cependant il faut parfois revenir à la définition pour
prouver la continuité ou la non continuité en certains points.
Exemple 1.1.2. Etudier la continuité de f : R2 → R et g : R2 → R définies par
( 2 2 (
x y xy
x 2 +y 2 si (x, y) 6
= (0, 0) x 2 +y 2 si (x, y) 6= (0, 0)
f (x, y) = , g(x, y) = .
0 si (x, y) = (0, 0) 0 si (x, y) = (0, 0)

1.2 Continuité et linéarité

On rappelle que si E et F sont deux espaces vectoriels normés on note L(E, F ) l’espace
vectoriel des applications linéaires de E dans F , et L(E, F ) l’espace vectoriel des applications
linéaires continues de E dans F .
Proposition 1.2.1. Soit f ∈ L(E, F ). Alors les assertions suivantes sont équivalentes :
(i) f est continue sur E.
(ii) f est continue en 0E .
(iii) ∃M ≥ 0, ∀x ∈ E, kf (x)kF ≤ M kxkE .
(iv) f est bornée sur la boule unité fermée.
(v) f est bornée sur la sphère unité.
(vi) f est lipschitzienne sur E, cad ∃k ≥ 0, ∀(x, y) ∈ E 2 , kf (x) − f (y)kF ≤ kkx − ykE .
On peut faire de L(E, F ) un espace vectoriel normé, grâce notamment à la norme triple :
pour f ∈ L(E, F ) on pose
||| f |||L(E,F ) := sup kf (x)kF .
x∈E, kxkE =1

Notez qu’on peut alors montrer facilement que

kf (x)kF
||| f |||L(E,F ) = sup ,
x∈E, x6=0E kxkE
1.3. DÉRIVÉES DIRECTIONNELLES ET DÉRIVÉES PARTIELLES 5

mais aussi que

||| f |||L(E,F ) = inf{M > 0, ∀x ∈ E, kf (x)kF ≤ M kxkE },
cad que ||| f |||L(E,F ) est la meilleure des constantes M qui assure Proposition 1.2.1 (iii).
Notons alors que, par définition,
kf (x)kF ≤||| f ||| ×kxkE pour tout x ∈ E.
La bonne nouvelle c’est que dès que E est de dimension finie alors toute application linéaire
de E dans F est continue, c’est à dire que
L(E, F ) = L(E, F ) si E est de dimension finie.
Ainsi, toute application linéaire de Rn dans F , en particulier dans Rp , est (“gratuitement”)
continue. Plus généralement toute application bilinéaire de Rn × Rn dans Rp est continue, et
toute application multilinéaire de Rn × · · · × Rn dans Rp est continue.

1.3 Dérivées directionnelles et dérivées partielles

Soit une fonction f : I ⊂ R → Rp où I est un intervalle ouvert de R. Soit a ∈ I. On rappelle
que f est dérivable en a signifie, par définition, que le taux d’accroissement
f (a + h) − f (a)
admet une limite finie (cad un vecteur de Rp ) quand h → 0.
h
Si ceci est vérifié alors on note f 0 (a) = limh→0 f (a+h)−f
h
(a)
la dérivée de f en a.
n p
Pour une fonction f : U ⊂ R → R et un a ∈ U donné, si on veut construire un taux
d’accroissement, il faut choisir un vecteur v ∈ Rn qui donne la direction dans laquelle on
procède au taux d’accroissement. On définit ainsi la notion de dérivée directionnelle.
Définition 1.3.1 (Dérivée directionnelle). Soit f : U ⊂ Rn → Rp . Soit a ∈ U . Soit v ∈ Rn
(qu’on peut supposer de norme 1). On dit que f admet une dérivée en a suivant le vecteur v
si
f (a + hv) − f (a)
admet une limite finie (cad un vecteur de Rp ) quand h → 0.
h
f (a+hv)−f (a)
Si ceci est vérifié alors on note Dv f (a) := limh→0 h la dérivée de f en a suivant le
vecteur v.
Dans la suite, on note (e1 , · · · , en ) la base canonique de Rn .
Définition 1.3.2 (Dérivée partielle). Soit f : U ⊂ Rn → Rp . Soit a ∈ U . Si f admet une
dérivée en a suivant ej , on dit que f admet une dérivée partielle en a par rapport à xj et on
note
∂f
(a) = Dej f (a).
∂xj
Remarque 1.3.3. Soit f : U ⊂ Rn → Rp . Soit a = (a1 , · · · , an ) ∈ U . Pour 1 ≤ j ≤
n on définit la j-ième application partielle de f en a comme l’application gj définie, sur un
voisinage de aj et à valeurs dans Rp , par
gj (x) = f (a1 , · · · , aj−1 , x, aj+1 , · · · , an ),
cf Figure 1.4. Alors f admet une dérivée partielle en a par rapport à xj si et seulement si gj
est dérivable en aj et alors
∂f
(a) = gj0 (aj ).
∂xj
6 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES

1
z 0.5
z

0 10 0
−10 0
−5 0 5 −10 −5 0 5 10
10−10 y
x x

1 z 0.5

0 10 0

−10 0
−5 0 5 −10 −5 0 5 10
10−10 y
x y

√
sin( 2 2
Figure 1.4 – En haut à gauche : graphe de f (x, y) = √ x +y ) . En haut à droite la première
x2 +y 2

√ (de la variable x) définie par g1 (x) = f (x, −2). En bas à gauche : graphe
application partielle
sin( x2 +y 2 )
de f (x, y) = √ . En bas à droite la deuxième application partielle (de la variable y)
x2 +y 2
définie par g2 (y) = f (6, y).
1.4. EXERCICES 7

Ainsi “pour dériver partiellement par rapport à une variable, on fait comme si toutes les autres
variables étaient des constantes”...
Définition 1.3.4 (Matrice jacobienne, Jacobien). Soit f : U ⊂ Rn → Rp . Soit a ∈ U .
Si f admet une dérivée partielle en a par rapport à tous les xj (1 ≤ j ≤ n) alors il en
va de même pour toutes les applications composantes fi (1 ≤ i ≤ p). On appelle alors
matrice jacobienne de f en a la matrice notée Df (a) de taille (p, n) définie par
 ∂f1 ∂f1 
  ∂x1 (a) ......... ∂xn (a)
∂fi .. .. 
Df (a) := (a) = .  ∈ Mp,n (R).

∂xj .
1≤i≤p,1≤j≤n ∂fp ∂fp
∂x1 (a) . . . . . . . . . ∂xn (a)

Lorsque p = n la matrice jacobienne de f en a (lorsqu’elle existe) est carrée et son déter-

D(f1 ,··· ,fn )
minant s’appelle le jacobien de f en a. On le note Jacf (a) ou D(x 1 ,··· ,xn )
(a) :

D(f1 , · · · , fn )
Jacf (a) = (a) := Det Df (a).
D(x1 , · · · , xn )
Exemple 1.3.5. On donne f : R3 → R2 définie par f (x, y, z) = (x2 + yez , xy + y 2 ). Ecrire
la matrice jacobienne en un point (x, y, z).
Exemple 1.3.6. On donne f :]0, +∞[×]0, 2π[→ R2 définie par f (r, θ) = (r cos θ, r sin θ).
Calculer le jacobien en un point (r, θ).
Définition 1.3.7 (Gradient). Soit f : U ⊂ Rn → R admettant une dérivée partielle en a ∈ U
par rapport à tous les xj (1 ≤ j ≤ n). Alors la matrice jacobienne de f en a est de taille
(1, n), cad un vecteur ligne. La transposée de ce vecteur ligne est un vecteur colonne appelé
−−−→
gradient de f en a et noté ∇f (a), ou Grada f . On a donc
 ∂f 
∂x1 (a)
∇f (a) =  ...  .
 
∂f
∂xn (a)

Exemple 1.3.8. On donne f : R3 → R définie par f (x, y, z) = x2 + y 3 z. Ecrire le gradient

de f en un point (x, y, z).

1.4 Exercices
Exercice 1.4.1. Représenter dans R2 les ensembles de définition des fonctions définies par

f1 (x, y) = ln(2x + y − 2),

p
f2 (x, y) = 1 − xy
ln(y − x)
f3 (x, y) = ,
x
1 p
f4 (x, y) = p + 4 − x2 − y 2 .
x2 + y 2 − 1
Exercice 1.4.2. Représenter dans R2 les lignes de niveau k (c’est-à-dire les solutions de
l’équation f (x, y) = k) des fonctions définies par

f1 (x, y) = x2 − y 2 avec k = −1, k = 0, k = 1,

x4 +y 4
f2 (x, y) = 8−x2 y 2
avec k = 2.
8 CHAPITRE 1. FONCTIONS DE PLUSIEURS VARIABLES

Exercice 1.4.3. On se donne f , g et h définies sur R2 , à valeurs dans R, définies par

f (x, y) = x2 + y 2 ,
g(x, y) = xy,
x2
(
x2 +y 2
si (x, y) 6= (0, 0),
h(x, y) =
0 sinon.

1. Représenter dans R2 quelques lignes de niveau de ces fonctions.

2. Donner l’allure du graphe de f et g au voisinage de (0, 0).
3. Donner l’allure du graphe de h au voisinage de (0, 0).
4. La fonction h est-elle continue en (0, 0) ?
Exercice 1.4.4. Dans les cas suivants, la fonction f définie sur R2 \ {(0, 0)} admet elle une
limite en (0, 0) ?
 
1
1. f (x, y) = (x + y) sin x2 +y 2 .

x2 −y 2
2. f (x, y) = x2 +y 2
.
|x+y|
3. f (x, y) = x2 +y 2
.
 
x2 +y 2 −1 sin(x2 )+sin(y 2 )
4. f (x, y) = x sin x, √ .
x2 +y 2

Exercice 1.4.5. Soit f : R2 \ {(0, 0)} → R définie par

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

1. Montrer que 2|xy| ≤ x2 + y 2 pour tous réels x et y.

2. Montrer que, pour tout (x, y) 6= (0, 0),

|f (x, y)| ≤ 4k(x, y)k2 ,

p
où k(x, y)k2 = x2 + y 2 . En déduire que f admet une limite en (0, 0).
Exercice 1.4.6. Soit f : R2 → R définie par
(
cos y si − π2 ≤ y ≤ π
2 et x ≥ 0,
f (x, y) =
0 sinon.

1. Dessiner son graphe.

2. Préciser les points où f est continue et ceux où f est discontinue.
Exercice 1.4.7. Soit f : U ⊂ Rn → Rp . On peut écrire f (x) = (f1 (x), · · · , fp (x)) où les
fi : U → R sont les p fonctions composantes. Soit a ∈ U . Montrer que f est continue en a si
et seulement si toutes les fi (1 ≤ i ≤ p) sont continues en a.
Exercice 1.4.8. Soit f : R2 → R. Pour y ∈ R fixé, on définit la première application partielle
en y par gy : x ∈ R 7→ f (x, y). Pour x ∈ R fixé, on définit la deuxième application partielle
en x par gx : y ∈ R 7→ f (x, y). Montrer que

f continue sur R2 =⇒ pour tout y, gy continue sur R et pour tout x, gx continue sur R.

A l’aide de la fonction g de l’exercice 1.1.2, montrer que la réciproque est fausse.

1.4. EXERCICES 9

Exercice 1.4.9. Déterminer les matrices jacobiennes, et le jacobien s’il existe, des applica-
tions suivantes :
1. f : R2 → R définie par f (x, y) = x cos(y − x).
2. g : R → R3 définie par g(t) = (cos t, sin t, t).
3. h : R2 → R2 définie par h(x, y) = (xy, ex cos y).

Exercice 1.4.10. On donne f : Rn → R définie par f (x) = kxk2 . Calculer, lorsqu’il existe,
∇f (a) le gradient de f en a ∈ Rn .

Exercice 1.4.11. On donne f : R2 → R définie par

( 2
y
si x 6= 0,
f (x, y) = x
0 sinon.

On se donne une direction unitaire e = (cos θ, sin θ). Montrer que, pour tout θ ∈ R, la dérivée
directionnelle De f (0, 0) existe et la calculer. Montrer aussi que f n’est pas continue en (0, 0).
Chapitre 2

Différentiabilité

Dans tout ce chapitre E, F et G désignent des R espaces vectoriels normés de dimension finie,
par exemple Rn , ou Mn (R) l’ensemble des matrices carrées réelles de taille n. On désignera
par U un ouvert de E et U 0 un ouvert de F . On va considérer des fonctions f

f : U ⊂ E → F,

et g : U 0 ⊂ F → G.

2.1 Définition et premiers exemples

On se donne un point a ∈ U et on veut étudier f au voisinage de ce a. On sait déjà ce que
signifie “f continue en a” :

f continue en a ⇐⇒ f (a + h) = f (a) + o(1) quand h → 0E .

On voudrait mieux contrôler le o(1)... On se souvient que, pour une fonction de la variable
réelle f : U ⊂ R → F ,

f dérivable en a ⇐⇒ il existe un vecteur de F noté f 0 (a) tel que

f (a + h) = f (a) + hf 0 (a) + o(h) quand h → 0R .

Théorème-Definition 2.1.1 (Différentiabilité). Soit f : U ⊂ E → F . Soit a ∈ U . On dit

que f est différentiable en a s’il existe une application linéaire continue de E dans F , notée
dfa ou df (a), telle que

f (a + h) = f (a) + dfa (h) + o(h) quand h → 0E .

|{z}
∈L(E,F )

En cas d’existence une telle application linéaire continue dfa est unique. On dit alors que
l’application linéaire dfa est tangente à f en a.

Exemple 2.1.2. Si E = R alors on est face à une fonction de la variable réelle et il serait bon
que la notion de dérivabilité en a coïncide avec celle de différentiabilité en a. C’est bien le cas :
f est dérivable en a si et seulement si f est différentiable en a et, dans ce cas l’application
linéaire dfa : U ⊂ R → F est définie par

∀h ∈ U, dfa (h) = hf 0 (a).

Dans la suite, l’application linéaire dfa sera également notée f 0 (a).

10
2.2. OPÉRATIONS SUR LES DIFFÉRENTIELLES 11

Exemple 2.1.3. Si f ∈ L(E, F ) est déjà une application linéaire alors elle est différentiable
en tout a ∈ E et dfa = f (ou f 0 (a) = f ).
Exemple 2.1.4. Si B : E × E → F est une application bilinéaire alors B est différentiable
en tout point (x, y) ∈ E 2 et dB(x,y) = B 0 (x, y) ∈ L(E 2 , F ) est donnée par

∀(h1 , h2 ) ∈ E 2 , dB(x,y) (h1 , h2 ) = B 0 (x, y)((h1 , h2 )) = B(x, h2 ) + B(h1 , y).

Proposition 2.1.5 (Diff. implique continuité). Soit f : U ⊂ E → F . Soit a ∈ U . Alors

f différentiable en a =⇒ f continue en a.

On fait maintenant le lien avec le chapitre 1 sur les fonctions de Rn dans Rp .

Proposition 2.1.6 (Diff. implique dérivées directionnelles et donc dérivées partielles). Soit
f : U ⊂ Rn → Rp différentiable en a ∈ U . Alors, pour toute direction v ∈ Rn (de norme 1),
f admet une dérivée en a suivant le vecteur v donnée par

Dv f (a) = dfa (v).

∂fi
En particulier, toutes les dérivées partielles ∂x j
(a) (1 ≤ i ≤ p, 1 ≤ j ≤ n) existent et
n p
dfa ∈ L(R , R ) est donnée par
dfa (h) = Df (a)h.
Autrement dit la matrice de l’application linéaire dfa dans les bases canoniques de Rn et Rp
n’est autre que la matrice jacobienne de f en a.
En particulier, pour p = 1 (fonctions à valeurs réelles), dfa est un forme linéaire sur Rn
qui s’écrit via le produit scalaire dans Rn avec le vecteur gradient :
n
−−−→ X ∂f
dfa (h) = hGrada f, hi = (a)hj (2.1)
∂xj
j=1

et donc
−−−→
f (a + h) = f (a) + hGrada f, hi + o(h) quand h → 0.
ATTENTION, la réciproque est fausse : l’existence de toutes les dérivées partielles ne suffit
pas à assurer la différentiabilité, cf Exercices 1.4.11 et 2.4.1.

2.2 Opérations sur les différentielles

Sans surprise, si f et g sont différentiables en a alors toute combinaison linéaire λf + µg est
différentiable en a et
d(λf + µg)a = λdfa + µdga .
Bref, tout comme la dérivation, la différentiation est une opération linéaire.
Théorème 2.2.1 (Composition). Soit g : U ⊂ E → F et f : U 0 ⊂ F → G. On suppose
g(U ) ⊂ U 0 . Si g est différentiable en a ∈ U et f est différentiable en g(a) ∈ U 0 alors f ◦ g est
différentiable en a et
d(f ◦ g)a = dfg(a) ◦ dga ,
qu’on pourra préférer écrire 1

(f ◦ g)0 (a) = f 0 (g(a)) ◦ g 0 (a). (2.2)

0 0 0
1. souvenons nous que, pour des fonctions de R dans R, (f ◦ g) (a) = f (g(a))g (a) qui est une égalité entre
nombres impliquant un produit, et observons que (2.2) est une égalité entre applications linéaires impliquant
une composition.
12 CHAPITRE 2. DIFFÉRENTIABILITÉ

Notation différentielle : il est très commode de noter df l’image par l’application linéaire
f 0 (x) d’un vecteur arbitraire noté dx, et donc
df = f 0 (x) |{z}
dx .
|{z} | {z }
∈F ∈L(E,F ) ∈E

Par exemple, pour f : Rn → R, l’égalité (2.1) s’écrit

∂f ∂f
df = dx1 + · · · + dxn ,
∂x1 ∂xn
ce qui ne signifie pas autre chose que
∂f ∂f
dfa (h1 , ..., hn ) = (a)h1 + · · · + (a)hn .
∂x1 ∂xn
Cette notation est un peu “dangereuse” mais permet de calculer relativement aisément cer-
taines différentielles et dérivées partielles...
Exemple 2.2.2. Calculer, lorsqu’elle existe, la différentielle de f : Rn → R définie par
p
f (x) = kxk2 = hx, xi,
puis retrouver le gradient calculé à l’Exercice 1.4.10.
En combinant le Théorème 2.2.1 et la Proposition 2.1.6, on comprend que la matrice jaco-
bienne d’une composition est le produit des matrices jacobiennes (sous hypothèse de différen-
tiabilité bien sûr).
Corollaire 2.2.3. Soit U un ouvert de Rn , U 0 un ouvert de Rp , g : U ⊂ Rn → U 0 ⊂ Rp
différentiable en a ∈ U , f : U 0 ⊂ Rp → Rq différentiable en g(a) ∈ U 0 . Alors f ◦ g est
différentiable en a et
D(f ◦ g)(a) = Df (g(a))Dg(a),
ce qui donne accès aux dérivées partielles de f ◦ g :
p
∂(f ◦ g)i X ∂fi ∂gk
(a) = (g(a)) (a), 1 ≤ i ≤ q, 1 ≤ j ≤ n. (2.3)
∂xj ∂yk ∂xj
k=1

Exercice 2.2.4. On se donne f : R2 → R différentiable sur R2 . On définit F : R2 → R par

 
u+v u−v
F (u, v) := f , .
2 2
Calculer les dérivées partielles de F en fonction de celles de f . En déduire la résolution de
l’équation aux dérivées partielles (où la fonction inconnue f est supposée différentiable sur
R2 )
∂f ∂f
(x, y) + (x, y) = 0, ∀(x, y) ∈ R2 .
∂x ∂y
Exercice 2.2.5. On se donne f : R2 → R différentiable sur R2 et x : R → R, y : R → R
dérivables sur R. On définit F : R → R par
F (t) := f (x(t), y(t)) .
Calculer la dérivée de F en fonctions des dérivées partielles de f et des dérivées de x et y.
Application au “passage en polaires” : on se donne f : R2 → R différentiable et ϕ :
R \ {0} × R → R2 définie par ϕ(r, θ) = (r cos θ, r sin θ). On définit F : R \ {0} × R → R par
F (r, θ) = f ◦ ϕ(r, θ).
Calculer les dérivées partielles de F grâce à (2.3), puis grâce à la notation différentielle. Notons
que le jacobien de l’application “polaires vers cartésiennes” (r, θ) 7→ (r cos θ, r sin θ) s’annule
en r = 0. On en reparlera au Chapitre 4...
2.3. INÉGALITÉ DES ACCROISSEMENTS FINIS ET APPLICATIONS 13

2.3 Inégalité des accroissements finis et applications

L’égalité des accroissements finis pour les fonctions de R dans R se généralise facilement aux
fonctions de E dans R, cf Exercice 2.4.21. En revanche pour les fonctions à valeurs vectorielles,
il n’y a pas d’égalité des accroissements finis.

Exemple 2.3.1. La fonction f : R → R2 définie par f (t) = (cos t, sin t) ne vérifie pas l’égalité
des accroissements finis.

Heureusement, l’inégalité des accroissements finis reste vraie pour les fonctions de la variable
réelle à valeurs vectorielles (cf semestres précédents). On en déduit alors assez facilement
l’inégalité des accroissements finis pour les fonctions de E dans F .

Théorème 2.3.2 (Inégalité des accroissements finis). Soit f : U ⊂ E → F continue. Soit

[a, b] un segment inclus dans U . On suppose f différentiable sur le segment ouvert ]a, b[ et

M := sup ||| f 0 (a + t(b − a)) |||< +∞.

0<t<1

Alors
kf (b) − f (a)kF ≤ M kb − akE .

On a vu à la Proposition 2.1.6 que, pour des fonctions de Rn dans Rp , “différentiabilité

implique dérivées partielles” mais que la réciproque est fausse (cf Exercice 2.4.1). Néanmoins
si on ajoute la continuité des dérivées partielles on a bien que “dérivées partielles continues
implique différentiabilité”, ce qui est bien pratique car il est plus agréable de calculer des
dérivées partielles que de différentier... Notons que la preuve du théorème ci-dessous utilise
l’inégalité des accroissements finis d’où sa présence dans cette section !

Théorème 2.3.3 (Dérivées partielles continues implique diff.). Soit f : U ⊂ Rn → Rp . Soit

a ∈ U . On suppose que toutes les dérivées partielles de f existent au voisinage de a et sont
continues en a. Alors f est différentiable en a et

dfa (h) = Df (a)h pour h ∈ Rn .

En particulier, pour p = 1 (fonctions à valeurs réelles), on a

n
X ∂f
dfa (h) = (a)hj pour h ∈ Rn .
∂xj
j=1

Corollaire-Definition 2.3.4 (Classe C 1 ). Soit f : U ⊂ Rn → Rp . Les assertions suivantes

sont équivalentes :
(i) f est différentiable sur U et a ∈ U 7→ dfa ∈ L(Rn , Rp ) est continue sur U
(ii) toutes les dérivées partielles de f existent et sont continues sur U .
Si elles sont satisfaites alors on dit que f est de classe C 1 sur U .

Corollaire 2.3.5. Soit f : U ⊂ Rn → Rp différentiable sur U supposé convexe. Alors f est

constante sur U si et seulement si la différentielle df est nulle.
14 CHAPITRE 2. DIFFÉRENTIABILITÉ

2.4 Exercices
Différentielles et dérivées partielles
∂g ∂g
Exercice 2.4.1. On reprend la fonction g de l’Exemple 1.1.2. Montrer que ∂x (0, 0) et ∂y (0, 0)
existent. Montrer que f n’est pas différentiable en (0, 0). Que dit cet exercice sur la Proposition
2.1.6 ?

Exercice 2.4.2. On donne f : R2 → R définie par

( 3 2 3x +2x y+3y
x2 +y 2
si (x, y) 6= (0, 0)
f (x, y) =
0 sinon.

∂f ∂f
Montrer que f est continue en (0, 0), que les dérivées partielles ∂x (0, 0) et ∂y (0, 0) existent,
et que f n’est pas différentiable en (0, 0).

Exercice 2.4.3. On donne f : R∗ → R3 définie par

 
sin t 2t
f (t) = ,e ,t .
t

Montrer qu’on peut prolonger f par continuité en 0 et que f devient alors différentiable en 0.
Que vaut df0 ?

Exercice 2.4.4. On donne f : R∗ → R3 définie par

 
sin t 2t
f (t) = , e , t ln |t| .
t

Montrer qu’on peut prolonger f par continuité en 0 et étudier alors la différentiabilité de f

en 0.

Exercice 2.4.5. Soit f : R2 → R la fonction définie par

f (x, y) = x2 − 2xy + 3y.

1. La fonction f admet-elle des dérivées directionnelles en tout point de R2 suivant tous

les vecteurs ?
2. Soit u = (a, b) un vecteur non nul de R2 . Calculer, à l’aide de la définition, Du f (1, 2)
la dérivée directionnelle de f au point (1, 2) suivant u.
3. En déduire df(1,2) la différentielle de f en (1, 2).
∂f ∂f
4. En déduire les dérivées partielles ∂x (1, 2) et ∂y (1, 2).

Exercice 2.4.6. Calculer la différentielle de f au point (a, b) dans les cas suivants.
√
1. f (x, y) = x y, (a, b) = (1, 4).
2. f (x, y) = xy , (a, b) = (6, 3).
3. f (x, y) = sin(x + 2y), (a, b) = (π, 0).
√
4. f (x, y) = x + ey , (a, b) = (1, 0).

Exercice 2.4.7. Pour les quatre fonctions f , g ,h, u de R2 dans R définies ci-dessous :
1. En quels points la fonction est elle continue ?
2. Calculer les dérivées partielles aux points où elles existent.
2.4. EXERCICES 15

3. En quels points la fonction admet elle des dérivées directionnelles suivant tout vecteur ?
4. En quels points la fonction est-elle différentiable ?

 √ xy
(
si (x, y) 6= (0, 0) xy
2 2 2 2 si (x, y) 6= (0, 0)
f (x, y) = x +y g(x, y) = x +y
0 sinon. 0 sinon.
( 2 ( 2
x y x y
2 2 si (x, y) 6= (0, 0) 4 2 si (x, y) 6= (0, 0)
h(x, y) = x +y u(x, y) = x +y
0 sinon. 0 sinon.

Pour u, on pourra considérer la restriction de u à la parabole d’équation y = x2 .

Exercice 2.4.8. Trouver les f : R2 \ {(0, 0)} → R de classe C 1 telles que
∂f ∂f
x (x, y) − y (x, y) = 0, ∀(x, y) ∈ R2 \ {(0, 0)}.
∂y ∂x
On pourra “passer en polaires”.

Calculs de différentielles
Exercice 2.4.9. On donne f : A ∈ Mn (R) 7→ A2 ∈ Mn (R). Montrer que f est différentiable
en tout A ∈ Mn (R) et déterminer dfA .
Exercice 2.4.10. Montrer que l’application f : Mn (R) → Mn (R) définie par f (A) = tAA
est différentiable en tout A ∈ Mn (R) et déterminer dfA .
 
a b
Exercice 2.4.11 (Forme bilinéaire.). Soit M = une matrice réelle. Soit l’application
c d

f : R2 × R2 → R
(U, V ) 7→ t U M V

où les éléments de R2 sont écrits en colonne. On note (e1 , e2 ) la base canonique de R2 . Montrer
que f est différentiable, et calculer df(e1 ,e1 ) (e2 , e2 ).
Exercice 2.4.12. On considère f : GLn (R) ⊂ Mn (R) → Mn (R) définie par f (A) = A−1 .
1. Montrer que GLn (R) est un ouvert de Mn (R).
2. Sur Mn (R), on considère une norme k · k qui vérifie kABk ≤ kAk × kBk (ça existe ?...).
Montrer que si kHk < 1 alors In − H ∈ GLn (R) et
+∞
X
(In − H)−1 = Hk.
k=0

3. Montrer que f est différentiable en In et préciser dfIn .

4. Montrer que f est différentiable en tout A ∈ GLn (R) et préciser dfA .
Exercice 2.4.13. On considère f : R3 → R différentiable sur R. On définit g : R3 → R par

g(x, y, z) = f (x2 − y 2 , y 2 − z 2 , z 2 − x2 ).

Montrer que g est différentiable sur R3 et que, pour tout t ∈ R,

∂g ∂g ∂g
(t, t, t) + (t, t, t) + (t, t, t) = 0.
∂x ∂y ∂z
16 CHAPITRE 2. DIFFÉRENTIABILITÉ

Exercice 2.4.14. Soit f : R2 → R une fonction différentiable sur R2 . On définit des fonctions
g : R2 → R et h : R → R par

g(x, y) = f (y, x), h(x) = f (x, −x).

Montrer que g et h sont différentiables, et déterminer leurs différentielles en fonction des

dérivées partielles de f .
Exercice 2.4.15. Soit f : Rn \ {0Rn } → R définie par
1
f (x) = ,
kxk2
où k · k2 désigne la norme euclidienne. Montrer que f est différentiable, et déterminer sa
différentielle.
Exercice 2.4.16 (Différentiabilité des applications homogènes.). Soit λ ∈ R. On dit qu’une
application g : Rn \ {0Rn } → Rp est positivement homogène de degré λ si

g(tx) = tλ g(x) pour tout x ∈ Rn \ {0}, tout t > 0.

1. Soit f : Rn → Rp une application différentiable en 0, telle que f|Rn \{0} est positivement
homogène de degré 1. Montrer que f (0) = 0, puis que f est linéaire.
2. Une norme sur Rn , vue comme application Rn → R, peut-elle être différentiable à
l’origine ?
Exercice 2.4.17 (Identité d’Euler pour les applications homogènes.). Soit f : Rn \{0Rn } → R
une fonction différentiable. Montrer que f est homogène de degré λ > 0 si et seulement si

∀x ∈ Rn \ {0}, dfx (x) = λf (x).

Fonctions de classes C 1
Exercice 2.4.18. Montrer que les deux fonctions f et g suivantes sont de classe C 1 sur R2 .
( 2 3
x y
2 2 si (x, y) 6= (0, 0)
f (x, y) = x +y
0 si (x, y) = (0, 0).
(
x sin y
y si y 6= 0
g(x, y) =
x si y = 0.

Exercice 2.4.19. Déterminer toutes les fonctions f : R2 → R de classe C 1 qui vérifient

∂f ∂f
x (x, y) + y (x, y) = x4 + 2y 4 .
∂x ∂y
Pour cela on pourra, pour un (x0 , y0 ) fixé, considérer la fonction ϕ : [0, 1] → R définie par

ϕ(t) = f (tx0 , ty0 ).

Exercice 2.4.20. Soit f : Mn (R) → R l’application déterminant définie par f (M ) = det M .

1. Montrer que f est de classe C ∞ sur Mn (R).
2. On note Eij la matrice de Mn (R) dont tous les coefficients sont 0, sauf en position (i, j)
∂f
où le coefficient est 1. Pour A ∈ Mn (R), calculer ∂E ij
(A), en s’aidant du développement
du déterminant suivant une ligne (ou une colonne).
3. Montrer que dfA (H) = Tr (t Com(A)H).
2.4. EXERCICES 17

Accroissements finis
Exercice 2.4.21. Soit f : U ⊂ Rn → R une fonction différentiable définie sur un ouvert U
de Rn . Soit a et b deux points de U tels que [a, b] ⊂ U . Montrer l’égalité des accroissements
finis :
∃c ∈]a, b[, f (b) − f (a) = dfc (b − a).
Pour cela, on se ramènera à une fonction de la variable réelle.
Exercice 2.4.22. On considère l’application f : R2 → R2 définie par
 
sin(x + y) cos(x − y)
f (x, y) = , .
2 2

Montrer que, si on munit R2 de la norme k · k2 , f est contractante (cad k-lipschitzienne avec

0 ≤ k < 1). En déduire qu’il existe un unique (x0 , y0 ) ∈ R2 tel que f (x0 , y0 ) = (x0 , y0 ).
Que se serait-il passé si on avait choisi la norme k · k∞ ou la norme k · k1 ?
Exercice 2.4.23 (Fonction convexe). Soit f : U → R une fonction définie sur un ouvert
convexe U de Rn . On dit que f est convexe si

f ((1 − λ)x + λy) ≤ (1 − λ)f (x) + λf (y), ∀(x, y) ∈ U 2 , ∀λ ∈ [0, 1].

Montrer que, si f est différentiable sur U , alors elle est convexe si et seulement si elle vérifie
f (y) − f (x) ≥ dfx (y − x) pour tout (x, y) ∈ U 2 .
Exercice 2.4.24 (Longueur d’une courbe). On munit Rn d’une norme notée k · k. Soit γ :
[0, 1] → Rn une courbe paramétrée de classe C 1 . Une subdivision σ de [0, 1] est la donnée de
k + 1 réels t0 , t1 , . . . , tk (k ≥ 1) tels que

t0 = 0 ≤ t1 ≤ · · · ≤ tk = 1.

On écrit σ = (t0 , . . . , tk ). A une telle subdivision est associée une ligne brisée dans Rn , dont
la longueur est
k−1
X
L(σ) := kγ(ti+1 ) − γ(ti )k.
i=0

On appelle longueur de γ le nombre L := sup L(σ), où la borne supérieure est prise sur
l’ensemble de toutes les subdivisions σ de [0, 1].
1. Soient x, y ∈ Rn quelconques. Quelle est la longueur de la courbe γ : [0, 1] → Rn définie
par γ(t) = (1 − t)x + ty ?
2. Montrer que toute courbe de classe C 1 est de longueur finie. Montrer qu’un segment de
droite est le plus court chemin pour aller d’un point de Rn à un autre.
3. Soit ε > 0. Montrer qu’il existe un r > 0 tel que,

∀(s, t) ∈ [0, 1]2 , |t − s| ≤ r =⇒ kγ(t) − γ(s) − (t − s)γ 0 (s)k ≤ ε|t − s|.

R1
4. En déduire que L = 0 kγ 0 (t)kdt.
Exercice 2.4.25. Montrer que si f : U ⊂ Rn → Rp est différentiable sur un ouvert U de Rn
et si γ : [0, 1] → Rn est une courbe paramétrée de classe C 1 vérifiant γ([0, 1]) ⊂ U , alors sa
longueur L(γ) vérifie

kf (γ(1)) − f (γ(0))k ≤ L(γ) sup ||| dfγ(t) ||| .

t∈[0,1]
Chapitre 3

Différentielles d’ordre supérieur

Dans tout ce chapitre E et F désignent des R espaces vectoriels normés de dimension finie,
par exemple Rn , ou Mn (R) l’ensemble des matrices carrées réelles de taille n. On désignera
par U un ouvert de E. On va considérer des fonctions f

f : U ⊂ E → F.

3.1 Différentielle seconde

Prenons f : U ⊂ E → F différentiable sur U . On dispose donc de l’application

df : U ⊂ E → L(E, F )
x 7→ dfx .

L’ensemble des applications linéaires continues L(E, F ) étant lui même un espace vectoriel de
dimension finie, on peut se demander si, pour un a ∈ U fixé, l’application df est différentiable
au point a. Si oui, on dira que f est deux fois différentiable en a. Si ceci est vrai pour tout
a ∈ U alors on dira que f est deux fois différentiable sur U .
De quels objets parlons nous ?... Si f : U ⊂ E → F est deux fois différentiable en a ∈ U
alors
[d(df )]a ∈ L(E, L(E, F )).
Ainsi, pour h ∈ E, [d(df )]a (h) ∈ L(E, F ). Ainsi pour k ∈ E, {[d(df )]a (h)}(k) ∈ F . C’est
horrible... On va donc systématiquement confondre [d(df )]a avec l’application bilinéaire de
E × E dans F notée d2 fa , ou d2 f (a), et définie par

d2 f (a)(h, k) := {[d(df )]a (h)}(k), pour tout (h, k) ∈ E 2 . (3.1)

On peut alors montrer 1 que, en plus d’être bilinéaire, d2 f (a) est également symétrique, c’est
à dire
d2 f (a)(h, k) = d2 f (a)(k, h), pour tout (h, k) ∈ E 2 . (3.2)
Evidemment, si f : U ⊂ E → F est deux fois différentiable sur U et si

x ∈ U 7→ d2 f (x) ∈ BIL(E × E, F )

est continue sur U , on dira que f est de classe C 2 sur U .

1. cela utilise les accroissements finis et n’a rien d’évident !

18
3.2. DÉRIVÉES PARTIELLES D’ORDRE 2, SCHWARTZ, MATRICE HESSIENNE 19

Exemple 3.1.1. Pour f : R → F , f est deux fois différentiable en a si et seulement si f est

deux fois dérivable en a et on a

∀(h, k) ∈ R2 , d2 f (a)(h, k) = hkf 00 (a).

Exemple 3.1.2. Si f : E → F est linéaire alors f est deux fois différentiable sur E et pour
tout x ∈ E, d2 f (x) = 0BIL(E×E,F ) , cad d2 f (x)(h, k) = 0F pour tout (h, k) ∈ E 2 .

Exemple 3.1.3. On reprend f : A ∈ Mn (R) 7→ A2 ∈ Mn (R) de l’Exercire 2.4.9. Que vaut

d2 f (A)(H, K) ?

Exemple 3.1.4. Si B : E × E → F est une application bilinéaire alors B est deux fois
différentiable en tout point (x, y) ∈ E 2 et

d2 B(x, y)((h1 , h2 ), (k1 , k2 )) = B(k1 , h2 ) + B(h1 , k2 ).

En particulier, d2 B(x, y) ne dépend pas de (x, y) et donc d2 B est constante.

3.2 Dérivées partielles d’ordre 2, Schwartz, Matrice hessienne

Dans cette section, on considère des f : U ⊂ Rn → R à valeurs réelles.
∂f
Si f est C 1 sur U alors on sait que, pour tout 1 ≤ i ≤ n, l’application ∂xi existe et est
∂f
continue sur U . Si ∂xi admet une dérivée partielle par rapport en xj en a ∈ U , alors

∂2f
 
∂ ∂f
(a) se note (a),
∂xj ∂xi ∂xj ∂xi

et on parle de dérivée partielle d’ordre 2.

Exemple 3.2.1. Calculer toutes les dérivées partielles d’ordre 2 de f définie sur R2 par
f (x, y) = x2 y + exy + y.

De même que la Proposition 2.1.6 nous disait que, en cas d’existence, la différentielle s’écrit
à l’aide des dérivées partielles d’ordre 1, le résultat suivant nous dit que, en cas d’existence,
la différentielle seconde s’écrit à l’aide des dérivées partielles d’ordre 2.

Proposition 3.2.2 (Diff. seconde implique dérivées partielles d’ordre 2). Soit f : U ⊂ Rn →
R différentiable sur U et deux fois différentiable en a ∈ U . Alors toutes les dérivées partielles
d’ordre 2 de f en a existent et, d2 fa est donnée par
n
2
X ∂2f
d f (a)(h, k) = (a)hi kj , ∀(h, k) ∈ Rn × Rn . (3.3)
∂xi ∂xj
i,j=1

ATTENTION, la réciproque est fausse : l’existence de toutes les dérivées partielles d’ordre
2 ne suffit pas à assurer la différentiabilité d’ordre 2, cf Exercice 3.6.1.
De la symétrie de d2 f (a) et de la Proposition 3.2.2, on déduit le corollaire suivant.

Corollaire 3.2.3 (“Théorème de Schwartz”). Soit f : U ⊂ Rn → R différentiable sur U

et deux fois différentiable en a ∈ U . Alors toutes les dérivées partielles d’ordre 2 de f en a
existent et, pour tout 1 ≤ i, j ≤ n,

∂2f ∂2f
(a) = (a).
∂xi ∂xj ∂xj ∂xi
20 CHAPITRE 3. DIFFÉRENTIELLES D’ORDRE SUPÉRIEUR

Le résultat ci-dessus est un simple corollaire. Le “vrai” théorème de Schwartz conclut éga-
lement que “les dérivées partielles commutent”, mais sous des hypothèses plus faibles portant
sur les dérives partielles et non sur la différentiabilité seconde.
On remarque que la formule (3.3) s’écrit

d2 f (a)(h, k) = hh, D2 f (a)ki = t hD2 f (a)k, ∀(h, k) ∈ Rn × Rn , (3.4)

où la matrice carrée
∂2f ∂2f
 
∂x21
(a) ......... ∂xn ∂x1 (a)
∂2f
 
D2 f (a) := (a)

= .. .. 
 ∈ Mn (R)
∂xj ∂xi  . . 
1≤i≤n,1≤j≤n 2
∂ f 2
∂ f
∂x1 ∂xn (a) . . . . . . . . . ∂x2n
(a)
(3.5)
s’appelle la matrice hessienne de f en a, parfois aussi notée Hessf (a).
Ainsi, sous les hypothèse de la Proposition 3.2.2, la matrice hessienne D2 f (a) est symétrique
réelle, et n’est autre que la matrice de la forme bilinéaire symétrique d2 fa par rapport à la
base canonique de Rn .

Théorème 3.2.4 (Classe C 2 ). Soit f : U ⊂ Rn → R. Alors f est de classe C 2 sur U si

et seulement si toutes les dérivées partielles d’ordre inférieur ou égal à 2 existent et sont
continues sur U . Dans ce cas, les “dérivées partielles commutent”.

3.3 Taylor-Young à l’ordre 2 et extrema

Dans cette section, on considère des f : U ⊂ Rn → R à valeurs réelles.
La formule de Taylor-Young permet d’approcher localement une fonction.

Théorème 3.3.1 (Taylor-Young à l’odre 2 pour f à valeurs réelles). Soit f : U ⊂ Rn → R,

différentiable sur U et deux fois différentiable en a ∈ U . Alors il existe un voisinage V de 0
et une fonction ε : V ⊂ Rn → R satisfaisant

lim ε(h) = 0,
h→0

tels que, pour tout h ∈ V ,

1
f (a + h) = f (a) + dfa (h) + d2 fa (h, h) + khk2 ε(h) (3.6)
2
n n
X ∂f 1 X ∂2f
= f (a) + hi (a) + hi hj (a) + khk2 ε(h)
∂xi 2 ∂xi ∂xj
i=1 i,j=1
−−−→ 1
= f (a) + hGrada f, hi + hh, D2 f (a)hi +khk2 ε(h).
| {z } |2 {z }
partie linéaire
partie quadratique

Applications à la recherche d’extrema

Commençons par une fonction de la variable réelle f : U ⊂ R → R qu’on suppose “assez
régulière”. Si f admet un extremum local en a ∈ U alors on sait que f 0 (a) = 0, qui est donc
une condition nécessaire d’extremum. Réciproquement si a ∈ U est tel que f 0 (a) = 0 (on parle
de point critique) alors la formule de Taylor-Young nous dit que
1. si f 00 (a) > 0 alors f a un minimum local en a.
3.4. FORMULE DE TAYLOR INTÉGRAL À L’ORDRE 2 21

2. si f 00 (a) < 0 alors f a un maximum local en a.

En revanche si f 00 (a) = 0 alors “tout est possible” : pas d’extremum local ou maximum local
ou minimum local en a.

Exemple 3.3.2. Avec x 7→ x, x 7→ x2 , x 7→ −x2 , x 7→ x3 , x 7→ x4 , on comprend tout...

Pour les fonctions f : U ⊂ Rn → R “assez régulière”, la condition de point critique devient

−−−→ ∂f ∂f
dfa = 0L(Rn ,R) soit encore Grada f = 0Rn soit encore ∂x 1
(a) = · · · = ∂x n
= 0. Réciproquement
si a ∈ U est un point critique alors la formule de Taylor-Young nous dit que
1. si la matrice hessienne D2 f (a) est définie positive alors f a un minimum local en a (cf
paraboloïde Figure 1.1 gauche).
2. si la matrice hessienne D2 f (a) est définie négative alors f a un maximum local en a.
3. si la matrice hessienne D2 f (a) n’est ni positive ni négative alors f n’a pas d’extremum
en a. On dit que f admet un point selle en a (cf selle de cheval Figure 1.1 droite).
Noter que dans le cas où D2 f (a) est positive (resp. négative) mais pas définie positive (resp.
pas définie négative), “tout peut arriver”.

Exemple 3.3.3. Avec (x, y) 7→ x + y 2 , (x, y) 7→ x2 + y 2 , (x, y) 7→ −x2 − y 2 , (x, y) 7→ x2 − y 2 ,

(x, y) 7→ x2 + y 4 , (x, y) →
7 x2 − y 4 , on comprend tout...

Exemple 3.3.4. On donne f : R3 → R définie par f (x, y, z) = xey + yez + zex . Montrer que
le point critique (−1, −1, −1) est un point selle.

Pour n = 2 (fonctions de deux variables), D2 f (a) est une matrice symétrique réelle de
taille 2 et il est facile de tester si elle est définie positive, ou définie négative, ou ni positive ni
négative. On peut retenir la méthodologie suivante.

Corollaire 3.3.5 (Recherche d’extrema pour fonction de 2 variables). Soit f : U ⊂ R2 → R

différentiable sur U et (x0 , y0 ) ∈ U un point critique de f , c’est à dire

∂f ∂f
(x0 , y0 ) = (x0 , y0 ) = 0.
∂x ∂y

Supposons f deux fois différentiable en (x0 , y0 ). Alors le déterminant de la matrice hessienne

D2 f (x0 , y0 ) (qu’on appelle le Hessien de f en (x0 , y0 )) et la trace de la matrice hessienne
D2 f (x0 , y0 ) disent “beaucoup”... Précisément :
1. Si DET D2 f (x0 , y0 ) > 0 et TR D2 f (x0 , y0 ) > 0 alors f a un minimum local en (x0 , y0 ).
2. Si DET D2 f (x0 , y0 ) > 0 et TR D2 f (x0 , y0 ) < 0 alors f a un maximum local en (x0 , y0 ).
3. Si DET D2 f (x0 , y0 ) < 0 alors f admet un point selle en a.

Evidemment pour le cas dégénéré DET D2 f (x0 , y0 ) = 0, il n’y a pas de conclusion définitive.

Exemple 3.3.6. Déterminer les extrema de f : R2 → R définie par f (x, y) = 2x3 −6xy +3y 2 .

3.4 Formule de Taylor intégral à l’ordre 2

La formule de Taylor intégral est une formule exacte et globale. Elle réclame des hypothèses
plus fortes que celles qui permettent d’obtenir la formule locale de Taylor-Young.
22 CHAPITRE 3. DIFFÉRENTIELLES D’ORDRE SUPÉRIEUR

Théorème 3.4.1 (Taylor intégral à l’odre 2 pour f à valeurs réelles). Soit f : U ⊂ Rn → R,

de classe C 2 sur U . Soit un segment [a, a + h] ⊂ U . Alors
Z 1
f (a + h) = f (a) + dfa (h) + (1 − t)d2 fa+th (h, h)dt (3.7)
0
n n Z 1
X ∂f X ∂2f
= f (a) + hi (a) + hi hj (1 − t) (a + th)dt.
∂xi 0 ∂xi ∂xj
i=1 i,j=1

Sous l’hypothèse “classe C 2 ” (plus forte que les hypothèses du Théorème 3.3.1), grâce à
Taylor intégral ci-dessus on retrouve la formule de Taylor-Young du Théorème 3.3.1.

3.5 Différentielles d’ordre supérieur

En Section 3.1, on a défini la différentielle seconde. Il n’y a aucune raison de s’arrêter en si
bon chemin : prenons f : U ⊂ E → F deux fois différentiable sur U . On dispose donc de
l’application

d2 f : U ⊂ E → BIL(E × E, F )
x 7→ d2 fx .

Si, pour un a ∈ U fixé, l’application d2 f est différentiable au point a, on dira que f est
trois fois différentiable en a. L’application différentielle troisième en a, notée d3 fa , est tri-
linéaire symétrique, c’est à dire que, pour toute permutation σ de {1, 2, 3},

d3 fa (hσ(1) , hσ(2) , hσ(3) ) = d3 fa (h1 , h2 , h3 ), ∀(h1 , h2 , h3 ) ∈ E 3 .

Puis, pour tout k ≥ 1, on peut donner un sens à “f est k fois différentiable en a”. En cas
d’existence, dk fa est k linéaire symétrique.
Pour conclure, signalons que :
• la formule Taylor-Young à l’ordre 2 du Théorème 3.3.1 se généralise à l’ordre p ≥ 3 : si
f est p − 1 fois différentiable sur U et p fois différentiable en a alors la conclusion (3.6) est
remplacée par
p
X 1 k
f (a + h) = f (a) + d fa (h, · · · , h) + khkp ε(h).
k!
k=1

• la formule Taylor intégral à l’ordre 2 du Théorème 3.4.1 se généralise à l’ordre p + 1 ≥ 3 :

si f est de classe C p+1 sur U alors la conclusion (3.7) est remplacée par
p Z 1
X 1 k (1 − t)p p+1
f (a + h) = f (a) + d fa (h, · · · , h) + d fa+th (h, · · · , h)dt.
k! 0 p!
k=1

3.6 Exercices
Exercice 3.6.1. Soit f : R2 → R définie par
2 2
(
xy xx2 −y
+y 2 si (x, y) 6= (0, 0)
f (x, y) =
0 sinon.

∂f ∂f
1. Montrer que les dérivées partielles ∂x (0, y) et ∂y (x, 0) existent, et les calculer.
3.6. EXERCICES 23

∂2f ∂2f
2. Les dérivées partielles secondes ∂x∂y (0, 0) et ∂y∂x (0, 0) existent-elles ? Qu’observe-t-on ?
Que peut-on en conclure ?

Exercice 3.6.2. Pour chacune des fonctions suivantes, déterminer les extrema locaux et
globaux.
1. f (x, y) = x4 + y 4 − 4xy + 1 définie sur R2 .
2. f (x, y) = (x − y)exy définie sur R2 .
3. f (x, y) = x2 + ay 4 définie sur R2 , où a est un paramètre réel.
4. f (x, y) = x3 + 3xy 2 − 15x − 12y + 2 définie sur R2 .
2
5. f (x, y, z) = (x + y)ex+y−z définie sur R3 .
6. f (x, y) = x2 − 2xy + 2y définie sur le rectangle [0, 3] × [0, 2] ⊂ R2 .

Exercice 3.6.3. On donne f : R2 → R définie par

f (x, y) = y 2 − x2 y + x2 .

1. Déterminer les points critiques de f .

2. On définit maintenant

C := {(x, y) ∈ R2 : x2 − 1 ≤ y ≤ 1 − x2 }.

Faire un dessin. Montrer que f admet un maximum et un minimum sur C. Les déter-
miner.

Exercice 3.6.4. 1. Montrer que si une fonction continue f : R → R possède deux maxima
locaux, alors elle possède également au moins un minimum local.
2. Etudier les extrema de f : R2 → R définie par f (x, y) = −(x2 − 1)2 − (x2 y − x − 1)2 .
Quelle conclusion en tirer ?

Exercice 3.6.5. 1. Montrer que si une fonction continue f : R → R admet un unique

extremum local, alors cet extremum est nécessairement un extremum global.
2. Etudier les extrema de f : R2 → R définie par f (x, y) = 3xey − x3 − e3y sur R2 . Quelle
conclusion en tirer ?

Exercice 3.6.6. 1. Trouver un exemple de fonction f : R2 → R deux fois différentiable à

l’origine, telle que df (0) = 0 et d2 f (0) = 0, et admettant un minimum local non strict
en 0.
2. Même question mais avec, cette fois, un minimum local strict en 0.
3. Même question mais avec, cette fois, pas d’extremum local en 0.

Exercice 3.6.7 (Le Laplacien). Soit f : Rn → R une fonction de classe C 2 . On définit le

“Laplacien de f ” par :
n
X ∂2f
∆f (x) := (x).
j=1
∂x2j

Soit B = B(0, 1) la boule unité ouverte de Rn , de centre 0 et de rayon 1, pour la norme

euclidienne k · k = k · k2 .
1. Relier ∆f (x) à la matrice Hessienne Hess f (x).
24 CHAPITRE 3. DIFFÉRENTIELLES D’ORDRE SUPÉRIEUR

2. On suppose dans cette question que ∆f (x) > 0 pour tout x ∈ B. On veut montrer que

f (x) < max f (y), ∀x ∈ B.

kyk=1

Pour cela, on raisonne par l’absurde en supposant qu’il existe un x ∈ B pour lequel
f (x) ≥ maxkyk=1 f (y).
(a) Montrer que f admet un maximum local en un point x0 ∈ B.
(b) En déduire une contradiction en utilisant la propriété suivante : si une matrice
symétrique définit une forme quadratique négative, alors la trace de cette matrice est
négative ou nulle.
3. On suppose maintenant que ∆f (x) = 0 pour tout x ∈ B (on dit que f est harmonique
sur B). On veut montrer que

min f (y) ≤ f (x) ≤ max f (y), ∀x ∈ B.

kyk=1 kyk=1

(a) Pour ε > 0, on pose fε (x) := f (x) + εkxk2 . Appliquer la question précédente et faire
tendre ε vers 0 pour montrer l’inégalité “de droite”.
(b) Comment montrer l’autre inégalité ?

Exercice 3.6.8 (Laplacien en polaires). On se donne f : R2 → R de classe C 2 et ϕ :

R \ {0} × R → R2 définie par ϕ(r, θ) = (r cos θ, r sin θ). On définit F : R \ {0} × R → R par

F (r, θ) = f ◦ ϕ(r, θ).

∂F ∂ 2 F ∂F ∂ 2 F
Calculer les dérivées partielles ∂r , ∂r2 , ∂θ , ∂θ2 , en fonction de celles de f , et montrer que

∂2F 1 ∂F 1 ∂2F
∆f (x, y) = (r, θ) + (r, θ) + (r, θ),
∂r2 r ∂r r2 ∂θ2
1 ∂ 1 ∂2F
r ∂F


soit encore ∆f (x, y) = r ∂r ∂r (r, θ) + r2 ∂θ2 (r, θ).

Exercice 3.6.9. Trouver les f : R2 → R de classe C 2 telles que

∂2f ∂2f
(x, y) = (x, y), ∀(x, y) ∈ R2 .
∂x2 ∂y 2

On pourra poser F (u, v) = f (u + v, u − v).

Exercice 3.6.10. On donne ϕ : R → R et ψ : R → R de classe C 2 . Soit c ∈ R∗ . Montrer que

u : R2 → R définie par
u(t, x) = ϕ(x − ct) + ψ(x + ct)
vérifie l’équation des ondes

1 ∂2u ∂2u
u(t, x) − (t, x) = 0, ∀(t, x) ∈ R2 .
c2 ∂t2 ∂x2
Chapitre 4

Les théorèmes pour “inverser”

4.1 Le théorème des fonctions implicites

4.1.1 Un cas simple mais éclairant (f : Ω ⊂ R2 → R)
On condidère f : R2 → R, disons de classe C 1 , et on s’intéresse aux points (x, y) du plan
euclidien R2 d’annulation de f :

Γ := {(x, y) ∈ R2 , f (x, y) = 0}.

On suppose que Γ est non vide. On prend un point référence (x0 , y0 ) ∈ Γ et on se demande
si, localement, les points (x, y) de Γ peuvent être décrits pas y = ϕ(x) où ϕ est une fonction
définie et de classe C 1 sur un voisinage de x0 . C’est notre objectif 1.
Par exemple si
f (x, y) = x2 + y 2 − 1,
Γ n’est autre que le cercle de centre O de coordonnées (0, 0) et de rayon 1. On comprend sur
le dessin que notre objectif 1 est atteignable si (x0 , y0 ) 6= (−1, 0) et (x0 , y0 ) 6= (1, 0) et, dans
ce cas, on a même une expression explicite de la fonction ϕ recherchée :
• pour un point (x0 , y0 ) ∈ Γ avec y0 > 0 on a
  p
(x, y) ∈] − 1, 1[×]0, 1] et f (x, y) = 0 ⇐⇒ y = 1 − x2 ,
√
et ϕ :] − 1, 1[→]0, 1] est définie par ϕ(x) = 1 − x2 .
• pour un point (x0 , y0 ) ∈ Γ avec y0 < 0 on a
  p
(x, y) ∈] − 1, 1[×[−1, 0[ et f (x, y) = 0 ⇐⇒ y = − 1 − x2 ,
√
et ϕ :] − 1, 1[→ [−1, 0[ est définie par ϕ(x) = − 1 − x2 .
En revanche, l’objectif 1 ne peut etre atteint si (x0 , y0 ) = (−1, 0) ou (x0 , y0 ) = (1, 0) car, en
ces points, les tangentes au cercle sont verticales ce qui vient du fait que
∂f
(±1, 0) = 0.
∂y

Dans les cas généraux, la fonction ϕ, lorsqu’elle existe, n’est pas explicite. Malgré cela, on
aimerait calculer ses éventuelles dérivées, ce qui permet par exemple de mieux la comprendre,
notamment localement via disons une formule de Taylor-Young. Notons qu’en dérivant for-
mellement
f (x, ϕ(x)) = 0,

25
26 CHAPITRE 4. LES THÉORÈMES POUR “INVERSER”

on obtient
∂f ∂f
(x, ϕ(x)) + ϕ0 (x) (x, ϕ(x)) = 0, (4.1)
∂x ∂y
et donc
∂f
(x, ϕ(x))
ϕ0 (x) = − ∂f
∂x
,
∂y (x, ϕ(x))
∂f
sous réserve que ∂y (x, ϕ(x)) 6= 0 mais ça on l’avait déjà pressenti ci-dessus...
Proprement cela donne :

Théorème 4.1.1 (Théorème des fonctions implicites pour f : Ω ⊂ R2 → R). Soit f : Ω ⊂

R2 → R de classe C k (k ≥ 1) sur l’ouvert Ω. On suppose que (x0 , y0 ) ∈ Ω est tel que
∂f
f (x0 , y0 ) = 0 et (x0 , y0 ) 6= 0.
∂y
Alors il existe α1 > 0, α2 > 0, β1 > 0, β2 > 0 et une fonction ϕ :]x0 − α1 , x0 + α2 [→
]y0 − β1 , y0 + β2 [ tels que
 
(x, y) ∈]x0 − α1 , x0 + α2 [×]y0 − β1 , y0 + β2 [ et f (x, y) = 0 ⇐⇒ y = ϕ(x).

De plus cette fonction ϕ hérite de la régularité de f : elle est de classe C k et

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

pour tout x ∈]x0 − α1 , x0 + α2 [. Si k ≥ 2 on peut calculer les dérivées successives de ϕ en

dérivant (4.1). Par exemple, pour la dérivée seconde, on trouve
2 2 2

00
− ∂∂xf2 (x, ϕ(x)) − 2ϕ0 (x) ∂x∂y
∂ f
(x, ϕ(x)) − (ϕ0 (x))2 ∂∂yf2 (x, ϕ(x))
ϕ (x) = ∂f
, (4.2)
∂y (x, ϕ(x))

pour tout x ∈]x0 − α1 , x0 + α2 [.

Dans la situation du théorème ci-dessus on dit que f (x, y) = 0 définit, au voisinage de

(x0 , y0 ), y comme fonction implicite de x.

Exemple 4.1.2. Montrer que la relation x4 + x3 y 2 − y + y 2 + y 3 = 1 définit y comme fonction

de x au voisinage du point (−1, 1). Quelle est l’allure de Γ en ce point ?

Application géométrique. On se donne f : Ω ⊂ R2 → R de classe C 1 et un point (x0 , y0 )

dans Γ. Si ∂f
∂y (x0 , y0 ) 6= 0 alors, localement, on peut tirer y en fonction de x (implicitement).
Si ∂f ∂f
∂y (x0 , y0 ) = 0 mais que ∂x (x0 , y0 ) 6= 0 alors, localement, on peut tirer x en fonction de y
(implicitement). Dans le cas ennuyeux
∂f ∂f
(x0 , y0 ) = (x0 , y0 ) = 0,
∂x ∂y
on dit que (x0 , y0 ) est un point critique de f . Ainsi
−−−→
(x0 , y0 ) point critique de f ⇐⇒ Grad f (x0 , y0 ) = 0R2 .

Exemple 4.1.3. Quid de f (x, y) = x2 − y 2 ? Faire un dessin.

4.1. LE THÉORÈME DES FONCTIONS IMPLICITES 27

Définition 4.1.4 (Courbe régulière du plan R2 ). Soit f : Ω ⊂ R2 → R de classe C k (k ≥ 1).

On dit que
Γ := {(x, y) ∈ R2 , f (x, y) = 0}
est une courbe régulière de classe C k du plan R2 si
−−−→
Γ 6= ∅ et ∀(x, y) ∈ Γ, Grad f (x, y) 6= 0R2 .
On dit alors que f (x, y) = 0 est une équation cartésienne de la courbe régulière Γ.
Définition 4.1.5 (Arc paramétré de R2 ). Un arc paramétré de classe C k (k ≥ 1) sur R2 est
une application γ : I → R2 de classe C k , où I est un intervalle ouvert de R. L’arc est dit
régulier si γ 0 (x) 6= 0 pour tout x ∈ I. Enfin l’ensemble γ(I) ⊂ R2 est appelé support de l’arc
paramétré.
La moralité de ce qui précède est que toute courbe régulière est, en tout point, localement
décrite par un arc paramétré régulier avec
γ(x) = (x, ϕ(x)) ou γ(y) = (ψ(y), y).
Ainsi toute courbe régulière de R2 est, localement, un objet de dimension 1. D’autre part,
la tangente à Γ en (x0 , y0 ) ∈ Γ est la droite passant par (x0 , y0 ) et de vecteur normal
−−−→
Grad f (x0 , y0 ), soit la droite d’équation
∂f ∂f
(x − x0 ) (x0 , y0 ) + (y − y0 ) (x0 , y0 ) = 0.
∂x ∂y

4.1.2 Le cas f : Ω ⊂ R3 → R
Précédemment on regardait des “courbes” du plan R2 d’équation f (x, y) = 0 et on essayait de
les décrire implicitement par y = ϕ(x) où ϕ : U ⊂ R → R. Ici on va regarder des “surfaces” de
l’espace R3 d’équation f (x, y, z) = 0 et on essaie de les décrire implicitement par z = ϕ(x, y)
où ϕ : U ⊂ R2 → R.
Théorème 4.1.6 (Théorème des fonctions implicites pour f : Ω ⊂ R3 → R). Soit f : Ω ⊂
R3 → R de classe C k (k ≥ 1) sur l’ouvert Ω. On suppose que (x0 , y0 , z0 ) ∈ Ω est tel que
∂f
f (x0 , y0 , z0 ) = 0 et (x0 , y0 , z0 ) 6= 0.
∂z
Alors il existe un voisinage ouvert U de (x0 , y0 ) (donc dans R2 ), un voisinage ouvert V de
z0 (donc dans R) et ϕ : U → V tels que
 
(x, y, z) ∈ U × V et f (x, y, z) = 0 ⇐⇒ z = ϕ(x, y).

De plus cette fonction ϕ hérite de la régularité de f : elle est de classe C k et

∂ϕ − ∂f (x, y, ϕ(x, y))
(x, y) = ∂f∂x , (4.3)
∂x
∂z (x, y, ϕ(x, y))

∂ϕ − ∂f
∂y (x, y, ϕ(x, y))
(x, y) = ∂f , (4.4)
∂y (x, y, ϕ(x, y))
∂z

pour tout (x, y) ∈ U , qu’on peut aussi écrire

−−−→ 1 −−−→
Grad ϕ(x, y) = − 0
Grad f•,•,ϕ(x,y) (x, y),
fx,y,• (ϕ(x, y))
avec des notations à préciser en cours...
28 CHAPITRE 4. LES THÉORÈMES POUR “INVERSER”

Exemple 4.1.7. Montrer que la relation x + y + z + sin(xyz) = 0 définit z comme fonction

∂z ∂z
de x et de y au voisinage du point (0, 0, 0). Calculer ∂x et ∂y en (x, y) = (0, 0).
Application géométrique. Dans R2 les courbes régulières sont localement paramétrées par
un arc régulier. Sans surprise, dans R3 les surfaces régulières sont localement paramétrées par
une nappe régulière.
Définition 4.1.8 (Surface régulière de l’espace R3 ). Soit f : Ω ⊂ R3 → R de classe C k
(k ≥ 1). On dit que
Γ := {(x, y, z) ∈ R3 , f (x, y, z) = 0}
est une surface régulière de classe C k de l’espace R3 si
−−−→
Γ 6= ∅ et ∀(x, y, z) ∈ Γ, Grad f (x, y, z) 6= 0R3 .
On dit alors que f (x, y, z) = 0 est une équation cartésienne de la surface régulière Γ.
Définition 4.1.9 (Nappe paramétrée de R3 ). Une nappe paramétrée de classe C k (k ≥ 1)
sur R3 est une application S : Ω → R3 de classe C k , où Ω est un ouvert de R2 . La nappe est
dite régulière si dS(x, y) est de rang 2 pour tout (x, y) ∈ Ω. Enfin l’ensemble S(Ω) ⊂ R3 est
appelé support de la nappe paramétrée.
La moralité de ce qui précède est que toute surface régulière est, en tout point, localement
décrite par une nappe paramétrée réguliere, avec
S(x, y) = (x, y, ϕ(x, y)) ou S(x, z) = (x, ψ(x, z), z) ou S(y, z) = (θ(y, z), y, z).
Ainsi toute surface régulière de R3 est, localement, un objet de dimension 2. D’autre part, le
plan tangent à Γ en (x0 , y0 , z0 ) ∈ Γ est le plan passant par (x0 , y0 , z0 ) et de vecteur normal
−−−→
Grad f (x0 , y0 , z0 ), soit le plan d’équation
∂f ∂f ∂f
(x − x0 ) (x0 , y0 , z0 ) + (y − y0 ) (x0 , y0 , z0 ) + (z − z0 ) (x0 , y0 , z0 ) = 0.
∂x ∂y ∂z

4.1.3 Le cas “général” f : Rn × Rp → Rp

Théorème 4.1.10 (Théorème des fonctions implicites). Soit f : Ω ⊂ Rn × Rp → Rp de classe
C k (k ≥ 1) sur l’ouvert Ω. On suppose que (x0 , y0 ) ∈ Ω (avec x0 ∈ Rn et y0 ∈ Rp ) est tel que
f (x0 , y0 ) = 0Rp et dfx0 ,• (y0 ) ∈ GL(Rp ).
Alors il existe un voisinage ouvert U de x0 (donc dans Rn ), un voisinage ouvert V de y0
(donc dans Rp ) et une fonction ϕ : U → V tels que
 
(x, y) ∈ U × V et f (x, y) = 0 ⇐⇒ y = ϕ(x).

De plus cette fonction ϕ hérite de la régularité de f : elle est de classe C k et, pour tout x ∈ U ,
dϕ(x) = − (dfx,• (ϕ(x)))−1 ◦ df•,y (x) ,
| {z } | {z } | {z }
∈L(Rn ,Rp ) ∈GL(Rp ) ∈L(Rn ,Rp )

ce qui donne notamment accès aux dérivées partielles de ϕ...

Une preuve possible de ce théorème utilise le théorème du point fixe de Banach (dont on
reparlera au Chapitre ??).
Exemple 4.1.11. Dans R3 soit S1 la surface d’équation x2 + y 2 − 2z 2 − 1 = 0 et S2 celle
d’équation
 √ x2 + 2y 2 + z 2 = 5. Appliquer le théorème des fonctions implicites autour du point
1, 2√52 , √25 qui est sur S1 ∩ S2 .
4.2. LES THÉORÈMES D’INVERSION 29

Figure 4.1 – Une intersection de surfaces régulières S1 (d’équation cartésienne g(x, y, z) =

0) et S2 (d’équation cartésienne f (x, y, z) = 0) donnant une courbe régulière C, cf
https ://[Link]/wiki/Surface.

4.2 Les théorèmes d’inversion

Définition 4.2.1 (C k difféomorphisme). Soit k ≥ 1, U un ouvert de Rn et V un ouvert de
Rp . On dit que f est un C k difféomorphisme de U sur V si
(i) f est une bijection de U sur V ,
(ii) f est de classe C k sur U ,
(iii) f −1 est de classe C k sur V .

Exemple 4.2.2. x 7→ tan x est un C ∞ difféomorphisme de ]− π2 , π2 [ sur R. En revanche x 7→ x3

est une bijection de R sur R, est de classe C 1 sur R mais n’est pas un C 1 difféomorphisme de
R sur R.

Proposition 4.2.3. Supposons qu’il existe un C k difféomorphisme (k ≥ 1) f de U ⊂ Rn sur

V ⊂ Rp . Alors
1. n = p.
2. Pour tout x ∈ U , dfx est un automorphisme de Rn , cad dfx ∈ GL(Rn ), et pour tout
y ∈ V , d(f −1 )y est un automorphisme de Rn , cad d(f −1 )y ∈ GL(Rn ), et

d(f −1 )y = (dff −1 (y) )−1 .

Théorème 4.2.4 (Théorème d’inversion locale). Soit f : Ω ⊂ Rn → Rn de classe C k (k ≥ 1)

sur l’ouvert Ω. On suppose que x0 ∈ Ω est tel que

dfx0 = f 0 (x0 ) ∈ GL(Rn ),

soit encore Df (x0 ) ∈ GLn (R) (la matrice jacobienne est inversible).
Alors il existe un voisinage ouvert U de x0 et un voisinage ouvert V de y0 = f (x0 ) tels que

f est un C k difféomorphisme de U sur V .

Une preuve possible de ce théorème utilise encore le théorème du point fixe de Banach (dont
on reparlera au Chapitre ??).
30 CHAPITRE 4. LES THÉORÈMES POUR “INVERSER”

Exemple 4.2.5. Soit f : R2 → R2 l’application définie par f (x, y) = (x + y, x − y). Décrire U

l’ensemble des points de R2 autour desquels f est un C 1 difféomorphisme local. Même question
pour g : R2 → R2 définie par g(x, y) = (x2 + y 2 , x2 − y 2 ).

ATTENTION, l’inversion locale n’a qu’une valeur locale... Il est possible qu’on puisse inver-
ser partout localement mais pas globalement, notamment car l’injectivité “locale” n’implique
pas l’injectivité “globale”...

Exemple 4.2.6. Considérer f : R2 → R2 définie par f (x, y) = (ex cos y, ex sin y). Mon-
trer que “on a difféomorphisme local autour de tout point (x0 , y0 )” mais que f n’est pas un
difféomorphisme de R2 sur f (R2 ).

Néanmoins si on ajoute l’hypothèse d’injectivité on récupère un difféomorphisme global de

Ω sur l’image de Ω par f (il faut bien récupérer la surjectivité !).

Théorème 4.2.7 (Théorème d’inversion globale). Soit f : Ω ⊂ Rn → Rn de classe C k

(k ≥ 1) sur l’ouvert Ω. On suppose que

f est injective et ∀x ∈ Ω, dfx = f 0 (x) ∈ GL(Rn ).

Alors
f est un C k difféomorphisme de Ω sur Ω0 := f (Ω).

Exemple 4.2.8. Le “passage en polaires”

(r, θ) 7→ (x = r cos θ, y = r sin θ)

est un C ∞ difféomorphisme de U =]0, +∞[×]0, 2π[ sur V = R2 \ [0, +∞[×{0}. La bijection

réciproque “passage en cartésiennes” est
p
(x, y) 7→ (r = x2 + y 2 , θ = faisable mais pénible à écrire...).

4.3 Exercices
Théorème des fonctions implicites
Exercice 4.3.1. En dérivant (4.1), aboutir à (4.2).

Exercice 4.3.2. Montrer que

∀n ≥ 0, ∃!un ∈ R, u5n + nun − 1 = 0.

Montrer que 0 < un < n1 pour tout n ≥ 1.

Afin de faire mieux, on peut utiliser le Théorème 4.1.1 : montrer qu’on peut écrire
 
b c d e f g 1
un = a + + 2 + 3 + 4 + 5 + 6 + o , quand n → +∞,
n n n n n n n6

avec des réels a, b, c, d, e, f , g à déterminer.

Exercice 4.3.3. D’où sort (4.3) ?

Exercice 4.3.4. Soit C la “courbe” de R2 définie par l’équation

x4 + y 3 − y 2 + x − y = 0.
4.3. EXERCICES 31

0.2

0.1

0.0

-0.1

-0.2
-0.3 -0.2 -0.1 0.0 0.1 0.2 0.3

Figure 4.2 – Le point double de l’Exercice 4.3.7.

1. Montrer que, au voisinage du point (0, 0), l’ordonnée y d’un point de C est définie
implicitement comme une fonction, de classe C ∞ , de x. On note ϕ une telle fonction.
2. Calculer les dérivées première et seconde de ϕ en 0.
3. Donner l’allure de la courbe C au voisinage du point (0, 0).

Exercice 4.3.5. Soit C la “courbe” de R2 définie par l’équation

x3 − 2xy + 2y 2 − 1 = 0.

Vérifier que a = (1, 1) est sur C. Trouver la tangente à C en a. Déterminer la position de la

courbe par rapport à sa tangente en a.

Exercice 4.3.6. Soit f : R2 → R définie par

f (x, y) = 2 cos2 x + xy − ey .

1. Montrer qu’il existe un intervalle ouvert I de R contenant 0 tel que, pour tout x dans
I, il existe un unique y > 0, que tel que f (x, y) = 0. On note ϕ(x) un tel y.
2. Montrer que la fonction x ∈ I 7→ ϕ(x) ∈]0, +∞[ est de classe C 1 .
3. Montrer que ϕ0 (0) = ln 2
2 .
4. Montrer que, pour tout x ∈ I, on a

ϕ0 (x)(eϕ(x) − x) = ϕ(x) − 4 sin x cos x.

Exercice 4.3.7 (Un point double). Soit f : R2 → R définie par

x3 + xy + y 2 ex+y = 0.

Montrer qu’il existe deux fonctions distinctes ϕ1 et ϕ2 de classe C 1 sur un voisinage ouvert I
de 0 telles que, pour i = 1 et i = 2, f (x, ϕi (x)) = 0 pour tout x ∈ I (on pourra poser y = xz et
“impliciter autour de deux z bien choisis”). Préciser l’allure du graphe de ϕi autour de (0, 0).
Vérifier que c’est cohérent avec la Figure 4.2.

Exercice 4.3.8. Soit f : R3 → R2 définie par

f (x, y, z) = (x2 − y 2 + z 2 − 1, xyz − 1).

On note C la “courbe” de R3 définie par l’équation f (x, y, z) = 0.

1. Vérifier que le point a = (1, 1, 1) ∈ C.
32 CHAPITRE 4. LES THÉORÈMES POUR “INVERSER”

2. Montrer qu’il existe un intervalle ouvert I ⊂ R contenant 1, une B ⊂ R2 de centre

(1, 1), et une fonction ϕ : I → B tels que : (x, y, z) ∈ C ∩ I × B si et seulement si
(y, z) = ϕ(x).
3. Déterminer la tangente à C en a.

Exercice 4.3.9. Soit C la “courbe” de R3 définie par les équations

x2 + y 2 + z 2 = 14 et x3 + y 3 + z 3 = 36.

Montrer que (1, 2, 3) ∈ C. Montrer que, dans un voisinage de ce point, les points de C peuvent
s’écrire (y, z) = ϕ(x) où ϕ est de classe C 1 . Préciser la tangente en chaque point.

Exercice 4.3.10. Montrer que l’équation z 3 + 2z + ez − x − y 2 = cos(x − y + z) définit

implicitement z comme fonction C 1 de x et y au voisinage du point (0, 0, 0). Calculer les
dérivées partielles de z à l’ordre 2 en 0.

Théorèmes d’inversion locale et globale

Exercice 4.3.11. L’application f : R2 → R2 définie par f (x, y) = (x3 − 2xy 2 , x + y) est-elle
un difféomorphisme local en a = (1, −1) ? Si oui, écrire la différentielle de son inverse local
au point b = f (a) ?

Exercice 4.3.12. Soit f : R2 → R2 l’application définie par f (x, y) = (x2 − y 2 , 2xy).

1. Décrire ω l’ensemble des points de R2 autour desquels f est un difféomorphisme local.
2. Est ce que f restreinte à ω est un difféomorphisme sur son image ?
3. Pour tout point a de ω, écrire la différentielle de l’inverse local de f au point f (a), et
trouver un voisinage ouvert U de a tel que f|U soit un difféomorphisme sur son image.

Exercice 4.3.13 (Coordonnées polaires). Soit f : R2 → R2 l’application définie par

f (r, θ) = (r cos θ, r sin θ).

1. Décrire ω l’ensemble des points de R2 autour desquels f est un difféomorphisme local.

2. Pour tout point a de ω, écrire la différentielle de l’inverse local de f au point f (a).
3. Est ce que f restreinte à ω est un difféomorphisme sur son image ?
4. Montrer que f est un C ∞ difféomorphisme de ]0, +∞[×]0, 2π[ sur R2 \ ([0, +∞[×{0}).

Exercice 4.3.14 (Coordonnées sphériques). Soit f : R3 → R3 définie par

f (r, θ, δ) = (r cos θ cos δ, r sin θ cos δ, r sin δ).

1. Décrire ω l’ensemble des points de R3 autour desquels f est un difféomorphisme local.

2. Pour tout point a de ω, écrire la différentielle de l’inverse local de f au point f (a).
3. Est ce que f restreinte à ω est un difféomorphisme sur son image ?
4. Montrer que f est un C ∞ difféomorphisme de ]0, +∞[×]0, 2π[×] − π π
2, 2[ sur R3 \
([0, +∞[×{0} × R).

Exercice 4.3.15. Soit f : R → R définie par

x + x2 sin πx

si x 6= 0
f (x) =
0 si x = 0.
4.3. EXERCICES 33

Figure 4.3 – Coordonnées sphériques. A gauche la convention (r, θ, δ) rayon-longitude-

latitude comme dans l’Exercice 4.3.14. A droite la convention (r, θ, ϕ) rayon-longitude-
colatitude.

1. Montrer que f est dérivable sur R, et que f 0 (0) 6= 0.

2. Si n est un entier non nul, montrer que
   
0 1 0 1
f f < 0,
2n 2n + 1

et en déduire que f n’est injective sur aucun intervalle contenant 0, aussi petit soit-il.
3. Commentaires ?

Exercice 4.3.16 (Fonction “propre”). Soit f : Rn → Rp . On dit que f est propre si l’image
réciproque de tout compact de Rp par f est compacte dans Rn .
1. Les applications de R dans R suivantes sont elles propres 1 x 7→ 0, x 7→ x, x 7→ sin x,
x 7→ x2 . Quid de f : R → R2 définie par f (θ) = (cos θ, sin θ) ?
2. Si f est propre et continue, montrer que f est fermée (i.e. l’image d’un fermé est fermée).
On pourra montrer que, si F est fermé dans Rp , alors f (F ) est séquentiellement fermé.
3. On suppose que f est injective, propre, de classe C 1 , et est un difféomorphisme local en
tout point de Rp (en particulier, n = p). Montrer que f est un difféomorphisme global
de Rn vers Rn .

Exercice 4.3.17. Pour a et b réels, on considère la fonction f : R2 → R2 définie par

f (x, y) = (x + a sin y, y + b sin x).

1. Pour quelles valeurs de (a, b) f est-elle un difféomorphisme local en tout point ?

2. Montrer alors que f est injective.
3. Montrer alors que f est propre (cf Exercice 4.3.16).
4. Montrer alors que f est un difféomorphisme global de R2 vers R2 .

Exercice 4.3.18. Montrer que si f ∈ C 1 (R) et s’il existe k > 0 tel que, ∀x ∈ R, f 0 (x) > k,
alors f est un difféomorphisme de R sur lui même (on pourra, par exemple, montrer que f
est propre). Montrer que ce résultat est faux avec k = 0.
1. Pour f : Rn → Rp continue on peut montrer que f est propre si et seulement si limkxk→+∞ kf (x)k = +∞
34 CHAPITRE 4. LES THÉORÈMES POUR “INVERSER”

Exercice 4.3.19. On considère une application f : Rn → Rn de classe C 1 , telle que

kf (y) − f (x)k ≥ kky − xk ∀(x, y) ∈ Rn × Rn ,

pour une certaine constante k > 0 et une norme quelconque (on dit que f est k-dilatante pour
la norme en question). On veut montrer que f est un difféomorphisme global de Rn sur lui-
même.
1. Montrer que f est injective.
2. Montrer que l’image f (Rn ) est fermée dans Rn (par exemple en montrant qu’elle est
séquentiellement fermée).
3. Montrer que Df (x) est inversible pour tout x ∈ Rn , et en déduire que l’image f (Rn ) est
ouverte dans Rn .
4. Conclure.

Exercice 4.3.20. 1. Montrer que l’application f : Mn (R) → Mn (R) définie par f (A) =
A est de classe C 1 , et déterminer sa différentielle en tout point.
2

2. Montrer que toute matrice carrée A ∈ Mn (R) suffisamment proche de la matrice identité
“admet une racine carrée”.
Chapitre 5

Extrema liés

Dans tout ce chapitre, on désignera par U un ouvert de Rn . On va considérer des fonctions f

à valeurs réelles
f : U ⊂ Rn → R
et s’intéresser à ses extrema. Dans le Chapitre 3 on s’est intéressé aux extrema dits libres, par
opposition aux extrema liés, ou sous contrainte, auxquels on va s’intéresser ici.

5.1 Un exemple/exercice naïf

Dans R2 on considère l’ellipse E d’équation

(x − 2)2 + 2y 2 = 6.

On cherche les points de E les plus proches et les plus éloignés de l’origine O(0, 0). Faites un
dessin et “devinez” la réponse.
Formalisons un peu tout cela. On cherche les extrema de f : R2 → R définie par

f (x, y) = x2 + y 2 ,

sous la contrainte g(x, y) = 0, où g : R2 → R est définie par

g(x, y) = (x − 2)2 + 2y 2 − 6.

Montrez que E est compact. En déduire que min(x,y)∈E f (x, y) et max(x,y)∈E f (x, y) existent
bien. On admet alors ce que nous a suggéré le dessin (et qui sera démontré dans la Section 5.2) :
s’il y a un extremum lié en (x, y) alors il existe λ ∈ R (appelé multiplicateur de Lagrange) tel
que
−−−→ −−−→
Grad f (x, y) = λGrad g(x, y).
Trouvez les éventuels points d’extrema liés, puis concluez.

5.2 Une contrainte, multiplicateur de Lagrange

On parle d’extrémum lié lorsqu’on cherche à maximiser ou minimiser une fonction de plusieurs
variables lorsque ces variables sont liées par une relation (ou plusieurs, cf ci-dessous).

Définition 5.2.1 (Extremum lié). Soient f : U ⊂ Rn → R et g : U ⊂ Rn → R. Soit a ∈ U

tel que g(a) = 0.

35
36 CHAPITRE 5. EXTREMA LIÉS

On dit que a est un point de minimum local de f sous la contrainte g s’il existe un voisinage
V de a tel que
f (x) ≥ f (a), ∀x ∈ V ∩ Γ,
où l’ensemble Γ := {x ∈ U, g(x) = 0} “représente” la contrainte.
On définit évidemment la notion de point de maximum local de f sous la contrainte g par

f (x) ≤ f (a), ∀x ∈ V ∩ Γ.

Théorème 5.2.2 (Multiplicateur de Lagrange). Soient f : U ⊂ Rn → R et g : U ⊂ Rn → R

de classe C 1 . Soit a ∈ U tel que g(a) = 0. On suppose que
−−−→
Grad g(a) 6= 0Rn .

Si a est un point d’extremum local de f sous la contrainte g alors il existe λ ∈ R (appelé

multiplicateur de Lagrange) tel que
−−−→ −−−→
Grad f (a) = λGrad g(a).

La preuve repose sur le théorème des fonctions implicites.

Exemple 5.2.3. Étudier les extrema de la fonction f : R2 → R définie par f (x, y) = exy sous
la contrainte x3 + y 3 + x + y − 4 = 0.

5.3 Plusieurs contraintes, multiplicateurs de Lagrange

Définition 5.3.1 (Extremum lié). Soient f : U ⊂ Rn → R et, pour 1 ≤ i ≤ p, gi : U ⊂ Rn →
R. Soit a ∈ U tel que g1 (a) = · · · = gp (a) = 0.
On dit que a est un point de minimum local de f sous les contraintes g1 , · · · , gp s’il existe
un voisinage V de a tel que
f (x) ≥ f (a), ∀x ∈ V ∩ Γ,
où l’ensemble Γ := {x ∈ U, ∀1 ≤ i ≤ p, gi (x) = 0} “représente” la contrainte.
On définit évidemment la notion de point de maximum local de f sous les contraintes g1 , · · · , gp
par
f (x) ≤ f (a), ∀x ∈ V ∩ Γ.

Théorème 5.3.2 (Multiplicateurs de Lagrange). Soient f : U ⊂ Rn → R et, pour 1 ≤ i ≤ p,

gi : U ⊂ Rn → R de classe C 1 . Soit a ∈ U tel que g1 (a) = · · · = gp (a) = 0. On suppose que
(on dit alors que les contraintes g1 , · · · , gp sont indépendantes au point a ∈ U )

la famille de formes linéaires {dg1 (a), · · · , dgp (a)} est libre.

Si a est un point d’extremum local de f sous les contraintes g1 , · · · , gp alors il existe des
réels λ1 , · · · , λp (appelés multiplicateurs de Lagrange) tel que

df (a) = λ1 dg1 (a) + · · · + λp dgp (a).

La preuve repose sur le théorème des fonctions implicites.

Exemple 5.3.3. Montrer que, pour toute famille (v1 , · · · , vn ) de Rn ,

n
Y
|det (v1 , · · · , vn )| ≤ kvi k2 .
i=1
5.4. EXERCICES 37

5.4 Exercices
Exercice 5.4.1. Calculer
max x + y + 2z.
x2 +y 2 +z 2 =1

Exercice 5.4.2. Trouver les points de la surface S := {(x, y, z) ∈ R3 , y 2 = 9 + xz} qui sont
les plus proches de l’origine de R3 .

Exercice 5.4.3. On donne a > 0, b > 0, c > 0. Trouver le volume maximal d’un parallélépi-
pède contenu dans l’ellipsoïde d’équation

x2 y 2 z 2
+ 2 + 2 = 1.
a2 b c
Exercice 5.4.4. Soit n ≥ 2 un entier. On considère f : Rn → R définie par

f (x1 , · · · , xn ) = Πni=1 xi .

On note
Γ := {(x1 , · · · , xn ) ∈ [0, +∞[n , x1 + · · · xn = 1}.
1. Montrer que f admet un maximum global sous la contrainte Γ et calculer ce maximum.
2. En déduire l’inégalité arithmético-géométrique : pour tout (x1 , · · · , xn ) ∈ [0, +∞[n on a
n
1/n 1X
Πni=1 xi ≤ xi .
| {z } n
i=1
moyenne géométrique | {z }
moyenne arithmétique

Exercice 5.4.5. On considère une matrice symétrique réelle A ∈ Sn (R). On sait qu’elle a n
valeurs propres réelles que l’on note

λ1 ≤ · · · ≤ λn .

On considère f : Rn → R définie par

f (x) = hAx, xi .
qP
n
On munit Rn de la norme 2, c’est à dire kxk = 2
i=1 xi .

1. Montrer que les réels minkxk=1 f (x) et maxkxk=1 f (x) sont bien définis. Dans la suite,
on note xmin et xmax deux vecteurs de norme 1 tels que

min f (x) = f (xmin ), max f (x) = f (xmax ).

kxk=1 kxk=1

2. Montrer que f est différentiable en tout x ∈ Rn et que

dfx (h) = 2 hAx, hi , ∀h ∈ Rn .

3. A l’aide du Théorème 5.2.2, montrer que xmin et xmax sont forcément des vecteurs
propres de A.
4. En déduire que
min hAx, xi = λ1 , max hAx, xi = λn .
kxk=1 kxk=1
Chapitre 6

Quid en dimension infinie ?...

Jusqu’ici on a, pour simplifier, travaillé en dimension finie. Que se passe t il dans le cadre plus
général des espaces de Banach (= espace vectoriel normé complet) ? Rappelons que
(i) tout espace vectoriel de dimension finie est de Banach.
(ii) si (E, k·kE ) et (F, k·kF ) sont 2 Banach alors L(E, F ) (= espace vectoriel des applications
linéaires continues de E dans F ) muni de la “norme triple” est un Banach.
(iii) si (X, d) est un espace métrique et (F, k · kF ) un Banach alors Cb0 (X, F ) muni de la
“norme du sup” est un Banach. En particulier, si K est un compact de X, C 0 (K, F ) est
un Banach.
Il s’avère qu’une grande partie des choses présentées dans les chapitres précédents se gé-
néralise ! Dans le cadre des espaces de Banach, la composition des différentielles, le théorème
des accroissements finis, le théorème de Schwartz, les formules de Taylor, le théorème d’in-
version locale, le théorème des fonctions implicites, le théorème sur les extrema liés restent
valides (avec parfois une micro modification d’écriture). Donnons quelques détails, exemples
et applications.

6.1 Différentiabilité
Le Théorème-Définition 2.1.1 est “inchangé”.

Théorème-Definition 6.1.1 (Différentiabilité). Soit E et F deux espaces de Banach. Soit

f : U ⊂ E → F . Soit a ∈ U . On dit que f est différentiable en a s’il existe une application
linéaire continue de E dans F , notée dfa ou df (a), telle que

f (a + h) = f (a) + dfa (h) + o(h) quand h → 0E .

|{z}
∈L(E,F )

En cas d’existence une telle application linéaire continue dfa est unique. On dit alors que
l’application linéaire dfa est tangente à f en a.

Attention, en dimension infinie, il faut vraiment s’assurer que l’application linéaire dfa de
E dans F est continue (ce n’est pas “gratuit” comme en dimension finie).

Exercice 6.1.2. Soit E = C([0, 1], R) l’espace des fonctions réelles continues sur [0, 1] muni
de la norme
kf k∞ := sup |f (x)|.
x∈[0,1]

Etudier la différentiabilité de ϕ dans les cas suivants :

38
6.2. FONCTIONS IMPLICITES EN DIMENSION INFINIE, APPLICATIONS 39

1. ϕ : E → R, ϕ(f ) := sin(f (0)).

Rx
2. ϕ : E → E, ϕ(f ) := x 7→ 0 f 2 (t)dt.
R1
3. ϕ : E × E → R, ϕ(f, g) := 0 f (t)g(t)dt.

Exercice 6.1.3. On considère les espaces

E := {f : [0, 1] → R de classe C 1 et vérifiant f (0) = 0} muni de kf kE := kf 0 k∞ ,

et
F := C 0 ([0, 1), R) muni de kf kF = kf k∞ ,

et l’application
ϕ : E → F, ϕ(f ) := f 0 + f 2 .

1. Montrer que kf k∞ ≤ kf kE pour tout f ∈ E, que k · kE est une norme et que (E, k · kE )
est un Banach.
2. Montrer que ϕ est différentiable et calculer sa différentielle.
3. Montrer que ϕ est de classe C 1 .

6.2 Fonctions implicites en dimension infinie, applications

Voici une version du théorème des fonctions implicites “version Espaces de Banach” tirée de
[3, Theorem 4.B].

Théorème 6.2.1 (Théorème des fonctions implicites). Soit X, Y et Z trois espaces de Ba-
nach. On suppose que
(i) F : U ⊂ X × Y → Z est définie sur U voisinage ouvert de (x0 , y0 ) ∈ X × Y et

F(x0 , y0 ) = 0.

(ii) dans U , F admet une dérivée partielle (au sens de Fréchet) par rapport à y et

Fy (x0 , y0 ) : Y → Z est bijective.

(iii) F et Fy sont continues en (x0 , y0 ).

Alors
1. Existence et unicité. Il existe r0 > 0 et r > 0 tels que, pour tout x ∈ X avec kx−x0 k ≤ r0 ,
il existe un unique y(x) ∈ Y tel que ky − y0 k ≤ r et

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

2. Continuité. Si Fest continue sur un voisinage de (x0 , y0 ) alors x 7→ y(x) est continue
sur un voisinage de x0 .
3. Régularité supérieure. Si F est de classe C m , 1 ≤ m ≤ +∞, sur un voisinage de (x0 , y0 ),
alors x 7→ y(x) est de classe C m sur un voisinage de x0 .

Voici quelques applications pour résoudre des problèmes d’analyse.

40 CHAPITRE 6. QUID EN DIMENSION INFINIE ?...

Exercice 6.2.2. Soit E l’ensemble des fonctions f : R → R de classe C 1 et 1-périodiques

normé par
kf kE := max(kf k∞ , kf 0 k∞ )
qui en fait un espace de Banach. Pour f ∈ E, τ ∈ R, on note fτ : R → R la fonction définie
par fτ (x) := f (x + τ ). On se donne g ∈ E non constante et on définit

F :E×R → R
Z 1
(f, ε) 7→ F(f, ε) := fε (x)g 0 (x)dx.
0

1. Montrer que F est de classe C 1 et calculer sa différentielle en tout point (f, ε).
2. Montrer que, au voisinage de (g, 0), l’égalité F(f, ε) = 0 équivaut à ε = ϕ(f ), où ϕ est
une fonction de classe C 1 .

Exercice 6.2.3. On se donne K : [0, 1] × [0, 1] → R continue et G : [0, 1] × R → R de classe

C 1 . Pour λ ∈ R, on cherche u ∈ C([0, 1], R) solution de l’équation intégrale
Z 1
u(x) = λ K(x, t)G(t, u(t))dt, x ∈ R.
0

Mettre tout cela dans un cadre qui permet d’appliquer le Théorème des fonctions implicites
6.2.1 et montrer ainsi que, pour |λ| assez petit, le problème admet une unique solution. NB :
pour montrer le caractère bijectif de Fu (0, 0) on utilisera l’alternative de Fredholm, cf Théo-
rème ??.

6.3 Extrema liés en dimension infinie, une application

Voici une version du théorème des extrema liés (avec une contrainte) “version Espaces de
Banach”.

Théorème 6.3.1 (Multiplicateur de Lagrange). Soit E un espace de Banach. Soient f : U ⊂

E → R et g : U ⊂ E → R de classe C 1 . Soit a ∈ U tel que g(a) = 0. On suppose que

dg(a) : E → R est surjective (cad non nulle).

Si a est un point d’extremum local de f sous la contrainte g alors il existe λ ∈ R (appelé

multiplicateur de Lagrange) tel que

df (a) = λdg(a).

Une application (peut être détaillée en cours) est la recherche d’éléments propres (princi-
paux) du type (
−u00 − r(x)u = λu dans (0, 1)
u(0) = u(1) = 0,
ou, plus généralement, (
−∆u − r(x)u = λu dans Ω
u=0 sur ∂Ω.
Bibliographie

[1] S. Benzoni-Gavage, Calcul différentiel et équations différentielles, Dunod, 2010.

[2] R. Danchin, Cours de calcul différentiel, Cours de L3 maths, poly disponible sur
http ://[Link]/users/[Link]/
[3] E. Zeidler, Nonlinear functional analysis and its applications. I., Springer-Verlag,
New York, 1986.

41