Cours de mathématiques générales

Dr M. BAGAYOGO

Juillet 2019
Dr [Link]

BTS 2 2 ESC Ouaga 2018-2019

Table des matières

1 Primitives et intégrales 7
1.1 Primitives d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.2 Théorème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.3 Quelques propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
[Link] Tableau des primitives usuelles . . . . . . . . . . . . . . . . . 8
[Link] Tableau des primitives remarquables . . . . . . . . . . . . . . 9
1.2 Intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.1 Intégrale d’une fonction continue . . . . . . . . . . . . . . . . . . . . . 10
[Link] Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
[Link] Quelques propriétés . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.2 Valeur moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
[Link] Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
[Link] Formule de la moyenne . . . . . . . . . . . . . . . . . . . . . . 11
1.2.3 Théorème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.4 Intégration par parties . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3 Application de l’intégrale définie :calcul d’aire . . . . . . . . . . . . . . . . . . 12

2 Équations différentielles 15
2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 Équations différentielles du premier ordre . . . . . . . . . . . . . . . . . . . . . 15
2.2.1 Équations à variables séparables . . . . . . . . . . . . . . . . . . . . . . 15
2.3 Equations différentielles linéaires du second ordre . . . . . . . . . . . . . . . . 16
2.3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.2 Équation différentielles de second ordre à coefficients constants . . . . . 16
[Link] Résolution de l’équation homogène . . . . . . . . . . . . . . . 16
2.3.3 Résolution de l’équation non homogène . . . . . . . . . . . . . . . . . . 17

3 Matrices et déterminants 19
3.1 Généralités sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.1.1 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.1.2 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.1.3 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . 20
[Link] Égalité de deux matrices . . . . . . . . . . . . . . . . . . . . . 20
[Link] Somme et multiplication par un réel . . . . . . . . . . . . . . 20
[Link] Produit de deux matrices . . . . . . . . . . . . . . . . . . . . 20
[Link] Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
[Link] Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3
Dr [Link] TABLE DES MATIÈRES

3.1.4 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
[Link] Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
[Link] Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.5 Écriture matricielle d’un système . . . . . . . . . . . . . . . . . . . . . 21
[Link] Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
[Link] Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2.2 Matrice carrée inversible . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2.3 Matrices symétriques et antisymétriques . . . . . . . . . . . . . . . . . 23
3.2.4 Trace d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2.5 Déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . 23
[Link] Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
[Link] Développement du déterminant d’ordre 3 . . . . . . . . . . . . 24
[Link] Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2.6 Inverse par la méthode de cofacteurs . . . . . . . . . . . . . . . . . . . 25
3.2.7 Système de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

4 Diagonalisation des matrices carrées 29

4.1 Vecteurs propres et valeurs propres . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.2 Propriété . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.3 Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.4 Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.5 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
[Link] Remarques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2 Polynôme caractéristique d’une matrice carrée . . . . . . . . . . . . . . . . . . 30
4.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2.3 Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2.4 Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2.5 Polynôme de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
[Link] Théorème de Cayley Hamilton . . . . . . . . . . . . . . . . . 31
[Link] Théorème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
[Link] Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
[Link] Théorème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3.1 Calcul de An . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
[Link] Résolution des systèmes différentiels . . . . . . . . . . . . . . 31
[Link] Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

5 Fonctions numériques de deux variables 33

5.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.2 Limites et continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.2.1 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.2.2 Continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.3 Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.3.1 Dérivées partielles d’ordre 1 . . . . . . . . . . . . . . . . . . . . . . . . 34
5.3.2 Dérivées partielles d’ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . 35
5.4 Extréma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

BTS 2 4 ESC Ouaga 2018-2019

Dr [Link] TABLE DES MATIÈRES

5.4.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
[Link] Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
[Link] Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
[Link] Théorème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

BTS 2 5 ESC Ouaga 2018-2019

Dr [Link] TABLE DES MATIÈRES

BTS 2 6 ESC Ouaga 2018-2019

Chapitre 1
Primitives et intégrales

1.1 Primitives d’une fonction

1.1.1 Définition
On appelle primitive d’une fonction f sur in intervalle I de R toute fonction F dérivable
sur I et telle que :
F 0 (x) = f (x), ∀x∈I

On note Z
f (x)dx

une primitive quelconque de f

Par exemple
Z
(2x + 1)dx = x2 + x + K

Z
1
e2x dx = e2x + K
2

1.1.2 Théorème
Théorème 1.1.1 Toute fonction f continue sur un intervalle I admet des primitives sur ce
intervalle

1.1.3 Quelques propriétés

• Si F et G sont deux primitives de f sur I alors il existe une constante réelle k telle
que :
G(x) = F (x) + k, ∀x∈I

• Si F est une primitive de f et G une primitives de g sur I alors ∀ α, β ∈ R, αF + βG

est une primitive de αf + βg sur I
• Si f admet des primitives sur I alors,pour tout couple (x0 , y0 ) ∈ I × R,est une et une
seule de ces primitives F satisfaisant F (x0 ) = y0

7
Dr [Link] Chapitre 1. Primitives et intégrales

[Link] Tableau des primitives usuelles

Fonction Primitives Domaine de validité

a ax + C R

1 2
ax + b ax + bx + C R
2

xn+1
xn , n ∈ R +C R
n+1

1
ln |x| + C ] − ∞, 0[ ou ]0, +∞[
x

1
, a∈R ln |x − a| + C ] − ∞, a[ ou ]a, +∞[
x−a

1 1 b b
, a ∈ R∗ × R ln |ax + b| + C ] − ∞, − [ ou ] − , +∞[
ax + b a a a

1 1
− +C ] − ∞, 0[ ou ]0, +∞[
x2 x

1 1
n ∈ N − {0, 1} − +C ] − ∞, 0[ ou ]0, +∞[
xn (n − 1)xn−1

xα+1
xα , α ∈ R\Z +C ]0, +∞[
α+1

1 αx
eαx , α ∈ R∗ e +C R
a

BTS 2 8 ESC Ouaga 2018-2019

Dr [Link] Chapitre 1. Primitives et intégrales

[Link] Tableau des primitives remarquables

Fonction Primitives Domaine de validité
u0 + v 0 u+v+C I
0
v × (u ◦ v) u◦v+C I

u2
uu0 +C I
2

un+1
u0 un avec n ∈ N +C I
n+1

u0
ln |u| + C x ∈ I avec u(x) 6=
u
u0 1
, n ∈ N − {0, 1} − +C x ∈ I avec u(x) 6=
un (n − 1)un−1

uα+1
u0 uα α ∈ R\Z +C x ∈ I avec u(x) > 0
α+1

u0 √
√ 2 u+C x ∈ I avec u(x) > 0
u
u0 eu eu + C I
Exemple
Déterminer une primitive de chacune des fonctions suivantes :
1 x3 − 4x2 + 3x − 2
f (x) = 3x4 − 6x3 + 2x2 − 7x + 1; g(x) = 5e5x + 3e2x − ; h(x) = ; t(x) =
x x2
6
3(3x − 1)
Solution
• f (x) = 3x4 − 6x3 + 2x2 − 7x + 1
Z
1 1 1 1
f (x)dx = 3 × x4+1 − 6 × x3+1 + 2 × x2+1 − 7 × x1+1 + 1 × x + K
4+1 3+1 2+1 1+1
3 5 3 4 2 3 7 2
= x − x + x − x + x + K, avec K ∈ R
5 2 3 2

1
• g(x) = 5e5x + 3e2x −
x
Z
1 1
g(x)dx = 5 × e5x + 3 × e2x − ln |x| + K
5 2
5x 3 2x
= e + e − ln |x| + K avec K ∈ R
2

x3 − 4x2 + 3x − 2
• h(x) =
x2
x3 4x2 3x 2
h(x) = − + −
x2 x2 x2 x2
1 1
= x−4+3× −2× 2
x x

BTS 2 9 ESC Ouaga 2018-2019

Dr [Link] Chapitre 1. Primitives et intégrales

On a :
1 1
Z  
g(x)dx = x1+1 − 4x + 3 ln |x| − 2 − +K
1+1 x
1 2 2
= x − 4x + 3 ln |x| + + K avec K ∈ R
2 x

• h(x) = t(x) = 3(3x − 1)6

Posons u(x) = 3x − 1 on a : u0 (x) = 3. Ainsi t(x) = u0 (x) (u(x))6
Donc
Z
1
t(x)dx = (u(x))6+1 + K
6+1
1
= (3x − 1)7 + K avec K ∈ R
7

1.2 Intégrales
1.2.1 Intégrale d’une fonction continue
[Link] Définition
Soient f une fonction continue sur un intervalle I et F une primitive de f sur [Link]
a, b ∈ [Link] appelle intégrale de a à b de f est le réel F (b) − F (a).On note
Z b
f (x)dx = [F (x)]ba = F (b) − F (a)
a
Z 1
Exemple : Calculer l’intégrale I = (x + 1)dx
0
Solution
Z 1
I = (x + 1)dx
0
1
1 2
 
= x +x
2 0
1 1
   
2 2
= ×1 +1 − ×0 +0
2 2
3
=
2

[Link] Quelques propriétés

• Linéarité Z b Z b Z b
(f (x) + g(x))dx = f (x)dx + g(x)dx
a a a
Z b Z b
∀ α ∈ R, (αf )(x)dx = α f (x)dx
a a

• Relation de Chasles
Z b Z c Z b
f (x)dx = f (x)dx + f (x)dx
a a c

BTS 2 10 ESC Ouaga 2018-2019

Dr [Link] Chapitre 1. Primitives et intégrales

On en déduit que :
Z a Z b Z a
f (x)dx = 0 et f (x)dx = f (x)dx
a a b
Z b Z b
• Si f (x) ≤ g(x) sur [a, b] alors f (x)dx ≤ g(x)dx
a a
Cas particuliers : Z b
– Si f est positive sur [a, b] alors f (x)dx ≥ 0
a
– Soient m et M deux réels tels que m ≤ f (x) ≤ M pour tout x ∈ [a, b] alors
Z b
m(b − a) ≤ f (x)dx ≤ (b − a)M
a

• Inégalité de Cauchy Schwarz

Si f et g sont continues sur [a, b] alors
"Z #2
b Z b Z b
f (x)g(x)dx ≤ (f (x))2 dx × (g(x))2 dx
a a a

• Théorème des trois conditions Z b

Si f est continue sur [a, b],positive sur [a, b] et si f (x)dx = 0 alors f est nulle sur
a
[a, b]

1.2.2 Valeur moyenne

[Link] Définition
Soient f est une fonction continue sur [a, b].On appelle valeur moyenne de f sur [a, b],le
réel
1 Zb
m= f (x)dx
b−a a
Exemple
Calculer la valeur moyenne de f (x) = x sur l’intervalle [1, 5].
Solution
1 Z5
m = f (x)dx
5−1 1
1Z 5
= xdx
4 1
5
1 1 2

= x
4 2 1

1 1 1
 
= × 52 − × 12
4 2 2

= 3

[Link] Formule de la moyenne

Si f est une fonction continue sur [a, b] alors il existe c ∈]a, b[ tel que
1 Zb
f (c) = f (x)dx
b−a a

BTS 2 11 ESC Ouaga 2018-2019

Dr [Link] Chapitre 1. Primitives et intégrales

1.2.3 Théorème
Si f est continue sur [a, b] alors
n
!
b−a X b−a Z b
lim f a+k = f (x)dx
x→+∞ n k=1 n a

En particulier,si f est continue sur [0, 1] alors

n
!
1X k Z b
lim f = f (x)dx
x→+∞ n n a
k=1

Exemple
Calculer la limite de la suite n
X 1
Un =
k=1 n + k

1.2.4 Intégration par parties

Soient u et v deux fonctions dérivables de dérivées continues sur [a, b] on a :
Z b Z b
u0 (x)v(x)dx = [u(x)v(x)]ba − u(x)v 0 (x)dx
a a

ou encore Z b Z b
0
u(x)v (x)dx = [u(x)v(x)]ba − u0 (x)v(x)dx
a a
Exemple
Calculer à l’aide d’une intégration par parties
Z e Z 1
J= x3 ln xdx I = xex dx
1 0

Solution
Calculons
( I (
u(x) = x u0 (x) = 1
Posons 0 x ⇒
v (x) = e v(x) = ex
Z 1
I = xex dx
0
Z 1
= u(x)v 0 (x)dx
0
Z 1
= [u(x)v(x)]10 − u0 (x)v(x)dx
0
Z 1
= [xex ]10 − 1 × ex dx
0
= [xex ]10 − [ex ]10
= 1

1.3 Application de l’intégrale définie :calcul d’aire

Soit f une fonction définie sur [a, b] (
à valeurs réelles,
( bornées, continue
) sur [a; b]. Soit
→
− → − a≤x≤b
(O, i , j ) un repère orthonormé et D = M (x, y)/ Alors l’intégrale de
0 ≤ y ≤ f (x)

BTS 2 12 ESC Ouaga 2018-2019

Dr [Link] Chapitre 1. Primitives et intégrales

f sur [a, b] est l’aire géométrique de D.

Z b
On la note f (x)dx = Aire(D)
a

Exemple ( ( )
√ 0≤x≤9
Soit f (x) = x Calculer l’aire du domaine D = M (x, y)/
0 ≤ y ≤ f (x)
On considère un repère orthonormé d’unité 1 cm

BTS 2 13 ESC Ouaga 2018-2019

Dr [Link] Chapitre 1. Primitives et intégrales

BTS 2 14 ESC Ouaga 2018-2019

Chapitre 2
Équations différentielles

2.1 Généralités
Une équation de la forme F (x, y, y 0 , · · · , y (n) ) = 0, (*) où, F est une fonction de Rn+1
dans R, y une fonction inconnue (y(x) : I → R), y (k) est la dérivée k − ième de y, s’appelle
équation différentielle de n − ième ordre.
Définition 2.1.1 Toute fonction vérifiant la relation (*) est appelée solution de cette équation
différentielle.

Définition 2.1.2 On appelle équation

 différentielle avec conditions initiales ou problème de
0 (n)
 F (x, y, y , · · · , y ) = 0

Cauchy toute équation de la forme : y(x0 ) = y0
 (k)

y = y0k , 1 ≤ k ≤ n − 1

2.2 Équations différentielles du premier ordre

Définition 2.2.1 Par analogie avec la définition précédente, une équation différentielle du
premier ordre se définie par F (x, y, y 0 ) = 0. Elle peut être aussi écrite sous la forme y 0 =
dy
f (x, y) où y = y(x) et y 0 =
dx

2.2.1 Équations à variables séparables

Définition 2.2.2 Une équation différentielle du premier ordre est dite à variables séparables
dy
si elle peut se ramener à la forme y 0 f (y) = g(x) ou f (y)dy = g(x)dx en posant y 0 =
dx
Exemple
dx
(1) = 1 − y On a :(1) ⇒ dx = (1 − y)dy. Donc (1) est une équation différentielle à
dy
variables séparables.
dy
(2) y 0 + 36 + 9y 2 On a : (2) ⇒ y 0 = −9(y 2 + 4) ⇒ = −9dx. Donc (2) est une équation
4 + y2
différentielle à variables séparables.
Résolution
Considérons l’équation différentielle à variable séparable. f (y)dy = g(x)dx. Par intégration
on a : Z Z
f (y)dy = g(x)dx ⇔ F (y) = G(x) + C

15
Dr [Link] Chapitre 2. Équations différentielles

avec F et G les primitives respectives de f et g

Résoudre yy 0 + x = 0

yy 0 + x = 0 ⇔ yy 0 = −x
⇔ ydy = −xdx
Z Z
⇔ ydy = −xdx
1 2 1
⇔ y = − x2 + C
2 2
2 2
⇔ y = −x + 2C
⇔ y 2 = −x2 + K
√
⇔ y = K − x2 , avec K > x2

2.3 Equations différentielles linéaires du second ordre

2.3.1 Définition
Définition 2.3.1 Une équation différentielle est dite linéaire du second ordre si elle peut se
mettre sous la forme
y 00 (x) + a(x)y 0 (x) + b(x)y(x) = c(x)
où a, b et c sont des fonctions continues.

2.3.2 Équation différentielles de second ordre à coefficients constants

Définition 2.3.2 C’est une équation de la forme

y 00 + py 0 + qy = f (x) (2.1)

où p et q ∈ R
Elle est associée à l’équation homogène

y 00 + py 0 + qy = 0 (2.2)

[Link] Résolution de l’équation homogène

On associe à cette équation homogène l’équation

r2 + pr + q = 0 (2.3)

est appelée équation caractéristique. L’équation homogène présente trois types de solution
suivantes les valeurs du discriminant (∆ = p2 − 4q) de l’équation caractéristique.

Théorème 2.3.1 1. Si ∆ > 0, la solution de (2.2) est de la forme yH = Aer1 x + Ber2 x ,

A, B ∈ R où r1 , r2 sont les racines de l’équation (2.3)
2. Si ∆ = 0, la solution générale de (2.2) est de la forme yH = (A + Bx)er0 x , A, B ∈ R
P
ou r0 = − est la racine double de l’équation (2.3).
2
3. Si ∆ < 0, la solution générale de (2.2) est de la forme yH = [A cos(βx)+B sin(βx)]eαx , A, B ∈
R où r = α + iβ et r = α − iβ sont les racines complexes de l’équation (2.3)

BTS 2 16 ESC Ouaga 2018-2019

Dr [Link] Chapitre 2. Équations différentielles

Exemple
Résoudre
a) y 00 + 2y 0 + y = 0
b) y 00 − 5y 0 + 4y = 0
c) y 00 + y 0 − 2y = 0
Solution
a) y 00 + 2y 0 + y = 0 L’équation caractéristique est : r2 + 2r + 1 = 0. Ainsi ∆ = 0 et r0 = −1.
Donc y(x) = (A + Bx)e−x , A, B ∈ R
b) y 00 − 5y 0 + 4y = 0 L’équation caractéristique est : r2 − 5r + 4 = 0. Ainsi ∆ = 9 et
r1 = 1, r2 = 4.
Donc y(x) = Aex + Be4x , A, B ∈ R

2.3.3 Résolution de l’équation non homogène

Soit une équation linéaire non homogène du second ordre

y 00 + py 0 + qy = f (x) (2.4)

La structure de la solution générale de l’expression (2.4) est donnée par le théorème suivant :

Théorème 2.3.2 La solution générale de l’équation non homogène (2.4) est la somme d’une
solution particulière quelconque yp de cette équation et de la solution générale yH de l’équation
homogène correspondante
y = yH + yp

À Cas ou f (x) est un polynôme de degré n

– Si q 6= 0, la solution particulière yp est un polynôme de degré n
– Si p 6= 0 et q = 0 la solution particulière yp est un polynôme de degré n + 1
– Si p = 0 et q = 0 la solution particulière yp est un polynôme de degré n + 2
NB :On utilise la méthode d’identification pour déterminer les coefficients du po-
lynôme.
Exemple
Résoudre y 00 − 2y 0 + y = 2x3 − 8x + 5
Á Cas ou f (x) = P (x)eλx , P un polynôme de degré n
– Si λ n’est pas une racine de l’équation caractéristique alors yp = q(x)eλx avec degré
de q égale à n
– si λ est une racine de l’équation caractéristique alors yp = q(x)eλx avec degré de q
égale à n + 1
– Si λ est une racine double de l’équation caractéristique alors yp (x) = q(x)eλx avec
degré de q égale à n + 2
NB :Le polynôme q se détermine en remplaçant yp dans l’équation différentielle puis procéder
par identification.
Exemple
Résoudre y 00 − 2y 0 + y = xe2x

BTS 2 17 ESC Ouaga 2018-2019

Dr [Link] Chapitre 2. Équations différentielles

BTS 2 18 ESC Ouaga 2018-2019

Chapitre 3
Matrices et déterminants

3.1 Généralités sur les matrices

3.1.1 Exemples
Les tableaux suivants sont des matrices  
! ! 1/2 9 2
3 −6 4 9 7
A= ; B= ; C =  −1 4 −6 
 
2 7 −5 1 0
0 −3 7/3

3.1.2 Définition
Soient n et p deux entiers non [Link] appelle matrice de type (n, p) et à coefficient dans
R tout tableau de n × p scalaires de la forme :

a11 a12 · · ·
 
a1p

 a21 a22 · · · a2p 

A= .. .. .. .. 
. . . .
 
 
an1 an2 · · · anp

où les aij appartiennent à R et sont appelés les coefficients de la matrice [Link] coefficient
est repéré par le couple (i, j) où i est le numéro de la ligne et j celui de la [Link] tel
tableau est noté simplement A = (aij )1≤i≤n ou encore A = (aij )
1≤j≤p
On note Mnp (R) l’ensemble des matrices de types (n, p) et à coefficients dans [Link] éléments
de M1p (R) sont des matrices lignes et ceux de Mn1 (R) des matrices [Link]
éléments de Mnn (R) sont appelésmatrices carrées d’ordre [Link] ensemble est noté sim-
plement Mn (R)
La matrice dont tous les coefficients valent 0 est appelé matrice nulle et est notée O
Par exemple :
La matrice nulle de M23 (R) est :
!
0 0 0
O=
0 0 0

La matrice nulle M3 (R) est :  

0 0 0
O= 0 0 0 
 

0 0 0

19
Dr [Link] Chapitre 3. Matrices et déterminants

3.1.3 Opérations sur les matrices

[Link] Égalité de deux matrices
Soient A = (aij ) et B = (bij ) deux matrice de Mnp (R) alors :
A = B ⇐⇒ aij = bij 1 ≤ i ≤ n, 1 ≤ j ≤ p

[Link] Somme et multiplication par un réel

Soient A = (aij ) et B = (bij ) deux matrice de Mnp (R)
• La somme des matrices A et B est définie par
A + B = (aij + bij )
• Le produit de la matrice A par le scalaire λ est donnée par
λA = (λaij )

[Link] Produit de deux matrices

Soient A = (aij ) une matrice de Mnp (R) et B = (bij ) une matrice de Mpq (R)
On définit le produit AB par :
p
X
AB = (cij ) avec cij = aik bkj pour 1 ≤ i ≤ n et 1 ≤ j ≤ q
k=1

cij est le produit scalaire de la ligne i de A par la colonne j de [Link] a AB ∈ Mnq (R)
Le produit AB est possible si et seulement si le nombre de colonnes de A est égal au nombre
de lignes de [Link] ailleurs l’existence du produit AB n’entraı̂ne pas nécessairement celle de
BA.
De plus,quand AB et BA existent ,on a pas nécessairement AB = BA On dit que le produit
matriciel est non commutatif

[Link] Exemples
! !
1 3 5 6 2 −4
• Soient A = et B =
4 −5 7 2 3 −5
! !
7 5 1 20 12 −2
On a A + B = et 2A + 3B =
6 −2 2 14 −1 −1
 
! ! 1 3
1 3 5 5 −6
• Soient A = , B= et C = −2 1
 
4 −5 7 4 1
5 4
 
! ! ! 13 −12 26
−19 45 −17 1 −36 20 26
On a BA = , B2 = , AC = et CA =  2 −11 −3
 
8 7 27 24 −23 49 35
21 −5 53

[Link] Propriétés
• Pour toutes matrices A, B ∈ Mpq (R) on a
A(C + D) = AC + AD et (A + B)C = AC + BC
C’est la distributivité à droite et à gauche du produit par rapport à l’addition
• Pour toutes matrices A ∈ Mpq (R) et C ∈ Mqr (R) on a
A(BC) = (AB)C
C’est l’associativité du produit matriciel

BTS 2 20 ESC Ouaga 2018-2019

Dr [Link] Chapitre 3. Matrices et déterminants

3.1.4 Transposition
[Link] Définition

La transposée d’une matrice A est la matrice notée t A et dont les lignes sont les colonnes
de A dans le même
 ordre.   
5 6 1 5 2 7
Exemple A =  2 8 0  ⇒t A =  6 8 3 
   

7 3 5 1 0 5

[Link] Propriétés
• ∀ A, B ∈ Mnp (R), t (A + B) =t A +t B
• ∀ A ∈ Mnp (R), ∀ λ ∈ R t (λA) = λt A
• ∀ A ∈ Mnp (R), t (t A) = A
• ∀ A ∈ Mnp (R), ∀ B ∈ Mpq (R), t (AB) =t B t A

3.1.5 Écriture matricielle d’un système

[Link] Définition

On appelle système d’équation linéaires ou système linéaire à n équations et p inconnues

tout système de la forme :


a11 x1 + a12 x2 + · · · + a1p xp = b1
a21 x1 + a22 x2 + · · · + a2p xp = b2



(S)  .. .. ..


. . .
an1 x1 + an2 x2 + · · · + anp xp = bn


où (aij ) et (bi ),1 ≤ i ≤ n, 1 ≤ j ≤ p sont des réels et les xj sont les inconnues du système
Posons
a11 a12 · · · a1p
     
b1 x1
 a21 a22 · · · a2p   b2   x2 
     
A=  .. .. ..  ; B =  ..  ; X =  .. 
..     
 . . . .  .  . 
an1 an2 · · · anp bn xn

Alors le système (S) s’écrit matriciellement sous sous la forme :

AX = B

[Link] Exemples
( ! ! !
2x + 3y = −5 2 3 x −5
(1) ⇐⇒ =
−5x + 7y = 8 −5 7 y 8
     

 y + 2z = 4 0 1 2 x 4
(2) 2x + 7y = 8 ⇐⇒ 2 0 7 y  =  8 
   

5x + 6y = −12 −12


5 6 0 z
 
( ! x !
5x − y + 2z = 4 5 −1 2   4
(3) ⇐⇒ y  =
2x + 9y − 7z = 8 2 9 −7 8
z

BTS 2 21 ESC Ouaga 2018-2019

Dr [Link] Chapitre 3. Matrices et déterminants

3.2 Matrices carrées

3.2.1 Définition
Une matrice A est dite carrée d’ordre n si elle a n lignes et n colonnes
On note Mn (R) l’ensemble des matrices carrées d’ordre [Link] A et B sont des matrices carrées
d’ordre n alors A + B et AB sont aussi des matrices carrées d’ordre n
• Mn (R) est unitaire d’élément unité
 
1 0 ··· 0
 . . .. 
0 1 . .
In = 
.
... ... 

.
. 0


0 ··· 0 1
En particulier  
! 1 0 0
1 0
I2 = et I3 = 0 1 0
 
0 1
0 0 1
Pour toute matrice carrée A ∈ Mn (R),on a :
AIn = In A = A
On le vérifie aisément pour n = 2
La matrice unité est souvent notée simplement I
• On n’a pas toujours AB = BA ! !
2 3 5 −6
Par exemple,pour A = et B =
1 5 4 1
!
4 −15
On a AB =
9 17
• On peut avoir AB = 0 avec A! 6= 0 et B 6= 0 !
2 3 −3 6
Par exemple,pour A = et B =
4 6 2 −4
!
0 0
On a : AB =
0 0

3.2.2 Matrice carrée inversible

À Définition Une matrice carrée A est dite inversible s’il existe une matrice carrée B telle
que AB = BA = [Link] matrice carrée B est alors appelée l’inverse de A et on note
B = A−1
Á Proposition
Si AB = I alors BA = I
 Proposition
Soient A et B deux matrices inversibles du même [Link] matrice AB est inversible
et
(AB)−1 = B −1 A−1
à Théorème
Soit A une matrice carrée d’ordre [Link] A est inversible alors,quelles que soient les
colonnes X et Y d’ordre n,on a
AX = Y ⇐⇒ X = A−1 Y

BTS 2 22 ESC Ouaga 2018-2019

Dr [Link] Chapitre 3. Matrices et déterminants

3.2.3 Matrices symétriques et antisymétriques

Soit A une matrice carrée d’ordre n
À Définition
La matrice A est dite symétrique si t A = A et antisymétrique si t A = −A
Á Exemples
!
5 −6
S= est une matrice symétrique
−6 1

 
0 1 −2
A = −1 0 3 est une matrice antisymétrique


2 −3 0

 Matrice diagonales
La matrice A est dite diagonale si tous les coefficients de dehors de la diagonale
sont nuls,i.e aij = 0 ∀ i 6= [Link] alors (a1 , · · · , an ) la diagonale de [Link] pose A =
diag(a1 , · · · , an ) et B = diag(b1 , · · · , bn ) alors

AB = BA = diag(a1 b1 , · · · , an bn ) et Ap = diag(ap1 , · · · , apn )

3.2.4 Trace d’une matrice

À Définition
Soit A = (aij une matrice carrée d’ordre [Link] trace de A notée tr(A) est définie par
tr(A) = a11 + a22 + · · · + ann
Á Propriétés
• tr(A + B) = tr(A) + tr(B)
• tr(λA) = λtr(A);
• tr(t A) = tr(A)
• tr(AB) = tr(BA)

3.2.5 Déterminant d’une matrice carrée

[Link] Définition

Soit A = (aij une matrice carrée d’ordre [Link] déterminant de A est noté det(A) et défini
par :
• Pour n = 1, A = (a11 ) et det(A) = a11
• Pour n = 2,
!
a a a11 a12
A = 11 12 et det(A) = = a11 a22 − a21 a12
a21 a22 a21 a22

• Pour n = 3,
 
a11 a12 a13
a22 a23 a a a a
A = a21 a22 a23 

et det(A) = a11 − a12 21 23 + a13 21 22
a32 a33 a31 a33 a31 a32

a31 a32 a33

BTS 2 23 ESC Ouaga 2018-2019

Dr [Link] Chapitre 3. Matrices et déterminants

[Link] Développement du déterminant d’ordre 3

En développant suivant la première ligne on a

a11 a12 a13

a a a a a a
det(A) = a21 a22 a23 = a11 22 23 − a12 21 23 + a13 21 22
a32 a33 a31 a33 a31 a32
a31 a32 a33

Ce qui donne après calcul et simplification

det(A) = (a11 a22 a33 + a21 a32 a13 + a31 a12 a23 ) − (a21 a12 a33 + a31 a22 a13 + a11 a32 a23 )

Cette formule peut être retrouvé par la règle de sarrus :

Elle consiste à utiliser la disposition pratique suivante où les deux premières colonnes ont été
reportées à droite du déterminant

a11 a12 a13 a11 a12

a21 a22 a23 a21 a22
a31 a32 a33 a31 a32

Alors les termes précédés du signe + sont données par les diagonales descendantes et les
termes précédés du signe - sont données par les diagonales ascendantes.
Remarque :On peut reporter les deux premières lignes en dessous du determinant et appli-
quer la même règle, c’est-à-dire :
a11 a12 a13
a21 a22 a23
a31 a32 a33
a11 a12 a13
a21 a22 a23

[Link] Exemples
!
2 5
A=
4 3

2 5
det(A) =
4 3
= 2×3−4×5
= −14
 
1 1 0
B = 0 1 1 ;
 

1 0 1
On calcul le determinant de B par le principe du développement. On développe suivant
la première ligne

1 1 0
det(B) = 0 1 1
1 0 1
1 1 0 1 0 1
= 1× −1× +0×
0 1 1 1 1 0
= 1 × (1 × 1 − 0 × 1) − 1 × (0 × 1 − 1 × 1)
= 2

BTS 2 24 ESC Ouaga 2018-2019

Dr [Link] Chapitre 3. Matrices et déterminants

Calcul du déterminant de B par la règle de Sarrus

1 1 0 1 1
0 1 1 0 1
1 0 1 1 0

det(B) = [1 × 1 × 1 + 1 × 1 × 1 + 0 × 0 × 0] − [1 × 1 × 0 + 0 × 1 × 1 × 1 + 1 × 0 × 1]
= 2
 
3 −1 6
C = −7 6 −2 ; det(C) = 0
 

−4 5 4

3.2.6 Inverse par la méthode de cofacteurs

À Définition
Soit A = (aij ) une matrice carrée d’ordre 2 ou [Link] appelle cofacteur d’indice (i, j) le
nombre cij = (−1)i+j ∆ij où ∆ij est le determinant de la matrice obtenue en supprimant
la ligne i et la colonne j de [Link] appelle comatrice de A ou matrice des cofacteurs
de A et on note CA la matrice CA = (cij )
Á Exemples
(a) Déterminer les cofacteurs des matrices suivantes et en déduire leurs comatrices
 
! 1 1 0
2 5
A= , B = 0 1 1
 
4 3
1 0 1
Calcul des cofacteurs de A

c11 = (−1)1+1 × 3 = 3
c12 = (−1)1+2 × 4 = −4
c21 = (−1)2+1 × 5 = −5
c22 = (−1)2+2 × 2 = 2

Comatrice de A
! !
c c 3 −4
CA = 11 12 =
c21 c22 −5 2
Calcul des cofacteurs de B
1 1
c11 = (−1)1+1 × =1
0 1
0 1
c12 = (−1)1+2 × =1
1 1
0 1
c13 = (−1)1+3 × = −1
1 0
1 0
c21 = (−1)2+1 × = −1
0 1
1 0
c22 = (−1)2+2 × =1
1 1

BTS 2 25 ESC Ouaga 2018-2019

Dr [Link] Chapitre 3. Matrices et déterminants

1 1
c23 = (−1)2+3 × =1
1 0
1 0
c31 = (−1)3+1 × =1
1 1
1 0
c32 = (−1)3+2 × = −1
0 1
1 1
c33 = (−1)3+3 × =1
0 1

Comatrice
 de B   
c11 c12 c13 1 1 −1
CB = c21 c22  = −1 1
c23  1
 

c31 c32 c33 1 −1 1
(b) Déterminer les
!
cofacteurs des matrices suivantes et en déduire leurs comatrices
a b
• E=
c d
 
3 −2 1
• D = −4 5 8
 

1 2 3
(c) Théorème
Si det(A) 6= 0 alors A est inversible et

1 t
A−1 = CA
det(A)

Exemple : Les matrices suivantes sont-elles inversibles ? Si oui inversez-les !

 
! 1 1 0
2 5
A= , B = 0 1 1
 
4 3
1 0 1

Les déterminants et les comatrices de A et de B ont été calculés dans l’exemple précédent.
On a det(A) = −14 6= 0 Donc A est inversible et

1 t
A−1 = CA
det(A)
! !
1 3 −4 1 −3 4
= =
−14 −5 2 14 5 −2

Aussi det(B) = 2 6= 0, donc B est inversible et

−1 1 t
B = CB
det(B)
 
1 −1 1
1
=  1 1 −1
2

−1 1 1

BTS 2 26 ESC Ouaga 2018-2019

Dr [Link] Chapitre 3. Matrices et déterminants

3.2.7 Système de Cramer

À Définition
Un système (S) est dit de Cramer si sa matrice A est carrée et inversible
Á Formules de Cramer
Soit (S) un système de Cramer de matrice A : AX = B
Notons toujours Cj la colonne j de A et ∆(C1 , · · · , Cn ) son déterminant
Tout système de Cramer (S) : AX = B admet une solution unique (x1 , ·, xn ) donnée
par :
∆(C1 , · · · , Cj−1 , B, Cj+1 , · · · , Cn )
xj = pour j ∈ {1, · · · , n}
det(A)
 Exemples
Vérifier que les système suivants sont des systèmes de Cramer et déterminer leur solu-
tion par les formules de Cramer

( 2x + 3y − z = −6
2x + 3y = −6


x + 5y + 2z = 5
3x + 5y = 1
−x + y − z = 1



BTS 2 27 ESC Ouaga 2018-2019

Dr [Link] Chapitre 3. Matrices et déterminants

BTS 2 28 ESC Ouaga 2018-2019

Chapitre 4
Diagonalisation des matrices carrées

4.1 Vecteurs propres et valeurs propres

4.1.1 Définition
Soit A une matrice carrée d’ordre [Link] dit qu’une colonne X d’ordre n est un vecteur
propre de A si X est non nul et s’il existe un scalaire λ ∈ R tel que AX = λ[Link] scalaire
λ est alors unique et appelé valeur propre de A
Observons que si X est un vecteur propre de A alors pour tout réel non nul ,α, αX est aussi
vecteur propre de A
Soit λ est une valeur propre de [Link] pose Eλ = {X ∈ Rn | AX = λX}
La propriété suivante est immédiate

4.1.2 Propriété
Soient X et Y deux éléments de Eλ .Alors,pour tous réels α et λ,on a αX + βY ∈ Eλ

4.1.3 Proposition
Soit A! une matrice !
carrée d’ordre 2 admettant deux valeurs propres distinctes λ1 et λ2 .Si
a x
V1 = et V2 = sont des vecteurs propres de A associés respectivement à λ1 et λ2
b y
alors
a x
det(V1 , V2 ) = 6= 0
b y

4.1.4 Proposition
Soit A une matrice
 carrée d’ordre
 3 admettant
  deux valeurs propres distinctes λ1 ,λ2
a x u
et λ3 .Si V1 =  b  , V2 = y  et V3 =  v  sont des vecteurs propres de A associés
     

c z w
respectivement à λ1 , λ2 et λ3 alors

a x u
det(V1 , V2 , V3 ) = b y v 6= 0
c z w

29
Dr [Link] Chapitre 4. Diagonalisation des matrices carrées

4.1.5 Définition
Une matrice carrée A est dite diagonalisable s’il existe une matrice diagonale D et une
matrice inversible P telles que :
D = P −1 AP

[Link] Remarques
• En posant
 
V1 V2
P =a b
b y !
λ1 0
dans la proposition 4.1.3 ci-dessus on obtient D =
0 λ2
• En posant
V1 V2 V3
 
a b u
P =
 
b y v


c z w
 
λ1 0 0
dans la proposition 4.1.4 ci-dessus on obtient D =  0 λ2 0 
 

0 0 λ3

4.2 Polynôme caractéristique d’une matrice carrée

4.2.1 Définition
On appelle polynôme caractéristique d’une matrice A le determinant de la matrice A −
XIn .On le note PA (X).On a donc

PA (X) = det(A − XIn )

4.2.2 Exemples
!
a b
• Pour A = on a
c d
a−X b
PA (X) = = (a − X)(d − X) − bc = X 2 − (a + d)X + ad − bc
c d−X
Donc, pour toute matrice carrée A d’ordre 2 on a

PA (X) = X 2 − tr(A)X + det(A)

 
1 2 3
 1 −3 2
• Pour A =  

−2 1 2
on a
1−X 2 3
PA (X) = 1 −3 − X 2 = −X 2 + 17X − 5
−2 1 2−X

4.2.3 Proposition
Une matrice carrée est non inversible si et seulement si 0 est valeur propre de A

BTS 2 30 ESC Ouaga 2018-2019

Dr [Link] Chapitre 4. Diagonalisation des matrices carrées

4.2.4 Proposition
Deux matrices semblables ont le même polynôme caractéristique.
La réciproque est fausse.

4.2.5 Polynôme de matrices

Soit P (X) = an X n + an−1 X n−1 + · · · + a1 X + a0 un polynôme dans R[X].On définit la
matrice P (A) par
P (A) = An X n + An−1 X n−1 + · · · + A1 X + a0 I

[Link] Théorème de Cayley Hamilton

Pour toute matrice carrée A on a PA (A) = 0

[Link] Théorème
Les valeurs propres de A ∈ M( R) sont les racines de PA (X) dans R

[Link] Proposition
Soit A une matrice carrée d’ordre [Link] PA admet n racines deux à deux distinctes alors
A est diagonalisable

[Link] Théorème
Soit A une matrice carrée d’ordre n et de polynôme caractéristique PA . On suppose que
PA se décompose sous la forme
PA = (−1)n (X − λ1 )n1 (X − λ2 )n2 · · · (X − λp )np
Alors A est diagonalisable si et seulement si pour toute valeur propre λi la dimension de Eλi
est égale à la ni

4.3 Application
4.3.1 Calcul de An
Si A est diagonalisable alors il existe une matrice diagonalisable D et une matrice inversible
P telle que A = P DP −1 . Alors pour tout entier naturel n on a An = P Dn P −1 . Comme Dn
se calcule aisément on en déduit An grâce à la relation ci-dessus

[Link] Résolution des systèmes différentiels

On considère un système différentiel linéaire
(S) X 0 (t) = AX(t)
On suppose que A est [Link] A = P DP −1 avec D [Link]
X 0 (t) = AX(t) ⇐⇒ X 0 (t) = P DP −1 X(t) ⇐⇒ P −1 X 0 (t) = DP −1 X(t)
On pose Y (t) = P −1 X(t). Ainsi Y 0 (t) = P −1 X 0 (t) et donc
(S) ⇐⇒ Y 0 (t) = DY (t)
Comme D est diagonalisable,ce système se résoud facilement et on en déduit la solution de
(S) : X(t) = P Y (t)

BTS 2 31 ESC Ouaga 2018-2019

Dr [Link] Chapitre 4. Diagonalisation des matrices carrées

[Link] Exemples
!
2 −4
• A=
3 −5
Le polynôme caractéristique de A est : PA (X) = X 2 + 3X + 2. Les valeurs propres sont
-1 et -2
Les sous espaces
( !) propres de A sont
( : !)
4 1
E−1 = Vect , E−2 = Vect
3 1
!
2 7
• A=
6 3
Le polynôme caractéristique de A est PA (X) = X 2 − 5X − 36
Les sous espaces
( propres
!) de A sont
( : !)
−7 1
E−4 = Vect , E9 = Vect
6 1
 
0 0 4
• A = 1 2 1 
 

2 4 −2
Le polynôme caractéristique de A est PA (X) = X 3 − 16X
Les sous espaces
 propres
 de A sont
:    

 −2 
  −1 
   1 
 
E0 = Vect  1  , E−4 = Vect  0  , E4 = Vect 1
     
     

0  
1  
1 
 
2 3 −3
• A = −1 0 1 
 

−1 1 0
Le polynôme caractéristique de A est PA (X) = −X 3 + 2X 2 + X − 2
Les sous espaces
  propres
 de A sont
:   

 1 
  0 
   −1 
 
E−1 = Vect 0 , E−4 = Vect 1 , E4 = Vect  1 
     
  

1  
1  
1 
 
1 −1 −1
• A = −1 1 −1


−1 −1 1
Le polynôme caractéristique de A est PA (X) = −X 3 + 3X 2 − 4
Les sous espaces
  propres
 de A sont
 :   

 1 
  0
 −1 
E−1 = Vect 1 , E2 = Vect 1 ,  1 
     

1  
1 0 

BTS 2 32 ESC Ouaga 2018-2019

Chapitre 5
Fonctions numériques de deux variables

5.1 Généralités
À Définition
On appelle fonction numérique de deux variables réelles toute fonction f de R2 dans
[Link] appelle domaine de définition d’une telle fonction l’ensemble des couples (x, y)
de R2 tels que f (x, y) existe
Á Exemples
• Toute fonction polynômiale de deux variables est définie sur R2
f (x, y) = x2 y + y 3 + xy + 3x + y + 17 =⇒ Df = R2
• Toute fonction rationnelle de deux variables est définie sur l’ensemble des couples qui
n’annulent pas le dénominateur
x2 + y 2
f (x, y) = =⇒ Df = {(x, y) ∈ R2 /x − y 6= 0}
x−y
√
• Si f (x, y) = x + y + 5 alors Df = {(x, y) ∈ R2 /x + y + 5 ≥ 0}
x−y
• Si f (x, y) = 2 alors Df = R2 − {(0, 0)}
x + y2
 Représentation graphique
La représentation graphique est en général une surface dans l’espace.C’est l’ensemble
des points (x, y, z = f (x, y)) où (x, y) parcourt le domaine de définition de f

5.2 Limites et continuité

5.2.1 Limites
Soient M (x, y) et M0 (x0 , y0 ) deux points du plan [Link] définit la distance du point
M0 au point M par : q
M0 M = (x − x0 )2 + (y − y0 )2
On dira que (x, y) −→ (x0 , y0 ) si M0 M −→ 0
À Définition
On dit que f admet pour limite au point M0 un réel l si
∀ ε > 0, ∃ η; M0 M < η =⇒ |f (x, y) − l| < ε
Alors l est unique et on note lim f (x, y) = l
(x,y)→(x0 ,y0 )

33
Dr [Link] Chapitre 5. Fonctions numériques de deux variables

Á Exemple
lim (x3 − y ln x + 2y − x − 6) = −4
(x,y)→(1,1)

5.2.2 Continuité
À Définition
Une fonction de deux variables est dite continue en un point (x0 , y0 ) de son domaine
de définition si :
lim f (x, y) = (x0 , y0 )
(x,y)→(x0 ,y0 )

Á Théorème
• Une fonction composée de fonctions continue est continue partout où elle est définie
• Une fonction polynômiale à deux variables est continue sur R2
• Une fonction rationnelle à deux variables est continue partout où elle est définie

5.3 Dérivées partielles

Soit f une fonction numérique de deux variables et (x0 , y0 ) ∈ Df

5.3.1 Dérivées partielles d’ordre 1

À Définition
Si la fonction x 7−→ f (x, y0 ) est dérivable en x0 ,on dit que f admet un nombre dérivé
partiel d’ordre 1 au point (x0 , y0 ) par rapport à la première variable et on note
∂f f (x, y0 ) − f (x0 , y0 ) f (x0 + h, y0 ) − f (x0 , y0 )
(x0 , y0 ) = lim = lim = fx0 (x0 , y0 )
∂x x→x 0 x − x0 x→x 0 h
La fonction x 7−→ fx0 (x, y) est appelé la fonction dérivée partielle d’ordre 1 de f par
rapport à la première variable.
On définit de façon analogue le nombre dérivé partiel et la fonction dérivée partielle
d’ordre 1 de f par rapport à la deuxième variable
∂f f (x0 , y) − f (x0 , y0 ) f (x0 , y0 + k) − f (x0 , y0 )
(x0 , y0 ) = lim = lim = fy0 (x0 , y0 )
∂y y→y0 y − y0 y→y 0 k
et
x 7−→ fy0 (x, y)
Á Remarque
∂f
Pour calculer (x, y) on suppose que y est une constante et on on dérive par rapport
∂x
∂f
à x. De même pour calculer (x, y) on suppose que x est une constante et on dérive
∂y
par rapport à y
 Exemples
∂f 2x ∂f
• Pour calculer f (x, y) = x2 y+2ex +ln(x2 +1) on a : (x, y) = 2xy+ 2 et (x, y) =
∂x x +1 ∂y
x2 + 2ey
x
• Pour f (x, y) = 2 on a :
x + y2
∂f y 2 − x2 ∂f 2y
(x, y) = 2 2 2
et (x, y) = − 2
∂x (x + y ) ∂y (x + y 2 )2

BTS 2 34 ESC Ouaga 2018-2019

Dr [Link] Chapitre 5. Fonctions numériques de deux variables

à Fonction de classe C 1
Si f admet des dérivées partielles continues sur un sous-ensemble D de R2 ,on dit que
f est de classe C 1 sur D
Ä Développement limité (DL)d’ordre 1
Si f est de classe C 1 alors f admet un DL d’ordre 1 donné par :
√
f (x0 + h, y0 + k) = f (x0 , y0 ) + hfx0 (x0 , y0 ) + kfy0 (x0 , y0 ) + h2 + k 2 ε(h, k)

avec
lim ε(h, k)
(h,k)→(0,0)

5.3.2 Dérivées partielles d’ordre 2

À Définition
∂f ∂f
Si les fonctions et admettent des dérivées partielles on dit que f admet des
∂x ∂y
dérivées partielles d’ordre 2
!
∂f 2 ∂ ∂f
(x, y) = (x, y)
∂x2 ∂x ∂x
!
∂f 2 ∂ ∂f
(x, y) = (x, y)
∂x∂y ∂x ∂y
!
∂f 2 ∂ ∂f
(x, y) = (x, y)
∂y∂x ∂y ∂x
!
∂f 2 ∂ ∂f
(x, y) = (x, y)
∂y 2 ∂y ∂y

Á Exemple
Soit f (x, y) = x2 y + xexy + 3xy 2 + x + y + 9 on a :

∂f ∂f
(x, y) = 2xy + exy + xyexy + 3y 2 + 1 et (x, y) = x2 + x2 exy + 6xy + 1
∂x ∂y

Donc
∂f 2
(x, y) = 2y + 2yexy + x2 yexy
∂x2

∂f 2
(x, y) = 2x + 2xexy + x2 yexy + 6y
∂x∂y

∂f 2
(x, y) = 2x + 2xexy + x2 yexy + 6y
∂y∂x

∂f 2
(x, y) = x3 exy + 6x
∂y 2
 Fonction de classe C 2
Si f admet des dérivées partielles secondes continues sur un sous-ensemble D de R2 ,on
dit que f est de classe C 2 sur D

BTS 2 35 ESC Ouaga 2018-2019

Dr [Link] Chapitre 5. Fonctions numériques de deux variables

à Théorème de Schwarz
Si une fonction f admet,en un point M0 (x0 , y0 ) de R2 des dérivées partielles secondes
par rapport aux variables x et y,et que ces dérivées partielles secondes sont continues
en M0 ,alors :
∂f 2 ∂f 2
(x, y) = (x, y)
∂x∂y ∂y∂x
L’ordre de dérivation n’influe pas sur les dérivées partielles dans ce cas
Ä DL d’ordre 2
Si f est de classe C 2 alors f admet un Dl d’ordre 2 donné par :

f (x0 + h, y0 + k) = f (x0 ; y0 ) + hfx0 (x0 , y0 ) + kfy0 (x0 , y0 )

1 2 00
h
00
i
+ h fx2 (x0 , y0 ) + 2hkfxy (x0 , y0 ) + k 2 fy002 (x0 , y0 )
2
+(h2 + k 2 )ε(h, k)
avec
lim ε(h, k)
(h,k)→(0,0)

Å Définition
∂f ∂f
L’application (h, k) 7−→ h (x0 , y0 ) + k (x0 , y0 ) est une application linéaire de R2
∂x ∂y
dans R2
On l’appelle, différentielle de f au point M0 noté dfM0

5.4 Extréma
5.4.1 Définitions
On dit que f présente un maximum (resp minimum) au point (x0 , y0 ) sur un domaine D
si
∀ (x, y) ∈ D, f (x, y) ≤ f (x0 , y0 ) (resp.f (x, y) ≥ f (x0 , y0 ))
On dit que f présente un extrémum au point (x0 , y0 ) sur D si ce point correspond à un
maximum ou à un minimum.

[Link] Proposition
Si f est C 1 sur D et si (x0 , y0 ) est un extrémum de f sur D alors :

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

[Link] Définition
∂f ∂f
Tout point (x0 , y0 ) tel que (x0 , y0 ) = 0 et (x0 , y0 ) = 0 est appelé point critique de f
∂x ∂y
Pour déterminer les points critiques on résous le système suivant :

∂f
=0



∂x




 ∂f
=0



∂y


BTS 2 36 ESC Ouaga 2018-2019

Dr [Link] Chapitre 5. Fonctions numériques de deux variables

[Link] Théorème
Soit f ,une fonction de classe C 2 sur un domaine D de R2 .Soit M0 = (x0 , y0 ),un point
critique de f .
Posons
∂ 2f ∂ 2f ∂ 2f
a= (x ,
0 0y ); b = (x ,
0 0y ); c = (x0 , y0 )
∂x2 ∂x∂y ∂y 2
On définit ainsi le suivant Hf (M0 ) = ac − b2 appelé le hessien de f
1er Cas :Hf (M0 ) > 0
Alors f présente un extrémum en M0
Si a > 0 il s’agit d’un minimum
Si a < 0 il s’agit d’un maximum
2ème Cas :Hf (M0 ) < 0
Alors f ne présente pas d’extrémum en M0
3ème Cas :Hf (M0 ) = 0
On ne peut pas conclure à priori

Exemple d’étude d’extrema

On considère la fonction numérique f , deux variables, définie sur R2 par :

f (x, y) = x2 + y 3 − 2xy − 3x − y + 9

1. Calculer les dérivées partielles d’ordre 1 de f .

2. Calculer les dérivées partielles d’ordre 2 de f .
3. Quels sont les points critiques de la fonction f ?
4. Déterminer les extrema de cette fonction.
Solution
1. Dérivées partielles d’ordre 1 de f

∂f ∂f
(x, y) = 2x − 2y, (x, y) = 3y 2 − 2x − 1
∂x ∂y

2. Dérivées partielles d’ordre 2 de f

• !
∂f 2 ∂ ∂f ∂
2
(x, y) = (x, y) = (2x − 2y) = 2
∂x ∂x ∂x ∂x
• !
∂f 2 ∂ ∂f ∂  2 
(x, y) = (x, y) = 3y − 2x − 1 = −2
∂x∂y ∂x ∂y ∂x
• !
∂f 2 ∂ ∂f ∂
(x, y) = (x, y) = (2x − 2y) = −2
∂y∂x ∂y ∂x ∂y
• !
∂f 2 ∂ ∂f ∂  2 
2
(x, y) = (x, y) = 3y − 2x − 1 = 6y
∂y ∂y ∂y ∂y

BTS 2 37 ESC Ouaga 2018-2019

Dr [Link] Chapitre 5. Fonctions numériques de deux variables

3. Points partielles 
∂f
=0

 
2x − 2y = 0 (1)

∂x

 
 
⇒

 ∂f 
3y 2 − 2x − 1 = 0 (2)
=0



∂y


De (1) on a : x = y. En remplaçant y dans (2) on a : 3x2 − 2x − 1 = 0, ∆ = 16, par

1
suite x = 1 ou x = −
3
1 1
 
Donc les points critiques sont A(1, 1) et B − , −
3 3
4. Étude d’extema
• Au point A(1, 1)

∂ 2f
a = (1, 1) = 2
∂x2
∂ 2f
b = (1, 1) = −2
∂x∂y
∂ 2f
c = (1, 1) = 6
∂y 2

Par suite Hf (A) = ac − b2 = 8 > 0 et a = 2 > 0. Donc f admet un minimum au

point A(1, 1).
1 1
 
• Au point B − , −
3 3
∂ 2f 1 1
 
a = 2
− ,− =2
∂x 3 3
∂ 2f 1 1
 
b = − ,− = −2
∂x∂y 3 3
∂ 2f 1 1
 
c = − ,− = −2
∂y 2 3 3

Par suite Hf (A) = ac − b2 = −8 < 0. Donc f n’admet pas d’extremum au point

1 1
 
B − ,− .
3 3

BTS 2 38 ESC Ouaga 2018-2019