UNIVERSITE IBN TOFAIL
Filière Sciences Economiques et Gestion
Semestre S1
Module : Analyse Mathématiques
Année universitaire 2022-2023
Section C et D
Chapitre III
M. Y. LHACHIMI
Chapitre III: Fonctions de plusieurs variables
III.1 Domaine de définition
III.2 Dérivées partielles
A. Dérivées partielles d’ordre 1
B. Vecteur de gradient
C. Dérivées partielles d’ordre 2
III.3 Fonctions homogènes
III.4 Optimisation d’une fonction à deux
variables ou Recherche d’Extrema
Définition :
1. Domaine de définition :
Exemple :
𝑫𝒇 = 𝒙, 𝒚 ∈ ℝ𝟐 𝐱 > 𝟎 𝐞𝐭 𝐲 > 𝟎}
x Y
Exercice d’application :
Déterminer et représenter le domaine de définition
de la fonction :
1) 𝑓 x, y = ln (𝑥 + 𝑦)
Correction :
𝐷𝑓 = 𝑥, 𝑦 ∈ ℝ2 | 𝑥 + 𝑦 > 0
• Limite
Une fonction 𝑓(𝑥, 𝑦) admet une limite 𝑎 en
(𝑥0 , 𝑦0 ) si lorsque (𝑥, 𝑦) tend vers (𝑥0 , 𝑦0 ),
𝑓(𝑥, 𝑦) tend vers 𝑎.
• Continuité
Une fonction 𝑓(𝑥, 𝑦) est dite continue en
(𝑥0 , 𝑦0 ) si lorsque (𝑥, 𝑦) tend vers (𝑥0 , 𝑦0 ),
𝑓(𝑥, 𝑦) tend vers𝑓(𝑥0 , 𝑦0 ).
2. Dérivées partielles
A) Dérivées partielles d’ordre 1
𝜕𝑓
• 𝑥, 𝑦 : La dérivée par rapport à 𝑥, 𝑦 étant considéré constant, se note aussi ∶ 𝜕𝑥 𝑓 ou 𝑓′𝑥
𝜕𝑥
𝜕𝑓
• 𝜕𝑦
𝑥, 𝑦 : La dérivée par rapport à 𝑦, 𝑥 étant considéré constant, se note aussi ∶ 𝜕𝑦 𝑓 ou 𝑓′𝑦
2. Dérivées partielles
A) Dérivées partielles d’ordre 1
Exemple :
Soit 𝑓(𝑥, 𝑦) = 4 − 𝑥² − 2𝑦².
Calculons les dérivées partielles :
𝜕𝑥 𝑓 𝑥, 𝑦 = −2𝑥 (car 𝑦 est considérée constante)
𝜕𝑦 𝑓 𝑥, 𝑦 = −4𝑦 (car 𝑥 est considérée constante)
Exercice d’application :
Soit 𝑓 𝑥, 𝑦 = 3𝑥 2 + 𝑥𝑦 − 2𝑦2 .
1. Déterminer 𝐷𝑓.
2. Calculer les dérivées partielles :
𝜕𝑥 𝑓 𝑥, 𝑦 𝑒𝑡 𝜕𝑦 𝑓 𝑥, 𝑦
Correction :
1. 𝐷𝑓 = ℝ2 .
2. 𝜕𝑥 𝑓 𝑥, 𝑦 = 6𝑥 + 𝑦 et 𝜕𝑦 𝑓 𝑥, 𝑦 = 𝑥 − 4𝑦
2. Dérivées partielles
B) vecteur gradient
Définition : (vecteur gradient)
• Le gradient de 𝑓 𝑒𝑛 𝑥0, 𝑦0 , noté 𝛻𝑓 𝑥0, 𝑦0 ou encore 𝒈𝒓𝒂𝒅𝑓 𝑥0, 𝑦0 , est le
vecteur dont les composantes sont les dérivées partielles premières.
Autrement dit :
𝜕𝑓 𝜕𝑓
𝒈𝒓𝒂𝒅𝑓 𝑥0, 𝑦0 = 𝛻𝑓 𝑥0, 𝑦0 = 𝜕𝑥
𝑥0, 𝑦0 , 𝜕𝑦 𝑥0, 𝑦0
Astuce :
• En pratique, pour calculer la dérivée partielle 𝜕𝑥 𝑓 (resp. 𝜕𝑦 𝑓), on dérivé 𝑓 comme
si elle était une fonction de la seule variable 𝑥 (resp. 𝑦) et que l’autre variable, 𝑦
(resp. 𝑥), était une constante.
Exemple :
• Soit 𝑓(𝑥, 𝑦) = 4 − 𝑥² − 2𝑦². Déterminer le vecteur gradient de 𝒇 en point (1,1)
𝜕𝑥 𝑓 𝑥, 𝑦 = −2𝑥 𝜕𝑥 𝑓 1,1 = −2
𝜕𝑦 𝑓 𝑥, 𝑦 = −4𝑦 𝜕𝑦𝑓 1,1 = −4
Le gradient de 𝑓 en (1,1)
𝜕𝑓 𝜕𝑓
𝛻𝑓 1,1 = 1,1 , 1,1 = (−2, −4)
𝜕𝑥 𝜕𝑦
2. Dérivées partielles
C) Dérivées partielles d’ordre 2
Les dérivées partielles secondes (ou dérivées partielles d’ordre 2) sont les dérivées
partielles des dérivées partielles.
Notation :
Théorème de Schwarz : Si 𝑓 admet des dérivées partielles secondes continues, alors :
Exemple :
3. Les fonctions homogènes :
Définition :
Exemple 1 :
Exercice d’application :
𝑦
Soit 𝑓(𝑥, 𝑦) =
𝑥 5 +𝑦 5
Monter que 𝑓 est homogène de degré −4.
Correction :
3. Les fonctions homogènes : Règle pratique
3. Les fonctions homogènes : (Le Théorème d’Euler )
Exemple :
4. Optimisation d’une fonction à deux variables ou Recherche d’Extrema
A. Définitions :
4. Optimisation d’une fonction à deux variables ou Recherche d’Extrema
B. Extrémums « locaux » libres (Optimisation sans contrainte)
Lorsqu’on veut optimiser une fonction 𝑓 de deux variables sans contrainte,
c’est-à-dire, lorsqu’on cherche les extrémums « locaux » de la fonction
𝑓 sachant que les variables 𝑥 et 𝑦 sont indépendantes ou libres:
a) On cherche le domaine de définition de 𝑓.
Etape 1 :
b) On cherche les points stationnaires de 𝑓 (on vérifie alors que les points
stationnaires sont dans le domaine).
c) On calcule la matrice hessienne 𝐻(𝑥, 𝑦) de 𝑓.
Etape 2 : d) On calcule 𝐷𝑒𝑡 𝐻(𝑥, 𝑦).
e) Et pour chacun des
2
points stationnaires, on détermine le signe de ,
𝜕 𝑓
2 Det 𝐻 𝑥, 𝑦 et 2 𝑥0 , 𝑦0 .
𝜕𝑥
Méthode à suivre :
Etape 1 : Recherche des candidats (Condition nécessaire du premier ordre)
Etape2: Nature des candidats (Condition suffisante du second ordre)
4. Optimisation d’une fonction à deux variables ou Recherche d’Extrema
B. Extrémums « locaux » libres (Optimisation sans contrainte)
Etape 1 : Recherche des candidats (Condition nécessaire du premier ordre)
a) Domaine de définition
b)
Ou 𝛻𝑓 𝑥0, 𝑦0 = 0
4. Optimisation d’une fonction à deux variables ou Recherche d’Extrema
B. Extrémums « locaux » libres (Optimisation sans contrainte)
Etape2: Nature des candidats (Condition suffisante du second ordre)
c)
d) Déterminent de la matrice Hessienne 𝐻 𝑥0, 𝑦0 est :
2
𝜕2𝑓 𝜕2𝑓 𝜕2 𝑓
𝐷𝑒𝑡 𝐻 𝑥0, 𝑦0 = 2 𝑥0, 𝑦0 . 2 𝑥0, 𝑦0 − (𝑥 , 𝑦 )
𝜕𝑥 𝜕𝑦 𝜕𝑥𝜕𝑦 0 0
4. Optimisation d’une fonction à deux variables ou Recherche d’Extrema
B. Extrémums « locaux » libres (Optimisation sans contrainte)
Etape2: Nature des candidats (Condition suffisante du second ordre)
e) Enfin, on applique les critères suivantes :
𝜕2 𝑓 Alors la fonction 𝒇
𝑥 ,𝑦 < 0
𝜕𝑥 2 0 0 admet un maximum
local en 𝒙𝟎 , 𝒚𝟎 .
Si 𝐷𝑒𝑡 𝐻 𝑥0, 𝑦0 > 0 et
𝜕2 𝑓 Alors la fonction 𝒇
𝑥 ,𝑦 > 0
𝜕𝑥 2 0 0 admet un minimum
local en 𝒙𝟎 , 𝒚𝟎 .
Alors la fonction 𝑓 n’admet pas d’extrémum en
Si 𝐷𝑒𝑡 𝐻 𝑥0, 𝑦0 < 0 𝑥0, 𝑦0 c-à-d 𝑓 présente un col ou un point- selle en
𝑥0, 𝑦0 .
Alors on ne peut pas conclure. Dans ce cas, il faut
Si 𝐷𝑒𝑡 𝐻 𝑥0, 𝑦0 = 0 utiliser d’autres techniques
4. Optimisation d’une fonction à deux variables ou Recherche d’Extrema
B. Extrémums « locaux » libres (Optimisation sans contrainte)
Exemple :
4. Optimisation d’une fonction à deux variables ou Recherche d’Extrema
B. Extrémums « locaux » libres (Optimisation sans contrainte)
Exemple (suite) :
Exercice d’application :
Déterminer les extrema libres de la fonction
𝑓 𝑥, 𝑦 = 𝑥 2 + 𝑦 3 − 2𝑥𝑦 − 𝑦 dans ℝ2
Correction :
Modèle d’examen
