7 janvier 2011 1

1 Applications différentiables
1.0 Espace vectoriel normé et applications linéaires
Définition 1.1 (Espaces vectoriels normés) Soit E un espace vectoriel (réel). Une
norme sur E est une fonction réelle

N : E −→ R

qui vérifie les propriétés suivantes :

1. N (x) ≥ 0 pour tout x ∈ E.
2. N (x) = 0 si et seulement si x = 0.
3. N (λx) = |λ|N (x) pour tout x ∈ E et λ ∈ R .
4. N (x + y) ≤ N (x) + N (y) (l’inégalité triangulaire)

Définition 1.2 Un espace vectoriel E muni d’une norme k · k est appelé espace vecto-
riel normé (en abrégé evn).
Noté (E, k · k) ou tout simplement E s’il n’y a pas de risque de confusion.

Remarque : On notera comme d’habitude, la norme d’un élément x ∈ E par k x k

plutôt que N (x).
Remarque : Soit (E, k · k) un evn. Il est facile à vérifier que la formule d(x, y) =
k x − y k définit une fonction de distance (métrique) sur E, appelé la fonction de dis-
tance induite par la norme, ou associée à la norme.
La norme k x k est la distance entre x et zéro : k x k = d(x, 0).
Remarque : L’inégalité triangulaire entraı̂ne |kxk − kyk| ≤ kx − yk (montrer-le),
comme conséquence, la norme k.k : E −→ R est une fonction continue sur l’espace
normé E.
La norme sur un espace normé non-trivial E 6= {0} n’est jamais bornée. En effet,
si x ∈ E, x 6= 0, alors k x k =
6 0, et pour λ −→ ∞ on aura k λx k = |λ|k x k −→ ∞
aussi.

Exemple 1.0.1 Le droite R muni de la valeur absolue |x| est un espace normé réel de
dimension 1.
L’ensemble C des nombres complexes z = <ez + i=mz, <ez, =mz ∈ R, est un
espace vectoriel réel de dimension 2. Muni de la norme
p
k z k = |z| = <ez 2 + =mz 2

est un espace normé complexe.

Soit n ∈ N. L’espace vectoriel Rn sera toujours supposé muni de la base canonique

     
1 0 0
 0   1   0 
     
 .  , e2 =  0  , . . . , en =  .  .
e1 =      
 .   .   . 
0 0 1
 2

 
x1

 . 

n
Les normes usuelles sur R sont pour x = 
 . 

 . 
xn
kxk∞ = sup {|x1 |, . . . , |xn |}

kxk1 = |x1 | + . . . + |xn |

p
kxk2 = |x1 |2 + . . . + |xn |2
et plus généralement, pour p ≥ 1,
1
kxkp = (|x1 |p + . . . + |xn |p ) p

Définition 1.0.2 On dira que deux normes k.k et k.k0 sur E sont équivalentes s’il
existe des constantes C1 > 0 et C2 > 0 telles que

∀x ∈ E, C1 kxk ≤ kxk0 ≤ C2 kxk

Exercice 1.0.3 Vérifier l’équivalence entre les normes définies ci-dessus.

1
Ind. Montrer que kxk∞ ≤ kxkp ≤ n p kxk∞ .

Théorème 1.1 Sur les espaces vectoriels de dimension finie, toutes les normes sont
équivalentes (et seuls les espaces vectoriels de dimension finie ont cette propriété).

Démonstration : Si E = Rn il suffit de montrer que toute norme k.k sur Rn est

k.k∞ .
équivalente àP
n Pn Pn Pn
Soit x = i=1 xi ei , alors kxkP = k i=1 xi ei k ≤ i=1 |xi |kei k ≤ kxk∞ i=1 kei k,
n
d’où kxk ≤ C1 kxk∞ avec C1 = i=1 kei k.
Pour montrer l’autre inégalité, on pose φ(x) = kxk, d’après l’inégalité triangulaire
on |φ(x) − φ(y)| ≤ kx − yk, ainsi |φ(x) − φ(y)| ≤ C1 kx − yk∞ , ce qui entraı̂ne que
φ est une application continue.
Comme S = {x ∈ Rn , kxk∞ = 1} est compact, il existe C2 > 0 tel que
C2 ≤ |φ(x)| pour tout x ∈ S.  
x x
Maintenant, pour x ∈ R \ {0}, on a kxk∞ ∈ S, d’où C2 ≤ φ kxk∞ c-à-d
C2 kxk∞ ≤ kxk, d’où la deuxième inégalité. Pour le cas général en se ramène au cas
de Rn en utilisant 1.10

Définition 1.0.4 (Boules, voisinages, ouverts, fermés) .

Soit (E, k · k un espace vectoriel normé.
Soit a ∈ E et r > 0. Une boule ouverte B(a, r) de centre a et de rayon r est le
sous-ensemble de E défini par B(a, r) = {x ∈ E; kx − ak < r}.
On appellera simplement ces ensembles des boules.
Une boule fermée B̄(a, r) de centre a et de rayon r est le sous-ensemble de E
défini par B̄(a, r) = {x ∈ E; kx − ak ≤ r}.
Soit a ∈ E. Un sous-ensemble V ⊂ E est un voisinage de a dans E s’il existe
r > 0 tel que la boule B(a, r) de centre a et de rayon r est contenue dans V.
 3

On notera V(a) l’ensemble des voisinages de a.

Un sous-ensemble de E est un ouvert de E s’il est voisinage de chacun de ses
points.
Un sous-ensemble de E est un fermé de E si son complémentaire dans E est un
ouvert.

Exercice 1.0.5 Montrer que U = {(x, y) ∈ R2 | y > x2 } est un ouvert de R2 et que

F = {(x, y) ∈ R2 | y ≤ x2 } est un fermé de R2 .

Exercice 1.0.6 Montrer qu’une boule ouverte B(a, r) est un ouvert et qu’une boule
fermée B̄(a, r) est un fermé.

Exemple 1.0.7 Dans le cas où E = E1 × E2 × . . . × En avec E1 , E2 , . . . , En des

espaces vectoriels normé, on peut munir E de la norme :
 
x1
 .  n
  X
∀x =   .  ∈ E, kxk =
 kxi ki
 .  i=1
xn
où k.ki est la norme de Ei .

Définition 1.0.8 (Convergence dans un espace vectoriel normé) .

On dit qu’une suite (xk )k∈N de vecteurs d’un espace vectoriel normé E converge
vers un vecteur a ∈ E, si la suite de nombres réels (kxk − ak)k∈N converge vers 0
dans R i.e. lim kxk − ak = 0.
k−→+∞

Ce qui se traduit en termes de ε, N par :

∀ε > 0, ∃N ∈ N, tel que k ≥ N ⇒ kxk − ak ≤ ε

Proposition 1.2 Dans le cas E = Rn , une suite xk = (xk1 , . . . , xkn ) converge vers un
point a = (a1 , . . . , an ) si et seulement si ∀i ∈ {1, . . . , n}, lim xki = ai .
k−→+∞

Démonstration 1.3 Demontrer cette proposition.

On dit qu’une suite (xn )n∈N est de Cauchy si

∀ε > 0, ∃N ∈ N, tel que p, q ≥ N ⇒ kxp − xq k ≤ ε

Proposition 1.4 Toute suite convergente est de Cauchy.

La réciproque est fausse en général.

On dit qu’un espace vectoriel normé est complet si toute suite de Cauchy converge.
Les espaces vectoriels normés complets sont appelés des espaces de Banach.

Proposition 1.5 Les espaces vectoriels normés de dimension finie sont complets.

Définition 1.0.9 (Fonctions continues) . Soit E et F deux espaces vectoriels normés.

Soit D un sous-ensemble de E. Une fonction f : D −→ F définie sur D à valeurs
dans F est continue en a ∈ D si :

∀ε > 0, ∃η > 0, tel que kx − ak ≤ η ⇒ kf (x) − f (a)k ≤ ε

 4

Cette propriété s’exprime aussi en disant que pour chaque boule B(f (a), ε), il
existe une boule B(a, η) telle que f (B(a, η)) ⊂ B(f (a), ε).
ou encore : f est continue en a ∈ D si et seulement si pour toute suite (xn )n∈N de
D convergeant vers a dans E, la suite (f (xn ))n∈N converge vers f (a) dans F .
On dit que f est continue sur D si f est continue en tout point a ∈ D.
On notera C(D; F ) l’ensemble des fonctions continue de D dans F .

Exercice 1.0.10 Montrer que la somme, le produit et la composition de deux fonctions

continues sont continues.

Définition 1.0.11 (Graphe) Soient A et B deux ensembles et f : A −→ B une appli-

cation. Le graphe de f est le sous ensemble de A × B défini par
G(f ) := {(x, y), x ∈ A}.

Définition 1.0.12 (Applications Linéaires) L’espace vectoriel des applications linéaires

continues de E dans F sera noté L(E, F ) ou plus simplement L(E) si E = F .
La valeur d’un élément T ∈ L(E, F ) en un point x ∈ E sera notée T x.

On munit L(E, F ) d’une norme définie par

kT kE,F = sup{kT xkF ; kxkE ≤ 1}

S’il n’y a pas de confusion possible, on notera simplement kT k cette norme.
En particulier, si F = R, l’espace des formes linéaires continues E 0 = L(E, R) est
appelé le dual de E une norme sur E 0 est définie par : pour φ ∈ E 0
kφk = sup{kφ(x)k; kxk ≤ 1}.
Exercice 1.0.13 Vérifier que la norme du dual L(Rn , R) de Rn muni de la norme k.k1
est la norme k.k∞ et réciproquement.

Proposition 1.6 Une application linéaire est continue si et seulement si : il existe K ≥

0 telle que kT xkF ≤ KkxkE , pour tout x ∈ E ( i.e. kT kE,F ≤ K) .

Proposition 1.7 Si E est de dimension finie, alors toute application linéaire T de E

dans F est continue.

Démonstration
Pn : SoitP B = {e1 , . . . , enP
} une base de E fixée. Alors
PnkT (x)kF =
n n
kT ( i=1 xi ei )k = k i=1 xi T (ei )k ≤ i=1 |xi |kT (ei )k ≤ kxk∞ ( i=1 kT (ei )k)
d’où il existe K ≥ 0, telle que kT (x)kF ≤ Kkxk pour tout x ∈ E.

Proposition 1.8 Si dim E = dim F est finie, une application linéaire T de E dans F
est bijective si et seulement si elle est injective si et seulement si elle est surjective.

Démonstration 1.9 C’est une conséquence de la relation suivante ( théorème du rang) :

dim(E) = dim(T E) + dim(ker(T ))

Définition 1.0.14 1. On dira qu’une application linéaire de E dans F est un iso-

morphisme si cette application est continue, bijective et son inverse est continue.
2. Une application Φ : E −→ F est une isométrie si pour tout x, y ∈ E on a
kΦ(x) − Φ(y)kF = kx − ykE .
Exercice 1.0.15 Montrer qu’une isométrie est injective et continue.
 5

3. On dit que Φ : E −→ F est un isomorphisme isométrique si c’est à la fois une

isomorphisme et un isométrie.

Théorème 1.10 Soit E un espace vectoriel de dimension n. Alors il existe un isomor-

phisme isométrique de Rn sur E. Plus précisement, soit BP = {e1 , . . . , en } une base de
n
E fixée. On définit sur E une norme en posant, pour x = i=1 xi ei ,
kxk∞ = sup {|x1 |, . . . , |xn |}. On P définit une application linéaire Φ : Rn −→ E, par
n
(x1 , . . . , xn ) 7→ Φ(x1 , . . . , xn ) = i=1 xi ei .
Alors Φ est un isomorphisme isométrique, on peut ainsi identifier tout espace vec-
toriel normé de dimension n à Rn via cet isomorphisme.

Pn Pn
Démonstration
Pn : Φ est linéaire et kΦ(x) − Φ(y)k∞ = k i=1 xi ei − i=1 yi ei k∞ =
k i=1 (xi − yi )ei k∞ = sup {|x1 − y1 |, . . . , |xn − yn |} = kx − yk∞ , d’où Φ est une
isométrie. Par suite, Φ est injective, donc bijective puisque dim E = dim Rn = n. On
remarquera que son inverse Φ−1 est aussi une isométrie.

Définition 1.0.16 Une application affine A : E −→ F est définie par un vecteur

b ∈ F et une application linéaire T : E −→ F telle que

∀x ∈ E, Ax = b + T x.

Définition 1.0.17 : Représentation matricielle en dimension finie

Soient E = Rn et F = Rp . Les coordonnées des vecteurs de Rn dans la base
canonique sont représentés par des matrices n × 1 appelées matrices colonne.
Une application linéaire T : E −→ F est représentée dans les bases canoniques
de Rn et Rp par une matrice p × n, à p lignes et n colonnes. Les vecteurs colonnes
de A sont les coordonées des images par T , des vecteurs de la base initiale, exprimés
dans la base de l’espace d’arrivé.
En particulier, une forme linéaire sur Rn est représentée par des matrices 1 × n,
c-à-d des matrices lignes.
En identifiant les matrices lignes et les matrices colonnes à n éléments, ceci nous
permet d’identifier algébriquement le dual de Rn , l’ensemble des formes linéaires
(Rn )0 = L(Rn , R) avec Rn .
Tout espace vectoriel E de dimension n muni d’une base s’identifie à Rn , par
l’intermédiaire des coordonnées des vecteurs de E sur la base. La représentation ma-
tricielle ci-dessus restent donc valable dans ce cadre.
Par contre, en tant qu’espace normé, le dual de Rn ne s’identifie à lui-même que
s’il est muni de la norme euclidienne i.e. issue d’un produit scalaire.

1.1 Applications différentiables

Dans ce chapitre on va considérer la notion d’applications différentiables de Rn
dans Rm et plus généralement la différentiablité des applications entre espaces vecto-
riels sur R.
Pour une fonction d’une variable réelle f : I −→ R, I intervalle ouvert de R et
a ∈ I, on dit que f est dérivable en a si la limite lorsque x ∈ I \ {a} tends vers a du
rapport f (x)−f
x−a
(a)
existe, on note f 0 (a) cette limite.
De façon équivalente, f est dérivable en a, s’il existe un nombre réel, noté f 0 (a),
0
tel que limx−→a f (x)−f (a)−fx−a
(a)(x−a)
= 0 ou de même
 6

|f (x) − f (a) − f 0 (a)(x − a)|

lim = 0.
x−→a |x − a|
Ceci revient à dire qu’il existe un réel f 0 (a) et une fonction ε : I −→ R qui tends
vers 0 lorsque x tends vers a tels que pour tout x ∈ I :

f (x) − f (a) = f 0 (a)(x − a) + |x − a|ε(x − a).

Que on peut aussi réecrire, en posant h = x − a : il existe un réel f 0 (a) et une fonction
ε : I − a −→ R, qui tend vers 0 lorsque h tend vers 0 tels que pour tout h ∈ I − a :

f (a + h) − f (a) = f 0 (a).h + |h|ε(h).

Remarque 1.3 Ceci nous dit que f est dérivable en a si elle admet un developpement
limité à l’ordre 1 au voisinage de a.
On n’a pas en général la même relation entre l’existence des dérivées d’ordre k ≥ 2
et le developpement limité à l’ordre k. (donner un contre-exemple)

Pour généraliser cette notion aux applications entre espaces vectoriels normés de di-
mension finie (≥ 2) on pose :

Définition 1.1.1 Soit une application f : U −→ F où U est un ouvert de E.

On dit que f est différentiable en a ∈ U s’il existe une application linéaire de
L : E −→ F , telle que

kf (a + h) − f (a) − L.hkF
lim =0 (1.1)
h−→0 khkE
ou de façon équivalente : s’il existe une application linéaire de L : E −→ F , telle
que ∀h ∈ E et a + h ∈ U,

f (a + h) = f (a) + L.h + khk.ε(h) (1.2)

avec lim ε(h) = 0 dans F.

h−→0

Proposition 1.11 Il existe un unique application linéaire L : E −→ F vérifiant 1.2 ou

1.1

Démonstration : Soient L1 et L2 deux applications linéaires de E −→ F vérifiant 1.1

alors

kL1 .h − L2 .hk k(f (a + h) − f (a) − L1 .h) − (f (a + h) − f (a) − L2 .h)k

lim = lim
h−→0 khk h−→0 khk

kf (a + h) − f (a) − L1 .hk kf (a + h) − f (a) − L2 .hk

≤ lim + lim =0
h−→0 khk h−→0 khk
kL1 .x−L2 .xk kL1 .tx−L2 .txk
Maintenant, pour tout x ∈ E \ {0} et t ∈ R∗ on a kxk = ktxk
kL1 .tx−L2 .txk
par suite kL1 .x − L2 .xk = kxk. limt−→0 ktxk = 0, ainsi L1 x = L2 x pour
tout x ∈ E \ {0} c-à-d L1 = L2 . ♣
 7

Définition 1.1.2 1) Si f est différentiable en a, l’application linéaire L : E −→

F , vérifiant 1.1 est appelée la différentielle de f en a et est notée Df (a),
2) L’application affine de E dans F , x 7→ f (a) + Df (a)(x − a) est appelé l’ap-
plication affine tangente à f en a.
3) Soit U un ouvert de E et f : U −→ F une application.
On dit que f est différentiable sur U si elle est différentiable en tout point de U.
On dit que f est de classe C 1 ( ou continûment différentiable ) sur U si elle
est différentiable en tout point de U et si l’application :
Df : U −→ L(E; F ), x 7→ Df (x) est continue.

Proposition 1.12 Une application différentiable en un point est continue en ce point.

Démonstration 1.13 Comme h 7→ Df (a)h est linéaire et continue et lim ε(h) = 0

h−→0
on aura

lim f (a + h) − f (a) = lim Df (a)h + lim khkε(h) = 0

h−→0 h−→0 h−→0

D’où la continuité de f en a.♣

Exemple 1.1.3 Une application réelle définie sur un voisinage de a ∈ R est différentiable
en a si elle est dérivable en a et sa différentielle est l’application linéaire de R dans R
représenter par la multiplication par le réel f 0 (a), i.e. l’application x 7→ f 0 (a).x

Exemple 1.1.4 1) Soit E = R2 et F = R. L’application f : R2 −→ R définie

par f (x, y) = xy est différentiable en tout point (x0 , y0 ) ∈ R2 et sa dérivée en
(x0 , y0 ) est l’application linéaire de R2 dans R telle que
 
h1
Df (x0 , y0 )(h1 , h2 ) = y0 h1 + x0 h2 = (y0 , x0 )
h2
2) Soient E = F = R2 .
L’application f : R2 −→ R2 telle que f (x, y) = (x + y, xy) est différentiable
en tout point (x0 , y0 ) ∈ R2 et sa dérivée en (x0 , y0 ) est l’application linéaire de
R2 −→ R2 telle que

  
1 1 h1
Df (x0 , y0 )(h1 , h2 ) = (h1 + h2 , y0 h1 + x0 h2 ) =
y0 x0 h2

Démonstration 1.14 1) En effet, on peut écrire :

f (x0 + h1 , y0 + h2 ) − f (x0 , y0 ) − (y0 h1 + x0 h2 ) =

(x0 + h1 )(y0 + h2 ) − x0 y0 − (y0 h1 + x0 h2 ) = h1 h2
et on a |h1 h2 | ≤ 21 (|h1 |2 + |h2 |2 ) = 12 k(h1 , h2 )k22
2) De la même façon, on écrit :

f (x0 + h1 , y0 + h2 ) − f (x0 , y0 ) − (h1 + h2 , y0 h1 + x0 h2 ) =

(x0 +h1 +y0 +h2 , (x0 +h1 )(y0 +h2 ))−(x0 +y0 , x0 y0 )−(h1 +h2 , y0 h1 +x0 h2 ) =
−(0, h1 h2 )
1
et on a k(0, h1 h2 )k2 ≤ 2 (|h1 |
2
+ |h2 |2 ) = 12 k(h1 , h2 )k22
 8

1.2 Dérivées directionnelles et dérivées partielles

Définition 1.2.1 Soit E et F deux espaces vectoriels normés, a ∈ E et V un voisinage
de a dans E.
Soit f : V −→ F une application. Pour a ∈ E et v ∈ E − {0}, le vecteur de F
f (a + th) − f (a)
défini par lim , quand il existe, est appelé dérivée directionnelle
t−→0 t
de f en a suivant le vecteur v ( ou dérivée directionnelle de f en a dans la direction
v) et noté Dv f (a).

En particulier : si v est le vecteur ej de la base canonique de Rn

Dej f (a) := Dj f (a)

∂f
est appelé la j-eme dérivée partielle de f en a. Notée aussi (a).
∂xj
Remarque : Dj f (a) est la dérivée au point t = aj de la jeme fonction partielle, c-à-d
la fonction d’une variable définie par : t 7→ f (a1 , . . . , aj−1 , t, aj+1 , . . . , an ).

Proposition 1.15 Si f est différentiable en a alors :

(1) f a des dérivées suivant tout vecteur v ∈ E − {0} et Dv f (a) = Df (a)v.
De plus l’application de E dans F , v 7→ Dv f (a) est linéaire.
(2) Si E = Rn . La différentielle Df (a) est P complètement déterminée par les
n
dérivées partielles : et pour tout vecteur v = j=1 vj ej ∈ Rn ,

n n
X X ∂f
Df (a)v = vj Dj f (a) = vj (a)
j=1 j=1
∂xj

Démonstration 1.16 1) Soit v ∈ E−{0} donné. La définition de la différentiabilité

de f au point a, appliqué au vecteur tv donne :

f (a + tv) = f (a) + Df (a)tv + ktvkε(tv) = f (a) + tDf (a)v + |t|kvkε(tv)

= f (a) + tDf (a)v + |t|ε1 (t)

où ε1 (t) = kvkε(tv)

Comme ε1 (t) −→ 0 quand t −→ 0, ceci entraı̂ne que

f (a + tv) − f (a)
Df (a)v = lim := Dv f (a).
t−→0 t
Par suite l’application v 7→ Dv f (a) estP linéaire puisque v 7→ Df (a)v l’est.
n
2) Dans la base (e1 , . . . , en ) de Rn , v = j=1 vj ej , et par linéarité on a :

 
Xn n
X n
X
Dv f (a) = Df (a)v = Df (a)  vj e j  = vj Df (a)ej = vj Dj f (a).
j=1 j=1 j=1


Remarque 1.4 La réciproque est fausse i.e. l’existence des dérivées dans toutes les
directions n’entraı̂ne pas toujours la différentiabilité.
 9

Exemple 1.2.2 Soient E = R2 et F = R. L’application f : R2 −→ R définie par :


1 si x.y 6= 0
f (x, y) =
0 si x.y = 0
admet des dérivées partielles en (0, 0), mais n’est pas continue, donc n’est pas
différentiable en (0, 0).

f (t, 0) − f (0, 0)
Démonstration 1.17 En effet, = 0, et par passage à la limite, lorsque
t
∂f ∂f
t tend vers 0, on obtient que (0, 0) = 0. De même on trouve que (0, 0) = 0.
∂x ∂y
Ainsi f admet des dérivées partielles en (0, 0). Elle n’est pas continue en (0, 0) car
par exemple x−lim
→0
f (x, x) = lim 1 = 1 6= 0 = f (0, 0).
x−→0
x6=0

Exemple 1.2.3 Soient E = R2 et F = R. L’application f : R2 −→ R définie par :


x|y|
 si (x, y) 6= (0, 0)
f (x, y) = (x 2 + y 2 ) 21
0 si (x, y) = (0, 0)


est continue en (0, 0), y admet des dérivées suivant tout vecteur, mais n’est pas
différentiable.
En particulier, l’existence des dérivées partielles n’implique pas la différentiabilité
pas.

Démonstration 1.18 .
x2 + y 2 1
f est continue en (0, 0), car 0 ≤ |f (x, y)| ≤ 1 = (x2 + y 2 ) 2 , d’où
(x2 + y2 ) 2
lim(x,y)−→(0,0) |f (x, y)| = 0 = f (0, 0).
h|k|
D’autre part, on peut écrire : f (th, tk) = t 1 = tf (h, k) ainsi,
(h2 + k2 ) 2
f (th, tk) − f (0, 0)
= f (h, k) et par passage à la limite, lorsque t tend vers 0, f admet
t
des dérivées suivant tout vecteur v = (h, k) et Dv f (0, 0) = f (h, k).
∂f ∂f
En particulier, (0, 0) = D(1,0) f (0, 0) = f (1, 0) = 0 et (0, 0) = D(0,1) f (0, 0) =
∂x ∂y
f (0, 1) = 0.
Maintenant, si on suppose que f est différentiable en (0, 0), la proposition précédente
∂f ∂f
nous dit que pour tout v = (h, k), Dv f (0, 0) = h. (0, 0) + k. (0, 0) = 0.
∂x ∂y
Ce qui est absurde car, D(1,1) f (0, 0) = √12 6= 0. Donc, f n’est pas différentiable en
(0, 0).
p
Exercice 1.2.4 Soit h : R2 −→ R définie par : h(x, y) = x2 + y 2 est continue,
mais n’admet pas de dérivées partielles en (0, 0).

Exercice 1.2.5 Soit g : R2 −→ R définie par :

xy 2

si (x, y) 6= (0, 0)

g(x, y) = (x2 + y 4 )
0 si (x, y) = (0, 0)

 10

1) Montrer que g admet des dérivées suivant tout vecteur en (0, 0)

2) Montrer que g n’est pas continue en (0, 0).
3) Est-elle différentiable en (0, 0)?
Proposition 1.19 (Exemples fondamentaux d’applications différentiables) .
1) Toute application constante est différentiable et de différentielle nulle en tout
point.
2) Soient E et F deux espaces vectoriels normés de dimension finie. Alors toute
application linéaire L : E −→ F est différentiable en tout point a ∈ E et sa
différentielle en chaque point est égale à l’application linéaire L.
3) Soient E et F deux espaces vectoriels normés de dimension finie. Alors toute
application affine A : E −→ F définie par Ax = b + Lx où b ∈ F et L ∈
L(E, F ), est différentiable en tout point a ∈ E et sa différentielle en chaque
point est égale à l’application linéaire L.
4) Soient E1 , E2 et F deux espaces vectoriels normés de dimension finie. Alors
toute application bilinéaire B : E1 × E2 −→ F est différentiable en tout point
(a1 , a2 ) ∈ E1 × E2 et sa différentielle est l’application linéaire E1 × E2 −→ F
définie par (h, k) 7→ B(a1 , k) + B(h, a2 ).
5) Plus généralement : Applications multilinéaires
Définition 1.2.6 Soient E1 · · · Ek et F des espaces vectoriels de dimension finie.
Une application L : E1 × · · · × Ek −→ F est une application k-linéaire si pour
tout (a1 , . . . , ak ) ∈ E1 × · · · × Ek et i ∈ {1, . . . , k} l’application partielle
Ei −→ F définie par xi 7→ L(a1 , . . . , xi−1 , hi , ai+1 , . . . , xk ) est linéaire.
Proposition 1.20 L’application multilinéaire L est différentiable en tout point et
sa différentielle au point (a1 , . . . , ak ) ∈ E1 × · · · × Ek est l’application linéaire
de E1 × · · · × Ek dans F :
(h1 , . . . , hk ) 7→ L(h1 , a2 , . . . , ak )+L(a1 , h2 , a3 . . . , ak )+. . .+L(a1 , . . . , ak−1 , hk ).
Démonstration 1.21 1) c’est clair.
2) Soit a ∈ E. On écrit pour tout h ∈ E
kL(a + h) − L(a) − L.hk 0
L(a + h) − L(a) = L(h) =⇒ = =0
khk khk
Ainsi, par unicité de la différentielle, DT (a) = T.
3) Même démonstration que 2)
4) On peut supposer que E1 = Rn1 , E2 = Rn2 et F = Rm .
Soit (a1 , a2 ) ∈ E1 × E2 . Pour (h, k) ∈ E1 × E2 On écrit, en utilisant la bi-
linéarité,
B(a1 +h, a2 +k)−B(a1 , a2 ) = (B(a1 , a2 ) + B(a1 , k) + B(h, a2 ) + B(h, k))−B(a1 , a2 )
= B(a1 , k) + B(h, a2 ) + B(h, k).
Lemme 1.5 Il existe une constante C > 0 telle que, pour (h, k) ∈ E1 × E2 ,
kB(h, k)k ≤ Ckhkkkk

Démonstration : Soit (e
P1n, .1 . . , en1 ) une Rn1 et (f1 , . . . , fn2 ) une base
base deP
n2
de Rn2 . Pour tout x = i=1 xi ei ∈ Rn1 et y = j=1 yj fj ∈ Rn2 on a
Xn1 n2
X n1
X n2
X n1 X
X n2
L(x, y) = L( xi ei , yj fj ) = xi L(ei , yj fj ) = xi yj L(ei , fj )
i=1 j=1 i=1 j=1 i=1 j=1
 11

D’où
 
n1 X
X n2 n1 X
X n2
kL(x, y)k ≤ |xi ||yj |kL(ei , fj )k ≤ kxk∞ kyk∞  kL(ei , fj )k .
i=1 j=1 i=1 j=1
Pn1 Pn2
Ainsi on a l’inégalité avec C = i=1 j=1 kL(ei , fj )k.♣
2
Puisque kB(h, k)k ≤ Ckhkkkk ≤ C (khk + kkk) ; on peut donc prendre dans
B(h,k)
ce cas ε((h, k)) = khk+kkk .
pour obtenir
B(a1 + h, a2 + k) − B(a1 , a2 ) = B(a1 , k) + B(h, a2 ) + (khk + kkk)ε((h, k)).
avec lim(h,k)−→(0,0) kε((h, k))k ≤ lim(h,k)−→(0,0) C(khk + kkk) = 0.
On a ainsi bien DB(a1 , a2 ) = B(a1 , k) + B(h, a2 ).
5) Se traite, de la même façon, en généralisant le lemme 1.5
Lemme 1.6 Soit L : L : Rn1 × · · · × Rnk −→ Rm une application k-linéaire.
Alors il existe une constante C ≥ 0 telle que pour tout (x1 , . . . , xk ) ∈ Rn1 ×
· · · × Rnk on ait
Yk
kL(x1 , . . . , xk )k ≤ C kxi k.
i=1

Exemple 1.2.7 1. Pour tout k ∈ {1, . . . , n}, l’application

Pk : Rn −→ R définie par (x1 , . . . , xn ) 7→ xk est linéaire, donc différentiable.
2. Le produit de deux nombre réels, R×R −→ R, (x, y) −→ xy est une application
bilinéaire (2-linéaire)
3. L’application L : R2 × R −→ R3 définie par L((x, y), z) = (2xz − yz, 0, xz)
est bilinéaire.
4. L’application det qui associe à une matrice carrée d’ordre n sont déterminant
des matrices est une application n-linéaires des vecteurs colonnes de la matrice,
on identifie dans ce cas l’espace des matrices carrées d’ordre n, Mn (R) avec
le produit de n copies de Rn , à savoir Rn × · · · × Rn . On en déduit que la
différentielle de det en une matrice M = (C1 , . . . , Cn ) est égale à
D(det)(M ).H = det(h1 , C2 , . . . , Cn )+det(C1 , h2 , . . . , Cn )+. . .+det(C1 , C2 , . . . , Cn−1 , hn )
où H = (h1 , . . . , hn ) ∈ Mn (R) est arbitraire.
En particulier, si M = I est la matrice identité, alors D(det)(I).H = T r(H)
n
X
où T r(H) = aii est la trace de la matrice H = [aij ]1≤i,j≤n .
i=1

le tableau suivant résume les différentes implications :

f différentiable en a ⇒ f continue en a propposition 1.12
f différentiable en a ⇒ f admet des dérivées en a propposition 1.15
suivant toutes directions
f différentiable en a 6⇐ f continue en a exemple 1.2.3
f différentiable en a 6⇐ f admet des dérivées en a exemple 1.2.3
suivant toutes directions
f admet des dérivées en a 6⇒ f continue en a exemple 1.2.5
suivant toutes directions
f continue en a 6⇒ f admet des dérivées par- exemple 1.2.4
tielles en a