Analyse III

Analystes Statisticiens(AS)

Deuxième année

Dr Ténan YEO
[email protected]
Table des matières

1 ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 3

1.1 Introduction-Définition générale . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Équations différentielles du 1er ordre . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Équations différentielles à variables séparées . . . . . . . . . . . . . . 4
1.2.2 Équation différentielle linéaire du 1er ordre . . . . . . . . . . . . . . . 4
1.2.3 Équation à coefficients constants . . . . . . . . . . . . . . . . . . . . . 5
1.2.4 Équations différentielles du premier ordre à coefficients non constants 8
1.3 Équations différentielles linéaires du second ordre . . . . . . . . . . . . . . . . 11
1.3.1 Équations différentielles linéaire du second ordre à coefficients constants 11
1.4 Systèmes d’équations différentielles linéaires . . . . . . . . . . . . . . . . . . . 16
1.4.1 Écriture matricielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.2 Cas diagonalisable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.3 Exponentielle de matrices . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.4 Dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.4.5 Méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.4.6 Systèmes d’équations différentielles linéaires d’ordre 2 . . . . . . . . . 29
1.5 Équations différentielles linéaires d’ordre n . . . . . . . . . . . . . . . . . . . 30
1.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

2 FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES 33

2.1 Espaces métriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2 Espaces vectoriels normés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.3 Topologie d’un espace métrique . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.4 Limites et continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.4.1 Propriétés des fonctions continues . . . . . . . . . . . . . . . . . . . . 45
2.4.2 Applications linéaires continues . . . . . . . . . . . . . . . . . . . . . . 45
2.4.3 Fonctions polynômes à plusieurs variables . . . . . . . . . . . . . . . . 47
2.5 Dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.6 Différentiation des fonctions de plusieurs variables . . . . . . . . . . . . . . . 51
2.7 Formule de Taylor pour les fonctions de plusieurs variables . . . . . . . . . . . 58
2.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

3 FONCTIONS HOMOGÈNES ET FONCTIONS IMPLICITES 64

3.1 Fonctions homogènes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.2 Théorème des fonctions implicites . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.2.1 Dimension 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

i
TABLE DES MATIÈRES ii

3.2.2 Dimension n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

4 INTÉGRALES DOUBLES 70
4.1 Intégrale d’une fonction continue sur un fermé et borné de R2 . . . . . . . . . 70
4.2 Théorème de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.3 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

Bibliography 75
Programme de l’UE

Présentation de l’UE
UE : Mathématiques 3
Crédits : 2,5
Semestre 3
Volume horaire : 30 heures
Titre de l’UE : Analyse III

Objectif du cours
Apprendre le maniement des fonctions de plusieurs variables. Fournir les outils mathéma-
tiques nécessaires à la bonne compréhension des cours de probabilités, de statistique, d’éco-
nomie, ...

Contenu du cours
Chapitre 1 : ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES
1. Rappels sur les équations différentielles du premier et second ordre
2. Équations différentielles linéaires du premier ordre
3. Équations différentielles linéaires du second ordre à coefficients constants
4. Systèmes d’équations différentielles linéaires
Chapitre 2 : FONCTIONS NUMÉRIQUES DE PLUSIEURS VARIABLES
1. Normes, limites et continuité
2. Dérivées partielles
3. Différentiation des fonctions de plusieurs variables
4. Expression matricielle, matrice de Jacobi
5. Formule de Taylor

1
TABLE DES MATIÈRES 2

Chapitre 3 : FONCTIONS HOMOGÈNES ET FONCTIONS IMPLICITES

1. Définition et exemple (Coob Douglass, etc)
2. Identité d’Euler
3. Fonctions implicites (cas de deux variables)
Chapitre 4 : INTÉGRALES DOUBLES
1. Intégrale d’une fonction continue sur un intervalle fermé borné de R2
2. Changement de variables
3. Fonction Béta
Contrôle de connaissances :1 contrôle écrit
Chapitre 1

ÉQUATIONS DIFFÉRENTIELLES
LINÉAIRES

1.1 Introduction-Définition générale

Une équation différentielle (ED) d’ordre n (n ∈ N) est une équation faisant intervenir une
fonction y ainsi que ses dérivées y(k) jusqu’à l’ordre n.
Exemple :

y0 (x) = 2y(x) (1.1)

1
y(x) = x2 y00 (x) − 5x (1.2)
2

L’équation différentielle d’ordre n la plus générale peut toujours s’écrire sous la forme
 
0 (n)
F x, y, y , · · · , y =0

où F est une fonction de (n + 2) variables.

Une solution à une équation différentielle sur un intervalle I ⊂ R est une fonction y de classe
Cn ( y : I −→ R est n fois dérivables avec des dérivées continues) qui vérifie
 
∀x ∈ I, F x, y, y0 , · · · , y(n) = 0.

On peut vérifier que y(x) = ce2x , c ∈ R sont solutions de (1.1).

Il est facile de vérifier que y(x) = mx2 − 5x , m ∈ R sont solutions de (1.2).
Définition 1.1 Une équation différentielle d’ordre n est linéaire ssi elle est de la forme :

L(y) = f (x) (Eg )

où
L(y) = a0 (x)y + a1 (x)y0 + · · · + an (x)y(n) .

3
1.2. ÉQUATIONS DIFFÉRENTIELLES DU 1ER ORDRE 4

Proposition 1.1 L’application L : Cn −→ RI

y 7−→ L(y)
qui à chaque fonction y associe la nouvelle fonction L(y) est une application linéaire.
Définition 1.2 L’équation linéaire L(y) = 0 s’appelle équation homogène (Eh ) associée à (Eg ).
Proposition 1.2 L’ensemble S0 des solutions à l’équation homogène (Eh ) est le noyau de l’appli-
cation L. C’est donc un sous espace vectoriel de C n (R).

L’ensemble des solutions à (Eg) est donné par S = y p + yh yh ∈ S0 avec L(y p ) = f (x).

1.2 Équations différentielles du 1er ordre

1.2.1 Équations différentielles à variables séparées
Une équation différentielle du 1er ordre est à variables séparées si elle peut s’écrire sous la
forme : f (y)y0 = g(x).
Résolution
Formellement, on écrit : f (y)dy = g(x)dx ; ce qui est équivalent à
Z Z
f (y)dy = g(x)dx + c ;

c’est-à-dire F(x) = G(x) + c où F et G sont des primitives de f et g respectivement.

Exemple 1.1 I =]1, +∞[, xy0 ln(x) = (3 ln(x) + 1) y

y0 3 ln(x) + 1
xy0 ln(x) = (3 ln(x) + 1) y ⇐⇒ =
y x ln(x)
1 3 ln(x) + 1
Z Z
⇐⇒ dy =
y x ln(x)
⇐⇒ ln |y| = 3 ln |x| + ln | ln x| + c = ln x3 ln(x) + c

⇐⇒ y = c0 x3 ln(x) c0 ∈ R (c0 = ±ec , c ∈ R).

1.2.2 Équation différentielle linéaire du 1er ordre

On appelle équation différentielle linéaire du 1er ordre toute équation qui peut s’écrire sous
la forme
a(x)y0 + b(x)y = c(x) (E1 ),
où a , b et c sont des fonctions continues, I ⊂ R et ∀x ∈ I, a(x) 6= 0.
L’équation a(x)y0 + b(x)y = 0 est l’équation homogène associée à (E1 ).
1.2. ÉQUATIONS DIFFÉRENTIELLES DU 1ER ORDRE 5

1.2.3 Équation à coefficients constants

On suppose que les fonctions a et b sont constantes. En divisant chaque membre de l’équation
(E1 ) par a, nous pouvons nous ramener à une équation de la forme

y0 + ay = c(x) (E1 ).

a) L’équation homogène associée est y0 + ay = 0 (Eh ).

0 est solution de (Eh ).

Cherchons les solutions non nuls de (Eh )

y0
y0 + ay = 0 ⇐⇒ = −a
y
⇐⇒ ln |y| = −ax + c
⇐⇒ y = λ e−ax , λ ∈ R∗ .
Proposition 1.3 Soit a un nombre réel (ou complexe).
(i) Les solutions de l’équation différentielle y0 = −ay sont de la forme y = λ e−ax où λ est un
scalaire quelconque.
(ii) Si l’on fixe une condition y(x0 ) = y0 alors cette solution est unique.
(iii) En particulier si y s’annule en un point , alors y est identiquement nulle.

b) Équation avec second membre

y0 + ay = c(x) (E1 )
Si y0 est une solution de (E1 ) alors, on a
(i) si z est une solution de l’équation homogène associée, alors z + y0 est une solution
de (E1 ).
(ii) Inversement si y est une solution de (E1 ), alors z = y − y0 est solution de l’équation
homogène associée.

Conclusion : Pour trouver toutes les solutions y de l’équation complète, il suffit de trouver les
solutions z de l’équation homogène et de leur ajouter une solution particulière de l’équation
complète.

Détermination d’une solution particulière de l’équation complète

— Si c(x) = P(x)ekx , où P(x) est un polynôme de dégré n et k un nombre réel (ou complexe),
chercher une solution particulière sous la forme Q(x)ekx
• Si k 6= −a alors deg(Q) = n
• Si k = −a alors deg(Q) = n + 1
1.2. ÉQUATIONS DIFFÉRENTIELLES DU 1ER ORDRE 6

— Si c(x) est quelconque : procéder par la méthode de variation de la constante.

Posons y = λ (x)e−ax .
En remplaçant y dans l’équation (E1 ) permet d’avoir une autre équation dont l’inconnue
est λ . La résolution de cette dernière permet d’avoir une solution particulière de la
première.
Remarque 1.1 Si le second membre c est la somme de deux fonctions de la forme c1 (x) =
P1 (x)ek1 x et c2 (x) = P2 (x)ek2 x , on peut chercher une solution particulière y p1 de l’équation différen-
tielle de second membre c1 : y0 + ay = P1 (x)ek1 x , puis une solution particulière y p2 de l’équation
différentielle de second membre c2 : y0 + ay = P2 (x)ek2 x .
La somme : y p = y p1 + y p2 de ces deux solutions particulières est solution particulière de l’équa-
tion de départ. Ce principe se généralise facilement au cas où c est la somme de plus de deux
fonctions.
Ce principe reste valable si le second membre n’est pas somme de fonctions de la forme P(x)ekx .
Exemple 1.2
1) y0 + y = e2x
L’équation homogène associée est : y0 + y = 0.
Donc yh = λ e−x , λ ∈ R.
• Recherche d’une solution particulière de l’équation complète.
On pose y = a0 e2x . d’où
y0 + y = e2x =⇒ 2ae2x + ae2x = e2x
=⇒ 3a = 1
1
=⇒ a = (1.3)
3
1
Une solution particulière de l’équation complète est donc y p = e2x .
3
Donc les solutions de l’équation complète sont les fonctions

1
y = yh + y p = e2x + λ e−x , λ ∈R
3
2) y0 + y = e−x
yh = λ e−x , λ ∈ R.
Une solution particulière est de la forme y p = (ax + b)e−x
y0p = ae−x − (ax + b)e−x

y0 + y = e−x =⇒ ae−x − (ax + b)e−x + (ax + b)e−x = e−x

=⇒ ae−x = e−x
=⇒ a = 1 (1.4)
y p = xe−x est une solution particulière.
Les solutions de l’équation complète sont donc

y = yh + y p = xe−x + λ e−x = (x + λ )e−x , λ ∈R

1.2. ÉQUATIONS DIFFÉRENTIELLES DU 1ER ORDRE 7

3) y0 + 2y = x2 e−2x + 2e3x + 1 + x.
équation homogène : y0 + 2y = 0
yh = λ e−2x , λ ∈ R.
• Solution particulière

0 2 −2x
y + 2y = x e
 y p1
y0 + 2y = 2e3x y p2
 0

y + 2y = 1 + x y p3
y p = y p1 + y p2 + y p3 est solution particulière de l’équation complète.
y p1 = (ax3 + bx2 + cx + d)e−2x
y0p1 = (3ax2 + 2bx + c)e−2x − 2(ax3 + bx2 + cx + d)e−2x
y0p1 + 2y p1 = x2 e−2x =⇒ (3ax2 + 2bx + c)e−2x = x2 e−2x
=⇒ 3ax2 + 2bx + c = x2
1

a = 3



 b=0

c=0


1
D’où y p1 = x3 e−2x
3

y p2 = ae3x =⇒ y0p2 = 3ae3x

2
y0p2 + 2y p2 = 2e3x =⇒ 3ae3x + 2ae3x = 2e3x =⇒ a =
5
2
y p2 = e3x
5

y p3 = ax + b =⇒ y0p3 = a
y0p3 + 2y p3 = 1 + x =⇒ a + 2(ax + b) = 1 + x

a = 1

=⇒ 2
1
b =

4
1 1
y p3 = x + .
2 4
Ainsi une solution particulière de l’équation complète est
1 2 1 1
y p = x3 e−2x + e3x + x +
3 5 2 4
Donc les solutions de l’équation y0 + 2y = x2 e−2x + 2e3x + 1 + x sont
1 2 1 1
y = λ e−2x + x3 e−2x + e3x + x + , λ ∈R
3 5 2 4
1.2. ÉQUATIONS DIFFÉRENTIELLES DU 1ER ORDRE 8

4) y0 − y = cos(x)
Équation homogène y0 − y = 0 =⇒ y = λ ex
Considérons l’équation (E 0 ) : y0 − y = eix .
On cherche une solution particulière de (E 0 ) sous la forme y p = aeix .
On a y0p = aieix
(E 0 ) ⇐⇒ aieix − aeix = eix =⇒ ai − a  =1 
1 1 i 1 i
=⇒ a = = − − ; donc y p = − − eix est solution particulière de (E 0 ).
i−1 2 2 2 2
ȳ p est aussi solution de ȳ 0 − ȳ = e−ix . En effet, puisque y0p − y p = eix , alors

ȳ p0 − ȳ p = e−ix .

D’où, en faisant la somme (membre à membre) de cette dernière équation avec l’équation
y p0 − y p = eix , on obtient
y0p + ȳ p0 − (y p + ȳ p ) = 2 cos(x).

Ce qui implique    
1 0 0

1
y + ȳ p − (y p + ȳ p ) = cos(x).
2 p 2
 
1
Ce qui montre que yp = (y p + ȳ p ) est solution particulière de l’équation complète y0 −y =
2
cos(x).    
1 i 1 i
− − ix
e + − + e−ix
2 2 2 2 − cos(x) + sin(x)
yp = = .
2 2
Conclusion : L’ensemble des solutions à l’équation y0 − y = cos(x) est

− cos(x) + sin(x)
y= + λ ex , λ ∈ R.
2

1.2.4 Équations différentielles du premier ordre à coefficients non constants

Soit l’équation (E) : a(x)y0 + b(x)y = c(x).
Résolution de (E) dans un intervalle I ⊂ R, tel que a(x) 6= 0 , ∀x ∈ I
a) On écrit l’équation homogène associée : a(x)y0 + b(x)y = 0.

• 0 est solution de l’équation homogène

• Recherche des solutions non nulles

0 y0 b(x)
a(x)y + b(x)y = 0 ⇐⇒ =−
y a(x)
b(x)
=⇒ ln |y| = G(x) +C où G est une primitive de − .
a(x)

La solution de l’équation homogène est donc yh = λ eG(x) , λ ∈ R.

1.2. ÉQUATIONS DIFFÉRENTIELLES DU 1ER ORDRE 9

Proposition 1.4 Soit (E) : a(x)y0 + b(x)y = 0 une équation différentielle linéaire du premier
ordre . Alors
(i) Les solutions de cette équation sur un intervalle I où la fonction a ne s’annule pas, forment
un espace vectoriel de dimension 1, dont une base est la fonction x 7−→ eG(x) , où G est une
b(x)
primitive de − .
a(x)
(ii) Si l’on fixe une condition(y(x0 ) = y0 , alors cette solution est unique
 a(x)y0 + b(x)y = 0 
problème de Cauchy : .
y(x0 ) = y0
(iii) En particulier si y s’annule en un point, y est identiquement nulle.
b) Équation avec second membre
(E) : a(x)y0 + b(x)y = c(x).

• Si y0 est une solution de (E), alors

1) Si z est une solution de l’équation homogène associée alors z + y0 est une solution de
(E).
2) Si y est une autre solution de (E) alors y − y0 est une solution de l’équation homogène.

Conclusion : Pour trouver toutes les solutions y de l’équation (E), il suffit de trouver toutes
les solutions de l’équation homogène associée et de leur ajouter une solution particulière.

Détermination d’une solution particulière

On utilise la méthode de variation de la constante :
(E) : a(x)y0 + b(x)y = c(x).
b(x)
La solution de l’équation homogène associée est y = λ eG(x) , avec G une primitive de − .
a(x)
On cherche alors une solution particulière sous la forme y p = λ (x)eG(x) .
b(x)
On a y0p = λ 0 (x)eG(x) + λ (x) [G0 (x)] eG(x) = λ 0 (x)eG(x) − λ (x)eG(x) .
a(x)
Comme y p est solution de (E) alors on a a(x)y0p + b(x)y p = c(x) ; d’où

a(x)λ 0 (x)eG(x) − b(x)λ (x)eG(x) + b(x)λ (x)eG(x) = c(x)

Il s’en suit
c(x) −G(x)
λ 0 (x) = e
a(x)
c(x) −G(x)
Il suffit de trouver une primitive de e .
a(x)
1.2. ÉQUATIONS DIFFÉRENTIELLES DU 1ER ORDRE 10

Exemple 1.3

[sin(x)] y0 − [cos(x)] y = x
 
1) I = 0, π2 ,

y = −x cos(x) + sin(x) ln ((sin(x)) + λ sin(x), λ ∈R

y0 + [tan(x)] y = sin(2x)
 
2) I = − π2 , π2 ,

y = λ cos(x) − 2 cos2 (x), λ ∈R

1.3. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES DU SECOND ORDRE 11

1.3 Équations différentielles linéaires du second ordre

Définition 1.3 On appelle équation différentielle linéaire du second ordre, tout équation qui
peut se mettre sous la forme :

a(x)y00 + b(x)y0 + c(x)y = d(x),

où a, b, c et d sont des fonctions continues.

1.3.1 Équations différentielles linéaire du second ordre à coefficients constants

Il s’agit de l’équation différentielle linéaire du second ordre dans lesquelles a, b et c sont des
constantes.
On suppose que a 6= 0.

1.3.1.1 Équation homogène associée

(Eh ) : ay00 + by0 + cy = 0
• 0 est une solution de (Eh ).
• Par analogie avec le cas des équations différentielles du premier ordre, on cherche les
solutions qui sont sous la forme erx .

a (erx )00 + b (erx )0 + cerx = 0

=⇒ ar2 erx + brerx + cerx = 0
=⇒ ar2 + br + c = 0 (Eq ) (équation caractéristique de (E))

Posons ∆ = b2 − 4ac le discriminant de (Eq ).

Dans C , cette équation admet toujours des solutions, éventuellement si ∆ < 0 ou a, b , c sont
complexes.
Cherchons d’autres solutions sous la forme f (x)erx . On a

a [ f (x)erx ]00 + b [ f (x)erx ]0 + c f (x)erx = 0

0
=⇒ a f 0 (x)erx + r f (x)erx + b f 0 (x)erx + r f (x)erx + c f (x)rrx = 0
  

=⇒ a f 00 (x)erx + ar2 f (x)erx + ar f 0 (x)erx + ar f 0 (x)erx + b f 0 (x)erx + br f (x)erx + c f (x)erx = 0

Mais comme ar2 f (x)erx + br f (x)erx + c f (x)erx = 0 , la dernière équation devient

a f 00 (x)erx + (2ar + b) f 0 (x)erx = 0,

ce qui implique
a f 00 (x) + (2ar + b) f 0 (x) = 0.
Cette équation est une équation différentielle du premier ordre en f 0 . Si l’on pose y = f 0 , on a
(
y = f0
ay0 + (2ar + b)y = 0
1.3. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES DU SECOND ORDRE 12

On résout alors facilement l’équation ay0 + (2ar + b)y = 0, pour trouver

 
2ar + b
y = C exp − x , C ∈ R.
a

Ensuite, on détermine f à l’aide de la relation f 0 = y :

• Si 2ar + b 6= 0, alors en intégrant, on obtient
 
2ar + b
f (x) = A exp − x + B, A et B étant des constantes réelles.
a

Une solution est donc  

ar + b
y = A exp − x + Berx , A, B ∈ R
a

• Dans le cas où les réelles a, b, c sont réels, et où les racines r et r0 sont complexes (∆ < 0)
alors r et r0 sont conjuguées et l’on peut prendre une combinaison linéaire de la demi-somme
et de la demi-différence des solutions.
Ainsi si r = α + iβ alors r0 = α − iβ et y est une combinaison linéaire de eαx cos (β x) et
eαx sin (β x).
b
• Si 2ar + b = 0 ⇐⇒ r = − , on a ∆ = 0 et f 0 (x) = Cste i.e. f (x) = Ax + B d’où les solutions
2a
de la forme Axerx + Berx .
Proposition 1.5 Soit ay00 + by0 + cy = 0 une équation différentielle linéaire du second ordre à
cofficients constants. Alors les solutions de cette équation sont de la forme suivante :
(i) Soit ar2 + br + c = 0 l’équation caractéristique associée et ∆ sont discriminant.
1. Si ∆ > 0 , les solutions sont de la forme

y = Aer1 x + Ber2 x , A ∈ R, B ∈ R

où r1 et r2 sont les solutions de l’équation caractéristique.

2. Si ∆ = 0 , les solutions réelles sont de la forme

y = (Ax + B)erx , A ∈ R, B ∈ R

où r est l’unique solution de l’équation caractéristique.

3. Si ∆ < 0 , les solutions réelles sont de la forme

y = Aeαx cos (β x) + Beαx sin (β x) , A, B ∈ R

où r1 = α + iβ et r2 = α − iβ sont les racines de l’équation caractéristique.

(ii) Les solutions forment un espace vectoriel de dimension 2.
Exemple 1.4

1) Résoudre l’équation y00 − 2y0 + y = 0

1.3. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES DU SECOND ORDRE 13

y = Axex + Bex , A, B ∈ R

2) Résoudre l’équation y00 − 3y0 + 2y = 0

y = Aex + Be2x , A, B ∈ R

3) Résoudre l’équation y00 + y0 + y = 0

√ ! √ !
− 21 x 3 1 3
y = Ae cos x + Be− 2 x sin x , A, B ∈ R
2 2

1.3.1.2 Équation avec second membre

(E) ay00 + by0 + cy = d(x)
Proposition 1.6 Toutes les solutions de (E) s’obtiennent en ajoutant aux solutions de l’équation
homogène associée une solution particulière de l’équation complète (E).
1) Si d(x) = P(x)ekx , on cherche une solution particulière sous la forme y = Q(x)ekx , avec Q un
polynôme tel que :
• deg(Q)=deg(P) si k n’est pas solution de l’équation caractéristique ;
• deg(Q)=deg(P)+1 si k est une racine simple de l’équation caractéristique ;
• deg(Q)=deg(P)+2 si k est une racine double de l’équation caractéristique.
2) Si le second membre de la forme α cos(β x) + γ sin(β x). Il faut distinguer deux cas :
1.3. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES DU SECOND ORDRE 14

(i) cos(β x) n’est pas solution de l’équation homogène : on cherche alors une solution particu-
lière sous la forme :
y p (x) = λ cos(β x) + µ sin(β x)
(ii) cos(β x) est une solution de l’équation homogène : on cherche alors une solution particulière
sous la forme : h i
y p (x) = x λ cos(β x) + µ sin(β x) .

La Remarque 1.1 reste valable pour les équations différentielles du second ordre.

Exemple 1.5
1) Résoudre l’équation différentielle y00 + y = cos(x).

1
y = x sin(x) + A cos(x) + B sin(x), A, B ∈ R
2
1.3. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES DU SECOND ORDRE 15

2) Résoudre l’équation différentielle y00 − y0 − 2y = sin(2x).

Proposition 1.7 (Méthode générale de la "variation des constantes")

Soit (E) ay00 + by0 + cy = d(x)
1) Pour tout x0 ∈ I intervalle de R, pour tout (α, β ) ∈ R2 , l’équation (E) admet une unique
solution y tel que y(x0 ) = α et y0 (x0 ) = β
2) Soit y1 et y2 les solutions indépendantes de l’équation homogène associée à (E). On cherche
une cherche une solution particulière de (E) sous la forme y = Ay1 + By2 où A et B sont des
fonctions vérifiant 
0 0
A y1 + B y2 = 0


A0 y0 + B0 y0 = d(x)

1 2
a

Exemple 1.6
1
Résoudre l’équation différentielle y00 + y =
sin2 (x)
1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 16

1.4 Systèmes d’équations différentielles linéaires

Nous savons que pour résoudre les équations différentielles du type y0 (t) = a y(t), où la dérivée
y0 (t) est liée à la fonction y(t). Par exemple, si a est une constante, les fonctions solutions sont
les y(t) = y0 eat (où y0 ∈ R).
Considérons maintenant le système différentiel suivant :
( 0
x (t) = ax(t) + by(t)
(S)
y0 (t) = cx(t) + dy(t)
La situation se complique car les équations sont enchevêtrées : x0 (t) est liée à x(t), mais aussi
à y(t). Donc il faudrait d’abord trouver y(t) pour résoudre la première équation. Mais, dans la
seconde équation, y0 (t) est liée à y(t), mais aussi à x(t), que l’on n’a pas encore su trouver ! Pour
s’en sortir, la solution consiste à considérer le couple (x(t), y(t)) comme une seule variable. On
pose ainsi    0   
x(t) 0 x (t) a b
X(t) = , X (t) = , A=
y(t) y0 (t) c d
Le système différentiel (S) s’écrit alors simplement :
X 0 (t) = AX(t)
On a alors envie de dire que, comme pour une équation du type x0 (t) = a x(t), les solutions de
ce type d’équation seraient les fonctions définies par
X(t) = etA · X0
(où X0 ∈ R2 ) et ce sera effectivement le cas, une fois que l’on aura défini ce qu’est l’exponen-
tielle d’une matrice !
Pour l’instant, nous allons voir comment résoudre un système différentiel dans le cas particu-
lier où la matrice est diagonalisable.

1.4.1 Écriture matricielle

Un système différentiel linéaire homogène est un système d’équations différentielles de la
forme :
x0 (t) = a11 x1 (t) + a12 x2 (t) + · · · + a1n xn (t)

 1


(S) ..
 .
x0 (t) = a x (t) + a x (t) + · · · + a x (t)

n n1 1 n2 2 nn n

où les ai j (1 6 i, j 6 n) sont des coefficients constants réels ou complexes. On pose

x10 (t)
     
x1 (t) a11 · · · a1n
X(t) =  ...  , X 0 (t) =  ...  , A =  ... .. 
    
. 
xn (t) xn0 (t) an1 · · · ann

Avec cette notation matricielle, le système différentiel (S) devient :

X 0 (t) = AX(t)
1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 17

Résoudre le système linéaire X 0 = AX, avec A ∈ Mn (R) (ou A ∈ Mn (C)) une matrice constante,
c’est donc trouver X(t) dérivable (c’est-à-dire n fonctions x1 (t), . . . , xn (t) dérivables) tel que
X 0 (t) = AX(t), pour tout t ∈ R
Remarque 1.2
• Dans le cas n = 1, on retrouve simplement une seule équation que l’on écrit x0 (t) = ax(t) et
dont les solutions sont les x(t) = x0 eat , pour n’importe quelle constante (réelle ou complexe)
x0 .
• L’ensemble des solutions est un espace vectoriel. En effet, on prouve facilement que l’en-
semble des solutions est un sous-espace vectoriel de l’ensemble des fonctions dérivables de
R dans Rn : la fonction identiquement nulle est solution et, si X1 et X2 sont solutions, alors
λ X1 + µX2 est aussi solution (avec λ , µ ∈ R).
Exemple 1.7 (Système diagonal).
Si A est une matrice diagonale à coefficients réels, alors le système s’écrit X 0 = AX avec

λ1 0 · · · 0
 

0
..
.
..   x1 (t) = λ1 x1 (t)

 0 . 

..
A= . .  , c’est-à-dire .
 .. .. 0   x0 (t) = λ x (t).

n n n
0 · · · 0 λn

On résout indépendamment chaque équation xi0 (t) = λi xi (t), dont les solutions sont les xi (t) =
ki eλit , ki ∈ R. Les solutions X(t) sont donc les fonctions
 
k1 eλ1t
X(t) =  ... 
 

kn eλnt

où k1 , . . . , kn sont des constantes réelles.

Exemple 1.8 (Système triangulaire).
Un système triangulaire n’est pas tellement plus compliqué à résoudre. En effet, si A est une
matrice triangulaire, on a :
 0
 x1 = a11 x1 + · · · + · · · + a1n xn
x0 = a22 x2 + · · · + a2n xn



 2


..
 .
 0
 x = an−1n−1 xn−1 + an−1n xn
 n−10



xn = ann xn .

On résout le système de proche en proche : on peut d’abord intégrer la dernière équation, puis
reporter la solution dans l’équation précédente, qui devient une équation du type

x0 (t) = a x(t) + b(t)

et ainsi en remontant intégrer tout le système.

1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 18

1.4.2 Cas diagonalisable

Voici un premier résultat qui affirme que si on connaît un vecteur propre de A, alors on peut
lui associer une solution du système différentiel.
Proposition 1.8 Soient A ∈ Mn (R), λ une valeur propre de A et V un vecteur propre associé.
Alors la fonction
X : R −→Rn
t 7−→eλt V
est solution du système différentiel X 0 = AX.
Preuve : Soit X(t) = eλt V . On a alors

X 0 (t) = λ eλt V = eλt (λV ) = eλt AV = AX(t).

Cela prouve que X(t) est bien solution du système homogène X 0 = AX.

Théorème 1.1 Soit A ∈ Mn (R) une matrice diagonalisable sur R. Notons (V1 , . . . ,Vn ) une base
de vecteurs propres et λ1 , . . . , λn les valeurs propres correspondantes. Alors les fonctions Xi (t) =
eλit Vi (1 6 i 6 n) forment une base de l’espace des solutions du système X 0 = AX.
Preuve :
• Tout d’abord, par la Proposition 1.8 , les Xi (t) = eλit Vi sont bien des solutions du système
différentiel.
• Montrons que ces solutions sont linéairement indépendantes. Soient c1 , . . . , cn des réels tels
que
c1 X1 (t) + · · · + cn Xn (t) = 0.
Cette égalité étant vraie pour tout t ∈ R, elle est vraie en particulier pour t = 0 où elle devient

c1V1 + · · · + cnVn = 0.

Cela implique c1 = · · · = cn = 0 car les Vi forment une base de Rn .

• Soit P la matrice dont les colonnes sont les vecteurs V1 , . . . ,Vn . Alors la matrice P−1 AP = D
est diagonale.
• Soit X(t) une solution du système différentiel X 0 = AX. La matrice de passage P étant inver-
sible, notons Y = P−1 X (donc X = PY ). Alors Y 0 = P−1 X 0 = P−1 AX = P−1 APY = DY . Ainsi Y
est la solution d’un système différentiel diagonal :

0
 
 y1 = λ1 y1
 k1 eλ1t
.. d’où Y (t) =  ...  .
 
.
 y0 = λ y

n n n kn eλnt

Comme les colonnes de P sont les vecteurs V1 , . . . ,Vn , alors

X(t) = PY (t) = k1 eλ1t V1 + · · · + kn eλnt Vn = k1 X1 (t) + · · · + kn Xn (t).

1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 19

On vient de prouver que n’importe quelle solution X(t) est combinaison linéaire des Xi (t)
Ainsi la famille (X1 , . . . , Xn ) est génératrice de l’espace des solutions.
• Conclusion : (X1 , . . . , Xn ) est une base de solutions.

Exemple 1.9 On veut résoudre le système différentiel X 0 = AX avec X(0) = X0 où
   
1 4 −4 1
A =  3 2 −4  et X0 =  2  .
3 −3 1 3

• Valeurs propres et vecteurs propres.

Les valeurs propres de A sont λ1 = 1, λ2 = −2 et λ3 = 5. Les valeurs propres de A sont
λ1 = 1, λ2 = −2 et λ3 = 5. Les vecteurs propres associés sont
     
1 0 1
V1 =  1 , V2 =
  1 , V3 =
  1 .
1 1 0

• Solutions générales.
Nous obtenons trois solutions
e5t
 t     
e 0
X1 (t) = eλ1t V1 =  et  , X2 (t) = eλ2t V2 =  e−2t  , X3 (t) = eλ3t V3 =  e5t  .
et e−2t 0

Les solutions du système X 0 = AX sont donc les fonctions de la forme

X(t) = αX1 (t) + β X2 (t) + γX3 (t)

avec α, β , γ ∈ R.
• Condition initiale. On cherche quelle solution vérifie en plus X(0) = X0 ·
 
α +γ
X(0) = αX1 (0) + β X2 (0) + γX3 (0) = αV1 + βV2 + γV3 =  α + β + γ  .
α +β

La condition initiale X(0) = X0 se transforme donc en le système linéaire :



 α +γ = 1
α +β +γ = 2

 α + β = 3.

On trouve α = 2, β = 1, γ = −1. Ainsi l’unique solution qui vérifie le système et la condition

initiale est
2et − e5t
 

X(t) =  2et + e−2t − e5t  .

2et + e−2t
1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 20

1.4.3 Exponentielle de matrices

Avant de définir l’exponentielle de matrices, voici quelques petits rappels sur l’exponentielle
réelle complexe. Tout d’abord, pour z ∈ C, l’exponentielle peut être définie par une série :
+∞ k
z
exp(z) = ∑ k! .
k=0

On la note aussi ez . Retenons quelques propriétés principales :

1) exp(0) = 1
2) exp (z + z0 ) = exp(z) · exp (z0 ) (∀z, z0 ∈ C)
1
3) exp(−z̃) = exp(z) (∀z ∈ C),
4) exp(kz) = (exp(z))k (∀z ∈ C, ∀k ∈ Z).

Une autre propriété essentielle est que l’exponentielle définit une fonction dérivable et (pour
a ∈ C) :
d
exp(at) = a exp(at).
dt
L’espace vectoriel Mn (R) étant un espace vectoriel de dimension finie sur lequel toutes les
normes sont équivalentes, on en choisit une que l’on note k·k. Par exemple, kAk = max16i, j6n ai j .
Rappelons la définition d’une série. Soit (un )n∈N une suite. On appelle série de terme général
n
un la suite (Sn )n∈N de terme général Sn = ∑ uk . Si cette suite admet une limite, quand n tend
k=0
+∞
vers l’infini, on dit que la série converge et on note S = ∑ uk sa limite. Nous allons maintenant
k=0
définir ce qu’est l’exponentielle d’une matrice.

La série de terme général k!1 ak étant convergente pour tout a ∈ R, la série de terme général
1 k
k! kAk est également convergente pour toute matrice A ∈ Mn (R). Par conséquent, la série
+∞
1
∑ k! Ak est convergente dans Mn(R).
k=0

Ak
Théorème 1.2 Pour toute matrice A ∈ Mn (R), la série ∑ converge dans Mn (R). On note
k>0 k!

+∞
Ak
exp(A) = ∑
k=0 k!

sa limite. C’est la matrice exponentielle de A.

Notation : on la note aussi eA .
Ce théorème est aussi valable pour l’exponentielle d’une matrice complexe A ∈ Mn (C).
1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 21

Exemple 1.10 (Exponentielle d’une matrice diagonale)

Si A est la matrice diagonale
λ1 0 · · · 0 λ1k 0 ··· 0
   
.. .. ... ..
 0
 . .
 
0 .

A= . , alors Ak = 
  
 .. .. .. .. 
. 0   . . 0 
0 · · · 0 λn 0 · · · 0 λnk
et donc  
eλ1 0 ··· 0
 .. .. 
 0 . . 
exp(A) =  .. ...
.
.
 
 0 
0 ··· 0 eλn
Exemple 1.11 (Exponentielle d’une matrice nilpotente).
Rappelons qu’une matrice A est nilpotente s’il existe n ∈ N tel que An soit la matrice nulle. Pour
une telle matrice nilpotente, exp(A) est ainsi une somme finie :
n−1
Ak
exp(A) = ∑ .
k=0 k!

L’exponentielle de matrices (réelles ou complexes) vérifie les propriétés suivantes :

Proposition 1.9 (Propriétés de l’exponentielle).
1) Si on note On la matrice nulle, alors exp (On ) = In .
2) Si A et B ∈ Mn (R) (ou Mn (C)) vérifient AB = BA, alors exp(A + B) = exp(A) · exp(B).
3) Pour toute matrice A ∈ Mn (R) (ou Mn (C)), la matrice exp(A) est inversible et (exp(A))−1 =
exp(−A)
4) exp(kA) = (exp(A))k pour tout k ∈ Z.
Remarque 1.3 Attention ! Si A et B ne commutent pas, alors, en général, exp(A + B) 6= exp(A) ·
exp(B) Nous ne démontrerons pas ces propriétés, mais nous pouvons cependant faire les re-
marques suivantes :
• Le 1 est évident.
• Le 2 se démontre comme dans le cas de l’exponentielle complexe, le fait que les matrices
commutent permettant d’utiliser la formule du binôme de Newton.
• Pour le 3 , on remarque que les matrices A et −A commutent, d’où

exp(A) · exp(−A) = exp(A − A) = exp (0n ) = In .

• Pour le 4, c’est d’abord une récurrence sur k > 0, puis on utilise le 3 pour obtenir la propriété
pour k 6 0.
Le calcul de l’exponentielle d’une matrice peut s’effectuer en se ramenant aux calculs de
l’exponentielle d’une matrice diagonale et d’une matrice nilpotente. On se ramènera à une
telle situation par le résultat suivant :
1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 22

Lemme 1.1 Si A, P ∈ Mn (C), et P est inversible, on a exp P−1 AP = P−1 exp(A)P.

k
Preuve : On note que, pour tout k ∈ N, on a P−1 Ak P = P−1 AP et l’on revient à la définition
de l’exponentielle :
!
+∞ +∞
1 1
exp P−1 AP = ∑ P−1 Ak P = P−1 ∑ Ak P = P−1 exp(A)P.


k=0 k! k=0 k!

Méthode de calcul de exp(A).

• Si A est diagonale ou nilpotente, il n’y a pas de problème (voir ce qui précède).
• Sinon on utilise la décomposition de Dunford.

1.4.3.1 Décomposition de Dunford

Théorème 1.3 (Décomposition de Dunford)
Pour toute matrice A ∈ Mn (K) ayant un polynôme caractéristique scindé sur K, il existe une
unique matrice N nilpotente et une unique matrice ∆ diagonalisable telles que

A = N + ∆ et N∆ = ∆N.

Remarque 1.4 La matrice ∆ est une matrice diagonalisable, pas nécessairement une matrice
diagonale. Comme ∆ est diagonalisable, alors il existe une matrice inversible P et une matrice
diagonale D telles que D = P−1 ∆P. Si on note N 0 = P−1 NP alors N 0 est encore nilpotente et
N 0 D = DN 0 . Une autre façon d’écrire la décomposition de Dunford est alors P−1 AP = D + N 0 .
C’est dire que A est semblable à la somme d’une matrice diagonale avec une matrice nilpotente.
Pratique de la décomposition
La méthode pour trouver la décomposition de Dunford d’une matrice A ∈ Mn (K) consiste à
suivre les étapes suivantes :
1. On calcule le polynôme caractéristique χA de A : il doit être scindé. On calcule ses
racines, qui sont les valeurs propres de A.
2. Pour chaque valeur propre λ , de multiplicité m comme racine de χA , on note Nλ =
Ker (A − λ In )m . C’est un espace vectoriel de dimension m. On détermine m vecteurs for-
mant une base de Nλ . L’union de toutes les bases Bλ des Nλ forme une base B =
(v1 , . . . , vn ) de Kn .
3. On définit l’endomorphisme d par d (vi ) = λ vi pour chaque vi ∈ Nλ . (Dans la base B, la
matrice de d est diagonale.) On note B0 = (e1 , . . . , en ) la base canonique de Kn . (A est
la matrice de l’endomorphisme f dans la base B0 .) ∆ sera la matrice de d dans la base
B0 , c’est-à-dire que les colonnes de ∆ sont les coordonnées des d (ei ) exprimées dans la
base (e1 , . . . , en ).
4. On pose N = A − ∆. ∆ est diagonalisable, N est nilpotente et ∆N = N∆. La matrice de pas-
sage P de la base B vers la base canonique B0 transforme ∆ en une matrice diagonale
D = P−1 ∆P.
1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 23

Exemple 1.12 Calculons la décomposition de Dunford de la matrice

 
1 1 1
A =  0 1 1  ∈ M3 (R).
0 0 2

1. Le polynôme caractéristique χA est égal à

1−X 1 1
χA (X) = det (A − XI3 ) = 0 1−X 1 = −(X − 1)2 (X − 2).
0 0 2−X

Nous avons donc deux valeurs propres qui sont λ1 = 1 et λ2 = 2. La valeur propre 1 est de
multiplicité m1 = 2, alors que, pour la valeur propre 2, m2 = 1.
Notons que la matrice A n’est pas diagonalisable : en effet, la valeur propre 1 est de multi-
3

plicité 2 , mais E1 = Ker (A − I3 ) = v ∈ R | Av = v est de dimension seulement 1.
2. On note N1 = Ker (A − I3 )2 et N2 = Ker (A − 2I3 ). Déterminons ces sous-espaces caractéris-
tiques.
• Calcul de N1 = Ker (A − I3 )2 . On sait que c’est un espace vectoriel de dimension m1 = 2.
On calcule    
0 1 1 0 0 2
A − I3 =  0 0 1  (A − I3 )2 =  0 0 1  .
0 0 1 0 0 1
Ainsi N1 = Ker (A − I3 )2 est l’espace vectoriel engendré par les vecteurs v1 = (1, 0, 0) et
v2 = (0, 1, 0).
• Calcul de N2 = Ker (A − 2I3 ). On sait que c’est
 un3espace vectoriel de dimension m2 = 1.
Pour déterminer le noyau Ker (A − 2I3 ) = v ∈ R | Av = 2v , si v = (x, y, z), on résout :

 x + y + z = 2x  
−x + y + z = 0 x = 2z
y + z = 2y ⇐⇒ ⇐⇒
−y + z = 0 y=z
2z = 2z


Le sous-espace N2 = Ker (A − 2I3 ) est donc la droite vectorielle engendrée par le vecteur
v3 = (2, 1, 1).
On pose B = (v1 , v2 , v3 ). B est une base de R3
3. On définit ensuite l’endomorphisme d par d (v1 ) = v1 , d (v2 ) = v2 et d 
(v3 ) = 2v3 . Dans la
1 0 0
base B, la matrice de d est donc la matrice diagonale D =  0 1 0 . Or nous voulons
0 0 2
la matrice de d dans la base canonique B0 = (e1 , e2 , e3 ). On a
d (e1 ) = d(1, 0, 0) = (1, 0, 0) = e1 .
d (e2 ) = d(0, 1, 0) = (0, 1, 0) = e2 .
On a v3 = (2, 1, 1) = 2e1 + e2 + e3 et aussi e3 = (0, 0, 1) = −2v1 − v2 + v3 . Donc

d (e3 ) = d (−2v1 − v2 + v3 ) = −2d (v1 ) − d (v2 ) + d (v3 ) = −2v1 − v2 + 2v3

= −2e1 − e2 + 2 (2e1 + e2 + e3 ) = 2e1 + e2 + 2e3 .
1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 24

Donc  
1 0 2
∆ = MatB0 (d) =  0 1 1  .
0 0 2

On pose  
0 1 −1
N = A−∆ =  0 0 0 .
0 0 0
La décomposition de Dunford est A = ∆ + N. La matrice ∆ est diagonalisable, N est nilpotente et
∆N = N∆ (c’est un bon exercice de le vérifier à la main).
On note P la matrice de passage de la base B0 vers la base B. P contient donc, en colonnes,
les vecteurs de la nouvelle base B = (v1 , v2 , v3 ) exprimés dans l’ancienne base B0 = (e1 , e2 , e3 ).
Comme v1 = e1 , v2 = e2 et v3 = 2e1 + e2 + e3 , alors
   
1 0 2 1 0 −2
P =  0 1 1  et on calcule P−1 =  0 1 −1  .
0 0 1 0 0 1

Si besoin, on peut diagonaliser ∆ :

 
1 0 0
D = P−1 ∆P =  0 1 0  .
0 0 2

Remarque 1.5 D et N sont uniques, mais il y a plusieurs choix possibles pour les vecteurs vi et
donc pour la matrice P.
Exemple 1.13 (de calcul de l’exponentielle d’une matrice non diagonalisable)

Soit A la matrice  
1 1 0
A =  0 2 −1  .
−1 1 3
• On montre que la décomposition de Dunford est A = ∆ + N avec
   
2 0 0 −1 1 0
∆ =  0 2 0  et N =  0 0 −1  .
0 0 2 −1 1 1

Ici ∆ est déjà une matrice diagonale puisque ∆ = 2I3 , ce qui va simplifier les calculs.
• La matrice diagonale.

e2 0 0
 

exp(∆) =  0 e2 0  = e2 I
0 0 e2
• La matrice nilpotente.
1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 25

La matrice N est nilpotente :

 
1 −1 −1
N 2 =  1 −1 −1  et N3 = 0
0 0 0
Ainsi
1 1
− 12
 
1 2 2
exp(N) = I + N + N 2 =  − 32  .
1
2
1
2
2!
−1 1 2
• Exponentielle de A.
  1 2 1 2
− 12 e2
 1 1 1
e2 0 0
 
2 2 − 2 2e 2e
exp(A) = exp(∆) · exp(N) =  0 e2 0   12 12 − 23  =  12 e2 1 2
2e − 32 e2  .
0 0 e2 −1 1 2 −e2 e2 2e2
Exemple 1.14 (de calcul de l’exponentielle d’une matrice non diagonalisable)
Soit A la matrice  
−5 0 1
A =  12 6 6  .
−1 0 −7
• On effectue la décomposition de Dunford pour obtenir
A = ∆ + N avec    
−6 0 0 1 0 1
∆ =  25
2 6 13
2
 et N =  − 21 0 − 12 
0 0 −6 −1 0 −1
• La matrice nilpotente (N 2 = 0). Ainsi exp(N) = I + N.
• La matrice ∆ se transforme en une matrice diagonale par D = P−1 ∆P où
 25
1 13
    
6 0 0 0 1 0 24 24
D =  0 −6 0  et P =  1 0 1  , P−1 =  1 0 0  .
0 0 −6 0 − 25 24
13 − 13 − 25
24 0 − 24
13

Comme ∆ = PDP−1 alors exp(∆) = exp PDP−1 = P exp(D)P−1 :

e−6
 6   
e 0 0 0 0
exp(D) =  0 e−6 0  exp(∆) =  25 6 −6 13 6
e6 24 e − e−6 



24 e − e
−6
0 0 e 0 0 e−6
• Exponentielle de A.
2e−6 e−6
 

0
1
25e6 − 37e−6 e6 1
13e6 − 25e−6  .


exp(A) = exp(∆) · exp(N) =  24 24
−e−6 0 0
Exercice 1.1 Soit
 
2 1 −1
A =  3 3 −4  ∈ M3 (R).
3 1 −2
1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 26

1. Donner la décomposition de Dunford A.

2. Calculer exp(A).

1.4.4 Dérivée
Si M(t) est une matrice dont les coefficients ai j (t) sont des fonctions dérivables de la variable
t, alors la dérivée de A(t) est la matrice A0 (t) dont les coefficients sont les dérivées a0i j (t). La
dérivée d’une matrice vérifie les propriétés usuelles des dérivées. En particulier, elle vérifie
que, si les matrices M(t) et N(t) sont dérivables, alors le produit aussi et on a (attention à
l’ordre des produits !) :
(MN)0 (t) = M 0 (t)N(t) + M(t)N 0 (t)
Proposition 1.10 Soit A ∈ Mn (R). L’application de R dans Mn (R) définie par t 7→ exp(tA) est
dérivable et on a
d
(exp(tA)) = A exp(tA)
dt

Nous revenons à notre problème : résoudre le système différentiel X 0 = AX, où A est une
matrice carrée quelconque. Nous allons voir comment utiliser les propriétés de l’exponentielle
de matrices et la réduction des matrices carrées pour écrire les solutions.
Théorème 1.4 Soit A ∈ Mn (R). Les solutions du système différentiel homogène X 0 = AX sont les
fonctions X : R −→ Rn définies par

X(t) = exp(tA) · X0

où X0 est un vecteur de Rn quelconque.

Remarque 1.6
• En particulier, les solutions sont définies sur R tout entier.
• Ce théorème est aussi vrai sur C.
• Il est clair que X(0) = X0 .
Tirons deux conséquences importantes de ce théorème. La première est que si on impose une
condition initiale, alors on a existence et unicité de la solution.
Corollaire 1.1 (Théorème de Cauchy-Lipschitz).
Pour X0 ∈ Rn fixé, il existe une et une seule solution X(t) vérifiant le système différentiel X 0 = AX
et la condition initiale X(0) = X0 .
Seconde conséquence : comme à chaque X0 ∈ Rn on associe une unique solution, alors l’espace
vectoriel des solutions est aussi de dimension n.
Corollaire 1.2 L’ensemble des solutions du système différentiel X 0 = AX (avec A ∈ Mn (R) ) est
un R-espace vectoriel de dimension n.

Preuve du théorème.
1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 27

• D’une part, la dérivée de exp(tA) est A exp(tA), donc X(t) = exp(tA) · X0 est bien solution de
l’équation X 0 = AX.
• Réciproquement, si on pose Y (t) = exp(−tA)X(t), alors
Y 0 (t) = exp(−tA) X 0 − AX = 0.

Donc, sur R, Y est une fonction constante que l’on note X0 ∈ Rn . Ainsi X(t) = exp(tA) · X0 pour
tout t.


1.4.5 Méthode
1) Forme des solutions. Il s’agit d’intégrer l’équation X 0 = AX dont les solutions s’écrivent
X(t) = exp(tA) · X0 avec X0 ∈ Rn
2) Réduction à la forme D + N. e Si le polynôme caractéristique de A est scindé (ce qui
est toujours vrai sur C ), alors la décomposition de Dunford permet d’écrire A sous la
forme A = ∆ + N avec ∆ diagonalisable, N nilpotente et N∆ = ∆N. Il existe une matrice
inversible P telle que ∆ = PDP−1 .
Donc P−1 AP = D + P−1 NP.
Posons Ne = P−1 NP et B = D + N e = P−1 AP.
3) Équation en Y . Posons Y = P−1 X (donc X = PY ). L’équation X 0 = AX devient une équa-
tion de Y 0 :
Y 0 = P−1 X 0 = P−1 AX = P−1 APY = BY
4) Solutions en Y . Les solutions Y (t) sont donc de la forme Y (t) = exp(tB)V où V ∈ Rn . De
e = exp(tD) · exp(t N)
plus, exp(tB) = exp(tD + t N) e et les matrices exp(tD) et exp(t N)
e sont
faciles à calculer puisque D est diagonale et Ne est nilpotente.
5) Solutions en X. On obtient alors X = PY = P exp(tB)V (V ∈ Rn ). Ainsi, les solutions de
l’équation X 0 = AX sont de la forme
X(t) = P exp(tD) · exp(t N)V
e avec V ∈ Rn .
Exemple 1.15 Résoudre le système différentiel :
 0
 x1 (t) = x1 (t) − 3x3 (t)
x0 (t) = x1 (t) − x2 (t) − 6x3 (t)
 20
x3 (t) = −x1 (t) + 2x2 (t) + 5x3 (t)
avec pour «conditions initiales» : x1 (0) = 1, x2 (0) = 1, x3 (0) = 0
1) Forme des solutions.
La matrice du système différentiel est
 
1 0 −3
A =  1 −1 −6  .
−1 2 5
Les solutions 0
  du système X = AX sont les X(t) = exp(tA)X0 . Ici la condition initiale est
1
X0 =  1 .
0
1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 28

2) Réduction à la forme D + N.
e
La décomposition de Dunford de A s’écrit ici P−1 AP = D + N
e avec
       
1 0 0 0 0 0 1 1 0 4 −6 −6
D= 0 2 0  N e =  0 −3 3  P =  1 0 1  P−1 =  −3 6 6 .
2
0 −3 3 2 −2 4
0 0 2 0 3 −1 3

D est bien diagonale, N e 2 = 0) et DN

e est nilpotente (car N e = ND.
e
3) Équation en Y .
Posons Y = P−1 X (donc X = PY ). Posons B = P−1 AP = D + N
e:
 
1 0 0
B =  0 −1 3  .
0 −3 5

L’équation X 0 = AX devient une équation de Y : Y 0 = BY .

4) Solutions en Y .
Les solutions de Y 0 = BY sont les Y (t) = exp(tB)V,V ∈ Rn .
 t   
e 0 0 1 0 0
exp(tD) =  0 e2t 0  exp(t N) e =  0 −3t + 1
e = I + tN 3t 
0 0 e 2t 0 −3t 3t + 1
Ainsi
et
 
0 0
e =  0 (−3t + 1)e2t
e = exp(tD) · exp(t N)
exp(tB) = exp(tD + t N) 3te2t 
0 −3te 2t (3t + 1)e2t

5) Solutions en X.
Les solutions du système X 0 = AX sont les
e (−3t + 1)e2t 3te2t
 t 

X(t) = P exp(tB)V =  12 et −3te
2t (3t + 1)e2t  ·V

0 t + 32 e2t −(t + 1)e2t

6) Solution en X avec condition

 initiale.
1
On veut X(0) = X0 =  1 . Mais, en t = 0, la solution X(t) = P exp(tB)V0 conduit à
0
−1
X(0) = PV0 d’où V0 = P X0 . On trouve
 
−2
V0 =  3 
2
On trouve alors X(t) = P exp(tB)V0 , c’est-à-dire

 x1 (t) = (−3t + 3)e2t − 2et



x (t) = (−3t + 2)e2t − et

 2
x3 (t) = te2t .
1.4. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES 29

1.4.6 Systèmes d’équations différentielles linéaires d’ordre 2

On souhaite intégrer l’équation différentielle

(E) x00 (t) + px0 (t) + qx(t) = 0

où p et q sont des constantes réelles. C’est une équation différentielle linéaire d’ordre 2 à
coefficients constants. L’inconnue est la fonction x : R → R de la variable t, qui doit être deux
fois dérivable. Quel est le lien avec nos systèmes différentiels ? On se ramène à l’étude des
systèmes du paragraphe précédent en posant y = x0 . L’équation différentielle (E) est alors
équivalente au système différentiel :
 0
x =y
y0 = −qx − py.

En effet, la première équation x0 = y implique en particulier x00 = y0 , donc la deuxième équation

devient l’équation (E) x00 = −qx − px0 . On vient donc de justifier le résultat suivant :
Proposition 1.11 La fonction x : R → R est solution de l’équation différentielle

x00 + px0 + qx = 0

si et seulement si l’application X : R → R2 définie par

   
x(t) x(t)
X(t) = =
y(t) x0 (t)

est solution du système X 0 = AX avec

 
0 1
A= .
−q −p

Comment trouver les solutions ?

Le polynôme caractéristique de A est χA (X) = X 2 + pX + q. Notons λ1 et λ2 les racines de χA .
Ce sont les valeurs propres de la matrice A. Soit
 λ une racine du polynôme caractéristique :
v1
λ est valeur propre de la matrice A. Soit V = un vecteur propre associé à cette valeur
v2
propre. Alors, par la Proposition 1.8, la fonction

X(t) = eλt V

est solution du système différentiel X 0 = AX, donc x(t) = v1 eλt est solution de l’équation diffé-
rentielle x00 (t) + px0 (t) + qx(t) = 0.
Exemple 1.16 Quelles sont les solutions de l’équation différentielle x00 + x = 0 ?
• Première méthode.
L’équation caractéristique est x2 + 1 = 0, dont les solutions sont ±i, c’est-à-dire a = 0 et b = 1. On
trouve deux solutions x1 (t) = cost et x2 (t) = sint. L’ensemble des solutions est alors

t 7→ α cost + β sint (α, β ∈ R).

1.5. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES D’ORDRE N 30

• Seconde méthode.
Écrivons l’équation sous la forme du système différentiel X 0 = AX avec
   0   
x(t) 0 x (t) 0 1
X(t) = , X (t) = , A= .
x0 (t) x00 (t) −1 0

On retrouve les solutions de notre système précédent via la matrice exp(tA), c’est-à-dire après
calculs  
cost sint
exp(tA) =
− sint cost
dont les colonnes sont des solutions linéairement
 indépendantes
 du système X 0 = AX. La solution
α
générale s’écrit X(t) = exp(tA)X0 pour X0 = , ou autrement dit
β
   
cost sint
X(t) = α +β
− sint cost

Et en particulier x(t) = α cost + β sint, avec α, β ∈ R.

1.5 Équations différentielles linéaires d’ordre n

Ce que nous avons fait pour les équations différentielles linéaires d’ordre 2 se généralise aux
équations d’ordre n. Le principe est le même !
On considère une équation différentielle linéaire d’ordre n à coefficients constants

x(n) (t) + a1 x(n−1) (t) + · · · + an−1 x0 (t) + an x(t) = 0.

où la fonction inconnue est une fonction t 7→ x(t) de R dans R, n fois dérivable. On introduit
les fonctions auxiliaires 

 x1 = x
x2 = x10 = x0





..

.

0
= x(n−2)




 xn−1 = xn−2
0

xn = xn−1 = x(n−1)


L’équation (E) se transforme alors en le système différentiel suivant :

 0
 x1 = x2
x0 = x3



 2


..
 .
x0 = xn


 n−10



xn = −a1 xn − a2 xn−1 − · · · − an x1

Ainsi résoudre l’équation (E) est équivalent à résoudre le système différentiel

X 0 = AX
1.5. ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES D’ORDRE N 31

avec
x10 (t) x0 (t)
       
x1 (t) x(t)
 x2 (t)   x0 (t)   x20 (t)   x00 (t) 
X(t) =  .. = .. , X 0 (t) =  .. = ..
       

 .   .   .   . 
xn (t) x(n−1) (t) xn0 (t) x(n) (t)
et  
0 1 ··· 0
 0 0 ··· 0 
A= .. .. .
 
 . .1 
−an −an−1 · · · −a1
Lemme 1.2 Le polynôme caractéristique de A est
χA (X) = (−1)n X n + a1 X n−1 + · · · + an−1 X + an

où les ai sont les coefficients de l’équation différentielle (E).

On termine par l’énoncé d’un théorème qui donne toutes les solutions.
Théorème 1.5 Soit l’équation différentielle
x(n) (t) + a1 x(n−1) (t) + · · · + an−1 x0 (t) + an x(t) = 0
où a1 , a2 , . . . , an ∈ R. Notons λ1 , λ2 , . . . , λr ∈ C les racines deux à deux distinctes du polynôme
caractéristique χA (X) et m1 , m2 , . . . , mr les multiplicités. Autrement dit :
χA (X) = (−1)n X n + a1 X n−1 + · · · + an = (−1)n (X − λ1 )m1 · · · (X − λr )mr .

Alors chaque solution x(t) de l’équation différentielle est la partie réelle de

r
∑ Pk (t)eλkt
k=1

pour des polynômes Pk de degré < mk (pour tout k).

La preuve consiste encore une fois à vérifier que les fonctions proposées sont bien des solu-
tions. Comme l’équation caractéristique est à coefficients réels, si λk est une solution complexe
alors son conjugué l’est aussi. Ainsi, une base de solutions réelles est donnée par :
• les Pk (t)eλk t avec deg Pk < mk , si λk est réel ;
• et les Pk (t)eak t cos (bkt) ainsi que les Pk (t)eak t sin (bkt) avec deg Pk < mk , si λk = ak + ibk est
complexe.

Exemple 1.17 Résoudre l’équation x000 − 3x00 + 4x = 0

• L’équation caractéristique est X 3 − 3X 2 + 4 = 0, ce qui s’écrit aussi (X − 2)2 (X + 1) = 0. Les
valeurs propres sont λ1 = 2 (de multiplicité m1 = 2 ) et λ2 = −1 (de multiplicité m2 = 1 ).
• La valeur propre λ1 = 2 conduit aux solutions (a + bt)e2t avec a, b ∈ R.
• La valeur propre λ2 = −1 conduit aux solutions ce−t avec c ∈ R.
• L’ensemble des solutions est donc
t 7→ (a + bt)e2t + ce−t | a, b, c ∈ R .

1.6. EXERCICES 32

1.6 Exercices
Exercice 1.2 Résoudre les équations différentielles suivantes :
(E1 ) : y0 + 3y = x + 1
(E2 ) : y0 − 4y = (2x + 3)ex
(E3 ) : s0 − 5s = cos 4t + sin 4t
du
− u = et t 2 + 1


(E4 ) :
dt

Exercice 1.3 En utilisant la méthode de variation de la constante, résoudre :

(ε1 ) : y0 + 2y = tan xe−2x

(ε2 ) : y0 + y = cos x

Exercice 1.4 On considère l’équation différentielle (E) : x3 y0 + (2 − 3x2 )y = x3 .

1) Résoudre l’équation différentielle (E) sur R∗ .
2) Trouver la solution sur ]0, +∞[ vérifiant y(1) = 0.

Exercice 1.5 Résoudre les équations différentielles suivantes en tenant compte des conditions
initiales :
(ε1 ) : y00 + 4y0 + 4y = 9 avec y(−1) = 1 et y0 (−1) = 2

y00 − 2y0 + y = 5 cos x − π4 avec y(0) = 0 et y0 (0) = 0

(ε2 ) :

(ε3 ) : y00 + 9y = 5t + 1 avec y(0) = 0 et y0 (0) = 0

(ε4 ) : y00 + 2y0 + 10y = 0 avec y(0) = 0 et y(1) = 1

(ε5 ) : y00 + 4y + sin 2x = 0 avec y(π) = 1 et y0 (π) = 1

Exercice 1.6
 
1) Résoudre l’équation différentielle suivante, sur l’intervalle − π2 , π2 :

1
y00 + y = .
cos(x)

2) Résoudre l’équation différentielle y00 + y = tan(x).

3) Résoudre
ex i π πh
y00 − 2y0 + 2y = , I= − , .
cos(x) 2 2

Exercice 1.7 Résoudre l’équation x000 − 2x00 − 2x0 − 3x = 0.

Chapitre 2

FONCTIONS NUMÉRIQUES DE
PLUSIEURS VARIABLES

2.1 Espaces métriques

Définition 2.1 Soit E un ensemble non vide.
On appelle distance sur E, toute application d : E × E −→ R+ vérifiant les conditions suivantes :
(i) ∀x, y ∈ E, d(x, y) = 0 ⇐⇒ x = y ;
(ii) ∀x, y ∈ E, d(x, y) = d(y, x) (symétrie) ;
(iii) ∀x, y, z ∈ E, d(x, z) ≤ d(x, y) + d(y, z) (inégalité triangulaire).

Définition 2.2 Soit d une distance sur E. Le couple (E, d) est appelé un espace métrique.

Propriété 2.1 Soit (E, d) un espace métrique. Alors ∀x, y ∈ E,

d(x, y) − d(y, z) ≤ d(x, z).

Preuve :

d(x, y) ≤ d(x, z) + d(z, y) =⇒ d(x, y) − d(z, y) ≤ d(x, z)

=⇒ d(x, y) − d(y, z) ≤ d(x, z) (2.1)

d(y, z) ≤ d(y, x) + d(x, z) =⇒ d(y, z) − d(y, x) ≤ d(x, z)

=⇒ d(y, z) − d(x, y) ≤ d(x, z)
 
=⇒ − d(x, y) − d(y, z) ≤ d(x, z) (2.2)

D’après (2.1) et (2.2), on a d(x, y) − d(y, z) ≤ d(x, z).

33
2.1. ESPACES MÉTRIQUES 34


Exemple 2.1
1) Soit d : R × R −→ R+
(x, y) 7−→ |x − y|.
Alors d est une distance sur R appelée la distance usuelle de R.
2) Soit d : C × C −→ R+ .
(z1 , z2 ) 7−→ |z1 − z2 |
Alors d est une distance sur C appelée la distance usuelle de C.

Définition 2.3 On dit que deux distances d1 et d2 sont équivalentes sur E s’il existe deux réels
α > 0 et β > 0 tels que
α d1 ≤ d2 ≤ β d1 .
C’est-à-dire
∀x, y ∈ E α d1 (x, y) ≤ d2 (x, y) ≤ β d2 (x, y).

Proposition 2.1 Soient (E1 , d1 ), (E2 , d2 ), · · · , (En , dn ) des espaces métriques.

Sur l’ensemble E = E1 × E2 × · · · × En , on définit trois distances équivalentes en posant :

∀x = (x1 , x2 , · · · , xn ) ∈ E, ∀y = (y1 , y2 , · · · , yn ) ∈ E
n
δ1 (x, y) = ∑ di (xi , yi )
i=1
s
nh i2
δ2 (x, y) = ∑ di(xi, yi)
i=1

δ∞ (x, y) = sup di (xi , yi ).

1≤i≤n

Remarque 2.1 Pour l’équivalence de ces distances, on a par exemple :

√
δ∞ ≤ δ1 ≤ nδ2 ≤ nδ∞ .

Exemple 2.2 On obtient trois distances équivalentes sur Rn en posant :

∀x = (x1 , x2 , · · · , xn ) ∈ Rn , ∀y = (y1 , y2 , · · · , yn ) ∈ Rn
n
δ1 (x, y) = ∑ |xi − yi |
i=1
s
n
δ2 (x, y) = ∑ (xi − yi)2
i=1

δ∞ (x, y) = sup |xi − yi |.

1≤i≤n
2.2. ESPACES VECTORIELS NORMÉS 35

Définition 2.4 Soit (E, d) un espace métrique, et A une partie non vide de E. La restriction de d
à A × A est une distance sur A notée dA ; c’est-à-dire ∀x, y ∈ A dA (x, y) = d(x, y).
(A, dA ) est appelé sous-espace métrique de (E, d).
Exemple 2.3 Dans R muni de la distance usuelle, N Z, Q, ] − 1, 1[ sont des sous-espaces mé-
triques de R.

2.2 Espaces vectoriels normés

Définition 2.5 Soit E un espace vectoriel sur K = R ou C.
On appelle norme sur E, toute application k k : E −→ R+ vérifiant les conditions suivantes :
(i) ∀x, y ∈ E, kxk = 0 ⇐⇒ x = 0 ;
(ii) ∀x ∈ E, λ ∈ K, kλ xk = |λ |kxk ;
(iii) ∀x, y ∈ E, kx + yk ≤ kxk + kyk.

Exemple 2.4 Sur Rn , on définit

n
N1 (x) = ∑ |xi | ;
i=1
s
n
N2 (x) = ∑ |xi|2 ;
i=1

N∞ (x) = sup |xi |, ∀x = (x1 , x2 , · · · , xn ) ∈ Rn .

1≤i≤n

N1 , N2 et N∞ sont des normes sur Rn .

Définition 2.6 Soit k k une norme sur un espace vectoriel . Le couple (E, k k) est appelé un
espace vectoriel normé.

Proposition 2.2 Soit (E, k k) un espace vectoriel normé.

Alors
∀x, y ∈ E kxk − kyk ≤ kx + yk.

Preuve : kxk = kx + y − yk ≤ kx + yk + k − yk = kx + yk + kyk, d’où

kxk − kyk ≤ kx + yk
 
De même kyk − kxk ≤ ky + xk =⇒ − kxk − kyk ≤ kx + yk.
Ainsi kxk − kyk ≤ kx + yk.

Définition 2.7 On dit que deux normes N1 et N2 sont équivalentes s’il existe deux réels α > 0
et β > 0 tels que
∀x ∈ E α N1 (x) ≤ N2 (x) ≤ β N1 (x).
2.3. TOPOLOGIE D’UN ESPACE MÉTRIQUE 36

Exemple 2.5 Sur Rn , les normes N1 , N2 et N∞ définies dans l’Exemple 2.4 sont équivalentes.

Proposition 2.3 (Distance associée à une norme)

Soit (E, k k) un espace vectoriel normé. Alors on définit une distance sur E en posant :

∀ x, y ∈ E d(x, y) = kx − yk.

Cette distance est appelée la distance associée à la norme k k.

Remarque 2.2 Un espace vectoriel normé est donc un espace métrique. Mais un espace métrique
n’est pas nécessairement un espace vectoriel normé.

2.3 Topologie d’un espace métrique

Définition 2.8 Soit (E, d) un espace métrique. Soit a ∈ E et r ∈ R+ .
• On appelle boule ouverte de centre a et de rayon r, l’ensemble

B(a, r) = {x ∈ E : d(a, x) < r} .

• On appelle boule fermée de centre a et de rayon r, l’ensemble

B f (a, r) = {x ∈ E : d(a, x) ≤ r} .

• On appelle sphère de centre a et de rayon r, l’ensemble

S(a, r) = {x ∈ E : d(a, x) = r} .

Remarque 2.3 Si r = 0
B(a, 0) = ∅
B f (a, 0) = {a}
S(a, 0) = {a}.

Exemple 2.6 Dans R muni de la distance usuelle,

B(a, r) =]a − r , a + r[

B f (a, r) = [a − r , a + r]
S(a, r) = {a − r , a + r}.

Définition 2.9 Soit A une partie non vide d’un espace métrique (E, d).
• On appelle diamètre de A, et on note δ (A), l’élément de R+ ∪ {+∞} défini par :

δ (A) = sup{d(x, y) : x, y ∈ A}.

2.3. TOPOLOGIE D’UN ESPACE MÉTRIQUE 37

• On dit que A est borné si δ (A) est fini ; c’est-à-dire δ (A) ∈ R+ .

Exemple 2.7 Déterminer le diamètre de l’ensemble N des nombres entiers naturels.

Il suffit d’utiliser la caractérisation séquentielle de la borne supérieure : "M = sup F si et seulement
si il existe une suite d’éléments de F qui tend vers M".

On pose xn = 0 et yn = n. On a d (xn , yn ) = |n − 0| = n.
 
d (xn , yn ) est une suite d’éléments de {d(x, y) | x, y ∈ N} et elle tend vers +∞.
n∈N

Ainsi, sup{d(x, y) | x, y ∈ N} = +∞ et finalement δ (N) = +∞.

Définition 2.10 Soit A ⊂ Rn . On dit que A est un ouvert (ou est une partie ouverte) si :

∀a ∈ A, ∃ r > 0, B(a, r) ⊂ A.

A est une partie ouverte de Rn si, en tout point a ∈ A, on peut glisser une petite boule de centre
a qui soit incluse dans A. Si A est ouvert, quand on est dans A, on n’est jamais totalement «au
bord» de A. Cela signifie que A ne contient aucun point de sa frontière.
Exemple 2.8
• Toute boule ouverte est un ouvert.

Soient a ∈ E et r ∈ R+ , et B(a, r) la boule ouverte de centre a et de rayon r dans E. Nous

montrerons que si x ∈ B(a, r) alors il existe δ ∈ R+ tel que B(x, δ ) ⊂ B(a, r). Pour ce faire,
il suffit de choisir δ tel que 0 < δ < r − d(x, a). En effet, si y ∈ B(x, δ ) alors

d(y, a) ≤ d(y, x) + d(x, a) < δ + d(x, a) < r − d(x, a) + d(x, a) = r

en d’autres termes tout point qui appartient à B(x, δ ) appartient aussi à B(a, r). Donc
B(x, δ ) ⊂ B(a, r).
• Dans R, tout intervalle ouvert est un ouvert.

Proposition 2.4
• Toute union d’ouverts est un ouvert.
• Toute intersection finie d’ouverts est un ouvert.
Preuve :
[
• Soit (Oi )i∈I une famille d’ouverts. On pose O = Oi .
i∈I
Soit a ∈ O. Alors il existe i0 ∈ I tel que a ∈ Oi0 .

Oi0 ouvert ⇒ ∃ r > 0, B(a, r) ⊂ Oi0 ⊂ O.

Donc O est ouvert.

2.3. TOPOLOGIE D’UN ESPACE MÉTRIQUE 38

k
\
• Soit O1 , . . . , Ok une suite finie d’ouverts. Posons G = Oi . Soit a ∈ G.
i=1

∀i ∈ {1, . . . , k}, ∃ ri > 0, B (a, ri ) ⊂ Oi .

Soit r = min ri . On a r > 0 et :

16i≤k

∀ i ∈ {1, . . . , k}, B(a, r) ⊂ B (a, ri ) ⊂ Oi

k
\
d’où B(a, r) ⊂ Oi = G. Ce qui prouve que G est ouvert.
i=1


Définition 2.11 On dit qu’une partie F de E est fermée si son complémentaire est ouvert, c’est-
à-dire si F c = {x ∈ E : x ∈
/ F} = E\F est ouvert.

Proposition 2.5 Soit A une partie d’un espace métrique (E , d). Alors, A est un fermé si et seule-
ment pour toute suite (uk ) d’éléments de A qui converge vers un élément ` de E, alors ` appartient
à A.

Preuve :
C.N. Soit A un fermé de (E , d). Soit (uk ) une suite de A, qui converge vers ` ∈ E.
/ A, alors ` ∈ Ac ouvert, d’où : ∃ ε0 > 0, B (`, ε0 ) ⊂ Ac . Mais :
Si ` ∈

∀ ε > 0, ∃ N, k ≥ N ⇒ d (uk , `) < ε.

Donc pour ε = ε0 , on obtient uk ∈ Ac pour k ≥ N.

Mais c’est impossible car (uk ) est une suite de A. Donc ` ∈ A.
C.S. Réciproquement, soit A tel que toute suite convergente d’éléments de A converge vers
une limite qui est dans A.
A est-il fermé ? Autrement dit Ac est-il ouvert ?
Soit x ∈ Ac . Existe-t-il r > 0, tel que B(x, r) ⊂ Ac ? Si ce n’est pas le cas, alors :
 
∗ 1
∀ k ∈ N , B x, * Ac ,
k

c’est-à-dire ∀ k ∈ N∗ , ∃ uk ∈ B x, 1k avec uk ∈ A ; c’est-à-dire x = lim uk , les uk ∈ A, d’où x ∈ A.

k→+∞
/ A. Donc ∃ r > 0, B(x, r) ⊂ Ac , c’est-à-dire Ac est ouvert.
C’est impossible car x ∈


Proposition 2.6
• Toute intersection de fermés est un fermé.
2.3. TOPOLOGIE D’UN ESPACE MÉTRIQUE 39

• Toute union finie de fermés est un fermé.

Preuve : L’idée générale est de considérer les complémentaires et d’appliquer la Proposi-
tion 2.4
• Soit (Fi )i∈I une famille de fermés. Posons F = ∩ Fi . Pour tout i, soit Oi = Fic le complémen-
i∈I
taire de Fi . On a Oi ouvert puisque Fi est supposé fermé. Donc O = ∪ Oi est ouvert (Propo-
 c i∈I

sition 2.4). On peut remarquer que F c = ∩ Fi = ∪ Fic = ∪ Oi = O, ce qui signifie que le

i∈I i∈I i∈I
complémentaire de F est ouvert, c’est-à-dire F est fermé. On a bien obtenu qu’une intersec-
tion de fermés est fermée.
k
[
• Soit F1 , F2 , . . . Fk des fermés. Posons K = Fi . Pour tout i, soit Oi = Fic le complémentaire
i=1
k
\
de Fi . On a Oi ouvert puisque Fi est supposé fermé. Donc O = Oi est ouvert (Proposi-
!c i=1
k
[ k
\ k
\
tion 2.4). On peut remarquer que Kc = Fi = Fic = Oi = O, ce qui signifie que le
i=1 i=1 i=1
complémentaire de K est ouvert, c’est-à-dire K est fermé. On obtient qu’une union finie de
fermés est fermée.

Définition 2.12 (l’intérieur d’une partie)

Soit A ⊂ Rn . On appelle intérieur de A, noté int(A), l’ensemble

int(A) = {x ∈ A : ∃ r > 0, B(x, r) ⊂ A}.

Proposition 2.7 L’intérieur de A est le plus grand ouvert contenu dans A.

Preuve :
1. Montrons d’abord que int(A) est un ouvert.
Soit a ∈ int(A). Alors par définition de int(A), ∃ r > 0 tel que B(a, r) ⊂ A.
Soit x ∈ B(a, r). Comme B(a, r) est un ouvert, alors ∃ r0 > 0 tel que B(x, r0 ) ⊂ B(a, r).
On a donc obtenu : r0 > 0 tel que B(x, r0 ) ⊂ A ; et donc x ∈ int(A). Par conséquent
B(a, r) ⊂ int(A). Donc int(A) est un ouvert.
2. Montrons maintenant que c’est le plus grand ouvert contenu dans A.
Soit O un ouvert contenu dans A.
Il nous faut montrer que O ⊂ int(A).
Soit x ∈ O. Comme O est ouvert, alors ∃ r > 0 tel que B(x, r) ⊂ O ⊂ A.
Ainsi ∃ r > 0 tel que B(x, r) ⊂ A et donc x ∈ int(A) (Définition 2.12).
On a donc O ⊂ int(A).

2.3. TOPOLOGIE D’UN ESPACE MÉTRIQUE 40

Par définition int(A) est toujours inclus dans A. II n’y a égalité que pour les ouverts.

Proposition 2.8 Soit A ⊂ Rn .

A est ouvert si et seulement si int(A) = A.
Preuve :
• Si A est ouvert, alors A est clairement le plus grand ouvert contenu dans A,
d’où int(A) = A.
• Réciproque : si int(A) = A, alors A est ouvert puisque int(A) l’est.

Définition 2.13 (voisinage d’un point)
Soit (E, d) un espace métrique. Soit a ∈ E. On dit qu’un sous-ensemble V de E est un voisinage
de a s’il existe un ouvert O de E tel que a ∈ O ⊂ V .
Notation : On notera V(a) l’ensemble des voisinages d’un point a.

Proposition 2.9 Soit (E, d) un espace métrique. Soit V ⊂ E.

V est un voisinage de a si et seulement si ∃ r > 0 tel que B(a, r) ⊂ V .
Preuve :
C.N.

V est un voisinage de a ⇔ ∃ O ouvert tel que a ∈ O ⊂ V

⇒ ∃ r > 0 tel que B(a, r) ⊂ O ⊂ V
⇒ ∃ r > 0 tel que B(a, r) ⊂ V.

C.S. Supposons qu’il existe r > 0 tel que B(a, r) ⊂ V .

Cela implique a ∈ B(a, r) ⊂ V et B(a, r) est un ouvert. Donc V est un voisinage de a.

Propriété 2.2 Soit (E, d) un espace métrique. Soit a ∈ E.
1. Chaque voisinage de a contient a.
2. L’intersection de tous les voisinages de a est égal à {a}.
3. L’intersection de deux voisinages de a est un voisinage de a. Plus généralement, l’intersection
d’un nombre fini de voisinages de a est un voisinage de a.
4. Si a et b sont deux points de l’espace métrique (E, d) tels que a 6= b, alors il existe un
voisinage V1 de a et un voisinage V2 de b tels que V1 ∩V2 = ∅.
Pour cette propriété, on dit qu’un espace métrique (E, d) est séparé.
Preuve :

1. Vrai par définition d’un voisinage de a.

2.4. LIMITES ET CONTINUITÉ 41

2. Soit x ∈ V , V ∈ V(a).
T

x ∈ V , ∀V ∈ V(a)
⇒ ∀ r > 0, x ∈ B(a, r), car B(a, r) ∈ V(a).
 
1
⇒ ∀n ∈ N∗ , x ∈ B a, .
n
1
⇒ 0 ≤ d(a, x) < , ∀n ∈ N∗ .
n
1
Comme lim = 0, alors 0 ≤ d(a, x) ≤ 0. Donc d(a, x) = 0 ⇒ x = a.
n→∞ n
\
⇒ V = {a}.

3. Soient V1 , · · · ,Vn un nombre finie de voisinages de a.

n
\
Posons V = Vi .
i=1
Vi étant un voisinage de a alors ∃ ri > 0 tel que B(a, ri ) ⊂ Vi .
Posons r = min ri .
1≤i≤n
n
\
Alors r > 0 et B(a, r) ⊂ B(a, ri ) ⊂ Vi ∀i = 1, · · · , n. Donc B(a, r) ⊂ Vi .
i=1
Ce qui montre bien que l’intersection d’un nombre fini de voisinages de a est un voisi-
nage de a.
4. Soient a, b ∈ E tel que a 6= b.
Alors d(a, b) > 0.
1
Posons r = d(a, b), V1 = B(a, r), V2 = B(b, r).
3
Supposons qu’il existe x ∈ V1 ∩V2 .
Alors d(a, x) < r et d(b, x) < r.
Alors d(a, b) ≤ d(a, x) + d(x, b) ; ce qui implique 3r < 2r. Contradiction car r > 0.
Donc V1 ∩V2 = ∅.


2.4 Limites et continuité

Définition 2.14 Soient (E , dE ) et (F , dF ) deux espaces métriques.
Soit f : E −→ F une application. Soit x0 ∈ E et ` ∈ F.
On dit que f (x) tend vers ` quand x tend vers x0 si pour tout voisinage V de `, il existe un
voisinage U de x0 tel que f (U) ⊂ V ; c’est-à-dire : x ∈ U =⇒ f (x) ∈ V . Ce qui équivaut à

∀ ε > 0 , ∃ η > 0 tel que x ∈ BE (x0 , η) =⇒ f (x) ∈ BF (`, ε) i.e.

∀ ε > 0 , ∃ η > 0 tel que dE (x, x0 ) < η =⇒ dF f (x), ` < ε.
2.4. LIMITES ET CONTINUITÉ 42

Proposition 2.10 Soit f : (E, dE ) −→ (F, dF ) une application. Soit x0 ∈ E et ` ∈ F.

Si f (x) tend vers ` lorsque x tend vers x0 , un tel point ` est unique. On l’appelle la limite de f en
x0 et on note lim f (x) = `.
x→x0

Preuve : Supposons que f (x) tend vers ` et `0 lorsque x tend vers x0 avec ` 6= `0 .
(F, dF ) étant séparé et ` 6= `0 , alors

∃ V ∈ V(`), ∃ V 0 ∈ V(`0 ) tels que V ∩V 0 = ∅.

Comme f (x) tend vers ` lorsque x tend vers x0 et V ∈ V(`),

∃ U ∈ V(x0 ) tel que x ∈ U =⇒ f (x) ∈ V.

De même
∃ U 0 ∈ V(x0 ) tel que x ∈ U 0 =⇒ f (x) ∈ V 0 .
Alors U ∩U 0 6= ∅ et x ∈ U ∩U 0 =⇒ f (x) ∈ V ∩V 0 ; ce qui contredit le fait que V ∩V 0 = ∅.
On conclut que ` = `0 .


Définition 2.15 Soit f : (E, dE ) −→ (F, dF ) une application. Soit x0 ∈ E.

On dit que f est continue en x0 si

lim f (x) = f (x0 ).

x→x0

Ce qui est équivalent à

∀ ε > 0 , ∃ η > 0 tel que x ∈ E, dE (x, x0 ) < η =⇒ dF f (x), f (x0 ) < ε.

On dit que f est continue sur E si f est continue en chaque point de E.

Proposition 2.11 Soit E , F et G trois espaces métriques.

Soient f : E −→ F et g : F −→ G deux applications. Soit x0 ∈ E.
Si lim f (x) = `1 et lim g(y) = `2 ∈ G alors lim (g ◦ f ) (x) = `2 .
x→x0 y→`1 x→x0

Corollaire 2.1 Sous les hypothèses de la Proposition 2.11,

• si f est continue en x0 et si g est continue en f (x0 ) alors g ◦ f est continue en x0 .
• Si f est continue sur E et si g est continue sur F alors g ◦ f est continue sur E.

Proposition 2.12 Une application f : Rn −→ R p

 
x 7−→ f1 (x), f2 (x), · · · , f p (x) .

est continue en x0 ∈ Rn si et seulement si chacune de ses composantes fi est continue en x0 ,

∀ i = 1, · · · , p.
Donc f est continue sur Rn si chacune de ses composantes fi est continue sur Rn .
2.4. LIMITES ET CONTINUITÉ 43

Preuve : fi : Rn −→ R , ∀ i = 1, · · · , p.
C.N. : Supposons que f est continue en x0 .
Prenons sur R p la distance δ∞ et sur Rn une des 3 distances d équivalentes. Alors
∀ ε > 0 , ∃ η > 0 tel que x ∈ Rn , d(x, x0 ) < η =⇒ δ∞ f (x), f (x0 ) < ε

=⇒ sup fk (x) − fk (x0 ) < ε

1≤k≤p
=⇒ fi (x) − fi (x0 ) < ε, ∀ i = 1, · · · , p.
Alors fi est continue en x0 , ∀ i = 1, · · · , p.
C.S. : Supposons fi est continue en x0 , ∀ i = 1, · · · , p. Alors
∀ ε > 0 , ∃ ηi > 0 tel que x ∈ Rn , d(x, x0 ) < ηi =⇒ fi (x) − fi (x0 ) < ε, ∀ i = 1, · · · , p.
Posons η = min ηi . Alors
1≤i≤p

∀ ε > 0 , ∃ η > 0 tel que x ∈ Rn , d(x, x0 ) < η =⇒ fi (x) − fi (x0 ) < ε, ∀ i = 1, · · · , p.

=⇒ sup fi (x) − fi (x0 ) < ε
0≤i≤p
 
=⇒ δ∞ f (x), f (x0 ) < ε.

Donc f est continue en x0 .



Exemple 2.9 f : R2 −→ R3
 
(x, y) 7−→ ex cos y , x2 y3 , x sin y est continue car les applications

f1 : R2 −→ R
(x, y) 7−→ ex cos y

f2 : R2 −→ R
(x, y) 7−→ x2 y3

f3 : R2 −→ R
(x, y) 7−→ x sin y

sont continues.

Proposition 2.13 Soit f , g : (E , d) −→ R deux applications . Si f et g sont continues en x0 ∈ E,

f
alors f + g, f g et pour tout λ ∈ R, λ f sont continues en x0 . Si de plus g(x0 ) 6= 0 alors est
g
continue en x0 .
2.4. LIMITES ET CONTINUITÉ 44

Définition 2.16 f : (E , dE ) −→ (F , dF ) une application. On dit que que f est uniformément

continue sur E si


∀ ε > 0 , ∃ η > 0 tel que x , y ∈ E, dE (x, y) < η =⇒ dF f (x), f (y) < ε.

Proposition 2.14 Toute application uniformément continue sur E est continue sur E.
Preuve : Supposons f uniformément continue sur E.
Soit x0 ∈ E. Alors


∀ ε > 0 , ∃ η > 0 tel que x ∈ E, dE (x, x0 ) < η =⇒ dF f (x), f (x0 ) < ε.

Cela montre que f est continue en x0 .


Remarque 2.4 La réciproque de la proposition précédente est fausse.
Exemple 2.10 L’application f : R −→ R
x 7−→ x2
est continue sur R, mais pas uniformément continue sur R. En effet
∃ ε0 = 1 tel que ∀α > 0, ∃ n ∈ N∗ tel que 1
n
1
< α et x = n, y = n + 2n
vérifient : |x − y| ≤ α et | f (x) − f (y)| = 1 + 4n12 > 1.

Définition 2.17 Soit f : (E , dE ) −→ (F , dF ) une application. On dit que f est une application
lipschitzienne s’il existe k ≥ 0 tel que
 
∀x , y ∈ E, dF f (x), f (y) ≤ k dE (x, y).

k est appelé le rapport. On dit alors que f est k-lipschitzienne.

Proposition 2.15 Toute application lipschitzienne est uniformément continue.

Preuve : Soit k ≥ 0 tel que
 
∀x , y ∈ E, dF f (x), f (y) ≤ k dE (x, y).

• Si k > 0 alors
ε  
∀ ε > 0, ∃ η = tel que ∀x , y ∈ E, dE (x, y) ≤ η =⇒ dF f (x), f (y) ≤ ε.
k
ε
• Si k = 0, Soit k0 > 0 et alors η = .
k0

2.4. LIMITES ET CONTINUITÉ 45

2.4.1 Propriétés des fonctions continues

Proposition 2.16 Soit f : Rn → R continue, et B ⊂ R.
Soit A l’image réciproque de B par f c’est-à-dire A = f −1 (B) = {x ∈ Rn ; f (x) ∈ B} . On a :
• si B est fermé dans R, alors A est fermé dans Rn ;
• si B est ouvert dans R, alors A est ouvert dans Rn .
Preuve :
• Supposons B fermé. Alors A est-il fermé ? Soit (uk ) une suite de A, qui converge vers
x0 ∈ Rn . À-t-on x0 ∈ A ? ( f (uk )) est une suite de B, qui converge vers f (x0 ) car f est
continue. B est fermé, donc f (x0 ) ∈ B (Proposition 2.5). Mais on a donc x0 ∈ A. D’où A
est fermé.
• Si B estouvert, Bc est fermé donc f −1 (Bc ) est fermé. f −1 (Bc ) = {x ∈ Rn ; f (x) ∈
/ B} =
 −1 c −1
f (B) donc on a f (B) ouvert, c’est-à-dire A est ouvert.

Exemple 2.11
• Soit A = (x , y) ∈ R2 : y > x2 .

 
On a A = {(x , y) , f (x , y) > 0} = f −1
]0 , +∞[ où f définie par f (x , y) = y − x2 est
continue et ]0 , +∞[ est ouvert, donc A est ouvert.
 
2 −1

• De même, soit B = (x , y) , y ≥ x . On a B = f [0 , +∞[ où f est continue et [0 , +∞[
est fermé, donc B est fermé.

2.4.2 Applications linéaires continues

Définition 2.18 Soient (E , k kE ) , (F , k kF ) deux espaces vectoriel normés sur K = R ou C.
Une application f : E −→ F est dite linéaire continue si elle est linéaire et continue de l’espace
métrique (E , dE ) dans l’espace métrique (F , dF ) où dE est la distance associée à la norme k kE et
dF celle associée à k kF .
Théorème 2.1 Soient (E , k kE ) , (F , k kF ) deux espaces vectoriel normés sur K = R ou C. Soit
f : E −→ F une application linéaire. Sont équivalentes :
(i) f est continue sur E ;
(ii) f est continue en 0 ;
(iii) ∃ k > 0 tel que ∀ x ∈ E , k f (x)kF ≤ kkxkE .
Preuve :
• (i) ⇒ (ii) : immédiat
• Montrons que (ii) ⇒ (iii).
Supposons f continue en 0. Alors pour

ε = 1, ∃ η > 0 tel que , kxkE ≤ η ⇒ k f (x)kF ≤ 1.

η x
Posons y = .
2 kxkE
2.4. LIMITES ET CONTINUITÉ 46

η
Alors kyk = < η. Donc k f (y)kF ≤ 1. Alors
2
η x 
f ≤ 1.
2 kxkE F

η 2
Ce qui est équivalent à f (x) ≤ 1 ⇒ k f (x)kF ≤ kxkE .
2kxkE F η
Cette inégalité est aussi vraie pour x = 0.
2 2
Alors ∀ x ∈ E, k f (x)kF ≤ kxkE . Donc k = convient.
η η
• Montrons que (iii) ⇒ (i).
Supposons ∃ k > 0 tel que ∀ x ∈ E , k f (x)kF ≤ kkxkE . Alors

∀x , y ∈ E, k f (x − y)kF ≤ kkx − ykE .

Donc
∀ x , y ∈ E, k f (x) − f (y)kF ≤ kkx − ykE (car f est linéaire).
Alors f est k-lipschitzienne. Par conséquent, f est uniformément continue, donc continue.

Théorème 2.2 Soit E un espace vectoriel normé de dimension finie. Alors toute application
linéaire f : E −→ (F , k kF ) est continue.
Preuve : Supposons dim(E)=n.
Soit B = (e1 , · · · , en ) une base de E.
n
∀x ∈ E , x = ∑ xi ei .
i=1
n
⇒ f (x) = ∑ xi f (ei )
i=1

n
⇒ k f (x)kF ≤ ∑ |xi|k f (ei)kF
i=1
n
≤ max k f (ei )kF ∑ |xi |.
1≤i≤n i=1


1
 si max k f (ei )kF = 0
1≤i≤n
Posons k=
 max k f (ei )kF sinon.

1≤i≤n
n
Comme ∑ |xi| = N1(x), alors k f (x)kF ≤ kN1(x).
i=1

Donc f est est continue en prenant la norme N1 sur E.

2.4. LIMITES ET CONTINUITÉ 47

Corollaire 2.2 Toute application linéaire de Rn dans R p est continue.

Notation : L’espace vectoriel des applications linéaires continues de E dans F sera noté
L(E , F).

2.4.3 Fonctions polynômes à plusieurs variables

Définition 2.19 On dit que f est un monôme à n variables si f est une fonction de Rn dans R
définie par :
f (x) = ax1k1 . . . xnkn pour tout x = (x1 , . . . , xn ) ∈ Rn
où a, k1 , . . . , kn sont fixés, avec a ∈ R et k1 , . . . , kn ∈ N.
On dit que ki est le degré partiel du monôme par rapport à la variable xi et que k1 + k2 + . . . + kn
est le degré total du monôme (pour a 6= 0).

Exemple 2.12 La fonction f définie pour tout x = (x1 , x2 , x3 ) ∈ R3 par f (x) = 2x13 x22 x34 est un
monôme de degré total égal à 9. Son degré partiel par rapport à x3 est égal à 4 .

Définition 2.20 On dit que f est un polynôme à n variables (ou une fonction polynômiale à n
variables) si f est la somme d’ un nombre fini de monômes, c’est-à-dire si f est une fonction de
Rn dans R qui peut s’écrire :

f (x) = ∑ ak1 ,k2 ,...,kn x1k1 . . . xnkn pour tout x = (x1 , . . . , xn ) ∈ Rn ,

k1 ,k2 ,...,kn

où dans cette somme les ki sont dans N, et seul un nombre fini de ak1 ,k2 , . . . , kn sont non nuls. Le
degré partiel du polynôme par rapport à la variable xi est le plus haut des degrés partiels des
monômes qui le composent. Le degré total du polynôme est le plus haut degré total des monômes
qui le composent.

Exemple 2.13 La fonction f définie pour tout x = (x1 , x2 ) ∈ R2 par f (x) = 2x13 x24 + 7x12 x26 est un
polynôme de degré total égal a 8. Son degré partiel par rapport à x1 est égal à 3.

Proposition 2.17 Toute fonction polynôme à n variables est continue sur Rn .

Preuve : II suffit de montrer qu’un monôme est continu, car une somme finie de fonctions
continues est continue.
Pour tout i, on a vu que l’application pi est continue sur Rn , où pi : Rn → R est tel que
pi (x1 , . . . , xn ) = xi (Théorème 2.2). Un monôme est le produit d’un nombre fini de telles appli-
cations multipliées par une constante, donc c’est une application continue.
2.5. DÉRIVÉES PARTIELLES 48

2.5 Dérivées partielles

Pour une fonction de R dans R, la dérivée en un point a nous permet de calculer une valeur
approchée des variations de cette fonction. Peut-on faire de même pour une fonction de Rn
dans R ? Oui, si on ne bouge qu’une coordonnée de x ∈ Rn , car dans ce cas tout se passe
comme s’il n’y avait qu’une seule variable réelle, les autres étant fixées. La dérivée de la
fonction obtenue lorsque l’on bouge seulement une coordonnée est appelée dérivée partielle.
Considérons une fonction f : U → R, où U est un ouvert (non vide) de Rn . Soit a ∈ U.
Définition 2.21
• On dit que f admet une dérivée partielle au point a, par rapport à la i-ème variable xi si
1 h i
lim f (a1 , . . . , ai−1 , xi , ai+1 , . . . , an ) − f (a)
xi →ai xi − ai

∂f
existe et est finie. Dans ce cas, on note cette limite (a).
∂ xi
∂f ∂f ∂f
• Si (x) existe en tout point x ∈ U, alors la fonction x 7−→ (x), notée , est appelée
∂ xi ∂ xi ∂ xi
fonction dérivée partielle de f par rapport à xi .

Remarque 2.5
df
— Si n = 1, alors x = x1 et la dérivée partielle est la dérivée ordinaire, qu’on note .
dx
— Si n = 2, on note souvent les variables (x, y) au lieu de (x1 , x2 ). Dans ce cas, x n’est que la
première coordonnée (et non pas x = (x1 , x2 )).
— Si n = 3, on note souvent (x, y, z) au lieu de (x1 , x2 , x3 ).

Définition 2.22 On appelle gradient de f en x, le vecteur-colonne des dérivées partielles par

rapport à chaque variable :
∂f
 
(x)
 ∂ x1 
∇ f (x) =  · · · .
 
 ∂f 
(x)
∂ xn
Exemple 2.14
1. Soit f définie par f (x, y) = 2x2 y + 3yx4 + 5.
∂f
Pour calculer , on considère que y est fixe, et on dérive f par rapport à x, d’où :
∂x
∂f
(x, y) = 4xy + 12yx3 .
∂x
∂f
Pour calculer , on considère que x est fixe, et on dérive f par rapport à y, d’où :
∂y
∂f
(x, y) = 2x2 + 3x4 .
∂y
2.5. DÉRIVÉES PARTIELLES 49

x+2z+1
2. Soit f définie par f (x, y, z) = y2 +1
. Ses dérivées partielles sont :

∂f 1 ∂y −2y(x + 2z + 1) ∂f 2
(x, y) = 2 ; (x, y) = 2
; (x, y) = 2 .
∂x y +1 ∂y (y2 + 1) ∂z y +1

3. Soit f définie de R2 dans R par :

 xy
 pour (x ; y) 6= (0 ; 0)
f (x, y) = x2 + y2
f (0 ; 0) = 0


Pour (x ; y) 6= (0 ; 0) :

y x2 + y2 − xy(2x) y y2 − x2



∂f
(x, y) = 2
= 2
∂x (x2 + y2 ) (x2 + y2 )
x x2 − y2


∂f
(x, y) = 2
∂y (x2 + y2 )

Pour (x0 ; y0 ) = (0 ; 0), il faut partir de la définition de la dérivée comme taux d’accroisse-
ment :
∂f 1 
(0 ; 0) = lim f (x ; 0) − f (0 ; 0) = lim 0 = 0.
∂x x→0 x x→0
∂f
De même (0 ; 0) = 0.
∂y

Dérivées partielles d’ordre supérieur à 1

Considérons ici aussi f : U −→ R, où U ouvert de Rn . Supposons que f admette des dérivées
∂f
partielles (x) en tout point x ∈ U. Ces dérivées partielles peuvent elles-mêmes admettre
∂ xi
des dérivées partielles, ce qui conduit à la définition suivante.
Définition 2.23
• La dérivée partielle seconde de f par rapport à xi et x j est la dérivée partielle par rapport
∂f ∂2 f
à xi de la dérivée partielle (x). On la note (x).
∂xj ∂ xi ∂ x j
∂2 f
 
∂ ∂f
On a donc = .
∂ xi ∂ x j ∂ xi ∂ x j
∂2 f
 
∂ ∂f
Si i = j, on note = .
∂ xi2 ∂ xi ∂ xi

• De même si les dérivées partielles secondes sont dérivables,  on définit les dérivées partielles
∂k f

∂ ∂f
troisièmes, etc. Pour k ≥ 2, = ... est une dérivée partielle de f
∂ xi1 . . . ∂ xik ∂ xi1 ∂ xik
d’ordre k.
2.5. DÉRIVÉES PARTIELLES 50

Exemple 2.15 Soit f la fonction définie de R2 dans R par :

f (x; y) = 3xy2 + x2 y3 pour tout (x, y) ∈ R2 .

Les dérivées partielles premières et secondes de f sont données par :

∂f ∂f
= 3y2 + 2xy3 , = 6xy + 3x2 y2
∂x ∂y
∂2 f 3 ∂2 f 2 ∂2 f
= 2y , = 6y + 6y x , = 6y + 6xy2
∂ x2 ∂ y∂ x ∂ x∂ y
∂2 f
2
= 6x + 6x2 y.
∂y

∂2 f ∂2 f
On remarque dans l’exemple précédent que = . Le théorème suivant montre que
∂ x∂ y ∂ y∂ x
ce résultat est toujours vrai si les dérivées partielles secondes sont continues.

Théorème 2.3 (Théorème de Schwarz)

∂2 f
Supposons que la fonction de 2 variables (x, y) 7−→ f (x ; y) a des dérivées partielles secondes
∂ x∂ y
∂2 f
et définies sur un ouvert U avec (x0 ; y0 ) ∈ U, et qu’elles sont continues en (x0 ; y0 ). Alors :
∂ y∂ x

∂2 f ∂2 f
(x0 ; y0 ) = (x0 ; y0 ) .
∂ x∂ y ∂ y∂ x

∂2 f ∂2 f
Preuve : Supposons que les dérivées partielles secondes et sont définies sur un
∂ x∂ y ∂ y∂ x
ouvert U avec (x0 ; y0 ) ∈ U, et qu’elles sont continues en a = (x0 ; y0 ).
Posons h i h i
g(h, k) = f (x0 + h, y0 + k) − f (x0 + h, y0 ) − f (x0 , y0 + k) − f (x0 , y0 ) .
Soit ϕ(x) = f (x, y0 + k) − f (x, y0 ). Alors g(h, k) = ϕ(x0 + h) − ϕ(x0 ).
D’après le théorème des accroissements finis,

∃ θ1 ∈]0, 1[ tel que ϕ(x0 + h) − ϕ(x0 ) = hϕ 0 (x0 + θ1 h).

∂f ∂f
Or ϕ 0 (x) = (x, y0 + k) − (x, y0 ).
∂x ∂x
h∂ f ∂f i
Alors g(h, k) = h (x0 + θ1 h, y0 + k) − (x0 + θ1 h, y0 ) .
∂x ∂x
∂f
L’application y 7−→ (x0 + θ1 h, y) est continue et dérivable. D’après le théorème des accrois-
∂x
sements finis
∂2 f
∃ θ2 ∈]0, 1[ tel que g(h, k) = hk (x0 + θ1 h, y0 + θ2 k).
∂ y∂ x
2.6. DIFFÉRENTIATION DES FONCTIONS DE PLUSIEURS VARIABLES 51

De même en faisant varier y d’abord et puis x,

∂2 f
∃ α1 , α2 ∈]0, 1[ tel que g(h, k) = hk (x0 + α1 h, y0 + α2 k).
∂ x∂ y
Alors
∂2 f ∂2 f
(x0 + θ1 h, y0 + θ2 k) = (x0 + α1 h, y0 + α2 k), h 6= 0 6= k. (2.3)
∂ y∂ x ∂ x∂ y

∂2 f ∂2 f
Comme et sont continues en (x0 ; y0 ), alors en faisant tendre (h, k) vers (0, 0) dans
∂ x∂ y ∂ y∂ x
(2.3), on obtient
∂2 f ∂2 f
(x0 , y0 ) = (x0 , y0 ).
∂ y∂ x ∂ x∂ y


Le théorème précédent se généralise à une fonction de n variables (même démonstration

en laissant les n − 2 autres variables fixes). On le généralise ensuite aux dérivées partielles
d’ordre ≥ 3, car par exemple :

∂3 f
 2   2 
∂2
 
∂ ∂ f ∂ ∂ f ∂f
= = = = ...
∂ x∂ y∂ z ∂ x ∂ y∂ z ∂ x ∂ z∂ y ∂ x∂ z ∂ y
D’où la proposition suivante.

Proposition 2.18 (généralisation du théorème de Schwarz)

Soit f définie de U −→ R, où U ouvert de Rn . On peut intervertir l’ordre des dérivées partielles
k-ièmes en tout point où ces dérivées partielles sont continues.

Définition 2.24
• On dit que f est de classe C1 si elle admet des dérivées partielles continues.
• On dit que f est de classe Ck si elle admet des dérivées partielles continues jusqu’à l’ordre k.
• On dit que f est de classe C∞ si elle est de classe Ck pour tout k ∈ N∗ .

2.6 Différentiation des fonctions de plusieurs variables

Définition 2.25 Soit f une application de U −→ R, où U ouvert de Rn , et a ∈ U. On dit que f
est différentiable en a ∈ U s’il existe une application linéaire continue L : E −→ F telle que

f (a + h) − f (a) = L(h) + khkε(h), avec lim ε(h) = 0.

h→0

1 h i
ou encore lim f (a + h) − f (a) − L(h) = 0.
h→0 khk

On dit que f est différentiable sur U si elle est différentiable en tout a ∈ U.

2.6. DIFFÉRENTIATION DES FONCTIONS DE PLUSIEURS VARIABLES 52

Exemple 2.16 Soit f de R2 dans R définie par f (x1 , x2 ) = 2x1 x2 − 3x1 + 4x2 .
La fonction f est-elle différentiable au point (2 ; 3) ?
On pose x1 = 2 + h1 et x2 = 3 + h2 . On a alors :
f (x1 , x2 ) = f (2 + h1 , 3 + h2 ) = 2 (2 + h1 ) (3 + h2 ) − 3 (2 + h1 ) + 4 (3 + h2 )
= 2 (6 + 2h2 + 3h1 + h1 h2 ) − 6 − 3h1 + 12 + 4h2
= 18 + 3h1 + 8h2 + 2h1 h2 = f (2; 3) + 3h1 + 8h2 + khkε(h).
Ici 2h1 h2 est un monôme de degré 2 donc est un reste du type khkε(h). Donc f est différentiable
en a = (2 ; 3), et sa différentielle en ce point est l’application linéaire L telle que L(h) = 3h1 + 8h2 .

Proposition 2.19 L’application linéaire continue L de la définition précédente est unique, si elle
existe. Elle est appelée la différentielle de f en a et est notée d fa ou d f (a).

Exercice 2.1 Démontrer la Proposition 2.19 .

La proposition suivante donne un lien entre différentiabilité et dérivées partielles d’une appli-
cation.

Proposition 2.20 Si f est différentiable en a, alors f est continue en a et f admet des dérivées
n
∂f
partielles en a. De plus d fa (h) = ∑ (a)hi . Dans ce cas, on a donc :
i=1 ∂ xi
n
∂f
f (a + h) = f (a) + ∑ (a)hi + khkε(h), avec lim ε(h) = 0.
i=1 ∂ xi h→0

Preuve : Soit f une fonction différentiable en a.

• On a h i
lim f (a + h) = lim f (a) + L(h) + khkε(h) = f (a),
h→0 h→0
donc f est continue en a.
n
• L étant linéaire, alors il existe des réels b1 , b2 , · · · , bn tels que L(h) = ∑ bi hi .

i=1
Prenons h = 0 ; 0 ; . . . ; h j ; 0 ; . . . ; 0 .
f (a + h) = f (a) + L(h) + khkε(h)
devient :
f (a + h) = f (a) + b j h j + h j ε(h)
f (a + h) − f (a) hj
= bj + ε(h)
hj hj
donc :
1 
 ∂f
b j = lim f a1 , . . . , a j−1 , a j + h j , a j+1 , . . . , an − f (a) = (a).
h j →0 h j ∂xj
n
∂f
Ainsi d fa (h) = L(h) = ∑ (a)hi .
i=1 ∂ xi
2.6. DIFFÉRENTIATION DES FONCTIONS DE PLUSIEURS VARIABLES 53


Si f est différentiable en a, on peut faire l’approximation pour h proche de 0 :
n
∂f
f (a + h) − f (a) ' ∑ (a)hi .
i=1 ∂ xi

Exemple 2.17 Soit f de R2 dans R définie par f (x1 , x2 ) = 2x1 x2 − 3x1 + 4x2 .
Les dérivées partielles de f sont :

∂f ∂f
(x1 , x2 ) = 2x2 − 3 et (x1 , x2 ) = 2x1 + 4.
∂ x1 ∂ x2
Au point a = (2 ; 3) cela donne :

∂f ∂f
(a) = 3 et (a) = 8.
∂ x1 ∂ x2
On retrouve bien que f (2 + h1 , 3 + h2 ) = f (2 ; 3) + 3h1 + 8h2 + khkε(h).

Proposition 2.21 Toute application linéaire f de Rn −→ R est différentiable en tout point, et

elle est égale à sa différentielle.
Preuve : Si f est linéaire de Rn dans R, alors il existe des réels c1 , . . . , cn tels que f (x) = ∑ ci xi .
i
Pour tout x ∈ Rn , on a :

f (a + h) = ∑ ci (ai + hi ) = ∑ ci ai + ∑ ci hi = f (a) + ∑ ci hi + 0.
i i i i

∂f
On a bien f différentiable avec ci = . Ici le reste khkε(h) est égal à 0 .
∂ xi


Proposition 2.22 (Opérations sur les fonctions différentiables)

Soient U un ouvert de Rn et f , g : U −→ R deux applications. Soit a ∈ U. Si f et g sont diffé-
f
rentiables en a, alors α f + β g et f × g le sont aussi, ainsi que si g(a) 6= 0, où α, β ∈ R ; et on
g
a
1. (α f + β g)a = αd fa + β dga ;

2. d ( f g)a = g(a)d fa + f (a)dga ;

 
f g(a)d fa − f (a)dga
3. d = .
g a [g(a)]2
2.6. DIFFÉRENTIATION DES FONCTIONS DE PLUSIEURS VARIABLES 54

Théorème 2.4 Si f : U −→ R admet des dérivées partielles dans un voisinage de a qui sont
continues en a, alors f est différentiable en a. Donc si f est de classe C1 sur U, alors f est
différentiable sur U.
Preuve :
• Pour n = 1 c’est évident car, alors : avoir une dérivée partielle ⇔ être dérivable ⇔ être
différentiable.
• Démontrons-le pour n = 2 (pour n ≥ 3 le principe est le même).
Supposons que f admette des dérivées partielles au voisinage de a, qui sont continues en a.
Alors f est-elle différentiable en a ?

∂f ∂f
À-t-on f (a + h) = f (a) + h1 (a) + h2 (a) + khkε(h), où lim ε(h) = 0 ?
∂ x1 ∂ x2 h→0

f (a + h) − f (a) = f (a1 + h1 , a2 + h2 ) − f (a1 , a2 )

= [ f (a1 + h1 , a2 + h2 ) − f (a1 , a2 + h2 )] + [ f (a1 , a2 + h2 ) − f (a1 , a2 )]
et par le théorème des accroissements finis appliqué à la première application partielle et à
la deuxième application partielle, il existe α, β dans ]0; 1[ tels que :
∂f ∂f
f (a + h) − f (a) = h1 (a1 + αh1 ; a2 + h2 ) + h2 (a1 ; a2 + β h2 )
∂ x1 ∂ x2

et comme les dérivées partielles sont continues en a :

   
∂f ∂f
f (a + h) − f (a) = h1 (a) + ε1 (h) + h2 (a) + ε2 (h)
∂ x1 ∂ x2
∂f ∂f
= h1 (a) + h2 (a) + [h1 ε1 (h) + h2 ε2 (h)] ,
∂ x1 ∂ x2
où le reste lim ε1 (h) = lim ε2 (h) = 0.
h→0 h→0
Donc
∂f ∂f
f (a + h) − f (a) = h1 (a) + h2 (a) + k(h1 , h2 )kε(h1 , h2 ),
∂ x1 ∂ x2
h1 ε1 (h) + h2 ε2 (h)
avec ε(h1 , h2 ) = .
k(h1 , h2 )k
 
Prenons par exemple k(h1 , h2 )k = k(h1 , h2 )k∞ = sup |h1 |, |h2 | .

Alors

|h1 | |h2 |
|ε(h1 , h2 )| ≤ |ε1 (h1 , h2 )| + |ε2 (h1 , h2 )|
k(h1 , h2 )k k(h1 , h2 )k
≤ |ε1 (h1 , h2 )| + |ε2 (h1 , h2 )|.

Comme lim ε1 (h) = lim ε2 (h) = 0, alors lim ε(h) = 0.

(h1 ,h2 )→(0,0) (h1 ,h2 )→(0,0) (h1 ,h2 )→(0,0)
2.6. DIFFÉRENTIATION DES FONCTIONS DE PLUSIEURS VARIABLES 55

Donc la fonction f est donc bien différentiable en a.



Définition 2.26
— Si f : U −→ R p est différentiable en a ∈ U, alors on appelle matrice jacobienne de f en a
la matrice  ∂f ∂ f1

1
(a) . . . (a)
 ∂ x1 ∂ xn
 
∂ fi
J f (a) = (a) =  ··· ... ... .

∂xj 1≤i≤p ∂ fp ∂ fp
∂ x (a) . . . ∂ xn (a)
1≤ j≤n
1

— Si n = p, alors J f (a) est carrée. Son déterminant est appelé le jacobien de f en a.

Proposition 2.23 Soit f : U −→ R p , (où U ⊂ Rn ). Alors f est différentiable en a ∈ U si et

seulement si : il existe une application linéaire L de Rn −→ R p , telle que :
f (a + h) = f (a) + L(h) + khkε(h), où lim ε(h) = 0.
h→0
Et on a alors L de matrice J f (a). On note L = d fa .
n
∂ fi
Preuve : f différentiable en a ⇔ ∀i, fi (a + h) = fi (a) + ∑ h j (a) + khkεi (h), où lim εi (h) = 0.
j=1 ∂xj h→0
 n 
∂ f1
 ∑ h j ∂ x j (a)  
ε1 (h)

 j=1 
f (a + h) − f (a) =  ···  + khk  . . . 
 
n
∂ fp ε p (h)
 
∑ h j ∂ x j (a)
 
j=1

   
h1 ε1 (h)
= J f (a)  . . .  + khk  . . .  .
hn ε p (h)


Exemple 2.18 Soit f : R3 −→ R2 , définie par :

f (x, y, z) = xy + z2 , zxy2 + y3 .

Les fi sont des polynômes sur R3 donc sont différentiables. La fonction f est donc différentiable.
Quelle est sa différentielle en (1; 1; 1) ?
   
y x 2z 1 1 2
J f (x; y; z) = , donc J f (1; 1; 1) =
y2 z 2xyz + 3y2 xy2 1 5 1
D’où :  
  h1
1 1 2 
f (1 + h1 ; 1 + h2 ; 1 + h3 ) = f (1; 1; 1) + h2  + khkε(h)
1 5 1
h3
   
2 h1 + h2 + 2h3
= + + khkε(h).
2 h1 + 5h2 + h3
2.6. DIFFÉRENTIATION DES FONCTIONS DE PLUSIEURS VARIABLES 56

Proposition 2.24 (compositions de fonctions différentiables)

On considère deux fonctions f et g telles que :
f : Rn −→ R p g : R p −→ Rq
et
x 7−→ f (x) y 7−→ g(y).

Si f est différentiable en a et si g est différentiable en b = f (a) (où a ∈ Rn et b ∈ R p ), alors g ◦ f

est différentiable en a, et :
— la différentielle de g ◦ f est la composée de la différentielle de g et de celle de f :
d(g ◦ f )a = dgb ◦ d fa

— la matrice jacobienne de g ◦ f est égale au produit des matrices jacobiennes :

Jg◦ f (a) = Jg (b) × J f (a).
Preuve : Par hypothèse, on a

f (a + h) = f (a) + d fa (h) + khkε1 (h) où lim ε1 (h) → 0

h→0
et
g(b + k) = g(b) + dgb (k) + kkkε2 (k) où lim ε2 (k) = 0.
k→0

Soit H = g ◦ f
   
H(a + h) = g f (a + h) = g f (a) + d fa (h) + khkε1 (h)
   
= g b + d fa (h) + khkε1 (h) = g(b) + dgb d fa (h) + khkε1 (h) + kkkε2 (k)
(en posant k = d fa (h) + khkε1 (h)),
donc :


H(a + h) = H(a) + dgb d fa (h) + dgb khkε1 (h) + kkkε2 (k).


Comme dans la preuve du Théorème 2.4, on montre que le reste dgb khkε1 (h) + kkkε2 (k)
peut s’écrire sous la forme khkε(h), où lim ε(h) = 0.
h→0
Donc H est différentiable en a et dHa = dgb ◦ d fa . D’où :
JH (a) = Jg (b) × J f (a).


Corollaire 2.3 (Dérivée partielle d’une fonction composée)

Soit f : Rn −→ R p et g : R p −→ Rq , posons H = g ◦ f : Rn −→ Rq . Si f est différentiable en a, et g
différentiable en b = f (a), alors H est différentiable en a, et : pour tout j ∈ {1; . . . ; n}, pour tout
i ∈ {1; . . . ; q}
P
∂ Hi ∂ gi ∂ fk
(a) = ∑ (b) (a).
∂xj k=1 ∂ yk ∂xj
Si f est de classe C1 et g de classe C1 , alors H = g ◦ f est de classe C1 .
2.6. DIFFÉRENTIATION DES FONCTIONS DE PLUSIEURS VARIABLES 57
 ∂ H1

. . . ∂∂Hxn1 (a)
∂ x1 (a)
Preuve : JH (a) = Jg (b) × J f (a) donne JH (a) =  . . . ... ...  ( matrice q × n)
 
∂ Hq ∂ Hq
∂ x1 (a) . . . ∂ xn (a)
 ∂ g1 ∂ g1  ∂f
. . . ∂∂ xfn1 (a)
 
∂y (b) . . . ∂ yp (b) 1
(a)
 1  ∂ x1
Jg (b) =  . . . ... ...  et J f (a) =  · · · ... ···
 

∂ gq ∂ gq ∂ fp ∂ fp
∂ y (b) . . . ∂ y p (b)
1 ∂ x (a) 1
. . . ∂ xn (a)
donc
∂ g1
. . . ∂∂ yg1p (b) ∂ f1 ∂ f1
 ∂ H1
    
. . . ∂∂Hxn1 (a)
∂ x1 (a) ∂ y1 (b) ∂ x1 (a)... ∂ xn (a)
 ... ... ... = ... ... ... × ... ... ... 
    

∂ Hq ∂ Hq ∂ gq ∂ gq ∂ fp ∂ fp
∂ x (a) . . . ∂ xn (a)
1 ∂ y (b) . . . ∂ y p (b)
1 ∂ x (a) . . .
1 ∂ xn (a)

La formule du produit de deux matrices donne le résultat recherché.



Que se passe-t-il si on a n = p = q = 1, c’est-à-dire si on considère f : R −→ R et g : R −→ R ?

Alors H = g ◦ f : R −→ R, et JH (a) = Jg (b) × J f (a) donne ici la formule bien connue :

H 0 (a) = g0 (b) f 0 (a) = g0 ( f (a)) × f 0 (a).

C’est la formule de dérivée d’une fonction composée de R dans R.

Un cas particulier important est celui où n = q = 1, c’est-à-dire avec f : R −→ R p et g : R p −→ R

Alors H = g ◦ f : R −→ R, et JH (a) = Jg (b) × J f (a) donne ici :

JH (a) = H 0 (a)( matrice 1 × 1)

et
 
∂ f1
  ∂ x (a)
∂g ∂g
Jg (b) = ∂ y1 (b) ... ∂ y p (b) et J f (a) =  · · ·
 

∂ fp
∂ x (a)
donc  
∂ f1
  (a) p
∂g ∂g  ∂x ∂g ∂ fk
H 0 (a) = (b) ··· (b)  · · · = (b) (a).

 ∑
∂ y1 ∂ yp ∂ fp k=1 ∂ yk ∂x
∂ x (a)

Pour tout k, la fonction fk dépend d’une seule variable, donc en fait ∂∂ fxk peut s’écrire ddxf , c’est-
à-dire comme une dérivée usuelle d’une fonction de R dans R. On aboutit à la proposition
suivante.
2.7. FORMULE DE TAYLOR POUR LES FONCTIONS DE PLUSIEURS VARIABLES 58

Proposition 2.25 (Formule de dérivation en chaîne)

Soit f : R −→ R p et g : R p −→ R, posons H = g ◦ f : R −→ R. Si f est différentiable en a, et g
différentiable en b = f (a), alors H est dérivable en a, et :
p
dH ∂g d fk
(a) = ∑ (b) (a).
dx k=1 ∂ yk dx

2.7 Formule de Taylor pour les fonctions de plusieurs variables

Définition 2.27 Si f est une fonction de U dans R, où U est un ouvert de Rn , et si f admet des
dérivées partielles secondes sur U, la matrice des dérivées partielles secondes au point a est une
matrice carrée appelée matrice hessienne, et notée :
 2 
∂ f ∂2 f ∂2 f
(a) ∂ x ∂ x (a) · · · ∂ x ∂ xn (a)
 ∂ x12 1 2 1 
  
 ∂2 f ∂2 f ∂2 f ∂2 f

 ∂ x ∂ x (a) ∂ x2 (a) · · · ∂ x ∂ x (a)

2
D f (a) =  2 1 2 2 n = (a) .
 .
. .
.. . .. .
..  ∂ xi ∂ x j i, j
 2.
 
∂2 f ∂2 f

∂ f
∂ xn ∂ x (a) ∂ xn ∂ x (a) . . .
1 2 ∂ x2n
(a)

La matrice hessienne est symétrique si les dérivées partielles secondes sont continues (Théo-
rème 2.3).
La différentiabilité de f permet de faire une approximation linéaire des variations de f au
voisinage de a :
n
∂f
f (a + h) − f (a) ' ∇ f (a).h = ∑ (a)hi pour h proche de 0.
i=1 ∂ xi

Si f est de classe C2 , la formule de Taylor-Young permet de faire une approximation plus

précise (dite d’ordre 2 alors que l’approximation linéaire est d’ordre 1) :
n
1 ∂f 1 ∂2 f
f (a + h) − f (a) ' ∇ f (a) · h + hT D2 f (a)h = ∑ (a)hi + ∑ ∑ (a)hi h j ,
2 i=1 ∂ xi 2 i j ∂ xi ∂ x j

pour h proche de 0 . Ici hT désigne le vecteur-ligne transposé du vecteur-colonne h, c’est-à-dire

hT = (h1 , . . . , hn ).
Théorème 2.5 (Formule de Taylor-Young d’ordre 2)
Soit f : U −→ R une fonction de classe C2 sur un ouvert U de Rn , et a ∈ U. Alors :
1
f (a + h) = f (a) + ∇ f (a) · h + hT D2 f (a)h + khk2 ε(h)
2
pour h proche de 0 avec lim ε(h) = 0.
h→0
2.7. FORMULE DE TAYLOR POUR LES FONCTIONS DE PLUSIEURS VARIABLES 59

Avant d’énoncer les "formules de Taylor", nous montrons d’abord le théorème des accroisse-
ments finis pour une application de Rn dans R.
Théorème 2.6 (Formule des accroissements finis)
Soit f : U ⊂ Rn −→ R une application, où U est un ouvert.
Si f est différentiable sur U, alors ∀x0 ∈ U, ∀h ∈ Rn tel que [x0 , x0 + h] ⊂ U , ∃θ ∈]0, 1[ tel que
n
∂f
f (x0 + h) − f (x0 ) = d f (x0 + θ h)(h) = ∑ hi (x0 + θ h)
i=1 ∂ xi

Preuve : On rappelle d’abord que [x0 , x0 + h] = {(1 − t)x0 + t(x0 + h) : t ∈ [0, 1]}.
Soit ϕ : [0, 1] −→ R
t 7−→ f (x0 + th) .

ϕ est continue sur [0, 1], dérivable sur ]0, 1[. D’après le théorème des accroissements finis pour
une application de R dans R,

∃ θ ∈]0, 1[ tel que ϕ(1) − ϕ(0) = ϕ 0 (θ ).

Posons g(t) = x0 + th.

Alors ϕ = f ◦ g.
ϕ 0 (t) = d f g(t) .g0 (t) = d f (x0 + th)(h).

Donc
f (x0 + h) − f (x0 ) = d f (x0 + θ h)(h).


Résultats préliminaires

Soit f une fonction dérivable d’un ouvert U de Rn . Soit a ∈ U et h ∈ Rn tel que le segment
[a; a + h] soit inclus dans U. On peut se ramener au cas d’une fonction d’une variable en
considérant la fonction ϕ définie dans un voisinage de [0; 1] et à valeurs dans F par : ϕ(t) =
f (a + th).
Posons h = (h1 ; . . . ; hn ) et a = (a1 ; . . . ; an ) .
On a ainsi : ϕ(t) = f (a1 + th1 ; . . . ; an + thn ).
Le théorème de la dérivée d’une fonction composée donne :
∂f ∂f ∂f
ϕ 0 (t) = h1 (a + th) + h2 (a + th) + . . . + hn (a + th).
∂ x1 ∂ x2 ∂ x1
En supposant f de classe C2 sur U on a de même :
n n
∂2 f
ϕ 00 (t) = ∑ hi ∑ h j (a + th).
i=1 j=1 ∂ x j ∂ xi
2.7. FORMULE DE TAYLOR POUR LES FONCTIONS DE PLUSIEURS VARIABLES 60

Compte tenu du théorème de Schwarz il vient :

n 2 n
00 2∂ f ∂2 f
ϕ (t) = hi 2 (a + th) + 2 hi h j
∑ (a + th).
∑
i=1 ∂ xi i< j ∂ xi ∂ x j

Pour écrire la formule à tout ordre, on note, si α = (i1 , . . . , ik ) ∈ Nk :

• |α| = i1 + . . . + in ( longueur de α)
• hα = hi11 . . . .hinn
• ∂ xα = ∂ x1i1 . . . ∂ xnin
On voit alors que l’on a la formule (si f est p fois dérivable sur U) :

∂pf
ϕ (p) (t) = ∑ hα (a + th).
|α|=p
∂ xα

Dans ce qui suit, on note symboliquement

pf
(p) p α∂
f (a)(h) = ∑ h (a).
|α|=p
∂ xα

Théorème 2.7 (Formule de Taylor-Lagrange) Soit f : U ⊂ Rn −→ R une application.

Si f est de classe Cr (r ≥ 1) sur U, alors ∀a ∈ U, ∀h ∈ Rn tel que [a, a + h] ⊂ U, ∃ θ ∈]0, 1[ tel que
r−1
1 1
f (a + h) − f (a) = ∑ k! f (k)(a)(h)k + r! f (r)(a + θ h)(h)r .
k=1

Exemple 2.19
1. Si r = 3
" #
n n
∂f 1 ∂2 f ∂2 f 1 (3)
f (a+h)− f (a) = ∑ hi
∂ xi
(a)+
2 ∑ h2i ∂ x2 (a) + 2 ∑ hi h j
∂ xi ∂ x j
+
3!
f (a+θ h)(h)3
i=1 i=1 i 1≤i< j≤n

2. Si n = 2 et r = 4
 
∂f ∂f
f (x0 + h, y0 + k) − f (x0 , y0 ) = h (x0 , y0 ) + k (x0 , y0 )
∂x ∂y

1 2∂ f 2 2 ∂2 f

2∂ f
+ h (x0 , y0 ) + k (x0 , y0 ) + 2hk (x0 , y0 )
2 ∂ x2 ∂ y2 ∂ x∂ y
1 3∂3 f 3 3 3 

2 ∂ f 2 ∂ f 3∂ f
+ h + 3h k 2 + 3hk +k
3! ∂ x3 ∂x ∂y ∂ x∂ y2 ∂ y3
1 (4)
+ f (x0 + θ h, y0 + θ k)(h, k)4 .
4!
2.7. FORMULE DE TAYLOR POUR LES FONCTIONS DE PLUSIEURS VARIABLES 61

Preuve du Théorème 2.7

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

ϕ est continue sur [0, 1], dérivable sur ]0, 1[. D’après le théorème de Taylor-Lagrange pour une
fonction de R dans R ,
r−1
1 1
∃ θ ∈]0, 1[ tel que ϕ(1) − ϕ(0) = ∑ k! ϕ (k)(0) + r! ϕ (r)(θ ).
k=1

En utilisant les résultats préliminaires, on a

ϕ (k) (t) = f (k) (a + th)(h)k .

Donc
r−1
1 1
f (a + h) − f (a) = ∑ k! f (k)(a)(h)k + r! f (r)(a + θ h)(h)r .
k=1


Théorème 2.8 (Formule de Taylor-Young)

Soit f : U ⊂ Rn −→ R une application.
Si f est de classe Cr (r ≥ 1) sur U, alors ∀a ∈ U, ∀h ∈ Rn tel que [a, a + h] ⊂ U
r
1
f (a + h) − f (a) = ∑ k! f (k)(a)(h)k + o (khkr ) .
k=1

Preuve : D’après la formule de Taylor-Lagrange,

r−1
1 1
f (a + h) − f (a) = ∑ k! f (k)(a)(h)k + r! f (r)(a + θ h)(h)r .
k=1

f étant de classe Cr , ses dérivées partielles d’ordre r sont continues en a. Alors

f (r) (a + θ h)(h)r = f (r) (a)(h)r + khkr ε(h)

avec lim ε(h) = 0

h→0
r
1
Donc f (a + h) − f (a) = ∑ k! f (k)(a)(h)k + o (khkr ) .
k=1

2.8. EXERCICES 62

2.8 Exercices
Exercice 2.2 Soient ai , bi ∈ R, i = 1, 2, . . . , n. On rappelle l’inégalité de Schwarz :
!2 ! !
n n n
∑ aibi ≤ ∑ a2i ∑ b2i
i=1 i=1 i=1

et l’inégalité de Minkowski :
" #1/2 " #1/2 " #1/2
n n n
∑ (ai + bi)2 ≤ ∑ a2i + ∑ b2i .
i=1 i=1 i=1

Pour tout x = (x1 , x2 , . . . , xn ) ∈ Rn , pour tout y = (y1 , y2 , . . . , yn ) ∈ Rn , on pose

" #1/2
n n
δ∞ (x, y) = sup |xi − yi | ;
i≤i≤n
δ1 (x, y) = ∑ |xi − yi | et δ2 (x, y) = ∑ (xi − yi)2 .
i=1 i=1

1. Montrer que δ∞ , δ1 et δ2 sont des distances sur Rn et qu’elles sont équivalentes.

2. Dans le cas particulier où n = 2, dessiner la boule B (0, 0), 1 pour chacune de ces distances.

Exercice 2.3
δ
Montrer que si δ est une distance sur E, alors d = est aussi une distance sur E.
1+δ

Exercice 2.4 Montrer que l’application N : R2 −→ R définie par

N(x, y) = sup |x + ty|

t∈[0,1]

est une norme sur R2 .

Exercice 2.5 Soient (E, d) un espace métrique, et f : E → E une application.

On suppose qu’il existe 0 ≤ k < 1 tel que :


∀x, y ∈ E, d f (x), f (y) ≤ kd(x, y).

(Une telle application est appelée une contraction ou une application contractante.)
Montrer que si f admet un point fixe, c’est-à-dire s’il existe un point a ∈ E tel f (a) = a, alors un
tel point fixe est unique.

Exercice 2.6 Soit f la fonction de R2 dans R définie par

2

 f (x, y) = x y

si (x, y) 6= (0, 0)
x 2 + y2

f (0, 0) = 0

2.8. EXERCICES 63

1. Montrer que f est continue sur R2 .

2. Déterminer les dérivées partielles de f au point (0, 0).
3. La fonction f est-elle différentiable au point (0, 0) ?

Exercice 2.7 Soit f la fonction de R2 dans R définie par

y4
f (0, 0) = 0 et f (x, y) = si (x, y) 6= (0, 0).
x2 + y2

1. Montrer que f est de classe C1 sur R2 .

∂2 f ∂2 f
2. Calculer (0, 0) et (0, 0).
∂ x∂ y ∂ y∂ x
3. La fonction f est-elle de classe C2 sur R2 ?

Exercice 2.8 Considérons la fonction f : R2 −→ R définie par :

 xy
 si (x, y) 6= (0, 0)
f (x, y) = x2 + y2
0 sinon


1. Montrer que f admet des dérivées partielles en tout point de R2 .

2. Montrer que f n’est pas continue au point (0, 0).
3. f est-elle différentiable en (0, 0) ?

Exercice 2.9 Soit f : R2 −→ R la fonction définie par

 2 2
xy x − y

si (x, y) 6= (0, 0)
f (x, y) = x2 + y2

0 si (x, y) = (0, 0)


1. Déterminer les dérivées partielles de f et montrer qu’elles sont continues sur R2 .

2. f est-elle différentiable sur R2 ?
3. Montrer que f n’est pas de classe C2 sur R2 .
Chapitre 3

FONCTIONS HOMOGÈNES ET
FONCTIONS IMPLICITES

3.1 Fonctions homogènes

Soit f une fonction de U dans R, où U inclus dans Rn .
On suppose que U est tel que : ∀ t > 0, ∀x ∈ U, on a tx ∈ U (d’où f (tx) est bien défini).

Définition 3.1 On dit que f est homogène de degré λ sur U (avec λ ∈ R ) si :

∀ t > 0, ∀x ∈ U, f (tx) = t λ f (x).

APPLICATION : Fonction de production Cobb-Douglas

n
En économie on s’intéresse surtout aux fonctions homogènes sur U = Rn+ ou R∗+ .
Par exemple, la fonction de production Cobb-Douglas F(K, L) = AK α Lβ est homogène de
degré λ = α + β sur R2+ .
En effet, F(tK,tL) = A(tK)α (tL)β = At a K α t β Lβ = At α+β K α Lβ = t α+β F(K, L).
On peut ajouter que (B manuel de microéconomie 1 ) :
— si λ > 1, les rendements d’échelle sont croissants ;
— si λ = 1, les rendements d’échelle sont constants ;
— si λ < 1, les rendements d’échelle sont décroissants.

Théorème 3.1 (Théorème d’Euler)

Si f est homogène de degré λ sur U, on a en tout point x = (x1 , . . . , xn ) de U où f est différentiable :
n
∂f
∑ xi ∂ xi (x) = λ f (x).
i=1
1. Voir J. Etner, M. Jeleva, Microéconomie, coll. "Openbook", Dunod, 2014, p. 41 à 43.

64
3.1. FONCTIONS HOMOGÈNES 65

Preuve :
Posons g(t) = f (tx).
g est dérivable en t = 1 car g = f ◦ u, où u(x) = tx.

R −→ Rn −→ R
t 7−→ tx 7−→ f (tx).

En utilisant la formule de dérivation en chaîne, on obtient

n n
0 ∂f dui ∂f
g (1) = ∑ (x) =∑ (x) · xi
i=1 ∂ xi dt i=1 ∂ xi

D’autre part, g(t) = f (tx) = t λ f (x) .

g0 (t) = λt λ −1 f (x), et donc g0 (1) = λ f (x).


Le théorème d’Euler a une réciproque

Théorème 3.2 (Réciproque du théorème d’Euler)

n
∂f
n
Si f est différentiable et vérifie la condition λ f (x) = ∑ xi (x) en tout point de R∗+ , alors

n i=1 ∂ xi
f est homogène de degré λ sur R+ . ∗

n 1
Preuve : Pour tout x ∈ R∗+ , soit gx la fonction t 7−→ gx (t) = λ f (tx). En utilisant la formule
t
de dérivation en chaîne, on a

−λ 1 n ∂f
g0x (t) = f (tx) + ∑ (tx).xi
t λ +1 t λ i=1 ∂ xi
n
1 h ∂f i
= λ +1 − λ f (tx) + ∑ (tx).(txi )
t i=1 ∂ xi
= 0 (par hypothèse).

La fonction gx est donc constante sur ]0 , +∞[. D’où gx (t) = gx (1) pour tout t > 0 ; c’est-à-dire
f (tx) = t λ f (x).


APPLICATION (suite)
On considère la fonction de production suivante :

F(K, L) = AK α Lβ
3.2. THÉORÈME DES FONCTIONS IMPLICITES 66

On a vu que F est homogène de degré α + β . Si α + β = 1 (rendements constants), alors F

homogène de degré 1. Appliquons le théorème d’Euler.
∂F ∂F
F(K, L) = K +L
∂K ∂L
où
∂F
= productivité marginale du capital
∂K
∂F
= productivité marginale du travail
∂L

3.2 Théorème des fonctions implicites

3.2.1 Dimension 2
Dans le plan, une fonction donnée sous la forme y = g(x) est dite définie explicitement. En
effet, pour chaque valeur de x, on peut donner explicitement la valeur de y correspondante. Il
n’est pas difficile de tracer la courbe représentatrice. C’est le cas par exemple pour la parabole
d’équation y = x2 .
Supposons maintenant que l’on veuille étudier la courbe Cα d’équation
f (x, y) = α, où α
5 3 4
est une constante (par exemple la courbe d’équation x + y x − y = 2 . De telles courbes
interviennent fréquemment en économie. Pour une valeur de x donnée, il n’y a pas forcément
une unique valeur de y correspondante : il peut y en avoir plusieurs, ou une seule, ou aucune.
S’il y a un intervalle I de R, tel que, pour chaque valeur x ∈ I, il existe un unique y ∈ R tel
que f (x, y) = α, alors en notant ϕ(x) cette valeur de y, on dit que ϕ est une fonction implicite
définie par l’équation f (x ; y) = α.
Plus généralement, on le
Théorème 3.3 (Théorème des fonctions implicites) (n = 2)
Soit f de classe C1 de U dans R, où U est un ouvert de R2 . Soit (x0 , y0 ) ∈ U tel que f (x0 , y0 ) = α et
∂f
avec (x0 , y0 ) 6= 0. Alors il existe deux intervalles ouverts I =]x0 − ε , x0 + ε[ et J =]y0 − r , y0 + r[,
∂y
et une application ϕ : I −→ J tels que :
h i h i
f (x, y) = α pour (x, y) ∈ I × J ⇔ y = ϕ(x) pour x ∈ I .

∂f
(x, ϕ(x))
De plus ϕ est dérivable sur I, et ϕ 0 (x) = − ∂∂ xf .
∂ y (x, ϕ(x))

Exemple 3.1 Montrer que la relation x4 + x3 y2 − y + y2 + y3 = 1 définit y comme fonction de x

dy
au voisinage du point (−1, 1). Calculer alors dx en ce point.
Posons f (x, y) = x4 + x3 y2 − y + y2 + y3 − 1. f définit une fonction de classe C∞ sur R2 . De plus,
f (−1, 1) = 0 et on a
∂f
(x, y) = 2x3 y − 1 + 2y + 3y2 .
∂y
3.2. THÉORÈME DES FONCTIONS IMPLICITES 67

Donc
∂f
(−1, 1) = 2 6= 0.
∂y
On peut donc appliquer le théorème des fonctions implicites au voisinage de (−1, 1). II existe ur
intervalle ouvert I de R contenant −1, un intervalle ouvert J de R contenant 1 et une fonction
ϕ : I → J telle que, pour tout couple (x, y) ∈ I × J,

f (x, y) = 0 ⇐⇒ y = ϕ(x).

Pour calculer la dérivée de ϕ en −1, on peut utiliser la formule suivante :

∂f
(−1, 1)
ϕ 0 (−1) = − ∂∂ xf .
∂ y (−1, 1)

Comme
∂f
(x, y) = 4x3 + 3x2 y2
∂x
alors
∂f
(−1, 1) = −1.
∂x
Ce qui donne finalement ϕ 0 (−1) = 1/2.
On pouvait aussi partir de la relation

x4 + x3 ϕ(x)2 − ϕ(x) + ϕ(x)2 + ϕ(x)3 = 1

et dériver cette relation pour x ∈ I. II vient :

4x3 + 3x2 ϕ(x)2 + 2x3 ϕ(x)ϕ 0 (x) − ϕ 0 (x) + 2ϕ(x)ϕ 0 (x) + 3ϕ(x)2 ϕ 0 (x) = 0

On évalue cette relation en x = −1 (en se rappelant que ϕ(−1) = 1), et on trouve bien que
ϕ 0 (−1) = 1/2.

Définition 3.2 On appelle courbe de niveau de f , toute courbe du type

Cα = {(x ; y) , f (x ; y) = α}, où α est un réel fixé.
Si f (x, y) = α permet de définir implicitement y = ϕ(x), avec ϕ dérivable, alors la dérivée de
ϕ en x0 permet de déterminer la tangente à Cα en (x0 , y0 ) comme le montre la proposition
suivante.
Proposition 3.1 (Équation de la tangente)
Soit Cα la courbe d’équation f (x, y) = α. Si les hypothèses du théorème des fonctions implicites
sont vérifiées, alors la tangente à Cα au point (x0 ; y0 ) a pour équation :

∂f ∂f
(x0 ; y0 ) (x − x0 ) + (x0 ; y0 ) (y − y0 ) = 0.
∂x ∂y
3.3. EXERCICES 68

Preuve : La tangente à la courbe a pour équation y = y0 + ϕ 0 (x0 ) (x − x0 ).

∂f ∂f
0
(x0 ; y0 ) (x0 ; y0 )
Puisque ϕ (x0 ) = − ∂∂ xf , cela donne : y − y0 = − ∂∂ xf (x − x0 ) et en multipliant par
(x0 ; y0 )
∂y (x0 ; y0 )
∂y
∂f ∂f ∂f
(x0 ; y0 ), on obtient : (x0 ; y0 ) (y − y0 ) = − (x0 ; y0 ) (x − x0 ).
∂y ∂y ∂x

APPLICATION : Isoquantes
Soit F une fonction de production, telle que F(x ; y) désigne la quantité produite quand on
utilise x unités d’un premier facteur de production et y unités d’ un second facteur de produc-
tion. Une isoquante est une courbe du type Cα = {(x ; y) , F(x ; y) = α}, où α est un réel fixé.
Cα est l’ensemble des couples (x ; y) qui permettent d’obtenir un même niveau de production
α. Si on diminue un peu la quantité x, de combien faudra-t-il augmenter la quantité y pour
garder la même production α ? D’après l’équation de la tangente,
∂f
∂x (x0 ; y0 )
(y − y0 ) = − (x − x0 ) × ∂f
,
∂y (x0 ; y0 )
∂f
∂x (x0 ; y0 )
en notant (x0 ; y0 ) la situation initiale. Le ratio ∂f
s’appelle le TMST (taux marginal
∂y (x0 ; y0 )
de substitution technique).

3.2.2 Dimension n
Dans R3 , l’équation f (x1 , x2 , x3 ) = α ne définit pas une courbe mais une surface. Dans Rn
l’équation f (x1 , . . . , xn ) = α définit ce que l’on appelle une "hypersurface" . Il existe une ver-
sion en dimension n du théorème des fonctions implicites, qui précise à quelle condition
f (x1 , . . . , xn ) = α permet localement de définir une fonction xn = ϕ (x1 , . . . , xn−1 )
Théorème 3.4 (Théorème des fonctions implicites) (n ≥ 2)
Soit f de classe C1 de U dans R, où U est un ouvert de Rn . Soit a ∈ U avec f (a) = α et tel que
∂f
(a) 6= 0. Alors il existe une boule ouverte B de Rn−1 centrée sur (a1 , . . . , an−1 ) et un intervalle
∂ xn
ouvert J =] an − ε , an + ε[, et une application ϕ : B → J tels que :
h i h i
f (x1 , . . . , xn ) = α pour (x1 , . . . , xn ) ∈ B × J ⇔ xn = ϕ(x1 , . . . , xn−1 ) pour (x1 , . . . , xn−1 ) ∈ B .
∂f
∂ϕ ∂ x (a1 , . . . , an )
De plus (a1 , . . . , an−1 ) = − ∂ fi pour tout i, avec i 6= n.
∂ xi (a1 , . . . , an )
∂ xn

3.3 Exercices
Exercice 3.1 Montrer que x4 + y3 − 2x2 y − 1 = 0 définit implicitement y en fonction de x au
voisinage de (0 ; 1).
3.3. EXERCICES 69

Exercice 3.2 Vérifier que la relation exy + y2 − xy − 3y + 2x = −1 définit y comme fonction de

x sur un voisinage de (0, 1). Montrer que cette fonction admet un développement limité à tout
ordre au voisinage de x = 0. Calculer ce développement limité à l’ordre 2.
Exercice 3.3
1. Montrer que l’égalité 2ex+y + y − x = 0 définit y = ϕ(x) au voisinage de (1, −1).
2. Calculer ϕ 0 (1) et ϕ 00 (1).

Exercice 3.4
1. Montrer que l’équation : x3 + y3 − 3xy = 1 définit au voisinage de 0 une fonction implicite :
y = ϕ(x) telle que ϕ(0) = 1.
2. Donner le DL de ϕ en 0 à l’ordre 3.

Exercice 3.5 Donner un développement limité à l’ordre 3 en 0 de la fonction implicitement

définie sur un voisinage de 0 par l’égalité ex+y + y − 1 = 0.

Exercice 3.6 Montrer que la relation sin y + y + ex = 1 définit implicitement y en fonction de x

au voisinage de (0, 0). Donner la régularité de la fonction ainsi définie et développement limité à
l’ordre 3 en 0.

Exercice 3.7
1) Montrer que l’équation

sin(x + y) + cos(x − y) = 1
définit y comme fonction implicite de x au voisinage de (0, 0). On posera y = ϕ(x).
2) Donner le développement limité de ϕ à l’ordre 3 au voisinage de 0.
3) En déduire la valeur de ϕ 0 (0), ϕ 00 (0), et ϕ 000 (0).
Chapitre 4

INTÉGRALES DOUBLES

4.1 Intégrale d’une fonction continue sur un fermé et borné de R2

Définition 4.1
Un pavé de R2 est le produit cartésien de deux intervalles compacts ; c’est-à-dire [a, b] × [A, B].

Soit f une fonction continue sur un pavé ∆ = [a, b] × [A, B]. On sait alors que f est bornée et
que, pour tout x ∈ [a, b], l’application partielle

[A, B] −→ R
y 7−→ f (x, y)

est continue sur [A, B], donc intégrable sur cet intervalle. Notons

F : [a, b] −→ R
Z B
x 7−→ f (x, y)dy.
A

Proposition 4.1 La fonction F définie ci-dessus est uniformément continue sur [a, b].
Preuve : Soit ε > 0. Comme f est continue sur le compact ∆, d’après le théorème de Heine,
elle est uniformément continue sur ∆. Il existe donc η > 0 tel que, pour tous (x, y), (x0 , y0 ) ∈ ∆,
on ait h i h ε i
(x, y) − x0 , y0 ∞ < η ⇒ | f (x, y) − f x0 , y0 | <



.
B−A
Soit un tel η et x, x0 ∈ [a, b] tels que |x − x0 | < η. Alors, pour tout y ∈ [A, B], on a (en choisissant
y0 = y) : k(x, y) − (x0 , y)k∞ = |x − x0 | de sorte que l’inégalité précédente peut être intégrée de A
àB:
Z B Z B Z B
0

0


0

ε
F(x) − F x = f (x, y) − f x , y dy ≤ f (x, y) − f x , y dy < dy = ε
A A A B−A

Ainsi, pour ε > 0 arbitraire, on a prouvé l’existence de η > 0 tel que dès que x et x0 vérifient
|x − x0 | < η on a |F(x) − F (x0 )| < ε. Ceci signifie que F est uniformément continue sur [a, b].

70
4.2. THÉORÈME DE FUBINI 71

La fonction F est en particulier continue sur [a, b], donc intégrable sur [a, b]. Ceci justifie la
définition suivante.
Définition 4.2 Avec les notations précédentes, on appelle intégrale double de f sur ∆ le nombre
ZZ Z b Z B 
f (x, y)dxdy = f (x, y)dy dx.
∆ a A

Z ZZ
On écrit parfois au lieu de .
∆ ∆

4.2 Théorème de Fubini

Soient a, b ∈ R deux réels tels que a < b, ϕ1 et ϕ2 deux fonctions réelles définies et continues
sur [a, b] telles que
∀x ∈ [a, b], ϕ1 (x) ≤ ϕ2 (x).
On pose
D = (x, y) ∈ R2 , a ≤ x ≤ b et ϕ1 (x) ≤ y ≤ ϕ2 (x) .


Soit f : D −→ R une fonction continue.

Théorème 4.1 (Fubini) Avec les notation précédentes, on a
ZZ Z b Z ϕ2 (x) 
f (x, y)dxdy = f (x, y)dy dx.
D a ϕ1 (x)

ZZ
Exemple 4.1 I = xydxdy où K = {(x, y) : x2 + y2 ≤ 1 , x ≥ 0 , y ≥ 0}.
K

x1 ≤ 1 − y2 ⇒ x2 ≤ 1. Or x ≥ 0 ; donc 0 ≤ x ≤ 1.
√
x2 + y2 ≤ 1 ⇒ y2 ≤ 1 − x2 . Mais comme y ≥ 0 alors 0 ≤ y ≤ 1 − x2 . Donc
n p o
2
K = (x, y) : 0 ≤ x ≤ 1 , 0 ≤ y ≤ 1 − x .

Alors

Z √1−x2
Z 1
! Z 1
1 1
I= xydy dx = x(1 − x2 )dx = .
0 0 2 0 8

Lorsque ϕ1 et ϕ2 sont des constantes (i.e. si D est un pavé) et lorsque f s’écrit comme produit
d’une fonction de x et d’une fonction de y, on a alors le corollaire suivant.
4.3. CHANGEMENT DE VARIABLES 72

Corollaire 4.1 Étant donnés un pavé ∆ = [a, b] × [A, B], une fonction F continue sur [a, b] et une
fonction G continue sur [A, B], on a
ZZ Z b Z B
F(x)G(y)dxdy = F(x)dx G(y)dy.
∆ a A

1
ZZ
Exemple 4.2 Calculer I = dxdy , où ∆ = [0, 1] × [0, 1].
∆ x+y+1
On a
Z 1 Z 1  Z 1 Z 1
1 1
I = dx dy = [ln(x + y + 1)]0 dy = (ln(2 + y) − ln(1 + y)) dy
0 0 x+y+1 0 0
27
= [(2 + y) ln(2 + y) − y − (y + 1) ln(1 + y) + y]10 = 3 ln 3 − 2 ln 2 − 2 ln 2 = ln .
16

4.3 Changement de variables

On rappelle la définition d’un Ck -difféomorphisme.
Définition 4.3 (Difféomorphisme de classe Ck )
Soit f : U ⊂ E −→ V ⊂ F une application d’un ouvert U d’un e.v.n dans un ouvert V d’un e.v.n
F. On dit que f est un difféomorphisme de classe Ck (k ≥ 1) si f est bijective, f est de classe Ck
et sa réciproque f −1 est aussi de classe Ck .
On dit aussi que f est un Ck -difféomorphisme.

Soient D un fermé borné de R2 et f : D −→ R une fonction continue. Dans le cadre de la

théorie de la mesure, le théorème suivant est parfois appelé théorème de transfert.
Théorème 4.2 (Changement de variables)
Soit (
ϕ : ∆ −→ D x = ϕ1 (u, v)
telle que
(u, v) 7−→ (x, y) y = ϕ2 (u, v)
◦ ◦
un C1 -difféomorphisme de ∆ sur D. Alors
ZZ ZZ
f (x, y)dxdy = f ◦ ϕ(u, v) det(Jϕ (u, v)) dudv
D ∆

D(x, y)
où Jϕ (u, v) désigne la matrice jacobienne de ϕ. det(Jϕ (u, v)) se note aussi .
D(u, v)
Exemple 4.3 (Coordonnées polaires)
L’exemple suivant est l’un des changements de variables les plus classiques. Il consiste à repré-
senter les points du plan sous forme polaire, selon les formules bien connues suivantes (où (x, y)
désigne les coordonnées cartésiennes d’un point et (r, θ ) ses coordonnées polaires) :

x = r cos θ
y = r sin θ .
4.3. CHANGEMENT DE VARIABLES 73


ϕ(u, v) = ϕ1 (u, v) , ϕ2 (u, v) = r cos θ , r sin θ ).
La fonction ϕ qui à (r, θ ) ∈ R+ × [0, 2π] associe (x, y) vérifie bien les hypothèses du Théorème 4.2 ;
et on a
∂x ∂x

∂ r (r, θ ) ∂ θ (r, θ ) cos θ −r sin θ
det Jϕ (r, θ ) = = =r.
∂y ∂y sin r cos
∂r (r, θ ) ∂θ (r, θ ) θ θ

Prenons l’exemple de l’intégrale suivante à calculer (où R > 0) :

ZZ
2 +y2
I= e−(x ) dxdy où D = (x, y) ∈ R2 , x2 + y2 ≤ R2 .
D

Par la transformation polaire, le disque D (centre 0 et rayon R) se transforme en le pavé

∆ = [0, R] × [0, 2π] et on a, par le Théorème 4.2, en remarquant que x2 + y2 = r2 :
ZZ
2
I= re−r drdθ .
∆

On se retrouve dans la situation du Corollaire 4.1, et l’on obtient :

Z R Z 2π  
−r2 −R2
I= re dr dθ = π 1 − e .
0 0

Exemple 4.4 (coordonnées elliptiques)

x2 y2
 
2
Soit D = (x, y) ∈ R ; x ≥ 0, y ≥ 0, 2 + 2 ≤ 1 .
a b
Calculer l’intégrale : ZZ
2x3 − y dxdy.


J=
D
On utilise le changement de variables
(
x = ar cos θ
,
y = br sin θ
π
0≤r≤1, . 0≤θ ≤
2
La matrice jacobienne de ce changement de variables est donc :
 
a cos θ −ar sin θ
.
b sin θ br cos θ

Le déterminant vaut donc abr, et on a par la formule du changement de variables :

Z 1 Z π/2
2a3 r3 cos3 θ − br sin θ abrdθ dr


J=
0 0
4 ab2
= a4 b − .
15 3
4.4. EXERCICES 74

4.4 Exercices
Exercice 4.1 Calculer les intégrales doubles suivantes
ZZ
(x + y)dxdy où D = (x, y) ∈ R2 /x 6 1, y 6 1, x + y > 1

1. I =
D

1
ZZ
2. I = 2 2
dxdy
x2 +y2 61 1 + x + y

dxdy
ZZ
3. I = 2
.
x6x2 +y2 61 (1 + x2 + y2 )

Exercice 4.2 On pose :

D = (x, y) ∈ R2 ; 0 ≤ x ≤ 1 , 0 ≤ y ≤ 1 , x2 + y2 ≥ 1


xy
Z
Calculer 2 2
dxdy.
D 1+x +y

Exercice 4.3 Calculer les intégrales doubles suivantes à l’aide d’un changement de variables :
ZZ
1. I1 = (x2 + y2 )dxdy ; D1 = {(x, y) : x2 + y2 − 2y ≤ 0}.
D1
ZZ
x
2. I2 = e x+y dxdy ; D2 = {(x, y) : x ≥ 0 , y ≥ 0 , x + y ≤ 1}.
D2

Exercice 4.4 Soient 0 < a < b et la fonction f définie sur D = [0; 1] × [a; b] par
(
f (x, y) = xy si (x, y) 6= (0, y)
f (0, y) = 0

1. Montrer que f est continue.

ZZ
2. Calculer l’intégrale double f (x, y)dxdy.
D
Z 1 b
x − xa
3. En déduire la valeur de l’intégrale dx.
0 ln x
Bibliography

[1] http://pedagotech.inp-toulouse.fr/140418/co/FctPlusVar_4.html (Théorème des

fonctions implicites - Toulouse)
[2] http://exo7.emath.fr/deux.html
[3] https://math.unice.fr/~rascle/indexcaldiffL3Mass.html -TYPE EXAM
[4] http://www.i2m.univ-amu.fr/perso/maxime.hauray/enseignement/L3-EDO/EDO_
L3-TD.html
[5] https://www.math.sciences.univ-nantes.fr/~riviere-g/enseignement.html
[6] http://math.univ-lille1.fr/~blanccen/Enseignement/td/TD.html
[7] https://www.faidherbe.org/~jdebarbieux/concours.htm
[8] Azoulay E. et J. Avignant(2007), Cours de mathématiques, tomes 1 à 4, 3eme éd., Edis-
cience.
[9] Degrave D, Degrave C et Muller H.(1990) (2000), Analyse 2, Vuibert.
[10] Fedida E et Sangharé M.(1996), Analyse : 1er cycle universitaire, Edicef.
[11] Harari J. et D. Personnaz (1986), Cours de mathématiques, Ed. Belin

75