go-back Retour

Fonctions de deux variables

📝 Mini-cours GRATUIT

Méthode 1 : Étudier la continuité de fonctions à deux variables

On munit R2 de la norme euclidienne canonique : pour x=(x1,x2)R2, ||x||=x21+x22.

Définition : La boule ouverte de centre ω et de rayon r pour la norme euclidienne est l’ensemble des x vérifiant xω<r. On la note B(ω,r).

Définition : Un ensemble Ω est un ouvert si, pour tout point xΩ, on peut trouver une boule ouverte de centre x, incluse dans l’ensemble Ω.

Remarque : Une boule ouverte est un ouvert.

→ On considère dans la suite Ω un ouvert de R2.

Définition :

Une fonction f définie sur ΩR2 à valeurs dans R par (x,y)f(x,y) est une fonction à 2 variables.

Exemple : f:R2R définie par f(x,y)=xy+x2y.

Définition :

Une fonction f, définie sur R2, est continue au point x0 de R2 si : ϵ>0, il existe α>0 , xR2, ||xx0||α |f(x)f(x0)|ϵ.

f est continue sur R2 si et seulement si f est continue en tout point de R2.

Exemple : Les fonctions polynômiales de 2 variables sont continues sur R2.

Méthode 2 : Calculer des dérivées partielles

Définition : Soit $f : (x, y)\to f(x, y)$ à deux variables définies sur $\Omega$, à valeurs dans $\mathbb R$, les applications partielles associées sont les deux fonctions à une variable $f_x : x\to f(x, y)$ et $f_y : y\to f(x, y)$.

Les dérivées partielles de $f$ sont les dérivées de ses application partielles.

On note $\dfrac{\partial f}{\partial x}(x_0,y_0) $ la dérivée de $f_x$ en $(x_0,y_0)$ et $\dfrac{\partial f}{\partial y}(x_0,y_0)$ la dérivée de $f_y$ en $(x_0,y_0)$.

Définition :

Soit $f : \Omega\to \mathbb R$.
$f$ est de classe $\rm C^1$ si ses dérivées partielles existent et sont continues.

Exemple : Les fonctions polynomiales de 2 variables sont des fonctions de classe $\rm C^1$ sur $\mathbb R^2$.

Théorème : Soit $f$ fonction de deux variables de classe $\rm C^1$.

Il existe un unique développement limité à l’ordre 1 de $f$ au point $(x_0,y_0)$:

$f (x_0 +h, y_0 +k) = f (x_0, y_0) + \dfrac{\partial f}{\partial x} (x_0, y_0)h + \dfrac{\partial f}{\partial y} (x_0, y_0)k +o||(h,k)||$

Définition: Soit $f$ fonction de deux variables de classe $\rm C^1$.

Le gradient de $f$ en $(x_0,y_0)$ est le vecteur: $\nabla(f)(x_0,y_0)=\left(\dfrac{\partial f}{\partial x} (x_0, y_0), \dfrac{\partial f}{\partial y} (x_0, y_0)\right)$.

Le gradient de $f$ en $(x_0, y_0)$ définit la direction dans laquelle $f$ croît le plus vite.

Méthode 3 : Rechercher un extremum

$(x_0,y_0)$ est un point critique de $f$ si $\left\{\begin{array}{ll} \displaystyle\frac{\partial f}{\partial x}(x_0,y_0)=0\\ \displaystyle\frac{\partial f}{\partial y}(x_0,y_0)=0 \end{array}\right.$.

De manière équivalente, $(x_0,y_0)$ est un point critique de $f$ si $\nabla(f)(x_0,y_0)=(0,0)$.

Théorème : Si une fonction $f$ admet un minimum ou un maximum local en un point $(x_0, y_0)$, alors ce point est un point critique.

Attention, la réciproque n’est pas toujours vraie.

En pratique, les extrema d’une fonction à deux variables de classe $\rm C^1$ se recherchent donc parmi les points critiques.

Théorème : «Règle de la chaîne»

Soit une fonction $g$ définie par $ g:(x,y)\to f(u(x,y),v(x,y))$ avec $f, u, v$ des fonctions de classe $\rm C^1$.

$\left\{\begin{array}{ll} \displaystyle\frac{\partial g}{\partial x}=\frac{\partial f}{\partial u}\frac{\partial u}{\partial x}+\frac{\partial f}{\partial v}\frac{\partial v}{\partial x}\\ \displaystyle\frac{\partial g}{\partial y}=\frac{\partial f}{\partial u}\frac{\partial u}{\partial y}+\frac{\partial f}{\partial v}\frac{\partial v}{\partial y}\end{array}\right.$

NOMAD EDUCATION

L’app unique pour réussir !