Université Mohammed V

Rabat-Agdal
Département de mathématiques

Licence de mathématiques
Année 2010/2011

Filière : SMA

Cours

Calcul différentiel

Pr. ELKHATTABI NOHA

Table des matières

Introduction. 3

Rappels et compléments. 7
0.1 Espace vectoriel normé. Espace de Banach. . . . . . . . . . . . 7
0.2 Continuité et algébre multilinéaire. . . . . . . . . . . . . . . . 8
0.3 Le groupe Iso(E,F) et l’application u 7→ u−1 . . . . . . . . . . 11

1 Applications différentiables. 13
1.1 Différentielle en un point et sur un ouvert U . . . . . . . . . . . 13
1.2 Dérivée directionnelle. . . . . . . . . . . . . . . . . . . . . . . 15
1.3 Dérivée d’une fonction composée. . . . . . . . . . . . . . . . . 16
1.4 Opérations sur les dérivées. . . . . . . . . . . . . . . . . . . . 17
1.5 Fonctions à valeurs dans un produit d’espaces . . . . . . . . . 18
1.6 Fonctions définies sur un ouvert d’un produit d’espaces . . . . 20
1.7 Combinaison des cas précédents . . . . . . . . . . . . . . . . . 22

2 Théorème des accroissements finis et applications. 24

2.1 Fonctions à variables réelles. . . . . . . . . . . . . . . . . . . . 24
2.2 Fonctions à variable dans un espace de Banach . . . . . . . . . 26
2.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4 Fonctions strictement différentiables . . . . . . . . . . . . . . . 29

3 Difféomorphismes de classe C 1 31
3.1 Définition et propriété. . . . . . . . . . . . . . . . . . . . . . . 31
3.2 Théorème d’inversion locale . . . . . . . . . . . . . . . . . . . 32
3.3 Théorème des fonctions implicites . . . . . . . . . . . . . . . . 34

1
4 Dérivées d’ordre supérieur-Formule de Taylor 36
4.1 Dérivées d’ordre supérieur . . . . . . . . . . . . . . . . . . . . 36
4.1.1 Dérivées successives . . . . . . . . . . . . . . . . . . . . 38
4.2 Formule de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2.1 Rappel sur l’intégration des fonctions réglées : . . . . . 39
4.3 Formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3.1 Formule de Taylor : Cas particulier . . . . . . . . . . . 40
4.3.2 Formule de Taylor : Cas général . . . . . . . . . . . . . 41

5 Maxima et Minima Relatifs 44

5.1 Extrema libres. . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.2 Extrema liés. . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.3 Convexité et minima. . . . . . . . . . . . . . . . . . . . . . . . 49
5.4 Introduction au calcul des variations. . . . . . . . . . . . . . . 52

2
Introduction.

Nous commençons par des rappels sur la notion de dérivée dans le cas le
plus simple des fonctions à variables réelles et valeurs réelles.

Définition 0.0.1. (fonction réelle dérivable)

Soit I un intervalle ouvert de R et f : I → R une fonction réelle.
f (x) − f (a)
On dit que f est dérivable en a ∈ I si et seulement si le rapport ,
x−a
admet une limite lorsque x tend vers a. Cette limite, comme toute limite
de fonction si elle existe est alors unique ; on la note f 0 (a). Il s’agit ici d’un
nombre réel. On dit que f 0 (a) est la dérivée de f en a. Si f est dérivable en
tout point a de I, on en déduit une fonction I 3 a → f 0 (a) ∈ R, appelée
fonction dérivée de f .

Remarquons que, dire que f est dérivable en a, équivaut à dire qu’il existe
un réel f 0 (a), tel que la fonction
1
I\{a} 3 x 7→ [f (x) − f (a) − f 0 (a)(x − a)] ∈ R
x−a
tend vers 0 lorsque x tend vers a. Ceci revient encore à dire qu’il existe un
réel f 0 (a) et une fonction a : I → R qui tend vers 0 lorsque x tend vers a
tels que :
∀x ∈ I : f (x) − f (a) − f 0 (a)(x − a) = (x − a)a (x) (∗)

Interprétation géométrique.

f 0 (a) est la pente de la tangente au graphe de f au point (a, f (a)).

3
Définition 0.0.2. (fonction à valeurs dans R2 )
On dit que l’application f : Ω → R2 est dérivable en a si et seulement si
1
la fonction Ω\{a} 3 a 7→ [f (x) − f (a)] ∈ R2 admet une limite en a
x−a
→
−
dans R2 (nécessairement unique et noté f 0 (a)), ou de façon équivalente si et
→
−
seulement si il existe un vecteur f 0 (a) ∈ R2 et une application a : Ω → R
de limite nulle en a, tel que :
→
−
∀x ∈ Ω : f (x) − f (a) = f 0 (a)(x − a) + |x − a|a (x) (∗∗)

Interprétation géométrique.

4
Remarque 0.0.3.

1. Dans cette définition, la norme de R2 intervient (la notion de limite

dépend a priori de la norme choisie sur R2 ), la notion de dérivabilité
et de dérivée en un point dépend donc a priori de la norme que l’on
se donne sur R2 . Mais dans le cas de R2 toutes les normes étant
équivalentes, la dérivabilité et la dérivée de f en un point sont indépendantes
de la norme choisie.

2. La définition de dérivabilité (∗∗) n’a plus de sens dès que f est définie
sur un espace vectoriel quelconque E, puisque dans ce cas le produit
→
−
(x − a). f 0 n’a plus de sens !

3. Le but de ce cours est de donner une notion pertinente de ”dérivée”,

pour les applications à variables dans un espace vectoriel normé E de
dimension > 1. Pour cela, on remarquera que l’application
→
−
L : K 3 x 7→ x. f 0 ∈ F est linéaire, sur ce modèle on remplacera donc
dans le cas générale la définition (∗∗) par : ”il existe une application
linéaire La : E → F , et une application pa : Ω → F qui tend vers 0F
lorsque sa variable tend vers 0E , telles que :

5
 ∀x ∈ Ω : f (x) − f (a) = La (a)(x − a) + kx − akpa (x − a). ”

Cependant, lorsque la dimension de E est infinie, il se peut qu’une telle

application linéaire La ne soit pas continue en 0E . On réclamera alors,
dans la définition ci-dessus, afin qu’elle soit plus forte que la continuité
de f en a, que l’application linéaire La soit continue.

6
Rappels et compléments.

0.1 Espace vectoriel normé. Espace de Ba-

nach.
Définition 0.1.1. Soit E un espace vectoriel sur un corps K (= R ou C).
On appelle norme sur E toute application ρ : E → R+ ayant les propriétés
suivantes :
– ρ(x) = 0 ⇔ x = 0
– ρ(λx) = |λ|ρ(x), ∀λ ∈ K, ∀x ∈ E
– ρ(x + y) ≤ ρ(x) + ρ(y), ∀x, y ∈ E
On note souvent ρ(x) = kxk.

Normes équivalentes :
Définition 0.1.2. Deux normes ρ1 et ρ2 sur un espace vectoriel E sont dites
équivalentes s’il existe deux constantes strictement positives M et m telles
que
∀x ∈ E, mρ1 ≤ ρ2 ≤ M ρ1 .

Remarque 0.1.3. En dimension finie, toutes les normes sont équivalentes.

Exemple 0.1.4. Si E = Rn , {e1 , ..., en } est une base de E et ρ est une norme
sur E, on a
n
X
|ρ(x) − ρ(y)| ≤ ρ(x − y) ≤ |xi − yi |ρ(ei ),
i=1

n
P n
P
avec x = xi ei et y = yi ei .
i=1 i=1

7
On en déduit que ρ est continue sur Rn muni de la norme euclidienne vers R
et par suite elle est bornée sur la boule unité fermée. Il existe donc m et M
vérifiant
∀x ∈ B(0, 1), m ≤ ρ(x) ≤ M.
Par conséquent
∀x ∈ E, mkxk ≤ ρ(x) ≤ M kxk.
Donc toute norme sur Rn est équivalente à la norme euclidienne.

Un espace vectoriel normé E (e.v.n) est un e.v muni d’une norme.

Soit d la distance définie par d(x, y) = kx − yk, alors (E, d) est un espace
métrique. Si (E, d) est complet, on dit que E est un espace de Banach.
Si de plus la norme de E est issue d’un produit scalaire, E est dit espace
de Hilbert

Définition 0.1.5. (continuité dans les evn).

Soient (E, k.kE ) et (F, k.kF ) deux e.v.n, Ω un ouvert de E, a ∈ Ω et f : Ω → F
une application. on dit que f est continue en a si et seulement si :
∀ > 0, ∃η , tel que ∀x vérifiant kx − ak ≤ η , on ait : kf (x) − f (a)k ≤ .

Clairement, la définition ci-dessus montre que la notion de continuité en

un point dépend des normes que l’on se donne sur E et F .
Remarque 0.1.6. Soient E et F deux e.v.n, f : E → F est une application
continue si et seulement si ∀(xn )n ∈ E / xn → x alors f (xn ) → f (x)

0.2 Continuité et algébre multilinéaire.

Proposition 0.2.1. L’espace des fonctions linéaires et continues de E vers
F , L(E, F ) muni de la norme

kf (x)k
kf kL(E,F ) = sup kf (x)kF = sup
kxkE ≤1 x6=0 kxk

est un espace de Banach.

Proposition 0.2.2. Soit f : E → F une application linéaire, alors on a :

f est continue ⇔ ∃k > 0 / kf (x)k ≤ kkxk, pour tout x de E.

8
Cas particulier :
1) Si E = R, alors L(E, F ) est isomorphe à F par l’application
φ : L(E, F ) → F
ϕ → ϕ(1) = φ(ϕ)

2) Si F = R, alors L(E, F ) est l’espace dual de E ou l’ensemble des

formes linéaires sur E.

Proposition 0.2.3. Si E est de dimension finie, alors E est complet et toute

application linéaire f : E → F , où F est un e.v.n est continue.

Définition 0.2.4. (applications multilinéaires).

Soient E1 , ..., En et F des e.v.n sur K(= R ou C). On dit qu’une application
L : E1 × .... × En → F est n−linéaire ssi L est linéaire sur chaque facteur,
c’est-à-dire ssi pour tout j ∈ {1, ..., n}, pour tout (a1 , ..., an ) ∈ E1 × .... × En ,
l’application
Laj : Ej → F
h → Laj (h) = L(a1 , ..., aj−1 , h, aj+1 , ..., an )
est linéaire.

Remarque 0.2.5. Lorsque n = 1, on retrouve la définition d’une application

linéaire (1−linéaire).

Exemple 0.2.6.
• L’application L : R × R → R définie par L(x, y) = xy (i.e le produit dans
R) est une application 2−linéaire (on dit bilinéaire) sur R.
• L’application L : R2 × R2 → R définie par L(~h, ~k) = 3h1 k1 − 5h2 k2 + h1 k2 ,
où ~h = (h1 , h2 ) et ~k = (k1 , k2 ) est une application bilinéaire sur R2 . En effet
~
fixons ~k = (a, b) ∈ R2 . L’application Lk : R2 → R définie par ~h = (h1 , h2 ) →
~
Lk (~h) = L(~h, ~k) = 3h1 a − 5h2 b + h1 b est linéaire en ~h et pour ~h = (a, b) ∈ R2 .
~ ~
L’application Lh : R2 → R définie par ~k = (k1 , k2 ) → Lh (~k) = L(~h, ~k) =
3ak1 − 5bk2 + ak2 est linéaire en ~k.
• Soit E = C00 l’espace vectoriel des suites réelles nulles à partir d’un certain
+∞
P
rang, et L : E × E → R définie par L(~u, ~v ) = uj vj (cette somme est
i=0
finie, car la suite ~u = (u0 , u1 , ..., ) et ~v = (v0 , v1 , ..., ) sont nulles à partir d’un
certain rang). L est bilinéaire.

9
 On suppose maintenant que chaque espace vectoriel E1 , ..., En , F de la
définition ci-dessus est un espace vectoriel normé, par la norme (respective-
ment) : k.kE1 , ..., k.kEn , k.kF . On munit alors E1 × ... × En de la norme
k(x1 , ..., xn )k = max{kx1 kE1 , ..., kxn kEn }.
Exercise 0.2.7. Montrer que k.k est bien une norme sur E1 ×...×En . Montrer
ensuite que cette norme est équivalente aux normes
n
r n k.k1 et k.k2 définie par :
kxi k2Ei . Dans le cas où
P P
k(x1 , ..., xn )k1 = kxi kEi et k(x1 , ..., xn )k2 =
i=1 i=1
n = 2 et E1 = E2 = R, représenter la boule unité de R × R associée à la
norme k.k.
Exercise 0.2.8. Montrer que l’application bilinéaire L : R2 × R2 → R de
l’exemple ci-dessus est une application qui vérifie : il existe un réel Λ ≥ 0 tel
que quel que soit (~h, ~k) ∈ R2 × R2 ; |L(~h, ~k)| ≤ Λk~hkR2 .k~kkR2 ≤ Λk(~h, ~k)k2 ,
k.kR2 étant la norme euclidienne de R2 . En déduire que L est continue.
Théorème 0.2.9.
Soient E1 , ..., En et F des e.v.n et soit L : E1 × ... × En → F une application
n-linéaire.
On munit E1 ×...×En de la norme k(h1 , ..., hn )k = max (kh1 kE1 , ..., khn kEn ).
j=1,...,n
Les propriétés qui suivent sont équivalentes :

1. L est continue sur E1 × ... × En .

2. L est continue seulement en (0E1 , ..., 0En ).
3. L est bornée sur B1 × ... × Bn , où Bj désigne la boule unité de Ej .
4. L est bornée sur S1 × ... × Sn , où Sj désigne la sphère unité de Ej .
5. Il existe un réel Λ > 0, tel que pour tout (x1 , ..., xn ) ∈ E1 × ... × En ,
kL(x1 , ..., xn )k ≤ Λkx1 k...kxn k
Définition 0.2.10. On note L(E1 , ..., En ; F ) l’espace vectoriel des applica-
tions n-linéaires continues. Pour tout L ∈ E1 × ... × En , on définit la norme
de L par :
kL(x1 , ..., xn )k
kLk = sup
(x1 ,...,xn )∈E1 \{0}×...×En \{0} kx1 k...kxn k

Noter que par multilinéairité :

kL(x1 , ..., xn )k
kLk = sup
(x1 ,...,xn )∈B1 \{0}×...×Bn \{0} kx1 k...kxn k

10
Exercise 0.2.11. Montrer que kLk est une quantité qui est bien définie (ie
kLk =
6 ∞), en montrant que kLk = inf{Λ vérifiant la propriété 5 du théorème précédent}.

Théorème 0.2.12.
k.k est une norme sur L(E1 , ..., En ; F ).

Remarque 0.2.13.
Par l’exercice 0.2.8, pour tout (x1 , ..., xn ) ∈ E1 × ... × En ,

kL(x1 , ..., xn )kF ≤ kLk.kx1 kE1 ...kxn kEn .

Théorème 0.2.14.
Si E1 , ..., En sont de dimensions finies, toute application n-linéaire
L : E1 × ... × En → F est continue (en particulier toute application linéaire
qui part d’un espace de dimension finie est lipschitzienne).

0.3 Le groupe Iso(E,F) et l’application u 7→

u−1
Dans l’optique d’étudier l’existence de certains inverses, nous avons be-
soin de rappeler des résultats sur les séries convergentes dans les espaces de
Banach.

Définition
P 0.3.1. Soit (un )n une suite dans un espace
P de Banach E. On dit
la série un est normalement convergente si la série kun k est convergente
n
dans Rn .

Théorème 0.3.2.
Si une série est normalement convergente, alors elle est convergente.

Démonstration.
Ceci se justifie par l’inigalité
X X
k un k ≤ kun k,

et donc le fait d’être de Cauchy pour l’une dans R implique que l’autre est
aussi de cauchy mais cette fois-ci dans l’espace E qui est de Banach.

11
 Nous avons les deux propositions suivantes :

Proposition 0.3.3.
Si E est un espace de Banach, alors L(E, E) est de Banach et si u ∈ L(E, E)
est tel que kuk < 1, alors 1 − u est inversible.
Démonstration.
Le premier point a déjà été établi
P précédemment.
Soit u tel que kuk < 1. La série un est convergente car elle est normalement
P∞
convergente et si on pose v = un , alors v vérifie
n=0
∞
X
uv = vu = un .
n=1

Par suite, Id = v − uv = (Id − u)v = u = v − vu = v(Id − u) ce qui prouve

que 1 − u est inversible.
Proposition 0.3.4.
1. Iso(E, F ) est un ouvert de L(E, E). (F est supposé de Banach)
2. L’application u 7→ u−1 est continue.
Démonstration.
Pour montrer qu’il s’agit d’un ouvert, il suffit de montrer que u−10 u est inver-
sible si u est proche de u0 ∈ L(E, E). D’après le résultat précédent, il suffit
de vérifier que k1 − u−1
0 uk < 1 si u est suffisamment proche de u0 .
−1 −1
Or 1 − u0 u = u0 (u0 − u), d’où en passant aux normes
k1 − u−1 −1
0 uk ≤ ku0 kku0 − uk.

Ainsi si on suppose que ku0 − uk < ku−1 1

, alors on aura u−1
0 u inversible et
0 k
par suite u est inversible.
Pour l’autre point, on pose u = u0 (1 − v) avec kvk < 1.
On a u−1 = (1 − v)−1 u−10 , d’où on déduit

kuk
ku−1 −1
0 −u k ≤ (∗)
1 − kvk
et quand u tend vers u0 , v tend vers 0 (v = 1−u−1 −1
0 ) donc kvk ≤ ku0 kku0 −uk)
−1
et, en vertu de (∗), u−1 tend vers u0 . D’où la continuité.

12
Chapitre 1

Applications différentiables.

1.1 Différentielle en un point et sur un ouvert

U.
Définition 1.1.1. Soient E et F deux e.v.n et U un ouvert de E. Une
application f : U → F est dite différentiable en un point a ∈ U s’il existe
une application L ∈ L(E, F ) telle que
kf (a + u) − f (a) − L(u)k = o(kuk). (1.1)
L est appelée la dérivée de f au point a et noté f 0 (a), ou Df (a)
Remarque 1.1.2.
Si f est différentiable en a alors sa dérivée en a est unique. En effet supposons
que f admette deux dérivées L et K ∈ L(E, F ), au point a on aura alors :
k(L − K)k = o(kuk) i.e ∀ε > 0, ∃δ > 0 tel que kuk ≤ δ ⇒ k(L − K)k ≤ εkuk.
x
Alors ∀x ∈ E, x 6= 0 en prenant u = δ on obtient k(L − K)(x)k = 0.
kxk
Définition 1.1.3. On dit que f est différentiable sur U si f est différentiable
en tout point de U .
On peut alors définir l’application dérivée de f
f 0 : U → L(E, F )
a → f 0 (a)
Remarque 1.1.4.
Si f est différentiable en a alors f est continue en a. Cela découle de (1.1) et
de la continuité de f 0 (a).

13
Exemple 1.1.5.

1. Si E = R on a L(E, F ) ' F (f → f (1))

f est différentiable en a ⇔ ∃c ∈ F tel que kf (a + u) − f (a) − uck =
o(kuk).
2. Si f est linéaire alors f 0 (a) = f pour tout a.
3. Soit E un e.v.n et U un ouvert de E. Si f : U → F est constante, elle
est différentiable sur U , et f 0 (u) = 0, pour tout u de U .
Proposition 1.1.6. Soient E1 , ..., En , F , des espaces vectoriels normés, n ≥
1, et f : E1 × ... × En → F une application n−linéaire continue. Alors f est
différentiable et sa différentielle est :
Df(a) : E1 × ... × En → F
(~h1 , ..., ~hn )) → f (~h1 , a2 , ..., an ) + ... + f (a1 , ..., an−1 + ~hn )
Démonstration. Si f : E1 × ... × En → F est une application multilinéaire
continue.
f (a+~h)−f (a) = f ((a1 , ..., an )+(~h1 , ..., ~hn ))−f (a1 , ..., an ) = f (~h1 , a2 , ..., an )+
... + f (a1 , ..., an−A + ~hn ) + f ∗ , où f ∗ est une somme de termes du type
f (∗1 , ..., ∗n ), avec au moins deux hj comme argument, et des ak pour compléter.
Or
(~h1 , ..., ~hn ) 7→ f (~h1 , a2 , ..., an ) + ... + f (a1 , ..., an−1 , ~hn )
est linéaire continue et kf (∗1 , ..., ∗n )k ≤ kf k.k~hkk .(max kaj k)n−k , où k(≥ 2)
j
est le nombre de composantes de ~h figurant dans f (∗1 , ..., ∗n ).
En notant A = max(max kaj k)n−k , on obtient : kf (∗1 , ..., ∗n ) ≤ kf k.k~hkk .A,
k j
avec k ≥ 2. Enfin comme le nombre de termes du type f (∗1 , ..., ∗n ) dans f ∗ ne
dépend que de n (il est égale à 2n − 1 − n), on a montré que kf ∗ k = k~hk.(~h),
avec (~h) → 0 quand ~h → 0.
Définition 1.1.7. On dit que f : U → F est continûment différentiable sur
U ou de classe C 1 sur U si
• f est différentiable sur U , et
• f 0 : U → L(E, F ) est continue.

Soient (E, k.k) et (F, k.k0 ), U un ouvert de E et f : U → F continue. Mu-

0
nissons E de la norme k.k1 équivalente à k.k et F de la norme k.k1 équivalente

14
 0
à k.k alors U reste ouvert, f reste continue et nous avons :

Proposition 1.1.8. Si f est différentiable en un point a de U pour les an-

ciennes normes, f l’est aussi pour les nouvelles normes et sa dérivée est la
même.

1.2 Dérivée directionnelle.

Définition 1.2.1. Soit f : U → F et a ∈ U .
On dit que f admet au point a une dérivée directionnelle suivant la direction
h ∈ E si et seulement si l’application t → f (a + th) de variable scalaire est
dérivable en 0 ∈ K.
Si cette dérivée existe, en tant que limite, elle est unique ; on la note alors
D~h f (a).

Exemple 1.2.2.

y3
a) Soit f : R2 → R définie par (x, y) 7→ f (x, y) = si x 6= 0 et
x
f (0, y) = 0. Cette fonction admet des dérivées directionnelles suivant
toutes les directions à l’origine, cependant f n’est pas continue en (0, 0).
Soit en effet ~h = (a, b) ∈ R2 , f ((0, 0)+t~h)−f (0, 0) = f (ta, tb) = t3 b3 /ta
si a 6= 0, et 0 si a = 0. Donc quel soit ~h, D~h f (0, 0) existe et vaut 0.
Or la fonction R 3 t 7→ γ(t) = (t3 , t) ∈ R2 est continue en t = 0 et
γ(0) = (0, 0). Donc si f était continue en (0, 0), f ◦ γ serait continue
en 0. Mais (f ◦ γ)(t) = 1 et (f ◦ γ)(0) = 0 : lim(f ◦ γ)(t) 6= (f ◦ γ)(0)
t→0
et f n’est pas continue en (0, 0).

b) Exemple de fonctions non différentiables en un point, mais continue

et admettant qu’en ce point toutes ses dérivées directionnelles D~h ν(a)
sont linéaires et continues par rapport à ~h :
f : R2 → R
xy 2
(x, y) 7→ f (x, y) = 4 si (x, y) 6= (0, 0), et f (0, 0) = 0
x + y4
g : R2 → R
(x, y) 7→ k(x, y)k2 si y = x2 , et f (0, 0) = 0 sinon

15
 Nous allons maintenant vérifier que la différentiabilité est une notion plus
forte que l’existence des dérivées directionnelles suivant toutes les directions.
Supposons f différentiable en a. Pour tout t suffisamment petit, a + t.~h ∈ U ,
puisque U est un ouvert de E, nous pouvons alors écrire :

f (a + t.~h) − f (a) = t.La (~h) + |t|.k~hk.a (a + t.~h)

de sorte qu’en faisant tendre t vers 0, on obtient l’existence de la dérivée

directionnelle D~h f(a) , et La (~h) = D~h f(a) . D’où la proposition :
Proposition 1.2.3. Si f est différentiable en a, f admet en a des dérivées di-
rectionnelles suivant toutes les directions, la différentielle La (et par conséquent
l’application a ) est unique, on la note Df(a) et on a l’égalité :

Df(a) (~h) = D~h f(a)

1.3 Dérivée d’une fonction composée.

Théorème 1.3.1. Soient E, F, G trois espaces vectoriels normés, U un ou-
vert de E et V un ouvert de F .
Soient f : U → F , g : V → G, a ∈ U et b = f (a) ∈ V .
Si f est différentiable au point a et si g est différentiable au point b = f (a),
alors h = g ◦ f est différentiable au point a et on a :

h0 (a) = g 0 (b) ◦ f 0 (a)

Démonstration. On a :
f (a + u) − f (a) − f 0 (a)u = ϕ(u) où kϕ(u)k = o(kuk)
et g(b + v) − g(b) − g 0 (b)v = ψ(v) où kψ(v)k = o(kvk)
d’où

g(f (a + u)) − g(f (a)) − g 0 (b).[f (a + u) − f (a)] = ψ(f (a + u) − f (a))

c’est à dire

h(a + u) − h(a) − g 0 (b).[f 0 (a).u + ϕ(u)] = ψ(f (a + u) − f (a))

donc

h(a + u) − h(a) − (g 0 (b) ◦ f 0 (a)).u = ψ(f (a + u) − f (a)) + g 0 (b)ϕ(u)

16
il suffit donc de démontrer que

kg 0 (b)ϕ(u) + ψ(f (a + u) − f (a))k = o(kuk)

kg 0 (b)ϕ(u)k kϕ(u)k
or ≤ kg 0 (b)k. → 0 lorsque kuk → 0
kuk kuk
et

kψ(f (a + u) − f (a))k kψ(f (a + u) − f (a))k kf (a + u) − f (a)k

= .
kuk kf (a + u) − f (a)k kuk
| {z }
↓

0 lorsque u → 0.
et
kf (a + u) − f (a)k kϕ(u)k
≤ kf 0 (a)k +
kuk kuk
kg 0 (b)ϕ(u) + ψ(f (a + u) − f (a))k kg 0 (b)ϕ(u)k kψ(f (a + u) − f (a))k
≤ +
kuk kuk kuk

1.4 Opérations sur les dérivées.

Proposition 1.4.1.
Soient E et F deux espaces vectoriels normés sur K, et a ∈ E. Si U est un
ouvert de E, f, g : U → F deux applications différentiables en a, et si λ ∈ K,
alors f +g et λ.f sont aussi différentiables en a, et (f +g)0 (a) = f 0 (a)+g 0 (a),
(λf )0 (a) = λf 0 (a).

On en conclut que l’ensemble des applications différentiables en un point

a de E est un sous espace vectoriel de l’espace des applications continues en
a, on le note D(a). De plus, l’application qui a chaque f ∈ D(a) associe f 0 (a)
est une application linéaire.
Même énoncé pour les applications différentiables sur un ouvert donné de E.
Démonstration. La preuve se fait directement en écrivant la définition de
différentiabilité.

Proposition 1.4.2. (Dérivée d’un produit de deux applications)

Soit f, g : U ⊂ E → R où C deux applications différentiables sur U . On

17
définit l’application produit f g de la manière suivante :
fg : U ⊂ E → R
x → f (x)g(x),
alors f g est différentiable et (f g)0 (x) = f (x)g 0 (x) + f 0 (x)g(x)
Démonstration. On décompose f g en :
γ :U →R×R
x → (f (x), g(x)),
et
ϕ:R×R→R
(f (x), g(x)) → f (x).g(x),
Alors on a
• γ est différentiable et γ 0 (x) = (f 0 (x), g 0 (x))
• φ est bilinéaire et continue donc différentiable et on a

ϕ0 (a, b)(h1 , h2 ) = ϕ(a, h2 ) + ϕ(h1 , b)

• f g = φ ◦ γ donc f g est différentiable et on a

(f g)0 (x) = φ0 (γ(x)) ◦ γ 0 (x).
= φ0 (f (x), g(x)).(f 0 (x), g 0 (x))
= φ(f 0 x), g 0 (x)) + φ(f 0 (x), g(x))
= f (x)g 0 (x) + f 0 (x)g(x)

1.5 Fonctions à valeurs dans un produit d’es-

paces
Soient F = F1 × F2 × ... × Fk , et U ⊂ E ouvert.
On définit les applications linéaires et continues
φi : F → Fi qi : F i → F
y = (y1 , ..., yk ) 7→ yi yi 7→ (0, 0, .., yi , 0, .., 0)
k
P
On a alors φi ◦ qi = 1Fi et qi ◦ φi = 1F
i=1

Proposition 1.5.1. Soit f : U → F continue et a ∈ U .

f est différentiable en a ⇔ ∀i fi = φi ◦ f : U → Fi est différentiable en a,
k
0
et alors f 0 (a) =
P
qi ◦ fi (a)
i=1

18
Démonstration. (⇒) si f est différentiable en a.
fi = φi ◦ f est différentiable en a et on a :
0 0
fi (a) = φi (f (a)) ◦ f 0 (a) = φi ◦ f 0 (a)
k
X k
X
qi ◦ fi0 (a) = qi ◦ φi ◦ f 0 (a) = f 0 (a)
i=1 i=1
(⇐) si fi est différentiable,
k k
qi ◦ fi est différentiable et f 0 (a) = qi ◦ fi0 (a).
P P
on a f =
i=1 i=1
Exercise 1.5.2. Soit f : U → F une application, où E et F sont deux
espaces vectoriel normés, F étant de dimension finie, et où U est un ou-
vert de E. Soient, a ∈ U et EF = (~e1 , ..., ~em ) une base de F . Si on écrit
f (x) = f1 (x).~e1 + ... + fm (x).~em (les composantes de f (x) dans la base EF ),
cette écriture définit les composantes (fj )j∈{1,...,m} de f dans la base de EF ,
Pm
i.e : f = fj ~ej . Montrer que f est différentiable en a si et seulement si fj
j=1
m
P
le sont et montrer qu’alors Df (a) = Dfj (a)~ej .
j=1

Considérons maintenant le cas où E et F sont de dimensions respectives

n et m, et choisissons un couple de bases EE et EF , pour respectivement E
et F .
Soient alors U un ouvert de E et f : U → F une application différentiable
en a. Sa différentielle Df (a) : E → F étant une application linéaire de E
dans F , on peut lui associer une unique matrice n × m qui la représente, dans
les bases EE et EF . Notons-la J(f )(EE ,EF ) (a) ou plus simplement J(f )(a), sans
ambiguité.
Si ~h = (h1 , ..., hn ) est un vecteur de E écrit dans EE , on a :
 
h1
[Df (a)(~h)]EF = J(f )(a)  ... 
 
hn
Par l’exercice précédent :
Df1 (a)(~h)
   
m h1
[Df (a)(~h)]EF = [
X
Dfj (a)(~h)~ej ]EF = .. .. 
 = J(f )(a) 
  
. . 
j=1
Dfm (a)(~h) hn

19
de sorte que l’élément de J(f )(a) qui se trouve à la j eme ligne et la k eme
∂fj
colonne est Dfj (a)(~ek ) = D~ek fj (a) = (a).
∂xk
Théorème 1.5.3. Soient E et F deux espaces vectoriels normés de dimen-
sion respectivement n et m, U un ouvert de E, a ∈ U et f : U → F une
application différentiable en a. Si on fixe deux bases EE et EF respectivement
de E et F , la matrice associée à Df (a) : E → F dans ces bases est notée
Jac(f )(a). On l’appelle la matrice jacobienne de f en a. Ces coefficients sont
donnés par :
∂f1 ∂f1
 
 ∂x1 (a) . . . ∂xn (a) 
Jac(f )(a) = 
 .. .. .. 
.
 . . . 
 ∂fm ∂fm 
(a) . . . (a)
∂x1 ∂xm
où fj est la j eme composante de f dans EE .

Le théorème 1.3.1 donne immédiatement (dim(G)=p) :

∂g1 ∂g1 ∂f1 ∂f1

   
 ∂y1 (f (a)) . . . ∂ym (f (a))   ∂x1 (a) . . . ∂xn (a) 

Jac(g◦f )(a) =  .. ... ..  
. .. ... .. 
.
 . .   . . 
 ∂gp ∂gp   ∂fm ∂fm 
(f (a)) . . . (f (a)) (a) . . . (a)
∂y1 ∂ym ∂x1 ∂xm

1.6 Fonctions définies sur un ouvert d’un pro-

duit d’espaces
Soient E = E1 × ... × En , où Ei sont des e.v.n, i = 1, ..., n et U un ouvert
de E.
Soit f : U → F une application continue.
Pour chaque a = (a1 , ..., an ) ∈ E, on considère l’injection
γi : Ei → F définie par γi (xi ) = (ai , ..., ai−1 , xi , ai+1 , ..., an )
L’application composée f ◦ γi est appelée ieme application partielle au point
a.
Si f est différentiable au point a, alors pour tout i avec 1 ≤ i ≤ n, f ◦ γi est

20
 ∂f ∂f
différentiable au point ai et on note (a) sa dérivée ( (a) ∈ L(Ei , F ))
∂xi ∂xi
qu’on appelle ieme dérivée partielle de f en a.
On a d’autre part :
n
X ∂f
f 0 (a)(h1 , ..., hn ) = (a).hi
i=1
∂x i

En effet
γi (xi ) = (0, ..., 0, xi , 0, ..., 0) + (a1 , a2 , ..., 0, ...an )
0
donc γi (xi ) = ri où ri (xi ) = (0, ..., 0, xi , 0, ..., 0) et (f ◦ γi )0 (ai ) = f 0 (a) ◦ ri ⇒
n
X ∂f
(a) ◦ pi = f 0 (a) avec pi (x) = xi .
i=1
∂x i

Proposition 1.6.1. Si f est différentiable dans U alors

∂f
f est de classe C 1 ⇔ : U → L(Ei , F ) sont continues.
∂xi
Démonstration.
(⇒) Soit L : L(E, F ) → L(Ei , F )
ϕ 7→ ϕ ◦ ri
alors L est linéaire et continue et on a :
∂f
(a) = f 0 (a) ◦ ri = (L ◦ f )0 (a).
∂xi
(⇐) Soit r : L(Ei , F ) → L(E, F )
ϕ 7→ ϕ ◦ pi
alors r est linéaire et continue et on a :
n n
0
X ∂f X ∂f
f (a) = (a) ◦ pi = r◦ (a)
i=1
∂x i i=1
∂x i

Remarque 1.6.2. Si E = Rn , la ieme dérivée partielle de f au point a n’est

autre que la dérivée directionnelle de f dans la direction ei
∂f f (a + tei ) − f (a)
(a) = lim
∂xi t→0 t
Il en est de même si E est de dimension finie de base E = (e1 , ..., en ).

21
Exemple 1.6.3. • Calculons la deuxième dérivée partielle de f : R3 → R,
définie par f (x, y, z) = sin(xy) − z/y 2 , relativement à la base canonique
de R3 , au point (1, 1, 1). Pour cela on fixe les premières et troixième coor-
données de (x, y, z) dans la base canonique et on libère la deuxième. On
obtient la deuxième fonction partielle de f en (1, 1, 1) : R 3 y 7→ f (1, y, 1) =
∂f
sin(y) − 1/y 2 . (1, 1, 1) est la dérivée de cette fonction en y = 1, soit
∂x2
∂f
(1, 1, 1) = cos(1) + 2
∂x2
• Soit E l’espace vectoriel des polynômes d’une seule variable et de degré
≤ 2. Cet espace est de dimension 3. Soit la base E = (~e1 = 1, ~e2 = X, ~e3 = X 2 )
de E. On considère l’application f : E → R, définie par E 3 P (X) =
α0 +α1 X +α2 X 2 7→ sin(α2 )+cos(α1 )+cos(α0 )α03 ∈ R. Calculons la troixième
dérivée partielle de f dans la base E au point Q = 1 + X 2 . La troixième ap-
plication partielle de f en Q est : R 3 x 7→ f (Q+x.X 2 ) = f (1+(1+x)X 2 ) =
∂f
sin(1 + x) + cos(1)(1 + x)3 . Sa dérivée en x = 0 est donc (Q) = 4 cos(1)
∂~e3

1.7 Combinaison des cas précédents

Si f : U → F1 × ... × Fn avec U ⊂ E1 × ... × En
pi : E → Ei q i : Fi → F
x 7→ xi yi 7→ (0, 0, .., yi , 0, .., 0)
On a alors, si on suppose que f est dérivable en a ∈ U :
n X
k
0
X ∂fi
f (a) = qi ◦ (a) ◦ pj
j=1 i=1
∂xj

∂fi
où (a) ∈ L(Ej , Fi ).
∂xj

Exercise 1.7.1. Montrer que l’application

f :U ⊂E→F
u → u−1
est différentiable, où E = L(X, Y ), F = L(Y, X) et U = Iso(X, Y ).

22
 Supposons que f est différentiable, et considèrons l’application
φ : E × F → L(X, Y )
(u, v) → v ◦ u
φ est bilinéaire et continue et on a φ(u, f (u)) = idX ,
donc φ0 (u, v)(h1 , h2 ) = φ(u, h2 ) + φ(h1 , v)
φ(u, f 0 (u)).(h, f 0 (u).h) = 0
φ(u, f 0 (u).h) + φ(h, f (u)) = 0
(f 0 (u).h) ◦ u = −f (u) ◦ h
f 0 (u).h = −u−1 ◦ h ◦ u−1
Montrons maintenant que f est différentiable.
Soit u ∈ U .
On a (u + h)−1 − u−1 = [(u + h)−1 ◦ u − IX ]u−1
= (u + h)−1 (u − u − h)u−1
= −(u + h)−1 ◦ h ◦ u−1
d’où
kf (u + h) − f (u) + u−1 ◦ h ◦ u−1 k = k − (u + h)−1 ◦ h ◦ u−1 + u−1 ◦ h ◦ u−1 k
= k[u−1 − (u + h)−1 ] ◦ h ◦ u−1 k
≤ k[u−1 − (u + h)−1 ]kkhkku−1 k
comme u → u−1 est continue kf (u + h) − f (u) + u−1 ◦ h ◦ u−1 k = o(khk).
Donc f est différentiable et f 0 (u).h = −u−1 ◦ h ◦ u−1

23
Chapitre 2

Théorème des accroissements

finis et applications.

2.1 Fonctions à variables réelles.

Théorème 2.1.1. Soient a, b ∈ R, a < b, et f : [a, b] → F , g : [a, b] → R
deux applications continues sur [a, b] et différentiables sur ]a, b[ telles que :

kf 0 (x)k ≤ g 0 (x), a < x < b.

Alors on a :
kf (b) − f (a)k ≤ g(b) − g(a).
Démonstration. Soit ε > 0 et U = {x ∈ [a, b]/kf (x) − f (a)k > g(x) − g(a) +
ε(x − a) + ε}.
Montrons que U est vide. (Ensuite prendre x = b et ε → 0)

– U est un ouvert, en effet U = {x ∈ [a, b]/ϕ(x) > 0} avec ϕ(x) = kf (x)−

f (a)k − g(x) + g(a) − ε(x − a) − ε} et ϕ est continue. U = ϕ−1 (]0, +∞[).
– Supposons que U 6= ∅. Soit c = inf U , alors
• c > a (car ϕ(a) = −ε > 0 et ϕ est continue.)
• c 6∈ U (car U est un ouvert)
• c < b (car sinon U = {b} fermé)
Donc a < c < b et ainsi on a :

kf 0 (c)k ≤ g 0 (c). (1)

24
Il découle de la dérivabilité de f et de g l’existence d’un intervalle [c, c + η]
(η > 0) dans lequel on a :

f (x) − f (c) ε
kf 0 (c)k ≥ k k− (2)
x−c 2
g(x) − g(c) ε
g 0 (c) ≤ k k+ (3)
x−c 2
(1), (2) et (3) entraı̂ne

kf (x) − f (c)k ≤ g(x) − g(c) + ε(x − c).

et comme c 6∈ U on a :

kf (c) − f (a)k ≤ g(c) − g(a) + ε(c − a) + ε.

Ce qui donne finalement pour tout x ∈ [c, c + η],

kf (x) − f (a)k ≤ g(x) − g(a) + ε(x − a) + ε.

c-à-d [c, c + η] ⊂ U c ce qui contredit le fait que c est la borne inf de U .

Remarque 2.1.2. Le théorème précédent reste valable si on remplace la différentiablité
de f et g par la différentiabilité à droite.

Définition 2.1.3. On dit que f : [a, b] → F est dérivable à droite en x ∈ [a, b[

si et seulement si :
f (x + h) − f (x)
fd0 (x) = lim+
h→0 h
existe.

Corollaire 2.1.4. Soit f : [a, b] → F continue sur [a, b] et dérivable sur ]a, b[
telle que :
kf 0 (x)k ≤ k (k > 0 constante)
Alors on a :

kf (b) − f (a)k ≤ k(b − a),

et plus généralement on a :

kf (x1 ) − f (x2 )k ≤ k|x1 − x2 |, ∀x1 , x2 ∈ [a, b]

25
2.2 Fonctions à variable dans un espace de
Banach
Soit U un ouvert d’un espace de Banach E, F un espace de Banach et
f : U → F continue.
Proposition 2.2.1. Si f est différentiable dans U et si pour tout a et b de
U , [a, b] = {x ∈ U/∃t ∈ [0, 1] : x = (1 − t)a + tb} ⊆ U , alors on a :

kf (b) − f (a)k ≤ kb − ak sup kf 0 ((1 − t)a + tb)k

0≤t≤1

Démonstration. Soit h(t) = f ((1 − t)a + tb). Alors h est différentiable et on

a : h0 (t) = f 0 ((1 − t)a + tb).(b − a), d’où

kh0 (t)k ≤ sup kf 0 ((1 − t)a + tb)k.kb − ak

0≤t≤1

appliquer ensuite le corollaire.

Théorème 2.2.2. Soit U un ouvert convexe de E (e.v.n) et f : U → F une
application différentiable. Supposons que kf 0 (x)k ≤ k pour tout x de U .
Alors,
kf (x1 ) − f (x2 )k ≤ k|x1 − x2 |, ∀x1 , x2 ∈ U

2.3 Applications
Théorème 2.3.1. Soit U un ouvert convexe de E (e.v.n) et soit fn : U → F
où F est de Banach. Supposons que

i) Il existe a ∈ U tel que (fn (a))n converge dans F .

0
ii) La suite fn : U → L(E, F ) converge uniformément dans U vers
g : U → L(E, F )
Alors pour tout x de U , (fn (x))n converge vers f (x) ∈ F .
f est différentiable et sa dérivée f 0 (x) = g(x)
Démonstration. D’après le théorème précédent on a :
0 0
kfp (x) − fp (a) − (fq (x) − fq (a))k ≤ kx − ak sup kfp (y) − fq (y)k (4)
y∈U

26
ii) ⇒ le second membre tend vers 0 lorsque p et q tend vers +∞ pourvu que
kx − ak reste borné. Dans ce cas la suite (fn (x) − fn (a))n est de Cauchy donc
convergente, or on sait que (fn (a)) converge donc la suite (fn (x)) converge
vers f (x), uniformément sur tout borné de U
(car kfp (x) − f (x)k ≤ kfp (x) − fp (a) − (f (x) − f (a))k + k(fp (a) − f (a))k)
f est donc continue au voisinage de chacun de ces points donc continue.
Reste à montrer la différentiabilité de f et que f 0 = g.
On a kf (x) − f (x0 ) − g(x0 ).(x − x0 )k ≤ kf (x) − f (x0 ) − (fn (x) − fn (x0 ))k +
0 0
kfn (x) − fn (x0 ) − fn (x0 ).(x − x0 )k + kfn (x0 ).(x − x0 ) − g(x0 ).(x − x0 )k
Soit ε > 0. Il découle de la relation (4) en remplaçant a par x0 que : ∃n0 tel
que p > 0 et n > n0 ⇒

kfp (x) − fp (x0 ) − (fn (x) − fn (x0 ))k ≤ εkx − x0 k

d’où en passant à la limite lorsque p → +∞

kf (x) − f (x0 ) − (fn (x) − fn (x0 ))k ≤ εkx − x0 k

D’autre part pour n ≥ n0 on a :

0 0
kfn (x0 ).(x − x0 ) − g(x0 ).(x − x0 )k ≤ kfn (x0 ) − g(x0 )k.k(x − x0 )k ≤ εkx − x0 k

et on sait que
0
kfn (x) − fn (x0 ) − fn (x0 ).(x − x0 )k = o(kx − x0 k)

En fixant n ≥ n0 on obtient donc

kf (x) − f (x0 ) − g(x0 ).(x − x0 )k = o(kx − x0 k).

Théorème 2.3.2. Soit U un ouvert de E = E1 × ... × En et f : U → F une

application continue.
Pour que f soit de classe C 1 il faut et il suffit que les dérivées partielles
∂f
: U → L(Ei , F ) existent et soient continues.
∂xi
Démonstration. Nous avons déjà démontré que la condition était nécessaire
∂f
(prop.1.6.1). Supposons donc que pour tout a ∈ U , (a) existent et que
∂xi

27
 ∂f
: U → L(Ei , F ) soient continues. Pour montrer que f est de classe C 1 il
∂xi
suffira de démontrer que f est différentiable (prop.1.6.1).
Soit a ∈ U , montrons que f 0 (a) existe, i.e que
n
X ∂f
kf (x1 , ..., xn ) − f (a1 , ..., an ) − (a).(xi − ai )k = o(kx − ak)
i=1
∂x i

or on a : n
P ∂f
kf (x1 , ..., xn )−f (a1 , ..., an )− ∂xi
(a).(xi −ai )k ≤ kf (x1 , ..., xn )−f (a1 , x2 , ..., xn )−
i=1
∂f ∂f
∂x1
(a).(x1 − a1 )k +kf (a1 , x2 , ..., xn ) − f (a1 , a2 , x3 , ..., xn ) − ∂x2
(a).(x2 − a2 )k
∂f
. . . +kf (a1 , ..., an−1 , xn ) − f (a1 , ..., an ) − ∂xn
(a).(xn − an )k
Soit l’application f : E1 → F définie par :
∂f
g(ξ1 ) = f (ξ1 , x2 , ..., xn ) − (a).(ξ1 − a1 )
∂x1
Etant donné ε > 0 on veut montrer que :
kg(x1 ) − g(a1 )k ≤ εkx1 − a1 k
g est différentiable et on a :
∂f ∂f
g 0 (ξ1 ) = (ξ1 , x2 , ..., xn ) − (a)
∂x1 ∂x1
∂f
Si ξ1 = (1 − t)a1 + tx1 , 0 ≤ t ≤ 1. Alors la continuité de au point a
∂x1
∂f ∂f
implique ∃η > 0/kx − ak < η d’où k (x) − (a)k < ε
∂x1 ∂x1
ainsi, kξ1 − a1 k ≤ kx1 − a1 k ≤ kx − ak ≤ η ⇒ kg 0 (ξ1 )k ≤ ε
En appliquant le théorème des accroissement finis (Prop.2.2.1) on obtient :
kg(x1 ) − g(x2 )k ≤ sup kg 0 ((1 − t)x1 + tx2 )k.kx2 − x1 k ≤ ε.kx2 − x1 k
0≤t≤1

On montre d’une manière analogue que :

∂f
kf (a1 , x2 , ..., xn ) − f (a1 , a2 , x3 , ..., xn ) − (a).(x2 − a2 )k = o(kx2 − a2 k)
∂x2
∂f
kf (a1 , ..., an−1 , xn ) − f (a1 , ..., an ) − (a).(xn − an )k = o(kxn − an k)
∂xn
et on obtient le résultat cherché.

28
Remarque 2.3.3. Une fonction peut être différentiable en un point sans que
les dérivées partielles soient continues en ce point !

Exemple 2.3.4.
(
(x2 + y 2 ) sin( √ 1
), si (x, y) 6= (0, 0)
f (x, y) = x2 +y 2
0, si (x, y) = (0, 0)

∂f ∂f
On a (0, 0) = (0, 0) = 0
∂x ∂y
et si (x, y) 6= (0, 0)
∂f 1 x 1
(x, y) = 2x sin( p ) − (p ) cos( p )
∂x 2
x +y 2 2
x +y 2 x + y2
2

∂f 1 y 1
(x, y) = 2y sin( p ) − (p ) cos( p )
∂y x2 + y 2 x2 + y 2 x2 + y 2
∂f ∂f
Les fonctions et ne sont pas continues au points (0, 0) car si x > 0
∂x ∂y
on a :
∂f ∂f 1 1 1
(x, x) = (x, x) = 2x sin( √ ) − √ cos( √ )
∂x ∂y x 2 2 x 2
n’a pas de limite au point 0.
Mais f est différentiable au point (0, 0) car on a :

|f (x, y) − f (0, 0)| p 2 1

= (x + y 2 )| sin( p )| ≤ k(x, y)k.
k(x, y)k x2 + y 2

2.4 Fonctions strictement différentiables

Définition 2.4.1. f : U → F est strictement différentiable au point a ∈ U
si on a f (x)−f (y) = f 0 (a)(x−y)+kx−ykψ(x, y) avec kψ(x, y)k → 0 lorsque
x → a et y → a

Théorème 2.4.2.
Si f : U → F est différentiable et si f 0 est continue au point a ∈ U , alors f
est strictement différentiable en a.

29
Démonstration. Considérer g(x) = f (x) − f (a) − f 0 (a).(x − a).
On a g 0 (x) = f 0 (x) − f 0 (a) donc lim kg 0 (x)k = 0.
x→a
Soit ε > 0, ∃r > 0 tel que kx − ak ≤ r ⇒ kg 0 (x)k ≤ ε.
Appliquer le théorème des accroissements finis.

30
Chapitre 3

Difféomorphismes de classe C 1

3.1 Définition et propriété.

Définition 3.1.1. Soit E et F deux espaces de Banach, U une ouvert de E
et V un ouvert de F . On dit que f : U → V est un difféomorphisme de classe
C 1 si f est bijective, de classe C 1 et si f −1 : V → U est de classe C 1 .

Exemple 3.1.2. La fonction tan :] − π2 , π2 [→ R est un difféomorphisme

Contre exemple 3.1.3. La fonction x → x3 n’est pas un difféomorphisme de

R sur R bien qu’elle soit bijective et continûment différentiable. Sa réciproque
n’est pas différentiable en 0.

Proposition 3.1.4. Si f : U → V est un difféomorphisme, sa différentielle

en tout point de U est un isomorphise de E sur F , f −1 est différentiable en
tout point y de V est on a :

(f −1 )0 (y) = [f 0 (f −1 (y))]−1

Démonstration. Notons g = f −1 . On a par définition g ◦ f = idU et

f ◦g = idV , d’où en appliquant la régle de dérivation des fonctions composées
(théorème 1.3.1) on obtient g 0 (f (x)) ◦ f 0 (x) = idE et f 0 (g(y)) ◦ g 0 (y) = idF ,
pour tout x ∈ U et y = f (x). D’où le résultat.

Corollaire 3.1.5. S’il existe un difféomorphisme d’un ouvert de E sur un

ouvert de F , alors E et F sont isomorphes. En particulier si l’un est de
dimension finie, l’autre l’est aussi et sa dimension est la même.

31
3.2 Théorème d’inversion locale
Avant d’énoncer le théorème d’inversion locale nous allons démontrer les
deux propositions :

Proposition 3.2.1. Soit f : B(a, r) → E (B(a, r) boule ouverte de centre

a et de rayon r dans E), une application continue telle que : ϕ(x) = x −
f (x) soit contractante (k−lipschitzienne avec k < 1) et soit b = f (a).
Alors il existe un ouvert U contenant a et contenu dans B(a, r), tel que
f soit un homéomorphisme de V sur la boule B(b, (1 − k)r). De plus f −1 est
1
−lipschitzienne.
1−k
Démonstration. Montrons d’abord que B(b, (1 − k)r) ⊂ f (B(a, r)).
Pour cela étant donné y ∈ B(b, (1 − k)r) on définit


 x0 = a,
 x1 = y + ϕ(x0 ),

..


 .,
 x = y + ϕ(x ),
n+1 n

Pour que cette suite soit bien définie on doit montrer que xn ∈ B(a, r) pour
tout n.
Par reccurence sur n montrons que :
1 − kn
kxn − ak ≤ ky − bk (1)
1−k
• pour n = 1, kxn − ak = ky + ϕ(a) − ak = ky − bk.
• Supposons (1) vrai pour n
On a kxn+1 − xn k = kϕ(xn ) − ϕ(xn−1 ) ≤ kkxn − xn−1 k
d’où kxn+1 − xn k ≤ k n kx1 − ak ≤ k n ky − bk (2)
Ainsi kxn+1 − xn k ≤ kxn − ak + kxn+1 − xn k
1 − kn
≤ ky − bk + k n ky − bk
1−k
1 − k n+1
≤ ky − bk
1−k
(xn ) est donc une suite de Cauchy qui converge vers x ∈ B(a, r) car par
1
passage à la limite on obtient kx − ak ≤ 1−k ky − bk < r.
Nous allons donc démontrer que pour tout y de B(b, (1 − k)r), il existe un x

32
de B(a, r) tel que y = f (x). Montrons que cet x est unique.
Supposons qu’il existe x0 de B(a, r) tel que y = f (x0 ).
On a alors 0 = f (x) − f (x0 ) = (x − x0 ) − (ϕ(x) − ϕ(x0 )),
donc kf (x) − f (x0 )k ≥ k(x − x0 )k − kϕ(x) − ϕ(x0 )k ≥ (1 − k)kx − x0 k (3)
On peut maintenant définir l’application g qui à chaque y de B(b, (1 − k)r)
fait correspondre l’unique x de B(a, r) tel que y = f (x).
1
De (3) on définit que g est 1−k −lipschitzienne.
−1
Soit V = f (B(b, (1 − k)r)) (ouvert car f est continue), alors
g : B(b, (1 − k)r) → V est bijective et continue.
Proposition 3.2.2. Soient E et F des espaces de Banach et U un ouvert de
E, et f : U → F , une application continue. Supposons que f est strictement
différentiable en a ∈ U et que f 0 (a) ∈ Isom(E, F ).
Alors il existe un voisinage ouvert V 0 de a et un voisinage W 0 de b = f (a)
tel que f soit un homéomorphisme de V 0 sur W 0 . de plus l’inverse est
est strictement différentiable au point b.
Démonstration. On Considère g = [f 0 (a)]−1 ◦ f : U → E.
On a g 0 (x) = [f 0 (a)]−1 f 0 (x) et on a g 0 (a) = 1E .
Donc, ∀k > 0, ∃r > 0 tel que ∀x, y ∈ B(a, r)

kg(x) − g(y) − (x − y)k ≤ kkx − yk

On choisit 0 < k < 1 et on applique la proposition précédente.

Théorème 3.2.3. (Le théorème d’iversion locale)
Soit f : U → F de classe C 1 . Supposons qu’en a ∈ U on ait :

f 0 (a) ∈ Isom(E, F )

Alors il existe un voisinage ouvert V de a et un voisinage ouvert W de

f (a) = b tels que f soit un difféomorphisme de V sur W .
Démonstration. Soit V 0 le voisinage de a donné par la proposition 3.2.2. On
a
• ∀x ∈ V 0 f 0 (x) existe.
• ∃V ⊂ V 0 f 0 (x) ∈ Isom(E, F ) ∀x ∈ V .
Posons W = f (V ) ouvert dans W 0 (car f est homéomorphisme de V 0 sur
W 0 ).
De plus f : V → W est un homéomorphisme. D’où le résultat en appliquant
la proposition 3.2.1.

33
Corollaire 3.2.4. Soit f : U → V un homéomorphisme de classe C 1 . Pour
que f soit un difféomorphisme de classe C 1 , il faut et il suffit que f 0 (x) soit
un isomorphisme de E sur F , pour tout x ∈ U

Démonstration. ⇒ Découle de la proposition 3.1.2.

⇐ Supposons que f 0 (x) ∈ Iso((E, F ), pour tout x.
Il suffit de montrer que f −1 est de classe C 1 .
Le théorème d’inversion locale montre que f est un application ouverte. En
effet soit W un ouvert inclus dans U .
Soit y = f (x) ∈ f (W ), il existe un ouvert Vy de y et un ouvert Ux de x tels
que Vy = f (Ux ). Donc f −1 : Vy → Ux est continue.
L’application V → L(F, E)
y → f 0 (f −1 (y))−1
est continue, comme composée d’applications continues. Donc f −1 est de
classe C 1 .
En dimension finie, on peut énoncer :

Corollaire 3.2.5. Soit U un ouvert de Rn et f : U → Rn injective de

classe C 1 . Alors f est un difféomorphisme de classe C 1 si et seulement si le
déterminant de sa matrice jacobienne ne s’annule pas sur U .

3.3 Théorème des fonctions implicites

Théorème 3.3.1.
Soient E, F , G trois espaces de Banach et U un ouvert de E × F , et
f : U → G de classe C 1 . Soit (a, b) ∈ U , tel que f (a, b) = 0 et ∂f
∂y
(a, b) ∈
Isom(F, G).
Alors il existe un voisinage V de (a, b) inclus dans U , un voisinage W de a
et une application g : W → F de classe C 1 tels que :

(x, y) ∈ V et f (x, y) = 0 ⇔ x ∈ W et y = g(x)

Démonstration. On Considère l’application f1 : U → E × G.

0
Où f1 (x, y) = (x, f (x, y)), f1 est de classe C 1 , f1 (a, b)(h, k) = (h, ∂f
∂x
(a, b).h +
∂f 0
∂y
(a, b).k), et f1 (a, b) ∈ Isom(E × F, E × G).
On peut donc appliquer le théorème d’inversion locale à f1 : ∃V ⊂ U voisinage

34
de (a, b) et W1 voisinage de f1 (a, b) = (a, 0) tel que f1 soit un difféomorphisme
de V sur W1 .
f1−1 (x, z) = (x, G(x, z)) (x, z) ∈ W1
on a alors :

(x, y) ∈ V et f (x, y) = z ⇔ (x, y) ∈ W1 , G(x, z) = y

Prendre z = 0 et poser G(x, 0) = g(x).

35
Chapitre 4

Dérivées d’ordre
supérieur-Formule de Taylor

4.1 Dérivées d’ordre supérieur

Définition 4.1.1. f est deux fois différentiable en a ∈ U ⊂ E si f 0 est
00
différentiable en a. On note sa dérivée f ∈ L(E, L(E, F )).
Remarque 4.1.2. On a L(E, L(E, F )) ' L(E × E, F )
v ←→ w
w(x, y) = v(x).y

Théorème 4.1.3. Si f : U ⊂ E → F est deux fois différentiable en a ∈

00
U ,alors f (a) est une application bilinéaire et symétrique i.e
00 00
(f (a).h).k = (f (a).k).h
Démonstration. On considère la fonction
gu (v) = f (a + v + u) − f (a + u) − f (a + v) + f (a),
on a gu (v) = gv (u).
00
Montrons que kgu (v) − (f (a).v).uk = o(kuk + kvk)2
On a
A B
z }| { z }| {
00 0 0 0 0 00
kgu (v)−(f (a).v).uk ≤ kgu (v) − f (a + v).u + f (a).uk + kf (a + v).u − f (a).u − (f (a).v).uk

36
 F (u) F (0)
z }| { z }| {
A = k f (a + v + u) − f (a + u) − f 0 (a + v).u + f 0 (a).u − [f (a + v) − f (a)] k
≤ kuk sup kF 0 (tu)k
0≤t≤1
or F 0 (tu) = f 0 (a + v + tu) − f 0 (a + tu) − f 0 (a + v).u + f 0 (a)
mais on a :
00
kf 0 (a + v + tu) − f 0 (a) − f (a).(v + tu)k = o(kv + tuk)
00
kf 0 (a + tu) − f 0 (a) − f (a).tuk = o(ktuk)
00
kf 0 (a + v) − f 0 (a) − f (a).vk = o(kvk)
d’où kF 0 (tu)k = o(kv + tuk) + o(ktuk) + o(kvk) = o(kvk + kuk)
Donc A ≤ kuko(kvk + kuk)
D’autre part
00
A = kf 0 (a + v) − f 0 (a) − (f (a).v)k.kuk
≤ kuko(kvk + kuk)
D’autre part
B ≤ kf 0 (a + v) − f 0 (a) − (f 00 (a).v)k.kvk
≤ kuko(kvk + kuk)
Finalement
00
kgu (v) − (f (a).v).uk ≤ kuko(kvk + kuk) = o(kvk + kuk)2
En échangeant u et v on obtient
00
kgv (u) − (f (a).u).vk = o(kuk + kvk)2
d’où
00 00
k(f (a).v).u − (f (a).v).uk = o(kuk + kvk)2
∀ε > 0, ∃η > 0 tel que si kuk + kvk ≤ η alors
00 00
k(f (a).v).u − (f (a).v).uk ≤ ε(kuk + kvk)2
∀u, v on peut trouver λ 6= 0 tel que kλuk + kλvk < η on a alors
00 00
|λ|2 k(f (a).v).u − (f (a).v).uk ≤ ε|λ|2 (kuk + kvk)2
00 00
⇒ k(f (a).v).u − (f (a).v).uk = 0 ∀u, v

37
 Cas où E = E1 × ... × En et f : U ⊂ E → F deux fois différentiables
n
00
X ∂f 0
f (a).(k1 , ..., kn ) = (a).ki ∈ L(E, F )
i=1
∂xi
n
∂f 0 X ∂ ∂f 0
( (a).ki ).(h1 , ..., hn ) = ( ( (a).ki )hj
∂xi j=1
∂x i ∂x j

On note
∂ 2f ∂ ∂f
(a) = ( )(a)
∂xi ∂xj ∂xi ∂xj
on a alors
00
X ∂ 2f
f (a).(k1 , ..., kn ).(h1 , ..., hn ) = ( (a).ki )hj
i,j
∂x i ∂x j

Théorème 4.1.4. Si E = Rn et f : U ⊂ E → F est deux fois dérivables

alors
∂ 2f ∂ 2f
(a) = (a)
∂xi ∂xj ∂xj ∂xi
Démonstration. Soit {ei } la base canonique.
Appliquer le théorème 4.1.3.

4.1.1 Dérivées successives

Ln (E, F ) = {ϕ : E n → F multilinéaire et continue}
Par réccurence on définit ”f est n−fois différentiable en a”.
Supposons que cette notion est définie jusqu’à l’ordre (n − 1).
On dit que f est n−fois différentiable en a s’il existe un voisinage V de a
telle que f soit (n − 1)−fois différentiable en tout point de V et l’application
x 7→ f (n−1) (x) de V dans Ln−1 (E, F ) est différentiable au point a.
0
On note f (n) (a) = (f (n−1) ) (a) ∈ Ln (E, F ).

• f est de classe C n dans U si f est n−fois différentiable en tout point de U

et si f (n) : U → Ln (E, F ) est continue.
• f est de classe C ∞ si elle est de classe C n , ∀n.

38
Théorème 4.1.5. Si f est n fois différentiable en a alors f (n) (a) ∈ Ln (E, F )
est une application multilinéaire symétrique i.e. si (h1 , ..., hn ) ∈ E n et σ est
une permutation quelconque sur {1, ..., n}, on a
f (n) (a)(h1 , ..., hn ) = f (n) (a)(hσ(1) , ..., hσ(n) )
Démonstration. Raisonner par récurrence.
Exemple 4.1.6.

? La composée de deux applications de classe C n et de classe C n .

? ϕ : Isom(E, F ) → L(E, F )
u → u−1
est de classe C ∞
? Soit f : V → W , V ⊂ E, W ⊂ F
est un C 1 −difféomorphisme.
Si f est de classe C n alors f −1 est aussi de classe C n .

4.2 Formule de Taylor

4.2.1 Rappel sur l’intégration des fonctions réglées :
Intégration des fonctions en escalier
Définition 4.2.1. Soit f : [a, b] → E (Banach) est une fonction en esca-
lier s’il existe une subdivision x0 = a < x1 < ... < xn = b de [a, b] telle que
f|]xi ,xi+1 [ soit constante i = 1, .., n
n−1
P
I(f ) = (xi+1 − xi )ci Intégrale de f .
i=1

Intégration des fonctions réglées

Définition 4.2.2. f : [a, b] → E est est une fonction réglée si elle est
limite uniforme d’une fonction en escalier f = lim fn
n→+∞
Rb
I(f ) = lim fn (t)dt = lim I(fn )
n→+∞ a n→+∞
I(fn ) est de Cauchy implique qu’elle converge.

39
Remarque 4.2.3. f : [a, b] → E continue (⇒ réglée)
Rt
Soit F (t) = f (s)ds, alors F est dérivable sur ]a, b[ et F 0 (t) = f (t), pour
a
tout t de ]a, b[.

Propriétées de I
1. I est linéaire.
2. kI(f )k ≤ (b − a)kf k0 où kf0 k = sup |f (t)|
t∈[a,b]

4.3 Formules de Taylor

4.3.1 Formule de Taylor : Cas particulier
Soient E, F, et G des espaces de Banach
ϕ : E × F → G une application bilinéaire et continue.
u : I → E et v : I → F des applications définies sur un ouvert I

Lemme 4.3.1. L’application

ξ:I→G
n
(−1)p ϕ(up (t), v n−p (t))
P
t→
p=0
a pour dérivée la fonction

ξ 0 : t → ϕ(u(t), v (n+1) (t)) + (−1)n ϕ(u(n+1) (t), v(t))

Proposition 4.3.2. Si v est une fonction (n + 1) fois différentiable d’une

variable réelle t on a :
d (1 − t)n (n) 1
[v(t) + (1 − t)v 0 (t) + ... + v (t)] = (1 − t)n v (n+1) (t)
dt n! n!
Démonstration. Considérer ϕ : R × F → G.
(λ, z) → λ.z
1
u(t) = (1 − t)n u(n+1) (t) = 0
n!
Appliquer le lemme.

40
Corollaire 4.3.3. Supposons que U ⊃ [0, 1] et que v (n+1) continue, Alors :

Z1
1 00 (1)n (n) (1 − t)n (n+1)
[v(1) − v(0) − v 0 (0) − v (0) − ... − v (0)] = v (t)dt
2 n! n!
0

Corollaire 4.3.4. Supposons que kv (n+1) (t)k ≤ M pour tout t de [0, 1], Alors
on a :
1 00 (1)n (n) M
kv(1) − v(0) − v 0 (0) − v (0) − ... − v (0)k ≤
2 n! (n + 1)!

(1 − t)n+1
Démonstration. Soient g(t) = −M
(n + 1)!

(1 − t)n (n)
f (t) = v(t) + (1 − t)v 0 (t) + ... + v (t)
n!

(1 − t)n (n+1)
kf 0 (t)k ≤ kv (t)k
n!
(1 − t)n
≤ M = g 0 (t)
n!
Le théorème des accroissement finis implique que kf (1) − f (0)k ≤ g(1) − g(0)

4.3.2 Formule de Taylor : Cas général

U ouvert de E et f : U → F
Si a ∈ U alors [a, a + h] ⊂ U pour khk suffisamment petit.

Théorème 4.3.5. (Formule de Taylor avec reste intégrale)

Soit f : U → F de classe C n+1 . Si [a, a + h] ⊂ U , alors on a :
1 00 1
f (a + h) = f (a) + f 0 (a).h + f (a).(h, h) + ... + f (n) (a).(h)n
2 n!
Z1 n
(1 − t) (n+1)
+ f (a + th).(h)n+1 dt
n!
0

41
Démonstration. Considérer v(t) = f (a + h).
Par récurrence → v (n) (h) = f (n) (a + th).(h)n Appliquer le corollaire 4.3.3

Théorème 4.3.6. (Formule de Taylor avec reste de Lagrange)

Soit f : U → F (n + 1) fois différentiable. Supposons que

kf (n+1) (x)k ≤ M ∀x ∈ U.

Si [a, a + h] ⊂ U , alors

1 (n) khkn+1
kf (a + h) − f (a) − f 0 (a).h − ... − f (a).(h)n k ≤ M
n! (n + 1)!

Démonstration. Appliquer le corollaire 4.3.4

Théorème 4.3.7. Soit f : U → F (n − 1) fois différentiable. Supposons que

f est n− fois différentiable en a ∈ U .
On a alors,
1 (n)
kf (a + h) − f (a) − f 0 (a).h − ... − f (a).(h)n k = o(khkn )
n!
Démonstration. Par récurrence.
Pour n = 1, la définition de la dérivée.
Supposons que la relation est vraie pour n − 1.
Posons
1 (n)
ϕ(h) = f (a + h) − f (a) − f 0 (a).h − ... − f (a).(h)n
n!
alors
1
ϕ0 (h) = f 0 (a + h) − f 0 (a) − ... − f (n) (a).(h)n−1
(n − 1)!
On sait que kϕ0 (h)k = o(khkn−1 ), donc
∀ε > 0, ∃η > 0 tel que khk ≤ η ⇒ kϕ0 (h)k ≤ εkhkn−1 .
Le théorème des accroissement finis ⇒ kϕ(h) − ϕ(0)k ≤ εkhkn pour khk ≤ η
Comme ϕ(0) = 0, on obtient le résultat.

42
Remarque 4.3.8. g : h → (h, ..., h)
ξ : (h1 , ..., hn ) → f (n) (a).(h1 , ..., hn )
où g est linéaire et ξ est multilinéaire et symétrique
(ξ ◦ g)(h) = f (n) (a).(h)n
(ξ ◦ g)0 (h).k = ξ 0 (g(h))[g 0 (h).k]
= ξ 0 (g(h))(k, ..., k) = nf (n) (a).(h, ..., h, k)
| {z }
(n − 1) fois

43
Chapitre 5

Maxima et Minima Relatifs

Dans ce chapitre on considère exclusivement des fonctions à valeurs

réelles, et on s’intéresse à leurs exrema, c’est-à-dire à leurs minima et
maxima. On parlera en fait seulement de minima pour simplifier :les maxima
d’une fonction f peuvent en effet être vu comme les minima de −f .

5.1 Extrema libres.

Définition 5.1.1. Si f est une fonction définie sur une partie D d’un espace
de Banach E et à valeurs réelles, un point a ∈ D est un mininum local de
f s’il existe un voisinage Va de a ouvert dans D, tel que

f (x) ≥ f (a) pour tout x ∈ Va .

On dira que a est un minimum global de f si

f (x) ≥ f (a) pour tout x ∈ D.

un minimum est dit strict si l’inégalité est stricte, c’est-à-dire f (x) > f (a),
pour tout x 6= a.

L’objectif ici est de dégager des conditions nécessaires et/ou suffisantes

pour avoir un minimum local selon le degré de différentiabilité de f .
Commençons par rappeler ce que l’on sait dans le cas E = R.

Proposition 5.1.2. Soit g une fonction définie sur un intervalle ouvert I

de R et à valeurs dans R, dérivable en a ∈ I. Si a est un minimum local de

44
g alors g 0 (a) = 0. Si de plus g est deux fois dérivable en a, alors g 00 (a) ≥ 0.
Inversement si b ∈ I est tel que g 0 (b) = 0 et g 00 (b) > 0 alors b est un minimum
local de g.
Démonstration. Par définition de la dérivabilité,
g(t) − g(a) − (t − a)g 0 (a) = ε(t)(t − a)
avec lim ε(t) = 0. Si g 0 (a) 6= 0, supposons par exemple g 0 (a) > 0, alors : il
t→a
existe η > 0 tel que si |t − a| ≤ η, alors |ε(t)| ≤ 21 g 0 (a), d’où
1
g(t) − g(a) = (g 0 (a) + ε(t))(t − a) ≤ g 0 (a)(t − a) < 0
2
pour a − η ≤ t < a. Donc a ne peut pas être un minimum local.
Si g est deux fois dérivable, supposons que a est un minimum local de g.
Alors g 0 (a) = 0 d’après ce qui précède. Supposons g 00 (a) < 0. Comme, d’après
la formule de Taylor-Young
1
g(t) − g(a) − (t − a)2 g 00 (a) = ε(t)(t − a)2
2
avec lim ε(t) = 0, il existe η > 0 tel que |t − a| ≤ η, |ε(t)| ≤ − 41 g 00 (a), d’où
t→a

1 1
g(t) − g(a) = ( g 00 (a) + ε(t))(t − a)2 ≤ g 00 (a)(t − a)2 < 0
2 4
pour |t − a| ≤ η, t 6= a. Donc a ne peut pas être un minimum local.
Enfin, si g 0 (b) = 0 et g 00 (b) > 0 alors
1
g(t) − g(b) − (t − b)2 g 00 (b) = ε(t)(t − b)2
2
avec lim ε(t) = 0, il existe η > 0 tel que |t − b| ≤ η, |ε(t)| ≤ 41 g 00 (b), d’où
t→b

1 1
g(t) − g(b) = ( g 00 (b) − ε(t))(t − b)2 ≥ g 00 (b)(t − b)2 > 0
2 4
pour |t − b| ≤ η.
Remarque 5.1.3.
Attention, les conditions g 0 (a) = 0 et g 00 (a) ≥ 0 ne sont évidemment pas
suffisantes (ex : g(t) = t3 en t = 0) et la condition g 00 (b) > 0 n’est pas
nécessaire (ex : g(t) = t4 en t = 0) !

45
 Les conditions de la proposition 5.1.2 s’étendent aux fonctions définies
sur un ouvert d’espace de Banach.
Théorème 5.1.4. Soit f une fonction définie sur un ouvert U d’un espace de
Banach E et à valeurs réelles, différentiable en a ∈ U . Si a est un minimum
local de f alors Df (a) = 0. Si de plus f est deux fois différentiable en a,
alors D2 f (a)(h, h) ≥ 0 pour tout h ∈ E. Inversement si b ∈ U est tel que
Df (b) = 0 et il existe C > 0 avec D2 f (b)(h, h) ≥ Ckhk2 pour tout h ∈ E
alors b est un minimum locale de f .
Démonstration. Les conditions nécessaires sont immédiates de la proposition
5.1.2.
En effet, si a est un minimum local de f alors, quel que soit h ∈ E, 0 est un
minimum local de la fonction d’une variable réelle
g : t 7→ g(t) := f (a + th).
Or g 0 (0) = Df (a)(h) et g 00 (0) = D2 f (a)(h, h).
Pour les conditions suffisantes, on applique la formule de Taylor-Young à f .
On a en effet
1
f (b + h) − f (b) − D2 f (b)(h, h) = ε(h)khk2
2
avec lim ε(h) = 0, il existe η > 0 tel que khk ≤ η, |ε(h)| ≤ C4 , d’où
h→b

C
f (b + h) − f (b) ≥ khk2 ≥ 0
4
pour khk ≤ η.
Remarque 5.1.5.
En dimension finie, l’existence de C > 0 tel que D2 f (b)(h, h) ≥ Ckhk2 pour
tout vecteur h ∈ E équivaut à D2 f (b)(h, h) ≥ 0 quel que soit h 6= 0E .
Il suffit en effet de remarquer que la fonction continue h 7→ D2 f (b)(h, h)
atteint son minimum sur la sphère unité (qui est compacte si E est de dim-
mension finie). Par bilinéarité de D2 f (b) on en déduit l’inégalité voulue avec
C := min D2 f (b)(h, h). De plus, pour avoir D2 f (b)(h, h) > 0 quel que soit
khk=1
h 6= 0E , il faut et il suffit que la matrice hessienne de f en b, c’est-à-dire
2f
la matrice symétrique réelle de coéfficients ∂x∂i ∂xj
(b) ait des valeurs propres
toutes strictement positives. on sait en effet que toute matrice symétrique
réelle est diagonalisable sur R : une démonstration de cette propriété utilise
précisément la notion d’extremum lié...

46
5.2 Extrema liés.
Définition 5.2.1. Si f et g1 , ..., gp sont des fonctions définies sur un ouvert
U d’un espace de Banach E et à valeurs réelles, un point a ∈ U tel que
g1 (a) = 0, ..., gp (a) = 0 est un minimum local de f sous les contraintes
g1 , ..., gp s’il existe un voisinage ouvert Va de a tel que

f (x) ≥ f (a), pour tout x ∈ Va tel que g1 (x) = 0, ..., gp (x) = 0

On va obtenir ici une condition nécessaire pour qu’un point soit un mini-
mum local sous contraites lorsque les fonctions f et g1 , ..., gp sont continûment
différentiables.
On dira que les contraintes g1 , ..., gp sont indépendantes au point a ∈ U
si la famille de formes linéaires continue {(Dg1 (a)), ..., (Dgp (a))} est libre.

Théorème 5.2.2.
Soient f et g1 , ..., gp des fonctions de classe C 1 sur un ouvert U d’espace de
Banach E et à valeurs réelles. Soit a ∈ U tel que g1 (a) = 0, ..., gp (a) = 0 et
les contraintes g1 , ..., gp sont indépendantes au point a. Si a est un minimum
local de f sous les contraintes g1 , ..., gp alors il existe des réels λ1 , ..., λp tel
que
Df (a) = λ1 (Dg1 (a)) + ... + λp (Dgp (a))
Dans cette énoncé les nombres λ1 , ..., λp sont appelés des multiplicateurs
de Lagrange.

Démonstration. Grâce au théorème des fonctions implicites, on va se ramener

au cas d’un minimum libre. on peut supposer sans perte de généralité a = 0.
(Il suffit de considérer la fonction x 7→ f (x − a) au lieu de f .) Notons pour
simplifier ψi := (Dgi (0)) pour tout i ∈ {1, ..., p}. Soit

G = (V ect(ψ1 , ..., ψp ))⊥ = {h ∈ E; ψi (h) = 0, i ∈ {1, ..., p}}.

Puisque la famille (ψ1 , ..., ψp ) est libre, il existe une famille de p vecteurs
(h1 , ..., hp ) ∈ E indépendantes tels que ψi (hj ) = δij (symbole de Kronecker,
valant 1 si i = j et 0 sinon). Alors le sous espace F = V ect(h1 , ..., hp ) est tel
que G ⊕ F = E, c’est-à-dire que pour tout x ∈ E il existe un unique couple
(z, y) ∈ G × F tel que x := z + y. On a donc un isomorphisme
J :G×F →E
(z, y) 7→ x = z + y.

47
 p
P
(La continuité de la réciproque découle de la formule explicite : y = ψi (x)hj ).
i=1
Considérons alors la fonction
G × F → Rp
(z, y) 7→ (g1 (z + y), ..., gp (z + y)).
C’est une fonction de classe C 1 (comme fonction composée de fonctions de
classe C 1 ) et sa différentielle partielle par rapport à y au point (0, 0) est un
isomorphisme de F sur Rp , par hypothèse sur les fonctions gi : en effet, dans
la base (h1 , ..., hn ) de F et la base canonique de Rp , sa matrice jacobienne
est la matrice de coefficient ψi (hj ) = δij , c’est-à-dire la matrice identité !
Donc le théorème des fonctions implicites montre qu’il existe un voisinage
V0 de 0 dans U (image par J d’un voisinage de (0, 0) dans G × F ), et une
application ϕ définie sur un voisinage W0 de 0 dans G tels que

g1 (x) = 0, ..., gp (x) = 0; x ∈ V0 ⇔ x = z + ϕ(z)

Par conséquent, 0 est un minimum local de f sous les contraintes g1 , ..., gp

si et seulement si 0 est un minimum local de la fonction g : z 7→ g(z) :=
f (z + ϕ(z)). Une condition nécessaire est donc Dg(0) = 0, c’est-à-dire

Df (0)(k + Dϕ(0)(k)) = 0 pour tout k ∈ G.

Or par construction de ϕ on a précisément Dϕ(0)(k) = 0 pour tout k ∈ G.

En effet, comme ϕ est à valeurs dans l’espace vectoriel F = V ect(h1 , ..., hp ),
il suffit de montrer que ψi (Dϕ(0)(k)) = 0 quel que soit i ∈ {1, ..., p} : ceci se
déduit par différentiation de la fonction

z 7→ gi (z + ϕ(z)),

qui est identiquement nulle, en utilisant le fait que (Dgi )(0)(k) = ψi (k) = 0
pour tout k ∈ G (par définition de G !).
On a donc montré que Df (0)(k) = 0 pour k ∈ G. Autrement dit, en
notant pour simplifier ψ = Df (0), on a

(V ect(ψ1 , ..., ψp ))⊥ ⊂ (V ect(ψ))⊥

On en déduit, grâce au lemme algébrique classique rappelé ci-après :

V ect(ψ) ⊂ V ect(ψ1 , ..., ψp ),

c’est-à-dire que ψ est effectivement une combinaison linéaire des ψi .

48
Lemme 5.2.3. Soient ψ, ψ1 , ..., ψp , des formes linéaires sur un espace vec-
toriel E. Si p
\
Kerψi ⊂ Kerψ,
i=1
alors ψ est une combinaison linéaire des ψi .
La démonstration est laissée en exercice.

Jusqu’à présent, nous avons considéré des problèmes d’extremum essen-

tiellement sur des ouverts : les conditions nécessaires d’extremum local (dans
la proposition 5.1.2 et les théorème 5.1.4 et 5.2.2) sont fausses lorsque U
n’est pas un ouvert. Nous allons maintenant considèrer des problèmes d’ex-
tremum sur des sous ensemble convexes de E (la convexité étant une propriété
géométrique et non topologique).

5.3 Convexité et minima.

Définition 5.3.1. Un sous ensemble C d’un R−espace vectoriel E est dit
convexe si pour tous x, y ∈ C, pour tout θ ∈ [0, 1], θx + (1 − θ)y ∈ C. Une
fonction f définie sur un convexe C et à valeurs dans R est dit convexe si
pour tous x, y ∈ C, pour tout θ ∈ [0, 1],
f (θx + (1 − θ)y ∈ C) ≤ θf (x) + (1 − θ)f (y).
Elle est dite strictement convexe si l’inégalité ci-dessus est stricte lorsque
x 6= y et θ ∈]0, 1[.
Théorème 5.3.2. Soit f : U → R une fonction différentiable sur un ouvert
U d’un R−espace de Banach E et soit C un sous ensemble convexe de U .
Alors f|C est convexe si et seulement si, pour tout x, y ∈ C,
f (y) ≥ f (x) + Df (x)(y − x).
Elle est strictement convexe si l’inégalité ci-dessus est stricte pour x 6= y.
En supposant en outre que f est deux fois différentiable, f|C est convexe si
et seulement si, pour tout x, y ∈ C,
D2 f (x)(y − x, y − x) ≥ 0.
Elle est strictement convexe si l’inégalité ci-dessus est stricte pour x 6= y.

49
Démonstration. Supposons f convexe. Soient x, y ∈ C et θ ∈]0, 1[. On a
f (x + θ(y − x)) − f (x)
≤ f (y) − f (x),
θ
d’où
Df (x)(y − x) ≤ f (y) − f (x),
en faisant tendre θ vers 0. Si f est strictement convexe, on a une inégalité
stricte pour x 6= y et θ ∈]0, 1[, mais elle devient large dans le passage à la
limite. Pour démontrer qu’effectivement
Df (x)(y − x) < f (y) − f (x),
on observe que pour tout ω > 0,
ω−θ ω
x + θ(y − x) = x + (x + ω(y − x)),
ω ω
d’où, pour 0 < θ < ω < 1,
f (x + θ(y − x)) − f (x) f (x + ω(y − x)) − f (x)
< < f (y) − f (x).
θ ω
On obtient l’inégalité stricte souhaitée en gardant ω fixé et en faisant tendre
θ vers 0. réxiproquement, si on a
f (y) ≥ f (x) + Df (x)(y − x),
quels que soient x et y ∈ C, on obtient l’inégalité de convexité en prenant la
combinaison convexe des inégalités
f (x) ≥ f (x + θ(y − x)) − θDf (x + θ(y − x))(y − x),
f (y) ≥ f (x + θ(y − x)) + (1 − θ)Df (x + θ(y − x))(y − x).
Pour la caractérisation de la convexité en terme de différentielles secondes,
on peut considérer, à x fixé, la fonction
g : y 7→ f (y) − Df (x)(y).
La différence avec f étant une fonction affine, g est convexe si et seulement si
f l’est, et D2 f (x) = D2 g(x). Or, si f est convexe, la première partie montre
que x est un minimum (globale) de g|C . En appliquant à
θ ∈ [0, 1] 7→ g(x + θ(y − x)),

50
la formule de Taylor-Young exactement comme la démonstration de la pro-
position 5.1.2, on en déduit que nécessairement

D2 f (x)(y − x, y − x) ≥ 0.

Inversement, supposons que l’on ait cette inégalité quels que soient x et y
dans C. Alors d’après le théorème des accroissements finis appliquée entre 0
et 1 à la fonction
[0, 1] → R
θ 7→ f (x + θ(y − x)) − (1 − θ)Df (x + θ(y − x))(y − x),
il existe θ ∈]0, 1[, tel que
2
f (y) − f (x) − Df (x)(y − x) = (1 − θ)Dx+θ(y−x)) f (y − x, y − x)

1 2
= Dx+θ(y−x)) f (y − (x + θ(y − x)), y − (x + θ(y − x))) ≥ 0.
1−θ
Donc f est convexe d’après la première partie.

Théorème 5.3.3. Soit f : U → R une fonction différentiable sur un ouvert

U d’un R−espace Banach E et soit C un sous convexe de U .
i si f|C est convexe et admet un minimum local dans C, c’est un minimum
global ;
ii si f|C est strictement convexe alors elle admet au plus un minimum, et
c’est un minimum strict ;
iii si f est différentiable, une condition nécessaire pour qu’un point a ∈ C
soit un minimum de f|C est

Df (a)(y − a) ≥ 0,

pour tout y ∈ C. Si de plus f|C est convexe, cette condition est également
suffisante.

Démonstration. i supposons f|C convexe et admettant un minimum local en

a ∈ C, et soit x ∈ C. Pour tout θ ∈]0, 1[,

f (a + θ(x − a)) − f (a) ≤ θ(f (x) − f (a)),

et le membre à gauche est positif ou nul pour θ > 0 assez petit. Par
conséquent f (a) ≥ 0.

51
ii si f|C est strictement convexe, on obtient comme ci-dessus l’inégalité stricte
f (x) − f (a) > 0 pour x 6= a. Un minimum stricte est toujours unique.
iii supposons f différentiable et admettant un minimum en a ∈ C. Soit
x ∈ C : il existe une fonction ε : θ 7→ ε(θ) tendant vers 0 en 0, telle que

f (a + θ(x − a)) − f (a) = θDf (a)(x − a) + θε(θ).

Si on avait Df (a)(x − a) < 0, on aurait f (a + θ(x − a)) < f (a) pour

θ > 0 assez petit.
Inversement, si f|C convexe et si on a l’inégalité

Df (a)(x − a) ≥ 0,

pour y ∈ C, alors d’après la première partie du théorème 5.3.2, a est

un minimum de f .

Un exemple important de problème de minimisation sur un ensemble

convexe est fourni par ce que l’on appelle des contraintes-inégalités

g1 (a) ≤ 0, ..., gp (a) ≤ 0,

où les fonctions gj sont convexes. Un exemple important de fonction convexe

à minimiser est celui des fonction quadratiques, c’est à dire de la forme

x 7→ f (x) = φ(x, x) + l(x),

où φ est une forme bilinéaire continue positive et l est une forme linéaire
continue.

5.4 Introduction au calcul des variations.

Considérons l’espace E = C 1 ([0, 1]; Rn ) muni de la norme définie par

kuk := max(kuk∞ , ku0 k∞ ), kuk∞ := max ku(t)kRn .

t∈[0,1]

Soient a, b ∈ Rn . Considérons l’ensemble

C := {u ∈ E; u(0) = a, u(1) = b},

52
(évidemment convexe) et une fonction de la forme
Z1
A : u ∈ E 7→ L(u(t), u0 (t))dt,
0

où L ∈ C 1 (Rn × Rn ; R). On montre sans peine que A est différentiable sur E.
D’après le théorème 5.3.3, si f admet un minimum u sur C, alors
Df (u)(h) ≥ 0,
pour tout h ∈ C − u, c’est-à-dire pour tout h ∈ E tel que h(0) = h(1) = 0.
Par suite, l’inégalité est en fait une égalité : une condition nécessaire pour
que u soit un minimum de f sur C est par conséquent
Z1 X
n Z1 X
n
∂L ∂L 0
(u(t), u0 (t))hi (t)dt + (u(t), u0 (t))hi (t)dt = 0,
i=1
∂qi i=1
∂pi
0 0

quel que soit h ∈ E tel que h(0) = h(1) = 0. (On a noté qi et pi les compo-
santes des arguments de L.) En intégrant par parties le deuxième morceau,
on peut réécrire l’égalité ci-dessus sous la forme
Z1 Xn
∂L d ∂L
( (u(t), u0 (t)) + ( (u(t), u0 (t))))hi (t)dt = 0.
i=1
∂q i dt ∂p i
0

Pour qu’elle soit satisfaite quelle que soit la fonction h, il faut et il suffit,
d’après ce que l’on appelle parfois le lemme fondamental du calcul intégral,
que
∂L d ∂L
∀t ∈ [0, 1], (u(t), u0 (t)) + ( (u(t), u0 (t))) = 0,
∂qi dt ∂pi
c’est-à-dire que u soit solution de l’équation différentielle
d ∂L ∂L
( (u(t), u0 (t)) = (u(t), u0 (t)).
dt ∂pi ∂qi
C’est l’équation d’Euler-Lagrange associée à la fonction L. Si L est convexe,
alors A aussi (par linéarité de l’intégrale), et par conséquent si u ∈ C est
solution de l’équation d’Euler-Lagrange, c’est un minimum de A. Lorsque L
n’est pas convexe, l’équation d’Euler-Lagrange est loin d’être suffisante pour
minimiser A.

53
Bibliographie

[1] Calcul Différentiel, A.Avez, Masson.

[2] Calcul différentiel, B.ELMABSOUT. Exercice Masson.
[3] Analyse, Jean MAWHIN DE Boeckand Larcier (Calcul différentiel et
intégral concepts technique.
[4] Calcul Différentiel, G.CHRISTOL, Ellipses.
[5] Calcul Différentiel, H.CARTAN, Dunod.
[6] Exercices de Calcul différentiel, F.RIDEAU, Hermann.
[7] Cours de Calcul Différentiel, H.CARTAN et J.Kouneicher, Broché.
[8] Calcul différentiel et Equations Différentielles cours et exercices corrigés,
Syline Benzoni gavage, Dunod.

54