Calculateur de dérivées à plusieurs variables : guide pas à pas avec exemples
Un calculateur de dérivées à plusieurs variables vous aide à trouver les dérivées partielles, les vecteurs gradients, les dérivées directionnelles et les matrices hessiennes du second ordre pour des fonctions de deux variables ou plus, sans jamais perdre de vue le moindre terme en x, y ou z. Ce guide explique précisément comment fonctionnent ces outils, avec des exemples numériques entièrement résolus que vous pouvez vérifier à la main, afin de comprendre le raisonnement mathématique derrière la réponse au lieu de simplement recopier un résultat.
Sommaire
- 01Qu'est-ce qu'un calculateur de dérivées à plusieurs variables ?
- 02Comment un calculateur de dérivées à plusieurs variables obtient-il ses résultats ?
- 03Les dérivées partielles : le fondement du calcul à plusieurs variables
- 04Exemple résolu 1 : dérivées partielles de f(x, y) = x²y + 3xy² − y³
- 05Qu'est-ce que le vecteur gradient ?
- 06Exemple résolu 2 : calculer le gradient en un point
- 07Dérivées directionnelles et produit scalaire
- 08Exemple résolu 3 : dérivée directionnelle dans une direction donnée
- 09Comment construire et utiliser une matrice hessienne ?
- 10Exemple résolu 4 : classer un point critique avec la hessienne
- 11Pourquoi les dérivées à plusieurs variables comptent en sciences et en ingénierie
- 12Erreurs courantes à éviter
- 13Obtenez une aide immédiate sur les dérivées à plusieurs variables
Qu'est-ce qu'un calculateur de dérivées à plusieurs variables ?
Un calculateur de dérivées à plusieurs variables est un outil qui calcule les dérivées de fonctions comportant deux variables indépendantes ou plus, comme f(x, y) ou g(x, y, z). Contrairement à l'analyse à une variable, où l'on cherche une seule dérivée f′(x), les fonctions à plusieurs variables possèdent une dérivée partielle pour chaque variable, ainsi que des quantités combinées comme le vecteur gradient, les dérivées directionnelles et la matrice hessienne des dérivées secondes. Le calculateur traite comme constante toute variable autre que celle par rapport à laquelle vous dérivez, applique les règles de dérivation classiques et renvoie chaque résultat séparément ou regroupé sous forme de vecteur ou de matrice.
1. Identifier les variables
Listez chaque variable indépendante de la fonction, par exemple x et y dans f(x, y) = x²y + 3xy² − y³.
2. Choisir le type de dérivée
Déterminez s'il vous faut une seule dérivée partielle, le gradient complet, une dérivée directionnelle ou la matrice hessienne.
3. Appliquer les règles de dérivation variable par variable
Traitez toutes les autres variables comme des constantes et dérivez à l'aide des règles de la puissance, du produit et de la chaîne selon les besoins.
La dérivation à plusieurs variables n'est que de la dérivation à une variable, appliquée une variable à la fois.
Les dérivées partielles : le fondement du calcul à plusieurs variables
Une dérivée partielle mesure la façon dont une fonction varie lorsqu'une variable évolue tandis que toutes les autres restent fixes. Pour f(x, y), la dérivée partielle par rapport à x s'écrit ∂f/∂x et la dérivée partielle par rapport à y s'écrit ∂f/∂y. Elles se calculent exactement comme des dérivées ordinaires, sauf que tout terme ne contenant pas la variable cible est traité comme une constante et que sa dérivée vaut zéro.
1. Figer les autres variables
Lorsque vous cherchez ∂f/∂x, traitez y (et z, s'il est présent) comme des nombres fixes.
2. Dériver terme par terme
Appliquez la règle de la puissance à chaque terme contenant x et éliminez les termes qui ne contiennent pas x.
3. Répéter pour chaque variable
Cherchez ∂f/∂y de la même manière, cette fois en traitant x comme une constante.
Si un terme ne contient pas la variable par rapport à laquelle vous dérivez, sa dérivée partielle est nulle.
Exemple résolu 1 : dérivées partielles de f(x, y) = x²y + 3xy² − y³
Prenons la fonction f(x, y) = x²y + 3xy² − y³. Pour trouver ∂f/∂x, traitez y comme une constante ; pour trouver ∂f/∂y, traitez x comme une constante. Voici le calcul complet, étape par étape.
1. Dériver par rapport à x
∂f/∂x : le terme x²y devient 2xy (on abaisse l'exposant 2, y est constant) ; 3xy² devient 3y² (x a l'exposant 1) ; −y³ ne contient pas x, il devient donc 0. Résultat : ∂f/∂x = 2xy + 3y².
2. Dériver par rapport à y
∂f/∂y : x²y devient x² (y a l'exposant 1, x² est constant) ; 3xy² devient 6xy (on abaisse le 2) ; −y³ devient −3y². Résultat : ∂f/∂y = x² + 6xy − 3y².
3. Vérifier avec un point numérique
En (x, y) = (1, 1) : ∂f/∂x = 2(1)(1) + 3(1)² = 2 + 3 = 5. ∂f/∂y = 1² + 6(1)(1) − 3(1)² = 1 + 6 − 3 = 4. Les deux valeurs correspondent aux formules simplifiées ci-dessus.
Qu'est-ce que le vecteur gradient ?
Le gradient d'une fonction f(x, y) est le vecteur ∇f = (∂f/∂x, ∂f/∂y) qui pointe dans la direction de la plus forte croissance de la fonction en un point donné. Sa norme indique à quel point cette croissance est rapide. Avec trois variables, le gradient s'étend en ∇f = (∂f/∂x, ∂f/∂y, ∂f/∂z). Un calculateur de dérivées à plusieurs variables construit le gradient en calculant chaque dérivée partielle puis en les rassemblant dans un seul vecteur.
1. Calculer chaque dérivée partielle
Trouvez ∂f/∂x, ∂f/∂y (et ∂f/∂z le cas échéant) à l'aide des règles habituelles.
2. Assembler le vecteur
Écrivez les résultats dans l'ordre sous la forme ∇f = (∂f/∂x, ∂f/∂y).
3. Évaluer en un point (facultatif)
Remplacez par les coordonnées d'un point précis pour obtenir un vecteur numérique.
Le gradient pointe toujours vers la direction de plus forte pente ascendante d'une surface.
Exemple résolu 2 : calculer le gradient en un point
En reprenant la fonction f(x, y) = x²y + 3xy² − y³ de l'exemple 1, avec ∂f/∂x = 2xy + 3y² et ∂f/∂y = x² + 6xy − 3y², calculez le gradient au point (2, 1).
1. Évaluer ∂f/∂x en (2, 1)
∂f/∂x = 2(2)(1) + 3(1)² = 4 + 3 = 7.
2. Évaluer ∂f/∂y en (2, 1)
∂f/∂y = (2)² + 6(2)(1) − 3(1)² = 4 + 12 − 3 = 13.
3. Écrire le vecteur gradient
∇f(2, 1) = (7, 13). Cela signifie que, depuis ce point, la fonction croît le plus vite dans la direction (7, 13).
Dérivées directionnelles et produit scalaire
Une dérivée directionnelle mesure le taux de variation d'une fonction en un point dans une direction donnée, et pas seulement le long de l'axe des x ou des y. Elle se calcule par D_u f = ∇f · u, où u est un vecteur unitaire pointant dans la direction souhaitée. Comme u doit être de norme 1, on divise tout vecteur de direction par sa norme avant de calculer le produit scalaire.
1. Trouver le gradient au point
Calculez ∇f = (∂f/∂x, ∂f/∂y) au point visé.
2. Normaliser le vecteur de direction
Si la direction est (a, b), divisez par sa norme √(a² + b²) pour obtenir le vecteur unitaire u.
3. Calculer le produit scalaire
D_u f = ∇f · u = (∂f/∂x)(u₁) + (∂f/∂y)(u₂).
La dérivée directionnelle dans la direction du gradient lui-même est égale à la norme du gradient, c'est-à-dire au taux de croissance maximal possible.
Exemple résolu 3 : dérivée directionnelle dans une direction donnée
À partir de ∇f(2, 1) = (7, 13) de l'exemple 2, calculez la dérivée directionnelle de f dans la direction du vecteur v = (3, 4).
1. Normaliser v
|v| = √(3² + 4²) = √(9 + 16) = √25 = 5, donc le vecteur unitaire est u = (3/5, 4/5).
2. Appliquer la formule du produit scalaire
D_u f = ∇f · u = 7(3/5) + 13(4/5) = 21/5 + 52/5 = 73/5.
3. Convertir en décimal et vérifier
73/5 = 14,6. Comme |∇f| = √(7² + 13²) = √218 ≈ 14,76 et que 14,6 < 14,76, le résultat se situe bien en dessous de la dérivée directionnelle maximale possible.
Comment construire et utiliser une matrice hessienne ?
La matrice hessienne rassemble toutes les dérivées partielles du second ordre d'une fonction dans une matrice carrée, utilisée pour classer les points critiques en minima locaux, maxima locaux ou points selles. Pour f(x, y), la hessienne s'écrit H = [[f_xx, f_xy], [f_xy, f_yy]]. Après avoir trouvé un point critique où ∇f = (0, 0), vous calculez le déterminant D = f_xx·f_yy − (f_xy)². Si D > 0 et f_xx > 0, il s'agit d'un minimum local ; si D > 0 et f_xx < 0, d'un maximum local ; si D < 0, d'un point selle.
1. Trouver le point critique
Posez ∂f/∂x = 0 et ∂f/∂y = 0, puis résolvez le système.
2. Calculer les dérivées partielles secondes
Déterminez f_xx, f_yy et la dérivée partielle croisée f_xy.
3. Appliquer le test du déterminant
Calculez D = f_xx·f_yy − (f_xy)² et appliquez les règles de signe pour classer le point.
Le test du déterminant de la hessienne étend à deux dimensions ou plus le critère de la dérivée seconde à une variable.
Exemple résolu 4 : classer un point critique avec la hessienne
Considérons g(x, y) = x² + y² − 4x − 6y + 13. Trouvez le point critique et classez-le à l'aide de la matrice hessienne.
1. Trouver le point critique
∂g/∂x = 2x − 4 = 0 → x = 2. ∂g/∂y = 2y − 6 = 0 → y = 3. Point critique : (2, 3).
2. Construire la hessienne
g_xx = 2, g_yy = 2, g_xy = 0, donc H = [[2, 0], [0, 2]]. Déterminant D = (2)(2) − 0² = 4.
3. Classer et vérifier la valeur
Comme D = 4 > 0 et g_xx = 2 > 0, (2, 3) est un minimum local. g(2, 3) = 4 + 9 − 8 − 18 + 13 = 0, ce qui confirme une valeur minimale de 0 en ce point.
Pourquoi les dérivées à plusieurs variables comptent en sciences et en ingénierie
Les dérivées partielles, les gradients et les hessiennes apparaissent dès qu'une grandeur dépend de plus d'une variable. En physique, le gradient d'un champ de température ou de pression pointe vers l'augmentation la plus rapide : c'est ainsi que les modèles météorologiques suivent les flux de chaleur. En économie, les dérivées partielles d'une fonction de profit par rapport au prix et à la quantité identifient les niveaux de production optimaux. En apprentissage automatique, la descente de gradient utilise de façon répétée le vecteur gradient d'une fonction de perte pour mettre à jour les paramètres du modèle, et la hessienne indique si un optimiseur a atteint un véritable minimum plutôt qu'un point selle.
1. Physique et ingénierie
Les gradients décrivent les flux de chaleur, les champs électriques et la vitesse des fluides selon plusieurs dimensions.
2. Économie et optimisation
Les dérivées partielles localisent le profit maximal ou le coût minimal sur plusieurs variables à la fois.
3. Apprentissage automatique
La descente de gradient et les optimiseurs du second ordre s'appuient directement sur les gradients et les hessiennes pour entraîner les modèles.
Erreurs courantes à éviter
L'erreur la plus fréquente consiste à oublier de traiter les autres variables comme des constantes, ce qui conduit à dériver un terme qui aurait simplement dû disparaître. Une deuxième erreur classique est d'inverser l'ordre des variables dans les dérivées partielles croisées, par exemple calculer ∂²f/∂x∂y au lieu de ∂²f/∂y∂x : pour la plupart des fonctions régulières, elles sont égales, mais les erreurs de signe en cours de route sont fréquentes. Une troisième erreur est d'oublier de normaliser le vecteur de direction avant de calculer une dérivée directionnelle, ce qui donne un résultat incorrectement mis à l'échelle par la longueur initiale du vecteur.
1. Vérifiez bien quelle variable est constante
Avant de dériver, soulignez la variable par rapport à laquelle vous travaillez et traitez tout autre symbole comme un nombre fixe.
2. Vérifiez que les dérivées croisées coïncident
Pour la plupart des fonctions rencontrées ici, ∂²f/∂x∂y doit être égal à ∂²f/∂y∂x : utilisez-le comme contrôle intégré.
3. Normalisez toujours les vecteurs de direction
Divisez par la norme avant de calculer le produit scalaire avec le gradient dans une dérivée directionnelle.
Obtenez une aide immédiate sur les dérivées à plusieurs variables
Travailler à la main les dérivées partielles, les gradients, les dérivées directionnelles et les matrices hessiennes construit une vraie compréhension, mais vérifier son travail compte tout autant que le faire. Les outils propulsés par l'IA de Solvify peuvent scanner un problème de calcul à plusieurs variables, montrer chaque étape de dérivation et vous laisser poser des questions complémentaires jusqu'à ce que la logique devienne claire.
1. Photographiez ou saisissez votre fonction
Saisissez ou photographiez la fonction à plusieurs variables sur laquelle vous travaillez.
2. Consultez la solution pas à pas
Visualisez clairement chaque dérivée partielle, le gradient et les éventuelles étapes de classification.
3. Posez des questions complémentaires
Utilisez le tuteur IA pour éclaircir n'importe quelle étape, par exemple pourquoi les dérivées croisées doivent coïncider ou comment fonctionne le test de la hessienne.
Articles connexes
Calculateur de dérivées partielles : guide pas à pas avec exemples résolus
Apprenez à calculer les dérivées partielles de fonctions à plusieurs variables grâce à des exemples détaillés.
Calculateur de dérivée directionnelle : formule, étapes et exemples résolus
Comprenez comment déterminer le taux de variation d'une fonction dans n'importe quelle direction à l'aide du gradient.
Aide aux devoirs d'analyse : dérivées, intégrales et limites expliquées
Un guide plus large sur les dérivées, les intégrales et les limites pour les étudiants en analyse.
Solveurs mathématiques
Résolveur IA pas à pas
Photographiez n'importe quel problème de calcul à plusieurs variables et obtenez instantanément une solution entièrement détaillée.
Scan intelligent
Scannez des exercices de dérivation manuscrits ou tirés d'un manuel et laissez Solvify reconnaître automatiquement la fonction.
Chat avec le tuteur IA
Posez des questions complémentaires sur les dérivées partielles, les gradients ou les hessiennes et obtenez des explications immédiates.
Comment un calculateur de dérivées à plusieurs variables obtient-il ses résultats ?
Un calculateur de dérivées à plusieurs variables analyse l'expression saisie et la transforme en un arbre symbolique, puis applique les règles de dérivation de façon récursive : la règle de la puissance pour des termes comme x³, la règle du produit pour des termes comme xy² et la règle de la chaîne pour des compositions comme sin(x²y). Pour chaque variable demandée, toutes les autres restent constantes pendant la dérivation, exactement comme vous le feriez à la main. Le calculateur simplifie ensuite l'expression obtenue et, si un point est fourni, substitue les valeurs numériques pour renvoyer un nombre ou un vecteur final.
1. Analyser l'expression
Convertissez la fonction saisie en un arbre structuré d'opérations (addition, multiplication, puissances, composition).
2. Dériver symboliquement
Appliquez les règles de la puissance, du produit, du quotient et de la chaîne terme par terme, en gardant constantes les variables autres que la variable cible.
3. Simplifier et évaluer
Regroupez les termes semblables, puis remplacez par les coordonnées numériques si vous avez demandé une valeur en un point précis.