From a3696c795a389a55cf6f2f9602eef4065a371199 Mon Sep 17 00:00:00 2001
From: Gergaud <66357958+gergaud@users.noreply.github.com>
Date: Thu, 5 Nov 2020 15:34:43 +0100
Subject: [PATCH] Update Sujet.md

---
 docs/src/Sujet.md | 4 ++--
 1 file changed, 2 insertions(+), 2 deletions(-)

diff --git a/docs/src/Sujet.md b/docs/src/Sujet.md
index 38ab673..b911612 100644
--- a/docs/src/Sujet.md
+++ b/docs/src/Sujet.md
@@ -15,8 +15,8 @@ Dans cette partie, on s’intéresse à la résolution du problème
 ``\min _{x \in \mathbb{R}^{n}} f(x)``
 
 où la fonction ``f`` est de classe ``C^{2}`` sur ``R^{n}`` . On cherche donc à exploiter l’information fournie
-par ses dérivées première et seconde, que l’on représente en tout point x par le vecteur
-gradient ``\nabla f (x) \in R^{n}`` et la matrice Hessienne ``\nabla^{2} f (x) \in R^{nxn}``.
+par ses dérivées première et seconde, que l’on représente en tout point ``x`` par le vecteur
+gradient ``\nabla f (x) \in R^{n}`` et la matrice Hessienne ``\nabla^{2} f (x) \in R^{n\times n}``.
 
 [1) Algorithme de Newton local](Algorithme_de_newton.md)