020TMCCS4

Techniques mathématiques en génie chimique

Partie 1 : Optimisation
Semestre académique S4, 2022/2023
Département Génie chimique

Chapitre 1 : Introduction, Rappels et compléments mathématiques

SLIDES PRÉPARÉES PAR : MANSOUR TAWK

Slides préparées par : Mansour Tawk

 Sommaire

 Introduction
 Rappels calcul matriciel
 Dérivée partielles de 1ère ordre
 Gradient d’une fonction scalaire
 Dérivée partielles de 2ème ordre

Slides préparées par : Mansour Tawk Optimisation 2

 Introduction
 Optimiser signifie chercher une configuration optimale d’un système, soit le
meilleur configuration parmi toutes les configurations possibles du système et
ceci par rapport à un critère donné
 Pour décrire un problème d’optimisation, nous utilisons la modélisation
mathématique en 3 étapes
 Etape 1 : choisir les variables de décision
 Qui sont les composantes du système surlequelles on peut agir , on suppose qu’il y a un nombre fini
𝑛𝑛 ∈ ℕ∗ de variable de décision. Les variables de décision sont représentées par un vecteur 𝑥𝑥 =
𝑥𝑥1 , 𝑥𝑥2 , … , 𝑥𝑥𝑛𝑛 𝑇𝑇 ∈ ℝ
 Etape 2 : Décrire l’état du système
 Etant donné une configuration des variables de décision,
 on introduit la fonction objectif ( ou fonction coût ) 𝐽𝐽 ∶ ℝ ℝ que nous voulons rendre la plus petite
possible
 Etape 3 : Décrire les contraintes
 Que les variables de décision satisfait. En d’autre termes définir un ensemble de contraintes 𝑈𝑈 ∈ ℝ et
imposer d’avoir 𝑥𝑥 ∈ U

Slides préparées par : Mansour Tawk Optimisation 3

 Introduction

 Pour résumer, un problème d’optimisation

 Une fonction : 𝐽𝐽 ∶ ℝ → ℝ (fonction objectif)

 Un ensemble : 𝑈𝑈 ∈ ℝ (ensemble des contraintes)

 On cherche a minimiser ( maximiser) J dans U

 soit on cherche 𝑥𝑥 ∗ ∈ 𝑈𝑈. ⇒ 𝐽𝐽 𝑥𝑥 ∗ = min(𝐽𝐽 𝑥𝑥 ) avec 𝑥𝑥 ∈ 𝑈𝑈

 Ou , 𝐽𝐽 𝑥𝑥 ∗ ≤ 𝐽𝐽 𝑥𝑥 , ∀ 𝑥𝑥 ∈ 𝑈𝑈

Slides préparées par : Mansour Tawk Optimisation 4

 Exemple
L’entreprise Renault fait :
 100 € de profit sur la fabrication d’un Twingo,
 celle-ci consomme en moyenne 5 L de carburant par 100 km
 200 € de profit sur la fabrication d’une Clio,
 Celle-ci consomme en moyenne 6 L par 100 km
 400 € d eprofit sur la fabrication d’une Meganne,
 Celle-ci consomme en moyenne 7L de carburant par 100 km
Un décret du Ministre de l’environnement impose aux constructeurs une production d’automobiles consommant en
moyenne sur toute la production, au maximum 5,5L de carburant par 100km
 La production est :
 1 Twingo par minute
 1 clio toutes les 2 minutes
 1 Meganne toutes les 3 minutes

 Le problème est de faire le profit maximum en une journée de 8 heures , on suppose qu’on ne peut pas construire é
voitures en même temps.

Slides préparées par : Mansour Tawk Optimisation 5

 Rappels
Quelques notations
 Pour tout 𝑛𝑛 ∈ ℕ∗ , ℝ𝑛𝑛 désigne l’espace euclidien, ℝx ℝx ℝ…… (n fois)
 Exemple : un vecteur 𝑥𝑥 ∈ ℝ𝑛𝑛 , est noté par 𝑥𝑥 = 𝑥𝑥1 , 𝑥𝑥2 , … , 𝑥𝑥𝑛𝑛 𝑇𝑇

 Pour tout 𝑥𝑥, 𝑦𝑦 ∈ ℝ𝑛𝑛 , on note par 𝑥𝑥, 𝑦𝑦 ∈ ℝ le produit scalaire de 𝑥𝑥 et 𝑦𝑦 donné par :
 𝑥𝑥, 𝑦𝑦 = ∑𝑛𝑛𝑖𝑖=1 𝑥𝑥𝑖𝑖 𝑦𝑦𝑖𝑖 , 𝑥𝑥 𝑇𝑇 𝑦𝑦 = 𝑥𝑥1 𝑦𝑦1 + 𝑥𝑥2 𝑦𝑦2 + ⋯ + 𝑥𝑥𝑛𝑛 𝑦𝑦𝑛𝑛
 Deux vecteurs 𝑥𝑥, 𝑦𝑦 ∈ ℝ𝑛𝑛 sont orthogonaux si 𝑥𝑥, 𝑦𝑦 = 0 ⟹ 𝑥𝑥 ⊥ 𝑦𝑦
 Pour tout 𝑥𝑥 ∈ ℝ𝑛𝑛 , on note par 𝑥𝑥 > 0 la norme euclidienne de 𝑥𝑥 donné par : 𝑥𝑥 =
𝑛𝑛
𝑥𝑥, 𝑥𝑥 = ∑𝑖𝑖=1 𝑥𝑥𝑖𝑖2
Propriétés
 𝜆𝜆𝑥𝑥 = 𝜆𝜆 𝑥𝑥 , ∀ 𝜆𝜆 ∈ ℝ , ∀𝑥𝑥 ∈ ℝ𝑛𝑛
 𝑥𝑥 + 𝑦𝑦 ≤ 𝑥𝑥 + 𝑦𝑦 , ∀𝑥𝑥, 𝑦𝑦 ∈ ℝ𝑛𝑛
 0 = 0 et 𝑥𝑥 > 0 si 𝑥𝑥 ∈ ℝ𝑛𝑛 − 0

Slides préparées par : Mansour Tawk Optimisation 6

 Rappels calcul matriciel

𝑎𝑎11 𝑎𝑎12 … 𝑎𝑎1𝑛𝑛

𝑎𝑎21 𝑎𝑎22 … 𝑎𝑎2𝑛𝑛
 𝐴𝐴 = … … … … , 𝑎𝑎𝑖𝑖𝑖𝑖 𝑖𝑖 è𝑚𝑚𝑚𝑚 ligne 𝑗𝑗 è𝑚𝑚𝑚𝑚 colone
𝑎𝑎𝑛𝑛𝑛 … … 𝑎𝑎𝑛𝑛𝑛𝑛
 Opérations sur les matrices : 𝐴𝐴 = (𝑎𝑎𝑖𝑖𝑖𝑖 ) , 𝐵𝐵 = 𝑏𝑏𝑖𝑖𝑖𝑖 , 𝐶𝐶 = (𝑐𝑐𝑖𝑖𝑖𝑖 )
 Egalité : 𝐴𝐴 = 𝐵𝐵 ↔ 𝑎𝑎𝑖𝑖𝑖𝑖 = 𝑏𝑏𝑖𝑖𝑖𝑖
 Addition : 𝐴𝐴 + 𝐵𝐵 = 𝐶𝐶 ↔ 𝑐𝑐𝑖𝑖𝑖𝑖 = 𝑎𝑎𝑖𝑖𝑖𝑖 + 𝑏𝑏𝑖𝑖𝑖𝑖
 Multiplication par un scalaire : 𝜆𝜆𝐴𝐴 = 𝜆𝜆𝑎𝑎𝑖𝑖𝑖𝑖
 Multiplication par une matrice : 𝐶𝐶 = 𝐴𝐴𝐴𝐴 ↔ 𝑐𝑐𝑖𝑖𝑖𝑖 = ∑ 𝑎𝑎𝑖𝑖𝑖𝑖 ∗ 𝑏𝑏𝑘𝑘𝑘𝑘 , ∑ 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿 ∗ 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐

Slides préparées par : Mansour Tawk Optimisation 7

 Rappels calcul matriciel

 Matrice symétrique : 𝑎𝑎𝑖𝑖𝑖𝑖 = 𝑎𝑎𝑗𝑗𝑗𝑗

 Matrice antisymétrique :𝑎𝑎𝑖𝑖𝑖𝑖 = −𝑎𝑎𝑗𝑗𝑗𝑗

 Matrice transposée : 𝐴𝐴𝑡𝑡 = 𝑏𝑏𝑖𝑖𝑖𝑖 tel que, 𝑏𝑏𝑖𝑖𝑖𝑖 = 𝑎𝑎𝑗𝑗𝑗𝑗 (échanger ligne en colone)

 Matrice inversible : ∃ 𝐵𝐵 / 𝐴𝐴𝐴𝐴 = 𝐵𝐵𝐵𝐵 = 𝐼𝐼 , on note 𝐵𝐵 = 𝐴𝐴−1

 Trace d’une matrice : ∑ 𝑎𝑎𝑖𝑖𝑖𝑖 = 𝑡𝑡𝑡𝑡(𝐴𝐴), somme des termes du diagonal

Slides préparées par : Mansour Tawk Optimisation 8

 Rappels calcul matriciel

 Déterminant d’une matrice carrée 𝐴𝐴 = det 𝐴𝐴

𝑎𝑎 𝑏𝑏
 = 𝑎𝑎𝑎𝑎 − 𝑏𝑏𝑏𝑏
𝑐𝑐 𝑑𝑑
𝑎𝑎11 𝑎𝑎12 𝑎𝑎13 𝑎𝑎11 𝑎𝑎12
 𝑎𝑎21 𝑎𝑎22 𝑎𝑎23 𝑎𝑎21 𝑎𝑎22 = ∑ 𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 − 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏
𝑎𝑎31 𝑎𝑎32 𝑎𝑎33 𝑎𝑎31 𝑎𝑎32
 Deuxième méthode
𝑎𝑎11 𝑎𝑎12 𝑎𝑎13 𝑎𝑎11 𝑎𝑎12 𝑎𝑎13 𝑎𝑎11 𝑎𝑎12 𝑎𝑎13
 𝑎𝑎21 𝑎𝑎22 𝑎𝑎23 - 𝑎𝑎21 𝑎𝑎22 𝑎𝑎23 + 𝑎𝑎21 𝑎𝑎22 𝑎𝑎23
𝑎𝑎31 𝑎𝑎32 𝑎𝑎33 𝑎𝑎31 𝑎𝑎32 𝑎𝑎33 𝑎𝑎31 𝑎𝑎32 𝑎𝑎33

Slides préparées par : Mansour Tawk Optimisation 9

 Rappels calcul matriciel

 Déterminant d’une matrice ordre >3, 𝐴𝐴 = det 𝐴𝐴

 Méthode des cofacteurs
 Pour un élement 𝑎𝑎𝑖𝑖𝑖𝑖 on enleve les lignes et les colones 𝑖𝑖 et 𝑗𝑗
 𝑐𝑐𝑖𝑖𝑖𝑖 = −1 𝑖𝑖+𝑗𝑗 det 𝑀𝑀𝑖𝑖𝑖𝑖
 Et le déterminant est : ∑ 𝑎𝑎𝑖𝑖𝑖𝑖 𝑐𝑐𝑖𝑖𝑖𝑖
𝑎𝑎11 𝑎𝑎12
𝐴𝐴 = 𝑎𝑎 𝑎𝑎22 , det 𝐴𝐴 = 𝑎𝑎11 𝑐𝑐11 + 𝑎𝑎12 𝑐𝑐12
21
 𝑐𝑐11 = −1 1+1 𝑎𝑎22 = 𝑎𝑎22
 𝑐𝑐12 = −1 1+2 𝑎𝑎21 = −𝑎𝑎21
 Valeurs propre et vecteur propre
 𝐴𝐴𝐴𝐴 = 𝜆𝜆𝜆𝜆 ↔ 𝐴𝐴 − 𝜆𝜆𝜆𝜆 = 0
 𝜆𝜆 racines du déterminant de 𝐴𝐴 − 𝜆𝜆𝜆𝜆

Slides préparées par : Mansour Tawk Optimisation 10

 Rappels calcul matriciel

 Exemple 1
1 1 0 4
 Soit 𝐴𝐴 = et 𝐵𝐵 = , Trouver :
2 1 1 3
a. 𝐴𝐴𝐴𝐴 et 𝐵𝐵𝐵𝐵 , comparer
b. 𝐴𝐴𝑇𝑇 𝐵𝐵
c. 𝐴𝐴 + 𝐵𝐵
d. 𝐴𝐴 − 𝐵𝐵
e. 𝐷𝐷𝐷𝐷𝐷𝐷 𝐴𝐴 et 𝐷𝐷𝐷𝐷𝐷𝐷 (𝐵𝐵)
 Exemple 2
1 2 2
 Chercher les valeurs propres de la matrice 𝐴𝐴 = 2 1 2
2 2 1

Slides préparées par : Mansour Tawk Optimisation 11

 Dérivée partielles de 1ère ordre

 LA dérivée partielle d’une fonction de plusieurs variables est une dérivée par
rapport à l’une de ses variables , les autres étant gardées constantes
𝜕𝜕𝑓𝑓
 La dérivée partielle de la fonction 𝑓𝑓 par rapport à la variable 𝑥𝑥 est notée
𝜕𝜕𝜕𝜕
𝛿𝛿𝑓𝑓 𝛿𝛿𝑓𝑓 𝛿𝛿𝑓𝑓
 On note : 𝑑𝑑𝑑𝑑 = 𝑑𝑑𝑥𝑥1
+ 𝑑𝑑𝑥𝑥2
+ …+ 𝑑𝑑𝑥𝑥𝑛𝑛
le différentielle totale
𝛿𝛿𝑥𝑥1 𝛿𝛿𝑥𝑥2 𝛿𝛿𝑥𝑥𝑛𝑛
de 𝑓𝑓 , 𝑑𝑑𝑥𝑥𝑖𝑖 sont les accroissements infinitésimaux de 𝑥𝑥𝑖𝑖
 Dans le cas d’une fonction à une seule variable, la dérivée et la dérivée
𝛿𝛿𝑓𝑓 𝑑𝑑𝑑𝑑 𝛿𝛿𝑓𝑓
partielle sont identiques 𝑑𝑑𝑑𝑑 = 𝑑𝑑𝑑𝑑 ou =
𝛿𝛿𝑥𝑥 𝑑𝑑𝑑𝑑 𝛿𝛿𝑥𝑥

Slides préparées par : Mansour Tawk Optimisation 12

 Gradient d’une fonction scalaire

 Le gradient d’une fonction scalaire de plusieurs variables en un certain point

est un vecteur qui caractérise la variabilité de cette fonction au voisinage de
ce point
 Dans un système de coordonnées cartésiennes, le gradient d’une fonction
𝛿𝛿𝑓𝑓
𝑓𝑓(𝑥𝑥1 , 𝑥𝑥2 , … 𝑥𝑥𝑛𝑛 ) est le vecteur colonne de composante 𝑖𝑖 = 1,2, … 𝑛𝑛
𝛿𝛿𝑥𝑥𝑖𝑖
𝛿𝛿𝑓𝑓 𝛿𝛿𝑓𝑓 𝛿𝛿𝑓𝑓 𝑇𝑇
 On note 𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔 𝑓𝑓 = 𝛻𝛻 𝑓𝑓 = , …
𝛿𝛿𝑥𝑥1 𝛿𝛿𝑥𝑥2 𝛿𝛿𝑥𝑥𝑛𝑛

Slides préparées par : Mansour Tawk Optimisation 13

 Dérivée partielles de 2ème ordre
 Matrice hessienne
 On définit la matrice hessienne d’une fonction 𝑓𝑓 la matrice carrée notée 𝐻𝐻(𝑓𝑓) de ses
dérivées partielles seconde
 Etant donnée une fonction 𝑓𝑓 à valeurs réelles 𝑓𝑓 ∶ ℝn → ℝ ; 𝑥𝑥1 , … 𝑥𝑥𝑛𝑛 → 𝑓𝑓(𝑥𝑥1 , … 𝑥𝑥𝑛𝑛 )
dont toutes les dérivées partielles seconde existent, le coefficient 𝑖𝑖, 𝑗𝑗 de la matrice hessienne
𝜕𝜕2 𝑓𝑓
𝐻𝐻(𝑓𝑓) est 𝐻𝐻𝑖𝑖𝑖𝑖 𝑓𝑓 =
𝜕𝜕𝑥𝑥𝑖𝑖 𝜕𝜕𝑥𝑥𝑗𝑗

𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓

…
𝜕𝜕𝑥𝑥12 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥2 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥𝑛𝑛
𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
 𝐻𝐻 𝑓𝑓 = …
𝜕𝜕𝑥𝑥2 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥22 𝜕𝜕𝑥𝑥2 𝜕𝜕𝑥𝑥𝑛𝑛
… … … …
𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
… 2
𝜕𝜕𝑥𝑥𝑛𝑛 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥𝑛𝑛 𝜕𝜕𝑥𝑥2 𝜕𝜕𝑥𝑥𝑛𝑛

Slides préparées par : Mansour Tawk Optimisation 14

 Exemples

 Calculer les dérivées partielles de 1ère et de 2ème ordre des fonctions suivantes

 𝑓𝑓 𝑥𝑥, 𝑦𝑦 = 𝑥𝑥 2 + 3𝑥𝑥𝑥𝑥 + 𝑦𝑦 3 − 8𝑒𝑒 𝑥𝑥

 𝑓𝑓 𝑥𝑥, 𝑦𝑦, 𝑧𝑧 = 𝑥𝑥𝑥𝑥𝑥𝑥 + 2𝑥𝑥𝑦𝑦 2 − 5𝑧𝑧 4 + 3

 Déterminer le gradient des fonctions

 Déterminer la matrice hessienne des fonctions

Slides préparées par : Mansour Tawk Optimisation 15