OPTIMISATION EN

VARIABLE LIBRE

Réalisé par :
KHELIFI Tinhinane
HADJ MIHOUB Rania
BEZZAHI Hadil
BOUSSEFIANE Aicha

Dr. MEZIANE
 Introduction :
L'optimisation est une branche des mathé matiques qui se concentre sur la
recherche des valeurs optimales d'une fonction, souvent dans le contexte de maximiser
le rendement ou minimiser les coû ts. Cette discipline est largement utilisé e dans de
nombreux domaines tels que l'é conomie, l'ingé nierie, la physique et l'informatique.
D’autre part, on a les dé rivé es qui jouent un rô le crucial dans l'optimisation car ils
sont utilisé s pour trouver les points où une fonction atteint ses valeurs maximales ou
minimales « les valeurs critiques » qui peuvent conduire à des solutions optimales, que
ce soit pour maximiser les proEits, minimiser les coû ts, ou ré soudre d'autres problè mes
d'optimisation dans divers domaines.

Rappels sur les dérivées :

Dé#inition :

Une dé rivé e est un outil mathé matique fondamental qui permet d'é tudier la
variation d'une fonction. Formellement, la dé rivé e d'une fonction f en un point x est
dé Einie comme la limite du taux de variation de f(x) quand x varie d'un petit intervalle h,
lorsque h tend vers 0 :

𝒇(𝒙 + 𝒉) − 𝒇(𝒙)
𝒇! (𝒙) = 𝐥𝐢𝐦
𝒉→𝟎 𝒉

En pratique, la dé rivé e mesure la pente de la tangente à la courbe de la fonction f

au point x. Physiquement, la dé rivé e repré sente la vitesse instantané e de variation de la
fonction en un point donné .
Les dé rivé es ont de nombreuses applications :
• Trouver les extremums (maxima et minima) d'une fonction, en annulant sa
dé rivé e. Utile en optimisation.
• Approcher localement une fonction par son dé veloppement limité à l'ordre 1.
• Modé liser des phé nomè nes physiques avec des é quations diffé rentielles
contenant des dé rivé es.
• Etudier la convexité d'une fonction pour l'optimisation.
• Calculer des taux de variation, des vitesses instantané es, des sensibilité s...

1
Les principales formules de dérivation :

Dérivée d'une constante : la dé rivé e d'une constante « c » est 0.

𝒇(𝒙) = 𝒄 → 𝒇′(𝒙) = 𝟎
Dérivée de x : la dé rivé e de x est 1.

𝒇 ( 𝒙 ) = 𝒙 → 𝒇 ! (𝒙 ) = 𝟏
Dérivée d'une somme :
(𝒖 + 𝒗)! = 𝒖! + 𝒗!
Dérivée d'un produit :

(𝒖 × 𝒗)! = 𝒖! 𝒗 + 𝒖𝒗′
Dérivée d'un quotient :

𝒖 ! 𝒗𝒖′ − 𝒖𝒗′
5 6 =
𝒗 𝒗𝟐
Dérivée d'une puissance :

(𝒙𝒏 )! = 𝒏𝒙𝒏'𝟏
Dérivée de l'exponentielle :
( 𝒆 𝒙 )! = 𝒆 𝒙
Dérivée du logarithme :

! 𝟏
9𝒍𝒐𝒈(𝒙)= =
𝒙
Dérivée du cosinus :
!
9𝒄𝒐𝒔(𝒙)= = −𝒔𝒊𝒏(𝒙)
Dérivée du sinus :
!
9𝒔𝒊𝒏(𝒙)= = 𝒄𝒐𝒔(𝒙)

Ces rè gles permettent de dé river rapidement la plupart des fonctions usuelles. On
peut aussi utiliser la dé Einition pour dé river des fonctions plus complexes. La maı̂trise de
ces formules de dé rivation est essentielle en analyse mathé matique et ses nombreuses
applications.

2
L’interprétation géométrique de la première
dérivée :
La dé rivé e d'une fonction f en un point A, noté e f'(xA), repré sente la pente de la
tangente à la courbe de f au point d'abscisse xA.
Gé omé triquement, c'est le coefEicient directeur de la droite tangente à la courbe
repré sentative de f au point de coordonné es (xA, f(xA)).
Plus la pente est é levé e, plus la tangente (α) monte rapidement, et plus la dé rivé e
est grande en valeur absolue. Plus la pente est faible, plus la tangente est horizontale, et
plus la dé rivé e est proche de 0.
La dé rivé e permet donc de caracté riser la variation de la fonction, si elle croı̂t
rapidement ou lentement. Elle donne une mesure de la rapidité de variation de la
fonction en un point donné . Ainsi, elle permet de passer localement d'une repré sentation
graphique (courbe) à une repré sentation numé rique (pente de la tangente), mesurant la
variation instantané e de la fonction.

𝒇! (𝒙 = 𝒙𝑨 ) = 𝒕𝒈 (𝜶)

Remarquons que pour le point B, minimum de la fonction f(x), l’ongle est é gal à 0.

3
Exemple :

La fonction F(x) se pré sente par :

𝒇(𝒙) = (𝒙 − 𝟏)𝟐 + 𝟐
𝒇! (𝒙) = 𝟐𝒙 − 𝟐

12

10

6
f(x)
Y1
F(X)

4
Y2
2 Y3

0
-3 -2 -1 0 1 2 3 4 5

-2

-4
X

avec :

𝒀𝟏 = −𝟒(𝒙 + 𝟏) + 𝟔
𝒀𝟐 = 𝟓(𝒙 − 𝟑. 𝟓) + 𝟖. 𝟐𝟓
𝒀𝟑 = 𝟐

La deuxième dérivée :
La dé rivé e seconde (ou dé rivé e d'ordre 2) d'une fonction f est la dé rivé e de la
fonction dé rivé e f'. Elle s'é crit f''(x).
Gé omé triquement, la dé rivé e seconde en un point correspond à la variation de la
pente de la tangente à la courbe. Plus pré cisé ment :

4
 • f''(x) > 0 signiEie que la pente de la tangente croı̂t au point x. La courbe est
concave vers le haut.
• f''(x) < 0 signiEie que la pente de la tangente dé croı̂t au point x. La courbe est
concave vers le bas.
• f''(x) = 0 signiEie que la pente de la tangente ne varie pas au point x. Point
d'inElexion.
•
La dé rivé e seconde permet donc de dé terminer les zones de convexité et de concavité
d'une courbe, ainsi que les points d'inElexion où la convexité change.
Elle est utilisé e dans :
§ Optimisation : trouver les extremums d'une fonction
§ Etude du sens de variation d'une fonction
§ Analyse de la concavité d'une courbe
§ Recherche des points d'inElexion

5
 Dérivées Partielle
La dé rivé e partielle de la fonction f par rapport à x en (x, y) est la dé rivé e de la fonction
d'une seule variable ré elle

Dans le cas où la limite n'existe pas, on dit que la fonction f n'est pas partiellement
dé rivable par rapport à x en (x, y). Dans le contexte des fonctions de plusieurs variables,
l'adjectif partiel signiEie par rapport à une seule variable, les autres arguments é tant
constants. D'une maniè re analogue, la dé rivé e partielle de la fonction f par rapport à y en
(x, y) est la dé rivé e de la fonction d'une seule variable ré elle

Dans le cas où la limite n'existe pas, on dit que la fonction f n'est pas partiellement
dé rivable par rapport à y en (x, y). La dé Einition s'é tend naturellement aux fonctions de
trois variables ou plus. Ainsi, la dé rivé e partielle de la fonction f par rapport à z en (x, y,
z) est la dé rivé e de la fonction d'une seule variable ré elle

6
Exemple

Pour calculer la dé rivé e partielle de f suivant la premiè re variable x, on Eixe y, puis on
considè re l’application x ÞN\ sinpxy2 q puis on calcule sa dé rivé e que l’on note

De mê me, pour calculer la dé rivé e partielle de f suivant la la deuxiè me variable y, on
Eixe x puis on considè re l’application puis on calcule sa dé rivé e :

Exemple2

Dé rivé es partielles d’ordre 2 ou plus

Lorsque la dé rivé e partielle est dé Einie au voisinage d'un point, il se peut qu'elle
admette elle-mê me des dé rivé es partielles d'ordre 1 en ce point : elles sont appelé es
dé rivé es partielles d'ordre 2, ou secondes, de f a dé rivé e partielle d'ordre 1 de div (f) au
point a par rapport à la j variable est noté e :
On dé Einit de maniè re analogue des dé rivé es partielles d'ordre supé rieur.
Si f est deux fois dé rivable en un point alors toutes les dé rivé es partielles secondes
de f en ce point existent et l'ordre de dé rivation peut ê tre changé sans que cela modiEie le
ré sultat, d'aprè s le thé orè me de Schwarz

7
Exemple

Pour é viter de ré pé ter le mê me nom de variable plusieurs fois, on utilise les notations
suivantes :

Gradient
Les gradients dans le contexte des dé rivé es partielles sont une notion clé en analyse
mathé matique, en particulier dans le domaine du calcul vectoriel. Les gradients sont
utilisé s pour repré senter la dé rivé e d'une fonction scalaire à plusieurs variables.
Soit une fonction f(x,y,z) dé Einie dans l'espace tridimensionnel. Le gradient de f, noté
∇f, est un vecteur qui regroupe les dé rivé es partielles de f par rapport à chaque variable
indé pendante. Mathé matiquement, le gradient est donné par :

Dans cette expression, repré sentent les dé rivé es partielles de f par rapport à x, y, et z,
respectivement. Les termes i ; j et k sont les vecteurs unitaires dans les directions x, y, et
z.
Intuitivement, le gradient pointe dans la direction où la fonction f augmente le plus
rapidement. La magnitude du gradient donne le taux de cette augmentation.

8
En notation plus concise, le gradient peut ê tre é crit sous forme vectorielle :
Les gradients sont largement utilisé s dans divers domaines tels que l'optimisation,
l'analyse des champs de vecteurs, et en particulier dans le contexte de la ré solution
d'é quations aux dé rivé es
Partielles.

Matrice de Hess
La matrice de Hessienne, souvent appelé e simplement "matrice de Hess", est une
matrice carré e qui repré sente les dé rivé es partielles secondes d'une fonction à plusieurs
variables. Elle est utilisé e en calcul vectoriel et en analyse pour é tudier la convexité et les
points critiques d'une fonction.
Soit f une fonction f:Rn →R, la matrice de Hessienne H est une matrice n×n dont les
é lé ments sont les dé rivé es partielles secondes de f. La matrice de Hessienne est dé Einie
comme suit:

Si toutes les dé rivé es partielles secondes sont continues, la matrice de Hessienne est
symé trique. Cela signiEie que Hi,j = Hj,i pour tous i et j.
La matrice de Hessienne est souvent utilisé e pour dé terminer la nature des points
critiques d'une fonction. Si la matrice de Hessienne est dé Einie positive (tous ses mineurs
principaux sont positifs), alors le point critique est un minimum local. Si elle est dé Einie
né gative (tous ses mineurs principaux alternent entre positif et né gatif, avec un nombre
impair de mineurs né gatifs), alors le point critique est un maximum local. Si la matrice
de Hessienne n'est ni dé Einie positive ni dé Einie né gative, le test est indé terminé .
En ré sumé , la matrice de Hessienne est un outil puissant pour analyser la convexité et
les points critiques des fonctions à plusieurs variables.

Optimisation en variables libres (mono variable) :

a) Une fonction unimodale :
Elle est une fonction qui possè de une seule ré gion où elle est soit strictement
croissante, soit strictement dé croissante. En d'autres termes, une fonction unimodale a
un seul maximum ou un seul minimum local. L'idé e principale derriè re le concept de
fonction unimodale est que la fonction pré sente une tendance gé né rale, soit à augmenter,
soit à diminuer, avec un seul point où elle atteint un extremum local.
Il est important de noter que le concept de fonction unimodale est spé ciEique à une
variable. Pour une fonction de plusieurs variables, on parle de surfaces unimodales.

9
 • Les termes "extré mum global" et "extré mum local" sont utilisé s en
mathé matiques pour dé crire des points particuliers d'une fonction où la fonction
atteint respectivement son maximum ou son minimum. Voici les dé Einitions de
ces termes :

b) Extrémum Local :
Un extré mum local d'une fonction est un point où la fonction atteint un maximum
ou un minimum dans une certaine ré gion autour du point. Cela signiEie que pour un
extré mum local, la valeur de la fonction à ce point est soit plus grande que toutes les
valeurs à proximité (maximum local) soit plus petite que toutes les valeurs à proximité
(minimum local). Les extré mums locaux peuvent ê tre des points de selle où la fonction
change de direction.

c) Extrémum Global :
Un extré mum global d'une fonction est un point où la fonction atteint le maximum
ou le minimum sur l'ensemble de son domaine. C'est la valeur la plus grande ou la plus
petite que la fonction atteint sur l'ensemble de son domaine. Un extré mum global peut
é galement ê tre un extré mum local, mais tous les extré mums locaux ne sont pas des
extré mums globaux.

d) Calculer analytiquement l'optimum d'une fonction :

Implique de trouver les points où la fonction atteint un maximum ou un
minimum. Voici les é tapes gé né rales pour trouver analytiquement l'optimum d'une
fonction :

10
1.Trouver les points critiques :
- Calculez la dé rivé e premiè re de la fonction par rapport à la variable libre
et ré solvez l'é quation
(f'(x) =0) pour trouver les points où la dé rivé e est é gale à zé ro (points
critiques).
2. Test de la dérivée seconde :
- Calculez la dé rivé e seconde de la fonction (\(f''(x)\)) et é valuez-la aux points
critiques.
- Utilisez le test de la dé rivé e seconde pour dé terminer si chaque point critique est un
maximum, un minimum ou un point de selle.
- Si (f''(x) > 0), le point critique est un minimum local, la fonction passe par un
minimum.
- Si (f''(x) < 0), le point critique est un maximum local, la fonction passe par un
maximum.
- Si (f''(x) = 0), le test est indé terminé .
3. Trouver les valeurs limites :
- Si la fonction est dé Einie sur un intervalle fermé , é valuez la fonction aux points limites
de cet intervalle.

4. Sélectionner l'optimum :
- Comparez les valeurs de la fonction aux points critiques, aux points limites et aux
points où la dé rivé e premiè re n'existe pas pour dé terminer l'optimum global.

5. Interprétation des résultats :

- En fonction des ré sultats obtenus, interpré tez la signiEication des points critiques et
dé terminez si la fonction a des minimums, des maximums, ou si elle atteint une valeur
optimale à l'inEini.
Il est important de noter que ces é tapes peuvent parfois ê tre complexes, surtout si
la fonction est compliqué e ou si les calculs sont difEiciles. Dans certains cas, l'utilisation
d'outils informatiques, tels que des logiciels de calcul symbolique ou des langages de
programmation, peut faciliter le processus d'optimisation en permettant une
manipulation plus aisé e des é quations et des dé rivé es.

11
Exemple :

Conclusion :

L’op6misa6on des systèmes permet de trouver une configura6on idéale, d’obtenir un gain d’effort,
de temps, d’argent, d’énergie, de ma6ère première, ou encore de sa6sfac6on. Ces quelques exemples
aMestent de la variété des formula6ons et préfigure la diversité des ou6ls mathéma6ques
suscep6bles et résoudre ces systèmes.

Il est important de bien connaitre les caractéris6ques de problème pose, afin d’iden6fier la
technique appropriée pour sa résolu6on.

L’op6misa6on est de coupée en sous disciplines qui se chevauchent, suivant les caractéris6ques
mathéma6ques de la fonc6on objec6f et celles des contraintes et des variables d’op6misa6on.

Les classes d’op6misa6on les plus importantes sont :

. Op6misa6on monovariable : une seule variable.

. Op6misa6on mul6variable : plus d’une variable.

. Op6misa6on con6nue : variables réelles.

. Op6misa6on combinatoire : variables réelles et en6ères.

. Op6misa6on linéaire : la fonc6on objec6ve et les contraintes sont linéaires.

. Op6misa6on quadra6que : fonc6on objec6f quadra6que.

12
. Op6misa6on non linéaire : l’objec6f ou les contraintes (ou les deux) con6ennent des par6es non
linéaires.

. Op6misa6on stochas6que : on étudie le cas dans lequel certaines des contraintes dépendant de
variables aléatoires, en op6misa6on robuste.

. Op6misa6on sans contraintes.

. Op6misa6on avec contraintes.

13