Méthodes d’adjoint pour le contrôle optimal sous contrainte EDP

Yannick Privat

IRMA, univ. Strasbourg

M2 CSMI - contrôle optimal

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 1 / 24

Plan

1 Rappels sur l’optimisation dans les espaces de Hilbert

2 Contrôle optimal des problèmes elliptiques

Contrôle distribué
Contrôle frontière

3 Contrôle optimal de l’équation de la chaleur

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 2 / 24

 Rappels sur l’optimisation dans les espaces de Hilbert

Sommaire

1 Rappels sur l’optimisation dans les espaces de Hilbert

2 Contrôle optimal des problèmes elliptiques

3 Contrôle optimal de l’équation de la chaleur

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 3 / 24

 Rappels sur l’optimisation dans les espaces de Hilbert

Fonctions convexes/fortement convexes

Soit H un espace de Hilbert muni de la norme k · k et du produit scalaire (·, ·).

Fonction convexe
Une fonction J : H → R est convexe si

∀u, v ∈ H, ∀θ ∈ [0, 1], J(θu + (1 − θ)v ) ≤ θJ(u) + (1 − θ)J(v ),

et strictement convexe si

∀u 6= v ∈ H, ∀θ ∈]0, 1[, J(θu + (1 − θ)v ) < θJ(u) + (1 − θ)J(v ).

Proposition : fonctions convexes différentiables

Soit J : H → R une fonction différentiable. Alors
1 J est convexe si et seulement si

J(v ) ≥ J(u) + (∇J(u), v − u), ∀u, v ∈ H.

2 J est strictement convexe si et seulement si

J(v ) > J(u) + (∇J(u), v − u), ∀u 6= v ∈ H.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 4 / 24

 Rappels sur l’optimisation dans les espaces de Hilbert

Fonctions convexes/fortement convexes

Soit H un espace de Hilbert muni de la norme k · k et du produit scalaire (·, ·).

Fonctions fortement convexes

Une fonction J : H → R est dite fortement convexe ou α-convexe s’il existe α > 0 tel que
  α
J θu + (1 − θ)v ≤ θJ(u) + (1 − θ)J(v ) − θ(1 − θ)kv − uk2 , ∀u, v ∈ H.
2

Remarque : J fortement convexe ⇒ J strictement convexe (pourquoi ?)

Proposition : fonctions fortement convexes différentiables

Soit J : H → R une fonction différentiable. Alors les propositions suivantes sont équiva-
lentes
1 J est fortement convexe
2 la fonction J − α
2
k · k2 est convexe
3 J est α-elliptique, autrement dit

(∇J(v ) − ∇J(u), v − u) ≥ αkv − uk2 , ∀u, v ∈ H.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 4 / 24

 Rappels sur l’optimisation dans les espaces de Hilbert

Fonctions convexes/fortement convexes

Soit H un espace de Hilbert muni de la norme k · k et du produit scalaire (·, ·).
Proposition : fonctions fortement convexes différentiables
Soit J : H → R une fonction différentiable. Alors les propositions suivantes sont équiva-
lentes
1 J est fortement convexe
2 la fonction J − α
2
k · k2 est convexe
3 J est α-elliptique, autrement dit

(∇J(v ) − ∇J(u), v − u) ≥ αkv − uk2 , ∀u, v ∈ H.

α
Preuve : posons g (x) = J(x) − 2
kxk2 . En développant ktx + (1 − t)y k2 et en regroupant les
termes correctement, on trouve
α
tg (x) + (1 − t)g (y ) − g (tx + (1 − t)y ) = tJ(x) + (1 − t)J(y ) − f (tx + (1 − t)y ) − t(1 − t)kx − y k2 ,
2
ce qui prouve la première équivalence annoncée.
La deuxième équivalence résulte du la proposition : si g : H → R est différentiable, alors g est
convexe si, et seulement si
g (y ) ≥ g (x) + h∇g (x), y − xi, ∀(x, y ) ∈ H 2
ou encore si, et seulement si h∇g (y ) − ∇g (x), y − xi ≥ 0, ∀(x, y ) ∈ H 2 .
Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 4 / 24
 Rappels sur l’optimisation dans les espaces de Hilbert

Théorème d’existence, inéquation d’Euler

Soit H un espace de Hilbert muni de la norme k · k et du produit scalaire (·, ·). Soit Uad
un sous-ensemble convexe fermé de H.

Théorème : existence d’un minimum de fonction α-convexe

Soient J : H → R une fonction continue, α-convexe et Uad une partie non-vide convexe
fermée. Alors le problème inf{J(v ), v ∈ Uad } admet une unique solution.

Preuve : soit (uk ) une suite minimisante, i.e. lim J(uk ) = inf J(v ).
k→+∞ v ∈Uad
La α-convexité de J implique que
α u + u 
k l
kuk − ul k2 ≤ J(uk ) + J(ul ) − 2J ≤ J(uk ) + J(ul ) − 2 inf J(v ),
4 2 v ∈Uad

puisque uk +u
2
l
∈ Uad qui est convexe.
On en déduit que la suite (uk ) est de Cauchy dans H, i.e. kuk −ul k2 → 0 si k, l → +∞. L’ensemble
Uad étant fermé, la suite de Cauchy (uk ) converge vers une élément u ∈ Uad . Il s’ensuit que
J(u) = lim J(uk ) = inf J(v ).
k→+∞ v ∈Uad

L’unicité découle de la stricte convexité de la fonctionnelle J.

Remarque : ce résultat reste valable en remplaçant “J continue” par l’hypothèse plus générale “J
est s.c.i.”.
Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 5 / 24
 Rappels sur l’optimisation dans les espaces de Hilbert

Théorème d’existence, inéquation d’Euler

Soit H un espace de Hilbert muni de la norme k · k et du produit scalaire (·, ·). Soit Uad
un sous-ensemble convexe fermé de H.

C.N.S. d’optimalité
Supposons que J : H → R est une fonction différentiable et convexe. Alors u ∈ Uad est
solution du problème inf{J(v ), v ∈ Uad } si et seulement s’il satisfait l’inéquation d’Euler

(∇J(u), v − u) ≥ 0, ∀v ∈ Uad .

Preuve : supposons que u ∈ Uad satisfait l’inéquation d’Euler. Alors la convexité de J implique
J(v ) ≥ J(u) + (∇J(u), v − u) ≥ J(u), ∀v ∈ Uad .

Réciproquement, supposons que u est solution de inf{J(v ), v ∈ Uad }. Alors pour tout 0 ≤ θ ≤ 1,
la convexité de Uad implique u + θ(v − u) = (1 − θ)u + θv ∈ Uad . Par minimalité de J(u), on a
J(u) ≤ J(u + θ(v − u)). Puisque J est dérivable, la formule de Taylor fournit
J(u) ≤ J(u) + θ(∇J(u), v − u) + o(θ).
La conclusion s’obtient en simplifiant par θ > 0, puis en faisant θ → 0+ dans la relation ci-dessus.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 5 / 24

 Rappels sur l’optimisation dans les espaces de Hilbert

Théorème d’existence, inéquation d’Euler

Soit H un espace de Hilbert muni de la norme k · k et du produit scalaire (·, ·). Soit Uad
un sous-ensemble convexe fermé de H.

Cas Uad = H
Si Uad = H, l’inéquation d’Euler

(∇J(u), v − u) ≥ 0, ∀v ∈ Uad .

se réécrit ∇J(u) = 0.

Preuve : en effet, choisissons v = u − ∇J(u) ∈ H. Alors l’inéquation d’Euler se réécrit

−k∇J(u)k2 ≥ 0
d’où le résultat.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 5 / 24

 Contrôle optimal des problèmes elliptiques

Sommaire

1 Rappels sur l’optimisation dans les espaces de Hilbert

2 Contrôle optimal des problèmes elliptiques

Contrôle distribué
Contrôle frontière

3 Contrôle optimal de l’équation de la chaleur

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 6 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Soit Ω un ouvert borné de Rn qui représente un corps thermiquement conducteur.

État du système : champ y des températures

dans Ω.
Température maintenue constante a sur le bord :
condition de Dirichlet homogène
On impose une source de chaleur sur laquelle
aucune action n’est possible : f
Contrôle v 1ω : représente une source de chaleur
sur un sous-domaine ω afin d’agir sur la
température dans tout le domaine Ω.
a. constante utilisée comme origine pour l’échelle de températures

La fonction y : Ω → R solution de l’équation de la chaleur stationnaire


−∆y (x) = f (x) + v (x)1ω (x) x ∈ Ω
y (x) = 0 x ∈ ∂Ω

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 7 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Le problème de contrôle optimal

inf J(v ) (P)

v ∈Uad
zd ∈ L2 (Ω) et y dépend implicite-
où Uad sous-espace convexe fermé de L (Ω) et 2 ment de v et résout l’EDP :

1 α −∆y = f + v 1ω x ∈ Ω
J(v ) = ky − zd k2L2 (Ω) + kv k2L2 (Ω) y =0 x ∈ ∂Ω
2
| {z } 2
| {z }
attache aux données coût du contrôle/régularisation

; Comment calculer la différentielle de J ?

; Comment écrire des conditions d’optimalité pour ce problème ?

; Quelle méthode numérique en déduire ?

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 8 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Le problème de contrôle optimal

inf J(v ) (P)

v ∈Uad
zd ∈ L2 (Ω) et y dépend implicite-
où Uad sous-espace convexe fermé de L (Ω) et 2 ment de v et résout l’EDP :

1 α −∆y = f + v 1ω x ∈ Ω
J(v ) = ky − zd k2L2 (Ω) + kv k2L2 (Ω) y =0 x ∈ ∂Ω
2
| {z } 2
| {z }
attache aux données coût du contrôle/régularisation

Outils fondamentaux : intégrations par parties

Soit Ω, un ouvert de Rd de classe C 1 par morceaux. Soit n, la normale sortante au domaine Ω
1 Si u et v sont deux fonctions de H 1 (Ω), on a
Z Z Z
∂u ∂v
v dx = − u dx + uv ni dσ.
Ω ∂xi Ω ∂xi ∂Ω |{z}
i-ème coord. de n
2 Soit u ∈ H 2 (Ω) et v ∈ H 1 (Ω). On a
Z Z Z
∂u
∆uv dx = − ∇u · ∇v dx + v dσ.
Ω Ω ∂Ω ∂n

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 8 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Le problème de contrôle optimal

inf J(v ) (P)

v ∈Uad
zd ∈ L2 (Ω) et y dépend implicite-
où Uad sous-espace convexe fermé de L (Ω) et 2 ment de v et résout l’EDP :

1 α −∆y = f + v 1ω x ∈ Ω
J(v ) = ky − zd k2L2 (Ω) + kv k2L2 (Ω) y =0 x ∈ ∂Ω
2
| {z } 2
| {z }
attache aux données coût du contrôle/régularisation

Remarque préliminaire
On note y (v ) la solution du problème précédent. L’application L2 (Ω) 3 v 7→ y (v ) ∈ H01 (Ω) est
bien définie a (théorème de Lax-Milgram).
Soient u ∈ Uad et h telle que u + εh ∈ Uad si ε > 0 est assez petit. On peut montrer que cette
application est différentiable en u. Si c’est le cas, sa différentielle dans la direction h est définie
par
y (u + εh) − y (u)
y 0 (h) = lim
ε&0 ε

a. Si ω = Ω, l’application L2 (Ω) 3 v 7→ y (v ) ∈ H01 (Ω) ∩ H 2 (Ω) est même un isomorphisme.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 8 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Le problème de contrôle optimal

inf J(v ) (P)

v ∈Uad
zd ∈ L2 (Ω) et y dépend implicite-
où Uad sous-espace convexe fermé de L (Ω) et 2 ment de v et résout l’EDP :

1 α −∆y = f + v 1ω x ∈ Ω
J(v ) = ky − zd k2L2 (Ω) + kv k2L2 (Ω) y =0 x ∈ ∂Ω
2
| {z } 2
| {z }
attache aux données coût du contrôle/régularisation


1 −∆δ(x) = h(x)1ω (x) x ∈Ω
Notons que δ := (y (u + εh) − y (u)) satisfait .
ε δ(x) = 0 x ∈ ∂Ω
δ ne dépend pas de ε donc δ = y 0 (h) si v →
7 y (v ) est différentiable.
De plus, il existe CΩ > 0 telle que
kδkH 1 (Ω) ≤ CΩ khkL2 (Ω)

donc Uad 3 h 7→ δ ∈ H 1 (Ω) est continue. Finalement,

L2 (Ω) 3 v 7→ y (v ) ∈ H01 (Ω) est différentiable de différentielle y 0 (h) = δ.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 8 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Théorème
Soient u ∈ L2 (Ω) et h telle que u + εh ∈ Uad si ε > 0 est assez petit. On a
Z
DJ(u) · h = (1ω p(u)(x) + αu(x)) h(x) dx (i.e. ∇J(u) = p(u) + αu)
Ω

où p(u) ∈ H01 (Ω) désigne la variable adjointe, solution de


−∆p(u) = y (u) − zd , dans Ω,
p(u) = 0 sur ∂Ω.

Le problème (P) possède une unique solution u ∗ caractérisée par

Z
(1ω (x)p(u ∗ )(x) + αu ∗ (x)) (v (x) − u ∗ (x)) ≥ 0 ∀v ∈ Uad .
Ω

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 9 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Preuve du théorème

Inéquation d’Euler
Soient u ∈ Uad solution du problème et v ∈ Uad . Par convexité, (1 − ε)u ∗ + εv ∈ Uad .
On a
J(εv + (1 − ε)u ∗ ) ≥ J(u ∗ )
si ε > 0 est assez petit. Par conséquent,
J(εv + (1 − ε)u ∗ ) − J(u ∗ )
lim ≥0
ε&0 ε
| {z }
=DJ(u ∗ )·(v −u ∗ )

Inéquation d’Euler
Si u ∗ solution du problème (P), alors

DJ(u ∗ ) · (v − u ∗ ) ≥ 0, v ∈ Uad .

Posons h = v − u ∗ et notons DJ(u ∗ ) · h = ∇J(u ∗ ) · h.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 10 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Preuve du théorème

Soit u ∈ Uad . On calcule

DJ(u) · h = (y (u) − zd , y 0 (h))L2 (Ω) + α(u, h)L2 (Ω) .

Remarquons que y 0 (v − u) = y (v ) − y (u).

Alors, on a

∇J(u) · (v − u) = (y (u) − zd , y 0 (v − u))L2 (Ω) + α(u, v − u)L2 (Ω)

et

(∇J(v ) − ∇J(u), v − u) = (y (v ) − y (u), y 0 (v − u))L2 (Ω) + α(v − u, v − u)L2 (Ω)

= (y (u ∗ ) − zd , y (v ) − y (u))L2 (Ω) + α(v − u, v − u)L2 (Ω)
≥ αkv − uk2 .

Donc J est α-convexe. D’après le théorème d’existence d’un minimum de fonctions α-

convexes, il existe un unique contrôle u ∗ ∈ Uad qui minimise la fonction J sur Uad .

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 10 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Preuve du théorème

Rappelons que la variable adjointe p(u) est donnée par


−∆p(u) = y (u) − zd , dans Ω,
p(u) = 0 sur ∂Ω.

En utilisant l’équation sur p(u ∗ ), on obtient

(∇J(u ∗ ), v − u ∗ ) = (−∆p(u ∗ ), y (v ) − y (u ∗ ))L2 (Ω) + α(u ∗ , v − u ∗ )L2 (Ω)

− ∆p(u ∗ ), y (v ) − y (u ∗ ) L2 (Ω) + α(u ∗ , v − u ∗ )L2 (Ω) .


=

En utilisant la formule de Green et les conditions aux bords, il vient

Z Z
∆p(u ∗ ) y (v ) − y (u ∗ ) dx = p(u ∗ )∆ y (v ) − y (u ∗ ) dx.



Ω Ω

et par conséquent

(∇J(u ∗ ), v − u ∗ ) p(u ∗ ), −∆(y (v ) − y (u ∗ )) + α(u ∗ , v − u ∗ )L2 (Ω)

= L2 (Ω)

= (1ω p(u ∗ ), v − u ∗ )L2 (Ω) .

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 10 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Preuve du théorème

L’inéquation d’Euler se réécrit donc

(1ω p(u ∗ ) + αu ∗ , v − u ∗ )L2 (Ω) ≥ 0 ∀v ∈ Uad .

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 10 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Preuve du théorème

Cas sans contrainte : Uad = L2 (Ω)

La condition d’optimalité devient u = − α1 p1ω , si bien que y et p satisfont

 ∆y + α1 p1ω = f , dans Ω,


∆p − y = −zd , dans Ω,
y = 0, p=0 sur ∂Ω.


Par régularité elliptique, le contrôle u appartient à H 2 (Ω).

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 10 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Approche numérique

Récapitulons :

Le problème de contrôle optimal

inf J(v ) (P)

v ∈Uad
zd ∈ L2 (Ω) et y dépend implicite-
où Uad sous-espace convexe fermé de L (Ω) et 2 ment de v et résout l’EDP :

1 α −∆y = f + v 1ω x ∈ Ω
J(v ) = ky − zd k2L2 (Ω) + kv k2L2 (Ω) y =0 x ∈ ∂Ω
2
| {z } 2
| {z }
attache aux données coût du contrôle/régularisation

On a montré que
Z
DJ(u) · h = (1ω (x)p(u)(x) + αu(x)) h(x) dx
Ω

−∆p(u) = y (u) − zd , dans Ω,
et p(u) résout
p(u) = 0 sur ∂Ω.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 11 / 24

 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Approche numérique

Récapitulons :

Le problème de contrôle optimal

inf J(v ) (P)

v ∈Uad
zd ∈ L2 (Ω) et y dépend implicite-
où Uad sous-espace convexe fermé de L (Ω) et 2 ment de v et résout l’EDP :

1 α −∆y = f + v 1ω x ∈ Ω
J(v ) = ky − zd k2L2 (Ω) + kv k2L2 (Ω) y =0 x ∈ ∂Ω
2
| {z } 2
| {z }
attache aux données coût du contrôle/régularisation

Algorithme de type gradient

; u 0 ∈ Uad donné.
; u k ∈ Uad étant connu, on le met à jour par la formule
 
u k+1 = ΠUad u k − ρk (1ω p(u k ) + αu k )

où ΠUad est l’opérateur de projection sur Uad .

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 11 / 24
 Contrôle optimal des problèmes elliptiques Contrôle distribué

Un problème modèle : contrôle de la température

Approche numérique

Récapitulons :

Le problème de contrôle optimal

inf J(v ) (P)

v ∈Uad
zd ∈ L2 (Ω) et y dépend implicite-
où Uad sous-espace convexe fermé de L (Ω) et 2 ment de v et résout l’EDP :

1 α −∆y = f + v 1ω x ∈ Ω
J(v ) = ky − zd k2L2 (Ω) + kv k2L2 (Ω) y =0 x ∈ ∂Ω
2
| {z } 2
| {z }
attache aux données coût du contrôle/régularisation

À chaque itération de l’algorithme, on doit

; résoudre l’état,
; PUIS résoudre l’adjoint,
; effectuer l’étape de projection,
; chercher le pas ρk de l’algorithme.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 11 / 24

 Contrôle optimal des problèmes elliptiques Contrôle frontière

Un problème modèle : contrôle de la température

Soit Ω un ouvert borné de Rn qui représente un corps thermiquement conducteur.

État du système : champ y des températures

dans Ω.
On impose une source de chaleur sur laquelle
aucune action n’est possible : f
Contrôle v : représente une source de chaleur sur
le bord Σ = ∂Ω afin d’agir sur la température
dans tout le domaine Ω.

La fonction y : Ω → R solution de l’équation elliptique


−∆y (x) + y (x) = f (x) x ∈ Ω
y (x) = v (x) x ∈ ∂Ω

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 12 / 24

 Contrôle optimal des problèmes elliptiques Contrôle frontière

Un problème modèle : contrôle de la température

Le problème de contrôle optimal (Σ := ∂Ω)

inf J(v ) (P)

v ∈Uad
zd ∈ L2 (Ω) et y dépend implicite-
où Uad sous-espace convexe fermé de L (Σ) et 2 ment de v et résout l’EDP :

1 α −∆y + y = f x ∈ Ω
J(v ) = ky − zd k2L2 (Ω) + kv k2L2 (Σ) y =v x ∈ ∂Ω
2
| {z } 2
| {z }
attache aux données coût du contrôle/régularisation

Donnons un sens clair aux solutions du système non homogène. Grâce à la théorie des équations
elliptiques (opérateur de trace et relèvement), on montre que pour toutes données v ∈ L2 (Σ) et
f ∈ L2 (Ω), le système ci-dessus admet une seule solution y ∈ L2 (Ω). En particulier, l’application
affine
L2 (∂Ω) 3 v → y (v ) ∈ L2 (Ω)
est continue pour les topologies correspondantes. Ainsi la fonction J est bien définie.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 13 / 24

 Contrôle optimal des problèmes elliptiques Contrôle frontière

Un problème modèle : contrôle de la température

Le problème de contrôle optimal (Σ := ∂Ω)

inf J(v ) (P)

v ∈Uad
zd ∈ L2 (Ω) et y dépend implicite-
où Uad sous-espace convexe fermé de L (Σ) et 2 ment de v et résout l’EDP :

1 α −∆y + y = f x ∈ Ω
J(v ) = ky − zd k2L2 (Ω) + kv k2L2 (Σ) y =v x ∈ ∂Ω
2
| {z } 2
| {z }
attache aux données coût du contrôle/régularisation

2 . On définit y 0 (v − u) = lim y (u + ε(v − u)) − y (u)

Soit (u, v ) ∈ Uad .
ε&0 ε
Lemme
On a y 0 (v − u) = y (v ) − y (u).
De plus, L2 (Σ) 3 u 7→ y (u) est différentiable en u de différentielle y 0 .

Preuve : L2 (Σ) 3 u →7 y (u) est différentiable en u car elle est affine continue. La première égalité
provient du fait que y 0 (v − u) résout le problème
−∆y 0 (v − u) + y 0 (v − u) = 0 x ∈ Ω

y 0 (v − u) = v − u x ∈ ∂Ω

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 13 / 24

 Contrôle optimal des problèmes elliptiques Contrôle frontière

Un problème modèle : contrôle de la température

Théorème
Soient u ∈ L2 (Σ) et h tel que u + εh ∈ Uad si ε > 0 est assez petit. On a
Z
DJ(u) · h = (−∂n p(u)(x) + αu(x)) h(x) dx (i.e. ∇J(u) = p(u) + αu)
Σ

1
où p(u) ∈ H (Ω) désigne la variable adjointe, solution de

−∆p(u) + p(u) = y (u) − zd , dans Ω,
p(u) = 0 sur ∂Ω.

Le problème (P) possède une unique solution u ∗ caractérisée par

Z
(−∂n p(u ∗ )(x) + αu ∗ (x)) (v (x) − u ∗ (x)) ≥ 0 ∀v ∈ Uad .
Σ

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 14 / 24

 Contrôle optimal des problèmes elliptiques Contrôle frontière

Un problème modèle : contrôle de la température

Preuve du théorème

Soit u ∈ Uad et h = v − u. On calcule

DJ(u) · h = (y (u) − zd , y 0 (h))L2 (Ω) + α(u, h)L2 (Σ) .

Remarquons que y 0 (v − u) = y (v ) − y (u).

Alors, on a

∇J(u) · (v − u) = (y (u) − zd , y 0 (v − u))L2 (Ω) + α(u, v − u)L2 (Σ)

et

(∇J(v ) − ∇J(u), v − u) = (y (v ) − y (u), y 0 (v − u))L2 (Ω) + α(v − u, v − u)L2 (Σ)

= (y (u ∗ ) − zd , y (v ) − y (u))L2 (Ω) + α(v − u, v − u)L2 (Σ)
≥ αkv − uk2L2 (Σ) .

Donc J est α-convexe et continue sur L2 (Σ). D’après le théorème d’existence d’un minimum
de fonctions α-convexes, il existe un unique contrôle u ∗ ∈ Uad qui minimise la fonction J
sur Uad .

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 15 / 24

 Contrôle optimal des problèmes elliptiques Contrôle frontière

Un problème modèle : contrôle de la température

Preuve du théorème

Rappelons que la variable adjointe p(u) est donnée par


−∆p(u) + p(u) = y (u) − zd , dans Ω,
p(u) = 0 sur ∂Ω.

En utilisant l’équation sur p(u ∗ ), on obtient

(∇J(u ∗ ), v − u ∗ ) = (−∆p(u ∗ ), y (v ) − y (u ∗ ))L2 (Ω) + α(u ∗ , v − u ∗ )L2 (Σ)

+(p(u ∗ ), y (v ) − y (u ∗ ))L2 (Ω)
(−∆ + Id)p(u ∗ ), y (v ) − y (u ∗ ) + α(u ∗ , v − u ∗ )L2 (Σ) .


= L2 (Ω)

A l’aide de la formule de Green et les conditions aux bords, on a

Z Z Z
∂
∆p(u ∗ ) y (v ) − y (u ∗ ) dx = p(u ∗ )∆ y (v ) − y (u ∗ ) − p(u ∗ )(v − u ∗ ) dΓ.



Ω Ω Σ ∂ν
et par conséquent

(∇J(u ∗ ), v − u ∗ ) − ∂n p(u ∗ ), y (v ) − y (u ∗ ) + α(u ∗ , v − u ∗ )L2 (Σ)

= L2 (Σ)

= (αu ∗ − ∂n p(u ∗ ), v − u ∗ )L2 (Σ) .

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 15 / 24
 Contrôle optimal des problèmes elliptiques Contrôle frontière

Un problème modèle : contrôle de la température

Preuve du théorème

L’inéquation d’Euler se réécrit donc

(αu ∗ − ∂n p(u ∗ ), v − u ∗ )L2 (Σ) ≥ 0 ∀v ∈ Uad .

Cas sans contrainte : Uad = L2 (Σ)

La condition d’optimalité devient u ∗ = − α1 ∂n p, si bien que y et p satisfont

 −∆y + y = f , dans Ω,
−∆p + p − y = −zd , dans Ω,
y = − α1 ∂n p, p = 0 sur ∂Ω.


Par régularité elliptique, le contrôle u appartient à H 2 (Ω).

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 15 / 24

 Contrôle optimal des problèmes elliptiques Contrôle frontière

Un problème modèle : contrôle de la température

Approche numérique

Récapitulons :

Le problème de contrôle optimal

inf J(v ) (P)

v ∈Uad
zd ∈ L2 (Ω) et y dépend implicite-
où Uad sous-espace convexe fermé de L (Σ) et 2 ment de v via l’EDP :

1 α −∆y + y = f x ∈ Ω
J(v ) = ky − zd k2L2 (Ω) + kv k2L2 (Σ) y =v x ∈ ∂Ω
2
| {z } 2
| {z }
attache aux données coût du contrôle/régularisation

On a montré que
Z
DJ(u) · h = (−∂n p(u)(x) + αu(x)) h(x) dx
Σ

−∆p(u) + p(u) = y (u) − zd , dans Ω,
et p(u) résout
p(u) = 0 sur ∂Ω.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 16 / 24

 Contrôle optimal des problèmes elliptiques Contrôle frontière

Un problème modèle : contrôle de la température

Approche numérique

Récapitulons :

Le problème de contrôle optimal

inf J(v ) (P)

v ∈Uad
zd ∈ L2 (Ω) et y dépend implicite-
où Uad sous-espace convexe fermé de L (Σ) et 2 ment de v via l’EDP :

1 α −∆y + y = f x ∈ Ω
J(v ) = ky − zd k2L2 (Ω) + kv k2L2 (Σ) y =v x ∈ ∂Ω
2
| {z } 2
| {z }
attache aux données coût du contrôle/régularisation

Algorithme de type gradient

; u 0 ∈ Uad donné.
; u k ∈ Uad étant connu, on le met à jour par la formule
 
u k+1 = ΠUad u k − ρk (−∂n p(u k ) + αu k )

où ΠUad est l’opérateur de projection sur Uad .

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 16 / 24
 Contrôle optimal des problèmes elliptiques Contrôle frontière

Un problème modèle : contrôle de la température

Approche numérique

Récapitulons :

Le problème de contrôle optimal

inf J(v ) (P)

v ∈Uad
zd ∈ L2 (Ω) et y dépend implicite-
où Uad sous-espace convexe fermé de L (Σ) et 2 ment de v via l’EDP :

1 α −∆y + y = f x ∈ Ω
J(v ) = ky − zd k2L2 (Ω) + kv k2L2 (Σ) y =v x ∈ ∂Ω
2
| {z } 2
| {z }
attache aux données coût du contrôle/régularisation

À chaque itération de l’algorithme, on doit

; résoudre l’état,
; PUIS résoudre l’adjoint,
; effectuer l’étape de projection,
; chercher le pas ρk de l’algorithme.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 16 / 24

 Contrôle optimal de l’équation de la chaleur

Sommaire

1 Rappels sur l’optimisation dans les espaces de Hilbert

2 Contrôle optimal des problèmes elliptiques

3 Contrôle optimal de l’équation de la chaleur

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 17 / 24

 Contrôle optimal de l’équation de la chaleur

Un mot sur le caractère “bien posé” de l’équation de la chaleur

Le modèle
Ω : ouvert connexe borné de bord C 2 ,
T > 0, horizon de temps. On utilisera les notations Q =]0, T [×Ω et Σ =]0, T [×∂Ω.
Considérons l’équation de la chaleur avec les conditions au bord de Dirichlet
 ∂y
 ∂t − ∆y = f dans Q
y =0 sur Σ
y (0, ·) = y0 (·) dans Ω.


Posons H = L2 (Ω), V = H01 (Ω). On intégre par parties l’équation principale et on trouve :
Z Z Z
d
y φdx + ∇y ∇φdx = f φdx, ∀φ ∈ V .
dt Ω Ω Ω
| {z }
=a(y (t),φ))

On cherche une fonction y ∈ C 0 (0, T ; H) ∩ L2 (0, T ; V ) satisfaisant l’équation variationnelle

d
(y (t), φ) + a(y (t), φ) = (f (t), φ), y (0) = y0 (1)
dt
au sens des distributions sur ]0, T [ pour toute fonction test φ ∈ V .
Une telle fonction y est appelée solution (faible) du problème variationnel.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 18 / 24

 Contrôle optimal de l’équation de la chaleur

Un mot sur le caractère “bien posé” de l’équation de la chaleur

Le modèle
Ω : ouvert connexe borné de bord C 2 ,
T > 0, horizon de temps. On utilisera les notations Q =]0, T [×Ω et Σ =]0, T [×∂Ω.
Considérons l’équation de la chaleur avec les conditions au bord de Dirichlet
 ∂y
 ∂t − ∆y = f dans Q
y =0 sur Σ
y (0, ·) = y0 (·) dans Ω.


Existence, unicité, régularité

Soient y0 ∈ H et f ∈ L2 (0, T ; H). On suppose que
V et H sont deux espaces de Hilbert tels que V ⊂ H avec injection dense et compacte
a(·, ·) est une forme bilinéaire symétrique continue sur H et coercive a
Alors, ce problème variationnel admet une unique solution faible. De plus, l’application
H × L2 (0, T ; H) 3 (y0 , f ) 7→ y ∈ C 0 (0, T ; H) ∩ L2 (0, T ; V )
est continue pour les normes correspondantes.
a. au sens où : ∃λ ≥ 0, α > 0 t.q. a(y , y ) + λ|y |2 ≥ αky k2 , ∀y ∈ V .

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 18 / 24

 Contrôle optimal de l’équation de la chaleur

Un mot sur le caractère “bien posé” de l’équation de la chaleur

Le modèle
Ω : ouvert connexe borné de bord C 2 ,
T > 0, horizon de temps. On utilisera les notations Q =]0, T [×Ω et Σ =]0, T [×∂Ω.
Considérons l’équation de la chaleur avec les conditions au bord de Dirichlet
 ∂y
 ∂t − ∆y = f dans Q
y =0 sur Σ
y (0, ·) = y0 (·) dans Ω.


Conséquence : l’équation de la chaleur ci-dessus possède une unique solution faible. De plus,
L2 (Q) 3 f 7→ y ∈ L2 (Q) est continue.

Cas de conditions au bord de Neumann : considérons l’équation de la chaleur ci-dessus avec des
∂y
conditions aux bords de Neumann homogènes, i.e. ∂ν = 0 sur Σ. Le théorème abstrait s’applique
à nouveau avec V = H 1 (Ω), H = L2 (Ω) et fournit l’existence d’une unique solution faible si
y0 ∈ L2 (Ω) et f ∈ L2 (0, T ; L2 (Ω)).

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 18 / 24

 Contrôle optimal de l’équation de la chaleur

Cas de conditions au bord non-homogènes

Théorème (conditions de Dirichlet non-homogènes)
Soient y0 ∈ L2 (Ω), v ∈ L2 (Σ) et f ∈ L2 (0, T ; L2 (Ω)).
Alors l’équation de la chaleur avec conditions aux bords de Dirichlet non-homogènes
 ∂y
 ∂t − ∆y = f dans Q
y =v sur Σ (2)
y (0, ·) = y0 (·) dans Ω.


admet une unique solution faible y ∈ L2 (0, T ; H01 (Ω)), i.e.

ky kL2 (0,T ;L2 (Ω)) ≤ C (ky0 kL2 (Ω) + kv kL2 (0,T ;L2 (∂Ω)) + kf kL2 (0,T ;L2 (Ω)) ),
Z TZ Z Z TZ Z TZ
∂φ (3)
yh dxdt = y0 φ(0) dx + f φ dxdt − v dΓdt
0 Ω Ω 0 Ω 0 ∂Ω ∂ν

pour toute fonction h ∈ L2 (Ω).

Ce qui importe ici :

La fonction L (Σ) 3 v 7→ y (v ) ∈ L (0, T ; H01 (Ω))
2 2

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 19 / 24

 Contrôle optimal de l’équation de la chaleur

Cas de conditions au bord non-homogènes

Théorème (conditions de Neumann non-homogènes)
Soient y0 ∈ L2 (Ω), v ∈ L2 (0, T ; L2 (Σ)) et f ∈ L2 (0, T ; L2 (Ω)).
De façon analogue, l’équation de la chaleur avec les conditions aux bords de Neumann
non-homogènes.  ∂y
 ∂t − ∆y = f dans Q,
∂y
∂ν
=v sur Σ,
y (0, ·) = y0 (·) dans Ω.


admet une unique solution faible telle que y ∈ L2 (0, T ; H 1 (Ω)).

On admet ces deux résultats (la preuve repose sur un argument de dualité).
Ce qui importe ici :
La fonction L (Σ) 3 v 7→ y (v ) ∈ L (0, T ; H 1 (Ω))
2 2

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 19 / 24

 Contrôle optimal de l’équation de la chaleur

Le problème de contrôle optimal

Le problème de contrôle optimal

inf J(v ) (P)

v ∈Uad
y0 ∈ L2 (), zd ∈ L2 (Q) et y = y (v )
où Uad sous-espace convexe fermé de L2 (Q) résout l’EDP :
et
 ∂y
 ∂t − ∆y = f + v dans Q,
1 α y =0 sur Σ,
J(v ) = ky (v ) − zd k2L2 (Q) + kv k2L2 (Q) 
y (0, x) = y0 (x) dans Ω.
2
| {z } 2
| {z }
attache aux données coût du contrôle

Analyse du problème :
différentiabilité du critère (donc différentiabilité de v 7→ y (v )
calcul du gradient DJ(v ) · h et conditions d’optimalité
algorithme de résolution

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 20 / 24

 Contrôle optimal de l’équation de la chaleur

Différentiabilité du critère

2
Soit (u, v ) ∈ Uad . Puisque Uad est convexe, (1 − ε)u + εv ∈ Uad si ε ∈ [0, 1] et si ε > 0
est assez petit, il vient que u + ε(v − u) est admissible (appartient à Uad ).
y (u + ε(v − u)) − y (u)
On définit y 0 (v − u) = lim . Il est clair que y 0 (v − u) résout
ε&0 ε
 ∂y 0 (v −u)
 ∂t
− ∆y 0 (v − u) = v − u dans Q,
0
y (v − u) = 0 sur Σ,
 0
y (v − u)(0, x) = 0 dans Ω.

En en déduit que y 0 (v −u) = y (v )−y (u). Il reste à montrer que y 0 (v −u) est la différentielle
de y en u dans la direction v − u.

On a vu que l’application affine L2 (Q) 3 v 7→ y (v ) ∈ L2 (Q) est continue (donc différen-

tiable, puisque elle est affine). Par conséquent,
L2 (Q) 3 v 7→ y (v ) ∈ L2 (Q) est différentiable de différentielle y 0 (v − u)

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 21 / 24

 Contrôle optimal de l’équation de la chaleur

Différentiabilité du critère

Par composition, la fonction J est différentiable sur L2 (0, T ; L2 (Ω)). On note (∇J(u), v −u)
la différentielle de J en u dans la direction v − u.
On a
J(u + ε(v − u)) − J(u)
(∇J(u), v − u) = lim .
ε&0 ε
il vient :

(∇J(u), v − u) = (y (u) − zd , y (v ) − y (u))L2 (0,T ;L2 (Ω)) + α(u, v − u)L2 (0,T ;L2 (Ω)) .
| {z } | {z }
terme implicite en v − u terme explicite en v − u

et par conséquent

(∇J(v ) − ∇J(u), v − u)) = ky (v ) − y (u)k2L2 (0,T ;L2 (Ω)) + αkv − uk2L2 (0,T ;L2 (Ω))
≥ kv − uk2L2 (0,T ;L2 (Ω)) .

Ceci montre que J est α−convexe sur L2 (0, T ; L2 (Ω)).

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 21 / 24

 Contrôle optimal de l’équation de la chaleur

Différentiabilité du critère

De plus, J est continue sur L2 (Q) par composition v 7→ kv kL2 (Q) est bien sûr continue et
L2 (Q) 3 v 7→ y (v ) ∈ L2 (Q) l’est aussi comme on l’a vu.

Existence et caractérisation du minimiseur

Le problème de contrôle optimal admet une seule solution qui est caractérisée par
l’inéquation d’Euler :
∀v ∈ Uad , (∇J(u), v − u) ≥ 0.

Souvenons-nous que dans le cas où Uad = L2 (Ω), l’inéquation d’Euler devient

∇J(u) = 0

(adapter les résultats vus au début de ce chapitre pour s’en convaincre)

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 21 / 24

 Contrôle optimal de l’équation de la chaleur

Calcul du gradient, méthode d’adjoint

Problématique : réécrire (y (u) − zd , y 0 (v − u))L2 (0,T ;L2 (Ω)) explicitement en fonction de
v − u (cf. théorème de Riesz). On rappelle que y 0 (v − u) = y (v ) − y (u).

Voici les étapes à suivre :

On cherche l’EDP résolue par la différentielle y 0 (v − u). Elle s’écrit sous la forme
Ly 0 (v − u) = second membre, où L est un opérateur différentiel.
On introduit un état adjoint p solution de L∗ p = F où L∗ est l’opérateur adjoint de
L, au sens des distributions.
Exemple : si L = ∂x , alors L∗ = −∂x . Si L = ∆, alors L∗ = ∆, etc.
On multiplie l’équation sur y 0 (v − u) par p et on intègre par parties. On choisit alors
F et les conditions au bord de façon à obtenir une relation de la forme

(∇J(u), v − u) = (quantité indépendante de v , v − u)L2 (Q)

∂y 0 (v −u)
Dans l’exemple traité, ∂t
− ∆y 0 (v − u) = v − u dans Q, donc

L = ∂t − ∆, L∗ = −∂t − ∆

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 22 / 24

 Contrôle optimal de l’équation de la chaleur

Calcul du gradient, méthode d’adjoint

Problématique : réécrire (y (u) − zd , y 0 (v − u))L2 (0,T ;L2 (Ω)) explicitement en fonction de
v − u (cf. théorème de Riesz). On rappelle que y 0 (v − u) = y (v ) − y (u).

On choisit donc l’état adjoint p solution d’une équation de la forme

(−∂t − ∆)p = F

où F est un second membre à préciser.

On multiplie l’équation sur y 0 (v − u) par p et on intègre.
Z TZ   Z TZ
∂
− ∆ y 0 (v − u)p dxdt = (v − u)p dxdt
0 Ω ∂t 0 Ω

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 22 / 24

 Contrôle optimal de l’équation de la chaleur

Calcul du gradient, méthode d’adjoint

Problématique : réécrire (y (u) − zd , y 0 (v − u))L2 (0,T ;L2 (Ω)) explicitement en fonction de
v − u (cf. théorème de Riesz). On rappelle que y 0 (v − u) = y (v ) − y (u).
On intègre par parties :
Z TZ Z Z TZ
t=T ∂p
py 0 (v − u) t=0 y 0 (v − u) dxdt

(v − u)p dxdt = −
0 Ω Ω  0 Ω ∂t
∂y 0 (v − u)
Z TZ Z TZ
− p+ ∇p · ∇y 0 (v − u) dxdt
0 ∂Ω ∂n 0 Ω

Intégrons par parties une deuxième fois en espace. il vient

Z TZ Z Z TZ  
∂
(v − u)p dxdt = p(T , ·)y 0 (v − u)(T , ·) + − − ∆ py 0 (v − u) dxdt
0 Ω Ω 0 Ω ∂t
∂y 0 (v − u)
Z TZ
− p
0 ∂Ω ∂n

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 22 / 24

 Contrôle optimal de l’équation de la chaleur

Calcul du gradient, méthode d’adjoint

Problématique : réécrire (y (u) − zd , y 0 (v − u))L2 (0,T ;L2 (Ω)) explicitement en fonction de
v − u (cf. théorème de Riesz). On rappelle que y 0 (v − u) = y (v ) − y (u).
∂
− ∆ p = F et y 0 (v − u) = y (v ) − y (u), on trouve :


Puisque − ∂t
∂y 0 (v − u)
Z Z TZ Z TZ Z TZ
p(T , ·)y 0 (v −u)(T , ·)+ F (y (v )−y (u)) dxdt − p= (v −u)p dxdt
Ω 0 Ω 0 ∂Ω ∂n 0 Ω

Dans cette expression, on cherche à reconnaître (∇J(u), v − u) en choisissant judicieuse-

ment F et p(T , ·).
Rappelons que

(∇J(u), v − u) = (y (u) − zd , y (v ) − y (u))L2 (0,T ;L2 (Ω)) + α(u, v − u)L2 (0,T ;L2 (Ω))

On choisit. . . ?

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 22 / 24

 Contrôle optimal de l’équation de la chaleur

Calcul du gradient, méthode d’adjoint

Problématique : réécrire (y (u) − zd , y 0 (v − u))L2 (0,T ;L2 (Ω)) explicitement en fonction de
v − u (cf. théorème de Riesz). On rappelle que y 0 (v − u) = y (v ) − y (u).
∂
− ∆ p = F et y 0 (v − u) = y (v ) − y (u), on trouve :


Puisque − ∂t
∂y 0
 Z TZ Z TZ Z TZ
 −
Z
u)
p(T ,  0 
·)y(v − u)(T , ·) + F (y (v ) − y (u)) −   (v  p= (v − u)p
Ω 0 Ω

0 ∂Ω ∂n 0 Ω
| {z }
=(y (u)−zd ,y (v )−y (u))L2 (0,T ;L2 (Ω))

Dans cette expression, on cherche à reconnaître (∇J(u), v − u) en choisissant judicieuse-

ment F et p(T , ·).
Rappelons que

(∇J(u), v − u) = (y (u) − zd , y (v ) − y (u))L2 (0,T ;L2 (Ω)) + α(u, v − u)L2 (0,T ;L2 (Ω))

On choisit :
F = y (u) − zd , p(T , ·) = 0, p(t, ·) = 0 sur ∂Ω,
de sorte que
Z TZ
(y (u) − zd , y (v ) − y (u))L2 (0,T ;L2 (Ω)) = (v − u)p dxdt
0 Ω
Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 22 / 24
 Contrôle optimal de l’équation de la chaleur

Calcul du gradient, méthode d’adjoint

Problématique : réécrire (y (u) − zd , y 0 (v − u))L2 (0,T ;L2 (Ω)) explicitement en fonction de
v − u (cf. théorème de Riesz). On rappelle que y 0 (v − u) = y (v ) − y (u).

Bilan
On a montré que

(∇J(u), v − u) = (y (u) − zd , y (v ) − y (u))L2 (0,T ;L2 (Ω)) + α(u, v − u)L2 (0,T ;L2 (Ω))
Z TZ
= (v − u) (p + αu) dxdt
0 Ω

où p = p(u) résout l’équation de la chaleur rétrograde

 ∂p(u)
 − ∂t − ∆p(u) = y (u) − zd dans Q,
p(u) = 0 sur Σ,
p(u)(T ) = 0 dans Ω


ce qui signifie en particulier que

∇J(u) = p(u) + αu.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 22 / 24

 Contrôle optimal de l’équation de la chaleur

Résumons-nous
Théorème (conditions d’optimalité)
Le problème de contrôle optimal admet une unique solution u qui est caractérisée par
l’équation de la chaleur
∂y (u)

 − ∆y (u) = f + u
∂t
dans Q,
y (u) = 0 sur Σ, (4)
y (0) = y0 dans Ω


l’équation adjointe rétrograde

 ∂p(u)
 − ∂t − ∆p(u) = y (u) − zd dans Q,
p(u) = 0 sur Σ, (5)
p(u)(T ) = 0 dans Ω


la condition d’optimalité

(p(u) + αu, v − u)L2 (0,T ;L2 (Ω)) ≥ 0, ∀v ∈ Uad . (6)

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 23 / 24

 Contrôle optimal de l’équation de la chaleur

Résumons-nous
Cas sans contrainte
Lorsque Uad = L2 (0, T ; L2 (Ω)), l’inéquation d’Euler s’écrit
1
u = − p(u) dans Q.
α
Le système d’optimalité devient
 ∂y (u)
− ∆y (u) + α1 p(u) = f dans Q,
 ∂t∂p(u)


− ∂t − ∆p(u) − y (u) = −zd dans Q,
 y (u) = p(u) = 0


sur Σ,
y (0) = y0 , p(u)(T ) = 0 dans Ω.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 23 / 24

 Contrôle optimal de l’équation de la chaleur

Algorithme numérique de résolution

Algorithme de type gradient

; u 0 ∈ Uad donné.
; u k ∈ Uad étant connu, on le met à jour par la formule
 
u k+1 = ΠUad u k − ρk (p(u k ) + αu k )
où ΠUad est l’opérateur de projection sur Uad .
Ce calcul nécessite de résoudre à chaque itération le système
∂y (u k )



 ∂t
− ∆y (u k ) = f + u k dans Q,
∂p(u k )

k
− ∂t − ∆p(u ) = y (u ) − zd k dans Q,
k k
 y (u ) = p(u ) = 0 sur Σ,


y (0) = y0 , p(u k )(T ) = 0

dans Ω.
NB : pour résoudre le problème adjoint (rétrograde), on peut poser
p̃(u)(t, x) = p(u)(T − t, x), ỹ (u)(t, x) = y (u)(T − t, x), z̃d (t, x) = zd (T − t, x) et on se
ramène à la résolution du problème
∂y (u k )



 ∂t
− ∆y (u k ) = f + u k dans Q,
 ∂ p̃(u k
) k ) = ỹ (u k ) − z̃
∂t
− ∆ p̃(u d dans Q,
k k
 y (u ) = p̃(u ) = 0 sur Σ,


y (0) = y0 , p̃(u k )(0) = 0

dans Ω.

Y. Privat (univ. Strasbourg) M2 - Contrôle et EDP M2 CSMI - contrôle optimal 24 / 24