Introduction Al Analyse Et A La Commande Des Systemes Nonlineaires

Philippe M ullhaupt
Introduction à lAnalyse et à la
Commande des Systèmes Non
Lineaires
12 juin 2007
Avant-propos
Lobjectif de ce livre est de presenter les fondements de lanalyse et de la
synthèse de loi de commande pour les systèmes non lineaires.
Le terme de système apparat de plus en plus pour designer une multi-
tudes de choses, par exemple pour un ensemble organise de concepts, darran-
gements, dassemblage, de composition didees et dobjets concrets.
Nous entendrons par système, une representation mathematique par des
equations dierentielles ordinaires non lineaires dune realite physique pou-
vant provenir de plusieurs disciplines dierentes : biologie, genie mecanique,
electrique, chimique, physique, etc.
Ainsi, nous nous demarquons à la fois du sens biologique classique qui en-
tend par système, un ensemple structure delements naturels de meme espèce
ou de meme fonction, et du sens mecaniste qui entend par système, un appareil
ou dispositif forme par une reunion dorganes, delements analogues.
Toutefois, la nature de structure est clairement presente dans notre denition
de système, et nous mettons clairement la notion duniversalite dapplication
des theories developpees, pour autant quelles puissent donner une adequation
à la fois avec lobservation des phenomènes et avec la predicabilite de ceux-ci.
Finalement, la provenance des equations decrivants un modèle de la realite
disparat lorsque lon etudie, par voie mathematique, son comportement.
La comprehension de ce comportement fera lobjet de la première partie
intitulee Analyse, et sa modication, lobjet de la seconde partie intitulee
Synthèse.
Le comportement est ici à comprendre dans son sens large, à savoir non
seulement levolution temporelle des solutions de lensemble des equations
dierentielles ordinaires decrivant le modèle, mais egalement certaines pro-
prietes topologiques caracteristiques de cet ensemble : par exemple, type et
qualite des points singuliers (c.-à-d, la classication des points dequilibre
stables ou instables), lexistence de cycle limite, la delimitation du bassin
dattraction des points dequilibre stables, etc.
VI Avant-propos
Une grande partie du livre est consacre à denir convenablement le concept
de stabilite et de donner des outils permettant de determiner avec un nombre
doperation reduit cette propriete.
Nous verrons egalement que le comportement peut etre modie par le
concept de retroaction (ou loi de commande). En modiant certaines variables
apparaissants dans le système dequations dierentielles (que lon designe par
le nom dentree) en utilisant linformation de certaines autres variables de
cet ensemble (appelee sortie) de telle sorte que les variables dentrees soient
mises en correspondance avec les variables de sortie, le concept de boucle de
retroaction fait son entree, et permet de modier radicalement le comporte-
ment de lensemble des equations dierentielles. Ainsi, un système initialement
instable peut devenir stable.
Il est alors necessaire dexploiter la denition de la stabilite et de ces
caracterisations pour elaborer les correspondances entre entrees et sorties (les
lois de commande) de telle sorte de parvenir à ces ns.
Ce livre est issu dun enseignement à des etudiants en n detudes
dingenieur en genies electrique, microtechnique, et mecanique. La matière est
couverte à raison de deux heures par semaines sur une duree dun semestre.
Je conseille vivement dintercaller des seances à lordinateur permettant aux
etudiants detre confrontes eux-memes aux problèmes, ce qui rend le contenu
de la matière plus concrète et plus facilement assimilable. Je remercie les
nombreuses volees detudiants qui mont permis daner louvrage propose et
surtout ma comprehension du sujet.
Jespère egalement avoir pu leur transmettre les connaissances de cette
discipline et transmis un peu de mon enthousiasme pour cette matière parfois
daspect superciellement aride.
Ce texte est une introduction au sujet et lobjectif est de permettre,
dans un volume compact, laccès à une litterature dicile à un large spectre
de lecteurs de formation scientique et technique diverse. Les prerequis ne
sont pas excessifs ; de bonnes notions sur les equations dierentielles et les
representations associees comme la transformee de Laplace et la notion de
fonction de transfert sont requises ; il est necessaire egalement de connatre
les concepts de representation detat lineaire, de commandabilite et dobser-
vabilite.
Malheureusement, le traitement propose dans cet ouvrage ne couvre que
les systèmes ayant une seule entree et ne dependant pas du temps. Le concept
dobservateur non lineaire nest pas aborde et le concept de gouvernabilite
non lineaire nest pas traite dans toute sa complexite. Laccent est mis sur
laccessibilite, presentee comme condition necessaire à la linearisation detat.
Les concepts qui ne sont pas traites peuvent etre abordes sereinement une fois
que la matière de ce cours est assimilee. Leur exposition correspond mieux à
un cours au niveau doctoral.
Avant-propos VII
Une bibliographie se trouve à la n de louvrage qui contient exclusivement
des references à des livres complets. Cest un choix personnel dicte par la
diculte de faire une bibliographie pertinente au niveau introductif sans leser
les auteurs deminentes publications qui seraient laisses de c ote, non pas par
manque dinteret, mais par soucis de compacite. Une solution aurait ete de
faire une bibliographie exhaustive mais elle demanderait une liste enorme. Par
exemple, les references à la litterature (essentiellement russe) se trouvant dans
louvrage [BS70] couvre dej` a plus de 35 pages.
Jinvite donc le lecteur de se referer aux bibliographies detaillees des ou-
vrages cites à la n de cet ouvrage. Le premier de ceux-ci qui ma transmis
lenthousiasme de la discipline est [SL91]. Il nest pas etonant que le present
ouvrage en est fortement inspire pour la redaction de plusieurs chapitres, en
particulier pour la separation en deux parties, analyse et synthèse. Egalement
dans cette meme optique, louvrage incontournable de [Kha02], longtemps
utilise comme support au cours (avec louvrage de [SL91] precedemment men-
tionne), ma egalement fortement inspire à plusieurs reprises. Je felicite lau-
teur pour son ouvrage, un modèle de rigueur et un excellent point dentree
pour quiconque voulant approfondir au del` a du present contenu.
Le chapitre geometrie est inspire de [Isi89], [NvdS90], [KN63],[Car71] et
[For59], en particulier jattire lattention sur ces deux dernières references pour
la notion des 1-formes, du calcul exterieur et de la derivee exterieure. Jinvite
egalement le lecteur interesse à consulter lexcellent [Mor01].
La commande par les methodes de Lyapunov est inspiree par plusieurs
passages dans [SJK97] et jen remercie les auteurs.
Cet ouvrage est egalement le fruit de mes nombreuses interactions avec
mes doctorants que je remercie vivement, sans qui lexposition de la matière
serait plus opaque. Cest ainsi que je temoigne ma sincère gratitude à Davide
Buccieri, Jean-Yves Favez, Basile Graf, Yvan Michellod, Thierry Prudhomme
et Christophe Salzmann.
Le premier professeur mayant transmis les notions essentielles de com-
mande detat est le professeur Roland Longchamp dont la pedagogie et le
go ut pour la science mont pousse à morienter vers lautomatique durant mes
etudes. Je le remercie vivement pour cela, mais surtout jaimerais le remercier
particulièrement pour avoir encourage la realisation de cet ouvrage, ainsi que
pour son soutient sans faille tout au long de la redaction de celui-ci.
Ensuite, jaimerais chaleureusement remercier le professeur Jean Levine
qui ma permis de me specialiser en commande non lineaire, me transmettant
les connaissances indispensables durant mon sejour au Centre Automatique et
Systèmes de lEcole des Mines de Paris à Fontainebleau. Je remercie egalement
le professeur Laurent Praly avec qui jai pu discute de manière quotidienne
lors du repas de midi.
Jaimerais egalement remercier le professeur Zhong-Ping Jiang pour lex-
cellent travail en commun eectue à Lausanne et à New York. Son aisance
VIII Avant-propos
avec les inegalites mathematiques est impressionnante. Jai resume quelques
unes de ces techniques dans le present ouvrage, et je le remercie vivement
pour mavoir transmis cette connaissance.
Jaimerais egalement remercier les professeurs Dominique Bonvin, Sebas-
tian Dormido, Balint Kiss, Balasubrahmanyan Srinivasan, ainsi que le Dr.
Denis Gillet pour le très bon travail scientique eectue en commun aboutis-
sant à des publications internationales.
Lausanne, Juin 2007 Philippe M ullhaupt
Table des matières
Partie I Analyse
1 Denition et proprietes des systèmes non lineaires . . . . . . . . . 3
1.1 Principe de superposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Classe de systèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Reponse indicielle disymetrique . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Termes dordre superieur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Points dequilibre isoles multiples . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.6 Explosion en temps ni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.7 Reponse harmonique multiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.8 Orbites chaotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Diagramme de phase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1 Plan de phase pour les système du second ordre . . . . . . . . . . . . . 11
2.1.1 Système masse-ressort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2 Techniques de graphe du plan de phase . . . . . . . . . . . . . . . . . . . . . 12
2.3 Systèmes lineaires du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3.1 Solutions numeriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.2 Graphe des pentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.3 Elimination du temps explicitement . . . . . . . . . . . . . . . . . . 15
2.3.4 Elimination du temps implicitement . . . . . . . . . . . . . . . . . 15
2.3.5 Methode des isoclines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.6 Exemple : oscillateur de van der Pol . . . . . . . . . . . . . . . . . 17
2.4 Cycles limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.1 Classication des cycles limites . . . . . . . . . . . . . . . . . . . . . . 20
X Table des matières
2.5 Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5.1 Type de points dequilibre . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5.2 Classication des points dequilibre . . . . . . . . . . . . . . . . . . 22
2.5.3 Theorème de lindex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.5.4 Theorème de Bendixson . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6 Impossibilite du chaos planaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6.1 Theorème de Poincare-Bendixson . . . . . . . . . . . . . . . . . . . . 25
2.7 Exemple : dynamique de populations . . . . . . . . . . . . . . . . . . . . . . . 25
2.7.1 Competition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.7.2 Predateur-proie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3 Methode du premier harmonique . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.1 Système lineaire et non-linearite statique . . . . . . . . . . . . . . . . . . . 32
3.1.1 Excitation sinusodale en boucle ouverte . . . . . . . . . . . . . . 33
3.1.2 Caracteristique passe-bas du système lineaire G(s) . . . . . 33
3.1.3 Gain complexe equivalent . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2 Premier harmonique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2.1 Decomposition en harmoniques . . . . . . . . . . . . . . . . . . . . . . 37
3.2.2 Equivalent du premier harmonique . . . . . . . . . . . . . . . . . . 37
3.2.3 Calcul de lequivalent du premier harmonique . . . . . . . . . 38
3.3 Non-linearites communes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3.1 Saturation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.3.2 Zone morte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3.3 Relais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.4 Hysterèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.5 Non-linearites symetriques, continues par morceaux . . . . 46
3.4 Système en retroaction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4.1 Representation graphique. . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.2 Double integrateur et oscillateurs lineaires . . . . . . . . . . . . 50
3.4.3 Theorème de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.5 Critère de stabilite. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.5.1 Cycle limite stable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.5.2 Cycle limite instable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.6 Fiabilite de lanalyse par le premier harmonique . . . . . . . . . . . . . 61
3.7 Oscillateur de Van der Pol revisite . . . . . . . . . . . . . . . . . . . . . . . . . 61
Table des matières XI
4 Stabilite au sens de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.1 Point dequilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2 Rappel de la notion de stabilite pour les systèmes lineaires . . . . 65
4.3 Notion intuitive de la stabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.4 Denition mathematique precise de la stabilite . . . . . . . . . . . . . . 66
4.4.1 Notion de distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.4.2 Stabilite : denition formelle . . . . . . . . . . . . . . . . . . . . . . . . 67
4.4.3 Illustration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.4.4 Stabilite asymptotique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.4.5 Desavantages de la denition. . . . . . . . . . . . . . . . . . . . . . . . 70
4.5 Methode directe de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.5.1 Candidat de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.5.2 Fonction de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.6 Exemple : robot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.6.1 Loi de commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.6.2 Lois de la mecanique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.6.3 Candidat Lyapunov. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.6.4 Fonction de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.7 Theorème de stabilite locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.7.1 Preuve (stabilite locale) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.7.2 Preuve de stabilite locale asymptotique . . . . . . . . . . . . . . 77
4.8 Stabilite exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.8.1 Exemple : Dynamique des populations . . . . . . . . . . . . . . . 79
4.9 Stabilite globale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.10 Fonction de Lyapunov pour les systèmes lineaires . . . . . . . . . . . . 81
4.11 Stabilite locale et linearisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.11.1 Inconvenients de la methode indirecte . . . . . . . . . . . . . . . . 84
4.12 Stabilite exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.13 Theorème dinvariance de LaSalle. . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.13.1 Ensemble invariant M . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.13.2 Ensemble dannulation de la derivee de la fonction de
Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.13.3 Exemple : le pendule simple . . . . . . . . . . . . . . . . . . . . . . . . 87
4.14 Methodes de construction des fonctions de Lyapunov. . . . . . . . . 91
4.14.1 Methode de Krasovskii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.15 Methode du gradient variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
XII Table des matières
4.16 Resultat dinstabilite 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.17 Resultat dinstabilite 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.18 Resultat dinstabilite 3 : th. de Chetaev . . . . . . . . . . . . . . . . . . . . 96
4.19 Techniques de comparaison et majoration. . . . . . . . . . . . . . . . . . . 97
4.19.1 Les formes quadratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.19.2 Ination et deation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.19.3 Le developpement limite . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.19.4 La reintroduction de V . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.19.5 Lequation integrale associee . . . . . . . . . . . . . . . . . . . . . . . . 101
4.19.6 Quelques inegalites standards . . . . . . . . . . . . . . . . . . . . . . . 103
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5 Passivite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.1 Notion intuitive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.2 Exemple de système statique passif . . . . . . . . . . . . . . . . . . . . . . . . 108
5.3 Système statique passif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.4 Exemple de système dynamique passif . . . . . . . . . . . . . . . . . . . . . . 109
5.5 Denition dierentielle de la passivite . . . . . . . . . . . . . . . . . . . . . . 111
5.6 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.6.1 Connexion parallèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.6.2 Connexion par retroaction . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.6.3 Denition integrale de la passivite . . . . . . . . . . . . . . . . . . . 114
5.7 Passivite des systèmes lineaires SISO. . . . . . . . . . . . . . . . . . . . . . . 114
5.7.1 Preuve du lien entre passivite et reponse harmonique
positive reelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.8 Système reel positif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.8.1 Degre relatif et minimum de phase . . . . . . . . . . . . . . . . . . 119
5.8.2 Lien entre Lyapunov et système RP . . . . . . . . . . . . . . . . . 122
5.9 Stabilite absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.9.1 Non-linearite statique de secteur . . . . . . . . . . . . . . . . . . . . 128
5.9.2 Denition de la stabilite absolue . . . . . . . . . . . . . . . . . . . . . 128
5.9.3 Conjecture de M. A. Aizerman . . . . . . . . . . . . . . . . . . . . . . 130
5.9.4 Critère du cercle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
5.9.5 Critère de Popov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
Table des matières XIII
Partie II Synthèse
6 Elements de Geometrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
6.2 Variete, Cartes et Atlas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
6.2.1 Dieomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
6.3 Solution de lequation dierentielle . . . . . . . . . . . . . . . . . . . . . . . . 150
6.4 Champ de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
6.5 Espace dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
6.6 Produit tensoriel et forme multilineaire . . . . . . . . . . . . . . . . . . . . . 152
6.7 Produit scalaire et produit exterieur en dimension deux . . . . . . 153
6.7.1 forme bilineaire symetrique . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.7.2 forme bilineaire antisymetrique (alternee) . . . . . . . . . . . . . 154
6.7.3 Produit exterieur de deux formes lineaires . . . . . . . . . . . . 155
6.8 Forme multilineaire alternee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
6.9 Cotangent et les 1-forme dierentielles . . . . . . . . . . . . . . . . . . . . . 157
6.10 Le gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
6.11 Derivee de Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.12 Crochet de Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
6.12.1 Proprietes du crochet de Lie . . . . . . . . . . . . . . . . . . . . . . . . 162
6.13 Dierentiation exterieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
6.13.1 Dierentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
6.13.2 Derivation exterieure dune 1-forme . . . . . . . . . . . . . . . . . . 165
6.13.3 Derivation exterieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
6.13.4 Theorème de Stokes generalise . . . . . . . . . . . . . . . . . . . . . . 167
6.14 Integrabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
6.15 Dierence entre une 1-forme exacte et integrable. . . . . . . . . . . . . 170
6.16 Dierentielles et derivation exterieure . . . . . . . . . . . . . . . . . . . . . . 171
6.17 Proprietes de la dierentielle exterieure . . . . . . . . . . . . . . . . . . . . . 173
6.18 Condition dexactitude et dintegrabilite . . . . . . . . . . . . . . . . . . . . 174
6.19 Interpretation geometrique de lintegrabilite et de la
non-integrabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
6.20 Les deux formes du theorème de Frobenius . . . . . . . . . . . . . . . . . 184
7 Commande par linearisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
7.1 Linearisation locale et stabilisation . . . . . . . . . . . . . . . . . . . . . . . . 192
7.1.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
XIV Table des matières
7.2 Linearisation exacte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
7.3 Equation derreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
7.3.1 Fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
7.3.2 Equation dierentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
7.3.3 Placement de p oles et equation derreur . . . . . . . . . . . . . . 201
7.4 Systèmes lineaires SISO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
7.4.1 Sortie speciee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
7.4.2 Sortie non speciee, formule dAckermann . . . . . . . . . . . . 212
7.5 Linearisation entree-sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
7.6 Linearisation exacte entree-etat . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
7.6.1 Conditions pour la sortie plate . . . . . . . . . . . . . . . . . . . . . . 217
7.6.2 Exemple : Robot avec joint exible . . . . . . . . . . . . . . . . . . 220
7.6.3 Exemple : Bille roulant sur une barre . . . . . . . . . . . . . . . . 224
7.7 Commande dune chane dintegrateurs . . . . . . . . . . . . . . . . . . . . . 226
7.7.1 Stabilisation et poursuite . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
7.7.2 Transit en temps ni avec commande a priori . . . . . . . . . 227
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
8 Commande par les methodes de Lyapunov. . . . . . . . . . . . . . . . . 233
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
8.2 Fonction de Lyapunov de Commande . . . . . . . . . . . . . . . . . . . . . . 234
8.3 Structure cascade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
8.3.1 Restriction de la croissance du terme de couplage . . . . . . 237
8.4 Passivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
8.5 Phenomène du peaking . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
8.6 Backstepping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
8.6.1 Fonction de Lyapunov reduite . . . . . . . . . . . . . . . . . . . . . . . 248
8.6.2 Fonction de Lyapunov complète . . . . . . . . . . . . . . . . . . . . . 249
8.6.3 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
Litterature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
Partie I
Analyse
1
Denition et proprietes des systèmes non
lineaires
La notion de système non lineaire est fondee sur le non respect du principe
de superposition. Les systèmes nobeissant pas au principe de superposition
sont très nombreux. Nous presenterons une sous-classe de tels systèmes pour
lesquels les equations dierentielles ordinaires sont susantes à leur descrip-
tion. Cette classe sera etudiee tout au long de cet ouvrage. Finalement, plu-
sieurs proprietes propres à cette classe sont illustrees à travers divers exemple.
1.1 Principe de superposition
Un système lineaire pourvu dune entree u et dune sortie y obeit au prin-
cipe de superposition.
Denition 1.1. (Prinicipe de superposition). Soit deux signaux dentrees u
1
et u
2
engendrants deux signaux de sorties y
1
y
2
. La reponse ` a la somme des
entrees u = u
1
+u
2
est la somme des reponses individuelles, i.e. y = y
1
+y
2
.
Une consequence directe de ceci est :
Caracteristique 1.2. Pour tout système obeissant au principe de superposition,
la reponse à une amplication du signal par un facteur engendre une ampli-
cation de la sortie par un meme facteur . En dautres termes si y corrspond
à u alors la reponse à u est y.
Ce principe est à lorigine meme de la denition dun système lineaire.
Denition 1.3. Tout système obeissant au principe de superposition est un
système lineaire.
Par consequent tout système qui nobeit plus au principe de superposition
est un système non-lineaire, lobjet de ce livre.
4 1 Denition et proprietes des systèmes non lineaires
1.2 Classe de systèmes
La classe de système qui sera etudiee dans ce texte est celle decrivant les
modèles de systèmes physiques qui peuvent se representer par un ensemble
dequations dierentielles ordinaires. Le modèle mathematique du système
physique secrit
x = f(x, u), (1.1)
o` u x represente le vecteur detat x =
_
x
1
x
2
. . . x
n
_
T
de dimension n et
u un vecteur de grandeur dentree u =
_
u
1
, u
2
, . . . u
m
_
T
avec m grandeurs de
commandes u
i
R, i = 1, . . . , m.
Tout au long de cet ouvrage, nous supposerons que f(x, u) apparaissant
dans (1.1) est une fonction continue de ces deux arguments. De plus cette
continuite sera telle que la solution de (1.1) est unique pour des conditions
initiales x
0
et une commande u
o
determinees. La condition sur cette conti-
nuite est que f(x, u) soit Lipschitz continue (en chaque point levolution in-
nitesimale locale de f(x, u) doit etre bornee).
Denition 1.4. La fonction f(x, u) est appelee Lipschitz continue selon ces
deux arguments x et u lorsque, dune part, elle est continue selon ses deux
arguments x et u et, dautre part, lorsquil existe deux constantes c
1
R et
c
2
R telles que pour toute valeur de x
1
et x
2
, (resp. u
1
et u
2
),
f(x
1
, u) f(x
2
, u) c
1
x
1
x
2
,
resp.
f(x, u
1
) f(x, u
2
) c
2
u
1
u
2
.
Le lecteur interesse par la necessite et la susance de cette condition est
invite à consulter [Kha02].
Cependant, nous nexpliquerons pas complètement comment obtenir un
tel modèle, etant donne quil serait alors necessaire de couvrir un très grand
nombres de disciplines connexes : chimie, physique, mecanique du solide, elec-
trotechnique, etc., chacune ayant une theorie de la modelisation propre condui-
sant à des equations dierentielles ordinaires susmentionnees.
Avant dentrer dans le vif du sujet, mentionnons que les systèmes non
lineaires possèdent des particularites singulières qui sont complètement ab-
sente des systèmes lineaires. Certaines de ces proprietes sont presentees ci-
après.
1.3 Reponse indicielle disymetrique
Considerons le système lineaire simple
1.3 Reponse indicielle disymetrique 5
x = x +u.
Un signal dentree symetrique et carre entre 0 et +1 lui est applique. Le signal
de sortie x(t) associe suit le signal dentree, mais avec une inertie. Les phases
de montees alternent avec les phases de descentes de manière symetrique. Le
diagramme de gauche de la gure 1.1 illustre le resultat.
Par contre, le système non-lineaire simple
x = |x|x +u
exhibe un comportement disymetrique. En eet, la phase de montee est plus
rapide que la phase de descente (` a droite de la gure 1.1).
0
1
2
3
0 20 40
0
1
2
0 20 40
Fig. 1.1. A gauche, les phases de montee et de descente sont symetriques dans le
cas de lequation x = x+u, o` u u est un signal carre entre +1 et 0. A droite, lorsque
x = [x[x +u, ce nest plus le cas.
Remarque 1.5. Dans le cas du système non lineaire x = |x|x+u, le terme |x|x
peut etre localement interprete comme le membre de droite ax dun système
lineaire x = ax, o` u linverse de la constante de temps, denotee a, correspond
à |x|. Ainsi, autour de la valeur maximale de x, correspondant au regime
permanent lorsque lentree vaut 1, le système est rapide. Par contre, autour
de la valeur de x nulle, la constante de temps est grande, et le système lent.
A la montee, seul lentree u = +1 force rapidement le système à se deplacer,
bien que la constante de temps soit grande (système lent). Leet de x est
negligeable par rapport à lentree dans la phase de montee. A la descente, par
contre, meme si la constante de temps est initialement grande, lentree est
nulle, et la valeur x se modie en fonction delle meme, sans etre aidee par la
contribution de lentree. Initialement rapide, le système ralentit vite, à cause
de la diminution de x.
1.4 Termes dordre superieur
Lorsque la solution dun système non lineaire seloigne susamment dun
point dequilibre, les termes dordre superieur du developement en serie (au-
tour de ce point dequilibre) contribuent de manière croissante à linuence sur
la derivee. Il se peut très bien que ces termes presentent un eet destabilisant
sur le comportement global.
Par exemple, le système
x = x +x
2
, (1.2)
ne comporte pas dentree et possède un point dequilibre à lorigine.
Plusieurs conditions initiales sont considerees, certaines inferieures en va-
leur absolue à lunite, et dautres superieures. Elles sont choisies symetriques
par rapport à lorigine, au sens o` u, si une simulation est eectuee pour
x(0) = x
0
, alors une autre lest egalement pour x(0) = x
0
. Les solutions
de lequation dierentielle associees aux conditions initiales sont representees
à la gure 1.2.
-1
0
1
2
3
0 2 4
t
x
Fig. 1.2. Les solutions de x = x+x
2
sont representees pour les conditions initiales
x(0 suivantes : 0.2, 0.4, 0.6, 0.8, 1.01, 1.1. Linstabilite apparat dès que
x(0) > 1.
La première constatation est que le comportement nest pas symetrique par
rapport au signe des conditions initiales. La seconde, et la plus importante, est
quil y a, à la fois des conditions initiales pour lesquelles la solution seloigne
de plus en plus du point dequilibre au fur et à mesure que le temps progresse,
et dautres pour lequel la solution converge vers la valeur dequilibre x = 0.
La separation se produit lorsque la condition initiale x(0) est superieure à 1.
Remarque 1.6. Contrairement au systèmes lineaires, la stabilite peut dependre
des conditions intiales.
1.5 Points dequilibre isoles multiples 7
Pour mieux comprendre le phenomène, les fonctions x et x
2
sont representees
à la gure 1.3
0 0.5 1
0
0.5
1
1.5
x
x
2
x
Fig. 1.3. La stabilite de x = x + x
2
est determine par le signe du membre de
droite. La gure represente les deux fonctions x et x
2
. On constate que x
2
devient
plus grand que x lorsque x > 1. Le signe du membre de droite change et conduit à
linstabilite.
Remarque 1.7. Le signe devant le terme x ou x
2
est fondamental. En eet,
x = x est un système instable, car la solution x(t) = e
t
diverge lorsque t .
Par contre x = x est stable ; la solution x(t) = e
t
converge vers 0 lorsque
t . Ainsi, dans lequation dierentielle, le terme x
2
a une tendance à
destabiliser le système, et x à le stabiliser. La stabilite est garantie pour
autant que le terme x domine x
2
pour x positif, ce qui est le cas lorsque
x < 1.
1.5 Points dequilibre isoles multiples
En examinant lequation (1.2) de lexemple precedent, une particularite
supplementaire peut etre remarquee. Bien que x = 0 soit un point dequilibre,
car x = 0, il nest pas unique. En eet, Il existe dautres points dequilibre
qui sont obtenus en resolvant x + x
2
= 0 par factorisation, conduisant à
x(x 1) = 0, et un nouveau point dequilibre x = 1 apparait..
Ceci est à mettre en perspective avec le cadres des systèmes lineaires, pour
lesquels, lorsque le point dequilibre est isole, alors il est unique. En eet, la
condition dequilibre pour un système x = Ax est 0 = A x. Lorsque A est
invertible (i.e. |A| = 0) le point dequilibre est unique et correspond à x = 0.
Lorsque A est singulière alors le noyau est un sous-espace vectoriel et donc
les points dequilibre multiples sont connectes. Ainsi dans ce cas, si x = 0 et
x {x | Ax = 0} alors x = 0 est aussi un point dequilbre R
.
1.6 Explosion en temps ni
Dans le cas lineaire, linstabilite est toujours bornee par une exponentielle.
Par exemple x = 3x tend vers linni sans jamais depasser une exponentielle
x(t) < x
0
e
3.01t
. La raison de ceci tient au fait que lexpression de la derivee
peut etre bornee par une quantite proportionnelle à la valeur de letat. La
constante de proportionalite donne la vitesse de lexponentielle.
Dans le cas non lineaire des surprises peuvent se produire. Par exemple,
pour le système (1.2), la divergence vers linni est beaucoup plus rapide que
dans le cas lineaire. La solutions analytique de cette equation est
x(t) =
x
0
e
t
1 x
0
+x
0
e
t
.
La solution devient de plus en plus grande lorsque t 1. Ainsi, elle diverge
vers linni en un temps ni.
1.7 Reponse harmonique multiple
Un autre phenomène très interessant est la reponse polyharmonique dun
système non lineaire à une excitation ne contenant quune seule harmonique.
Cet aspect sera presente dans le contexte de la methode du premier harmo-
nique au chapitre 3
1.8 Orbites chaotiques
On considère le système
x + 0.1 x +x
5
= u = 6 sin(t) (1.3)
Deux trajectoires sont representees, lune correspondant à la condition
intiale x
0
=
_
0.1 0.2
_
T
et lautre à x
0
=
_
0.105 0.2
_
T
. On constate que meme
si les deux conditions initiales sont très proches lune de lautre, les trajectoires
resultantes sont rapidement très dierentes, sans pour autant devenir non
bornees (les valeurs de la position x demeurent dans un interval ferme et
borne).
Cette hypersensibilite aux conditions intiales et laspect presque imprevisible
du resultat donne limpression que le système est soumis à des perturbations
aleatoires. Mais il nen nest rien. Le système est parfaitement deterministe.
Un tel comportement est appele chaos. Comme exemple supplementaire,
considerons loscillateur de Lorenz,
1.8 Orbites chaotiques 9
0 10 20 30 40 50 60
-2
-1
0
1
2
t
x
Fig. 1.4. Les solutions de lequations dierentielle (1.3) sont representees pour
deux conditions initiales proches (x(0) = 0.1, et x(0) = 0.105 ; x(0) = 0.2 pour les
deux cas). Bien que les trajectoires resultantes sont proches dans la première portion
horizontale, elles deviennent très dierentes dans la deuxième portion horizontale
du graphique.
x = x +y
y = rx y zx
z = bz +xy,
o` u seuls les deux termes en bleu, zx dune part, et xy dautre part, chacun
produits de deux etats, sont responsables de la nature non lineaire de la dy-
namique. Les paramètres , b, r sont xes. Un exemple de trajectoire est
represente à la gure 1.5.
-10
0
10
-20
-10
0
10
20
10
20
30
40
-10
0
10
-20
-10
0
10
20
Fig. 1.5. Orbite chaotique de loscillateur de Lorenz pour = 10, b =
8
3
, r = 28.
On constate plusieurs phenomènes interessants :
Une trajectoire solution ne repasse jamais par le meme point.
Il ny a pas de solution periodique.
Il existe des voisinages tels que pour toute condition initiale comprise
dans ce voisinage, la solution repasse une innite de fois dans le voisi-
nage. De plus ce voisinage peut etre pris arbitrairement. Autrement dit,
en denissant V
0
(x
0
V
0
), il existe une innite dinstant temporels
t
0
< t
1
< t
2
< . . . t
pour lesquels x(t

i
) V
0
pour i N.
Les solutions demeurent dans un cube (un ensemble ferme et borne, ou
autrement dit un ensemble compact).
Pour deux conditions intiales arbitrairement proches, les solutions res-
pectives nissent par diverger lune de lautre pour nalement plus se
ressembler du tout.
2
Diagramme de phase
Pour les systèmes mecaniques, la modelisation en utilisant les coordonnees
generalisees (mecanique analytique) conduit à un modèle comportant des
derivees secondes des coordonnees generalisees exprimees en fonction des co-
ordonnees generalisees ainsi que de leur première derivee. Pour simuler de tels
systèmes, il est necessaire de connatre les conditions initiales, cest-à-dire len-
semble des coordonnees generalisees ainsi que leurs premières derivees. Ainsi,
une solution du système dequations est un ensemble de fonctions du temps,
une pour chacune des coordonnees generalisees et une pour la première derivee
(vitesse) correspondante. Les variables de phase forment un tel ensemble de
grandeurs. De manière plus generale, le formalisme dHamilton permet das-
socier aux coordonnees generalisees q
1
, . . . , q
n
, des variables vitesses parti-
culières, appelees moments generalises p
1
, . . . , p
n
. Lespace de phase est len-
semble des 2n grandeurs q
1
, . . . , q
n
et p
1
, . . . p
n
. Cet ensemble constitue donc
les grandeurs detat du système, à savoir x =
_
q
1
. . . q
n
p
1
. . . p
n
_
T
. Cepen-
dant nous separons ces grandeurs detat en deux groupes.
Dans ce chapitre, les systèmes de seond ordre, o` u lespace de phase est
lensemble q, et q, seront etudies. De plus, ces système ne proviendrons pas
forcement du domaine mecanique.
2.1 Plan de phase pour les système du second ordre
Pour les systèmes du second ordre donnes par
q = f(q, q), (2.1)
on designera par q R et q R les variables de phases.
Maintenant le plan de phase nest rien dautre que le plan o` u lon represente
dans laxe horizontal, la variable q et selon laxe vertical, la variable q. Une
12 2 Diagramme de phase
solution à lequation (2.1) sera donne par deux fonctions du temps
q =
q
(t)
q =
q
(t)
telles que
d
q
dt
= f(
q
,
q
)
Maintenant, en faisant varier le temps, q et q sont obtenus par substitution.
Une courbe parametree est alors decrite dans le plan de phase par les deux
coordonnees x =
q
(t) et y =
q
(t). Il est important de remarquer que le
temps napparat pas explicitement.
2.1.1 Système masse-ressort
An dillustrer les techniques de traces des orbites dans le plan de phase,
le système simple suivant est utilise :
q +q = 0.
Cest lequation dynamique dun système mecanique comportant un res-
sort parfait à lextremite duquel se situe une masse. Lensemble forme un oscil-
lateur mecanique. Les paramètres sont normalises à lunite. La representation
schematique est donnee à la gure 2.1.
k = 1 m = 1
Fig. 2.1. Système masse ressort.
2.2 Techniques de graphe du plan de phase
Plusieurs techniques sont disponibles pour representer les orbites des
trajectoires dun système dynamique à deux etats. Certaines consistent a
2.3 Systèmes lineaires du second ordre 13
representer exactement le trace dautres à nobtenir quune information par-
tielle concernant celles-ci, par exemple en ne representant que linformation
concernant la direction de la tangente en plusieurs points du plan de phase.
Les methodes suivantes seront detaillees :
1. Methodes informatiques
Solutions numeriques pour diverses conditions initiales
Graphe des pentes
2. Methodes papier crayon
Solution explicite des equations
a) en eliminant le temps explicitement
b) en eliminant le temps implicitement
3. Methodes mixtes
Methode des isoclines
2.3 Systèmes lineaires du second ordre
Un système lineaire autonome du second ordre ne comporte pas dentree
et est representable par un modèle detat comportant deux etats.
x
1
= a
11
x
1
+a
12
x
2
x
2
= a
12
x
2
+a
22
x
2
que lon peut representer matriciellement sous la forme x = Ax avec
A =
_
a
11
a
12
a
21
a
22
_
Les trajectoires dun tel systèmes peuvent etre representees dans la plan
par des courbes parametrees par le temps
Fig. 2.2. Figure representant une trajectoire dun système lineaire du second ordre
Les trajectoires possibles qui varient en fonction de la valeur numeriques
des paramètres a
ij
peuvent etre regroupees en categories en fonction de la
nature des valeurs propres de la matrice A.
Soit
1
et
2
les deux valeurs propres obtenues en resolvant | AI |= 0.
Quatre cas sont à distinguer, ainsi les valeurs propres sont :
1. toutes deux reelles de meme signe. Cest un foyer stable.
2. reelles mais de signe oppose. Cest un point scelle.
3. purement imaginaire. Cest un centre.
4. complexes conjuguees. Cest un foyer.
2.3.1 Solutions numeriques
Les logiciels daide au calcul dierentiels quils soient orientes vers le calcul
formel (Maple, Mathematica, Reduce) ou vers le calcul numerique (Matlab,
SysQuake, LME, Scilab) possèdent un solveur dequations dierentielles or-
dinaire. Il est alors très aise dobtenir les solutions dun système dynamique
planaire en y changeant les conditions initiales dune simulation à lautre ren-
dant ainsi la possibilite dy reveler la nature des orbites sous-jacentes. Dans
le cas du système masse ressort precedemment decrit nous pourrions obtenir
la representation donnee à la gure suivante :
-3 -2 -1 1 2 3
-3
-2
-1
1
2
3
Fig. 2.3. Trajectoires simulees du système masse-ressort.
2.3.2 Graphe des pentes
Autrefois, lordinateur faisait defaut et la determination de solutions ne
pouvaient pas proceder par une methode inductive comme celle de Runge-
Kutta etant donne le nombre doperations prohibitif que cela impliquerait.
Ainsi il etait plus commode de ne calculer quun certain nombre de pentes
en des points predetermines du plan de phase. Les pentes sont obtenues en
evaluant f
1
(x
1
, x
2
) et f
2
(x
1
, x
2
), puis en representant un petit segment de
droite ayant une denivelee f
2
(x
1
, x
2
) sur une distance horizontale f
1
(x
1
, x
2
) au
point (x
1
, x
2
). La longueur du segment peut soit etre proportionel à la norme
de f o` u xe à une longueur unitaire arbitraire. Ironiquement, lordinateur
est ici aussi dune grande aide. En prenant une grille equidistribuee selon les
deux axes x
1
et x
2
, on obtient une representation donnee à la gure 2.4 pour
le système masse-ressort.
x =
`
x1 x2
T
f(x) =
f1(x1, x2)
f2(x1, x2)
Fig. 2.4. Graphique des elements de pente pour le système masse-ressort.

2.3.3 Elimination du temps explicitement
Lorsque le système dynamique est relativement simple comme cest le cas
du système masse ressort, il est envisageable dobtenir la solution de manière
explicite à lequation dierentielle decrivant la dynamique.
x(t) = x
0
cos t + x
0
sint
x(t) = x
0
sin t + x
0
cos t
Cependant il est necessaire de se debarasser de la parametrisation du temps
an de representer lorbite. En utilisant lidentitie cos
2
t + sin
2
t = 1, il est
possible dexprimer la relation
x
2
+ x
2
= x
2
0
+ x
2
0
,
qui represente un cercle centre en (0, 0) de rayon
_
x
2
0
+ x
2
0
.
2.3.4 Elimination du temps implicitement
Remarquons que dans lexemple precedent le temps est elimine après
lintegration de lequation dierentielle. Il est tout a fait possible den faire
lelimination lorsque celui-ci apparat encore à letat de dierentielle :
x
1
= x
2
=
dx
1
dt
x
2
= x
1
=
dx
2
dt
dx
1
x
2
=
dx
2
x
1
= dt
Lintegration se fait alors sans faire intervenir le temps et revet dans le
cas du système masse un caractère plus simple que lobtention de la solution
explicite.
_
x
2
dx
2
=
_
x
1
dx
1
x
2
1
+x
2
2
= c = x
2
10
+x
2
20
Remarque 2.1. La relation avec le parametrage temporel est perdue.
graphique de x
2
+ x
2
= x
2
0
+ x
2
0
x
Fig. 2.5. Graphique associee à lequation x
2
+ x
2
= 1 = x
2
0
+ x
2
0
.
2.3.5 Methode des isoclines
Le methode du graphique des pentes a procede par levaluation sur une
grille donnee a priori et de geometrie arbitraire. Il est interessant de se de-
mander sil y a une possibilite de trouver un lieu de points, le long duquel il
serait plus interessant de calculer les pentes. Par exemple, an de minimiser le
nombre devaluation, il serait interessant de calculer lensemble de points au-
quel le champ de vecteur de la dynamique ait une pente commune. En variant
la pente, il est alors possible dobtenir un ensemble de lieux.
dx
2
dx
1
= =
f
2
(x
1
, x
2
)
f
1
(x
1
, x
2
)
x +x = 0
=
x
1
x
2
x
2
=
1
x
1
= 1, x
2
= x
1
x
Fig. 2.6. La methode des isoclines consiste à choisir un element de pente et de
representer le lieu des points comportant la meme pente.
application systematique pour dierentes valeurs de
2.3.6 Exemple : oscillateur de van der Pol
x +(x
2
1) x +x = 0
= 0.5 x
0
= x
0
= 1
Graphe des pentes et trajectoires
Droite disocline
Fig. 2.7. Lorsque la methode des isoclines est utilisee pour representer les elements
de pentes identiques, ces derniers sont traces en respectant la symetrie du cercle et
donne un aspect plus naturel que lorsquune grille uniformement espacee est utilisee.
-2 -1 1 2
-2
-1
1
2
Fig. 2.8. Une trajectoire de loscillateur de van der pol est representee pour la
condition intiale x1(0) = 1 et x2(0) = 1 et pour la valeur du paramètre = 0.5.
x +(x
2
1) x +x = 0
=
x
x
= (x
2
1)
x
x
avec droites disoclines
2.4 Cycles limites 19
-3 -2 -1 1 2 3
-3
-2
-1
1
2
3
x0 = x0 = 1
Fig. 2.9. Superposition du graphe des pentes et dune trajectoire dans le cas de
loscillateur de van der Pol ( = 0.5, x10 = 1, x20 = 1).
Fig. 2.10. Methode des isoclines appliquee à loscillateur de van der Pol.
2.4 Cycles limites
Un cycle limite est une trajectoire fermee solution du système.
Denition 2.2. Un système x = f(x) possèdent un cycle limite C sil existe
un interval de temps [t
0
; t
0
+ T[ et un point de depart x
0
C, tel que en
designant par (t) la solution de système avec pour condition initiale x(t
0
) =
x
0
= (t
0
) on ait :
(t) C t [t
0
; t
0
+T[,
(T) = x
0
.
2.4.1 Classication des cycles limites
Denition 2.3. Soit C un cycle limite
1. stable : toutes les trajectoires dans un voisinage du cycle C.
2. instable : toutes les trajectoires divergent de C.
3. semi-stable : certaines trajectoires convergent vers C.
2.5 Index
Lindex est une propriete topologique des systèmes en rapport avec une
region determinee du plan de phase. Elle est invariante pour des petites pertur-
bations continues du système considere. Cette propriete permet, entre autres,
detablir des conditions necessaires pour lexistence de cycles limites.
Denition 2.4. (Index en un point du plan de phase). Trois choix sont ef-
fectues :
1. Une courbe autour du point auquel lindex est evalue. Cette courbe est
choisie de manière arbitraire, mais comprise dans un disque de taille suf-
samment petite. Theoriquement, le disque est de taille innitesimale.
2. Une parametrisation de la courbe dans le sens trigonometrique positif.
3. Une suite arbitraire de points de la courbe dans le sens de la parametrisation.
Les points sont alors numerotes selon cette progression (x
i
, i = 1, . . . , n). Le
dernier point x
n
correspond au point initial x
1
(x
1
= x
n
). En chacun des
points choisis x
i
, i = 1, . . . n, le vecteur f(x
i
), correspondant au système x =
f(x), est evalue. On obtient ainsi une suite de vecteurs f
i
= f(x
i
). numerotes
de i = 1 ` a i = n. Les vecteurs sont ensuite reportes sur un autre espace de telle
sorte que leurs origines se confondent. Lindex mesure alors langle modulo 2
que lextremite des vecteurs f
i
parcourent dans le sens trigonometrique positif.
Lindex est independant ` a la fois de la courbe choisie (pour autant quelle
soit comprise dans un disque de taille susamment petite), des points choisis
x
i
et de leur nombre n.
2.5 Index 21
Exemple 2.5. Soit un contour et un système tel que :
1
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
alors lindex vaut : +1.
1
2
3
4
5
6
7
8
1
2
3
4
5
6
7
8
alors lindex vaut : 1.
1
2
3
4
5
6
7
8
1
2 4 8
6
3 5 7
alors lindex vaut : 0.
2.5.1 Type de points dequilibre
Les points dequilibre peuvent etre classies selon leur index. Par exemple,
les points dequilibre rencontres lors de lanalyse des systèmes lineaires du
deuxième ordre peuvent etre regroupes en fonction de leur caracteristique ex-
primee par la position des valeurs propres. Ils peuvent egalement etre classies
en fonction de leur index. Ceci donne :
1. point selle (S) index : 1
2. noeud (N) index : +1
3. foyer (N) index : +1
4. centre (N) index : +1
Caracteristique 2.8. Les index sont independants de la stabilite.
Pour illustrer la validite de cette propriete, il sut de renverser le sens
des vecteurs dans les trois exemples precedents. Il est alors ainse de verier
que lindex ne change pas. Le fait de renverser le sens des vecteurs a comme
consequence de changer la stabilite du point dequilibre lorsque ce dernier est
compris dans la courbe de taille innitesimale. Les considerations de stabilite
seront abordes dans le prochain chapitre. Il y sera question dun traitement
rigoureux de la question.
2.5.2 Classication des points dequilibre
Il est possible de classier les points dequilibre x dun système non lineaire
x = f(x) en fonction du type de point dequilibre du système linearise x =
f
x
|
x= x
x = Ax. Ainsi on parlera dun
2.5 Index 23
1. point selle (S)
2. noeud (N)
3. foyer (N)
4. centre (N)
en fonction des valeurs propres de A conformement à letude des systèmes
lineaires planaires.
2.5.3 Theorème de lindex
La denition 2.4 determine lindex dun point particulier de lespace de
phase. De manière analogue, il est possible de denir un index pour une courbe
quelconque.
Denition 2.9. Lindex dune courbe est obtenu de manière analogue ` a celle
de lindex dun point du plan de phase. Seul la restriction ` a une courbe com-
prise dans un disque de taille susamment petite est relaxee. Ainsi, lindex
dune courbe depend de la courbe choisie contrairement au cas de la dention
2.4.
A laide de cette denition, il est possible devaluer lindex dun cycle
limite, etant donne que ce dernier est une courbe particulière. Le resultat
suivant est important.
Theorème 2.10. (Th. de lindex de Poincare) Soit N le nombre de noeuds,
centres et de foyers et S le nombre de points selles. Si un cycle limite existe,
les points singuliers que le cycle encercle sont tels que N = S + 1.
Par contraposition au principe susmentionne, il est possible detablir la
non existence dun cycle limite en fonction du non respect de la condition de
ce theorème. La demonstration decoule dune propriete simple daddition des
index des points dequilibre compris dans une courbe particulière.
Caracteristique 2.11. Soit une courbe particulière donnee. Lindex de cette
courbe est la somme des index de tous les points dequilibre compris à
linterieur de cette courbe.
Comme un cycle limite est une solution du système dynamique, les vecteurs
y sont en tout point tangent. Il est donc aise, en reportant ces vecteurs en un
point donne dun nouvel espace, de constater que leur extremite parcourt un
tour complet dans le sens identique au sens de parcours du cycle. Ainsi, lindex
du cycle est +1. Par consequent, il doit y avoir necessairement un excès de 1,
des points dequilibre (compris à linterieur du cycle) dont lindex est +1 par
rapport à ceux dont lindex vaut 1, ce qui donne les conditions du theorème
2.10.
2.5.4 Theorème de Bendixson
Soit
x
1
= f
1
(x
1
, x
2
)
x
2
= f
2
(x
1
, x
2
)
Theorème 2.12. Pour un tel système, aucun cycle limite ne peut exister dans
une region du plan de phase dans laquelle
f1
x1
+
f2
x2
ne sannule pas ni ne
change de signe.
Preuve. Cest une consequence du theorème de Stokes. En posant
dx1
dt
= f
1
et
dx2
dt
= f
2
, la dierentielle du temps est eliminee pour obtenir lexpression
dt =
f1
dx1
=
f2
dx2
, do` u lon deduit que la 1-forme = f
1
dx
1
+ f
2
dx
2
san-
nule le long du cycle. Dautre part, le long du cycle, cette meme 1-forme
= f
1
dx
1
+ f
2
dx
2
peut etre integree. Cette integrale de chemin doit etre
egale à lintegrale de surface, sur laire comprise à linterieur du cycle, de la
dierentielle exterieure de cette 1-forme :
_
=
_ _
d.
0 =
_
f
1
dx
1
+f
2
dx
2
=
_ _

f
1
x
1
dx
1
dx
1
f
1
x
2
dx
2
dx
1
+
f
2
x
1
dx
1
dx
2
+
f
2
x
2
dx
2
dx
2
=
_ _ _
f
1
x
2
+
f
2
x
1
_
dx
1
dx
2
Par consequent, le seul moyen dannuler cette integrale de surface est (i)
que lintegrant, sil est non nul, puisse changer de signe ` a linterieur de la
surface ou (ii) que lintegrant soit nul en tout point. Verier que lintegrant
ne sannule pas et ne change pas de signe garantit donc la non existence dun
cycle limite autour de la surface consideree.
2.6 Impossibilite du chaos planaire
Dans le chapitre introductif, un exemple tridimensionel (trois etats) a ete
construit exhibant une trajectoire particulière. Cette trajectoire restait com-
prise dans un ensemble ferme et borne (un compact represente par un cube).
Elle exhibait de surcroit la particularite de ne jamais passer par le meme point.
La trajectoire netait donc pas periodique bien quun mouvement dapparence
cyclique y etait le the atre. Le prochain theorème demontre, entre autre, lim-
possibilite quun tel phenomène puisse avoir lieu pour des systèmes dont letat
est de dimension 2.
2.7 Exemple : dynamique de populations 25
2.6.1 Theorème de Poincare-Bendixson
Système du second ordre uniquement.
Theorème 2.13. Si une trajectoire demeure dans une region nie alors
une des trois propositions suivantes est vraie :
1. La trajectoire va vers un equilibre.
2. La trajectoire tend asymptotiquement vers un cycle limite.
3. La trajectoire est elle meme un cycle limite.
La demonstration de ce theorème est fort interessante. On peut la trouver
dans [GH83]. Pour lillustrer de manière ludique, il sut de prendre une plume
et une feuille de papier et de tracer une courbe continue qui ne passe jamais
par le meme point. On aboutira sans trop de dicultes aux consequences
donnees par le theorème.
2.7 Exemple : dynamique de populations
Pour illustrer les concepts introduits dans ce chapitre, nous presentons
deux exemples très simplies de dynamique de populations. Nous envisageons
à la fois les modèles mathematiques de deux espèces en competition pour une
ressource unique, ainsi que la dynamique predateur-proie, o` u deux espèces dis-
tinctes sarontent, lune jouant le role de proie, et lautre celui de predateur.
Les hypothèses simplicatrices suivantes sont adoptees :
La densite de lespèce, c.-à-d. le nombre dindividus par unite daire, est
representee par une variable unique, la dierence dage de sexe et de
genotype sont ignores.
Leet de surpeuplement aecte le groupe dans son entier. Tous les
membres de la population sont touches de manière similaire. Bien que
ceci soit peu probable lorsque les membres se repartissent en sous-
groupes, de telle sorte quils ne soient pas uniformement distribues dans
tout lensemble du territoire considere, nous faisons neanmoins cette
hypothèse.
Les eets des interactions au sein de la meme espèce et avec des espèces
dierentes sont instantanes. Il ny a pas de delai lors daction prise par
un individu.
Les facteurs abiotiques environnementaux (c.-à-d. linuence du non-
vivant sur le vivant) sont susamment constants.
La croissance du taux de la population est dependante de la densite,
meme lors de très faibles densites.
Les femelles trouvent toujours à saccoupler, meme lorsque la densite
est basse.
Ces hypothèses, très simplicatrices, se justient essentiellement par le fait
quil y aura necessairement un eet limitant par le manque de ressources.
2.7.1 Competition
Deux populations distinctes sont en competition pour une meme ressource
qui se trouve en quantite limitee. s
1
designe la population de la première
espèce et x
2
celle de la seconde. Un modèle devolution dierentielle est obtenu
en considerant une croissance exponentielle en absence deet inhibitif. Deux
coecients positifs a
1
et a
2
sont introduits pour representer les taux de crois-
sances instantanes. Les populations agissent alors de manière independante.
Cependant, les ressources ne sont pas innies et la presence dune densite
croissante aura tendance à inhiber la croissance des populations respectives.
Ainsi, nous distinguons les coecients dauto-inhibition b
11
et b
22
(deux quan-
tites positives, crees par la presence dun competiteur de meme espèce), de
ceux des coecients dinhibition croisee b
12
et b
21
(egalement deux nombres
reels positifs mais dus cette fois-ci à la presence dun competiteur de lautre
espèce). En consequence, nous posons comme modèle devolution
x
1
= x
1
(a
1
b
11
x
1
b
12
x
2
)
x
2
= x
2
(a
2
b
21
x
1
b
22
x
2
).
Notons, en resolvant x
1
= x
2
= 0, la presence de plusieurs points
dequilibre. Lorsque b
11
b
22
b
12
b
21
= 0, il y a quatre points dequilibre isoles
distincts :
(i) x
1
= 0 x
2
= 0
(ii) x
1
=
a1
b11
x
2
= 0
(iii) x
1
=
a2b12a1b22
b11b22b12b21
x
2
=
a1b21a2b11
b11b22b12b21
(iv) x
1
= 0 x
2
=
a2
b22
Ils correspondent respectivement à (i) lextinction des deux espèces ; (ii)
lextinction de la seconde espèce au prot de la première ; (iii) la survie des
deux espèces en equilibre ; (iv) lextinction de la première au prot de la
seconde.
Lorsque b
11
b
22
b
12
b
21
= 0, outre le point dequilibre à lorigine, la presence
dune droite continue de points dequilibre est constatee. En eet, en prenant
pour valeur numerique a
1
= a
2
= 2 et b
11
= b
12
= b
21
= b
22
= 2, on
obtient les deux equations denissant les points dequilibres 2x
1
x
1
x
2
x
2
1
=
0 et 2x
2
x
1
x
2
x
2
2
= 0. En soustrayant ces deux equations, lexpression
(x
2
x
1
)(x
2
+x
1
2) = 0 est obtenue faisant apparatre la droite x
2
= 2 x
1
comme un lieu continu de points dequilibre.
Le système non lineaire x = f(x) peut sestimer par le premier terme du
developpement en serie de Fourier. Ceci donne x = A( x)(x x) o` u x designe
le point dequilibre o` u lon developpe f(x). La matrice A secrit
A =
_
a
1
2b
11
x
1
b
12
x
2
b
12
x
1
b
21
x
2
a
2
b
21
x
1
2b
22
x
2
_
(2.2)
et depend des valeurs x
1
et x
2
du point dequilibre.
Fig. 2.11. Plan de phase et points dequilibre pour deux population en competition
pour une ressource unique. a1 = a2 = 2 et b11 = b22 = 1. Dans les trois cas, lorigine
un foyer instable. A gauche, (i) b12 = b21 = 2. Linhibition croisee est plus grande que
lauto-inhibition et celà conduit une population à survivre au detriment de lautre ; la
population survivante depend des conditions initiales et les densites convergent soit
vers (2 0)
T
ou (0 2)
T
. Le point dequilibre central (2/3 2/3)
T
est un point selle.
Au centre, (ii) b12 = b21 = 1. Linhibition croisee est identique à lauto-inhibition,
ce qui conduit les deux populations à vivre avec des rapport qui dependent des
conditions initiales. A droite, (iii) b12 = b21 =
1
2
. Lauto-inhibition est plus grande
que linhibition croisee, et les deux populations nissent au point dequilibre (
4
3
4
3
)
pour presque toutes les conditions initiales.
Le plan de phase est represente à la gure 2.11 pour trois choix de valeurs
numeriques. Les facteurs de croissance sont xes à a
1
= a
2
= 2.
Dans le premier cas, les facteurs inhibitifs croises sont plus importants
que les facteurs auto-inhibitifs (b
11
= b
22
= 1 et b
12
= b
22
= 2). Le point
dequilibre (0 0)
T
est localement instable puisque les valeurs propres de la
matrice A sont toutes deux egales à +2. Les points dequilibres (2 0)
T
et
(0 2)
T
sont des points stables (les valeurs propres sont toutes deux egales
à 2). Le point dequilibre (
2
3
2
3
)
T
est un point selle dont une des valeurs
propres vaut 2 et lautre +
2
3
. Ainsi, trois points dequilibre dindex +1 et
un dindex 1 sont obtenus, pour donner un index global de +2. Lindex
global sobtient en considerant une courbe fermee quelconque englobant tous
les points dequilibre.
Dans le second cas, lorsque lauto-inhibition est identique à linhibition
croisee, on constate une vie mutuelle des deux espèces et une convergence
vers des points dequilibre qui depend des conditions initiales.
Dans le troisième cas, c.-à-d. lorsque linhibition croisee est moins forte
que lauto-inhibition, il y a egalement une survie mutuelle des deux espèces,
mais toujours avec la meme densite. Le point dequilibre (
4
3
4
3
)
T
est stable
avec pour valeur propre de la matrice A, 2 et
2
3
. Le point dequilibre
(0 0)
T
est instable (les valeurs propres de A sont toutes deux egales à +2).
Les deux points dequilibres restants (0 2)
T
et (2 0)
T
sont des points selles
avec comme valeurs propres 2 et +1.
Il est interessant de constater que le passage de lindex global +2 à celui
de 0 cest fait par lintermediaire de lapparition dun lieu continu de points
dequilibre.
On constate egalement quil ny a pas de cycle limite.
2.7.2 Predateur-proie
Dans ce modèle, x
1
represente la densite de population des proies, et x
2
celle des predateurs.
Lequation de levolution de x
1
est identique au cas des populations en
competition de la section precedente. En eet, les proies croissent de manière
exponentielle en labsence de predateur (coecient a
1
positif). Leur croissance
est limitee par les ressources (eet auto-inhibitif, b
11
) et par la presence de
predateurs (eet dinhibition croise, b
12
).
Par contre, levolution des predateurs x
2
est foncièrement dierente. En
labsence de proie, les predateurs disparaissent progressivement de manière
exponentielle, et le signe devant le coecient a
2
est cette fois-ci negatif. De
plus, la presence des proies na pas un eet inhibitif, mais bien au contraire,
un eet de croissance : le signe devant le facteur b
21
est positif. Il ny a pas
deet auto-inhibitif ce qui implique lannulation du coecient b
22
= 0.
Sous ses hypothèses, les deux equations dierentielles qui gouvernent
levolution des populations sont :
x
1
= x
1
(a
1
b
11
x
1
b
12
x
2
)
x
2
= x
2
(a
2
+b
21
x
1
)
Ce système comporte trois points dequilibre :
(i) x
1
= 0 x
2
= 0
(ii) x
1
=
a1
b11
x
2
= 0
(iii) x
1
=
a2
b21
x
2
=
a1b21a2b11
b12b21
Le premier point dequilibre est lextinction mutuelle des deux espèces.
Le second correspond uniquement à la survie des proies ; il y a absence de
predateurs. Le troisième correspond à une survie mutuelle.
Lorsque a
1
b
21
< a
2
b
11
, les predateurs meurent par manque de facteur de
reproduction des proies (coecient a
1
) par rapport au besoin de nourriture
des predateur (coecient a
2
). La condition de survie mutuelle pondère les
deux facteurs a
1
et a
2
par la qualite de satisfaction energetique de la proie
pour un predateur b
21
et du taux dauto-inhibition des proies b
11
. En eet,
lauto-inhibition des proies rend la reproduction et la survie des predateurs
diciles.
La gure 2.12 represente le plan de phase pour les valeurs numeriques
a
1
= a
2
= b
21
= 2, b
11
= b
12
= 1.
Deux courbes solution de lequation dierentielle sont egalement representees,
une pour la condition initiale x
1
(0) = x
2
(0) = 0.2 et une autre pour la condi-
tion initiale x
1
(0) = 1.7 et x
2
(0) = 1.4. On constate que dans les deux cas, la
solution correspondante converge vers le point dequilibre de survie mutuelle
x
1
= x
2
= 1.
Pour la première courbe, la densite des predateurs commence legèrement
à diminuer puis demeure relativement modeste à cause du faible nombre de
proies disponibles. Toutefois, ces dernières se reproduisent en presence de la
faible densite des predateurs. Lorsquune taille critique est atteinte, à partir
de laquelle les predateurs peuvent mieux se developper, la tendance sinverse,
et les predateurs augmentent au detriment des proies.
De manière generale, le taux de predateurs par rapport ` a celui des proies
oscille jusqu` a atteindre lequilibre de survie mutuelle.
Fig. 2.12. Plan de phase et points dequilibre pour le modèle predateur-proie.
La variable x1 represente la densite des proies (axe horizontal) et la variable x2
represente la densite des predateurs (axe vertical). Les valeurs numeriques choisies
sont a1 = a2 = 2 = b21 = 2 et b11 = b12 = 1. Deux trajectoires sont egalement
representees pour x1(0) = x2(0) = 0.2 et pour x1(0) = 1.7, x2(0) = 1.4. Trois points
dequilibre sont constates : (i) lorigine x1 = x2 = 0 (en bas, à gauche), (ii) la
survie des proies et lextinction des predateurs x1 = 2, x2 = 0 (en bas, à droite), et
nalement (iii) la survie mutuelle x1 = x2 = 1 (au centre).
Exercice
2.1. Saturation et système lineaire. Soit le système lineaire
x
1
= x
1
+u
x
2
= x
2
+u
avec u = sat(v), o` u
sat v
_
_
_
1 v > 1
v 1 v 1
1 v < 1
. (2.3)
On applique egalement un bouclage stabilisant
v = k
1
x
1
k
2
x
2
.
(i) Choisir les gains an davoir deux p ole en 1 et 1 dans la partie
lineaire.
(ii) Trouver tous les points dequilibre.
(iii) Dessiner le plan de phase avec le champ de vecteur associe. Tracer
plusieurs trajectoires pour dierentes conditions initiales (il faut simuler les
equations dierentielles).
(iv) Determiner la nature du bassin dattraction en simulant le système
en temps retrograde, i.e. x
1
= x
1
u et x
2
= +x
2
u, la commande u
demeurant identique. Il faut prendre plusieurs conditions initiales reparties
sur un petit cercle centre sur lorigine.
(v) Repeter loperation en (iv) en changeant la position des p oles, en les
ralentissant (p. ex
1
2
et
1
2
) et en les rendant plus rapides (p. ex. 2 et 2).
(vi) Est-ce que la position des points dequilibre joue-t-il un role ?
3
Methode du premier harmonique
Dans les deux precedents chapitres, un système etait donne par un en-
semble dequations dierentielles ordinaires de la forme x = f(x). Certaines de
ses caracteristiques comme la presence de plusieurs points dequilibre, lexis-
tence de cycles limites ou dorbites chaotiques ont ete presentees, ainsi que des
critères permettant de determiner de telles proprietes (theorème de lindex,
critère de Poincare-Bendixson, etc.).
Toutefois, la notion de système en boucle fermee na pas ete mentionnee
de manière explicite. En eet, x = f(x) pouvait à la fois representer un
système en tant que tel, ou provenir de lassociation en boucle fermee de deux
systèmes interconnectes entre eux. Par exemple, w = g
1
(w, u) et z = g
2
(z)
avec dim u = dim z donnent lieu lorsque u = z à un système x = f(x) avec
x =
_
w
T
z
T
_
T
.
Nous allons rendre ainsi la presence dune telle conguration en boucle
fermee plus explicite dans le cours du present chapitre. Lobjectif etant dexpo-
ser une methode danalyse approximative dune classe relativement restreinte
de systèmes, mais apparaissant très frequemment en pratique.
Il sagit de la combinaison en retroaction dun système lineaire ayant une
seule entree et une seule sortie, boucle par un element non lineaire. Ce dernier
element ne possède pas de dynamique et correspond à une fonction statique
arbitraire.
Limportance de cette classe de système provient du fait, quen pratique,
beaucoup de systèmes possèdent des imprfections qui ne disparaissent pas
après linearisation locale. De telles imperfections proviennent par exemple
dune zone morte pour certains systèmes mecaniques, dhysterèse pour les
piezoelectriques et les materiaux magnetiques, ainsi que la saturation pour
presque tous les types dactioneurs.
En eet, on ne peut pas à proprement parler eliminer un jeu dans un
engrenage, si ce nest recourir à le changer ou à le reparer. Tout au plus, nous
32 3 Methode du premier harmonique
pouvons esperer compenser son eet nefaste par la manière dont le système
comportant cet element est commande.
De plus, de tels phenomènes ont la particularite de pouvoir se separer entre
un eet non-lineaire purement statique (le jeu et la saturation, par exemple,
font intervernir leur eet de manière instantanee sans phenomène de memoire)
et un eet dynamique propre au système dans son ensemble (par exemple, les
inerties et les frottements dun reducteur comportant le jeu susmentionne
constituent alors la partie lineaire du modèle du système).
Ainsi, bien que la majeure partie du système se comporte de manière
lineaire, il peut y avoir une non-linearite statique qui subsiste. Celle-ci peut
etre isolee du reste du comportement lineaire pour aboutir au schema que lon
va analyser.
Lobjectif de cette analyse est de detecter et caracteriser la presence
deventuels cycles limites. Il sagit de determiner à la fois la propriete de
se maintenir après une legère perturbation (stabilite) et de trouver les pa-
ramètres representatifs tels que lamplitude et la frequence du cycle limite.
3.1 Système lineaire et non-linearite statique
Considerons la mise en serie, en boucle ouverte, dun premier bloc, dont
le comportement est non-lineaire, et dune simple fonction de transfert qui
constitue le second bloc (Figure 3.1).
Chacun des blocs comporte une entree unique et une sortie unique. Lentree
de la non-linearite est notee u et sa sortie y. Lentree de la fonction de tranfert
est alors y (attention à ne pas confondre avec u) et sa sortie est z. Il est
important dinsister sur cette convention.
u y z
N.L. G(s)
Fig. 3.1. Association dun bloc non-lineaire statique N.L. et dune fonction de
transfert G(s).
La non-linearite du premier bloc est clairement separee du comportement
lineaire de la fonction de transfert. La contre-reaction du second bloc sur le
premier est momentanement absente. Nous etudierons les consequences de la
boucle fermee (u = z) ulterieurement.
3.1 Système lineaire et non-linearite statique 33
De plus, nous ne considererons quune relation non-lineaire statique du
premier bloc. Ainsi, à chaque instant t, la sortie y(t) est une simple fonction
de son entree u(t), c.-à-d.
y(t) = (u(t)).
Il y a donc absence detat pour le comportement du premier bloc. Les etats
ne sont necessaires que pour realiser la fonction de transfert.
3.1.1 Excitation sinusodale en boucle ouverte
Pour illustrer le principe, une saturation constituera le premier bloc. La
combinaison en serie des deux blocs est soumise à une excitation sinusodale
damplitude A et de pulsation :
u(t) = Asin(t) (3.1)
La saturation est decrite par la fonction
(u(t)) =
_
_
_
ka u(t) > a
ku(t) a u(t) a
ka u(t) < a
(3.2)
o` u k denit le gain de la partie non-saturee et le paramètre a correspond à
la valeur dentree à partir de laquelle la saturation est active. La gure 3.2
illustre le phenomène pour un choix particulier des paramètres.
-4
-2
0
2
4
u(t)
-4
-2
0
2
4
y(t)
Fig. 3.2. Representation graphique de lentree u(t) et de la sortie y(t) de la satu-
ration pour les valeurs A = 2, = 5, k = 2 et a = 1.
3.1.2 Caracteristique passe-bas du système lineaire G(s)
En examinant la gure 3.2, nous constatons que le signal sinusodal est
fortement transforme par la saturation. Il ne correspond plus à une courbe
lisse et de meme nature que la sinusode de depart. Il nest pas possible de
superposer une seule sinusode, meme lorsque celle-ci est dephasee et amoidrie
de facteurs appropries.
Par contre, le constat peut etre dierent à la sortie du système G(s),
puisque ce dernier agit comme un ltre supplementaire.
Par exemple, considerons un système G(s) du second ordre avec un pa-
ramètre b unique permettant de determiner sa bande passante. Son gain sta-
tique est xe egal à lunite. Le paramètre b correspond à la valeur reelle o` u se
trouve la paire de p oles sur laxe reel negatif.
G(s) =
b
2
s
2
+ 2bs +b
2
(3.3)
Le système est stable pour autant que b soit strictement positif. Un gand
b determine un système rapide qui ltre peu, et un petit b correspond à un
système de nature passe-bas qui ltre les hautes frequences. La gure 3.3
illustre le resultat du ltrage lorsque b = 3 et b = 30.
-4
-2
0
2
4
z(t)
-4
-2
0
2
4
z(t)
Fig. 3.3. Representation graphique de la sortie du système lineaire lorsque A = 2,
= 5, k = 2 et a = 1 pour deux valeurs du paramètre b de la fonction de transfert
(3.3). A gauche b = 3 et à droitre b = 30.
Dans les deux cas, un regime transitoire est constate. Celui-ci decoule
du fait que les conditions initiales de G(s) ne sont pas compatibles avec le
regime force que tend à imposer lentree u(t). Ce regime transitoire disparat
rapidement pour laisser place à un regime force de nature dierente en fonction
de la valeur de b.
Lorsque le système ltre peu (b = 30), le signal z(t) est très proche de la
sortie de la non-linearite y(t). Par contre, en examinant le premier resultat
(b = 3), leet conjoint de la saturation

et du système lineaire G(s) revient
simplement à dephaser et à attenuer la sinusode dorigine, un peu comme
le ferait un système lineaire. La non-linearite a en quelque sorte disparu, ou
3.1 Système lineaire et non-linearite statique 35
de manière plus rigoureuse, elle a ete englobee pour constituer avec G(s) une
sorte de nouvelle fonction de transfert.
3.1.3 Gain complexe equivalent
Pardoxalement, nous avions initialement clairement separe le comporte-
ment non lineaire du comportement lineaire, et voilà que le dernier resultat
de la section precedente revient à simplement dephaser et amoindrir le signal
dorigine.
Le comportement global de la mise en serie des deux elements montre
quil est peu commode de le separer en une partie purement non-lineaire ca-
racterisable et une partie lineaire. En eet, il nest pas aise en examinant le
signal z(t) (b = 3) de detecter la presence dune saturation.
Cependant, il est possible de substituer à la non-linearite, un nombre com-
plexe N, permettant de caracteriser celle-ci sans perdre trop de qualite dans
la reponse z(t). Ceci est rendu possible par la nature passe-bas du système
lineaire. Clairement, z(t) pour b = 30 ne permet pas une telle simplication.
En consequence, lorsque le système lineaire possède des proprietes passe-bas
marquees, le schema de la gure 3.1 peut etre remplace par lapproximation
representee à la gure 3.4.
u y z
N G(s)
Fig. 3.4. La non-linearite statique N.L. est remplacee par un gain equivalent com-
plexe N.
Pour determiner le gain N, nous procedons par essais/erreurs et il est
relativement aise de trouver la sinusode
0.329Asin(t 2.00)
qui se superpose très bien avec le signal z(t). Ceci est represente à la gure
3.5.
Cette determination repose sur le caractère du regime permanent si-
nusodal. Le signal dexcitation est multiplie par N puis par G(j) avec = 5.
Pour determiner N, il sut donc de diviser la representation frequentielle de
la sortie par G(j5) et ensuite de comparer le resultat avec le signal dentree.
Une manière similaire de proceder est de dephaser et damplier les signaux
-4
-2
0
2
4
z(t)
Fig. 3.5. Representation graphique de la sortie du système lineaire lorsque A = 2,
= 5, k = 2, a = 1 et b = 3. Une sinusode 0.329Asin(t 2.00) y est superposee.
temporels par respectivement la phase et lamplitude des nombre complexes
correspondants.
On deduit sans peine que N 1.2. Cest un nombre purement reel. Le
dephasage est donc cause exclusivement par G(j5) = 9(30j 14)
1
.
Il est important à ce stade dinsister sur le fait que le gain N depend
en general de lamplitude et de la pulsation du signal dentree. Cest là
que reside la dierence essentielle entre un comportement purement lineaire
(representable par une fonction de transfert à part entière) et lapproximation
de la non-linearite par un gain equivalent N.
En prenant une autre amplitude pour le signal dentree, nous aurions
trouve une autre valeur pour le gain N. Cest la raison pour laquelle il est
note soit N(A) ou N(A, ), selon son type de dependance.
Ceci nest pas surprenant pour la saturation par exemple, car lorsque lam-
plitude du signal est faible, de telle sorte que la saturation nest pas active, le
signal de sortie est amplie par le gain k de la saturation. Par contre, lorsque
le signal est très grand, il est fortement limite par la saturation, et le gain
equivalent peut devenir bien inferieur à lunite.
Il faut egalement faire attention à ne pas confondre le paramètre dampli-
tude A et la valeur instantanee u(t) du signal à lentree de lelement approxime
par N(A). Ce sont deux choses dierentes. Lamplitude A correspond à la va-
leur maximale dune sinusode unique pouvant etre appliquee à lentree de la
non-linearite, auquel cas cette meme entree sera ampliee dun facteur N(A)
o` u A est lamplitude xe de la sinusode Asin(t). Ce nest pas la valeur de
Asin(t) à un instant t donne. Cest la raison pour laquelle lorsque le signal
nest pas proche dune sinusode unique (de pulsation ), il est dicile de
donner une interpretation à A, et de surcroit à N(A).
3.2 Premier harmonique 37
3.2 Premier harmonique
Il est fastidieux de determiner le nombre complexe N en fonction des deux
paramètres A et par une succession de simulations du type que nous avons
expose à la section precedente. Il est plus ecace de trouver une expression
analytique du gain equivalent N(A, ).
3.2.1 Decomposition en harmoniques
Comme la non-linearite est depourvue de dynamique, lorsque le signal
u(t) = Asin(t)
est applique à lentree de la non-linearite statique , le signal à la sortie de
la non-linarite y(t) est periodique et de meme periode T =
2
que le signal
dentree. Ceci implique que le signal de sortie y(t) puisse etre decompose en
serie de Fourier :
y(t) =
a
0
2
+
l=1
[a
l
cos(lt) +b
l
sin(lt)] (3.4)
a
0
=
1
y(t)d(t) (3.5)
a
l
=
1
y(t) cos(lt)d(t) (3.6)

b
l
=
1
y(t) sin(lt)d(t) (3.7)

La serie (3.4) donne une decomposition exacte de y(t). Les coecients a
0
,
a
l
, b
l
, (l = 1, . . . , ) caracterisent alors le type de non-linearite .
Le seul incovenient de cette decomposition (et non le moindre) est quil
necessite une innite devaluations dintegrales le long dune periode. En eet,
les coecients a
l
et b
l
doivent etre determines dune manière ou dune autre
en utilisant les denitions (3.6) et (3.7).
Il est important dinsister à nouveau sur le fait que chaque coecient
a
0
, a
l
et b
l
depend de lamplitude A et de la pulsation . Formellement, on
devrait ecrire a
0
(A, ), a
l
(A, ) et b
l
(A, ), les integrales (3.5), (3.6) et (3.7)
conduisant alors à une formule respective. Nous ninsisterons pas sur cette
precision de notation, sauf lorsque cela est vraiement indispensable.
3.2.2 Equivalent du premier harmonique
Bien que tous les termes de la serie soient necessaires pour representer
exactement la sortie y(t), ceux associes aux hautes harmoniques nont pas
beucoup dimpact sur la sortie z(t) de la fonction de transfert G(s), etant
donne le caractère passe-bas de cette dernière. Il est par consequent possible
de tronquer la serie et de ne retenir que quelques termes.
Puisque a
0
, a
1
et b
1
sont susants pour denir un nombre complexe, nous
retenons de la serie (3.4) que le terme constant et ceux associes à la fonda-
mentale. Ceci constitue lapproximation du premier harmonique cherchee et
permet de determiner le gain equivalent N.
En eet, en approximant
y(t) a
0
+a
1
cos(t) +b
1
sin(t) = a
0
+M sin(t +),
lamplitude M et la phase sobtiennent à partir des coecient a
1
et b
1
par
M =
_
a
2
1
+b
2
1
(A, ) = arctan(a
1
/b
1
).
Ainsi, lorsque la non-linearite est parfaitement symetrique, a
0
= 0, et le gain
equivalent sexprime comme
N(A, ) = M
e
jt+
Ae
jt
=
M
A
e
j
=
1
A
(b
1
+ja
1
). (3.8)
3.2.3 Calcul de lequivalent du premier harmonique
Certes, la troncation de la serie de Fourier fournit une manière elegante
dexprimer le gain equivalent à partir des paramètres a
0
, a
1
et b
1
(formule
(3.8) dans le cas symetrique). Il reste toutefois à determiner une procedure de
calcul permettant devaluer les integrales
a
0
=
1
y(t)d(t) (3.9)
a
1
=
1
y(t) cos(t)d(t) (3.10)

b
1
=
1
y(t) sin(t)d(t), (3.11)

à partir desquelles seront issues les formules explicites des deux paramètres A
et .
Deux methodes sont presentees ci-après pour une telle evaluation. La
première est un calcul analytique et la seconde repose sur des techniques
numeriques.
Integration analytique
La methode la plus directe consiste à calculer analytiquement les integrales
exprimant les coecients a
0
, a
1
et b
1
.
Le cas de la saturation est traite dans son integralite. Nous donnerons à
la section suivante dautres types de non-linearites avec les gains equivalents
respectifs.
En reprenant lexpression

de la saturation (3.2), la sortie y(t) est ex-
primee en fonction de lentree u(t) = Asin(t). Cependant, une dierence
fondamentale entre le cas o` u lamplitude A est inferieure à a (absence de
saturation), et lorsque celle-ci est superieure à a, existe.
Lorsque A > a, la sortie se decompose en une partie non saturee et en une
partie saturee. En ne considerant quun quart de periode (0 t

2
, les
autres quarts se deduisant par symetrie), nous pouvons exprimer
A a y(t) = kAsin(t)
A > a y(t) =
_
kAsin t 0 t
ka < t

2
= arcsin(a/A)
o` u est une variable temporaire denissant langle à partir duquel la satura-
tion commence à faire son eet.
Etant donne que la saturation est symetrique, c.-à-d.

(u) =

(u), on
deduit que a
0
=
1
y(t)d(t) = 0 (absence de composante continue).

Dautre part, et egalement par raison de symetrie, la première demi-periode
compense la seconde dans (3.10) de telle sorte que a
1
= 0. Par contre, b
1
est dierent de zero, et seul le deuxième cas A > a, necessite une attention
particulière. Sur un quart de periode, lidentite
1
_

0
Asin
2
(t)dt +
1
_
2
ka sin(t)dt =
kA
2
_
+
a
A
_
1
a
2
A
2
_
est valable et, après multiplication par quatre (pour tenir compte de la
symetrie des quarts de periodes mentionnee precedemment), on deduit le gain
equivalent
N(A) =
_
_
_
k A a
2k
_
arcsin
_
a
A
_
+
a
A
_
1
a
2
A
2
_
A > a
.
En reportant les valeurs numeriques A = 2, k = 2 et a = 1, nous obte-
nons N(A) = 1.218, justiant ainsi, par des moyens analytiques, les resultats
empiriques de la section 3.1.
De plus, en representant le gain equivalent sous forme graphique à la gure
3.6, la constation de la n de cette section, à savoir la diminution du gain
equivalent lorsque lamplitude du signal dentree augmente, est egalement
conrmee.
5 10 15 20 25 30
0.5
1
1.5
2
k = 2, a = 1
A
a
Fig. 3.6. Gain equivalent purement reel de la saturation. Il diminue en fonction de
lamplitude.
Integration numerique
Les trois integrales (3.5), (3.10) et (3.11) peuvent etre evaluees après
discretisation du signal temporel y(t) de t =
à t =

en une suite -
nie de n points y(
1
(+2
k
n
)), k = 0 . . . n1. An de simplier la notation,
nous introduisons
y
k
= y(
1
( + 2
k
n
)).
Ceci permet dapproximer les coecients a
0
, a
1
et b
1
par
a
0
a
0,n
=
2
n
n1
k=0
y
k
(3.12)
a
1
a
1,n
=
2
n
n1
k=0
y
k
cos( + 2
k
n
) (3.13)
b
1

b
1,n
=
2
n
n1
k=0
y
k
sin( + 2
k
n
) (3.14)
et nous avons une convergence de a
0,n
, a
1,n
et

b
1,n
vers respectivement a
0
, a
1
et b
1
lorsque n . Comme a
0,n
est une moyenne, elle ne necessite quune
seule multiplication et n 1 additions. Par contre, le co ut en multiplications
est important pour a
1,n
et

b
1,n
.
En ecrivant
N =
1
A
j( a
1,n
j
b
1,n
) =
2j
An
n1
k=0
y
k
e
j2
k
n
(3.15)
nous constatons quune seule serie complexe nie est necessaire. Cette pro-
priete peut donc etre exploitee pour reduire le nombre doperation. De plus,
lexpresssion de

N est une approximation du gain equivalent N qui sob-
tient par tranformee Fourier discrète du signal echantillonne y(
1
(+2
k
n
)),
k = 0 . . . n 1.
En eet, (3.15) exprime lapproximation du gain equivalent par le premier
terme de la transformee de Fourier discrète multiplie par
2j
An
. Notons que
cette transformee peut etre obtenue par un algorithme de transformation de
Fourier rapide en choisissant un nombre de points dechantillonnage egal à
une puissance entière de 2, c.-à-d. n = 2
m
avec m N.
Cependant, un tel algorithme fournit trop dinformation etant donne que
les harmoniques superieures sont simplement ignorees. Il est neanmoins pos-
sible de reduire substantiellement le nombre de multiplications apparais-
sant dans (3.13) et (3.14) en utilisant les symetries des points complexes
e
j2
k
n
. Le concept est dabord presente en considerant le cas particulier dun
echantillonnage de 8 = 2
3
points. La formule (3.15) devient
j4

N = y
0
+y
1
e
j2
1
8
+y
2
e
j2
2
8
+y
3
e
j3
3
8
+y
4
e
j2
4
8
+y
5
e
j2
5
8
+y
6
e
j2
6
8
+y
7
e
j2
7
8
(3.16)
En utilisant le fait que pour chaque point complexe e
j
, il existe un point
complexe e
jj
de signe contraire, nous pouvons regrouper des termes de
telle sorte que le membre de droite de (3.16) secrit
(y
0
y
4
) + (y
1
y
5
)e
j
4
+ (y
2
y
6
)e
j
2
+ (y
3
y
7
)e
j
3
4
. (3.17)
Le nombre de multiplications est ainsi reduit dun facteur de deux. En utilisant
le symetrie dun quart de tour (j = e
j
2
), (3.17) devient
(y
0
y
4
) j(y
2
y
6
) + [(y
1
y
5
) j(y
3
y
7
)]e
j
4
. (3.18)
En recourant, dune part à lisomorphisme (note

=) des nombres complexes
avec les points dun plan a + jb

=
_
a b
_
T
, ainsi quà la propriete que
cos
_
4
_
= sin
_
4
_
=
2
2
, lexpression (3.18) prend la forme
_
y
0
y
4
y
2
y
6
_
2
2
_
1 1
1 1
__
y
1
y
5
y
3
y
7
_
, (3.19)
et nous avons grandement simplie le resultat par rapport aux formules brutes
a
1,8
et

b
1,8
donnees par (3.13) et (3.14) (n = 8) à partir desquel

N =
1
A
(
b
1,8
+
j a
2,8
) etait directement exprimable. Etant donne que la methode presentee
est une methode approximative, il est egalement possible destimer
2
2

5
7
avec une erreur de 7.17 10
3
.
En general, la matrice de rotation correspondant à e
j
2
n
ne peut pas se
mettre sous une forme aussi elegante quen (3.19), mais la première partie des
simplications est applicable. Par consequent, à partir de (3.15), nous avons
N =
2j
An
n/21
k=0
(y
k
y
k+
n
2
)e
j2
k
n
=
2
An
n/41
k=0
(y
k
y
k+
n
2
+y
n
2
k
y
nk
) sin(2
k
n
)
2j
An
n/41
k=0
(y
k
y
k+
n
2
y
n
2
k
+y
nk
) cos(2
k
n
),
et le nombre de multiplications est reduit dun facteur quatre.
De plus, le nombre devaluations des sinus et consinus peut encore etre
diminue de moitie an dutiliser uniquement sin(2
k
n
) et cos(2
k
n
) pour k =
1, . . . ,
n
4
1. Il sut de recourir aux deux proprietes cos() = sin(
2
)
et sin() = cos(
2
) valables pour 0 > >

2
. Cependant le nombre de
multiplications, en tant que tel, ne peut pas etre reduit davantage en utilisant
les symetries du cercle unite qui conservent laxe des ordonnees et laxe des
abscisses.
Mis à part le gain en nombre doperations, le resultat precedent montre
que les echantillons sont redondants en ce qui concerne leur impact sur le
prermier harmonique. Certains situes loin les uns des autres se regroupent en
classe dequivalence selon leur apparition devant la fonction de base sin(2
k
n
)
ou cos(2
k
n
), k = 0, . . . ,
n
4
1.
3.3 Non-linearites communes
Dans cette section, nous presentons les resultats du calcul analytique de
quatres non-linearites communes. Ces resultats sont presentes sous forme
condensee, car ils sobtiennent aisement à partir de la saturation. En eet,
par sommation entre une saturation et un gain dont les signes et les valeurs
sont convenablement choisis, toutes les non-linearites de cette section sont
exprimables.
Nous reportons, pour commencer, les resultats associes à la saturation, par
soucis de completude.
3.3 Non-linearites communes 43
3.3.1 Saturation
La saturation correspond à une modelisation de la limitation de beaucoup
dactionneur. Tant que lactionneur opère dans sa plage de fonctionnement,
sa sortie y(t) est proportionnelle à la valeur desiree de sa sortie u(t), c.-à-
d. y(t) = ku(t). Par contre, si la valeur desiree est irrealisable (u(t) > a par
exemple), lactionneur ne peut que fournir le maximum possible (u(t) = ka) et
il ny a plus de proportionnalite entre la grandeur desiree et la sortie eective.
Symbole et fonction
(u(t)) =
_
_
_
ka u(t) > a
ku(t) a u(t) a
ka u(t) < a
(3.20)
Gain equivalent N(A)
N(A) =
_
_
_
k A a
2k
_
arcsin
_
a
A
_
+
a
A
_
1
a
2
A
2
_
A > a
Graphique
5 10 15 20 25 30
0.5
1
1.5
2
k = 2, a = 1
A
a
Fig. 3.7. Gain equivalent purement reel de la saturation. Il diminue en fonction de
lamplitude.
3.3.2 Zone morte
La zone morte correspond à la perte de transmission entre la grandeur
dentree u(t) et celle de la sortie y(t) pour des valeurs proches de zero. Ainsi,
tant que la grandeur desiree na pas atteint un seuil , la grandeur de sortie y(t)
est nulle. Dès que la grandeur dentree depasse ce seuil, la sortie correspond
à la dierence entre lentree et le seuil multiplie par un gain k.
Symbole et fonction
La fonction correspondant à la zone morte est notee

:
(u(t)) =
_
_
_
k(u(t) ) u(t) >
0 u(t)
k(u(t) +) u(t) <
(3.21)
Gain equivalent
Pour obtenir le gain equivalent de la zone morte, il sut de remarquer que
celle-ci peut se fabriquer très facilement à partir dune saturation. En eet, en
posant a = et en designant la fonction de la saturation par

et celle de la
zone morte par

, un montage sommateur entre un gain k et loppose dune
saturation donne la zone morte, autrement dit

= k

, et ainsi
N(A) =
_
_
_
0 A
2k
2
arcsin(

A
)

A
_
1

2
A
2
_
A >
Reciproquement, il est facile de construire une saturation à partir dune
zone morte, car une fois pose = a, la saturation sexprime comme

= k
.
Graphique
2 4 6 8 10 12 14
0.5
1
1.5
k = 2, = 1
A
Fig. 3.8. Gain equivalent purement reel de la zone morte. Il augmente en fonction
de lamplitude.
3.3 Non-linearites communes 45
3.3.3 Relais
Le relais correspond à la commutation tout ou rien en fonction du signe
de la valeur dentree. Lorsque celle-ci est positive, la sortie du relais prend la
valeur xe +M. Elle prend la valeur contraire pour des valeurs negatives de
lentree.
Symbole et fonction
Nous noterons la fonction associee au relais par

.
(u(t)) =
_
_
_
+M u(t) > 0
0 u(t) = 0
M u(t) < 0
(3.22)
Gain equivalent N(A)
Pour calculer le gain equivalent, il sut de remarquer que la fonction

peut etre exprimer à partir de celle la saturation

, en posant k =
a
M
, et en
passant à la limite lim
a0
. Ainsi
(u(t)) = lim
a0
(a, k =
a
M
, u(t)),
et donc en utilisant le fait que sin(x) = x+o(x) (c.-à-d. arcsin(x) = 1/x+o(x))
N(A) =
4M
A
3.3.4 Hysterèse
Lhysterèse peut modeliser une transmission comportant deux engrenages.
Lorsquun premier engrenage commence à tourner, durant un angle de ,
il ny a pas deet sur la rotation du second engrenage. Un fois cet angle
parcouru, le seond engrenage commence à tourner et il tourne alors dun
angle correspondant à celui du premier. Lorsque le mouvement est inverse, il
est necessaire au premier engrenage de parcourir un dierence dangle de 2
dans le sens inverse sans quil y ait deet sur le second engrenage. Ce dernier
commence alors à tourner dans le sens contraire.
a
1
=
4kb
(
b
A
1)
b
1
=
Ak
_
_
2
arcsin
_
2b
A
1
_

_
2b
A
1
_
1
_
2b
A
1
_
2
_
_
N(A) =
1
A
_
a
2
1
+b
2
1
arg(N(A)) = arctan
_
a
1
b
1
_
3.3.5 Non-linearites symetriques, continues par morceaux
Nous avons vu que la saturation permet de synthetiser une zone morte et
un relais. En outre, comme nous allons le voir dans cette section, elle peut
egalement fabriquer un ensemble très grand de non-linearites statiques.
Nous allons montrer comment, à partir de zones mortes (et donc à laide
de saturations), il est possible de constituer nimporte quelle non-linearite
statique symetrique constante par morceaux, par simple principe de super-
position (c.-à-d. en utilisant des sommes et des multiplications par des gains
constants). La gure 3.9 illustre le principe.
-10 10
-40
-20
0
20
40
u
4
(u)
Fig. 3.9. Le trait en solide represente une non-linearite statique symetrique, et
continue par morceaux. Elle est egale à la somme des quatres zones mortes

1,
2,

3, et

4, avec 1 < 2 < 3 < 4. Les zones mortes sont representees en
traits hachures. La non-linearite peut donc sexprimer comme une combinaison de
saturations

i avec des paramètres ai et ki judicieusements choisis.
Comme la non-linearite est symetrique, il sut de considerer le cas u 0.
est alors determine par des valeurs en un nombre ni m de points. Soit
u
1
< u
2
< u
3
< . . . < u
m
, les valeurs de u pour lesquelles vaut
1
= (u
1
),
2
= (u
2
), . . .,
m
= (u
m
), avec
i
R, i = 1, . . . , m.
3.4 Système en retroaction 47
Ceci etant donne, nous pouvons exprimer à laide de

i
(k
i
,
i
). Pour
trouver ces expressions, il sut de xer
i
= u
i
, i = 1. . . . , m
et de constater que les zones mortes i, i + 1, . . ., m ninuencent pas le com-
portement pour u [0; u
i
[. Les gains k
i
sexpriment donc inductivement par
k
i
=
(u
i+1
) (u
i
)
i1
l=1
_
l
n=1
k
n
_
u
l
u
i+1
u
i
Comme à travers cette construction
=
m
i=1
(k
i
,
i
),
le gain equivalent de la fonction secrit alors par superposition des gains
equivalents des zones mortes respectives
N(A) =
2
i=1
k
i
(A
i
)
_
2
arcsin(
i
A
)

i
A
_
1

2
i
A
2
_
,
o` u (.) designe la fonction (de R dans R) x (x) qui vaut +1 lorsque x > 0
et 0 sinon.
3.4 Système en retroaction
Jusquà present, nous navons pas considere le système en boucle fermee.
Le but essentiel de la methode du premier harmonique est de determiner
une estimation des paramètres dun système oscillant (periode et amplitude)
lorsque ce dernier oscille à cause dune retroaction du signal de sortie sur son
entree.
Ceci est represente à la gure 3.10. La boucle est fermee en for cant
u(t) = z(t)
.
Pour quun cycle limite puisse se maintenir dans un tel arrangement, il
faut que les signaux respectent les equations
y(t) = (u(t)) (3.23)
z(t) =
_
t
0
y()g(t )d (3.24)
u(t) = z(t), (3.25)
u
y z
N.L. G(s)
Fig. 3.10. La boucle de retroaction est fermee par le signal de sortie de telle sorte
que u(t) = z(t).
o` u g(.) represente la reponse impulsionnelle de G(s).
Ceci correspond à determiner la nature du point xe z(.) solution de
lequation integrale non-lineaire
z(t) =
_
T
0
(z())g(t )d (3.26)
Evidemment, trouver une solution à cette equation sur toute la duree
[0; T] donne une solution exacte du problème. Cependant, la caracteristique
passe-bas de G(s) permet dapproximer la solution en rempla cant la fonction
non-lineaire par le gain equivalent N(A, ).
Ceci est represente à la gure 3.11.
u
y z
N(A, ) G(s)
Fig. 3.11. Le système en boucle fermee est approxime par le schema ci-dessus, o` u
la non-linearite statique est consideree comme un gain equivalent N(A, ).
La non-linearite se borne à modier le gain en fonction de lamplitude A
et eventuellement de la pulsation .
Par consequent, un cycle limite existe lorsque les signaux respectent les
conditions frequentielles
Y (j) = N(A, )U(j) (3.27)
Z(j) = G(j)Y (j) (3.28)
U(j) = Z(j). (3.29)
Ces trois conditions conduisent à une equation unique pour Z(j) :
Z(j) = G(j)N(A, )Z(j) (3.30)
Cette equation (3.30) correspond à une approximation de lequation integrale
(3.26). Le fait de considerer uniquement le premier harmonique permet de
factoriser Z(j) de telle sorte que ce facteur se simplie dans (3.30). Une
simplication analogue est impossible dans lequation exacte (3.26).
Ainsi, selon le critère du premier harmonique, une estimation possible de
lamplitude A et de la pulsation du cycle limite eventuel correspond aux
solutions de lequation
1 = G(j)N(A, ). (3.31)
Il peut exister une solution, plusieurs solutions, ou aucune solution à cette
equation. Une solution est representee par un couple A, .
3.4.1 Representation graphique
Pour representer les solutions de lequation (3.31), nous utilisons le dia-
gramme de Nyquist. Il sagit de representer un nombre complexe correspon-
dant à une reponse harmonique (ou au gain equivalent) dans un plan o` u laxe
horizontal represente la partie reelle de ce nombre et laxe vertical, la partie
complexe.
Re
Im
G(j)
1
N(A)
Fig. 3.12. Representation de la reponse harmonique et du gain equivalent dans
le plan complexe (diagramme de Nyquist). Le point de croisement y est egalament
represente. Le cycle limite aura les paramètres A et donne par ce point de croise-
ment.
Pour obtenir une representation correspondant à la reponse harmonique
G(j). la pulsation est augmentee de manière continue an quune courbe
associee aux nombres complexes G(j) soit representee dans ce plan. Cette
courbe est orientee dans le sens des pulsations croissantes.
Nous pouvons egalement representer une courbe associee au gain equivalent
N(A). Dans ce cas, lamplitude A (et non la pulsation) est graduellement
et continument augmentee de telle sorte que les points complexes 1/N(A)
decrivent une courbe dans le plan. Elle est egalement orientee dans le sens
croissant des amplitudes.
Un exemple de diagramme de Nyquist comprenant G(j) et 1/N(A) est
donne à la gure 3.12.
Lorsque le gain equivalent depend à la fois de lamplitude et de la pulsation
(c.-à-d. N(A, )), il est necessaire de discretiser la pulsation en un ensemble
ni de valeurs
1
,
2
, . . .,
p
. Ensuite, chaque gain equivalent N(A,
i
), i =
1, . . . , p est considere comme un gain dependant de lamplitude et il est traite
comme precedemment. En consequence, un ensemble de p courbes distinctes
est obtenue o` u chaque courbe est un lieu de points complexes 1/N(A,
i
),
i = 1, . . . , p parametre par lamplitude A.
Un cycle limite potentiel, solution de (3.31), correspond ` a un point din-
tersection entre la reponse harmonique G(j) et une des courbes representees
par 1/N(A) ou 1/N(A,
i
).
3.4.2 Double integrateur et oscillateurs lineaires
Les considerations de la section precedente prennent une caracterisation
precise lorsque le gain N est un simple nombre reel.
En partant dun double integrateur
G(s) =
1
s
2
,
et en eectuant une contre-reaction negative avec un gain unite
N = 1,
on se place dans une conguration particulière du diagramme 3.11. Comme le
système est lineaire, la boucle fermee correspond à une fonction de transfert
G(s) = NG(s)/(1 +NG(s)),

c.-à-d.
G(s) =
1
s
2
+ 1
et on constate que le système oscille car ses deux p oles valent s
1
= +j et
s
2
= j.
Remarque 3.1. Les considerations precedentes admettent une interpretation
physique en considerant la sortie z(t) du double integrateur G(s) comme une
position. Son entree est alors une acceleration. Le schema de la gure 3.11
signie quune acceleration proportionnelle, mais de signe contraire à la posi-
tion de sortie, est appliquee. Le système se comporte donc comme une masse
unitaire soumise à une force elastique de constante egale à lunite, et nous
retrouvons loscillateur du chapitre precedent sous un angle nouveau. Comme
nous lavons vu, lamplitude de loscillation est fonction des conditions ini-
tiales. Cest là une propriete universelle des oscillateurs lineaires.
Linformation nouvelle est la possibilite de representer lapparition de los-
cillation par une particularite du diagramme de Nyquist. En reportant la
courbe G(j) =
1
2
dans ce diagramme, nous constatons que cette courbe
coupe le point 1 exactement à la pulsation doscillation = 1.
En modiant le gain N nous obtenons une autre fonction de transfert
N/(s
2
+ N) dont les deux p oles sont purement imaginaires j
N. Loscil-
lateur change de frequence. A nouveau, le diagramme de Nyquist donne une
interpretation similaire, puisque NG(j) coupe à nouveau le point 1 exac-
tement à la pulsation =
N, ou autrement dit lorsque G(j) intersecte le

point 1/N (Figure 3.13).
Re
Im
G(j)
1
N
1
Fig. 3.13. Digramme de Nyquist dun double integrateur G(s) =
1
s
2
. Le lieu
G(j) =
1
2
intersecte tous les points sur laxe reel negatif. Par consequent, chaque
point dintersection
1
N
correspond à un gain N dune contre-reaction permettant de
forcer une oscillation à la pulsation =
N. Lorsque N = 1, loscillateur correspond

au système masse ressort unitaire du chapitre precedent.
Ainsi, puisque tout système lineaire oscillant possède des p ole imaginaires
complexes conjugues, ces p oles annulent le denominateur de la fonction de
transfert en boucle fermee, conduisant naturellement à ce que la reponse har-
monique en boucle ouverte NG(j) passe par le point 1.
Notons que dans le cas lineaire (N constant par exemple), une ca-
racteristique passe-bas de la fonction de transfert nest absolument pas
necessaire pour lexistence dune paire de p oles complexes conjugues determinant
la possibilite davoir une oscillation à la pulsation correspondante.
Neanmoins, une diculte provient de la garantie dexistence de loscillation
qui ne peut etre determinee quen considerant les p oles et zeros supplementaire
aux paires de p oles complexes conjugues solutions de lequation
1 +NG(j) = 0.
3.4.3 Theorème de Nyquist
Le diagramme de Nyquist correspond à eectuer une transformation
conforme entre le plan de representation des p ole et zeros du système en boucle
fermee vers un nouveau plan o` u tous les p oles en questions sont envoyes au
point unique 1.
Pour denir cette transformation conforme, on prend laxe imaginaire j
en evitant soigneusement tous les p oles et zeros sur cet axe en eectuant un
arc de demi-cercle situe dans le demi-plan droit et de rayon inniment faible,
chaque fois quun p ole ou zero est rencontre. On utilise alors lapplication des
nombres complexes a + jb G(a + jb) (avec a, b R) qui transforme laxe
imaginaire j du premier plan en une courbe G(j) dans le second plan.
En rejoignant par une courbe situee dans le demi-plan droit du plan de
depart, une valeur imaginaire pure choisie arbitrairement et se trouvant sur la
partie positive de laxe imaginaire vers celle de signe contraire situee sur laxe
imaginaire negatif, une courbe de Jordan est obtenue englobant une partie
du demi-plan droit du plan complexe initial. De plus, lorsque la courbe est
parcourue dans le sens des pulsations croissantes pour le demi-axe imaginaire
positif (et dans le sens des pulsations decroissantes pour le demi-axe imaginaire
pur negatif), la partie en question est toujours laissee ` a droite de la courbe. En
augmentant davantage la valeur imaginaire pure choisie, tout en maintenant
le module aussi grand que possible des points complexes constituants la courbe
qui rejoint les deux points de laxe imaginaire choisis, une grande partie du
demi-plan droit du plan complexe est englobee. En continuant le processus, il
est possible de considererer lensemble de laxe imaginaire en tant que tel et
dimaginer que lextremite innie positive de celui-ci est refermee à linni vers
la partie imaginaire innie negative par une courbe de Jordan de module inni.
La totalite du demi-plan droit est ainsi systèmatiquement laissee sur la droite
de la courbe de Jordan de depart. Ce demi-plan droit est alors transforme par
lapplication susmentionnee a +jb G(a +jb) en la partie du plan complexe
laissee à droite par la courbe G(j) dans le plan darrivee.
Ces considerations sont illustrees aux gures 3.14 et 3.15, pour la fonction
en boucle ouverte G(s) =
s1
s
3
+2s
2
+3s+9
, et avec un gain unite N = 1. La
fonction de transfert en boucle fermee possède une paire de p oles complexes
conjugues (2j) ainsi quun p ole reel negatif (2), tous trois sont envoyes au
point 1 par la transformation a+jb G(a+jb). La transformation de laxe
imaginaire (en vert) est egalement illustree.
a +jb G(a +jb)
1
Fig. 3.14. La fonction de transfert en boucle fermee 1/(1+G) = (s1)/(s
3
+2s
2
+
4s +8) correspond à la fonction de tranfert en boucle ouverte G(s) = (s 1)/(s
3
+
2s
2
+ 3s + 9). A gauche, les poles et zero de la boucle fermee sont representes. A
droite, le plan de Nyquist et limage de laxe imaginaire du plan de gauche est trace.
Les trois poles (une paire complexe conjuguee et un pole reel negatif) du plan de
gauche sont tous envoye au point 1 du plan de droite.
Deux courbes de Jordan delimitees par des demi-arcs de cercle ainsi que
leurs images respectives sont representees à la gure 3.15.
Le demi-disque du plan droit limite par un rayon très legèrement (i.e.
innitesiment) inferieur à deux est entièrement transforme dans une très
grande region du plan droit. Lapplication est clairement surjective, car cer-
tains points situes dans le demi-anneau de rayon 1.8 < r < 2 et ceux situes
dans le demi-anneau de rayon 2 < r < 3 sont envoyes vers des points iden-
tiques.
Cette surjectivite provient du fait que le degre du denominateur est
superieur à un, de telle sorte quil possède plus quun seul p ole, impliquant que
le point 1 de limage possède egalement plusieurs points sources (les p oles
en question). Par continuite, il existe donc des points dierents de 1 du
plan image auxquels correspondent plusieurs points distincts du plan source,
c.-à-d. G(s
1
) = G(s
2
) = 1, s
1
= s
2
avec s
1
, s
2
C.
On remarque egalement que le recouvrement se produit essentiellement
lorsque les p oles complexes conjugues, imaginaires purs, et responsables de
loscillation, sont rencontres. De plus, il y a une extreme sensibilite entre les
points de depart situes autour de ces p oles et les points darrivee. (Un petit
deplacement des points dans le plan source implique un grand deplacement
de leurs images.)
Une simulation du système precedent conrme quil oscille bien à la pul-
sation = 2. Cette oscillation est stable au sens o` u, bien quil y ait presence
dun regime transitoire conditionne par la presence du p ole reel 2, il dis-
parat rapidement pour laisser place à loscillation. Tout comme dans le cas
-2 0 2
-2
0
2
1.8
3
-1 -0.5 0 0.5
-1
0
1
3
1.8
Fig. 3.15. Illustration des courbes de Jordan lorsque les courbes rejoignants les
deux points de laxe imaginaire sont des demi-cercles de rayon 1.8 et 3. Le système
est identique à celui de la gure 3.14. Lorsque le rayon depasse la valeur 2, plus ce
rayon est grand, plus petite est la courbe image dans le diagramme de Nyquist.
du double integrateur en retroaction, lamplitude de loscillation est fonction
des conditions initiales.
Cependant, une dierence essentielle existe entre le double integrateur et
le système G(s) que lon vient de presenter. Dans ce dernier cas, lorsque le
gain de contre-reaction N change, la reponse harmonique ne peut plus couper
le point 1/N, contrairement au cas du double integrateur. Par consequent,
la paire de p oles complexes conjugues, imaginaires purs, disparat.
Nous pouvons neanmoins predire o` u doivent se trouver les deux p oles man-
quants lorsque le gain augmente ou diminue, en utilisant à la fois la propriete
de separation de laxe imaginaire (separant le plan complexe initial en deux),
et la nature de la transformation utilisee (` a savoir conforme).
Sans perte de generalite, considerons une diminution du gain, disons N =
0.9. Le point 1/N = 10/9 se deplace alors sur la gauche du point 1 du
diagramme de droite de la gure 3.14. Ceci signie que, lorsquon se deplace
sur la courbe verte solide du diagramme de droite, dans le sens croissant des
pulsations, nous laissons le point 10/9 sur la droite. En consequence, les p oles
associes à ce point doivent se situer egalement sur la droite de la courbe verte
solide du diagramme de gauche de la gure 3.14. Cest la raison pour laquelle
les p oles correspondants appartiennent au demi-plan droit du diagramme de
gauche et possèdent des parties reelles positives. Le signal de sortie est instable
et loscillation damplitude constante ne se maintient pas. Lamplitude explose.
A linverse, lorsque le gain est augmente, les p oles du diagramme de gauche
se deplace sur la gauche, le signal de sortie est asymptotiquement stable, (il
tend vers zeros quels que soient les conditions intiales, lorsque le temps tend
vers linni), et loscillation damplitude constante ne se maintient pas. Elle
sevanouit progressivement.
Ceci est conrme en simulation en prenant N = 0.9 et N = 1.1 dont les
resultats sont donnes à la gure 3.16.
0 20 40
-4
-2
0
2
4
Resultats
0 20 40
-4
-2
0
2
4
Resultats
Fig. 3.16. Illustration de leet de la modication du gain dans le cas du système
G(s) des gures 3.14 et 3.15. A gauche, le gain est diminue à N = 0.9, loscillation
samplie. A droite, le gain est augmente à N = 1.1, et loscillation sevanouit.
Par consequent, la condition de stabilite (absence de p oles à partie reelle
positive) est profondement liee à la manière dont le point 1 est laisse à
droite ou à gauche de limage de laxe imaginaire par la fonction de transfert
NG(s). Pour etre plus precis, la stabilite depend de la fa con dont la reponse
harmonique G(j) entoure le point 1/N.
La conclusion suit une application directe du critère de largument de
Cauchy applique à la courbe de Jordan particulière.
Theorème des residus et principe de largument de Cauchy
Le principe de largument de Cauchy stipule que la somme des residus
associes à des singularites de la transformation equivaut aux nombre de tours
que la courbe doit parcourir autour de limage de la singularite.
Cest un corolaire du theorème des residus que nous donnons ci-après.
Le corolaire en question suit pour nalement presenter le resultat qui nous
interesse.
Pour commencer nous donnons la denition exacte dun residu. Elle se
fonde sur un developpement en serie de la fonction analytique f(z).
Denition 3.2. Soit f(z) une fonction complexe que nous exprimons f(z) =
C
k
(z z
0
)
k
dans un voisinage de z
0
en excluant z
0
. Le nombre C
1
est
appele le residu de f au point z
0
. Nous notons
Res (f; z
0
) = C
1
Nous donnons egalement la denition du nombre dentourement :
Denition 3.3. Soit une courbe fermee et a un point qui nappartient pas
` a cette courbe (a ). Alors
n(; a) =
1
2j
_
dz
z a
est le nombre dentourement.
Pour illustrer cette dernière denition, lorsque est un cercle, n(; z) = 1,
si a est à linterieur du cercle et lorsque a est à lexterieur, n(; z) = 0.
Le theorème des residus de Cauchy senonce alors
Theorème 3.4. Supposons f analytique dans un domaine simplement connexe,
si ce nest pour un ensemble ni isoles de singularites z
1
, z
2
, . . . , z
m
. Soit
une courbe fermee qui ne passe par aucune des singularites. Alors
_
f = 2j
m
k=1
n(; z
k
)Res (f; z
k
).
X
X
X
X
X
X
O
O
O
P = 6
Z = 3
N = -3
E(s)

Fig. 3.17. Illustration du theorème des residus dans le cas particulier o` u f est une
fraction rationnelle E(s). A gauche, le plan s est represente avec les zeros representes
par O et au nombre de Z = 3, ainsi que les poles representes par X, et au nombre
de P = 6. Une courbe de Jordan quelconque dans le sens des aiguilles dune montre
est choisie. Le theorème des residues indique que le nombre dencerclements N de
lorgine, eectue par limage de la courbe de Jordan par lapplication E(s), est egal
à N = Z P = 3. La courbe encercle bien trois fois lorigine dans le sens contraire
du sens de la courbe initiale.
En somme, lorsque une courbe fermee est parcourue, seules les singularites
contribuent au nombre dentourement de la courbe, Chaque contribution des
singularites est proportionnelle à leur residu et à leur nombre dentourement
propre. Les singularites se somment en quelque sorte.
On comprend donc que lorsque une courbe est transformee en une autre,
conservant les singularites avant et après transformation, c.-à-d. sans modier
ni le residu ni le nombre dentourement correspondant, le nombre dentoure-
ment global doit demeurer identique.
Critère de Nyquist
En appliquant le theorème des residus à la courbe de Jordan particulière
correspondant à prendre laxe imaginaire (tout en evitant les p oles et zeros se
situant sur laxe imaginaire en eectuant un ecart innitesimal) et dinclure
tout le demi plan droite du plan complexe en refermant la courbe à linni,
on aboutit au critère de Nyquist generalise.
En eet, en prenant pour E(s) lexpression 1 + G(s)H(s) on obtient le
theorème suivant :
Theorème 3.5. 1. On prend laxe imaginaire du plan s, c.-` a-d. j,
[; ].
2. On prend son image par G(s)H(s)
3. N = nbr de fois que G(j)H(j) encercle 1 (sens trig. ).
4. P = nbr de p oles de G(s)H(s) instables ( p oles instables de 1+G(s)H(s))
Z = N + P = nbr de p oles inst. de la boucle fermee (zeros inst. de
1 +G(s)H(s))
Remarquons que les p ole de 1 + G(s)H(s) sont egalement les p oles de la
boucle ouverte G(s)H(s) (la sommation de 1 ne change pas la stabilite de
1 + G(s)H(s)). De plus, considerer que limage de la courbe de Jordan par
1 + G(s)H(s) encercle lorigine est identique à tester le nombre de fois que
limage de cette courbe par G(s)H(s) encercle le point 1.
Le precedent theorème peut etre legèrement modie pour tenir compte du
gain N supplementaire :
Theorème 3.6. 1. On prend laxe imaginaire du plan s, c.-` a-d. j,
[; ].
2. On prend son image par G(s)H(s)
3. N = nbr de fois que G(j)H(j) encercle 1/K (sens trig. )
4. P = nbr de p oles instables de la boucle ouverte
Z = N + P = nbr de p oles instables de la boucle fermee
3.5 Critère de stabilite
Dans le cas dune contre-reaction lineaire, il nest pas possible de main-
tenir une oscillation avec la meme frequence doscillation lorsque le gain est
augmente ou diminue. Pour une majeure partie des cas (sauf pour le double
integrateur, par exemple), loscillation à tendance a immediatement sevanouir
ou à samplier. De plus, meme lorsque loscillation se maitient parfaitement,
il est très dicile de garantir une amplitude bien denie, etant donne que
cette dernière depend des conditions initiales qui ne sont pas matrisables.
Cependant, lors de lajout dune non-linearite, loscillation peut se main-
tenir à une amplitude bien denie. Ceci est illustre en rempla cant le gain
constant dans lexemple des gures 3.14 et 3.15 par un element non-lineaire.
Lidee est de garantir lintersection avec le lieu du gain equivalent meme
lorsque le gain statique de G(s) est modie. Ainsi, le critère dexistence dun
cycle limite est satisfait.
Nous prendrons deux types de non-linearites, i) la saturation et ii) la zone
morte. Toutes deux permettent de constituer un lieu pour lequel lintersection
avec la reponse harmonique G(j) existe.
Remarque 3.7. Les deux gures 3.18 et 3.19 correspondent à des systèmes
nayant pas de zeros instables. Ainsi le critère de Nyquist simplie sapplique.
La stabilite est donnee lorsque la reponse harmonique laisse le point de sta-
bilite à gauche. Linstabilite a lieu lorsque ce dernier est laisse à droite.
3.5.1 Cycle limite stable
La prevision dun cycle limite stable a lieue lorsque le gain equivalent,
parametre par lamplitue A, croise la reponse harmonique, parametree par
, selon la gure 3.18. Pour sen convaincre, il sut de considerer le point
de croisement, après une legère perturbation, comme un point de stabilite.
La perturbation est eectuee en augmentant ou diminuant lamplitude A.
La gure 3.18 represente le cas o` u lamplitude est augmentee. Le point de
croisement est alors deplace sur la gauche. Lorsque la reponse harmonique est
parcourue dans le sens des pulsations croissantes, elle laisse ce point egalement
sur la gauche. Ainsi, lorsque ce point est considere comme un point de sta-
bilite, la reponse harmonique decrit une situation stable. Le système aura
donc tendance à diminuer lamplitude par la presence de cette stabilite. Par
consequent, le point hypothetique aura tendance à revenir vers le point de
croisement.
De manière similaire, lattraction du point de croisement est deduit en
considerant une diminution de lamplitude. Le point de croisement est alors
deplace sur la droite, de telle sorte quil correspond à un point instable par rap-
port à la reponse harmonique. Lamplitude aura donc tendance à saccrotre
3.5 Critère de stabilite 59
lorsquelle est amoindrie par la perturbation. Ainsi le point hypothetique aura
tendance à revenir egalement au point de croisement. Le point de croisement
est donc bien stable dans ce cas de gure.
1
K
Fig. 3.18. Illustration dune prevision de la presence dun cycle limite stable.
3.5.2 Cycle limite instable
La prevision dun cycle limite instable a lieu lorsque le croisement entre le
gain equivalent, parametre par lamplitude A, croise la reponse harmonique,
parametree par , selon la gure 3.19. De manière similaire au cas de la
stabilite de la section 3.5.1, le comportement resulte de linterpretation après
une legère perturbation. La gure represente le cas o` u, après augmentation
de lamplitude par perturbation, le point de stabilite devient instable. Ceci
reète une tendance à ce que lamplitude augmente davantage. Le cycle ne
peut donc pas se maintenir.
An dillustrer les considerations ci-dessus, nous revenons à lexemple des
gure 3.14 et 3.15.
La fonction de transfert G(s) admet la realisation en representation detat
suivante
x
1
= x
2
x
2
= x
3
x
3
= 2x
3
3x
2
9x
1
+u
y = x
2
x
1
1
K
Fig. 3.19. Illustration dune prevision de la presence dun cycle limite instable.
Deux conditions initiales dierentes, sont choisies, à savoir x
10,a
= x
1
(0) =
2 et x
10,b
= x
1
(0) = 3, x
2
(0) = 2 et x
3
(0) = 0 pour les deux choix de
conditions initiales.
La première simulation consiste à simplement boucle lentree sur la sortie
avec un gain unite, c.-à-d. u = y. Le resultat est reporte à gauche dans la
gure 3.20. Lamplitude depend des conditions initiales.
0 10 20
-5
0
5
Resultats
0 10 20
-5
0
5
Resultats
Fig. 3.20. Illustration de leet des conditions initiales lorsque loscillateur est cree
avec une retroaction lineaire (gure de gauche, gain unite) et lorsque le gain est
produit par une zone morte (gure de droite, k = 4.2 et = 0.9). Le système en
boucle ouverte est le meme que celui des gure 3.14 et 3.15.
A droite de la gure est represente le resulta lorsque une zone morte rem-
place le gain unite, avec k = 4.2 et = 0.9. On constate que lamplitude de
loscillation ne depend pas des conditions initiales.
3.7 Oscillateur de Van der Pol revisite 61
Par consequent, lorsque la non-linearite est une zone morte, loscillation
correspond à un point de stabilite. Pour le verier, appliquons le critère de sta-
bilite en utilisant la reponse harmonique G(j) et le gain equivalent 1/N(A)
de la zone morte.
G(j) coupe laxe reel negatif lorsque = 2. exactement au point 1.
On calcule egalement facilement que A = 1.39 pour les paramètres = 0.9
et k = 4.2. Cette valeur damplitude est legèrement plus grande que la valeur
damplitude constatee, mais le resultat donne une bonne estimee etant donne
la nature approximative de la methode.
3.6 Fiabilite de lanalyse par le premier harmonique
amplitude et frequence predites ne sont pas exactes
un cycle limite prevu ne se produit pas
un cycle limite existant nest pas predit
3.7 Oscillateur de Van der Pol revisite
Bien que sous lhypothèse passe bas de la partie lineaire, la methode du
premier harmonique sapplique à la contre-reaction par un element non-linaire
statique, cette methode permet egalement de traiter dautres types de non-
linearite.
Dans cette section, nous reprenons loscillateur de Van der Pol et nous
allons voir, dans quelle mesure, la methode de ce chapitre sapplique.
La première chose essentielle est de constater que loscillateur oscille à une
frequence fondamentale. Cest une constation, certes, triviale, mais cest la
cle de lapplication correcte de la methode du premier harmonique dans ce
contexte.
A partir de loscillation fondamentale (pulsation et amplitude), il est pos-
sible dapproximer celle-ci par une onde sinusodale unique. En passant en
variable complexe, le dephasage correspond au rapport entre partie reelle et
imaginaire.
En partant de lequation de loscillateur,
x +(x
2
1) x +x = 0
il est possible disoler les termes lineaires de ceux non lineaires. Cest une
procedure similaire à ce qui est entrepris lors de la presence dune non-linearite
statique.
x x +x = x
2
x. (3.32)
Ainsi le terme non lineaire est isole au membre de droite et il constitue
alors le bloc non lineaire :
u(t) = x
2
x.
Toutefois, ce terme ne peut pas etre transforme par un bloc à une seule
sortie et une seule sortie statique. En eet, bien que statique, la presence
de plusieurs entrees (x et x) pour une seule sortie (u) nest pas exactement
similaire à ce qui à ete vu precedemment.
Neanmoins, loscillation à la sortie du montage (x(t)) est assumee contenir
que la fondamentale (une sinusode de première harmonique). Par consequent,
les deux signaux dentree de la non-linearite sont en n de comptes parametres
par la phase et le rapport damplitude des signaux dentree. Il est donc possible
de represente la non-linearite par son eet damplication et de dephasage de
la sortie par rapport à leet combine des deux entrees. Il est alors naturel
dintroduire un nombre complexe constituant le gain multivariable equivalent
de manière similaire au cas mono-entree mono-sortie traite precedemment.
En utilisant la tranformee de Laplace sur la partie lineaire des equations
(3.32), nous obtenons
(s
2
s + 1)X(s) = U(s).
Comme seule la fondamentale est consideree
x(
t) = Asin(
t +).
A cause du dephasage, nous changeons la variable temporelle pour sen
debarasser
t t
t + = t.
x(t) = Asin t
x(t) = A cos t
En examinant leet de la non-linearite sur le premier harmonique
3.7 Oscillateur de Van der Pol revisite 63
xx
2
= (A cos(t))(A
2
sin
2
t)
= A
3
cos(t) (1 cos
2
(t))
= A
3
cos(t)
1
2
(1 cos(2 t))
= A
3
1
2
(cos(t) cos(t) cos(2t))
= A
3
1
2
(cos(t)
1
2
(cos(t) + cos(3t)))
= A
2
1
4
(A cos(t) A cos(3t))
u
A
3
4
cos t =
A
2
4
d
dt
(Asint)
De la precedente expression decoule le gain equivalent
N(A, ) =
A
2
4
j
Loscillateur de van der Pol peut donc etre approxime par la mise en
contre-reaction negative de lelement approximant ci-dessus avec le système
lineaire
s
2
s + 1,
qui peut etre interprete comme un un ltre passe-bas. Une approximation des
paramètres de loscillation est obtenue en cherchant les solutions de
1 +G(j)N(A, ) = 0
On trouve aisement
A = 2
= 1
4
Stabilite au sens de Lyapunov
Le chapitre precedent a fait appel à la notion de la stabilite, sans pour
autant en donner une denition formelle et des resultats rigoureux relatifs à
cette question. En eet, la stabilite de cycle limite, bien que presentee à laide
du concept de stabilite BIBO issue de linterpretation frequentielle donnee
par le critère de Nyquist, et etendue aux cycles limites par une methode
approximative, demeure une notion intuitive depourvue dune axiomatique
precise. La stabilite y etait consideree comme la capacite du cycle limite de
se maintenir meme après perturbation de celui-ci. Ce type de stabilite sera
appele asymptotique. Le present chapitre donne les nuances entre les types
de stabilite ainsi quun traitement approfondi du concept, et des resultats
relatifs. Il ne soccupera que de lanalyse dun point dequilibre. Les concepts
pourront alors etre etendus à la notion de cycle limite sans trop de diculte.
4.1 Point dequilibre
Soit donc un système,
x = f(x)
et un point dequilibre x
de telle sorte que,
x = 0 = f(x).
4.2 Rappel de la notion de stabilite pour les systèmes
lineaires
Considerons un système lineaire avec entree x = Ax +Bu suivi dun bou-
clage u = Kx : de telle sorte que le système en boucle fermee secrive
66 4 Stabilite au sens de Lyapunov
x = (A BK)x =

Ax (4.1)
Ce système possède un point dequilibre unique, à condition que la matrice

A
ne sois pas singulière, auquel cas lequilibre est x = 0.
Lorsque toutes les valeurs propres de la matrice

A sont à parties reelles
strictement negative (c.-à-d. Re (

A) < 0) alors le système (4.1) est asymp-
totiquement stable.
Remarque 4.1. La caracterisation de la stabilite par les valeurs propres, bien
que tout à fait satisfaisante en lineaire, etant donne sa connexion à dautres
types de stabilite dans ce contexte, notamment la stabilite entree-sortie BIBO
(c.-à-d. à une entree bornee, la sortie doit demeurer bornee), elle nest pas du
tout adaptee au contexte non lineaire, principalement à cause de limpossibilite
de trouver un equivalent universel du concept de valeur propre associe au
système dynamique x = f(x). En consequence, il faut remonter aux sources
du concept de stabilite an de trouver une denition adequate.
4.3 Notion intuitive de la stabilite
Denition 4.2. Si le système est initialement legèrement perturbe de son
point dequilibre le système reste proche de ce point dequilibre.
instable stable
Fig. 4.1. Illustration de la denition intuitive de la stabilite.
4.4 Denition mathematique precise de la stabilite
4.4.1 Notion de distance
Il faut rendre precis proche et legèrement
Un espace vectoriel V est dit norme lorsquil existe une fonction x x
de V dans R avec les proprietes suivantes :
4.4 Denition mathematique precise de la stabilite 67
1. x 0, x V ; et x = 0 seulement lorsque x = 0.
2. cx =| c | x, c R et x V.
3. x +y x +y, x, y V.
4.4.2 Stabilite : denition formelle
Denition 4.3. Un système est stable au sens de Lyapunov, si R > 0, r >
0 tel que x
0
< r implique x(t) < R.
Cette denition signie que, quelle que soit la boule dexigence de taille R,
il est toujours possible de choisir une certaine sous-boule de taille r telle que,
pour toutes les conditions initiales comprises dans cette sous-boule, les tra-
jectoires resultantes seront, en tout temps, comprises dans la boule dexigence
de taille R.
Lorsque le système est stable, il est toujours possible de trouver une telle
sous-boule, meme lorsque le rayon R de la boule dexigence est diminue de
manière à le rendre arbitrairement petit, augmentant ainsi les contraintes sur
les conditions initiales.
(i) (ii) (iii)
Fig. 4.2. Illustration de la denition formelle de la stabilite. (i) Pour tout choix de
la boule dexigence x < R, il doit etre possible de construire (ii) une sous boule de
conditions initiales x0 < r, telle que (iii) pour toute condition initiale appartenant
à cette sous boule, la trajectoire resultante reste emprisonnee dans la grande boule
de taille R.
Ceci corrobore la denition intuitive de la stabilite. En eet, en considerant
la bille captive dans un bol, une hauteur de reference arbitraire de la bille peut
etre consideree comme etant une mesure de la boule dexigence R. Maintenant,
sil existe toujours une certaine hauteur susamment petite (correspondant à
r), de telle sorte que, si la bille est lachee à nimporte quelle hauteur comprise
dans linterval deni par cette hauteur (associee à r), elle ne pourra jamais
depasser la hauteur dexigence de reference (associee à R), alors la bille sera
stable au sens de Lyapunov. Ceci ne signie pas pour autant que la bille
revienne asymptotiquement à son point dequilibre.
Ainsi, la bille est stable dans le cas dun bol concave et instable lorsque le
bol est convexe.
Fig. 4.3. Lorsque le système est instable (à gauche), quel que soit le choix de la
boule de conditions intiales de rayon r, certaines trajectoires resultantes ressortent
toujours de la boule dexigence de rayon R. Ceci nest pas le cas pour le système
stable (à droite).
Fig. 4.4. Lorsque laxe du temps est utilise pour representer les solutions de
lequation dierentielle x = f(x), la boule dexigence devient un cylindre. On
constate alors clairement que lors de linstabilite, il nest pas possible de con-
ner toutes les trajectoires à linterieur du cylindre pour toute boule de conditions
initiales à linterieur de celui-ci.
Les gures 4.3 et 4.4 representent les trajectoires du système
x
1
= 4x
2
+ 0.2x
1
x
2
= 6 sin(x
1
) +b(0.9 cos(6t))
Lorsque b = 0.4, le système est stable. La condition initiale est choisie en
x
1
(0) = x
2
(0) = 0.5 et le temps darret de la simulation est xe à T = 10 (` a
droite dans les gures 4.3 et 4.4). Lorsque b = 0.1, le système est instable. Les
conditions initiales sont choisies arbitrairement, par exemple x
1
(0) = x
2
(0) =
0.2, et le temps darret de la simulation est xe T = 9 (` a gauche dans les
gures 4.3 et 4.4).
4.4 Denition mathematique precise de la stabilite 69
Linstabilite est denie dès lors que la stabilite na pas lieu.
Denition 4.4. Un système est instable au sens de Lyapunov lorsque il nest
pas stable au sens de la denition 4.3.
Ceci semble etre une tautologie. Cependant limportance de cette denition
provient du fait que linstabilite ne signie pas necessairement une forme
dexplosion ou de divergence à linni. En eet, il existe des systèmes qui
convergent asymptotiquement vers un point dequilibre quelles que soient les
conditions initiales, sans pour autant que ces systèmes puissent etre consideres
comme stables. Ceci provient du fait quil est impossible de dominer le com-
portement transitoire des trajectoires resultantes, meme en rapprochant les
conditions initiales de lorigine. Les excursions des trajectoires sont toujours
bornees inferieurement par une boule de taille xe, temoignant ainsi de lin-
stabilite au sens du non respect de la denition 4.3.
Lexemple suivant illustre le phenomène.
0.1 0.2 0.3 0.4 0.5 0.6 0.7
0.2
0.4
0.6
0.8
Fig. 4.5. Exemple dun système convergent mais instable.
Exemple 4.5. Soit le système planaire,
x
1
=
x
2
1
(x
2
x
1
) +x
5
2
(x
2
1
+x
2
2
)[1 + (x
2
1
+x
2
2
)
2
]
x
2
=
x
2
2
(x
2
2x
1
)
(x
2
1
+x
2
2
)[1 + (x
2
1
+x
2
2
)
2
]
.
Plusieurs solutions pour dierentes conditions initiales sont representees
à la gure 4.5. Les trajectoires, bien que commen cant près de lorigine, sen
ecartent pour nir par y revenir le long de laxe horizontal. Il sagit donc bien
dune convergence asymptotique. Cependant, le système est instable etant
donne que les trajectoires ne peuvent pas etre contraintes à demeurer dans une
boule de taille susamment petite, quel que soit la proximite des conditions
initiales de lorigine.
4.4.3 Illustration
sans frottement avec frottement
Fig. 4.6. Deux cas pour lesquels la bille est stable.
4.4.4 Stabilite asymptotique
La stabilite asymptotique exige lexistence dune voisinage de lequilibre
tel que toute trajectoire ayant pour condition initiale un point de ce voisinage
converge vers le point dequilibre. En somme, on aimerait que le système
revienne et sarrete au point dequilibre lorsquil en est legèrement perturbe.
Denition 4.6. Le point dequilibre x = 0 de x = f(x) est asymptotiquement
stable ` a condition
1. quil soit stable au sens de Lyapunov
2. quil existe une boule de de condition initiales x
0
< r
0
telles que les
solutions resultantes soient telles que x(t) 0 lorsque t .
4.4.5 Desavantages de la denition
La denition de stabilite presente certains desavantages importants :
Il est necessaire de pouvoir calculer de manière explicite chaque solution
correspondant à chacune des conditions initiales.
Le maniement de la denition est fastidieux.
Par consequent, des resultats permettant de determiner la stabilite sans
devoir integrer les equations dynamiques seraient les bienvenus.
4.5 Methode directe de Lyapunov 71
r0
Fig. 4.7. Condition pour la stabilite asymptotique.
4.5 Methode directe de Lyapunov
Lorsque la bille est examinee selon un point de vue dierent, on constate
que le comportement stable ou instable de celle-ci est relie à la fois à la ca-
racteristique et à levolution de sa fonction denergie. La presence dun maxi-
mum ou minimum denergie potentielle possède une inuence critique. De
plus, la presence de frottement est responsable de la decroissance de lenergie
complète (cinetique et potentielle) et inuence donc la stabilite.
La bille possède donc une fonction denergie E qui comporte une part
denergie potentielle E
p
et une part denergie cinetique E
c
. On a E = E
c
+E
p
.
Le comportement est stable lorsque :
Lenergie E diminue et est minimum au point dequilibre.
Lenergie E est conservee et E est minimum à lequilibre
Par contre, le comportement est instable lorsque :
Lenergie E augmente.
Lenergie E est conservee mais elle ne correspond pas à un minimum
à lequilibre.
La theorie de Lyapunov et en particulier la deuxième methode de Lya-
punov (dite aussi methode directe) generalise cette constatation à une classe
plus large de fonctions. Ces fonctions sont notees V .
4.5.1 Candidat de Lyapunov
La fonction denergie possède deux proprietes essentielles. La première
est la qualite dextremum au point dequilibre, à savoir sil sagit dun maxi-
mum ou dun minimum. Le point dequilibre à tendance à etre stable lorsque
cet extremum est un minimum. Le candidat Lyapunov est une fonction qui
presente ce type de particularite. An de forcer la presence dun minimum au
point dequilibre, la fonction sera contrainte à etre positive pour toute valeur
dierente de lorigine. Elle ne pourra sannuler quà lorigine.
Denition 4.7. (Fonction denie positive) Une fonction denie positive est
une fonction f(x) : R
N
R telle que f(x) > 0, x = 0 et f(x) = 0 lorsque
x = 0.
De plus, cette fonction sera continue. On aboutit donc à la denition du
candidat de Lyapunov.
Denition 4.8. (Candidat de Lyapunov) Une fonction denie positive conti-
nue, notee V (x), est un candidat de Lyapunov.
4.5.2 Fonction de Lyapunov
La deuxième particularite de la fonction denergie lors de la presence dun
système stable, est davoir tendance à diminuer ou detre conserve lors de
levolution du système. En consequence, on exigera en plus du candidat de
Lyapunov que la derivee de celui-ci soit negative.
La derivee secrit,
V (x) =
_
V
x
_
T
f(x)
Remarque 4.9. La notation

V (x) est utilisee. Toutefois, ceci nest pas très
rigoureux. Nous verrons dans le chapitre 7, quil est possible de denir le
concept de derivee temporelle projetee le long du système qui sera appelee
derivee de Lie et notee L
f
V (x). Par consequent, la notation L
f
V (x) est plus
precise que

V (x). Lorsque ceci ne prete pas à confusion, la notation

V (x) sera
preferee dans ce chapitre, de part le caractère simple et suggestif de cette
notation.
Denition 4.10. (Fonction de Lyapunov) Une fonction de Lyapunov est un
candidat de Lyapunov, ` a savoir une fonction continue V (x) telle que
V (x) > 0 x = 0, V (x) = 0 x = 0,
ayant en plus la propriete
V (x) 0 x = 0,

V (x) = 0 x = 0.
Le theorème de stabilite fondamental de la theorie de Lyapunov peut main-
tenant etre enonce.
Theorème 4.11. (Seconde methode de Lyapunov, dite aussi methode directe)
Si une fonction de Lyapunov existe pour un système donne alors ce système
est stable.
Si la fonction de Lyapunov est strictement decroissante, cest-` a-dire que
V (x) < 0, x = 0, alors la stabilite est en plus asymptotique.

4.6 Exemple : robot 73
4.6 Exemple : robot
Un exemple simple illustrera lavantage de la fonction de Lyapunov sur le
simple concept denergie. Il sagit dun robot ayant un nombre arbitraire n
mais ni de degres de liberte. Chacun des degres de liberte est associe un ac-
tuateur responsable dun mouvement le long de la coordonnee correspondante.
Une representation possible est donnee à la gure 4.8.
2
q2
q1 1
Fig. 4.8. Robot planaire comportant un actuateur independant pour chacune des
coordonnees.
4.6.1 Loi de commande
Pour beaucoup de systèmes de la theorie de la commande lineaire, les lois
de type proportionelle (P), proportionelle et derivee (PD), et prportionnelle
et derivee avec terme integral (PID) sussent pour un très grand nombre
dapplication. Cest pourquoi nous prendrons, comme choix initial de loi de
commande, une loi de type proportionnelle-derivee (PD) de la forme :
= K
d
q K
p
(q q). (4.2)
Il sagit maintenant de justier ce choix à laide des techniques de Lyapunov.
4.6.2 Lois de la mecanique
An dobtenir un modèle susant pour etablir la preuve de stabilite de la
loi de commande envisagee, nous appliquerons le simple bilan des puissances.
L energie cinetique peut sexprimer comme
E
c
=
1
2
q
T
M(q) q.
Le bilan de puissance secrit
d
dt
E
c
= P
d
dt
1/2
_
q
T
M(q) q
_
= q
T
.
4.6.3 Candidat Lyapunov
La souplesse du candidat de Lyapunov permet denvisager des expressions
qui a priori nont pas une expression physique speciale. Par exemple, nous
envisagerons une modication de la fonction denergie cinetique faisant in-
tervenir un terme aditionel qui na pas dinterpretation physique immediate,
puisquil ne correspond pas au robot en tant que tel :
V =
1
2
(q q)
T
K
p
(q q) +
1
2
q
T
M(q) q. (4.3)
On constate bien que cette fonction est denie positive au sens o` u V (q) > 0,
q = q et V (q) = 0.
4.6.4 Fonction de Lyapunov
An de verier que le candidat de Lyapunov est bien une fonction de
Lyapunov, il est necessaire de tester la decroissance de cette fonction.
V = q
T
K
p
(q q) + q
T
En introduisant la loi de commande (4.2),
V = q
T
K
p
(q q) + q
T
(K
d
q K
p
(q q)) = q
T
K
p
q 0,
et le robot est donc bien rendu stable par ladjonction de la loi de commande
de type PD. En eet les deux conditions sur la fonction de Lyapunov sont
satisfaitent. V > 0 x = 0 provient de la structure de la fonction de Lyapunov
(4.3)
Remarque 4.12. Laspect abstrait de la fonction de Lyapunov (abstrait au sens
que cette fonction est une notion purement mathematique et non physique),
peut maintenant etre exploitee en revenant en arrière dans linterpretation de
cette fonction. En examinant la structure de lequation (4.3), on constate que
le terme que lon a ajoute possède la structure denergie potentielle elastique,
bien quil ny a pas de presence de ressort physiquement dans le système.
Cest la loi de retroaction qui agit comme si, au lieu dappliquer une loi de
commande, le système etait muni de ressorts responsables de la generation
dune force proportionnelle lorsque le robot quitte son point dequilibre.
4.7 Theorème de stabilite locale 75
4.7 Theorème de stabilite locale
Le premier resultat en relation avec la fonction de Lyapunov est le resultat
de stabilite locale autour du point dequilibre. Nous enon cons le theorème avec
precision :
Theorème 4.13. B
R0
telle que
V (x) > 0 (x = 0 dans B
R0
) et V (0) = 0
d
dt
V (x) 0 (dans B
R0
)
alors le point dequilibre x = 0 est stable. Si en plus,
d
dt
V (x) < 0 x = 0,
alors il y presence dune stabilite asymptotique
Nous allons egalement proceder à sa demonstration. Lobjectif est de
connecter les concepts contenus dans ce theorème avec la dention relati-
vement dicile à manier examinee au debut de ce chapitre (denition 4.3).
4.7.1 Preuve (stabilite locale)
Tout au long de la demonstration, la distinction entre sphère et boule sera
eectuee. Une sphère est la partie la plus à lexterieur dune boule pleine
(en quelque sorte ceci correspond à lecorce depaisseur innitesimale dune
orange) et la boule est la boule pleine prise dans son ensemble (lorange
entière). La denition suivante precise ces deux notions au niveau mathematique :
Denition 4.14. Une sphère de rayon r est notee S
r
et une boule de meme
rayon est notee B
r
, et sont denies par
S
r
= {x | x = r}
B
r
= {x | x r}.
S B
Fig. 4.9. Dierence entre sphère S et boule B
La proposition à demontrer consiste à verier que quel que soit la grande
boule dexigence B
R
, il est toujours possible de trouver une sous-boule de
conditions initales B
r
tel que si le système commence à linterieur de cette
BR
Br
x(t)
Fig. 4.10. Trajectoire dans le cas dun système stable.
sous-boule, x
0
B
r
, alors x(t) B
R
. La trajectoire doit rester comprise dans
la boule de grand rayon comme lillustre la gure 4.10
Pour debuter la demonstration, un rayon R est choisi de manière quel-
conque. On examine alors la fonction de Lyapunov V (x) sur la sphère de
rayon R et on denit son minimum m sur cette sphère S
R
.
m = min
xSR
V (x).
Br
SR
V = m
Fig. 4.11. m represente le minimum de V (x) lorsque x parcourt la sphère SR.
Etant donne que V (x) est une fonction de Lyapunov, elle possède la pro-
priete detre continue et de sannuler à lorigine. Par consequent, il existe
un rayon r, susamment petit, pour lequel, quel que soit x compris dans la
boule B
r
, la fonction de Lyapunov V (x) (vue comme simple fonction du point
x considere) demeure inferieure à m. En dautres termes, en se rapprochant
de lorigine, il est toujours possible de trouver une petite region telle que, la
valeur de la fonction soit très petite, et donc plus petite que la valeur m. En
eet, la fonction de Lyapunov ne peut pas changer de manière brutale, en
se depla cant de la sorte, parce que la fonction de Lyapunov est continue. La
petitesse de V provient alors de son annulation à lequilibre. An de satisfaire
ces deux contraintes, la valeur maximum de V , dans une region donnee com-
prenant le point dequilibre, decroit necessairement de plus en plus, au fur et à
4.7 Theorème de stabilite locale 77
mesure que cette region se retrecit. Une coupe verticale illustre le phenomène
à la gure 4.12.
0
Br
SR
m
V (x)
Fig. 4.12. Coupe verticale de la consequence de la continuite de la fonction de
Lyapunov et de son annulation au point dequilibre.
La stabilite decoule alors de manière très naturelle, etant donne que la
condition de decroissance de la fonction de Lyapunov,
d
dt
V (x) 0, implique
que V (x(t)) < m, puisque son maximum dans la boule B
R
est celui sur la
sphère S
R
et donc correspond à m. La trajectoire ne peut donc pas traverser
S
R
. Elle demeure dans la boule B
R
, pour les conditions initiales x
0
B
r
. La
stabilite est donc bien demontree.
4.7.2 Preuve de stabilite locale asymptotique
La stabilite asymptotique est plus dicile à etablir. La fonction de Lyapu-
nov est supposee strictement decroissante, cest-à-dire que

V (x) < 0, x = 0
et

V (0) = 0.
Comme V 0 et V decroit, la fonction de Lyapunov tend vers une limite L
qui est superieure ou egale à zero (V L, L 0). Deux cas seront envisages,
(a) L = 0 et (b) L > 0.
(a) Si L = 0 alors x(t) doit necessairement converger vers zero. Ceci pro-
vient du fait que la fonction de Lyapunov sannule seulement à lorigine. La
stabilite asymptotique est dans ce cas demontree.
(b) L > 0
Comme V (0) = 0 et V est continue, il est possible de trouver une petite
boule B
r0
telle que, pour tout point compris à linterieure de celle-ci, V est
inferieur à L (se referer à lexplication donnee dans le cas de la stabilite, avec
m au lieu de L). Ceci est represente à la gure 4.13.
Considerons W = B
R
\ B
r0
. Ceci revient à enlever un noyau de taille r
0
de la boule de taille R. Cette region est representee en vert à la gure 4.14.
Lhypothèse que V L implique que la trajectoire reste à linterieur de cette
region.
L
V
x
Br
0
Fig. 4.13. Pour tout point dans Br
0
, V est garantit inferieur à L.
W
V =

L
d
dt
V = L1
Fig. 4.14. Une boule de taille r0 est extraite de la boule de taille R. On y defninit
le minimum de V =

L et la decroissance la plus lente de V .
En se restreignant à la fermuture

W, il est evident que 0

W et que

W est
un compact (ensemble ferme et borne). De part la compacite, il doit exister
un minimum de V note

L,
L = min
x

W
V (x), (0 <

L < L),
atteind en un point de

W. De plus, V < 0 pour tout point de W et de
W. Par consequent une decroissance minimum de V est atteinte en un point

particulier de

W, i.e.
L
1
= min
x

W
_
d
dt
V (x)
_
.
En procedant à quelques calculs, on obtient
_
t
0
V (x(t))dt = V (x(t)) V (x(0))

V (x(t)) =
_
t
0
V (x(t))dt +V (x(0))
Il est maintenant possible de borner levolution de V en se pla cant dans le
scenario le plus defavorable, cest-à-dire en supposant quen chaque instant la
decroissance soit minimum :
d
dt
V > L
1
. Par ,
_
t
0
V (x(t))dt < L
1
t et
4.9 Stabilite globale 79
V (x(t)) < V (x(0)) L
1
t.
Il existe donc un instant ni t
1
tel que V (x(t
1
)) <

L. Mais ceci contredit le fait
que la trajectoire reste dans W par hypothèse, impliquant ainsi necessairement
que L = 0. La stabilite asymptotique decoule dès lors du cas (a).
4.8 Stabilite exponentielle
Nous connaissons la stabilite asymptotique : x(t) 0 lorsque t
Cependant on veut garantir plus :
Denition 4.15. x = 0 est un point dequilibre localement exponentiellement
stable si > 0 et > 0, r > 0 tel que,
t > 0, x(t) x(0)e
t
, x B
r
.
4.8.1 Exemple : Dynamique des populations
4.9 Stabilite globale
Pour linstant, nous avons exclusivement traite de proprietes locales, dans
le sens que la conclusion du theorème de Lyapunov ne conclut que la stabilite
en relation avec des conditions initiales comprises dans un voisinage du point.
Par consequent, le simple fait que V soit deni positif et que

V soit negatif
dans tout lensemble detat, ne garantit pas necessairement que le système soit
globalement stable. En dautres termes, la stabilite locale signie la stabilite
pour x
0
B
R0
et la stabilite globale celle pour x
0
R
n
. La question est
de savoir sil sut de remplacer B
R0
par R
n
et de verier les hypothèses du
theorème de Lyapunov an de conclure sur la stabilite globale du système. La
reponse est non comme va lillustrer lexemple suivant :
x
1
= 2x
1
x
2
= x
2
dont un candidat de Lyapunov est,
V =
x
2
1
1 +x
2
1
+x
2
2
.
Les courbes de niveau de cette fonction de Lyapunov sont representees à
la gure 4.15. Pour autant que V est inferieure à lunite les courbe de niveau
sont fermees et encerclent une region compacte. Dès que la valeur depasse 1,
-10 -5 5 10
-1.5
-1
-0.5
0.5
1
1.5
V = 1.4
V = 1.1
V = 0.9
Fig. 4.15. Courbe de niveau de la fonction de Lyapunov V =
x
2
1
1+x
2
1
+x
2
2
.
les courbes de niveau ne croisent plus laxe horizontal et ne sont donc plus
fermees.
Les solutions explicites du système sont,
x
1
(t) = x
10
e
2t
x
2
(t) = x
20
e
t
.
Après elimination du temps,
x
2
= x
20
x
10
x
1
2
1
.
En prenant une condition intiale particulière,
x
2
= x
20
x
10
x
1
2
1
x
10
= 1.5
x
20
= 2/
1.5 1.633,
on obtient une trajectoire rouge qui est representee en surimpression sur les
courbes de niveau precedemment obtenues (gure 4.16).
En outre, la courbe representee continue indeniment sur la droite sans
jamais sortir du premier quadrant ! Le système glisse donc vers linni bien que
la valeur de la fonction de Lyapunov diminue à chaque instant. Elle diminue
et tend asymptotiquemen vers un, mais sans jamais y parvenir.
Le problème provient du fait que V = cte nest pas une courbe fermee,
cest-à-dire que la fonction V nest pas radialement non bornee.
Par consequent il faut une condition supplementaire,
Theorème 4.16. Pour que lon puisse garantir que le theorème de Lyapunov
concluse sur la stabilite globale dun système, il faut dune part que toutes
4.10 Fonction de Lyapunov pour les systèmes lineaires 81
-10 -5 5 10
-1.5
-1
-0.5
0.5
1
1.5
Fig. 4.16. Une solution particulière montre que V decroit à chaque instant le long
de cette solution.
les hypothèses de ce theorème soient satisfaites, mais il faut egalement que la
condition de bornitude radiale existe, cest-` a-dire que
V (x) lorsque x .
Le theorème suivant recapitule les conditions :
Theorème 4.17. Sil existe une fonction V telle que
V (x) > 0, x = 0 et V (0) = 0
x V (x)
d
dt
V (x) < 0, x = 0
alors x = 0 est globalement asymptototiquement stable.
4.10 Fonction de Lyapunov pour les systèmes lineaires
La theorie de Lyapunov est une theorie très generale sappliquant aussi
bien aux systèmes non lineaires que lineaires. Il est interessant dinterpreter
sa signication en termes de representation detat des systèmes lineaires.
Theorème 4.18. Soit x = Ax tel que , e() < 0 (système stable au sens
strict) alors Q > 0, P > 0 tel que
A
T
P +PA = Q (4.4)
Preuve. Comme toutes les valeurs propres de la matrice A sont stables, e
At
est
une fonction decroissante telle que e
At
0, lorsque t . En choisissant
Q > 0 (une matrice denie positive) nous allons construire une matrice P
satisfaisant lequation (4.4). Comme A et A
T
ont toutes les deux des valeurs
propres à partie reelle strictement negative (matrices de Hurwitz),
e
tA
T
Qe
tA
cQe
2t
,
pour tout t 0, o` u 0 est nimporte quel nombre reel tel que les valeurs
propres de A
T
et A ont une partie reelle plus petite que . Ainsi,
P =
_

0
e
tA
T
Qe
tA
dt (4.5)
est bien denie. De plus,
A
T
P +PA =
_

0
_
A
T
e
tA
T
Qe
tA
+e
tA
T
Qe
tA
A
_
dt
=
_

0
d(e
tA
T
Qe
tA
)
dt
dt
= Q lim
t
e
tA
T
Qe
tA
= Q
Remarque 4.19. Le theorème precedant permet de tester si une matrice est
Hurwitz sans devoir calculer ses valeurs propres. Soit une matrice A reelle
donnee. Fabriquons lequation
A
T
X +XA = I,
et resolvons là pour une matrice symetrique X. Ceci est une equations lineaire
et donc lelimination de Gauss doit aboutir à un resultat. En testant alors les
mineurs principaux de X on peut conclure sur la stabilite de A. Ils doivent
tous etre strictement positif pour que la matrice A soit Hurwitz.
4.11 Stabilite locale et linearisation
Une approximation locale de la dynamique du système autour du point
dequilibre permet, dans certains cas, de deduire la stabilite locale du système
complet. Il sagit de la methode indirecte de Lyapunov. Lapproximation au
premier ordre du developpement en serie de Taylor de la dynamique est cal-
cule, et seul le premier ordre du developpement est retenu. Lorsque la dyna-
mique est donnee par un champ de vecteurs (cf. chapitre 7) f(x), une matrice
est obtenue pour caracteriser le premier ordre. Son expression est donnee par,
A =
f
x
x=0
.
Cette matrice possède des valeurs propres qui permettent de deduire la sta-
bilite du système x = Ax. La question est de savoir si elles peuvent egalement
induire une conclusion sur la stabilite du système non lineaire x = f(x).
4.11 Stabilite locale et linearisation 83
Le theorème suivant donne les resultats que lon peut garantir. Seul le
cas o` u toutes les valeurs propres ont une partie reelle negative ou nulle avec
certaines dentre elles ayant une partie strictement nulle, nest pas conclusif.
Seul les termes dordre superieur peuvent nous renseigner sur la stabilite du
système non lineaire. Par contre, pour tous les autres cas, le premier ordre est
susant.
Theorème 4.20. Soit x = f(x), et on pose A =
f
x
0
avec
= (A)
, Re() < 0 x = 0 est asymptotiquement stable.
, Re() > 0 x = 0 est instable.
, Re() 0 et
1
Re(
1
) = 0 on ne peut pas conclure.
Montrons , Re() < 0 x = 0 est localement asymptotiquement
stable.
Preuve.
x = f(x) =
f
x
x=0
x +g(x) = Ax +g(x)
Ceci nest quune reecriture de x = f(x) en isolant le terme de dependance
lineaire dans Ax et les termes dordre superieur dans g(x). Comme les termes
qui dependent de manière lineaire de x sont isoles dans Ax, g(x) decroit
plus vite que x : lim
x0
g(x)
x
= 0.
r1 r2 r3
1x
2x
3x
g(x)
Fig. 4.17. Illustration de la dominance du terme lineaire Ax sur le terme non
lineaire g(x).
Ceci signie que pour tout
i
> 0, il existe r
i
tel que pour tout x tel que
x < r
i
g(x) <
i
x. Comme A est stable Q > 0, P > 0
A
T
P +PA = Q
et donc en posant V = x
T
Px, avec x = f(x) = Ax +g(x)
V = x
T
Px +x
T
P x = (Ax +g(x))
T
Px +x
T
P(Ax +g(x))
= x
T
(A
T
P +PA)x +g(x)
T
Px + x
T
Pg(x)
= x
T
Qx + 2x
T
Pg(x)
De linegalite du produit scalaire : a
T
b ab on deduit
V x
T
Qx +xPg(x)
Comme lim
x0
g(x)/x = 0, > 0, r, x r g(x) < x.
V < x
T
Qx +Px
2
Sachant que x
T
Qx
min
x
2
on a donc
V < (
min
P)x
2
Il sut de choisir susamment petit an que (
min
P) > 0. Ainsi
pour le r associe au choisi,

V < 0, x, x < r.
Par consequent, le système x = f(x) est localement asymptotiquement
stable.
Les autres cas peuvent etre egalement demontres. Nous renvoyons le lecteur
aux references [Vid93], [Kha02] et les references sy trouvant.
4.11.1 Inconvenients de la methode indirecte
La methode indirecte de Lyapunov possède deux inconvenients principaux.
Le premier est le caractère local du resultat. La stabilite que lon peut conclure
nest valable que dans un voisinage du point dequilibre. On ne peut pas
garantir r très grand. Le second inconvenient est que la methode est non
conclusive lors de la presence de valeur(s) propre(s) à partie reelle nulle. Ces
inconvenient napparaissent pas dans la methode directe de Lyapunov. Le prix
à payer est ka determination de la fonction complementaire V (x) possedant
les bonnes proprietes.
4.12 Stabilite exponentielle
La stabilite asymptotique garantit que le système converge vers le point
dequilibre, lorsque le temps tend vers linni. Pourtant, nous avons aucun
4.13 Theorème dinvariance de LaSalle 85
moyen de quantier la qualite de cette convergence, en particulier sa vitesse
de convergence.
An dobtenir plus que la simple convergence asymptotique, il est possible
dintroduire un concept plus exigeant que la simple stabilite asymptotique. Si
letat du système, lors de sa convergence, est compris dans une enveloppe qui
decrois de manière exponentielle, la stabilite est qualiee dexponentielle.
Denition 4.21. x = 0 est un point dequilibre localement exponentiellement
stable si > 0 > 0, r > 0, , , r R tels que,
t > 0, x(t) x(0)e
t
, x B
r
.
4.13 Theorème dinvariance de LaSalle
Bien que certains systèmes ont la caracteristique davoir une fonction de
Lyapunov decroissante, mais pas pour autant strictement decroissante, (cest-
à-dire

V 0 au lieu de

V < 0, x = 0), ils sont neanmoins asymptotiquement
stable. Lobjet de cette section est de presenter les conditions supplementaires
sur la fonction V et sa derivee dans le temps pour garantir la stabilite asymp-
totique.
De plus, loutil qui sera presente permet de traiter egalement la conver-
gence vers un cycle limite. Nous verrons egalement que le caractère positif
deni de V peut très bien etre relaxe. Le theorème ne donnera pas une preuve
de stabilite au sens de Lyapunov, mais un critère de convergence asympto-
tique ; ceci valant autant pour les points dequilibre que pour les cycles limites.
4.13.1 Ensemble invariant M
Avant de presenter le resultat à proprement parler, le concept densemble
invariant est expose. Comme son nom lindique, il sagit avant tout dun en-
semble donne par la reunion de points de lespace detat.
Le deuxième element est le terme invariant, et ici lequation x = f(x)
prend toute son importance.
Un ensemble invariant est un ensemble de points de lespace detat tel que
toute trajectoire du système x = f(x), ayant pour condition initiale un point
de cet ensemble, reste indeniement à linterieur de cet ensemble.
Ainsi, lensemble est constitue par un sous ensemble de conditions initiales
telles que toutes les trajectoires issues de ces conditions intiales restent dans
lensemble en question.
Denition 4.22. (ot) La solution du système x = f(x) ayant comme condi-
tion initiale x(0) = x
0
sera notee (x
0
, t) :
d
dt
(x
0
, t) = f((x
0
, t)).
(x
0
, t) signie, quune fois la condition initiale x
0
donnee, letat x devient
une fonction uniquement du temps (x
0
, t). On peut donc deriver cette fonc-
tion par rapport au temps, et cette derivee doit correspondre à la dynamique
à ce point f((x
0
, t)).
Denition 4.23. (ensemble invariant) Un ensemble invariant M, pour un
système dynamique x = f(x), est deni comme un ensemble de conditions
initiales, tels que la solution (x
0
, t) reste dans lensemble M t, c.-` a-d.
M= {x | x
0
M(x, t) M t 0}
M
x0
(x0, t)
Fig. 4.18. Ensemble invariant M
4.13.2 Ensemble dannulation de la derivee de la fonction de
Lyapunov
Parallèlement à la notion densemble invariant, celui des points pour les-
quels

V sannule est de première importance. Ceci na rien de surprenant,
car un des objets de cette analyse est detendre la conclusion de la stabilite
asymptotique au cas o` u

V 0 au lie de

V < 0 ; la dierence entre les deux
cas se situent dans la possibilite que

V = 0.
Lensemble en question est note R et correspond mathematiquement à
R = {x |

V (x) = 0}
et il est represente à la gure 4.19.
Le theorème de Lasalle peut maintenant etre enonce. Cest un resultat de
nature locale au sens o` u il necessite la connaissance dun ensemble compact
pour toutes les conditions initiales.
Theorème 4.24. (Theorème dinvariance de LaSalle) Soit l > 0, et
l
=
{x | V (x) l} :
R = {x |

V (x) = 0}
Fig. 4.19. Ensemble R. Cest lensemble de points pour lesquels

V = 0.

l
ferme et borne
x
l
on a

V 0
R
l
et R = {x |

V (x) = 0}
M le plus grand ensemble invariant, M R
x
0

l
, X(x
0
, t) M lorsque t .
Remarque 4.25. Il est important de mentionner deux aspects important :
1. Il ny est pas question de stabilite, mais uniquement de convergence.
2. La fonction V (x) nest pas necessairement denie positive.
Le theorème de LaSalle donne la stabilite asymptotique dun point dequilibre
lorsque la condtion V > 0, x = 0 et V (0) = 0 est explicitement ajoutee.
Ce theorème possède lavantage de sappliquer à lanalyse de la convergence
asymptotique vers un cycle comme lillustre la gure 4.20
M
l
R
cycle limite
M
l
R
point dequilibre
Fig. 4.20. Le theorème dinvariance sapplique aussi bien aux points dequilibre
quaux cycles limites.
4.13.3 Exemple : le pendule simple
On considère un simple pendule qui consiste en une masse m reliee par une
tige de longueur unitaire à son axe de rotation. Il est soumis à un frottement
visqueux proportionnel à la vitesse du pendule autour de son axe.
La position du centre de masse est donnee par x = sin et y = cos de
telle sorte que son energie cinetique secrit
E
cin
= 1/2m( x
2
+ y
2
) = 1/2m
2
.
On suppose egalement que la gravite agit dans le sens perpendiculaire à
laxe de rotation. Par consequent, lenergie potentielle sexprime
E
pot
= mg(1 cos ).
A laide de ces deux quantites, nous pouvons etablir la representation
detat du modèle dynamique en appliquant le formalisme de Lagrange. Une
seule coordonnee generalisee est dans ce cas necessaire (` a savoir ). Le lagran-
gien est donne par L = E
cin
E
pot
. De plus, une force generalisee F
= b
sapplique egalement, o` u b R est un paramètre positif (b > 0) correspondant

au coecient de frottement. La formule de mecanique analytique
d
dt
_
L
= F
conduit à
m
+mg sin = b
.
Cest une equation dierentielle du second ordre qui se met sous la forme
detat (avec x
1
= et x
2
=

) :
x
1
= x
2
x
2
= g sin x
1
b
m
x
2
On aimerait maintenant obtenir une conclusion quand à la stabilite asymp-
totique de ce pendule en considerant une fonction de Lyapunov qui ne soit
pas strictement decroissante.
Considerons, par exemple, la fonction denergie complète du pendule
V = E
cin
+E
pot
=
1
2
m
2
+mg(1 cos ).
Cette fonction est positive pour autant que

et le second terme ne san-
nulent pas simultanement. Par consequent, V est nul pour
x =
_
_
=
_
0 + 2k
0
_
avec k Z.
Le système dynamique secrit x = f(x) avec
f
1
(x) =

f
2
(x) = g sin b/m
,
de telle sorte que
V (x) =
V
x
f = m
(g sin b/m
) mg sin
= b
2
0.
Il faut insister sur le fait que linegalite ci-dessus nest pas stricte etant
donne que

2
ne penalise quune partie de letat, à savoir

; napparat pas
à gauche de linegalite.
Par consequent, dans un voisinage de lorigine, les conditions de stabilites
1. V (x) = 0, x = 0
2. V (x) > 0, x = 0
3.

V 0
sont satisfaites. Le système est donc localement stable.
Toutefois, le theorème de Lyapunov nest pas conclusif quant à la stabilite
locale asymptotique, etant donne que V nest pas strictement decroissante et
que V ne sannule pas uniquement au point 0, 0.
Toutefois, nous pouvons examiner lensemble Rpour lequel

V = 0. Comme
V = b
2
= bx
2
2
, lensemble R = { x
1
, x
2
| x
2
= 0 } est une droite horizon-
tale passant par lorigine.
An dobtenir le plus grand ensemble invariant M contenu dans R, il est
necessaire et susant que le vecteur f(x) denissant la dynamique soit tangent
ou nul à cet axe horizontal. En dautres termes, la seconde composante de f(x),
c.-à-d f
2
(x), doit etre nulle. On obtient la condition g sinx
1
= 0, conduisant
à une multitudes de points isole

= 0, = k avec k Z.
La gure 4.21 represente les courbes de niveau de la fonction de Lyapunov,
ainsi que les solutions pour deux valeurs du coecient de frottement (b = 0
et b = 1). La masse est m = 1 et la gravite est egale à g = 10.
Laxe horizontal R est represente, lequel contient les points constituant
lensemble invariant Minclut dans R. Ces points sont separes en deux classes.
Les points associes au minimum de V sont representes en blanc et corres-
pondent aux equilibres stables ; ceux representes en noir sont associes aux
points selles de la fonction V , et correspondent à des points dequilibre in-
stable.
En eet, le gradient
V =
_
mg sin() m
_
,
sannule aux points = k, k Z,

= 0. Localement, autour de ces points,
V est approxime par
-10 -5 0 5 10
-10
-5
0
5
10
-10 -5 0 5 10
-10
-5
0
5
10
Fig. 4.21. Plan de phase ( selon laxe horizontal et

selon la verticale), et lignes
de contour de la fonction de Lyapunov pour le pendule. A gauche, le frottement est
non nul. Lensemble R pour lequle

V = 0 est represente en jaune et le plus grand
invariant M correspond aux points blancs (minimum de V ), et aux points noirs
(extremum de V , points selle). A droite, le frottement est nul. Des solutions pour
des choix de conditions initiales dierentes sont egalement representees.
V
_
(
_
T
_
_
V
=0
V
=0
_
_
_

_
=
_
(
_
T
_
mg cos

0
0 m
__

_
. (4.6)
Aux valeurs

= 2k, la matrice dans lexpression (4.6) est lidentite et les
deux valeurs propres sont egales à 1 ; cest un minimum (points blancs). Aux
valeurs

= 2k +, la matrice à une valeur propre negative 1 et une valeur
propre positive +1 ; cest un point selle (points noirs).
Dans la partie droite de la gure 4.21, le frottement est nul de telle sorte
que

V = 0. Dans ce cas, chaque courbe de niveau de V est invariante. Etant
donne que certaines de ces courbes de niveau ne sont pas fermees, le système
nest pas globalement stable. Neanmoins, lorigine est localement stable (mais
pas asymptotiquement). En eet, dans un voisinage de lorigine, les courbes
de niveau sont fermees et constituent des cycles.
Pour

V 0 (frottement non nul, partie de gauche de la gure 4.21), le
theorème dinvariance est applique en considerant divers ensembles compacts
l
(fermes et bornes) pour lesquels V est inferieur ou egal à la quantite l.
Lorsque V est superieur à la valeur atteinte à un des points selles, les ensembles
l
ne sont plus compacts. Le bord de
l
est alors constitue par les courbes
de niveau non fermees de V . Par contre, en prenant l < mg, par exemple
4.14 Methodes de construction des fonctions de Lyapunov 91
l = mg , lensemble
mg
= {,

|V (,

) mg , ] , [}
est compact, invariant (parce que

V 0), et lensemble R
mg
ne com-
porte quun seul point qui est lorigine 0. Lorigine est stable par rapport à
cet ensemble de conditions initiales, mais elle nest pas globalement stable,
etant donne que lorsque la condition initiale nappartient pas à cet ensemble,
il nest pas possible de connatre a priori vers quel point dequilibre le système
convergera, en se fondant uniquement sur la fonction de Lyapunov et ses pro-
prietes.
Toutefois, il est garantit que, globalement, le système converge vers un
des points dequilibre. En eet, lorsque
0
et

0
sont des valeurs initiales
quelconques, un ensemble invariant compact contenant cette condition initiale
peut etre construit. Cet ensemble contient alors plusieurs points dequilibre, et
la conclusion suit du theorème dinvariance. En eet, le fait que V sannule en
plusieurs points dequilibre na pas de consequence, etant donne que V nest
pas exige etre positif deni. Seule la condition de bornitude est necessaire, ce
qui est le cas dans un compact donne (c.-à-d. c > 0, c R tel que V < c).
Cet argument inductif concernant la stabilite globale permet egalement de
saranchir du fait facheux que la fonction V nest pas bornee radialement
comme le constat de lexistence de courbes de niveau non fermees nous la
demontre.
4.14 Methodes de construction des fonctions de
Lyapunov
La presente section presente trois methodes de construction de fonctions
de Lyapunov. Le trait commun de ces methodes (et du reste de toutes
les methodes de construction de fontion de Lyapunov) est de proceder par
construction/correction et essais/erreurs. En dautres termes, il ny pas de
methode constructive directe à proprement dit. Il sagit de proceder de
manière iterative en alternant entre, dune part, imposer la première condition
de positivite de la fonction de Lyapunov, et, dautre part, imposer la seconde
condition concernant la decroissance le long des solutions de la fonction de
Lyapunov.
4.14.1 Methode de Krasovskii
La première methode est celle de Krasovskii.
Theorème 4.26. Soit x = f(x) tel que f(0) = 0. Denissons :
A(x) =
f
x
.
Sil existe un ouvert R
N
contenant lorigine 0 , et que la ma-
trice F(x) = A(x) + A(x)
T
< 0 est denie negative dans louvert (c.-` a-d.
x
T
F(x)x < 0, x = 0, x ) alors la fonction
V (x) = f(x)
T
f(x).
est une fonction de Lyapunov et lorigine 0 est localement asymptotiquement
stable. Si de plus = R
n
et V (x) lorsque x , alors x = 0 est
globalement asymptotiquement stable.
Ce theorème admet une certaine generalisation en considerant une equation
de Lypaunov pour la matrice F(x).
Theorème 4.27. Sil existe un ouvert R
n
, ainsi que deux matrices
denies positive P > 0 et Q > 0 telles que x = 0, x il est vrai
que
F(x) = A(x)
T
P +PA(x) +Q < 0
est une matrice denie negative, alors
V (x) = f(x)
T
Pf(x)
est une fonction de Lyapunov, et 0 est localement asymptotiquement stable..
Si de plus = R
n
et V (x) lorsque x , lorigine 0 est globalement
asymptotiquement stable.
4.15 Methode du gradient variable
Si lon connat à la foir le gradient de la fonction de Lyapunov et la fonction
de Lyapunov à proprement dit, la relation
V (x) =
_
x
0
V ()d
est valable entre ces deux quantites. Nous verrons dans le chapitre 6, que
le gradient est une 1-forme que lon ecrit egalement sous la forme dV o` u la
parametrisation nest pas explicitment mentionee. Ainsi,
4.15 Methode du gradient variable 93
V =
_
dV,
ce qui devient une notation tout à fait explicite.
Toutefois, tout vecteur ligne ne peut provenir dun gradient. Nous dis-
tinguerons (i) un vecteur ligne qui est issu directement dune fonction par
derivation (1-forme exacte) ; (ii) un vecteur ligne qui, une fois multiplie par
une fonction arbitraire, devient une 1-forme exacte (1-forme integrable) ; et
nalement (iii) un vecteur ligne quelconque (une 1-forme quelconque). Par
consequent, il faut que les composantes respectent certaines conditions entre
elles pour pouvoir provenir dun gradient. Ce sont les conditions dexactitude.
Ainsi, on commence par parametriser V plut ot que V , V = [V
1
, V
2
]
T
.
(dV plut ot que V ).
V
1
= a
11
(x
1
, x
2
)x
1
+a
12
(x
1
, x
2
)x
2
V
2
= a
21
(x
1
, x
2
)x
1
+a
22
(x
1
, x
2
)x
2
Ensuite, il faut respecter les conditions dintegrabilite (ddV dV = 0, voir
le chapitre 6) qui secrit dans notre cas
V
i
x
j
=
V
j
x
i
()
Tout en respectant ces conditions, on choisit la parametrisation pour
rendre negatif la derivee de la fonction de Lyapunov
V < 0.
Ensuite, on remonte à la fonction de Lyapunov en integrant le grandient
V le long dun contour quelconque.
Comme la 1-forme est une dierentielle exacte (voir chapitre 6), le pro-
cessus dinegration ne depend pas du chemin dintegration choisit (en eet,
la fonction ne change pas de valeur selon le chemin emprunte, seul compte le
point darrivee qui determine la valeur de celle-ci). En consequence, il est pos-
sible de ger certaines quantites à zero en choisissant un chemin dintegration
particulier
V (x) =
_
x1
0
V
1
(
1
, 0, . . . , 0)d
1
+
_
x2
0
V
2
(x
1
,
2
, 0, . . . , 0)d
2
+
. . . +. . . +
_
xn
0
V
n
(x
1
, x
2
, . . . ,
n
)d
n
Finalement, la nature denie positive de la fonction V est veriee (c.-à-d.
V > 0).
Exemple 4.28. Soit le système dynamique
x
1
= x
2
x
2
= x
2
1
x
2
Pour obtenir une fonction de Lyapunov, nous commen cons par parametrer
son gradient. Pour simplier quelque peu la t ache, nous choisissons des com-
binaisons lineaires de letat pour chacune des deux composantes du gradient.
Par consequent,
V =
_
a
11
x
1
+a
12
x
2
a
21
x
1
+a
22
x
2
_
.
La condition dexactitude (integrabilite renforcee, voir le chapitre sur la
geometrie) secrit
V
1
x
2
=
V
2
x
1
a
12
= a
21
.
Maintenant, la negativite de la derivee de la fonction de Lyapunov (la
deuxième condition) est imposee :
V = V f = a
11
x
1
x
2
+a
12
x
2
2
+ (a
12
x
1
+a
22
x
2
)(x
2
1
x
2
)
= (a
22
a
12
)x
2
2
(a
12
+a
22
x
2
2
)x
2
1
+a
11
x
1
x
2
a
12
x
1
x
2
En choisissant a
12
< a
22
et a
22
> 0, le terme resultant en x
2
2
est negatif.
Toutefois, il demeure deux termes dont le signe est indeni, à savoir a
11
x
1
x
2
a
12
x
1
x
2
. En for cant legalite a
11
= a
12
, ils ne contribuent plus à la derivee.
Il ne reste plus quà discuter du signe du coecient devant x
2
1
. Ce facteur
(a
12
+ a
22
x
2
2
) doit etre positif. Ceci est garantit pour autant que a
12
> 0.
En resume nous avons les conditions a
11
= a
12
= a
21
, a
22
> 0, a
12
> 0 et
a
12
< a
22
; la fonction de Lyapunov devenant après integration et à un facteur
1/2 près :
V = a
12
x
2
1
+ 2a
12
x
1
x
2
+a
22
x
2
2
.
Il ne reste plus quà forcer la première condition, c.-à-d. la positivite de V . La
fonction V est factorisee pour faire apparatre une matrice symetrique
V =
_
x
1
x
2
_
_
a
12
a
12
a
12
a
22
__
x
1
x
2
_
.
Pour garantir que la matrice centrale soit denie positive, il sut que ses deux
mineurs soient plus grand que zero. Le premier est a
12
qui est plus grand que
4.17 Resultat dinstabilite 2 95
zero. Le second a
12
a
22
a
2
12
= a
12
(a
22
a
12
) > 0 conduit à ce que a
22
> a
12
,
condition dej` a rencontree pour forcer la première condition. V est donc bien
une fonction de Lyapunov car elle satisfait simultanement aux deux conditions
V > 0, x = 0 et

V < 0.
4.16 Resultat dinstabilite 1
Determiner linstabilite peut etre aussi important que detablir la stabilite.
Cependant, la t ache est parfois plus simple etant donne quil sut dexhiber
une condition initiale qui conduit à une trajectoire qui sort de la boule dexi-
gence de rayon R, plut ot que de garantir que toutes les trajectoires demeurent
dans la boule R pour une sous-boule (de rayon r) de conditions initiales,
comme cela etait le cas pour la stabilite.
Nous presenterons trois resultats permettant didentier si un système est
instable. Le premier consiste à verier que V croit, quelles que soient les
conditions initiales.
Theorème 4.29.
R
n
, 0 , V (0) 0 et V (x) > 0 x , x = 0
d
dt
V (x) > 0, x , x = 0
0 est instable
La première condition (V (x) > 0) est de garantir la positivite de la fonction
de test, et la seconde consiste à verier que cette fonction croit le long des
solutions (

V > 0).
4.17 Resultat dinstabilite 2
Le second resultat particularise quelque peu les conditions et permet de
detecter une plus large classe de systèmes instables que le premier resultat.
Theorème 4.30. R
n
, 0 , V (0) 0 et V (x) > 0 x \{0}
> 0,
d
dt
V (x) V (x) 0, x
0 est instable
La seconde condition introduit un test indirect qui consiste à exprimer la
derivee en utilisant la fonction V elle-meme. Comme cette fonction est scalaire,
on aboutit à une equation dierentielle avec un seul etat V . Si le facteur de
proportionnalite est plus grand que zero, cela conduit à une croissance de
V et donc à une instabilite.
4.18 Resultat dinstabilite 3 : th. de Chetaev
Comme mentionne plus haut, la condition de stabilite exige que quel que
soit la condition initiale x
0
appartenant à la boule B
r
la trajectoire resultante
reste comprise dans la boule dexigence B
R
et ce, quel que soit la boule dexi-
gence choisie. Par consequent, il sut dexhiber une seule condition initiale
par boule B
r
de taille susamment petite, pour laquelle la trajectoire du
système sorte dune certaine boule dexigence B
R
.
Le theorème de Chetaev permet daborder linstabilite selon cet angle.
Lidee consiste à envisager une region ressemblant à une sorte de tranche de
gateau
l
pour laquelle le candidat de Lyapunov V (on devrait dire le candidat
de la fonction Chetaev) sannule sur la partie de la tranche de gateau qui est
coupee (V (x) = 0 pour x
l
) ; et qui est croissante dans cette region
(

V > 0). Pour les systèmes dont la dimention de letat est plus grande que
deux, une image de cone generalise la notion de tranche de gateau. La
gure 4.22 illustre le concept.
Theorème 4.31. (Chetaev) R
n
et
l

V (x) > 0, x
l
d
dt
V (x) > 0, x
l
0
l
V (x) = 0, x
l
0 est instable
l
x1
x2
0
l
Fig. 4.22. Figure illustrant le theorème de Chetaev
Preuve. Lexplication consiste à remarquer que, dune part, par le fait que
V est force de sannuler sur les c otes de la tranche de gateau (V (x) = 0
4.19 Techniques de comparaison et majoration 97
x
l
) et, dautre part, comme la fonction V est croissante par hypothèse
sur lensemble de la tranche (

V > 0, x
l
), il est impossible que les
trajectoires du système (celles commen cant à linterieure de la tranche
l
)
sortent de la region bleue par les c otes
l
(en rouge). Pourtant, il se pour-
rait quelles restent piegees à linterieure de la region bleue
l
. Nous allons
neanmoins montrer quil existe une certaine boule dexigence susamment
petite B
R
pour laquelle les trajectoires issues de lintersection
l
B
R
sortent
de la boule B
R
. En chosissant le rayon R susamment petit (ce qui nest
nullement interdit et nimpose aucune condition supplementaire), V est ga-
rantie bornee superieurement à linterieure de la region
l
B
R
, i.e v R,
0 < v < , V (x) < v, x
l
B
R
. Ceci est rendu possible par le fait que
la fonction V est continue et sannule à lorigine par hypothèse. Dautre part,
et egalement par hypothèse, V est strictement croissante dans cette region
le long des solutions du système. Ainsi, en supposant que les trajectoires ne
sortent pas de B
R
, la fonction V evaluee le long de ces trajectoires (etant
strictement croissante) nirait par depasser la borne v en question, condui-
sant à une contradiction. En consequence, toute trajectoire commen cant dans
la region
l
B
R
, (et en particulier pour une condition initiale arbitrairement
proche du point dequilibre), nit par quitter la boule dexigence B
R
, exhibant
de la sorte linstabilite.
4.19 Techniques de comparaison et majoration
Nous presentons dans cette section diverses techniques directes et indi-
rectes de majoration permettant de deduire la deuxième condition

V 0 du
theorème de stabilite de Lyapunov. Certaines de ces techniques, comme luti-
lisation dinegalites classiques ou le developpement limite, rendent egalement
possible la verication de la nature denie positive du candidat de Lyapunov
V (x), c.-à-d. la première condition de la defnition 4.10, au moins dans un
voisinage. De plus, en renversant les inegalites, les resultats sont egalement
applicables pour tester linstabilite.
Determiner la stabilite par lentremise dun candidat de Lyapunov necessite
de tester la decroissance de la fonction V :
V 0 (4.7)
En eet, la deuxième condition de la denition 4.10 impose de verier cette
inegalite.
Malgre lapparente simplicite de cette condition, un calcul direct à partir
de la fonction V (x) et de la dynamique

f(x) conduit à une egalite
V = m(x),
o` u m(x) est une certaine fonction non-lineaire de x, ne permettant pas tou-
jours detablir facilement ce resultat.
An de verier
m(x) 0, (4.8)
la fonction m(x) est alors majoree par une nouvelle quantite
m(x) > m(x),
dont lexpression, plus simple, permet de deduire m(x) 0, et donc egalement
(4.8) et (4.7).
4.19.1 Les formes quadratiques
Pour les systèmes lineaires x = Ax, nous avons vu à la section ?? que, , la
fonction de Lyapunov, ainsi que sa derivee, admettent une forme quadratique
V = x
T
Px et

V = x
T
Qx, o` u P et Q sont des matrices reelles symetriques
denies positives.
Cependant, lutilisation des matrices denies positives est egalement ap-
plicable au cas non lineaire x = f(x) à la fois pour estimer la fonction de
Lyapunov V et sa derivee. En eet, nous verrons quun developpement limite
caracterise localement ces fonctions par la presence de formes quadratiques
denies positives et semi-denies positives.
Nous rappelons quelque proprietes des matrices reelles symetriques denies
positives et semi-denies positives.
Denition 4.32. Une matrice P dont les coecients sont reels est dite stric-
tement reelle symetrique positive denie lorsque les deux conditions
1. P = P
T
2. x
T
Px > 0, x = 0.
sont satisfaites.
Dans le cas dune inegalite faible x
T
Px 0, la matrice P est dite positive
semi-denie.
Lemme 4.33. Les valeurs propres
1
, . . .,
n
dune matrice symetrique denie
(respectivement semi-denie) positive P sont toutes reelles
i
R, i =
1, . . . , n, et positives 0 <
1

2
. . .
n
(resp. non negatives,
0
1

2
. . .
n
).
Preuve. Soit v un vecteur propre de norme unite associe à une des valeurs
propres que lon notera . Comme par denition la matrice P est symetrique
denie (resp. semi-denie) positive, la valeur x
T
Px est un nombre reel positif
(resp. non negatif). Ceci est en particulier vrai pour x = v. Par consequent,
comme
v
T
Pv = v
T
(P)v = v
T
v = ,
toutes les valeurs propres sont reelles et positives (resp. reelles et non
negatives).
Lemme 4.34. Si les valeurs propres
i
et
j
sont distinctes (
i
=
j
), alors
les vecteurs propres v
i
et v
j
associes ` a ces valeurs propres (Pv
i
=
i
v
i
et
Pv
j
=
j
v
j
) sont orthogonaux :
v
T
i
v
j
= 0 i = j,
i
=
j
.
Preuve. Supposons que v
T
i
v
j
= 0 et
i
=
j
. Comme v
j
est associe à
j
v
T
i
v
j
=
1
j
v
T
i
(
j
v
j
) =
1
j
v
T
i
(Pv
j
). (4.9)
Comme v
i
est associe à
i
,
v
T
i
v
j
=
1
i
(v
T
i
P
T
)v
j
. (4.10)
Etant donne que P est symetrique, les deux egalites (4.9) et (4.10) entranent
i
=
j
, conduit à une contradiction ce qui implique v
T
i
v
j
= 0 dès lors que
i
=
j
.
4.19.2 Ination et deation
Les deux lemmes 4.33 et 4.34 conduisent alors à une representation men-
tale dune matrice denie positive par une sorte de ballon de rugby à n-
dimensions. En consequence, il est possible denglober le ballon de rugby par
un ballon homogène (en considerant laxe le plus grand du ballon de rugby),
et egalement dy inscrire un ballon homogène à linterieur du ballon de rugby
(en considerant laxe le plus petit du ballon de rugby).
Lemme 4.35. Soit P > 0 une matrice reelle symetrique denie positive. Il
existe deux constantes reelles c, C R telle que
cx
T
x x
T
Px Cx
T
x.
De plus, c =
1
(la plus petite valeur propre de P) et C =
n
(la plus grande
valeur propre de P).
Preuve. Le lemme 4.34 garantit lexistence dune base orthonormee de vec-
teurs propres v
i
à partir de laquelle la decomposition de x =
n
i=1
i
v
i
conduit
à
x
T
Px = (
n
i=1
i
v
i
)
T
P(
n
i=1
i
v
i
)
= (
n
i=1
i
v
i
)
T
(
n
i=1
i
v
i
).
En tenant compte de lorthonormalite des vecteurs propres choisis (v
T
i
v
j
= 0,
i = j et v
i
= 1),
x
T
Px =
n
i=1
2
i
, (4.11)
et en remarquant
n
i=1
2
i
= x
T
x, la propriete 0 <
1

i

n
, garantie
par le lemme 4.33, demontre les inegalites à partir de (4.11).
Remarque 4.36. Le fait que les vecteurs propres sont orthogonaux permet
deliminer les produits croises v
T
i
v
j
, i = j. De plus, le plus grand axe du ballon
de rugby correspond à la plus petite valeur propre
1
. En eet, 1/c = 1/
1
correspond au rayon du grand ballon homogène x
T
x =
1
1
englobant le ballon
de rugby x
T
Px = 1. De meme, 1/C = 1/
n
correspond au rayon du petit
ballon homogène x
T
x =
1
n
inscrit à linterieur du ballon de rugby x
T
Px = 1.
4.19.3 Le developpement limite
Lorsque la fonction

V admet un developpement en serie, il est possible
dexprimer
V =
n
i=1
n
j=1
a
ij
x
i
x
j
+R
3
(x) +R
4
(x) +. . . +R
n
(x) +. . . (4.12)
o` u les mon omes du second ordre ont ete mis en evidence par rapport à ceux
dordres superieurs regroupes dans R
i
, i = 1, . . . , .
Par convention, les degres des de tous les mon omes de R
i
sont de degre
exactement egal à i (d
o
R
i
= i).
Les techniques de developpement se fondent alors sur le fait que si la
matrice A = (a
ij
) est denie positive, alors il existe une certaine constante
c > 0, c R, telle que
V < 0 x c.
En eet, les termes pouvant changer le signe de

V sont tous dans un des
facteurs R
i
. A cause du degre, tous les mon omes associes disons cx
i
x
j
x
k
. . . x
l
peuvent etre factorises sous la forme c(x
i
x
j
)x
k
. . . x
l
avec x
i
x
j
un des mon ome
apparaissant dans la forme quadratique x
T
Ax. En choisissant x susament
petit le facteur cx
k
. . . x
l
devient alors negligeable par rapport au coecient a
ij
de telle sorte que le terme x
T
Ax domine par rapport au terme de perturbation
i
R
i
.
4.19.4 La reintroduction de V
Le resultat dinstabilite 2 (theorème 4.30) est fonde sur la comparaison
entre la fonction

V et V elle-meme. Si la derivee de la quantite V est pro-
portionnelle (avec un facteur positif) à cette quantite V , alors cette quantite
augmente exponentiellement.
Il est ainsi interessant, une fois le calcul de

V = m(x) eectue, dessayer
de reintroduire lexpression de V dans m(x). Si cela est possible, alors, en
fonction du coecient devant la fonction de V , cette quantite peut decrotre
au cours du temps.
Lemme 4.37. Soit V une fonction denie positive quelconque (V (x) > 0,
x = 0, V (0) = 0) telle que
V =
V
x
f(x) = V,
avec R, alors
V (t) = V
0
e
t
.
Si < 0, le système x = f(x) est asymptotiquement stable.
Preuve. En derivant par rapport au temps V (t) = V
0
e
t
, lexpression

V = V
est veriee. Lexpression V
0
e
t
conduit à ce que, lorsque < 0, V (x(t)) 0,
et donc que x(t) 0 lorsque t .
4.19.5 Lequation integrale associee
Sous certaines conditions de continuite (que nous avons admises dans lin-
troduction), lequation dierentielle ordinaire
x = f(x), x(0) = x
0
,
donne lieu à une representation equivalente sous forme dequation integrale
x(t) =
_
t
=0
f()d
x(0) = x
0
.
Par consequent, des inegalites et des majorations sont applicables à
lintegrale, an destimer les solutions de lequation dierentielle.
Ce procede sapplique egalement aux inegalites dierentielles, lorsque la
fonction V apparat de part et dautre de linegalite. Elle est alors convertie
en inegalite, o` u la dierentielle disparat au prot de lintegrale.
Par exemple, en considerant une fonction V ,
V V
devient
V (t) V (0) +
_
t
0
V ()d, (4.13)
quel que soit le signe de R.
De meme
V g(V )
devient
V (t) V (0) +
_
t
0
g(V ())d. (4.14)
Ce type de conversion permet alors dutiliser les proprietes des inegalites
integrales du genre (4.13) et (4.14) an de trouver des estimations pour la
fonction V .
En particulier, lapparition de V à la fois à gauche de (4.13) et à droite,
sous le signe dintegration, rend lestimation dicile. Cest pourquoi lisolation
de V dun seul c ote de linegalite est très commode.
Lemme 4.38. Soit m(.) et v(.) des fonctions continues non negatives de R
+
dans R
+
, et c R un nombre reel non negatif c 0.
Si
m(t) c +
_
t
0
v()m()d, t 0, (4.15)
alors
m(t) c exp
__
t
0
v()d
_
. (4.16)
Remarque 4.39. Ce lemme permet disoler m(.), apparaissant des deux c ote
de linegalite, dans le membre de gauche de linegalite, et sans le symbole
dintegration. Ce lemme et ceux de cette section sont appeles lemmes de (type)
Bellman-Gronwall.
Preuve. En multipliant (4.15) par la valeur non negative v(t) de part et dautre
de linegalite, linegalite ne change pas de sens
m(t)v(t) v(t)
_
c +
_
t
0
v()m()d
_
,
Lorsque c > 0, le facteur entre crochets est strictement positif, de telle sorte
quen divisant des deux c otes par cette expression non nulle, linegalite ne
change egalement pas de sens
m(t)v(t)
c +
_
t
0
v()m()d
v(t), (4.17)
Maintenant, une integration directe conduit à
log
_
c +
_
t
0
v()m()d
_
log c
_
T
0
v()d
entranant (4.16).
Pour le cas c = 0, nous pouvons appliquer le resultat valable pour c > 0
en choisissant une suite decroissante de nombre positif
i
> 0 en posant suc-
cessivement c =
i
de telle sorte que (4.15) est valable pour tous ces choix.
En passant à la limite 0, nous obtenons m(.) = 0 identiquement, ce qui
demontre le lemme.
Lorsque le nombre c depend explicitement du temps, le lemme devient
Lemme 4.40. Soit m(.), v(.) et h(.) des fonctions continues non negative de
R
+
dans R
+
,
Si
m(t) h(t) +
_
t
0
v()m()d, t 0 (4.18)
alors
m(t) h(t) +
_
t
0
v()h() exp
__
t
v()d
_
d. (4.19)
De plus si h(.) est derivable,
m(t) h(0) exp
__
t
0
v()d
_
+
_
t
0
h
() exp
__
t
s
v()d
_
d.
Pour une demonstration, le lecteur est invite à consulter [LLM89]. Tout
comme dans [LL69], on y trouvera egalement dautres inegalites de ce type.
4.19.6 Quelques inegalites standards
Etant donne que des inegalites souvent complexes doivent etre manipulees,
faisant intervenir des operateurs dierentiels et integraux, il est utile dutiliser
des resultats classiques an de majorer (ou minorer selon le cas) les inegalites
plus compliquees à laide de celles utilisant des expressions arithmetiques
simples.
Cest pourquoi nous presentons essentiellement trois types dinegalites ap-
paraissant très souvent en pratique pour etablir des resultats de stabilite en
commande non lineaire.
Inegalite de Cauchy-Schwarz
Cette inegalite decoule du produit scalaire existant dans un espace vecto-
riel et provient du fait que | sin() | 1 pour tout R.
Lemme 4.41. Soit x =
_
x
1
x
2
. . . x
n
_
n
un vecteur dun espace vectoriel V .
En denissant, x =
x
T
x, alors
| x
T
y | xy.
Inegalite du triangle
Cest la generalisation en dimension n de la propriete que la somme des
longueurs des c otes adjacents dun triangle est toujours plus grande que la
longeur du c ote restant. A nouveau, nous nous pla cons dans un espace vectoriel
quelconque.
Lemme 4.42. Soit x et y deux vecteurs non nuls dun espace vectoriel V .
Nous avons
x +y x y .
Les signes devant les vecteurs x et y nont pas dimportance dans le membre
de droite.
Inegalite arithmetique-geometrique
La moyenne arithmetique
1
n
(x
1
+ x
1
+ . . . + x
n
), est toujours au moins
egale à la moyenne geometrique
n
x
1
x
2
. . . x
n
:
Lemme 4.43. Soit x
i
R
+
, i = 1, . . . , n, une suite nie de nombre reels non
negatifs.
1
n
n
i=1
x
i

n
_
n
i=1
x
i
. (4.20)
Les deux moyennes, geometrique et arithmetique, sont des cas particuliers
de moyenne M
f
associee à une fonction f(x) dont on connat la fonction
reciproque f
1
(x) :
M
f
= f
1
_
1
n
n
i=1
f(x
i
)
_
.
Ainsi avec f(x) = x, M
x
est la moyenne arithmetique, et avec f(x) = log(x),
M
log
est la moyenne geometrique. Linegalite (4.20) secrit donc aussi
M
x
M
log
.
Exercices
4.1. Theorème de Krasovskii,
Demontrer les theorèmes 4.26 et 4.27
4.2. Grue à portique 2D
1
On considère une grue planaire à portique. Le chariot comporte une poulie
guidant le c able principal qui relie le moteur de treuillage (moteur principal
xe sur la structure xe) à la charge. Le chariot superieur peut egalement se
deplacer sous laction dun autre c able reliant le chariot au moteur secondaire
(ce dernier est egalement monte sur la structure xe). La charge peut ainsi
se deplacer dans le plan. La longueur du c able de treuillage est R et celui du
c able secondaire L.
(i) Dessiner le système. Considerer tous les paramètres comme des valeurs
normalisees à un.
(ii) Etablir le modèle dynamique en se fondant sur lhypothèse que les
c ables sont inniment rigides et quils peuvent transmettre à la fois les forces
negatives et positives (en realite un c able ne peut que transmettre la force
dans un seul sens, lautre conduirait le c able à etre detendu). Les deux moteurs
sont supposes ideaux et transmettent chacun un couple pur instantanement.
Lentree du premier moteur est le couple
1
et celle du moteur secondaire
2
.
(iii) Poser comme loi de commande
1
= 1 2

R + (

R R)
2
= 1 2

L + (
L L)
o` u

R,

L R sont des nombre reels xes. Le terme 1 est necessaire pour
compenser la force due à la gravite (toutes les constantes sont normalisee en
particulier g = 1 et m = 1, ainsi que les rayons des poulies).
(iv) Trouver le point dequilibre naturel. En existe-t-il dautres ?
(v) Demontrer en linearisant par la methode du developpement de Taylor
(cf. chapitre sur la linearisation si necessaire) que le système est localement
exponentiellement stable.
(vi) Pour augementer le domaine de stabilite, considerer la fonction
V = E
c
+E
p
+ (R

R)
2
+ (L

L)
2
+R +L,
o` u E
c
est lenergie cinetique du système et E
p
est lenergie potentielle. Est-ce
que cette fonction est positive à lexterieur du point dequilibre ?
(vii) Montrer que

V 0.
1
Ce problème est une adaptation de larticle de B. Kiss, J. Levine, J. et Ph.
Mullhaupt A Simple Output Feedback PD Controller for Nonlinear Cranes, Proc.
39th IEEE Conference on Decision and Control, Sydney, Australia, December
2000, pp. 5097-5101.
(viii) Determiner lensemble

V = 0.
(ix) Determiner le plus grand ensemble invariant compris dans cet en-
semble.
(x) En deduire les proprietes de stabilite globale, en particulier est-ce que
la fonction V est radialement non bornee ? Envisager divers compacts inva-
riants et verier que V est bien borne inferieurement sur ces compacts. En
particulier est-ce que V (x) l est-il un ensemble compact ?
(xi) Illustrer lensemble des resultats obtenus à laide de simulations.
5
Passivite
Le chapitre precedent a deni la stabilite de manière formelle. Pourtant,
lapplication directe de la denition presentait des dicultes. La nature meme
de celle-ci rendait son traitement dicile ; mais surtout le besoin de connatre
de manière explicite la solution des equations dierentielles representant le
système, a contraint de proceder par lentremise dune fonction supplementaire
(seconde methode de Lyapunov). Lorgine de la reexion etait liee à la fonction
denergie. Un système etait stable lorsque, dune part, la fonction denergie
represente un minimum à lequilibre et, dautre part que cette fonction soit,
soit conservee ou decroissante dans le temps. La stabilite asymptotique ne
pouvant pas decouler lorsque la fonction est conservee uniquement.
Le present chapitre consiste, en quelque sorte, à etendre le concept
denergie à une plus large classe de système. Au chapitre precedent, seules
les dynamiques depourvues dentree ont fait lobjet dune etude detaillee. Il
sagit ici denvisager la presence dune entree u supplementaire, x = f(x, u).
La presence, à la fois dune entree et dune sortie de dimension compa-
tible, complique cependant les interpretations. En eet, bien que lenergie
puisse avoir une tendance à decrotre au cours du temps, il serait tout à
fait possible, en utilisant la nouvelle entree à disposition, de laugmenter de
manière arbitraire. Par exemple, lors dune connexion entre systèmes, lenergie
peu passer dun système à un autre suivant une sorte de resonance, bien que
chaque système pris isolement fasse decroitre son energie propre lorsque la
connexion est rompue.
Toutefois, il existe une classe de système pour lesquels bons nombres de
choses se passent bien, en particulier un certain type de comportement se
trouve maintenu quelles que soient les connexions. Cette particularite est re-
marquable, mais impose des restrictions importantes. Ce sont dune part, la
denition de cette classe de systèmes, ainsi que leurs proprietes et restrictions,
qui seront maintenant etudiees.
108 5 Passivite
Lyapunov
Système sans entree : x = f(x)
d
dt
V 0
Passivite
Système entree-sortie : x = f(x, u)
y = h(x)
d
dt
V Puissance Fournie
Tableau 5.1. Tableau distinctif pour la stabilite et la passivite.
5.1 Notion intuitive
Le système
x = f(x, u)
y = h(x, u)
possède à la fois une entree u et une sortie y = h(x, u). Lentree est utilisee
pour injecter ou soutirer de la puissance. Un système est passif si lorsque de
la puissance est soutiree, le soutirage se fait au detriment du stock interne
denergie. Ainsi il ne peut pas y avoir de generation interne de puissance.
Ce stock est en quel que sorte lanalogue de la fonction de Lyapunov du
chapitre precedent. On le notera egalement V .
5.2 Exemple de système statique passif
Les systèmes passifs les plus simples sont ceux qui ne comportent pas
de dynamique. La sortie est directement fonction de la valeur de la grandeur
dentree. Pour simplier encore davantage la presentation, lexemple considere
comporte une entree dune seule dimension et une sortie dune seule dimension.
Ainsi, pour que la puissance soit dissipee, il faut que le produit entree
sortie, cest-à-dire
ui
soit positif, an que la puissance soit consommee et dissipee à chaque instant
dans le système statique. Lexemple simple de la resistance electrique
u = Ri
5.4 Exemple de système dynamique passif 109
est donne à la gure 5.1 et illustre parfaitement ce cas de système.
Etant donne que le système est statique, la puissance est dissipee instan-
tanement. Il ny a pas la notion de stock interne de puissance. La fonction V
est absente dans ce cas.
u
i
u
i
Fig. 5.1. La resistance electrique est un système statique passif
Un simple calcul donne aisement
ui = Ri
2
et conrme que la puissance instantanee est eectivement instantanement
dissipee dans la resistance electrique.
5.3 Système statique passif
Lexemple de la simple resistance electrique peut setendre par analogie
à une plus large classe de systèmes. Lextension doit cependant prendre en
compte la necessite de dissiper instantanement la puissance que donne le
couple entree-sortie. En consequence, il est imperatif que
uy = g, g > 0
lors de la presence dun système statique passif.
Ceci signie que la caracteristique statique doit necessairement se trouver
dans le premier et le troisième quadrant, conformement à ce qui est represente
à la gure 5.2.
5.4 Exemple de système dynamique passif
Lorsque le système comporte une partie dynamique, certaines variables
detat sont associees au système. Le produit de lentree par la sortie u
T
y, ne
sut plus pour caracteriser la passivite.
110 5 Passivite
y
u
Fig. 5.2. Representation graphique dun système passif statique : La caracteristique
doit appartenir au secteur rerpesente en vert solide.
En eet, la puissance peut etre emaganisee dans les elements dynamiques.
Elle peut egalement etre restituee à lentree du système.
Pour mieux comprendre le phenomène, etudions un circuit electrique com-
portant que des resistances, inductances et capacites. Le circuit est represente
à la gure 5.3.
u
i
l
C
L
uc
R1
R2
Fig. 5.3. Un circuit electrique RLC est un système dynamique passif.
Ce circuit peut recevoir de la puissance par lentremise du couple entree-
sortie u et i. Cette puissance est alors dissipee partiellement dans les resistances
et stockee dans les deux elements C (capacite) et L (inductance). Le circuit
peut egalement fournir de la puissance en entree en diminuant sont stock in-
terne denergie, en diminuant soit la charge dans la capacite soit le champ
magnetique dans la bobine. Soit donc la fonction de stockage
V =
1
2
Cu
2
c
+
1
2
Li
2
l
La dynamique du système est :
u = R
1
i
l
+L
di
l
dt
+u
c
i = C
du
c
dt
+u
c
1
R
2
5.6 Proprietes 111
En posant x
1
= i
l
et x
2
= u
c
on arrive à la representation detat
x
1
=
1
L
u
R
1
L
x
1
1
L
x
2
x
2
=
1
C
x
1
1
R
2
C
x
2
On peut donc calculer levolution du stockage dans le temps :
V = Lx
1
x
1
+Cx
2
x
2
= ux
1
R
2
x
2
1
x
1
x
2
+x
2
x
1
1
R
2
x
2
2
= ux
1
R
2
x
2
1
1
R
2
x
2
2
En considerant la sortie y = i
l
= x
1
:
V = uy g(x), avec g(x) = R

2
x
2
1
+
1
R2
x
2
2
Ainsi la puissance en entree est
soit stockee
soit dissipee
5.5 Denition dierentielle de la passivite
Lexemple precedent rend possible une extension mathematique de la no-
tion de passivite, tout comme cela a ete le cas lors de la generalisation de la
resistance electrique à une plus large classe de systèmes.
Denition 5.1. Soit le système,
x = f(x, u)
y = h(x)
Sil existe > , V > , et,
V = u
T
y g
avec g 0, alors le système est passif.
5.6 Proprietes
Limmense avantage des systèmes passifs est leur plasticite lors de connexion
en tout genre. En eet, ces systèmes se comportent très bien lors de connexion
112 5 Passivite
en serie, car les systèmes agissent en quelque sorte independammant de leur
connexion. Mais ils se comportent egalement très bien lors de connexion à la
fois en parallèle et en retroaction. Ce dernier cas est important lors dassocia-
tion de sous-systèmes passif en retour de sortie.
5.6.1 Connexion parallèle
Lors dune connexion parallèle,
+
+
V
1
, g
1
V
2
, g
2
u
1
u
2
y
1
y
2
u y
chacun des deux systèmes comporte une fonction de stockage interne V
1
et V
2
respectivement et obeit à la denition 5.1. Ceci donne,
V
1
= u
T
1
y
1
g
1
V
2
= u
T
2
y
2
g
2
V =

V
1
+

V
2
= u
T
1
y
1
+u
T
2
y
2
g
1
g
2
= u
T
y
1
+u
T
y
2
g
1
g
2
= u
T
(y
1
+y
2
) g
1
g
2
V = u
T
y g,
o` u lon a fait lusage de la particularite de la connexion parallèle. Le calcul
montre donc que, si lon considère V = V
1
+V
2
comme fonction de stockage as-
socie à lassemblage constitue par la connexion en parallèle des deux systèmes
individuels, alors cet assemblage repond encore à la meme denition 5.1, en
utilisant cette fois-ci V = V
1
+ V
2
et g = g
1
+ g
2
. La passivite est donc
maintenue !
5.6 Proprietes 113
5.6.2 Connexion par retroaction
La connexion par retroaction est plus pernicieuse etant donne que les deux
systèmes interagissent damont en aval et ceci à linni. Soit donc la connexion
par retroaction negative,
-
V
1
, g
1
V
2
, g
2
u
1
y
2
y
1
u
2
u y
pour laquelle chacun des sous-systèmes constitutifs obeit à la denition
5.1. En tenant compte de la particularite de la connexion,
V
1
= u
T
1
y
1
g
1
V
2
= u
T
2
y
2
g
2
V =

V
1
+

V
2
= u
T
1
y
1
+u
T
2
y
2
g
1
g
2
= (u
T
y
T
2
)y
1
+u
T
2
y
2
g
1
g
2
= (u
T
y
T
2
)y
1
+y
T
1
y
2
g
1
g
2
= u
T
y
1
y
T
2
y
1
+y
T
1
y
2
g
1
g
2
= u
T
y
1
g
1
g
2
V = u
T
y g.
Et la meme constatation que dans le cas de la connexion parallèle est
deduite : Le système est passif avec comme fonction de stockage V = V
1
+V
2
et terme de dissipation g = g
1
+g
2
.
Remarque 5.2. La propriete de maintenir la passivite après connexion par
retro-action negative de deux système passifs est extremement utile pour
synthetiser des lois de commande. En eet, il est possible didentier des
sous-systèmes passifs dans un système à commander. Lorsque ceci nest pas
directement le cas, un bouclage partiel peut transformer une sous-partie en
une sous-partie passive. Lorsque le système complet admet (après bouclage)
une decomposition en systèmes passifs (chaque sous-système est connecte aux
autres par connexion parallèle, serie ou par retroaction negative) la stabilite
sera garantie par les proprietes de connexion elaborees ci-dessus. Ceci per-
met de constituer une fonction de Lyapunov compliquee à partir de fonctions
plus simples associees aux sous-parties passives. Nous examinerons de telles
techniques dans la section consacree à la synthèse.
114 5 Passivite
5.6.3 Denition integrale de la passivite
Il est egalement possible de donner une denition equivalente de la passi-
vite sous forme integrale ne faisant pas intervenir de notion dierentielle.
Denition 5.3. Sil existe R, > , V > et g 0 tel que si
V = u
T
y g
ceci implique R, >
_

0
u()
T
y()d >
alors le système est passif.
Remarque 5.4. Pour voir la correspondance entre les deux denitions, (il sut
de prendre g 0).
En fait, la denition integrale signie quil est impossible en jouant sur
lentree de rendre arbitrairement petit le stock interne denergie. Ce stock est
borne inferieurement.
Cette denition sera utilisee pour demontrer un lien important entre la
propriete de passivite et la caracteristique frequentielle associee aux systèmes
lineaires par lentremise de lidentite de Perseval.
5.7 Passivite des systèmes lineaires SISO
Les deux denitions de la passivite (denition 5.1 et 5.3), sappliquent aussi
bien aux systèmes lineaires que non-lineaires. Pour les systèmes lineaires, cette
propriete peut se caracteriser en fonction de la caracteristique frequentielle.
Soit une fonction de transfert donnee comme une fraction rationnelle en va-
riable de Laplace s.
G(s) =
b
m
s
m
+b
m1
s
m1
+. . . +b
1
s +b
0
s
n
+a
n1
s
n1
+. . . +a
1
s +a
0
Il est possible de caracteriser la propriete de passivite en fonction de la
reponse harmonique du système.
Theorème 5.5. Le système G(s) =
Y (s)
U(s)
est passif
e[G(j)] 0
5.7 Passivite des systèmes lineaires SISO 115
Remarque 5.6. Le resultat du theorème precedent na rien de surprenant si lon
considère un circuit electrique RLC, car le dephasage induit par un quelconque
assemblage de tels elements ne pourra jamais sortir de linterval [
2
;

2
]. Le
plus etonant est que ceci soit le cas, quel que soit le système passif.
Mentionnons, par ailleurs, que le problème inverse est encore plus interessant :
Remarque 5.7. La synthèse dun système passif lineaire quelconque à laide
dun reseau electrique comportant uniquement des elements R, L ou C est
dune complexite considerable. Ce problème a occupe le centre de la scène de
la recherche dans le domaine au cours des trois premiers quarts de siècles du
siècle dernier.
G(j)
Fig. 5.4. Diagramme de Nyquist dun système lineaire SISO passif.
Exemple 5.8. An de conrmer la precedente remarque, le circuit electrique
RLC est reconsidere. La fonction de transfert est
G(s) =
I(s)
U(s)
=
R
2
Cs + 1
R
2
CLs
2
+ (R
1
R
2
C + L)s +R
1
+R
2
Les valeurs numeriques suivantes sont choisies : R
1
= 1, R
2
= 10, C = 2.4,
L = 1.2.
Il est alors aise de constater que la partie reelle de la reponse harmonique
est à partie reelle positive, exhibant ainsi rien dautre que la propriete des
signaux periodiques de nature sinusodale detre dephase dun angle de valeur
absolue toujours inferieure ou egale à

2
.
116 5 Passivite
Real Axis
I
m
a
g
in
a
r
y

A
x
is
Nyquist Diagrams
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5

G(j)
Fig. 5.5. Diagramme de Nyquist pour un exemple particulier de circuit electrique
passif.
5.7.1 Preuve du lien entre passivite et reponse harmonique
positive reelle
Pour demontrer le lien, considerons les signaux representes à la gure 5.6.
Preuve.
t
u y
G(s)
Fig. 5.6. Illustration pour la demonstration de la passivite
Le système est soumis à un signal dentree non nul sur un horizon temporel
de o à . Lentree est nulle avant le temps initial t = 0 et ensuite abruptement
arrete pour tout instant t superieur à . La sortie par contre na aucune raison
de revenir à zero pour tout instant superieur à .
La cle de la demonstration reside dans le fait que le bilan de puissance
sur tout lhorizon temporel est egal au bilan sur tout le spectre. Le celèbre
theorème de Perseval est donc utilise.
5.7 Passivite des systèmes lineaires SISO 117
_

0
u()y()d =
_

y()u()d
=
1
2
_

Y (j)U
(j)d (Perseval)
=
1
2
_

G(j) | U(j) |
2
d
=
1
2
_
0
G(j) | U(j) |
2
d +
1
2
_

0
G(j) | U(j) |
2
d
=
1
2
_
0
G(j )| U(j )|
2
d +
1
2
_

0
G(j)| U(j)|
2
d
u(t) reel U(j) = U
(j)
| U(j) |
2
= U(j)U
(j) = U
(j)U(j) =| U(j) |
2
donc
_

0
u()y()d =
1
2
_

0
G(j) | U(j) |
2
d +
1
2
_

0
G(j) | U(j) |
2
d
=
1
_

0
G(j) +G(j)
2
| U(j) |
2
d
=
1
_

0
e[G(j)] | U(j)|
2
d
e[G(j)] 0, > 0
_
0
u()
T
y()d > , >
La demonstration procède maintenant par labsurde, cest-à-dire que lon
suppose que dans le système viole le principe que la partie reelle de la reponse
harmonique puisse avoir une partie reelle negative. Ainsi supposons que dans
la plage de frequence
1
,
2
e[G(j)] < 0} (
1
;
2
). Ce cas de
gure est represente à la gure 5.7.
e[G(j)]
1 2
Fig. 5.7. La partie reelle est negative pour dans la plage frequentielle ]1; 2[.
Il se pourrait, dès lors, que de lenergie soit injectee dans cette bande
de frequence. Pire encore, nous pourrions arbitrairement augmenter cette
energie en jouant explicitement sur la frequence du signal dexcitation. Ceci
est represente à la gure 5.8.
118 5 Passivite
| U(j) |
2
1 2
Fig. 5.8. Lenergie dans la plage de frequence ]1; 2[ est augmentee de manière
arbitraire
En ecrivant ceci de manière calculatoire,
_

0
u()y()d =
1
_
1
0
e[G(j)] | U(j) |
2
d ( 0)
+
1
_
2
1
e[G(j)] | U(j)|
2
d (< 0)
+
1
_

2
e[G(j)] | U(j)|
2
d ( 0).
De part le fait que la partie reelle est negative seulement dans la plage
]
1
;
2
[, seul le terme du centre peut etre rendu negatif. Toutefois, ce terme
peut etre rendu arbitrairement negatif et donc lintegrale peut etre rendue
aussi negative que desiree.
En consequence, si
1
,
2
e{G(j) < 0} (
1
;
2
) on a, >
, u(t) tel que,
_

0
u()y()d < .
En utilisant la contraposee, (A B A B), e{G(j)} 0, > 0
> ,
_
0
u()
T
y()d > , (u(t)), et nous arrivons à la conclusion
de la proposition, en utilisant la denition integrale de la passivite ??
5.8 Système reel positif
Le theorème precedent conduit naturellement à denir une classe de
systèmes lineaires en fonction de la partie relle de leur reponse harmonique.
5.8 Système reel positif 119
Denition 5.9. G(s) est reelle positive (RP) si,
e [G(s)] 0, e[s] 0;
et strictement reelle positive (SRP) si, > 0 tel que G(s ) est (RP).
Theorème 5.10. Une fonction de transfert G(s) est (SRP)
1. G(s) est strictement stable (sans p ole sur laxe imaginaire)

2. 0 e [G(j)] > 0
Une demonstration de ce theorème peut etre trouvee dans [Kha02].
5.8.1 Degre relatif et minimum de phase
Quelques critères simples sont à disposition pour detecter les systèmes
positifs reels, ou plus exactement pour rejeter ceux qui ne le sont pas. La
fonction de transfert peut etre mise sous forme de fraction rationnelle de
polynomes factorises de telle sorte que les zeros et les p oles apparaissent de
manière explicite.
G(s) =
m
i=0
(s z
i
)
n
i=0
(s p
i
)
Cest en fonction de la caracteristique de ces p oles et zeros quil est pos-
sible detablir des critères de necessite pour que la reponse harmonique ait la
propriete de la denition 5.9. Deux notions jouent un role fondamental dans
cette analyse. Il sagit du concept de degre relatif et de minimum de phase. Le
premier est deni comme la dierence entre le nombre de p oles et le nombre
de zeros.
Denition 5.11. (degre relatif ) Le degre relatif note d
o
r est deni comme la
dierence
d
o
r = n m
o` u n est le nombre de p oles de la fonction de transfert et m, le nombre de
zeros.
Etant donne quun système physique est causal, cette dierence sera tou-
jours consideree positive ou nulle.
Caracteristique 5.12. Pour un système physique, le degre relatif est toujours
positif ou nul, i.e. d
o
r. 0.
120 5 Passivite
La deuxième notion est celle de minimum de phase. Elle joue egalement
un role majeur lors de la commande de système par linearisation entree-sortie
et sera abordee au chapitre 7. Cette propriete est liee à la position des zeros
dans le plan complexe.
Denition 5.13. (minimum de phase) Un système lineaire est dit ` a mini-
mum de phase si tous ces zeros ont une partie reelle strictement negative. i.e.
Re(z
i
) < 0, i = 1, . . . , m.
Remarque 5.14. La denition precedente de la notion de système à minimum
de phase est valable pour les systèmes lineaires uniquement. Une denition
plus generale, ne faisant pas appel à la notion de fonction de transfert, existe
et elle sera donnee au chapitre 7.
Les quatre exemples qui suivent permettent, dune part de se familiariser
avec ces notions et, dautre part, dillustrer les conditions necessaires pour la
presence dun système reel positif. Ces quatres exemples presentent chacun
une fonction de transfert type. Les reponses harmoniques sont representees
à la fois dans le diagramme de Nyquist et dans le diagramme de Bode. Le
diagramme de Bode comporte un graphique pour lamplitude et un pour la
phase.
Exemple 5.15. Le premier exemple correspond à la fonction de transfert,
G(s) =
1
(s + 1)(s + 1)
,
dont la reponse harmonique est representee à la gure 5.9.
En examinant les notions introduites à la section precedente, on constate
que le degre relatif vaut deux et ne comporte pas de zero. Il est donc à phase
minimale. Le système est egalement stable. Cependant la partie reelle de la
reponse harmonique comporte toujours une partie relle negative, comme le
montre le diagramme de Nyquist et la phase du diagramme de Bode.
Exemple 5.16. Le deuxième exemple,
G(s) =
s + 2
(s + 1)(s 1)
,
est de degre relatif 1, mais il comporte cette fois un zero dont la partie reelle
est negative. Un coup doeil sur les p oles montre que le système est cependant
instable, puisquun de ceux-ci se trouve en +1.
La partie reelle de la reponse harmonique devient negative à partir dune
certaine pulsation comme lillustre la gure 5.10. Ceci est logique etant donne
que linstabilite necessite dencercler le point 1. La reponse harmonique doit
donc necessairement entrer dans le deuxième ou troisième quadrant.
Frequency (rad/sec)
P
h
a
s
e

(
d
e
g
)
;

M
a
g
n
i
t
u
d
e

(
d
B
)
Bode de (s+2)/[(s+1)(s-1)] :-(
-20
-15
-10
-5
0
5

10
-1
10
0
10
1
-160
-140
-120
-100

Real Axis
I
m
a
g
i
n
a
r
y

A
x
i
s
Nyquist Diagrams
-2 -1.5 -1 -0.5
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
:-(
Fig. 5.9. Toute la reponse harmonique possède une partie reelle negative. Le degre
relatif est d
o
r = 2.
Frequency (rad/sec)
P
h
a
s
e

(
d
e
g
)
;

M
a
g
n
i
t
u
d
e

(
d
B
)
Bode de 1/[(s+1)(s+1)] :-(
-40
-30
-20
-10
0

10
-1
10
0
10
1
-150
-100
-50

Real Axis
I
m
a
g
i
n
a
r
y

A
x
i
s
Nyquist Diagrams
-1 -0.5 0 0.5 1
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
:-(
Fig. 5.10. Une partie de la reponse harmonique possède une partie reelle negative.
Le degre relatif est d
o
r = 1, mais le système est instable.
Exemple 5.17. Le troisième exemple,
G(s) =
s 2
(s + 1)(s + 1)
,
est stable et de degre relatif 1. Mais il comporte un zero situe à 2, cest-à-dire
dans le demi plan complexe correspondant à une partie reelle positive. Le
système nest donc pas à phase minimale.
122 5 Passivite
Frequency (rad/sec)
P
h
a
s
e

(
d
e
g
)
;

M
a
g
n
i
t
u
d
e

(
d
B
)
Bode de (s-2)/[(s+1)(s+1)]:-(
-20
-15
-10
-5
0
5

10
-1
10
0
10
1
-50
0
50
100
150

Real Axis
I
m
a
g
i
n
a
r
y

A
x
i
s
Nyquist Diagrams
-2 -1 0
-1.5
-1
-0.5
0
0.5
1
1.5
:-(
Fig. 5.11. Une partie de la reponse harmonique possède une partie reelle negative.
Le degre relatif est d
o
r = 1. Le système est stable, mais il nest pas à phase minimale.
La reponse harmonique est representee à la gure 5.11 et demontre, comme
dans le cas de lexemple precedent, que le système nest pas reel positif.
Exemple 5.18. Le dernier exemple
G(s) =
s + 2
(s + 1)(s + 1)
,
est stable, de degre relatif 1. La fonction de transfert comporte un zero dans le
demi plan complexe gauche et donc represente un système à phase minimale.
De plus, les deux p oles ont une partie reelle strictement negative correspon-
dant à système est stable.
La reponse harmonique est representee à la gure 5.12 et est à partie reelle
positive sur tout lensemble des frequence. Le système est donc positif reel.
5.8.2 Lien entre Lyapunov et système RP
Les quatre exemples precedents suggère que les critères suivants sont
necessaires pour que le système soit reel positif.
Caracteristique 5.19. Si la fonction de transfert est positive reelle, c.-à-d.
e [G(j)] 0, ,
alors
1. le degres relatif est nulle ou egal à 1 ;
Frequency (rad/sec)
P
h
a
s
e

(
d
e
g
)
;

M
a
g
n
i
t
u
d
e

(
d
B
)
Bode de (s+2)/[(s+1)(s+1)] :-)
-20
-15
-10
-5
0
5

10
-1
10
0
10
1
-80
-60
-40
-20

Real Axis
I
m
a
g
i
n
a
r
y

A
x
i
s
Nyquist Diagrams
-1 0 1 2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
:-)
Fig. 5.12. La reponse harmonique est à partie reelle positive. Le degre relatif est
d
o
r = 1. Le système est stable. Il est egalement à phase minimale.
2. il ny a pas de zero à partie reelle positive (G(s) est à phase minimale) ;
3. le système est stable ;
Il est alors interessant de sinterroger sur la structure de la representation
detat dun système lineaire passif. Comme le système est necessairement
stable, lequation de Lyapunov pour le système lineaire A
T
P + PA = Q
admet toujours une solution P > 0 pour tout choix de matrice Q > 0. La pas-
sivite est alors imposee par la relation entre lentree u et la sortie y en relation
avec la solution P obtenue lors de la resolution de lequation de Lyapunov.
Une dierence essentielle reside dans le fait quee choix de Q ne peut plus se
faire complètement arbitrairement.
Remarque 5.20. Le theorème et la preuve qui vont etre presentes ci-après vont
etre simplie quelque peu pour ne considerer que les systèmes lineaires qui,
dans la representation detat, ne contiennent pas dinuence instantanee de
lentree sur la sortie (c.-à-d. D = 0 pour lequation de sortie y = Cx +Du).
Lemme 5.21. (Kalman-Yakubovich-Popov) Soit G(s) = C(sI A)
1
B une
matrice de transfert mm avec m R correspondant ` a un système qui est ` a
la fois commandable,
rang
_
B AB . . . A
n1
B
_
= n.
et observable,
rang
_
C
T
A
T
C
T
. . . (A
T
)
n1
C
T
_
= n.
124 5 Passivite
Sous ces hypothèses, la fonction de transfert G(s) est strictement reelle posi-
tive si, et seulement si, il existe deux matrices symetriques denies positives
P et Q telles que
A
T
P +PA = Q
et
PB = C
T
.
La demonstration de ce lemme est assez compliquee (cf. par exemple
[Kha02] et [Vid93] ainsi que les references ci trouvant). Toutefois, nous don-
nons quelques indications sur la demonstration.
Preuve. (susance : ) Par hypothèse il existe une matrice P symetrique
denie positive (P = P
T
> 0) satisfaisant A
T
P +PA = Q pour un certain
Q > 0 (egalement symetrique).
Etant donne que cette equation de Lyapunov est respectee, lorigine de
x = Ax est asymptotiquement stable. Par consequent, A na pas de valeur
propre à partie reelle strictement positive.
Posons (s) = (sI A)
1
de telle sorte que
G(s) +G
T
(s) = C(s)B +B
T
(s)C
T
.
En utilisant le fait que PB = C
T
(par hypothèse),
G(s) +G
T
(s) = B
T
P(s)B +B
T
T
(s)PB
= B
T
(s)
T
_
(
T
(s))
1
P +P((s))
1
(s)B
= B
T
(s)
T
_
((sI A)
T
P +P(sI A)
(s)B
= B
T
T
(s)
_
A
T
P PA)
_
(s)B
= B
T
T
(s)Q(s)B,
o` u pour la dernière egalite, la propriete A
T
P + PA = Q a ete utilisee. On
conclut ainsi que G(s + G
T
(s) 0 pour autant que (s) 0. Le système
est donc bien positif reel.
(necessite : ) Comme la matrice de fonctions de transfert G(s) est
connue, il est possible de la factoriser sous la forme
G(s) +G
T
(s) = T(s)T
T
(s)
par lintermediaire du lemme suivant :
Lemme 5.22. Si une matrice V (.) est rationnelle propre de dimension mm
de telle sorte que V (s) = V
T
(s) et V (j) > 0, , alors il existe une matrice
stable rationnelle T(.) de dimension mm telle que V (s) = T
T
(s)T(s), avec
en plus rang T(j) = m, .
(Une preuve de ce lemme se trouve dans Anderson, B. D. O. and Moore, J.
B. Optimal Filtering, Prentice-Hall, 1979 ; une illustration dans le cas mono-
variable est donnee à la remarque 5.23, après la demonstration.)
Comme une realisation de G(s) est supposee, par hypothèse, commandable
et observable, ces deux proprietes sont egalement vraies pour T(s), de telle
sorte que la matrice T(s) admet une realisation minimale x =

Ax +

Bu,
y =

Cu avec T(s) =

C(sI

A)
1

B.
Maintenant, en posant

(s) = (sI

A)
1
,
T
T
(s)T(s) =
B
T

T
(s)

C
T

C

(s)

B. (5.1)
Comme la realisation est observable, il existe une matrice symetrique denie
positive

R > 0 telle que
A
T

R +

R

A =
C
T

C.
De plus,
C
T

C =

A
T

R +

R

A = (sI +

A
T
)

R

R(sI

A). (5.2)
En substituant cette expression dans (5.1), on obtient en utilisant

(s) =
(sI

A)
1
:
T
T
(s)T(s)
=
B
T

T
(s)
_
(sI +

A
T
)

R

R(sI

A)

(s)

B
=
B
T
((sI

A)
1
)
T
_
(sI

A)
T

R

R(sI

A)
(sI

A)
1

B
=
_
B
T

R +

B
T
((sI

A)
1
)
T

R(sI

A)
(sI

A)
1

B
=

B
T

R(sI

A)
1

B +

B
T
((sI

A)
1
)
T

R

B
=

B
T

R
(s)

B +

B
T

T
(s)

R

B. (5.3)
Dun autre c ote, en considerant une realisation de G(s) (au lieu de celle de
T(s)) donnee par x = Ax+Bu, y = Cx avec G(s) = C(sI A)
1
B, le produit
T
T
(s)T(s) secrit egalement sous la forme
T
T
(s)T(s) = G(s) +G
T
(s) = C(sI A)
1
B +B
T
(sI A
T
)
1
C
T
(5.4)
Comme toutes les valeurs propres des realisations de G(s) et T(s) ont une
partie reelle negative (les p oles sont tous à partie reelle strictement plus petite
que zero de telle sorte que les valeurs propres de A et

A le sont egalement), il
est possible didentier terme à terme les expressions (5.3) et (5.4). Le terme
de gauche correspond à un système complètement stable, et celui de droite à
un système symetrique complètement instable. Les stables et les instables
doivent donc etre egaux; on ne peut pas croiser les valeurs propres. On obtient
par consequent
B
T

R(sI

A)
1

B = C(sI A)
1
B. (5.5)
126 5 Passivite
Finalement, en se souvenant que si deux realisations minimales equivalentes
(disons (A, B, C) et (

A,

B,

C)) donnent la meme matrice de transfert, alors il
existe une matrice de changement de coordonnee M telle que A = M
1

AM,
B = M
1

B et C =

CM. Lexpression (5.5) signie quil existe une cer-
taine matrice M telle que A = M
1

AM, C =

B
T

RM et B = M
1

B. En
consequence, PB = PM
1

B = M
T

R
T

B de telle sorte quavec
P = M
T

R
T
M
lequation
PB = C
T
est respectee. En ce qui concerne la dernière propriete, à savoir etablir
A
T
P + PA = Q avec Q une matrice denie positive, on considère une
petite perturbation de la fonction de transfert G(s). En fait on utilise non pas
G(s) directement mais G(s ) avec variant entre 0 et un petit paramètre
> 0. Comme est choisi petit, G(s ) demeure strictement reel positif.
Ceci revient à considerer
A
= A +

2
I
pour un petit paramètre > 0 qui continue à satisfaire toutes les hypothèses.
En utilisant A
au lieu de A dans le raisonnement ci-dessus, et en adaptant

les quantites M, R,

A en tenant compte du changement de A vers A
, nous
avons
A
T
P +PA
= A
T
M
T

R
T
+M
T

R
T
= (M
1
)
T
M
T

R
T
+M
T

R
T
(M
1
)
= M
T
(

A
T
+

R
)M
= M
T

C
T
Finalement, en revenant vers A,

(A +

2
I)
T
P +P(A+

2
I) = M
T

C
T
A
T
P +PA = M
T

C
T
P = Q,
et comme Q est visiblement denie positive, le resultat est demontre.
Remarque 5.23. Pour illustrer la factorisation polynomiale utilisee dans la par-
tie de la susance, prenons le cas monovariable G(s) =
1
s+a
avec a > 0. La
factorisation T(s) est obtenue en considerant
G(s) +G
T
(s) =
1
s +a
+
1
a s
=
2a
s + a
2a
a s
= T(s)T
T
(s).
Le lemme 5.22 indique que cette factorisation a egalement lieue en multiva-
riable.
Remarque 5.24. La preuve du lemme montre la necessite de la commandabilite
et lobservabilite du système lineaire (A, B, C). Ces hypothèses sont utilisees
à deux reprises. Premièrement pour garantir lexistence des realisations mi-
nimales de G(s) et T(s) permettant lexistence de la matrice de passage M,
mais egalement lors de lidentite

A
T

R+

R

A =
C
T

C o` u lobservabilite de la
realisation de T(s) est utilisee (decoulant de celle de la realisation de G(s)).
Le theorème 5.25 (presente ci-après) montre que la positivite reelle implique
la passivite. Dans une certaine mesure, les hypothèses de commandabilite et
dobservabilite sont alors clairement necessaires. En eet, si ce netait pas le
cas, une combinaison detat non observable ne pourrait pas avoir dimpact sur
la sortie, ce qui permettrait en utilisant lentree u(t) de rendre arbitrairement
petit lintegrale
_
u
T
()y()d en injectant de lenergie dans la direction
non observable, impliquant ainsi la non passivite selon la denition integrale.
Ces elements seront abordes dans les exercices ? ?.
Theorème 5.25. Si un système lineaire x = Ax + Bu, y = Cx admet deux
matrices symetriques denies positives P et Q qui satisfont les deux equations
A
T
P +PA = Q
PB = C
T
alors le système est passif avec comme fonction de stockage interne
V =
1
2
x
T
Px
et comme terme de dissipation
g =
1
2
x
T
Qx.
Preuve. Comme mentionne plus haut, la matrice A est stable, et lequation
de Lyapunov A
T
P + PA = Q admet une solution P > 0 quel que soit le
choix de la matrice Q > 0. Posons V (x) =
1
2
x
T
Px et calculons sa derivee
V (x) =
1
2
_
x
T
Px +x
T
P x
_
=
1
2
_
(Ax +bu)
T
Px +x
T
P(Ax +bu)
=
1
2
x
T
(A
T
P +PA)x +ub
T
Px
=
1
2
x
T
Qx +ub
T
Px.
En consequence, lorsque
y = b
T
Px = c
T
x,
128 5 Passivite
on obtient
V =
1
2
x
T
Qx +uy
= uy g,
de telle sorte que le système respecte bien la denition de passivite avec
V =
1
2
x
T
Px et g =
1
2
x
T
Qx.
Remarque 5.26. Plusieurs P sont necessairement obtenus par resolution de la
fonction de Lyapunov A
T
P +PA = Q. Seule une sera telle que Pb = c. Dun
autre c ote, en considerant uniquement lequation Pb = c, plusieurs possibilites
existent, mais elles conduisent à de mauvais choix, etant donne quelles ne
satisfont pas necessairement A
T
P + PA = Q. Par exemple, la symetrie de
P na aucune raison detre satisfaite.
5.9 Stabilite absolue
La stabilite traitee dans cette section apparat lorsquun système lineaire
est boucle par une non-linearite statique. Cette classe de système a dej` a fait
lobjet de letude par la methode du premier harmonique dans le chapitre 3.
Trois dierences essentielles vont apparatre entre les deux traitements.
1. La non-linearite appartient à un secteur.
2. La stabilite dun point dequilibre sera exclusivement traitee.
3. Les resultats ne seront pas approximatifs mais exacts.
Nous commencerons pas denir le type de non-linearite, puis nous donne-
rons une denition de ce type de stabilite.
5.9.1 Non-linearite statique de secteur
Denition 5.27. Une non-linearite est une non-linearite de type secteur
[k
1
; k
2
]
y = 0 k
1
y (y) k
2
y
5.9.2 Denition de la stabilite absolue
Un système lineaire en representation detat est boucle par une non-
linearite statique u = (y), o` u y est la sortie du système lineaire et u son
entree :
5.9 Stabilite absolue 129
y
k1y
k2y
(y)
Fig. 5.13. Un secteur delimite la region dans laquelle la non-linearite statique peut
se trouver.
x = Ax b(y) (5.6)
y = c
T
x
La question de la stabilie que lon va traiter senonce de la manière sui-
vante.
Denition 5.28. Un système lineaire x = Ax + bu avec y = c
T
x est dit
stable de manière absolue vis-` a-vis de la non-linearite de secteur [k
1
; k
2
],
si le système (5.6) est stable quel que soit la valeur de la fonction statique
comprise dans le secteur [k
1
; k
2
].
-
x = Ax +bu
u y = c
T
x
Fig. 5.14. Diagramme de blocs representant le système lineaire boucle par une
non-linearite statique.
130 5 Passivite
5.9.3 Conjecture de M. A. Aizerman
Le secteur denit un lieu de points à linterieur duquel la caracterstique
statique non lineaire doit se situer. Si le secteur se retrecit de telle sorte
quil se confonde avec une droite lorsque k
1
k
2
, la caracteristique statique
devient un simple gain. Lorsque k
1
= k
2
, le secteur est susamment large de
telle sorte que plusieurs pentes k dierentes peuvent y etre inclues. Ainsi, la
question est de savoir si ces divers gains, compris entre k
1
et k
2
, assurent la
stabilite du système en boucle fermee. Etant donne que dans ce cas, lensemble
est lineaire, lanalyse sen trouve alors facilitee. Par consequent, il se peut très
bien que, pour tout gain xe compris entre k
1
et k
2
, le système lineaire boucle
soit stable. Peut-on alors en deduire, après remplacement des gains xes par
une caracteristique statique quelconque comprise dans ce secteur, la stabilite
du système boucle ? Force est de constater que ceci nest pas le cas, bien que
cette conjecture soit très seduisante.
Hypothèse 5.29. Si pour tout choix de gain k compris dans linterval k
[k
1
; k
2
], la matrice
_
A bc
T
k
est Hurwitz, c.-à-d. que la partie reelle de cha-

cune de ses valeurs propres est strictement negative, alors le système lineaire
x = Ax + bu, y = c
T
x boucle par une non-linearite secteur u = (y) avec
(y) appartenant au secteur [k
1
; k
2
] est stable.
Cette conjecture est fausse comme il le sera illustre dans les exercices.
Les restrictions sur le système lineaire doivent etre plus sevères an dabou-
tir à une conclusion satisfaisante. Ceci fait lobjet du critère du cercle et du
critère de Popov.
5.9.4 Critère du cercle
Bien que la conjecture dAizerman soit fausse, elle evoque une certaine
verite, à condition den modier quelque peu lenonce. Il est necessaire de
denir un critère de stabilite de Nyquist plus exigeant. Le critère du cercle est
une approche.
Lidee est de representer, non plus un point unique en 1, mais un cercle
dont les paramètres sont fonctions des deux gains delimitant le secteur. En
fonction du signe de ces gains, la reponse harmonique doit laisser le cercle à
un certain endroit par rapport à lui.
Theorème 5.30. Un système entree-sortie dont la reponse harmonique est
denie par G(j), boucle par une non-linearite statique de secteur [k
1
, k
2
],
est stable au sens absolu lorsque la reponse harmonique et le cercle D(k
1
, k
2
)
respectent certaines proprietes geometriques lun par rapport ` a lautre.
En designant par Card[{|e[] > 0}] = le nombre de valeurs propres
` a partie strictement positive associee ` a la fonction de transfert G(s), nous
pouvons distinguer trois cas de gure :
1. Si 0 < k
1
< k
2
et G(j) ne rentre pas dans le disque D(k
1
, k
2
) et G(j)
encercle fois dans le sens dans le sens trigonometrique positif, alors le
système est stable au sens absolu.
D(k1, k2)
G(j)
1
k
1
1
k
2
Fig. 5.15. Critère du cercle lorsque k1 > 0 et k2 > 0.
2. Si 0 = k
1
< k
2
G(s) et que tous les p oles de G(s) ont une partie reelle
strictement negative et que le reponse harmonique G(j) se trouve ` a droite
de la droite verticale dene passant par
1
k2
alors le système est stable au
sens absolu.
G(j)
1
k
1
Fig. 5.16. Critère du cercle lorsque k1 > 0 et k2 = 0.
3. Finalement, si k
1
< 0 < k
2
et que tous les p oles de G(s) sont ` a partie reelle
strictement negative et que G(j) est entièrement inscrit ` a linterieur du
cercle D(k
1
, k
2
), alors le système est stable au sens absolu.
Pour comprendre le critère du cercle, et ainsi en etablir sa demonstration, il
est important dabord de comprendre le cas particulier du secteur [0, +].
On se situe dans le cas 2. o` u le cercle degenère en une droite verticale. Le
critère exige simplement que G(s) soit positif reel. Il sagit alors de demontrer
132 5 Passivite
G(j)
1
k
2
1
k
1
Fig. 5.17. Critère du cercle lorsque k1 < 0 et k2 > 0.
que sous ces conditions, le système est localement asymptotiquement stable
au sens de Lyapunov.
On commence par etablir une representation detat à partir de la fonction
de transfert
G(s) = C(sI A)
1
B.
Dans le cas k
1
= 0 et k
2
= +, le cercle degenère en laxe imaginaire. Le
critère du cercle exige de laisser le cercle à gauche. Par consequent, ceci revient
à admettre que G(s) est à partie reelle positive. On peut donc appliquer le
theorème de Kalman-Yakubovich-Popov garantissant lexistence dune fonc-
tion pouvant jouer le role dune fonction de Lyapunov. Pour etre plus precis,
sous la condition que la partie relle de la reponse harmonique est superieure
à zero, il existe une certaine matrice denie positive P satisfaisant simul-
tanement
A
T
P +PA = Q
PB = C
T
.
Il est important de noter que le choix de cette matrice est liee aux proprietes
entree-sortie donne par les matrices B et C.
Pour aboutir à la stabilite dans le schema boucle ci-dessus, on considère
la relation u = (u) et la fonction de Lyapunov associee à P, c.-à-d.
V =
1
2
x
T
Px,
dont la derivee temporelle
-
G(s)
u y = c
T
x
[0; +]
Fig. 5.18. Diagramme de blocs de la cascade entre un système lineaire et une
non-linearite de secteur compris entre 0 et .
V =
1
2
x
T
P x +
1
2
x
T
Px
=
1
2
x
T
(A
T
P +PA)x +x
T
PBu
=
1
2
x
T
Qx +x
T
C
T
u
=
1
2
x
T
Qx y
T
(u)
montre que sous la condition [0; +] (de telle sorte que y
T
(y) 0) la
derivee de la fontion de Lyapunov est strictement plus petite que zero
V < 0 x = 0.
En consequence, le theorème de Lyapunov assure la stabilite en boucle fermee
quel que soit la non-linearite statique compris dans le secteur delimite par
k
1
= 0 et k
2
= .
Pour traiter le cas general, il sut de construire des bouclages articiels
autour du schema, an de transformer la non-linearite secteur [k
1
; k
2
] en une
non-linearite secteur [0; +].
Commen cons par modier la non-linearite de secteur [k
1
, k
2
] en une
nouvelle non-linearite de secteur [0; k
2
k
1
]. Il sut dadditionner en parallèle
à un gain negatif de k
1
, c.-à-d. (u) k
1
u. Maintenant, linverse de la non-
linearite ainsi obtenue conduit à une nouvelle, mais de secteur [
1
k2k1
; +].
Finalement, le redressement est opere par addition en parallèle du gain
1
k2k1
conduisant à une non-linearite de secteur [0; +].
Les etapes precedentes sont resumee en un calcul, o` u lon note [] pour
loperateur entree-sortie associe à la fonction (.) :
1
[] k
1
1
k
2
k
1
134 5 Passivite
En inversant cette expression, on obtient toujours une non-linearite secteur
[0; +],
1
1
[]k1
1
k2k1
=
[] k
1
1
1
k2k1
([] k
1
)
,
mais qui se met sous la forme dun bouclage represente à la gure 5.19
+
+ +
-
1
k
2
k
1
k1
Fig. 5.19. Bouclages permettant de modier une non-linearite de secteur [k1; k2]
en une non-linearite de secteur [0; +].
En renversant le sens des bouclages et en les appliquants à la fonction de
transfert G(s), tous les bouclages introduits se compensent parfaitement. En
n de compte, nous navons rien modie (gure 5.20).
Remarque 5.31. La cle consiste à introduire des bouclages sur la non-linearite
et des bouclages sur la partie lineaire G(s) dans le sens oppose, de telle sorte
que la relation u = y annule leet des bouclages. (Dans le bouclage initial,
u est lentree de la non-linearite et y la sortie du système lineaire G(s).) Les
bouclages ne sont donc quarticiels et ne modient en rien le comportement
global du schema initial. Toutefois, en redenissant les elements et G(s)
autour des bouclages nouvellement constitues, de nouveaux elements

et
G(s) font leur apparition. Ceci transforme G(s) en une nouvelle fonction de
transfert

G(s), entranant de la sorte une nouvelle condition sur G(s).
Ainsi, en examinant la gure 5.20 et en isolant la non-linearite transformee
par les bouclages, conformement à la gure 5.19, un nouveau système lineaire
G(s) est identie
G(s) =
G(s)
1 +k
1
G(s)
+
1
k
2
k
1
=
1
k2
+G(s)
1
k1
+G(s)
_
k
2
k
1
1
k
2
k
1
_
. (5.7)
Demontrons le premier cas du critère du cercle o` u k
1
> 0 et k
2
> 0.
Comme, dune part, k
2
> k
1
(propriete de la denition du secteur), le second
+ +
+ + +
-
- -
G(s)
1
k
2
k
1
1
k
2
k
1
k1 k1
Fig. 5.20. Les bouclages introduits se compensent parfaitement conduisant le
schema ci-dessus à etre identique au bouclage de G(s) par la non-linearite .
facteur du dernier membre de (5.7) est toujours positif, et, dautre part,

G(s)
doit etre strictement positif reel, nous aboutissons à la condition
Re
_
1
k2
+G(j)
1
k1
+G(j)
_
> 0 R. (5.8)
5.9.5 Critère de Popov
Le critère de Popov est, tout comme le critère du cercle, une exploitation de
la propriete de passivite lors de linterconnexion dun système lineaire et dune
non-linearite de type secteur. Nous donnons le resultat sans demonstration.
Lutilisation du critère revient à tracer une droite dans un plan convenable
et de garantir que la reponse harmonique G(j) demeure du bon c ote de
la droite. Le plan consiste à representer en abscissee la partie reelle de la
reponse harmonique Re G(j) et lordonnee la partie imaginaire multipliee
par la pulsation Im G(j). La droite passe par le point
1
k
et possède une
pente de
1
. represente la marge avant de toucher la droite.

Theorème 5.32. e[(A)] > 0 et (A, B) commandable
Non-linearite de type secteur
> 0 tel que
0, [(1 +j)G(j)] +
1
k

pour une certaine valeur > 0
0 est globalement asymptotiquement stable

136 5 Passivite
Exercices
5.1. Critère du cercle. Demontrer à partir de la formule (5.8), le critère
du cercle dans le cas 0 < k
1
< k
2
. Determiner une formule analogue pour les
autres cas, et montrer que ces formules admettent linterpretation correspon-
dant à lenonce du critère du cercle.
5.2. Necessite de lobservabilite. Supposons quil ne soit pas possible de
discriminer la sortie nulle de letat nul pour un système lineaire ayant une
reponse harmonique dans la partie droite du plan complexe. En somme, en
for cant la sortie du système à zero, il existe une trajectoire non nulle associee
à une combinaison des etats qui nest pas identiquement nulle. Montrer que
le système nest pas passif dans ce cas.
5.3. Necessite de la commandabilite. Discuter du cas o` u le système à
commander (en representation detat) nest pas commandable mais possède
une sortie pour laquelle la fonction de transfert associee donne lieu à une
reponse harmonique qui se situe dans le plan droit du plan complexe. Est-ce
que le système obeit à la denition de la passivite ?
5.4. Critère de Popov. Demontrer le critère de Popov.
5.5. La conjecture dAizerman est fausse
1
. Considerer la fonction de
transfert
G(s) =
s(s + a)
[(s + b)
2
+ 0.9
2
][(s +b)
2
+ 1.1
2
]
bouclee par une contre reaction negative sur une zone morte dequation (u =
(y) avec u lentree de G et y sa sortie).
(y) =
_
_
_
y 1 y > 1
0 1 y 1
y + 1 y < 1
(i) Obtenir une realisation detat de la fonction de transfert G(s), et simuler
lensemble en boucle fermee. Les valeurs nominales des paramètres sont k =
10, a = 0, et b = 0.01.
(ii) Verier theoriquement que pour un gain constant compris entre 0 et
1 le système est stable.
(iii) Remplacer la non-linearite par un gain 0 et 1 et verier par simulation
le resultat.
(iv) En utilisant la non-linearite en contre-reaction comme decrit plus haut
et en faisant varier les paramètres suivant le tableau
1
Selon larticle de R. E. Fitts Two Counterexamples to Aizermans Conjecture,
IEEE Trans. on Automatic Control, 1966, pp. 553-556.
k a b
0.1 k 1000 0 0.01
10 0 a 0.02 0.01
10 0 0.01 b 0.75
montrer par simulation que le système dynamique nest pas stable et quil
y a presence de cycles limites.
Partie II
Synthèse
141
La partie precedente a ete consacree à lanalyse dun système dynamique
non lineaire. Lexistence dun bouclage y etait admis sans savoir precisement
comment il est obtenu. Dans ce chapitre et les suivants, la construction de
la loi de commande sera examinee. Lobjectif est dameliorer le système à
commander en performance (p. ex. suivi precis et rapide dune trajectoire) ou
en robustesse (p. ex. rejet de perturbations). Pour commencer, nous disingue-
rons principalement les problèmes de regulation et de poursuite. La regulation
consiste à ramener le système vers un point dequilibre. La poursuite consiste
à suivre une trajectoire predenie avec une erreure asymptotique nulle. En-
suite, lapproche de linearisation sera envisagee. Il sagira de transformer le
système initial en un ensemble de chanes dintegrateurs independants. Ainsi,
la solution complète sera obtenue lorsque ces chanes dintegrateurs seront
stabilisees.
Nous avons donc un système donne comme un ensemble dequations
dierentielles ordinaires du premier ordre
x = f(x).
Lorsquon a à disposition, dans cet ensemble dequations dierentielles
ordinaires, une variable x
l
que lon peut instantanement modier, on peut la
designer comme etant une entree u.
Bien entendu, nous devons faire attention à ce que la modication de
cette variable puisse etre physiquement realisee dans la realite. En eet, les
equations dierentielles ne sont quun modèle, et cette modication de lentree
potentielle est sujette parfois à des hypothèses supplementaires qui nont pas
ete prises en comptes pour elaborer le modèle. Si tel savère etre le cas, il
faut alors completer les equations dierentielles par les conditions negligees
correspondantes et considerer lentree comme un etat. (Il y aura donc des
equations dierentielles supplementaires.)
Une fois les entrees designeees, nous pouvons egalement choisir des sorties
particulières du système. Ce sont des fonctions de letat correspondant le plus
souvent à une grandeur particulière dinteret et mesurable dans la realite.
Mais il peut egalement sagir dune sortie articielle, au sens o` u lobjet de
la realite ne possède pas necessairement les capteurs necessaires pour mesurer
cette grandeur. Nous verrons quil est possible de constituer de telles sorties et
quelles sont très pratiques pour elaborer un mouvement densemble de letat
par simple assignation de valeurs successives particulières à cette sortie. Bien
quelle puisse ne pas etre mesuree, il est possible au moyen dune simple com-
mande a priori dassigner un tel historique à cette sortie et donc à lensemble
de letat.
En consequence, une fois les grandeurs dentree et de sortie designees, les
equations dierentielles x = f(x) secrivent avec les entrees u
i
, i = 1, . . . , m
et et les sorties y
1
, . . . y
p
comme :
142
x = f(x, u
1
, . . . , u
m
)
y
1
= h
1
(x)
.
.
.
.
.
.
y
p
= h
p
(x)
Nous allons montrer dans le cours des chapitres de cette seconde partie
comment nous pouvons fabriquer un nouvel ensemble dequations dierentielles
ordinaires du premier ordre, non-lineaires qui constituera la loi de commande :
z =

f(z, v
1
, . . . , v
p
)
w
1
=

h
1
(x)
.
.
.
.
.
.
w
m
=

h
m
(x).
Il est important de remarque que cet ensemble est purement articiel et ne
correspond pas necessairement à une representation dun phenomène obser-
vable existant (contrairement au modèle de depart). Il pourra etre realiser dans
un calculateur, ou par des module de synthèse analogiques ou biologiques, par
construction de mecanismes particulier, etc.
An que le controleur interagisse avec le système de depart, les entrees du
système de depart seront assignees aux sorties du controleurs et reciproquement :
u
1
= w
1
.
.
.
.
.
.
u
m
= w
m
v
1
= y
1
.
.
.
.
.
.
v
p
= y
p
,
ou de manière plus condensee :
v = h(x)
u =

h(z).
Nous avons comme cas particulier, i) lassignation dune trajectoire tempo-
relle p(t) à lentree u (puisque pouvant instantanement etre modiee). Cette
entree est alors denie de manière univoque à chaque instant du temps
u = p(t).
Nous avons egalment le cas particulier ii) o` u le controleur est depourvu de
dynamique de telle sorte que v = x :
143
u =

h(x).
Dans le premier cas i) on parlera de commande en boucle ouverte, ou de
commande a priori, en fonction du contexte.
Dans le second cas ii), il sagit dune loi de commande statique en boucle
fermee (ou en contre-reaction).
Dans le cas general la commande sera qualiee de dynamique.
Dans les deux cas, les solutions du système dequations dierentielles ordi-
naires non lineaires est modie entre le cas o` u les entrees stont forcees à zero
et le cas o` u elles suivent une de ces lois de commande.
Toute la question reside alors dans la manière delaborer cette commande
an datteindre un objectif, un but determine.
Pour linstant, nous navons pas mentionne ce que nous entendons par
but ou objectif. Contrairement à lanalyse, o` u le système est en quelque sorte
ge, la possibilite de denir plusieurs objectifs potentiels, chacun necessitant
une commande dierente, conduit à lexistence dune multitude de systèmes.
Cette non xite du système resultant rend la t ache paradoxalement dicile
et facile à la fois : dicile, car lobjectif est souvent très contraignant à cause
de la complexite du système de depart ; facile, car la presence de plusieurs
choix de commande augmente necessairement les possibilites de synthèse. Il
est important de souligner que la solution en fonction de lobjectif choisit nest
pas necessairement unique.
Lobjectif est lie à ce que desire lutilisateur de la representation de la
realite quil a obtenu en denissant son système de depart.
Ceci signie que meme lorsque le problème mathematique est resolut, et
que la grandeur de commande est assignee sur le système reel selon la loi
obtenue, il nest pas garantit que levolution du vrai système mesure et observe
sur la realite soit conforme avec les desirs du concepteur. Les raisons sont
nombreuses et sont toutes essentiellement liees à la validite et lapplicabilite
des equations dierentielles utilisees pour representer le phenomène.
Ce que lon peut dire neanmoins, cest que la commande elaboree doit
en quelque sorte ameliorer le comportement du système mathematique, que
cel` a soit la qualite de levolution temporelle des solutions, la structure des
solutions, ou les caracteristiques du système transforme, comme par exemple,
la nature et le nombre de points dequilibres nouvellement formes ou detruits,
la creation de cycle limite avec des paramètres bien denis.
Dans le cas o u le modèle initial correspond dèlement à lobservation de
la realite il y alors de grandes chances de succès, au sens o` u la modication,
en suivant la loi de commande etablie, de la grandeur reelle correspondant
à lentree, conduise à lobservation du comportement desire sur la realite.
Toutefois, il est important dinsister sur une reserve, une prudence quil faut
observer.
144
En eet le modèle nest quune representation de la realite sous les condi-
tions dexperimentation eectuees pour lelaborer. Lorsque le controleur est
active, il se peut quil pousse le système reel au del` a des conditions dans les-
quelles le modèle initial a ete etablit, conduisant à une catastrophe potentielle.
Il est donc très important detre prudent lors de la phase dimplantation. Il
faut bien se rendre compte quil ny a absolument aucun moyen deviter cette
diculte.
Dans le cours des chapitres Lobjectif sera un de ceux donnes ci-apres :
1. forcer les trajectoires des etats à converger de manière stable vers un point
dequilibre bien deni (c.-à-d. en presence de perturbations potentielles) ;
2. forcer une sortie preetablie (fonction particulière des etats) à suivre une
trajectoire choisie à lavance pour un certain choix de conditions initiales
et en absence de perturbation ;
3. meme objectif que le precedent, mais en exigeant que ceci se produise
quelque soit les conditions intiales et en presence de perturbation;
4. amener le système dun point de depart (etat initial) vers un point dar-
rivee nal (etat terminal), en labsence de perturbation, et sans condition
sur levolution de letat durant la transition;
5. amener le système dun point de depart (etat initial) vers un point dar-
rivee nal (etat terminal), en presence de perturbations, et avec des condi-
tions sur levolution de letat durant la transition.
6
Elements de Geometrie
6.1 Introduction
Contrairement aux precedents chapitres, il ne sera pas question de système
dynamique à proprement parle. Le point de vue sera dabandonner momen-
tanement la conception du temps en tant que variable particulière (sauf men-
tion explicite du contraire dans certains cas rares). Lidee est dintroduire
des outils de formulation des conditions dintegrabilite apparaissant à la fois
dans le chapitre sur le problème de la linearisation par bouclage et de celui
concernant la construction de fonction de Lyapunov. Dans ces deux cas, la
diculte essentielle est de remonter à partir dun vecteur ligne correspondant
à un certain gradient vers la fonction dont le gradient est issu. La construction
de la fonction nest pas toujours possible et il est important davoir des outils
permettant de determiner la possibilite ou non de la construire.
Le cadre mathematique adequat est la geometrie dierentielle. Cette dis-
cipline etudie les surfaces (varietes) selon un point de vue innitesimal. Lo-
calement, une variete ressemble à un espace euclidien, au sens o` u une cor-
respondance entre un point de la variete et un point dun espace euclidien
existe. La correspondance doit etre continue et dierentiable. Linverse de la
correspondance doit egalement etre continue et dierentiable.
Toutefois, lensemble complet (consistant en la reunion des ensembles loca-
lement euclidien) ne possède plus la propriete euclidienne. Un exemple trivial
est la surface dune sphère. Il est en eet possible de representer (moyen-
nant distortion) la surface de la sphère par une carte plane. Chaque point
de la sphère peut etre mis en correspondance avec un point de la carte. Les
meridiens et les parallèles sont alors perpendiculaires sur la carte (espace eu-
clidien) bien que ceux-ci se coupent sur la sphère (espace non euclidien). De
plus, il est impossible de representer de manière continue lensemble de depart
par une seule carte.
146 6 Elements de Geometrie
En eet, il faut decider quelles en seront les limites et on se heurte au
problème suivant. Supposons une carte unique, de telle sorte quun point se
trouvant à lextremite droite dune carte possède un voisinage dans la variete
qui nest plus un ensemble connexe sur cette carte. Par exemple, si lon prend
une carte traditionnelle du monde, un voisinage de la taille de deux meridiens
de large de latole de Funafuti un peu au dessus du dixième parallèle tout à
droite de la carte se retrouve egalement partiellement represente 40ooo km à
gauche sur la carte (ceci en faisant conance à lechelle de la carte) ! Pour ga-
rantir la continuite dans la lecture de la carte, il est necessaire davoir recours
à plusieurs cartes chacune pour une region particulière dinteret. En geometrie
dierentielle, tout comme en cartographie, un tel ensemble est appele un atlas.
Maintenant, si lon considère la trajectoire dun avion evoluant au dessus
de la surface de la terre, on peut le representer par une trajectoire sur la
sphère (laltitude de lavion nest pas consideree). Il y correspond egalement
une trajectoire plane sur la carte. Une notion cle de la geometrie dierentielle
est que les vitesses dun objet le long dune trajectoire dune variete appar-
tiennent toujours à un espace euclidien ! La courbure est en quelque sorte
absente lorsquon considère les espaces des vitesses en un point de la variete.
Si lon considère un instant specique, lorientation du vecteur de vitesse peut
à priori prendre nimporte quelle orientation dans un certain plan dit plan tan-
gent de la variete au point en question (on considère que lon ne connait pas a
priori la trajectoire avant linstant et après linstant specique lorsquon exa-
mine le point en question). De plus, le vecteur vitesse peut egalement prendre
nimporte quel module (pour autant que l aerodynamique le permette). En
somme, cest reellement un vecteur appartenant à un espace euclidien propre
aux vitesses. La diculte est que cet espace euclidien change de point en point
le long de la trajectoire.
Nous verrons comment un système dynamique x = f(x, u) est represente
à laide des outils geometriques de la geometrie dierentielle. Il sera alors
question de la variete dans laquelle letat evolue, un peu comme les positions
de lavion sur la surface de la sphère, et des vecteurs de vitesses associes à
cette representation.
6.2 Variete, Cartes et Atlas
Une variete Mest un objet mathematique qui localement est representable
par un espace euclidien R
n
. Une variete consiste en lespace M avec une
ensemble dapplications inversibles
i
: R
n
M
(6.1)
6.2 Variete, Cartes et Atlas 147
o` u n represente la dimension de la variete. Ces cartes permettent de
representer un point de la variete m M par un ensemble de coordonnees de
R
n
.
Un atlas consiste en la reunion de toutes les cartes
=
i
i
Par exemple, dans le cas dune sphère S
2
, il est possible de representer
une courbe plane sur la surface de la sphère par une representation bidimen-
sionnelle à laide dune carte. En eet, une courbe plane denie par
x = sin t + 2 cos t
y = cos t(1 sin t) + 2 sin(2t)
pour t [0; 2[, est representee à la gure 6.1.
-2 -1 1 2
-3
-2
-1
1
2
3
x
y
Fig. 6.1. Courbe parametree dans le plan.
Selon la manière de representer la variete S
2
, il existe plusieurs representations
possibles de la carte
1
. Si lon considère la sphère comme plongee dans R
3
,
de telle sorte quun point est deni par trois coordonnees x, y et z soumisent
à la contrainte
x
2
+ y
2
+ z
2
= 1,
nous avons la representation (6.2) o` u x et y sont les coordonnees sur la carte.
1
:
_
x
y
_
_
_
cos(
y
6
) cos(
x
3
)
cos(
y
6
) sin(
x
3
)
sin(
y
6
)
_
_
(6.2)
Cependant, il est egalement possible dutiliser les angles de latitude et
de longitude pour representer un point de S
2
. Dans ce cas, la carte devient
1
:
_
x
y
_
_
= x/3
= y/6
_
(6.3)
Dans les deux cas, la gure correspondant à celle 6.1 est donnee à la gure
6.2.
Fig. 6.2. Representation dans la variete S
2
de la courbe planaire de la gure 6.1,
donnee localement dans une carte de latlas.
La variete ne peut en general pas etre decrite par carte unique, sauf lors-
quelle peut se mettre en correspondance bijective avec un espace R
n
. En eet,
il est exige de pouvoir garantir lexistence dun voisinage inclut dans la carte.
Par exemple, la sphère necessite trois cartes, an que chaque point possède
au moins une carte dans laquelle le point en question admette un voisinage
inclut dans la carte. (Ceci evite ainsi le problème de lle de Funafuti decrit
dans lintroduction du present chapitre, ou plus precisement le problème des
points qui sont representes par les bords verticaux de cette carte unique.)
Ceci entrane egalement que plusieurs points de la variete admettent plu-
sieurs representants, au plus un par carte. (Ce problème est absent sur une
carte traditionnelle unique du monde, si ce nest pour les p oles qui sont
representes par les lignes superieure et inferieure delimitant respectivement
le haut et le bas de la carte.)
Il faut, par consequent, que les cartes satisfassent des hypothèse de compa-
tibilite. Lorsquune carte particulière est utilisee pour decrire un mouvement
sur la variete, il doit etre egalement possible, sur les zones de recouvrement
entre les deux cartes, de le representer à laide de la carte qui nest pas utilisee.
Ainsi, si
i
et
j
admettent chacune un representant du meme point m
M, disons respectivement x
i
et x
j
, alors il doit exister deux voisinages V
i
et
6.2 Variete, Cartes et Atlas 149
V
j
de x
i
et x
j
qui peuvent se mettre en correspondance à laide des carte
i
et
j
. Plus precisement,
1
j
(
i
(V
i
)) = V
j
1
i
(
j
(V
j
)) = V
i
.
Un ensemble de carte
i
constituant un atlas ayant ces proprietes de com-
patibilite denit complètement la variete M.
6.2.1 Dieomorphisme
Les cartes correspondent à des applications entre un espace euclidien et
la variete M. En composant une carte par linverse dune autre, nous ob-
tenons, sur les zones de recouvrement, un changement de coordonnee. Les
cartes se composent de manière univoque à condition que les changements
de coordonnees soient bien denis. Nous aurons egalement besoin de change-
ments de coordonnees dans le chapitre consacre à la linearisation. Il seront
motives egalement par la volonte de compenser les courbures inherentes à la
representation du système initial, un peu comme les cartes dun atlas classique
remedie quelque peu à la courbure intrinsèque de la surface de la terre. Une
trajectoire rectiligne et plate sur la carte correspond à une trajectoire courbe
dans lespace dorigine, dans lespace de la variete M.
De manière generale, la notion de changement de coordonnees est rendue
mathematiquement precise par la denition suivante :
Denition 6.1. (Dieomorphisme) Une fonction : R
n
R
n
denie dans
une region est appelee dieomorphisme si

x1
, . . .

xn
existent et si
1
existe. De plus et
1
doivent etre derivables.
Si = R
n
alors cest un dieomorphisme global.
Lemme 6.2. Soit (x) une fonction regulière de R
n
R
n
. Si

x
est
non singulière en x
0
alors (x) est un dieomorphisme dans une sous region
de contenant x
0
.
Exemple 6.3. Soit lapplication de R
2
dans R
2
donnee par
(x) =
_
2x
1
+ 5x
1
x
2
2
3 sinx
2
_
de telle sorte que sa matrice Jacobienne
x
=
_
2 + 5x
2
2
10x
1
x
2
03 cos x
2
_
devienne au point (0, 0)
T

x
=
_
2 0
0 3
_
.
Comme cette matrice est plein rang au point considere, respecte les
conditions de la denition de dieomorphisme dans un voisinage du point
(0, 0)
T
considere. On peut egalement demontrer que ce voisinage est contenu
dans lensemble = { (x
1
, x
2
), | x
2
|<

2
}.
6.3 Solution de lequation dierentielle
Lequation initiale x = f(x, u) admet linterpretation geometrique sui-
vante. Letat x est assimile à un point dune variete. Le plus souvent, cette
variete est consideree comme lespace euclidien R
n
.
Comme cas particulier de lequation denissant la dynamique du système,
considerons x = f(x). Une solution à cette equation dierentielle ordinaire est
une courbe parametree par le temps x(t) = (x
o
, t) telle que (x
0
, t
0
) = x
0
et
d
dt
(x, t) = f((x
0
, t)) pour chaque point valeur du paramètre t. Ainsi,
on peut attacher en chacun des points de la courbe parametree (x
0
, t) un
vecteur tangent à cette courbe f(x
0
, t).
Trouver la solution de lequation dierentielle ordinaire x = f(x) revient
donc à trouver une trajectoire dans la variete dès lors que f(x) est donne.
Cette trajectoire est une courbe parametree (x
0
, t) associee à une certaine
condition initiale x
0
. La donnee du système dorigine f(x) est interpretee
geometriquement comme un ensemble de vecteurs de vitesse denit sur la
variete. Il existe un vecteur f(x) et un seul pour chacun des points x de
la variete. Trouver la solution à lequation dierentielle ordinaire consiste à
trouver une courbe parametree (x
0
, t) (c.-à-d. une trajectoire) passant par
x
0
à linstant t
0
et telle que la vitesse le long de la trajectoire
d
dt
((x
0
, t)) soit
egale au vecteur de vitesse en ce point f((x
o
, t)). Le paramètre t permettant
didentier le point sur la trajectoire.
6.4 Champ de vecteurs
Lors de letude des systèmes dans le plan de phase, linterpretation de
la dynamique f(x) fait apparatre limportance de representer lelement de
droite de pente correspondant au rapport entre f
2
(x
1
, x
2
) sur f
1
(x
1
, x
2
) en un
maximum de nombre de points x. Plus lensemble est grand et plus le nombre
delements de droite est egalement important, meilleure est linterpretation
des trajectoires resultantes.
Dans le plan de phase il y a deux etats x
1
et x
2
et la dynamique secrit
6.5 Espace dual 151
x
1
= f
1
(x
1
, x
2
)
x
2
= f
2
(x
1
, x
2
) (6.4)
Mathematiquement on peut considerer x
1
et x
2
comme les coordonnees
dun point, et f
1
(x
1
, x
2
) et f
2
(x
1
, x
2
) comme la composante dun vecteur
denit en ce point.
De manière plus generale, et quel que soit la dimension de la variete (es-
pace), f(x) represente un vecteur en un point donne de cette variete. Si main-
tenant on considère la variete dans son entier, il est possible de se constituer
une image visuelle dune innite de vecteurs, chaque vecteur f(x) etant at-
tache au point x. Ce concept est un champ de vecteurs.
Denition 6.4. On appelle champ de vecteur une fonction
f : R
n
R
n
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
_
_
_
_
_
f
1
(x
1
, x
2
, . . . .x
n
)
f
2
(x
1
, x
2
, . . . , x
n
)
.
.
.
f
n
(x
1
, x
2
, . . . , x
n
)
_
_
_
_
_
Denition 6.5. Un champ de vecteur est dit regulier si
f1
x1
(x
1
, x
2
) et
f2
x2
(x
1
, x
2
)
existent en tout point deni par x
1
, x
2
,
6.5 Espace dual
En chaque point de la variete, un espace vectoriel existe contenant les
vecteurs tangents à la variete. Il est donc naturel de constituer lespace dual
de cet espace vectoriel. Nous rappelons brièvement, dans cette section, la
notion despace dual à un espace vectoriel quelconque.
En algèbre lineaire, il est possible dassocier un ensemble dapplications
associees à un espace vectoriel arbitraire V . Chaque application prend comme
argument un vecteur et retourne un nombre scalaire.
Denition 6.6. (Espace vectoriel dual V
) Lensemble des applications

: V R
et lineaire en largument x, ` a savoir quel que soit , R
(x
1
+x
2
) = (x
1
) +(x
2
),
constitue lensemble des vecteurs dun espace vectoriel. Cet espace vectoriel
appele le dual de lespace V , et il est note V
.
La propriete de linearite implique que ces applications constituent egalement
un espace vectoriel que lon designe par V
. En eet, en considerant une base

orthonormee e
1
, e
2
, . . ., e
n
de lespace vectoriel V , une application lineaire
f de V
agit sur les vecteurs de bases pour fournir n nombres reels f(e
1
),
f(e
2
), . . ., f(e
n
). Il est alors possible de representer f, non plus comme une
application lineaire en tant que telle, mais sous la forme dun vecteur ligne
_
f(e
1
) f(e
2
) . . . f(e
n
)
_
. (6.5)
La valeur de lapplication f pour un vecteur x de V est alors donnee par
le produit scalaire entre le vecteur ligne (6.5) et le vecteur x. Par consequent,
f est equivalent à un vecteur ligne, ce qui prouve que V
est bien un espace

vectoriel.
6.6 Produit tensoriel et forme multilineaire
Lespace des formes lineaires dun seul argument (appartenant à un espace
vectoriel V ) forme donc un espace vectoriel à part entière, note V
. En eet, à
chaque forme lineaire, un vecteur ligne est associe, et reciproquement, comme
cel` a a ete vu à la section precedente. En resume,
Denition 6.7. Une forme lineaire est donnee par un application de V dans
R :
V R,
qui est lineaire :
, R, v
1
, v
2
V,
(v
1
+v
2
) = (v
1
) +(v
2
).
A partir de deux espaces vectoriels identiques V , un nouvel espace vec-
toriel, note V V , est forme, appele le produit vectoriel entre V et V . Un
vecteur de V V est alors donne par la reunion de deux vecteurs de V , disons
v
1
et v
2
que lon note v
1
v
2
. Il est facile de generaliser ceci au produit dun
nombre denombrable delements de V .
Denition 6.8. A partir dun espace vectoriel V , un nouvel espace vectoriel
est constitue
n
i=1
V = V V . . . V,
appele le produit tensoriel entre espaces vectoriels V , pour i = 1 ` a n.
Remarque 6.9. Lorsquun produit tensoriel contient une innite de copies de
lespace vectoriel V , il est dusage de distinguer la somme directe
6.7 Produit scalaire et produit exterieur en dimension deux 153
i=1
V = V V . . . V
du produit direct
i=1
V = V V . . . V.
Dans le premier,
i=1
V , seul un nombre ni de vecteurs est non nul. Dans
le second,
i=1
V , un nombre denombrable (inni) delements non nuls est
admis. Etant donne que seul un nombre ni de V est necessaire dans ce qui
suit, nous ne ferons pas cette distinction.
Denition 6.10. Une forme multilineaire est donnee comme une application
dun nombre ni de copies de V dans R :
:
n
i=1
V R,
satisfaisant la linearite, c.-` a-d. , R, v
i
V , i = 1, . . . , n, w
1
, w
2
V ,
r {1, 2, . . . , n},
(v
1
, . . . , v
r1
, w
1
+w
2
, v
r+1
, . . . , v
n
) =
(v
1
, . . . , v
r1
, w
1
, v
r+1
, . . . , v
n
) +(v
1
, . . . , v
r1
, w
2
, v
r+1
, . . . , v
n
).
6.7 Produit scalaire et produit exterieur en dimension
deux
Le produit exterieur est utilise en association avec lespace dual. Il est
fonde sur lusage de determinants.
Considerons pour commencer un espace vectoriel de dimension deux. A
chaque couple de vecteurs v
1
=
_
v
11
v
12
_
T
, v
2
=
_
v
21
v
22
_
T
du plan, il est
possible dassocier un nombre reel correspondant à leur produit scalaire :
v
T
1
v
2
= v
11
v
21
+v
12
v
22
= v
T
Iv.
Lecriture ci-dessus met en evidence la matrice identite. Il est egalement
possible de denir un produit à partir dune matrice denie positive Q > 0
quelconque :
(v
1
, v
2
) = v
T
1
Qv
2
. (6.6)
On remarque alors, quà toute forme lineaire symetrique et denie posi-
tive, il existe une certain matrice Q qui lui est associe. Ceci se generalise en
dimension plus grande que deux (section ??).
Au lieu de considerer des formes denies positives et symetriques (donnant
naissance à des produits scalaires) il est possible de considerer des formes anti-
symetriques, c.-à-d. des formes dont le signe alterne lorsque les arguments sont
permutes. Elles donnent naissance à des produits exterieurs.
En dimension deux, le produit exterieur entre deux vecteurs v
1
et v
2
est
deni comme le determinant constitue des composantes des vecteurs :
v
1
v
2
=
v
11
v
21
v
12
v
22
= v
11
v
22
v
12
v
21
(6.7)
o` u lon reporte les composantes en vertical dans le determinant. Ce produit
est bien anti-symetrique
v
2
v
1
= v
12
v
21
v
11
v
22
= v
1
v
2
. (6.8)
6.7.1 forme bilineaire symetrique
Une forme bilineaire symetrique à deux series de variables u
1
, u
2
, . . ., u
n
et v
1
, v
2
, . . ., v
n
secrit
f(u, v) = f(u
1
, u
2
, . . . , u
n
, v
1
, v
2
, . . . , v
n
) =
j
p
ij
u
i
u
j
,
avec p
ij
R des coecients xes. Pour que la forme bilineaire f(u, v) soit
symetrique, il faut que les coecients a
ij
soient tels que
f(u, v) = f(v, u)
et donc p
ij
= p
ji
. Elle peut donc sexprimer à laide dune matrice symetrique
P = (p
ij
) :
f(u, v) = u
T
Pv.
6.7.2 forme bilineaire antisymetrique (alternee)
La forme f(u, v) est antisymetrique lorsque
f(u, v) = f(v, u).
Cette propriete entrane que f(u, v) secrit sous la forme
f(u, v) =
j
a
ij
(u
i
v
j
u
j
v
i
).
On constate alors que les termes sous le signe sommation sont des determinants :
6.7 Produit scalaire et produit exterieur en dimension deux 155
f(u, v) =
j
a
ij
u
i
u
j
v
i
v
j
j
a
ij
u
i
u
j
. (6.9)
La dernière egalite est obtenue en ne reportant que les variables de la
première ligne du determinant (` a savoir u
i
et u
j
) intercales du signe corres-
pondant au produit exterieur. Nous verrons la justication de cette notation
au prochain paragraphe.
6.7.3 Produit exterieur de deux formes lineaires
Denition 6.11. Lorsque deux formes lineaires sont donnees, disons f(u)
et

f(u), leur produit exterieur est denit comme la forme bilineaire anti-
symetrique associee au determinant
f(u)

f(u) =
f(u)

f(u)
f(v)

f(v)
. (6.10)
En utilisant les formes explicites
f(u) = a
1
u
1
+a
2
u
2
+. . . +a
n
u
n
(6.11)
f(u) = a
1
u
1
+ a
2
u
2
+. . . + a
n
u
n
(6.12)
le produit (6.10) secrit à partir des determinants des variables comme
f(u)

f(u) =
j
a
i
a
j
u
i
u
j
v
i
v
j
j
a
i
a
j
u
i
u
j
(6.13)
Remarque 6.12. En introduisant explicitement lexpression de f et

f donnees
par (6.11) et (6.12) , on obtient
(a
1
u
1
+. . . +a
n
u
n
) ( a
1
u
1
+. . . + a
n
u
n
) =
j
a
i
a
j
u
i
u
j
(6.14)
et lon constate que ce resultat aurait pu etre obtenu directement en considerant
le produit avec la propriete distributivite par rapport à laddition et la pro-
priete dantisymetrie :
a a = 0
a b = b a (6.15)
a (b +c) = a b +a c (6.16)
Il comporte egalement dautre proprietes en relation avec la multiplication
par une fonction (.) de R
n
R.
(x)(
1

2
) =
1
((x)
2
) = ((x)
1
)
2
(6.17)
Ceci justie egalement la notation f(u)

f(u), o` u seul u apparat, ainsi
que celle du paragraphe precedent (6.9).
6.8 Forme multilineaire alternee
En ajoutant des series de variables, nous aboutissons à une forme multi-
lineaire alternee
f(u, v, . . . , w)
qui est telle quaprès echange de deux series de variables, le signe change.
En utilisant le produit nous pouvons constituer une forme multilineaire à
partir dun nombre ni de formes lineaires en suivant (6.14) et en utilisant les
proprietes de non-commutativite et distributivite du produit .
Par induction, il est alors egalement possible de construire le produit
exterieur de plusieurs formes exterieures de degre quelconque.
Nous donnons maintenant une construction algebrique des formes multi-
lineaires alternees en utilisant la denition des formes multilineaires donnees
à la section (6.6).
Lidee consiste à remarquer quune forme multilineaire est alternee
lorsque elle annule un element v
1
v
2
. . . v
n
pour lequel deux vecteurs,
disons v
i
et v
j
, i = j, sont identiques. Ceci est notamment le cas pour une
forme bilineaire alternee, car f(u, u) = f(u, u) implique f(u, u) = 0.
Denition 6.13. Lensemble des elements annulateurs a est
a = {v
1
v
2
. . . v
n
| i, j i = j v
i
= v
j
}.
a constitue un module de lespace vectoriel
n
i=1
V . Cest un sous en-
semble de lespace vectoriel qui est ferme pour laddition vectorielle et qui est
egalement ferme pour le produit de lespace vectoriel.
Le produit exterieur de n copies de lespace vectoriel V est alors donne
par le quotient
n
i=1
V =
_
n
i=1
V
_
/a
ce qui a pour eet denvoyer tous les elements de a de
n
i=1
V vers 0 dans
_
n
i=1
V . a joue en quelque sorte le role delement absorbant.
Denition 6.14. Une forme multilineaire alternee de
n
i=1
V dans R est
une forme multilineaire de
_
n
i=1
V dans R.
6.9 Cotangent et les 1-forme dierentielles 157
6.9 Cotangent et les 1-forme dierentielles
Les vecteurs tangents en un point donne x de la variete appartiennent à un
espace vectoriel T
x
. Cet espace est un cas particulier despace vectoriel V . Il
est alors naturel de construire son espace dual T
x
. Les vecteurs de cet espace
dual sont des applications lineaires ayant comme argument un des vecteurs
tangent à la variete au point x et retournant un nombre reel.
Une telle application lineaire est appelee un covecteur tangent ou une 1-
forme dierentielle. Tout comme dans le cas de V , elle peut egalement se
representer sous la forme dun vecteur ligne en choisissant une base ortho-
normee quelconque de T
x
. Lespace vectoriel associe T
x
est appele espace
vectoriel cotangent, ou plus simplement cotangent.
Exemple 6.15. Dans le chapitre sur le plan de phase, lelimination de la va-
riable temporelle sest fait de deux manières dierentes. Dune part, le système
dequations dierentielles du premier ordre
x
1
= f
1
(x
1
, x
2
) (6.18)
x
2
= f
2
(x
1
, x
2
) (6.19)
a conduit à deux solutions x
1
(t) =
1
(t) et x
2
(t) =
2
(t) decrivant une
courbe (x
1
, x
2
) après elimination de la variable temporelle t. Dautre part,
la dierentielle dt a ete eliminee et lexpression resultante directement integree.
Ces deux techniques sont maintenant reexaminees selon langle du champ de
vecteur f(x) de du covecteur associe.
Dans la première technique, lorsque le temps est elimine après integration
du système dequation (6.18) et (6.19), une courbe trajectoire dans le plan de
phase est obtenue. Pour le système masse-ressort nous avons obtenu un cercle
(x
1
, x
2
) = x
2
1
+x
2
2
x
1
(0)
2
x
2
(0)
2
.
Par consequent, lintegration des equations dierentielles (6.18) et (6.19)
denies par un champ de vecteur f(x) =
_
f
1
f
2
_
T
et elimination de la variable
independante t engendre une courbe solution.
Cette courbe solution est egalement obtenue en envisageant le dual du
champ de vecteur f(x). Le vecteur ligne
_
f
2
(x
1
, x
2
) f
1
(x
1
, x
2
)
_
annule le
champ de vecteur f(x) :
_
f
2
(x
1
, x
2
) f
1
(x
1
, x
2
)
_
_
f
1
(x
1
, x
2
)
f
2
(x
1
, x
2
)
_
= 0. (6.20)
Le vecteur ligne represente une contrainte sur les accroissements dx
1
et
dx
2
pour que le deplacement innitesimal correspondant soit dans le sens de
la solution de lequation dierentielle.
Le produit scalaire (6.20) permet donc dassocier à un vecteur ligne, une
forme lineaire dont largument est un vecteur du champ de vecteur apparte-
nant à T
x
. La ligne en question est un vecteur cotangent appartenant ` a T
x
que lon note
f
2
(x
1
, x
2
)dx
1
f
1
(x
1
, x
2
)dx
2
. (6.21)
On obtient une expression dierentielle qui peut etre directement integree
conduisant à la courbe solution. En eet, après substitution de f
1
=
dx1
dt
et
f
2
=
dx2
dt
la somme des quantities (6.20) reste nulle et la dierentielle dt est
eliminee : _
f
2
(x
1
, x
2
)dx
1
f
1
(x
1
, x
2
)dx
2
= 0
conduisant à la courbe solution après integration.
Pour loscillateur masse ressort o` u f
1
(x
1
, x
2
) = x
2
et f
2
(x
1
, x
2
) = x
1
,
lexpression dierentielle en question est x
1
dx
1
x
2
dx
2
qui conduit après
integration à lequation du cercle
1
2
x
2
1

1
2
x
2
2
= C, o` u C est une constante
dintegration speciee par les conditions initiales C =
1
2
(x
1
(0)
2
+x
2
(0)
2
).
Lexpression (6.21) est appelee une 1-forme dierentielle.
Denition 6.16. Le dual de lespace tangent en un point x, note T
x
, est
appele le cotangent au point x. Cest un espace vectoriel dont les elements
sont les applications lineaires de T
x
dans R. Un vecteur correspondant est
appele une 1-forme dierentielle et note
a
1
(x)dx
1
+a
2
(x)dx
2
+. . . +a
n
(x)dx
n
,
o` u a
i
(x), i = 1, . . . n, sont des fonctions des n variables x
1
, x
2
, . . ., x
n
.
6.10 Le gradient
Lexemple precedent montre que la correspondance entre un vecteur ligne
et une application lineaire peut proceder dans le sens contraire. A partir dun
vecteur ligne quelconque, une application lineaire est denie par le produit
scalaire entre cette ligne et le vecteur auquel lapplication lineaire est ap-
pliquee. Dans le cas dune fonction scalaire de h(x
1
, x
2
, . . . , x
n
) : R
n
R les
derivees partielles par rapport à chacune des variables sont rassemblees dans
un vecteur ligne denissant une forme lineaire par association de cette ligne
avec lapplication correspondante. Un tel vecteur ligne est appele le gradient
et note
h =
_
h
x1
h
x2
. . .
h
xn
_
.
Par consequent, nous pouvons egalement interpreter le gradient comme un
vecteur (covecteur) du cotangent T
x
en un point x.
6.11 Derivee de Lie 159
Remarque 6.17. Jusquà present, les notations rendent indispensable lutilisa-
tion des coordonnees x
1
, x
2
, . . ., x
n
. En somme, nous devons toujours utiliser
une carte locale pour exprimer le gradient ou une autre forme dierentielle.
Toutefois, en ecrivant
dh =
h
x
1
dx
1
+
h
x
2
dx
2
+. . . +
h
xn
dx
n
,
tout en conservant la relation avec les coordonnees x
1
, . . ., x
n
dans le membre
de droite, nous nous en debarrassons dans le membre de gauche en ne faisant
apparatre que dh. Ce dh peut etre denit, à travers la compatibilite des cartes,
sur lensemble de la variete M. Cest là un avantage de la notation dh.
Exemple 6.18. Le gradient dun candidat de Lyapunov sobtient à partir de
lexpression de V (x) en prenant les derivees partielles en fonction des coor-
donnees x
1
, x
2
, . . ., x
n
:
V (x) =
_
V
x1
V
x2
. . .
V
xn
_
. (6.22)
La 1-forme dV represente egalement ce gradient sous la forme
dV =
V
x
1
dx
1
+
V
x
2
dx
2
+. . . +
V
x
n
dx
n
(6.23)
rendant possible la denition de dV independamment des cartes locales uti-
lisees.
Le gradient en tant que champ de co-vecteurs se marie naturellement avec
un champ de vecteurs, comme nous le verrons à la section suivante.
6.11 Derivee de Lie
Au chapitre 4, nous avons vu que la deuxième condition du theorème de
stabilite de Lyapunov exige que

V 0 an que le système dynamique x = f(x)
soit stable.
Geometriquement, la notation

V (x) nest pas convaincante car la propriete
de decroissance de la fonction V est de nature geometrique et la reference
à variable temporelle nest pas vraiment necessaire. En eet, une fois f(x)
assimile à un champ de vecteur, la condition

V 0 signie simplement que
le vecteur f(x), en chaque point x de la variete, assure que le système evolue
vers des courbes de niveau V = cte inferieures ou egales à celle sur laquelle il
se trouve à linstant considere.
En dautres termes, lorsque

V 0, f(x) forme un angle inferieur ou egal
à

2
par rapport au gradient V en chaque point de letat. En eet,
d
dt
V =
V
x
x =
V
x
f
=
_
V
x1
V
x2
. . .
V
xn
_
_
_
_
_
_
f
1
f
2
.
.
.
f
n
_
_
_
_
_
= V f (6.24)
Par consequent, et de manière generale, si à la fois un champ de vecteur
f(x) est donne ainsi quune fonction scalaire h(x), alors il est possible de
denir une nouvelle fonction scalaire, notee L
f
h, appelee derivee de Lie de h
le long de f, egale au produit scalaire entre le gradient de cette fonction et le
champ de vecteur. Cette derivee represente le taux devolution de la fonction
le long du champ de vecteur f(x).
Remarque 6.19. Notons que la derivee de Lie L
f
h est lassociation naturelle
par dualite, en chacun des points x, entre le co-vecteur dh(x) du cotangent T
x
et le vecteur f(x) du tangent T
x
. Cette fonction scalaire pourrait tout aussi
bien secrire
L
f
h = dhf,
mettant en exergue linterpretation à laide des espaces T
x
et T
x
. Fondamenta-
lement, le gradient nappartient pas au meme espace vectoriel que le vecteur
f(x). Par abus, nous representons souvent les deux dans le meme plan (en
particulier lors de lutilisation du plan de phase). Cependant, il est important
de souligner cette dierence pour eviter une confusion des concepts.
Denition 6.20. Soit h une fonction et f un champ de vecteurs. La derivee
de Lie de la fonction h(x) le long du champ dun champ de vecteur f(x) est
denie par
L
f
h(x) = h f =
h
x
f
=
_
h
x1
h
x2
. . .
h
xn
_
_
_
_
_
_
f
1
f
2
.
.
.
f
n
_
_
_
_
_
Comme le resultat est à nouveau une fonction scalaire, il est possible de
deriver successivement :
L
0
f
h = 0
L
i
f
h = L
f
(L
i1
f
h) = d(L
i1
f
h)f i = 1, 2, . . .
6.12 Crochet de Lie 161
6.12 Crochet de Lie
Dans le courant de ce chapitre et le suivant, il sera question de manipuler
des champs de vecteurs et de verier des proprietes particulières de ceux-ci.
Bien que ses proprietes soient essentiellement intrinsèques aux champs de
vecteurs que lon va considerer, il est neanmoins utile davoir à disposition
des moyens de manipulation et de formulation qui permettent une ecriture
compacte des conditions relatives à leurs proprietes.
En particulier, il sera question de la question dintegrabilite de ceux-ci,
à savoir la possibilite quun ensemble de champ de vecteurs donnes soient
en relation etroite avec une surface courbe. Plus precisement, le champ sera
dit integrable lorsquil est possible de construire une surface (courbe) pour
laquelle en tout point de la surface il est garantit que lespace tangent à cette
surface soit engendre par les vecteurs du champ en ce point.
Bien que cette propriete est de nature essentiellement globale, elle admet
une caracterisation locale, par des proprietes des crochets de champs de vec-
teurs.
En eet, deux champs de vecteurs f
1
et f
2
peuvent etre composes pour
constituer un nouveau champ de vecteur [f
1
, f
2
], appele le crochet de Lie,
comme suit :
Denition 6.21. (Crochet de Lie) Soit deux champs de vecteurs f
1
et f
2
. La
derivee de Lie des champs de vecteur f et g est donnee par
[f, g] =
g
x
f
f
x
g
Linconvenient de cette notation est quelle devient lourde lorsquil est
necessaire diterer le crochet par rapport à un meme champ de vecteur. Par
exemple, pour noter le resultat des operations [f, [f, g]] et [f, [f, [f, g]]], et ainsi
de suite. Pour y remedier, nous introduisons la notation adjointe suivante
[f, g] = ad
f
g
qui sapplique inductivement
ad
0
f
g = g
ad
f
g = [f, g]
.
.
.
.
.
.
ad
i
f
g = [f, ad
i1
f
g]
= [f, . . . , [f, g]].
A laide de cette nouvelle notation, les deux champs de vecteurs [f, [f, g]]
et [f, [f, [f, g]]] sexpriment respectivement comme ad
2
f
g et ad
3
f
g. Lexposant
indique le nombre de fois que le champ f apparat à linterieur des crochets
imbriques.
Remarque 6.22. Lexpression fffg est parfois egalement utilisee pour designer
le champ de vecteur [f, [f, [f, g]]]. Cependant, cette notation est deconseillee,
etant donne la possible fausse interpretation. En eet, cette expression pour-
rait signier
[[f, f], [f, g]]
ou
[f, [f, [f, g]]].
La première expression est nulle car [f, f] = 0 par application directe de la
denition. La seconde na pas de raison a priori detre nulle. Lorsque fffg
est employe, il est dusage de lui associer un ordre de crochetage particulier,
devenant neanmoins ainsi un moyen commode de noter le champ de vecteur
correspondant.
Exemple 6.23. Soit les deux champs de vecteurs f(x) et g(x) denis par
f(x) =
_
2x
1
+ax
2
+ sin x
1
x
2
cos x
1
_
g(x) =
_
0
cos(2x
1
)
_
.
Un calcul des Jacobiens multiplies par le champ complementaire donne
g
x
f =
_
0 0
2 sin(2x
1
) 0
__
2x
1
+ax
2
+ sin x
1
x
2
cos x
1
_
f
x
g =
_
2 + cos x
1
a
x
2
sinx
1
cos x
1
__
0
cos(2x
1
)
_
de telle sorte que le crochet sexprime nalement par
[f, g] =
_
a cos(2x
1
)
2 sin(2x
1
)(2x
1
ax
2
sin x
1
) + cos x
1
cos(2x
1
)
_
6.12.1 Proprietes du crochet de Lie
Le crochet de Lie comporte plusieurs proprietes utiles pour les calculs et
qui peuvent etre etablies directement à partir de la denition du crochet.
1. Distributivite par rapport à laddition : Soit deux nombres reels
1
,
2

R, alors
[
1
f
1
+
2
f
2
, g] =
1
[f
1
, g] +
2
[f
2
, g]
[f,
1
g
1
+
2
g
1
] =
1
[f, g
1
] +
2
[f, g
2
]
2. Anti-commutativite :
[f, g] = [g, f]
6.13 Dierentiation exterieure 163
3. Identite de Jacobi : Soit trois champs de vecteurs f, g, et h
[f, [g, h]] + [g, [h, f]] + [h, [f, g]] = 0.
4. Derivee de Lie le long dun crochet :
L
[f,g]
h = L
f
L
g
h L
g
L
f
h
La propriete 4. engendre inductivement de nouvelles relations. En parti-
culier,
L
[f,[f,g]]
h = L
2
f
L
g
h 2L
f
L
g
L
f
h L
g
L
2
f
h
6.13 Dierentiation exterieure
Pour linstant, seul les formes dierentielles de degre un ont ete envisagees.
Le gradient est un exemple. Dun autre c ote, les vecteurs de lespace tangents
peuvent etre composes par dierentiation speciale provoquee par le crochet
en de nouveaux vecteurs. Ainsi, les champs de vecteurs se composent pour
engendrer de nouveaux champs de vecteurs. Chaque nouveau vecteur en un
point x demeure dans lespace tangent T
x
.
Au paragraphe suivant, nous nous interesserons à la construction dune
surface à partir dun ensemble de champ de vecteurs (distribution) de telle
sorte quen chacun point de la surface lespace tangent est engendree par
les vecteurs de la distribution. Cette surface, si elle existe, est alors decrite
par une equation. Cette equation denit ainsi un scalaire qui, lorsquil est
nul, correspond à la surface. Nous verrons que lexistence de cette surface est
intimement liee à la propriete des crochets des champs de vecteurs. Toutefois,
etablir cette condition directement est dicile.
Par contre, en prenant le gradient de cette fonction, une forme dierentielle
de degre un est obtenue. Ceci conduit alors à une interpretation à laide du
dual T
x
de la surface integrale. Pour que la surface soit tangente au champ de
vecteurs, le gradient doit etre normal à lensemble des vecteurs. En eet, si la
surface est tangente aux champs de vecteurs, la derivee de Lie de la fonction
selon chaque champ de vecteur est nul, la quantite en question ne pouvant
pas changer lors dun deplacement le long dun des champs de vecteurs.
Cependant le calcul par crochets (valable sur lespace tangent en considerant
les champs de vecteur) nest plus disponible en tant que tel dans lespace cotan-
gent. Il est necessaire dintroduire un nouveau calcul permettant de trouver
une condition dintegrabilite exprimable à partir de celui-ci. Lavantage est
que lobtention de cette condition est plus simple et plus directe que lors de
lutilisation des crochets.
Au lieu de crocheter les champs de vecteurs en restant dans lespace vec-
toriel T
x
, nous construisons des formes dierentielles de degre superieur par
une operation que lon appelle dierentiation exterieure. En partant de T
x
on
grimpe dans le produit tensoriel T
x
T
x
et ainsi de suite T
x
T
x
. . . T
x
.
Cette operation est egalement à lorigine de la generalisation du theorème
de Stokes. (Rappelons que nous avons utilise ce theorème pour etablir une
condition dexistence de cycle limite dans le chapitre consacre au plan de
phase : la condition de Bendixson.) Il admet une generalisation en dimension
quelconque et senonce en utilisant la dierentiation exterieure.
Pour introduire cette nouvelle operation, nous commen cons par revoir la
notion de dierentielle. Celle-ci nest pas unique et repose sur des choix. Puis
nous montrons que deux systèmes de dierentielles se combinent pour for-
mer des expressions alternees exactement comme deux ensembles de variables
engendrent des formes alternees.
La principale raison de lalternance est liee à lintegration. Il est important
dassocier à un element de surface (ou volume) innitesimal un sens positif ou
negatif en fonction de son orientation. Ensuite nous introduisons loperation de
dierentiation exterieure permettant de passer dune integrale sur lenveloppe
dun espace donne (integrale de contour le long dun hyper-espace) vers une
integrale de lespace considere (integrale de volume). Cest la generalisation
du theorème de Stokes.
La raison de lintroduction de cette nouvelle operation ne provient pas
du lien entre ces deux types dintegration, mais plut ot par le lien entre cette
operation et la propriete dintegrabilite qui alors abordee en detail.
6.13.1 Dierentielles
Lorsquon exprime la dierentielle dune fonction, on entend par là son
accroissement innitesimal. Il est exprime par la relation
d =

x
1
dx
1
+

x
2
dx
2
+

x
3
dx
3
(6.25)
o` u les dierentielles dx
1
, dx
2
et dx
3
forment un système de dierentielles,
et correspondent generalement à laccroissement innitesimal des quantites
geometriques x
1
, x
2
et x
3
.
Cependant, et en toute generalite, ces expressions dx
1
, dx
2
et dx
3
peuvent
etre vues que comme des fonctions des coordonnees x
1
, x
2
, x
3
et dun nombre
arbitraire de nouvelles fonctions. Cest ainsi que nous pouvons considerer un
autre système de dierentielles, disons x
1
, x
2
et x
3
, qui sont egalement
des fonctions (mais dierentes) de x
1
, x
2
et x
3
et dun autre ensemble de
variables.
Supposons que nous adoptions comme variables independantes (` a la place
de x
1
, x
2
et x
3
), trois fonctions independantes y
1
, y
2
et y
3
de x
1
, x
2
et x
3
.
Nous conviendrons de continuer à leur associer les memes dierentielles
dy
i
=
y
i
x
1
dx
1
+
y
i
x
2
dx
2
+
y
i
x
3
dx
3
.
On deduit de la règle de dierentiation des fonctions de fonctions que, grace à
cette convention, d est une quantite qui ne depend pas du choix des variables
independantes. Cette invariance de d au cours dun changement de variables
resume les règles qui indiquent comment un changement de varibles transforme
les derivees dune fonction.
Après le choix dun autre système de dierentielles, il est possible de
prendre au lieu de d. Il est aussi important de pouvoir considerer à la
fois d et d. Ainsi, il est possible de denir les dierentielles
i
, i = 1, 2, 3
des variables autres que x
1
, x
2
et x
3
dont dependent les dx
1
, dx
2
et dx
3
dont
dependent x
1
, x
2
et x
3
. Nous supposerons toujours quil soit possible de
choisir les dierentielles de telles sortent que
dx
i
= dx
i
, i = 1, 2, 3. (6.26)
Par exemple si dx
i
=
i
(x
1
, x
2
, x
3
), x
i
=
i
(x
1
, x
2
, x
3
), i = 1, 2, 3, alors (6.41)
secrit
3
k=1
_
i
x
k
k

k
i
x
k
_
i = 1, 2, 3.
Quand cette relation est veriee, les symboles d et sont dits echangeables. De
plus, si les symboles sont echangeables, ils le sont egalement après changement
de variables.
Normalement, le choix du système de dierentielles est eectue en fonc-
tion de linterpretation naturelle (geometrique et analytique), à savoir que si
dx
i
, i = 1, 2, 3, sont des accroissements inniments petits, d est la partie
principale de laccroissement correspondant de .
6.13.2 Derivation exterieure dune 1-forme
Soit la 1-forme
=
1
dx
1
+
2
dx
2
+
3
Et calculons la dierence d :
d =
3
k=1
d
k
x
k

k
dx
k
=
3
i=1
3
k=1
k
x
i
(dx
1
x
k
x
i
dx
k
)
=
1ik3
_
k
x
i

i
x
k
_
(dx
1
x
k
x
i
dx
k
) (6.27)
On denit la derivee exterieure
= d (6.28)
On peut noter de fa con abregee la dierence dx
i
x
j
x
i
dx
j
sous la forme
dx
i
dx
j
.
Le produit exterieur dune 1-forme =
k
dx
k
avec une autre 1-forme
=

k
dx
k
est donne par
=
i,j
i

j
dx
i
dx
j
=
1ij3
(
i

j

j

i
)dx
i
dx
j
Ainsi en denotant d au lieu de
:
d =
1ij3
_
j
x
i

i
x
j
_
dx
i
dx
j
(6.29)
Nous avons la propriete suivante, o` u est une 1-forme et une fonction :
d() = d +d (6.30)
6.13.3 Derivation exterieure
Pour une fonction , nous avons lexpression (6.40).
Pour une 1-forme = Pdx +Qdy +Rdz, en appliquant (6.45) sur chacun
des termes, et en tenant compte de (6.40), nous obtenons
d = (
P
x
dx +
P
y
dy +
P
z
dz) dx
+(
Q
x
dx +
Q
y
dy +
Q
z
dz) dy
+(
R
x
dx +
R
y
dy +
R
z
dz) dz (6.31)
Comme dx
i
dx
i
= dx
i
x
i
x
i
dx
i
= 0 et dx
i
dx
j
= dx
i
x
j
x
i
dx
j
=
(dx
j
x
i
x
j
dx
i
) = dx
j
dx
i
, nous retombons bien sur lexpression (6.44).
Par consequent, avec une fonction arbitraire des variables x
1
, x
2
, . . ., x
n
,
on peut denir de manière inductive la dierentielle exterieure dune forme
de degre quelconque en partant dune forme mon ome
= dx
1
dx
2
dx
3
. . . dx
n
,
par
d = (d) dx
1
dx
2
dx
3
. . . dx
n
. (6.32)
Cette operation denie pareillement est la seule qui possède les proprietes
suivantes :
1. distributivite par rapport à laddition :
d( +) = d +d; (6.33)
2. règle de Leibniz en tenant compte de lanti-symetrie :
d( ) = d + (1)
p
dnu o` u est une p-forme; (6.34)
3. d est loperateur de dierentiation usuel sur les 0-formes (le gradient sur
les fonctions) ;
4. d(df) = 0 sur les fonctions f ;
La denition ci-dessus montre que cette operation est independante du
choix des coordonnees et se denit de manière globale sur la variete. Toutefois,
en utilisant des coordonnees locales, nous avons la denition de la dierentielle
exterieure dune 1-forme arbitraire suivante :
Denition 6.24. La dierentielle exterieure dune forme arbitraire =
n
j=1
j
dx
j
est donnee par
d =
n
j=1
_
n
i=1
j
x
i
dx
i
_
dx
j
.
6.13.4 Theorème de Stokes generalise
A laide de cette nouvelle propriete de dierentiation, et en partant dune
1-forme quelconque en dimension n, il est possible dintegrer cette 1-forme
sur une hyper-surface, sous-variete englobant un certain volume, la variete
. Quel que soit la dimension n, il est toujours vrai que
_
=
_ _
d.
La demonstration se trouve dans bon nombre de livres sur la geometrie
dierentielle et nous invitons le lecteur à consulter par exemple [Boo75].
6.14 Integrabilite
Nous allons maintenant montrer sous quelles conditions il est possible
de construire une hypersurface perpendiculaire à une 1-forme unique. Cette
dernière represente un champ de normales à partir de laquelle la surface est
construite.
Remarquons que ceci revient au meme que detablir sous quelles conditions
un ensemble de champ de vecteur (constituant de la sorte une distribution)
engendre, en tout point lespace, lespace tangeant à lhypersurface mentionnee
precedemment.
Une hypersurface dans lespace est representee comme une seule equation
de tous les etats :
C = (x
1
, x
2
, x
3
, . . . , x
n
), (6.35)
avec une certaine constante C R.
Cette hypersurface est une surface de dimension n1 plongee dans lespace
de dimension n. Nous nenvisagerons dans ce qui suit que le caractère local de
cette hypersurface, au sens o` u on ne sinteressera pas de savoir si cette surface
est denie partout dans lespace. Nous reviendrons sur le caractère local des
resultats par la suite.
La gure 6.3 represente la surface ellipsodale
4x
2
1
+x
2
2
+ 2x
2
3
= 1. (6.36)
-0.5
-0.25
0
0.25
0.5
-1
-0.5
0
0.5
1
-0.5
0
0.5
-0.5
-0.25
0
0.25
0.5
Fig. 6.3. Illustration de lellipse denie par lequation 4x
2
1
+x
2
2
+ 2x
2
3
= 1
6.14 Integrabilite 169
Si lon se place en un point p de cette surface, il est possible de se deplacer
de manière innitesimale dans lespace detat. Par exemple, si lon se deplace
le long de laxe x
1
, et uniquement le long de cet axe, on peut considerer
dx
1
= > 0, dx
2
= dx
3
= 0 comme representant un très petit deplacement
parallèle à laxe x
1
et nayant aucune contribution le long des axes x
2
et x
3
.
Toutefois, en considerant un tel deplacement, on quitte instantanement la
surface denie par (6.36).
Par contre, rien nempeche de prendre un autre deplacement innitesimal
associe à une valeur particulière des quantites dx
1
=
1
, dx
2
=
2
et dx
3
=
3
.
Quelle est alors la condition sur les deplacements innitesimaux (choix de
1
,
2
et
3
) an que lon demeure sur la surface correspondant à lequation
de lellipsode (6.36) ?
Si lon reste sur la surface, la valeur correspondant au membre de gauche
de (6.36) ne doit pas changer après le deplacement et continuer de valoir un.
Ainsi, en denissant = 4x
2
1
+ x
2
2
+ 2x
2
3
, la condition sur les accroissements
est
d =

x
1
dx
1
+

x
2
dx
2
+

x
3
dx
3
= 8x
1
dx
1
+ 2x
2
dx
2
+ 4x
3
dx
3
= 0. (6.37)
Les valeurs
i
, i = 1, 2, 3 sont choisies an de satisfaire cette equation,
condition qui peut secrire comme lannulation du prpduit scalaire :
_
8x
1
2x
2
4x
3
_
_
_
dx
1
dx
2
dx
3
_
_
= 0.
Par consequent, le vecteur
_
8x
1
2x
2
4x
3
_
represente une normale à la sur-
face. En eet, un deplacement innitesimal, choisi an de rester sur la surface
= C, respecte la condition (6.37).
Les considerations ci-dessus montrent egalement que lon peut mettre en
correspondance (isomorphisme) entre les deux entites :
8x
1
dx
1
+ 2x
2
dx
2
+ 4x
3
dx
3

_
8x
1
2x
2
4x
3
_
. (6.38)
La quantite de gauche est appelee une 1-forme et le vecteur de droite un
co-vecteur gradient ou co-vecteur normal selon les circonstances (et par abus
de langage vecteur gradient ou vecteur normal, bien que cette quantite decrit
à proprement parle un champ delements qui est dans le dual dun champ de
vecteurs, au sens ou chacun des elements en question est un dual dun vecteur,
lui-meme element dun champ de vecteurs).
Fig. 6.4. Representation du champ de normales correspondant à la 1-forme 8x1dx1+
2x2dx2 + 4x3dx3. Seule une partie de lellipse dequation 4x
2
1
+ x
2
2
+ 2x
2
3
= 1 est
representee.
6.15 Dierence entre une 1-forme exacte et integrable.
La section precedente montre lexistence dun champ de co-vecteurs nor-
maux à une surface. Etant donne une surface, il existe toujours un champ
normal. La question est de savoir si la reciproque est vraie, cest-à-dire etant
donne un champ de co-vecteurs quelconques, exite-t-il une surface pour la-
quelle la normale à cette surface correspond au champ en question ?
Soit donc une fonction de trois coordonnees x
1
, x
2
, x
3
. Il est possible
de constituer une 1-forme en prenant la dierentielle totale de la fontion :
d =

x
1
dx
1
+

x
2
dx
2
+

x
3
dx
3
.
On constate que les coecients devant dx
1
, dx
2
, dx
3
sont des fonctions de
x
1
, x
2
, x
3
. De plus, ces coecients ne sont pas arbitraires, puisquil sont issus
de la fonction , par derivees partielles.
On peut alors sinterroger sur la reciproque, à savoir, etant donne trois
fonctions arbitraires de x
1
, x
2
et x
3
(disons
1
(x
1
, x
2
, x
3
),
2
(x
1
, x
2
, x
3
) et
3
(x
1
, x
2
, x
3
)), existe-t-il une fonction qui est en relation etroite avec la
1-forme
=
1
dx
1
+
2
dx
2
+
3
dx
3
. (6.39)
Trois cas de gure se presentent :
6.16 Dierentielles et derivation exterieure 171
1. Il existe une fonction (x
1
, x
2
, x
3
) pour laquelle
i
=

x
i
i = 1, 2, 3,
de telle sorte que d = . La 1-forme (6.39) est dite exacte dans ce cas et
nous avons la reciproque exacte de lassertion ci-dessus.
2. Il existe une fonction (x
1
, x
2
, x
3
) et une autre fonction (x
1
, x
2
, x
3
) telles
que
(x
1
, x
2
, x
3
)
i
=

x
i
i = 1, 2, 3.
Dans ce cas, la 1-forme est dite integrable. Il sagit donc de trouver un
facteur qui multiplie toutes les composantes de la 1-forme an que la 1-
forme resultante devienne exacte, le facteur variant dun point à lautre
de lespace detat. La diculte de lintegration provient de la necessite de
determiner deux quantites (x
1
, x
2
, x
3
) et (x
1
, x
2
, x
3
). Nous avons une
sorte de reciproque partielle de lassertion ci-dessus.
3. La 1-forme (6.39) nest reliee à aucune fonction des trois coordonnees
x
1
, x
2
, et x
3
; elle est alors dite non-integrable. La reciproque de lassertion
ci-dessus nexiste pas dans ce cas.
On constate donc quune 1-forme exacte est necessairement integrable. Par
contre, il existe des 1-formes integrables qui ne sont pas pour autant exactes.
Il nous reste donc à trouver les conditions pour discriminer entre les trois cas
possibles. Pour se faire, il est necessaire de developer un calcul innitesimal
particuler, appele calcul dierentiel exterieur.
6.16 Dierentielles et derivation exterieure
Dierentielles
Les dierentielles dx
1
, dx
2
et dx
3
forment un système de dierentielles.
Ce sont des fonctions des coordonnees x
1
, x
2
, x
3
et dun nombre arbitraire
de nouvelles fonctions. Considerons un autre système de dierentielles, disons
x
1
, x
2
et x
3
, qui sont egalement des fonctions (mais dierentes) de x
1
,
x
2
et x
3
et dun autre ensemble de variables. La dierentielle dune fonction
(x
1
, x
2
, x
3
) est par denition
d =

x
1
dx
1
+

x
2
dx
2
+

x
3
dx
3
(6.40)
Supposons que nous adoptions comme variables independantes (` a la place
de x
1
, x
2
et x
3
), trois fonctions independantes y
1
, y
2
et y
3
de x
1
, x
2
et x
3
.
Nous conviendrons de continuer à leur associer les memes dierentielles
dy
i
=
y
i
x
1
dx
1
+
y
i
x
2
dx
2
+
y
i
x
3
dx
3
.
On deduit de la règle de dierentiation des fonctions de fonctions que, grace à
cette convention, d est une quantite qui ne depend pas du choix des variables
independantes. Cette invariance de d au cours dun changement de variables
resume les règles qui indiquent comment un changement de varibles transforme
les derivees dune fonction.
Après le choix dun autre système de dierentielles, il est possible de
prendre au lieu de d. Il est aussi important de pouvoir considerer à la
fois d et d. Ainsi, il est possible de denir les dierentielles
i
, i = 1, 2, 3
des variables autres que x
1
, x
2
et x
3
dont dependent les dx
1
, dx
2
et dx
3
dont
dependent x
1
, x
2
et x
3
. Nous supposerons toujours quil soit possible de
choisir les dierentielles de telles sortent que
dx
i
= dx
i
, i = 1, 2, 3. (6.41)
Par exemple si dx
i
=
i
(x
1
, x
2
, x
3
), x
i
=
i
(x
1
, x
2
, x
3
), i = 1, 2, 3, alors (6.41)
secrit
3
k=1
_
i
x
k
k

k
i
x
k
_
i = 1, 2, 3.
Quand cette relation est veriee, les symboles d et sont dits echangeables. De
plus, si les symboles sont echangeables, ils le sont egalement après changement
de variables.
Normalement, le choix du système de dierentielles est eectue en fonc-
tion de linterpretation naturelle (geometrique et analytique), à savoir que
si dx
i
, i = 1, 2, 3, sont des accroissements inniments petits, d est la partie
principale de laccroissement correspondant de . Toutefois, les considerations
ci-dessus montrent quil est possible de denir des dierentielles abstraites
(disons x
i
) pour autant quelles soient compatibles avec un calcul dierentiel
approprie.
Derivation exterieure
Soit la 1-forme
=
1
dx
1
+
2
dx
2
+
3
Et calculons la dierence d :
6.17 Proprietes de la dierentielle exterieure 173
d =
3
k=1
d
k
x
k

k
dx
k
=
3
i=1
3
k=1
k
x
i
(dx
1
x
k
x
i
dx
k
)
=
1ik3
_
k
x
i

i
x
k
_
(dx
1
x
k
x
i
dx
k
) (6.42)
On denit la derivee exterieure
= d (6.43)
On peut noter de fa con abregee la dierence dx
i
x
j
x
i
dx
j
sous la forme
dx
i
dx
j
.
Le produit exterieur dune 1-forme =
k
dx
k
avec une autre 1-forme
=

k
dx
k
est donne par
=
i,j
i

j
dx
i
dx
j
=
1ij3
(
i

j

j

i
)dx
i
dx
j
Ainsi en denotant d au lieu de
:
d =
1ij3
_
j
x
i

i
x
j
_
dx
i
dx
j
(6.44)
Nous avons la propriete suivante, o` u est une 1-forme et une fonction :
d() = d +d (6.45)
6.17 Proprietes de la dierentielle exterieure
Pour une fonction , nous avons lexpression (6.40).
Pour une 1-forme = Pdx +Qdy +Rdz, en appliquant (6.45) sur chacun
des termes, et en tenant compte de (6.40), nous obtenons
d = (
P
x
dx +
P
y
dy +
P
z
dz) dx
+(
Q
x
dx +
Q
y
dy +
Q
z
dz) dy
+(
R
x
dx +
R
y
dy +
R
z
dz) dz (6.46)
Comme dx
i
dx
i
= dx
i
x
i
x
i
dx
i
= 0 et dx
i
dx
j
= dx
i
x
j
x
i
dx
j
=
(dx
j
x
i
x
j
dx
i
) = dx
j
dx
i
, nous retombons bien sur lexpression (6.44).
Par consequent, avec une fonction arbitraire des variables x
1
, x
2
, . . ., x
n
,
on peut denir de manière inductive la dierentielle exterieure dune forme
de degre quelconque en partant dune forme mon ome
= dx
1
dx
2
dx
3
. . . dx
n
,
par
d = (d) dx
1
dx
2
dx
3
. . . dx
n
. (6.47)
En resume, nous avons la denition de la dierentielle exterieure dune
1-forme arbitraire suivante :
Denition 6.25. La dierentielle exterieure dune forme arbitraire =
n
j=1
j
dx
j
est donnee par
d =
n
j=1
_
n
i=1
j
x
i
dx
i
_
dx
j
.
Le produit exterieur est anti-symetrique et il preserve la linearite après
multiplication. Ces principales proprietes sont :
dx
i
dx
j
= dx
j
dx
i
(6.48)
(x)(
1

2
) =
1
((x)
2
) = ((x)
1
)
2
(6.49)
1
(
2
+
3
) =
1

2
+
1

3
6.18 Condition dexactitude et dintegrabilite
Maintenant que nous sommes en possession dun nouveau type de calcul
(la dierentiation exterieure), nous allons reexaminer les questions soulevees à
la section 6.15 en determinant les conditions permettant de decider du type de
1-forme que nous avons à faire. Ces conditions sont des expressions calculables
facilement à partir des coecients de la 1-forme.
6.18 Condition dexactitude et dintegrabilite 175
Condition dexactitude
Soit une 1-forme exacte
= Pdx +Qdy +Rdz. (6.50)
Par denition, il existe une fonction telle que
P =

x
, Q =

y
, et R =

z
.
Calculons la dierentielle exterieure de en utilisant (6.44) ou (6.40) :
d =

2
yx
dy dx +

2
zx
dz dx
xy
dx dy +

2
zy
dz dy
xz
dx dz +

2
zz
dy dz.
En utilisant (6.48), on deduit que
d) = 0,
concluant sur la necessite de cette condition.
Pour en demontrer la susance, supposons que soit exacte (c.-à-d. que
soit le gradient dune fonction) mais que d = 0. Nous allons montrer quil
y a une contradiction. Pour la voir, il sut dappliquer le theorème de Stokes
_
V
d =
_
V
,
o` u V est un petit parallelepipède. Comme provient dune fonction, les contri-
butions sur les c otes V du parallelepipède V se compensent de telle sorte que
lintegrale de droite est nulle. Comme d = 0, par supposition, lintegrale de
gauche est non nulle, ce qui contredit legalite des deux integrales.
Ceci se generalise à un nombre arbitraire de variables et nous avons donc
le theorème suivant valable localement
Theorème 6.26. Une 1-forme est localement exacte si, et seulement si,
d = 0.
Condition dintegrabilite
La condition dintegrabilite est plus subtile etant donne quune fonction
est manquante (inconnue) pour transformer la 1-forme integrable en une
1-forme exacte .
Dans un premier temps, supposons que la 1-forme (6.50) soit integrable.
Ceci signie que P, Q, et R, sont proportionnels aux derivees partielles dune
certaine fonction par rapport à respectivement x, y et z :
P =

x
, Q =

y
, et R =

z
. (6.51)
A partir des deux premières equations, nous obtenons
y
(P) =

2
xy
=

x
(Q);
en dautres termes,
P
y
+P

y
=
Q
x
+Q
x
,
ou, ce qui revient au meme,
_
P
y

Q
x
_
= Q
x
P

y
. (6.52)
De manière similaire, avec les deux dernières equations de (6.51),
_
Q
z

R
y
_
= R
y
Q
z
(6.53)
_
R
x

P
z
_
= P

z
R
x
. (6.54)
En multipliant (6.52) par R, (6.53) par P, et (6.54) par Q, et en aditionnant
le tout, il vient nalement la condition
P
_
Q
z

R
y
_
+Q
_
R
x

P
z
_
+R
_
P
y

Q
x
_
= 0. (6.55)
Par consequent, lorsque il est possible de determiner une fonction qui rend
la 1-forme , après multiplication par cette fonction, exacte, alors la condition
(6.55) est satisfaite.
En outre, Il est aise de montrer que si lon prend au lieu de P, Q et R,
des nouvelles fonctions P
1
= P, Q
1
= Q et R
1
= R, o` u est une fonction
quelconque, la condition (6.55) continue à etre veriee lorsquon remplace P
par P
1
, Q par Q
1
, et R par R
1
.
La reciproque est egalement vraie, à savoir que si la condition (6.55) est
satisfaite, alors la 1-forme est integrable, ou en dautres termes, il existe
une integrale
(x, y, z) = 0.
Pour le voir, nous allons dabord revenir en dimension deux. Lorsque P et Q
sont des fonctions de x et y uniquement, lequation dierentielle
Pdx +Qdy = 0, (6.56)
est garantie de possèder une solution u(x, y) = c, o` u c est une constante, quel
que soit P et Q.
Ceci est toujours possible, car il sut decrire (6.56) sous une des deux
formes
dx
dy
=
Q
P
ou
dy
dx
=
P
Q
,
selon que P = 0 ou Q = 0 ; aucune des deux fonctions ne peut, par hypothèse,
sannuler simultanement, sinon cela conduirait à un système trivial 0 = 0.
En integrant une de ces deux equations dierentielles ordinaires de manière
classique (celle dont le membre de droite ne devient pas singulier), nous ob-
tenons, après mise sous forme implicite, lexpression u(x, y) = c. En derivant
u(x, y), on a
u
x
dx +
u
y
dy = 0,
ce qui revient à dire que P =
u
x
, Q =
u
x
, o` u est une fonction quelconque.
Lorsquil y a trois variables, bien quil puisse etre possible, par la methode
decrite ci-dessus, de garantir que P et Q soient proportionnels aux derivees
partielles de par rapport à x et y (il sut de poser Pdx + Qdy = 0 et
de resoudre lequation dierentielle ordinaire sous jacente, en considerant z
comme un paramètre constant), R ne sera pas necessairement proportionnel
à

z
.
Neanmoins, soit u(x, y, z) une telle fonction, de sorte quil existe une fonc-
tion (x, y, z) pour laquelle
P
1
= P =
u
x
Q
1
= Q
u
y
.
Nous denissons S comme la quantite manquante pour que R
1
soit direc-
tement proportionnel
u
z
, c.-à-d.
R
1
u
z
= R
u
z
= S (6.57)
Maintenant, en substituant
P
1
=
u
z
Q
1
=
u
y
R
1
=
u
z
+S
dans
P
1
_
Q
1
z

R
1
y
_
+Q
1
_
R
1
x

P
1
z
_
+R
1
_
P
1
y

Q
1
x
_
= 0
(equation qui est automatiquement satisfaite etant donne que (6.55) est sa-
tisfaite), nous obtenons
S
x
u
y

S
y
u
x
= 0. (6.58)
Cest ainsi que deux cas de gure se presentent. Ou bien R
1
est propor-
tionnel à
u
z
, auquel cas = u est lintegrale cherchee, ou alors S est une
fonction non nulle qui satisfait identiquement lequation (6.58).
Cependant, (6.58) est satisfaite si, et seulement si, il existe une relation
entre S et u valable quelles que soient les valeurs particulières de x et y, c-à-d.
que u peut sexprimer directement à partir de S et vice versa :
u = g(S) S = f(u).
Toutefois, la presence de z en tant que paramètre dans u(x, y, z) implique
sa presence egalement en tant que paramètre dans lequation (6.58), ce qui
signie quil faille lintroduire dans lexpression
S = f(u, z),
bien que x et y napparaissent plus independamment lune de lautre, mais
seulement sous forme combinee par lintermediaire de la fonction u(x, y, z).
Cest ainsi que nous pouvons ecrire
(Pdx +Qdy +Rdz) =
u
x
dx +
u
y
dy +
u
z
dz +Sdz
= du +Sdz, (6.59)
o` u S sexprime en fonction uniquement de u et z. Nous avons donc obtenu une
1-forme en dimension deux pour laquelle lintegrale est garantie dexister par
transformation en une equation dierentielle ordinaire et integration classique.
Sous forme implicite ceci donne
(u, z) = cte,
avec
u
=

z
= S.
Par consequent,
(Pdx +Qdy +Rdz) = (du +Sdz) = d,
conduisant après subsititution de u(x, y, z) dans (u, z) à lintegrale
(u, z) = (x, y, z).
Ces considerations se generalisent en dimension plus grande que trois,
conduisant au therorème dintegrabilite dune 1-forme suivant :
Theorème 6.27. Une 1-forme est integrable si, et seulement si,
d = 0. (6.60)
La demonstration, en dimension trois, a dej` a ete eectuee ci-dessus. Il
sut de constater que (6.60) conduit en partant de = Pdx +Qdy +Rdz à
lexpression (6.55). Pour le voir, commen cons par calculer d :
d =
_
P
x
dx +
P
y
dy +
P
z
dz
_
dx
+
_
Q
x
dx +
Q
y
dy +
Q
z
dz
_
dy
+
_
R
x
dx +
R
y
dy +
R
z
dz
_
dz
=
_
P
y
dy +
P
z
dz
_
dx
+
_
Q
x
dx +
Q
z
dz
_
dy
+
_
R
x
dx +
R
y
dy
_
dz
o` u nous avons utiliser (6.48). Ensuite, en prenant le produit exterieur, et
en distribuant selon (6.49), on obtient
d =
_
P
y
dy +
P
z
dz
_
dx (Pdx +Qdy +Rdz)
+
_
Q
x
dx +
Q
z
dz
_
dy (Pdx +Qdy +Rdz)
+
_
R
x
dx +
R
y
dy
_
dz (Pdx +Qdy +Rdz)
= R
P
y
dy dx dz +Q
P
z
dz dx dy
+ R
Q
x
dx dy dz +P
Q
z
dz dy dx
+ Q
R
x
dx dz dy +P
R
y
dy dz dx
=
_
P
_
Q
z

R
y
_
+Q
_
R
x

P
z
_
+R
_
P
y

Q
x
__
dx dy dz,
de sorte que la condition (6.55) est equivalente à d = 0.
Exemples
Nous donnons trois exemples simples de 1-formes :
6.19 Interpretation geometrique de lintegrabilite et de la non-integrabilite 181
La 1-forme
1
= (z+1)dx+xdz est exacte, car une fois pose = x(1+z),
lutilisation de la formule (6.40) donne d(x(1 +z)) =
1
.
La 1-forme
2
=
z+1
x
dx + dz nest pas exacte. Par contre, elle est
integrable, etant donne que x
2
=
1
.
La 1-forme
3
= (x + y + yz)dx + x(1 + z)dz nest pas integrable
puisque
3
d
3
= x(1 +z)
2
dx dy dz = 0.
6.19 Interpretation geometrique de lintegrabilite et de
la non-integrabilite
La gure 6.5 illustre le cas dune 1-forme exacte = yzdx+xzdy +xydz,
pour laquelle la fonction integral est = xyz C = 0, avec C une constante
arbitraire.
On constate que les èches - vecteur ligne
_
yz xz yz
_
- sont perpendicu-
laires en chacun de point de la surface integrale. Elles denissent non seule-
ment un champ normal, mais correspondent exactement au gradient de la
fonction integrale .
Fig. 6.5. la 1-forme = yzdx + xzdy + xydz exacte est representee avec trois
surfaces integrales xyz = cte.
Lorsque la 1-forme nest plus exacte, mais toutefois integrable, la longueur
de la èche na en quelque sorte pas dimportance, et seul son orientation
compte. Ainsi, si au lieu de , nous aurions pris une fonction arbitraire ,
modiant en chacun des points la norme de la èche à ce point, mais pas son
orientation, les èches demeureraient normales aux surfaces integrales = 0.
La 1-forme possèdent donc les memes surfaces integrales que .
Dans le cas dune 1-forme non integrable, les orientations des normales
bloquent en quelque sorte le processus dintegration. Nous allons examiner de
plus près une explication geometrique de ce phenomène.
-2
-1.5
-1
-0.5
0.5
1
1.5
2
-2
-1
0
1
-2
-1.5
-1
-0.5
0.5
1
1.5
-1
0
1
-2
-1.5
-1
-0.5
0.5
1
1.5
2
-2
-1
0
1
-2
-1.5
-1
-0.5
0.5
1
1.5
-1
0
1
-2
-1.5
-1
-0.5
0.5
1
1.5
2
-2
-1
0
1
-2
-1.5
-1
-0.5
0.5
1
1.5
-1
0
1
Fig. 6.6. (i) La 1-forme integrable = yzdx + xzdy + xydz est representee. (ii)
La courbe est toujours orientee dans le sens des 1-forme. (iii) Les deux surfaces
integrales x
2
y
2
= c1 et y
2
z
2
= c2 des 1-formes complementaires (6.63) et (6.64)
(c.-à-d. xzdxyzdy et xydy xzdz) se coupent exactement pour donner . (iv) Les
surfaces integrales à , à savoir xyz = c, c R pour quatre valeurs de c dierentes,
sont ajoutees.
6.19 Interpretation geometrique de lintegrabilite et de la non-integrabilite 183
Soit
Pdx +Qdy +Rdz, (6.61)
une 1-forme arbitraire, à partir de laquelle deux equations supplementaires de
deux 1-formes chacune sont constituees :
dx
P
=
dy
Q
=
dz
R
. (6.62)
Ce système est toujours integrable (meme lorsque (6.61) ne lest pas), car il
comporte deux 1-formes independantes comprenant trois variables chacunes.
Ce sont, par exemple, les 1-formes
Qdx Pdy = 0 (6.63)
et
Rdy Qdz = 0. (6.64)
Ces deux equations doivent etre satisfaites simultanement sur leur variete
integrale, ce qui est toujours le cas, etant donne quil est possible dassigner
une variable independante y, et de former le système dequations dierentielles
ordinaires
dx
dy
=
P
Q
(6.65)
dz
dy
=
R
Q
(6.66)
dont la solution - et par consequent egalement la solution de (6.62) - est
constitue par un ensemble inni de courbes x(y) et z(y), parametree par la
coordonnee y libre ; chacune de ces courbes part, à la coordonnee y
0
, dune
condition initiale x(y
0
), z(y
0
) dierente.
Remarquons que si Q sannule le long de lintegration, il sut de prendre
lannulation de deux autres 1-formes issues de (6.62) au lieu de QdxPdy = 0
et Rdy Qdz = 0.
Nous designerons par une courbe parmis cet ensemble ainsi obtenu. En
partant dun certain point de cette courbe , disons A, il est possible de se
deplacer, soit dans la direction de cette courbe le long de son vecteur tangent,
soit perpendiculairement à celui-ci, dans un nombre inni de directions pos-
sibles. Ces directions perpendiculaires sont contenues dans la plan de support
des vecteurs lignes (6.63) et (6.64), à savoir
_
Q P 0
_
et
_
0 R Q
_
. Ce plan
sera denomme le plan perpendiculaire à au point considere.
Independamment des considerations precedentes, choisissons une surface
quelconque (x, y, z) = 0 de telle sorte que la point A soit compris dans cette
surface. Notons que nappartient pas necessairement à cette surface choisie
de manière arbitraire.
Maintenant, une solution à (6.61), (qui est une 1-forme quelconque, mais
pas necessairement integrable), sobtient de la manière suivante : On se
deplace dans le plan perpendiculaire à au point A. Il existe une innite
de tels deplacements. Cependant, il y a un seul deplacement dans la surface
(x, y, z) = 0 dans cette direction. Cest le prochain point desire A
1
.
On repète alors la procedure :
1. on construit la courbe passant à traver A
1
et qui satisfait le système
(6.62) ;
2. on construit le vecteur au point A
1
, tangent à la courbe le long de
celle-ci.
3. parmis tous les co-vecteurs perpendiculaires au vecteur tangent , il en
existe un qui correspond à un deplacement au sein de la surface (x, y, z). ;
4. on se deplace à ce nouveau point A
2
.
Ainsi, la solution est dependante de la surface (x, y, z) choisie. Une fois
cette surface choisie, la solution est une famille de courbes dependant du point
initial A. Pour un point A determine, il y a une seule courbe particulière.
Dans le cas dune 1-forme integrable, il est possible de choisir la surface
(x, y, z) de telle sorte que tout deplacement innitesimal à linterieur de cette
surface soit perpendiculaire au vecteur tangent à la courbe solution de
(6.62). Par consequent, la solution est assimilee à la surface (x, y, z) = 0
complète et non plus à une courbe specique. Le resultat (de lintegration)
est independant de , solution de (6.62) : na pas dinuence sur le choix
de courbe comprise dans dans (x, y, z) = 0. Mais bien entendu, on ne peut
plus choisir (x, y, z) librement, contrairement au cas non-integrable (c.-à-d.
lorsque la condition d = 0 nest pas satisfaite).
On peut ainsi interpreter le resultat comme le fait que la normale à la
surface (x, y, z) = 0 (qui est
_
P Q R
_
est toujours colineaire au champ de
vecteurs correspondant au système (6.62) (celui denissant et ; an que les
surfaces coupent à angle droit). Le champ de vecteurs est dans lannulateur
des formes constitutives
P
dx
=
Q
dy
=
R
dz
(6.67)
Le cas dune 1-forme integrable est illustre à la gure 6.6.
6.20 Les deux formes du theorème de Frobenius
Soit les equations aux derivees partielles suivantes :
6.20 Les deux formes du theorème de Frobenius 185
0
1
2
3
0
0.5
1
1.5
2
6.5
6.75
7
7.25
7.5
1
2
3
6.5
6.75
A
A
z
y
x
Fig. 6.7. Representation de la construction dune solution de = 0 lorsque la
1-forme nest pas integrable. Le cas de = (x y + yz)dx + x(1 + z)dz =
Pdx + Rdz conduit à lequation dierentielle
dz
dx
=
x(1+z)
xy+yz
et
dy
dx
= 0 denissant
la courbe . Cette courbe est representee pour la condition initiale x = 0, y(0) = 1
et z(0) = 2. Le point A est pris en x = 2, y = 1 et z = 7.07. Comme Q = 0, le
plan de support est denit par (R 0 P)
T
et (0 R Q)
T
. La surface arbitraire
(x, y, z) =
1
2
cos(4(y 1))(x2)
2
+
1
2
sin(4(y 1))(y 1)
2
+7.07 intersecte le plan
de support selon une courbe sur laquelle le prochain point A1 = A
se situe. La
solution depend de la surface (x, y, z) choisie.
h
x
1
f
1
+
h
x
2
f
2
+
h
x
3
f
3
= 0 (6.68)
h
x
1
g
1
+
h
x
2
g
2
+
h
x
3
g
3
= 0 (6.69)
Avec f
i
(x
1
, x
2
, x
3
) et g
i
(x
1
, x
2
, x
3
), i = 1, . . . , 3 des fonctions donnees.
Il existe deux formulation des conditions necessaires et susantes pour
lexistence dune fonction h(x
1
, x
2
, x
3
) qui satisfasse les equations (6.68) et
(6.69).
La première formulation utilise directement les deux champs de vecteurs
_
f
1
f
2
f
3
_
T
et
_
g
1
g
2
g
3
_
T
:
1
1.25
1.5
1.75
2
0
0.5
1
1.5
2
0
0.5
1
1.5
1.25
1.5
1.75
2
z
y
x
Fig. 6.8. Dans le cas integrable il est possible de trouver une surface pour laquelle
tout les deplacements innitesimaux sont possibles. Le cas de = yzdx
Theorème 6.28. h(x
1
, x
2
, x
3
) est une solution si, et seulement si, le crochet
de f et g retombe dans lespace engendre par f et g, c.-` a-d. quil existe deux
fonctions scalaires de x, disons
1
(x) et
2
(x) de MR telles que
[f, g](x) =
1
(x)f(x) +
2
(x)g(x).
Pour avoir un resultat local, il nest pas necessaire de tester la condition
ci-dessus sur toute la variete M mais autour dun voisinage o` u lon aimerait
construire la fonction h(x
1
, x
2
, x
3
).
Ce theorème permet de rattacher la condition dintegrabilite de la fonction
h à celle de la distribution engendree par les champs de vecteurs :
Denition 6.29. Une distribution (genere par f
1
et f
2
) pour laquelle la
fonction h satisfasse aux equations (6.68) et (6.69) est dite complètement
integrable.
La seconde formulation du theorème de Frobenius utilise la 1-forme unique
qui est perpendiculaire aux champs de vecteurs f
1
et f
2
. Soit la 1-forme en
question de telle sorte que
f
1
= f
2
= 0. (6.70)
Theorème 6.30. h(x
1
, x
2
, x
3
) est une solution
d = 0.
La seconde condition exprime simplement que la 1-forme doit etre integrable.
En fait, le gradient de h ne dière de que par une fonction inconnue quil
sagit de determiner comme cel` a a ete demontre à la section 6.14.
Nous formulerons les deux conditions dans le cas dune dimension de letat
plus grande que trois et nous verrons que ces deux theorèmes sont identiques.
La seconde formulation a dej` a ete demontree dans le cas de trois variables ; la
demonstration dans le cas dun plus grand nombre de variables suit les memes
lignes.
Nous nous contenterons donc de montrer que la première formulation est
equivalente à la seconde. Dans le cas de plus de trois variables, la première for-
mulation senonce à partir du concept de distribution involutive (aussi appelee
famille involutive par abus de langage pour designer une famille de champ de
vecteurs qui est involutive).
Distribution involutive
Denition 6.31. On dit que la distribution engendree par une famille de
champ de vecteurs {f
1
, f
2
, . . ., f
n
} est involutive, lorsque
f
i
, f
j
, i, j = 1, . . . n
[f
i
, f
j
] span {f
1
, f
2
, . . . , f
n
}
o` u span signie sous-espace vectoriel engendre par.
Ainsi, une famille involutive est une collection de champ de vecteur tels
que si on prend nimporte quel couple de vecteurs y appertenant et que lon
en prenne le crochet de Lie, le champ de vecteur resultant retombe dans
la distribution. Ceci signie quen chaque point de la variete, le crochet de
deux vecteurs appartenant au sous-espace vectoriel engendre par les vecteurs
denissant la distribution demeure dans le sous-espace vectoriel en question.
Nous avons egalement besoin de la propriete
d(f, g) =
1
2
(L
f
(g) L
g
(f) [f, g]) . (6.71)
Elle decoule de la derivation exterieure dune 1-forme arbitraire mais ex-
primee sans recours aux coordonnees locales. La 2-forme d est evaluee selon
deux vecteurs arbitraires f et g an de donner un nombre qui sexprime direc-
tement à partir des derivees de Lie des quantitee f et g (ces dernières sont
des valeurs scalaires). Il reste toutefois un terme supplementaire qui depend du
crochet de Lie des deux vecteurs f et g et cest là que reside esstentiellement
le lien entre les deux formulations du theorème de Frobenius.
La propriete (6.71) se demontre par calcul direct. La procedure est un peu
fastidieuse mais ne presente pas de diculte particulière et nous en laissant
le soin au lecteur.
Nous donnons maintenant la formulation des deux formes du theorème de
Frobenius dans le cas dune distribution denie par n 1 champ de vecteurs
de n coordonnees (la variete est de dimension n).
Theorème 6.32. Un ensemble de n1 champ de vecteurs {f
1
, f
2
, . . . , f
n1
}
denit une distribution integrable si, et seulement si, la distribution est invo-
lutive.
Theorème 6.33. Soit , la 1-forme qui annule tous les champs de vecteurs
f
1
, f
2
, . . ., f
n1
. La 1-forme et la distribution denie par les champs f
1
,
f
2
, . . ., f
n1
sont integrables si, et seulement si,
d = 0.
Nous savons que, par denition, une distribution consitituee de n1 champ
de vecteurs est integrable sil existe une fonction h tel que son gradient annule
la distribution en question. Par consequent, il sut de verier que la condition
dintegrabilite d = 0 est equivalente à linvolutivite de la distribution
{f
1
, f
2
, . . . , f
n1
}.
Commen cons par admettre que la distribution est involutive. Ceci signie
que quelque soit i, j, les crochets [f
i
, f
j
] sexpriment [f
i
, f
j
] =
n1
k=1

k
(x)f
k
.
Comme est choisi de telle sorte que f
k
= 0, k = 1, . . . , n 1, on a donc
[f
i
, f
j
] = 0 pour tout choix de i et j (ceci decoule directement de linvo-
lutivite). Cest ainsi quen utilisant (6.71), on a d(f
i
, f
j
) =
1
2
(L
fj
(f
i
)
L
fi
(f
j
) [f
i
, f
j
]) =
1
2
(L
fj
(f
i
) L
fi
(f
j
) = 0, et donc d(f
i
, f
j
) = 0 pour
autant que f
i
, et f
j
appartienne à la distribution.
Attention, ceci ne signie par pour autant que d(f
1
, f
2
) = 0 quel que soit
f
1
et f
2
.
Toutefois, comme la distribution est de rang n1, et puisque d sannule
sur cette distribution, d se decompose selon deux 1-formes dont une au moins
est multiple de . En dautres termes,
d =
1
(x).
En eet, supposons que cela ne soit pas le cas et que d =
1

2
de telle sorte que ni
1
ni
2
ne soit multiple de . Ceci signie, par
independance lineaire des f
1
, f
2
, . . ., f
n1
, quil existe alors une combinai-
son lineaire

f =
n1
i=1

i
f
i
pour laquelle à la fois
1

f = 0 et
2

f = 0 et
nous aboutissons à la contradiction que d ne sannule pas sur la distribution
F = span {f
1
, . . . , f
n1
}.
Ainsi, comme d =
1
(x), nous avons necessairement
d = 0,
et la correspondance de la première formulation à la seconde est demontree.
Dans lautre sens, nous supposerons que d = 0 et nous devons alors
montrer que la distribution annulant est involutive.
Premièrement, et quelque soit , integrable ou non, il est toujours possible
de trouver des champs de vecteurs f
1
, . . ., f
n1
qui annulent .
Remarquons egalement que d peut toujours sexprimer comme un produit
exterieur de deux 1-formes, quel que soit les proprietes particulières de .
Maintenant, comme d = 0, ceci signie, comme precedemment, que
une de ces deux formes doive etre proportionnelle à , car sinon la condition
dintegrabilite ne serait pas satisfaite.
Ainsi, et sans perte de generalite, nous pouvons assumer
d =
1
(x), (6.72)
o` u (x) est une fonction scalaire arbitraire.
Maintenant, nous savons par construction que la 1-forme annule tout
champ vecteur dans la distribution F = span {f
1
, . . . , f
n1
}. Par consequent,
quel que soit les champs de vecteurs f F et

f F, nous aurons à cause de
(6.72)
d(f,

f) = 0. (6.73)
En utilisant la propriete (6.71), nous avons
d(f,

f) =
1
2
_
L
f
(

f) L
f
(f) [f,

f]
_
=
1
2
[f,

f] = 0.
Par consequent [f,

f] F. Comme le choix de f et

f est arbitraire, la
distribution F est bien involutive, ce qui conclut sur lequivalence des deux
formes du theorème de Frobenius.
7
Commande par linearisation
Le present chapitre aborde les techniques qui ont comme objectif dexploi-
ter la possibilite dutiliser des techniques lineaires pour la synthèse dune loi
de commande en essayant de garantir un ensemble de stabilite le plus grand
possible. Nous ne traiterons que des systèmes comportant une seule entree.
Une manière de proceder est de tranformer, par lentremise dun bouclage,
le système initial en un système equivalent lineaire, ` a partir duquel des tech-
niques de synthèse lineaires peuvent etre appliquees. Le modèle lineaire le
mieux approprie est le système lineaire le plus simple possible, c.-à-d. une
chane dintegrateurs.
Nous distinguons essentiellement deux methodes, celle qui transforme len-
semble de letat initial en une chane dintegrateurs. Cette chane contient alors
autant dintegrateurs que le nombre detats utilises pour decrire le système ori-
ginellement. La seconde consiste à ne transformer quune sous partie associee
à une sortie du système assignee dès le depart. Il faut alors faire attention à ce
que la partie rendue inobservable par le bouclage sur la sortie ne destabilise
pas les etats qui ne sont pas pris en compte par lequivalence avec la chane
dintegrateurs.
Nous traiterons essentiellement du problème de regulation et de la pour-
suite de trajectoire. Ces objectifs peuvent etre denis en fonction du concept
dequation dierentielle derreur. Nous presentons egalement une technique
de commande en boucle ouverte ou commande a priori.
192 7 Commande par linearisation
7.1 Linearisation locale et stabilisation
Soit x = f(x, u) une representation du système non lineaire pour lequel
on aimerait trouver un regulateur garantissant la stabilite et la convergence
rapide vers un point dequilibre desire.
Une première idee consiste à ne retenir que les eets directs de f(x, u) sur
levolution temporel de letat x. Ceci revient à ne retenir que le premier ordre
du developpement de Taylor de la fonction f(x, u).
En eet, lorsque les signaux (grandeurs detat) sont comparables à la valeur
nominale autour de laquelle le developpement de Taylor est aectue (lerreur
est alors petite), les premiers termes dominent les autres, et ils constituent
alors une bonne approximation du système non lineaire.
Cette methode de linearisation est très repandue, car cest sans doute la
methode la plus simple permettant dutiliser un paradigme lineaire pour la
synthèse. En partant du système initial
x = f(x, u),
o` u lon suppose sans perte de generalite que 0 = f(0, 0), une representation
detat dun système lineaire equivalent est calculee :
x = Ax +Bu.
Les matrices A et B sont alors donnee respectivement par
A =
f
x
x=0,u=0
et
B =
f
u
x=0,u=0
.
Ensuite, un regulateur detat u = Kx est elabore qui transforme le
système dynamique initial x = f(x, u) en
x = f(x, Kx) =

f(x) .
Lanalyse du système au premier ordre de la dynamique resultante secrit
x =

f
x
x=0
x =
_
f
x
x=0,u=0
+
f
u
x=0,u=0
du
dx
_
x = (A BK)x
Lorsque la paire A et B est commandable, il est possible dassigner les p oles
du système en boucle fermee de manière arbitraire en utilisant le vecteur de
gains K (en utilisant la formule dAckermann par exemple).
7.1 Linearisation locale et stabilisation 193
En consequence, Q > 0, P > 0 tel que lequation de Lyapunov du
système lineaire transforme soit veriee :
P(A BK) + (A BK)
T
P = Q.
La candidat de Lyapunov V (x) = x
T
Px devient une fontion de Lyapunov
valable localement.
7.1.1 Exemple
Un exemple permettra dillustrer la methode precedente. Il sagit dun
simple robot à un degre de liberte avec un actioneur pour la coordonnee libre.
Ce système est represente à la gure 7.1.
Fig. 7.1. Pendule avec actuateur

Ce système est presque lineaire. Par exemple, il le serait sil etait place à
lhorizontale de telle sorte que laxe de rotation se confonde avec laxe vertical,
supprimant de la sorte laction de la gravite sur le pendule. Par contre, lorsquil
est place verticalement, laxe de rotation devenant un axe horizontal, la gravite
agit sur la barre. Comme le centre de gravite nest pas situe sur laxe de
rotation, un couple en resulte, lorsque la barre quitte la position dalignement
vertical. Linuence de la gravite nest pas homogène avec lecart provoque
par rapport à ce point dequilbre. La dependance fait apparatre une fonction
trigonometrique.
Ce système a fait lobjet dune brève presentation dans le chapitre intro-
ductif o` u il a ete question de la presence de deux points dequilibre isoles. Ce
simple fait, aurait pu nous indiquer la presence de non-linearite. En conclu-
sion, la dependance gravique en raison trigonometrique donne naissance à
des equilibres mulitples comme le calcul le conrme.
Nous commen cerons par etablir les equations du système dynamique puis
nous obtiendront les matrices A et B associees à la linearisation locale, à
partir desquels une synthèse de retour detat sera eectuee.
Formulation des equations dynamiques
Pour formuler les equations dynamiques, il est imperatif de determiner
les coordonnees des centres de masses de tous les corps pouvant se deplacer
par rapport aux autres. Dans cet exemple trivial, seul le centre de masse
de la barre mobile doit etre etudie. Ses coordonnees x
c
et y
c
repondent aux
equations,
x
c
= l
c
cos
y
c
= l
c
sin
La methode de la mecanique analytique lagrangienne est utiilisee pour
etablir les equations. Lenergie cinetique et potentielle secrivent :
E
c
=
1
2
m x
2
c
+
1
2
m y
2
c
=
1
2
ml
2
c
2
E
p
= mgy
c
= mgl
c
sin
En appliquant la methode de Lagrange, le Lagrangien secrit L = E
c
E
p
et la dynamique
d
dt
_
L
= ,
lequation suivante est obtenue :
ml
2
c
+mgl
c
cos = .
Ici, = u joue le role dentree du système. Le problème qui est pose est
alors de stabiliser lensemble, de telle sorte que le pendule fasse un angle
xe. Une representation detat peut etre obtenue en chosissant x
1
= et
x
2
=

:
x
1
= x
2
x
2
=
g
l
c
cos(x
1
+) +
1
ml
2
c
A lequilibre x
1
= 0, =
0
= mgl
c
cos(). En linearisant, la matrice A
est egalement obtenue :
A =
_
0 1
g
lc
sin() 0
_
; B =
_
0
1
ml
2
c
_
7.2 Linearisation exacte 195
La loi de commande comportera alors un terme constant (a priori) an de
maintenir le bras dans sa position dequilibre en labsence de perturbation,
et deux gains constant, un pour chacun des deux etats x
1
et x
2
. On obtient
alors,
=
0
k
1
x
1
k
2
x
2
.
7.2 Linearisation exacte
La methode de linearisation exposee à la section precedente nest valable
que localement. Cest uniquement autour de la valeur nominale, o` u est eectue
le developpement de Taylor de la fonction f(x, u), que lapproximation donne
de bons resultats. Lors de grands ecarts, les termes dordre eleves lemportent
sur les premiers termes du developpement, et lapproximation est alors souvent
inutile.
Neanmoins, il est possible de changer de point nominal du developpement,
an de constituer un nouveau système lineaire local. Avec un peu de chance,
ce nouveau système permet de caractèriser le comportement, mais aucune
garantie nest alors possible.
Il existe toutefois dautres approches pour ameliorer la taille de la validite
de la linearisation. Elles reposent toutes plus ou moins sur lidee de changer
la representation du système initial pour corriger leet nefaste des termes
dordre superieur. Ceci est eectue, soit en les corrigeant directement par la
commande, soit en changeant de coordonnees de telle sorte quils napparaisent
plus dans le developement selon ces nouvelles coordonnees.
La possibilite dimplanter une loi de retroaction arbitraire permet de trans-
former le système initial en un nouveau système avec de meilleures proprietes.
De plus, le choix des coordonnees pour representer letat du système per-
met egalement de simplier les equations. Par exemple, dans le cas purement
geometrique dune sphère, lutilisation de coordonnees spheriques (angles de
latitude de de longitude) est mieux adapte que les coordonnees cartesiennes
tridimensionnelles.
Nous presenteront, sans recours pour linstant aux formules associees, les
concepts qui seront approfondis dans les sections suivantes.
Changement de coordonnees
Dans les ouvrages de mecanique theorique (mecanique analytique par
exemple), lutilisation dun système de coordonnees plut ot quun autre, per-
met de simplier grandement lexpression des equations dynamiques.
Par exemple, dans le formalisme Hamiltonien, les transformations de Le-
gendre (transformation qui implique non seulement les coordonnees, mais
egalement les moments generalises) sont très utiles pour obtenir des constantes
du mouvement, et donc integrer le système mecanique.
Dans notre cas, nous sommes en presence dune representation detat. La
structure des equations ne decoule pas necessairement de lexistence de fonc-
tions particulières comme le lagrangien ou lhamiltonien. Toutefois, un change-
ment detat peut neanmoins etre beneque. Seule la structure mathematique
des equations peut etre exploitee an de trouver de bons choix de coordonnees.
Changement de lentree (retour detat)
Par lentremise dun bouclage supplementaire, denissant une nouvelle
entree, les caracteristiques du systèmes sont modiees.
Pour mieux comprendre le phenomène, il sut de prendre lexemple du
reglage en cascade. Un premier bouclage permet dassurer le suivi dune
consigne pour une grandeur de sortie determinee. Ce bouclage denit complètement
lentree initiale du système à commander. Cependant, si lon interprète la
consigne en question comme une nouvelle entree, le système comporte main-
tenant, à la fois le système initial, mais egalement le bouclage, et le compor-
tement du système est donc bien modie.
Toute la diculte revient à trouver un bouclage adequat qui garantisse les
bonnes proprietes du système transforme.
Linearisation entree-etat
Cest la linearisation de letat dans son ensemble. Cette technique utilise
à la fois un changement de coordonnees et un bouclage.
Linearisation entree-sortie
Contrairement au cas precedent, cette technique ne linearise que le com-
portement entree-sortie. Nous verrons que ceci a comme consequence de ga-
rantir un comportement lineaire dune partie seulement de lespace detat.
Le système devra possèder de bonnes proprietes an que la partie restante de
letat ne devienne pas instable lorsque la linearite est imposee sur la sous-parti
de letat correspondante. Cette technique utilise principalement quun bou-
clage. Cependant le changement de coordonnee est souvent utilise egalement
pour mettre le système sous la forme normale, representant une forme cano-
nique du système.
La linearisation est globale
Cest principalement le gain des methodes qui seront presentees par rap-
port à la technique de la première approximation presentee plus haut.
Nous examinerons essentiellement les systèmes comportant une seule
entree. Les techniques presentees peuvent toutefois etre etendues relativement
facilement au cas dentrees multiples qui ore egalement quelques possibilites
7.3 Equation derreur 197
supplementaires, notamment dans la possibilite dutiliser une extension dy-
namique pour surmonter deventuels bloquages. Le lecteur interesse pourra
consulter les ouvrages cites en reference à la n du Livre pour un traitement
de ces sujets.
Avant de proceder avec lexposition de ces sujets, nous reprenons lexemple
du pendule simple avec un seul actuateur. La representation detat
x
1
= x
2
x
2
=
g
l
c
cos x
1
1
ml
2
c
indique que la première equation est parfaitement lineaire. La second par

contre montre la presence de linuence de la gravite de manières trigo-
nometrique. Par ailleurs, lentree apparat sur cette meme equation.
Ainsi, nous constatons que la representation semble ne pas necessiter de
modication, etant donner quune partie est dej` a sous forme lineaire et que
la partie non lineaire semble pouvoir etre compensee par lentree seulement.
En eet, en choisissant un bouclage adequat, le changement dentree v :
= (x) +(x)v, transforme le système intial en un système lineaire (vu de
la nouvelle entree) equivalent.
= ml
2
c
_
v +
g
l
c
cos x
1
_
,
(x) = mgl
c
cos x
1
, (x) = ml
2
c
on linearise le système : A =
_
0 1
0 0
_
, b =
_
0
1
_
,
x = Ax + bv.
Quoique cet exemple soit simplisite, il illustre parfaitement le gain entre
une approche de type purement locale et une approche de nature globale.
7.3 Equation derreur
La presente section sert ` a introduire le concept fondamental pour la com-
mande par linearisation, que cel` a soit à des ns de stabilisation de point
dequilibre, ou de stabilisation en poursuite ; cest lequation derreur.
La section suivante examine la signication de cette equation dans le
contexte de fonction. Ensuite, le cas des equations dierentielles est considere.
7.3.1 Fonction
Dans le cas de fonctions, il y a evidemment absence de comportement
dynamique.
Obtenir les zeros dune fonction scalaire de R dans R notee f(x) consiste
à rendre nulle lerreur e = f(x) en determinant les valeurs particulières de x.
Lorsque la fonction consideree fait correspondre plusieurs grandeurs sca-
laires distinctes de lensemble de depart, pour fournir plusieurs valeurs sca-
laires distinctes, disons f(x) : R
n
R
m
, trouver des zeros de la fonc-
tion revient à trouver des ensembles de nombres reels x
1
, x
2
, . . ., x
n
qui
annulent simultanement toutes les composantes de la fonction f, disons
f
1
(x
1
, x
2
, . . . , x
n
) = 0, f
2
(x
1
, x
2
, . . . x
n
) = 0, . . ., f
m
(x
1
, x
2
, . . . , x
n
) = 0.
Maintenant, lorsquau lieu de considerer les zeros de la fonction, on ai-
merait forcer la fonction à prendre une valeur particulière, il est possible de
considerer la fonction modiee e =

f f, o` u

f designe la valeur desiree.
On retrouve une equation derreur, et la reponse au problème pose revient a
chercher les valeurs de x qui annulent cette nouvelle equation derreur.
En consequence, chercher les zeros dune fonction ou bien les valeurs de
lensemble de depart qui force la fonction à prendre une valeur particulière
revient en quelque sorte à une t ache analogue. Il sagit de trouver les zeros
dune equation derreur.
7.3.2 Equation dierentielle
Si le comportement dynamique doit etre pris en compte, la fonction f cède
la place à une equation dierentielle
x = f(x, u),
il nest plus possible de forcer instantanement x à zero, lorsque cette variable
est initialement dierente de zero. Le cas le plus elementaire est une equation
lineaire à une seule variable, sans entree. Par exemple, avec x R,
x = 3x. (7.1)
Comme cette equation est depourvue dentree, elle ne peut donc pas etre
inuencee de quelque manière que ce soit. Par contre, on peut facilement
trouver sa solution analytique
x(t) = x
0
e
3t
.
Etant donne que x(t) 0 lorsque t 0, la solution converge asymptotique-
ment vers la valeur nulle desiree. La vitesse de convergence est determinee par
la valeur absolue du nombre devant la variable du temps dans lexponentiel,
c.-à-d. 3.
Dans le cas o` u le signe est change devant ce facteur, de telle sorte que
lequation dierentielle secrive x = 3x, la solution x(t) = x
0
e
3t
diverge. Il ny
a alors pas moyen de changer ce comportement.
Par contre, dès quune entree est à disposition, il est possible de modier
les solutions de lequation dierentielle, en corrigeant la valeur de lentree en
fonction de letat. Par exemple, bien que
x = 3x +u (7.2)
diverge lorsque lentree est forcee à zero,
u = 4x
transforme lequation originale (7.2) en une equation dierentielle conver-
gente, x = x, puisque la solution à cette dernière est x
0
e
t
.
Stabilisation à une valeur constante
Lexemple precedent (7.2) peut etre egalement interprete à laide de la
variable derreur
e = 0 x (7.3)
La variable derreur est ainsi denie an dindiquer que nous voulons for-
cer le système à converger vers la valeur nulle. En dierentiant (7.3), et en
introduisant (7.2), une nouvelle equation dierentielle est obtenue :
e = 3e u. (7.4)
En posant u = +4e, cette equation est transformee en
e = e, (7.5)
qui est egalement une equation dierentielle dont la solution converge expo-
nentiellement vers la valeur nulle desiree.
Il est interessant de noter que, dans ce cas, la manipulation dintroduire la
variable derreur est purement formelle, et ne change pas du tout le resultat
nal, car u = +4e = 4x comme precedemment.
Poursuite
Lavantage dintroduire la variable derreur est la possibilite de traiter, à la
fois la stabilisation vers une valeur constante, et la poursuite dune trajectoire
predenie.
Nous avons vu que, dans le cas de fonctions, il susait de changer la
variable derreur de e = 0 f en e =

f f pour traiter de la meme manière,
la recherche de zeros de la fonction, et celle des valeurs qui forcent la fonction
à prendre une valeur desiree

f.
En quelque sorte, cette technique setend sans diculte au contexte des
equations dierentielles. Il sut de determiner la quantite à ajouter à loppose
de la variable que lon desire commander pour constituer la variable derreur.
Par consequent, nous considerons dabord le problème de specier le com-
portement desire en poursuite.
Specication du comportement desire
Nous avons vu que levolution (solution) de lequation dierentielle peut
etre modiee en changeant convenablement la valeur de lentree.
Il est possible egalement de specier levolution temporelle de la variable
à commander.
Par exemple, si lorigine doit etre atteinte en un temps ni, il est possible de
considerer une evolution sous forme dun polynome de la variable temporelle.
Dans le cas de lequation (7.2) , le transfert de letat initial x
0
à t = 0 vers
lorigine x
T
= 0, en un temps arbitraire T choisi prealablement, en suivant
un segment de droite, est obtenu en posant x
c
(t) = at +b et en determinant
a, b R de telle sorte que la condition intiale x
c
(0) = x
0
et la condition
terminale x
c
(T) = 0 soient satisfaites.
On obtient sans peine x
c
(0) = x
0
= a0 + b = b. De meme, aT + b = 0 =
aT +x
0
, a =
x0
T
; et lon determine le signal de reference, aussi appele signal
de consigne, resultant :
x
c
(t) =
x
0
T
t +x
0
(7.6)
Commande en boucle ouverte
Lorsque les conditions initiales sont parfaitement connues, et en absence de
perturbation (c.-à-d. lorsque, à la fois lequation dierentielle, et la valeur de
letat, demeurent non modiees par des facteurs exterieurs de telle sorte que la
variable à commander suit exactement la solution de lequation dierentielle
de depart), il est possible de determiner lentree u à appliquer pour eectuer
le transfert de x
0
à 0 en un temps arbitraire T (pour autant que le système
soit commandable ; nous examinerons ceci plus en detail ulterieurement).
Dans notre exemple precedent, il sut de remplacer x par x
c
dans
lequation dierentielle de depart (7.2), c.-à-d. x
c
= 4x
c
+ u, de telle sorte
que
x0
T
= 4(
x0
T
t +x
0
) +u, autrement dit
u =
x
0
T
(4t 1) + 4x
0
(7.7)
Ceci signie quil est possible de calculer, a priori, la commande pour
deplacer, en suivant un segment de droite, le système dune valeur initiale
donnee vers une valeur predeterminee desiree, en un temps lui-aussi determine
et arbitrairement court.
Ceci conduit naturellement à obtenir une suite continue de valeurs de
lentree qui garantit la transition.
Il est important dinsister sur la nature de la commande obtenue. Une
fois la decision prise dappliquer la sequence continue mentionnee plus haut,
et donnee par la fonction temporelle (7.7), il ny a plus deet de la sortie
eective du système (la variable x) sur le choix de lentree u. Tout sopère en
quelque sorte en aveugle, et cest seulement après le temps T quune nouvelle
transition, ou correction est possible.
Ainsi, lors dune modication du comportement, comme par exemple une
modication instantanee de la variable x durant linterval ]0; T[, suite à une
perturbation par exemple, il ny a pas moyen, pour le moment, dinstan-
tanement prendre en compte ce phenomène en corrigeant la commande ap-
pliquee au système.
Commande en boucle fermee
Toutefois, il est possible denvisager une methode pour corriger lapparition
de la derive causee par une brusque reinitialisation de la varible x à un instant
inopine et inconnu.
A nouveau, le concept de variable derreur est introduit, toutefois avec
comme dierence essentielle que lerreur est constituee entre la consigne
precedemment obtenue et la variable à commander ; ainsi e = x
c
x.
En derivant cette erreur, et en tenant compte à la fois de la dynamique et
de la consigne, nous obtenons
e = x
c
x = x
c
3x u = x
c
3(x
c
e) u (7.8)
Pour stabiliser lerreur, il faut forcer une equation dierentielle stable. Par
exemple, en choisissant e = e, la commande
u x
c
4(x
c
x)
est obtenue. Une methode systematique pour ce type de synthèse est presentee
dans la prochanine section.
7.3.3 Placement de poles et equation derreur
Lequation dierentielle derreur (7.5) est très simple, etant donne quelle
ne comporte quune seule derivee (1er ordre). Nimporte quel autre nombre
negatif que 1 devant e au membre de droite conduirait à une convergence
asymptotique vers la valeur nulle de la solution. Lorsque lordre de lequation
est superieur à un, les choses ne sont pas aussi simples.
Dans le cas dune equation dierentielle lineaire derreur dordre superieur
à un, lerreur, ainsi quun certains nombre ni des derivees temporelles de cette
erreur, appraissent avec des coecients qui sont determines de telle sorte que
la solution converge exponentiellement vers zero.
Comme lequation est supposee etre lineaire, la solution est une somme de
signaux exponentiels dont les coecients sont choisis en fonction des taux de
decroissance desires.
La methode est la suivante. On choisit un nombre de nombres complexes
(les p oles à placer) correspondant à lordre de lequation dierentielle derreur
que nous voulons constituer, disons m.
On a ainsi s
1
, s
2
, . . ., s
m
les m p oles complexes qui sont alors choisis avec
une partie reelle negative. Plus cette dernière est grande, plus rapide sera la
convergence.
On constitue le polynome en s ayant ces p oles comme zeros, c.-à-d.
E(s) = (s s
1
)(s s
2
) . . . (s s
m
)
= s
m
+a
1
s
m1
+. . . a
m1
s +a
m
En rempla cant la variable s par loperateur de derivation
d
dt
et en appli-
quant loperateur E(
d
dt
) associe au polynome E(s) à la variable temporelle
derreur e(t), on aboutit à lequation dierentielle derreur E(
d
dt
)e(t) = 0,
autrement dit
E(
d
dt
)e(t) = e
(m)
+a
1
e
(m1)
+. . . +a
m2
e +a
m1
e +a
m
e = 0 (7.9)
7.4 Systèmes lineaires SISO
Nous considerons dans cette section le cas de systèmes lineaires ayant une
seule entree. Nous pouvons le representer à laide de la representation detat,
x = Ax +Bu. (7.10)
7.4.1 Sortie speciee
Dans la plupart des cas, letat nest quune representation interne du
système, et la t ache du regulateur est de garantir principalement un com-
portement de sortie.
Bien entendu, il est alors imperatif que les etats internes restent dans des
bornes acceptables an que le dispositif decrit par (7.10) ne court pas de risque
de destruction ou dendomagement.
7.4 Systèmes lineaires SISO 203
Ainsi, en plus des equations (7.10), une sortie
y = Cx (7.11)
est egalement donnee. Nous supposerons, sans perte de generalite, que lentree
u ninuence pas directement la sortie. Ceci etant le cas avec (7.11), le système
(7.10) indique que lentree pourrait inuencer la derivee temporelle de cette
sortie y. En eet,
y = C x = CAx +CBu (7.12)
de telle sorte que si CB = 0, lentree u inuence directement y. Dans le cas
contraire, cette procedure peut etre continuee :
y = CA x = CA
2
x +CABu = CA
2
x
.
.
.
y
(r1)
= CA
r2
x = CA
r1
x +CA
r2
Bu = CA
r1
x
y
(r)
= CA
r1
x = CA
r
x +CA
r1
Bu (7.13)
avec CA
r1
B = 0 et CB = 0, CAB = 0, . . ., CA
r2
B = 0.
Nous pouvons donc assumer, quil existe un nombre entier r = 0,
1 r < n = dim x,
pour lequel y, y, y, . . ., y
(r1)
ne sont pas inuencees par u.
Seul y
(r)
subit linuence directe de lentree u, et nous pouvons donc denir
y
(r)
comme la nouvelle entree
v = y
(r)
= CA
r
x +CA
r1
Bu, (7.14)
à partir de laquelle le bouclage
u =
1
CA
r1
B
(v CA
r
x) , (7.15)
obtenu par simple inversion de lexpression precedente, transforme le système
initial (7.12) en une chane dintegrateurs
y
(r)
= v. (7.16)
En posant
e = y
c
y,
et en constituant une equation derreur dierentielle dordre r conformement
à la section 7.3.3, nous pouvons garantir une stabilite et une convergence du
système (7.16), par le choix des p oles.
Il sut dexprimer v en fonction de lequation dierentielle derreur
resultante :
v = y
(r)
c
+a
1
e
(r1)
+a
2
e
(r2)
+. . . a
r
e (7.17)
= y
(r)
c
+a
1
(y
(r1)
c
y
(r1)
) +a
2
(y
(r2)
c
y
(r2)
) +. . . +a
r
(y
c
y)
= y
(r)
c
+a
1
(y
(r1)
c
CA
r1
x) +a
2
(y
(r2)
c
CA
r2
x) +. . . +a
r
(y
c
Cx)
Quen est-il du système complet ? Cest-à-dire, en considerant (7.12),
(7.15), et (7.17) est-ce que lensemble de tous les etats se comporte-t-il cor-
rectement, à savoir de manière bornee ?
Il sagit donc detudier les etats internes qui napparaissent pas necessairement
dans le comportement de la sortie.
Pour lanalyse qui va suivre, nous allons considerer le cas particulier de
y
c
= 0. Ceci garantit de couvrir tous les cas, etant donne que le principe de
superposition est valable en lineaire. Ainsi, sous cette hypothèse, lorsque la
stabilite interne est demontree pour y
c
= 0, elle lest egalement pour un y
c
quelconque.
La loi de bouclage (7.15) avec (7.17) permet de garantir que y, y, . . ., y
(r)
convergent vers leurs valeurs respectives y
c
, y
c
, . . ., y
(r)
c
, sans erreur. Dans le
cas particulier dune consigne nulle (y
c
= 0), ceci revient à garantir que y et
ses r derivees convergent vers zero, cest-à-dire que la partie de letat associee
converge egalement vers zero. Nous avons
0 =
_
_
_
_
_
_
_
C
CA
CA
2
.
.
.
CA
r1
_
_
_
_
_
_
_
x =
_
_
_
_
_
_
_
y
y
y
.
.
.
y
(r1)
_
_
_
_
_
_
_
= 0. (7.18)
En consequence, après convergence de y, y, . . ., y
(r1)
à zero, x est nul
à un multiple près du noyau de la matrice dobservabilte tronquee (pour ne
retenir que les r premières lignes). Ceci signie que tout vecteur detat dans
lensemble
X = {x |
_
_
_
_
_
_
_
C
CA
CA
2
.
.
.
CA
r1
_
_
_
_
_
_
_
x = 0}
ne pourra pas inuencer la commande v elaboree plus haut, cf. (7.17). En
particulier, si un tel vecteur detat diverge à linni, il ny a aucun moyen pour
que le regulateur precedent ne detecte et ne corrige le comportement (puisque
y et ces derivees ne sont pas aectes). Nous sommes alors en presence dune
instabilite interne. Les etats constituants la trajectoire divergente sont rendus
inobservables par le regulateur propose.
Par consequent, les etats rendus inobservables par le bouclage precedent
ne doivent pas diverger pour que la commande proposee puisse etre applicable.
Pour comprendre ce que cela signie plus concrètement, completons la
matrice dobservabilite tronquee pour constituer une matrice plein rang, c.-à-
d. la matrice
Z =
_
_
_
_
_
_
_
_
_
_
_
_
C
CA
.
.
.
CA
r1
r+1
.
.
.
n
_
_
_
_
_
_
_
_
_
_
_
_
(7.19)
de rang n.
Remarque 7.1. Il est important de noter que les r vecteurs lignes C, CA, . . .,
CA
r1
sont necessairement independants, car autrement lentree ne pourrait
pas apparatre par derivation de la sortie au cours du processus (7.13). En
eet, le fait de retomber dans lespace vectoriel courant (celui engendre par
la sortie et ces derivees jusqu` a lordre en cours) implique que lon ne pourra
plus en sortir. Cest pourquoi il est toujours possible de completer les lignes
à laide des n r nouveaux vecteurs independants
r+1
,
r+2
, . . .,
n
.
En inversant la matrice Z et en calculant ZZ
1
= I, on constate que les
premières r lignes de la matrice Z annulent les nr dernières colonnes de lin-
verse Z
1
. Nous avons donc ainsi une base de X, c.-à-d. une base des vecteurs
x qui ninuencent pas lentree u après bouclage par (7.15). En changeant de
coordonnees par z = Zx, on constate que les premières composantes z
1
= y,
z
2
= y, . . ., z
r
= y
(r1)
sannulent (ainsi que leur derivee) et que les variables
internes sont z
r+1
, z
r+2
, . . ., z
n
.
En prenant la derivee de ces dernières variables, et en utilisant le fait que
v = 0 lorsque y et ces r derivees ont converges, de sorte que
u =
1
CA
r1
B
CA
r
x,
il sensuit que
_
_
_
_
_
z
r+1
z
r+2
.
.
.
z
n
_
_
_
_
_
=
_
_
_
_
_
r+1
r+2
.
.
.
n
_
_
_
_
_
x =
_
_
_
_
_
r+1
r+2
.
.
.
n
_
_
_
_
_
_
A
1
CA
r1
B
BCA
r
_
x
=
_
_
_
_
_
r+1
r+2
.
.
.
n
_
_
_
_
_
_
A
1
CA
r1
B
BCA
r
_
Z
1
_
0
r(nr)
I
(nr)
_
_
_
_
_
_
z
r+1
z
r+2
.
.
.
z
n
_
_
_
_
_
= A
z
_
_
_
_
_
z
r+1
z
r+2
.
.
.
z
n
_
_
_
_
_
. (7.20)
Pour que la loi de commande presentee à ce paragraphe puisse fonctionner
sans endommager le système à commander, il est necessaire et susant que
la dynamique interne (7.20) soit bornee.
Ceci signie deux choses : i) Soit toutes les valeurs propres de la matrice A
z
ont des parties reelles strictement negatives (auquel cas la dynamique interne
sera asymptotiquement stable) ; ou alors ii) les valeurs propres de A
z
nont
pas de partie reelle strictement positive et les blocs de Jordan associes aux
valeurs propres nulles sont separes et de dimension deux au maximum, auquel
cas la dynamique interne est oscillatoire mais bornee.
Exemples
Nous allons considerer un modèle elementaire dune table de positionne-
ment industrielle à une dimension. Lobjet à positionner nest malheureuse-
ment pas rigide ; il possède un mode propre associe à sa exibilite. Ceci rend
la t ache de positionnement plus dicile.
Un moteur fournit un couple pur à un chariot de masse M, qui nest pas
parfait non plus car, à vide, il presente un mode de resonance correspondant à
une exibilite propre modelisee par une masse m
2
et une constante de rigidite
k
2
.
Le chariot supporte un outil qui doit se positionner precisement à sa po-
sition darrivee quel que soit letat initial de la table. Loutil et sa structure
possède une masse m
1
, et il est relie au chariot par une attache qui nest pas
inniment rigide. Elle est modelisee par un ressort pur de constante delasticite
k
1
.
Lenergie cinetique est donnee par
E
cin
=
1
2
m
1
x
2
1
+
1
2
m
2
x
2
2
+
1
2
M x
2
et lenergie potentielle par
E
pot
=
1
2
k
1
(x
1
x)
2
+
1
2
k
2
(x
2
x)
2
Le lagrangien pour ce système est donne par
L = E
cin
E
pot
En calculant les equations dynamiques par
d
dt
_
L
q
_

L
q
= F
q
avec q =
x, x
1
, x
2
et F
x
= , F
x1
= F
x2
= 0, nous obtenons
M x k
1
(x
1
x) k
2
(x
2
x) = (7.21)
m
1
x
1
+k
1
(x
1
x) = 0 (7.22)
m
2
x
2
+k
2
(x
2
x) = 0 (7.23)
Nous allons utiliser la variable x pour designer à la fois le vecteur detat
et la position du chariot x. Le contexte devrait etre susant pour distinguer
ces deux notions. En cas de confusion possible, une precision explicite sera
apportee. Pour simplier quelque peu les developpement nous prendrons un
cas numerique particulier M = 1, k
1
= 2, k
2
= 3, m
1
= 0.5 et m
2
= 0.25.
En choisissant letat x =
_
x x
1
x
2
x x
1
x
2
_
T
, il vient x = Ax+Bu, y = Cx
avec u = et
A =
_
_
_
_
_
_
_
_
0 0 0 1 0 0
0 0 0 0 1 0
0 0 0 0 0 1
5 2 3 0 0 0
4 4 0 0 0 0
12 0 12 0 0 0
_
_
_
_
_
_
_
_
B =
_
_
_
_
_
_
_
_
0
0
0
1
0
0
_
_
_
_
_
_
_
_
C =
_
0 1 0 0 0 0
_
Pour appliquer la methode presentee, il sut de deriver cette sortie jusqu` a
ce que lentree fasse son apparition.
On calcule facilement
CB = 0, CAB = 0, CA
2
B = 0, CA
3
B = 4
de sorte que le système peut etre transforme en une chane de quatre
integrateurs
y
(4)
= v
à laide du bouclage (7.15) qui sexprime comme
u =
1
CA
3
B
(v CA
4
x) = 4(v
_
36 24 12 0 0 0
_
x) (7.24)
La chane dintegrateur se stabilise facilement en constituant lequation
derreur dierentielle dordre quatre. En posant, dune part e = y
c
y, o` u
y
c
est la position x
1
de loutil desiree, et, dautre part, y
c
= y
c
= y
(3)
c
= 0
(consigne constante), le polynome derreur secrit, en choissant les tous les
quatre p oles reels et au meme endroit 2, comme
E(s) = (s + 2)
4
= s
4
+ 8s
3
+ 24s
2
+ 32s + 16,
de telle sorte que lentree de la chane dintegrateurs sexpriment
v = 8(CA
2
x) + 24(CAx) + 32(y
c
Cx).
Pour trouver la dynamique interne, on complète dans un premier temps C,
CA, CA
2
CA
3
par deux vecteurs lignes
5
et
6
an de garantir une matrice
de rang 6. Comme
_
_
_
_
C
CA
CA
2
CA
3
_
_
_
_
=
_
_
_
_
0 1 0 0 0 0
0 0 0 0 1 0
4 4 0 0 0 0
0 0 0 4 4 0,
_
_
_
_
(7.25)
on peut xer
5
=
_
0 0 1 0 0 0
_
6
=
_
0 0 0 0 0 1
_
.
En ne retenant que les deux dernières colonnes de linverse de la matrice
(7.19), on trouve sans diculte la matrice A
z
à laide de (7.20) :
A
z
=
_
6
__
A
1
CA
3
B
CA
4
_
Z
1
_
O
42
I
2
_
=
_
0 1
12 0
_
. (7.26)
Etant donne que les valeurs propres de A
z
sont = 2
3j, c.-à-d. quelles

sont distinctes et à partie reelle nulle, la dynamique associee aux deux etats
internes z
5
=
5
x = x
2
et z
6
=
6
x = x
2
est oscillante et stable, mais pas
asymptotiquement stable. Ainsi, selon les conditions initiales, le système sera
le the atre dun mouvement oscillant qui demeurera indeniment, bien que la
sortie nisse par etre parfaitement regulee.
Pour comprendre de manière imagee ce qui se produit, notons que la
commande choisie garantit le controle de x
1
par construction. Elle garan-
tit egalement le comportement dune combinaison detats supplementaires
determinee par le vecteur CA
2
, à savoir x
1
x. Comme la position x
1
converge,
la position x converge aussi. Ceci signie que les deux masses m
1
et m nissent
par ne plus bouger.
Toutefois, le regulateur laisse un degre de liberte dans le système, au sens
o` u la position x
2
nest pas contrainte puisque cet etat est
5
x. Le regulateur
ne fait que compenser linuence de la masse m
2
sur les deux autres, sans
pour autant eliminer lenergie associee à cette masse.
Cest la commande u qui fournit le couple necessaire pour compenser exac-
tement linuence de la masse m
2
sur le système complet, de telle sorte que
la convergence des deux autres positions x
1
et x nen est pas aectee. (A tra-
vers le terme
1
CA
3
B
CA
4
x = 4
_
36 24 12 0 0 0
_
x dans lexpression (7.24).)
Ainsi, si la masse m
2
ne part pas au repos, la loi de commande implantee ne
changera pas le comportement de la position x
2
. Celle-ci oscillera indeniment,
bien que les deux autres masses nissent par sarreter.
Du point de vue de la sortie speciee, tout se passe très bien etant donne
quelle converge vers le poins desire selon la dynamique imposee. La seule
question est de savoir si loscillation en x
2
est tolerable dun point de vue
pratique. Ceci dependra alors du contexte dans lequel la machine devra operer.
Système lineaire 1
Lexemple precedent a montre que la dynamique interne resultante doit
etre prise au serieux et analysee avec soin. En eet, il se pourrait que les etats
associes nissent par diverger.
Dans le present paragraphe et dans le suivant, deux exemples sont presentes
an de caracteriser quelque peu la propriete responsable de linstabilite de la
dynamique interne. Ils dièrent lun de lautre uniquement par un changement
de signe. De plus, en ne comportant que deux etats, ils sont choisis avec une
structure la plus simple possible.
Soit le premier système donne par les equations
_
x
1
x
2
_
=
_
+x
2
+u
u
_
y = x
1
.
On procède comme precedemment en derivant simplement la sortie jusqu` a
ce que lentree inuence une des derivees. En loccurance, la première derivee
fait apparatre lentree
y = x
2
+u = v.
Le système equivalent est un integrateur unique. Nous choisissons, sans perte
de generalite, le p ole en 1, et ainsi v = y
c
+ (y
c
y), ce qui conduit à
u = x
2
+ y
c
(y y
d
).
Il reste à determiner la dynamique interne et son comportement. Comme
le système est lineaire, y
c
= 0 est considere. Asymptotiquement, y = 0, y = 0,
ce qui conduit à ce que x
1
= 0 et x
1
= x
2
+u = 0. Par consequent,
u = x
2
et la dynamique interne devient
x
2
= x
2
,
qui est asymptotiqement stable puisque sa solution est x
2
= x
20
e
t
.
Système lineaire 2
Le deuxième système dière du premier (7.27) uniquement par le signe
devant x
2
dans la première equation, c.-à-d.
_
x
1
x
2
_
=
_
x
2
+u
u
_
y = x
1
En procedant de manière similaire au cas precedent, y = x
2
+ u, u = x
2
+
y
d
(y y
d
), ce qui engendre
e +e = 0
x
2
x
2
= y
c
e
et la dynamique interne x
2
= x
2
est instable puisque sa solution x
2
= x
20
e
t
diverge à linni.
Comparaison
Les deux precedents exemples permettent delaborer une conjecture sur
la structure de la fonction de transfert G(s) de la representation detat. En
calculant les fonctions de transfert associee
G
1
(s) =
s + 1
s
2
G
2
(s) =
s 1
s
2
,
on constate que le changement de signe sur x
2
de cette representation a in-
uence seulement le numerateur des fonctions de transfert G
1
(s) et G
2
(s).
Cest la position du zero unique qui se situe dans un cas dans le demi plan droit
du plan complexe (dynamique interne instable) et dans le demi-plan gauche
(dynamique interne stable). De plus la dierence de degre du polynome du
denominateur par rapport au polynome du numerateur correspond à la lon-
gueur de la ch aine dintegrateurs entre lentree v et la sortie y.
Dynamique interne et position des zeros
z = Az +bu y = c
T
z
y = c
T
(sI A)
1
bu =
b
0
+b
1
s
a
0
+a
1
s +a
2
s
2
+s
3
u
x
1
=
1
a
0
+a
1
s +a
2
s
2
+s
3
u
x
2
= x
1
x
3
= x
2
d
dt
_
_
x
1
x
2
x
3
_
_
=
_
_
0 1 0
0 0 1
a
0
a
1
a
2
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
0
0
1
_
_
u
y =
_
b
0
b
1
0
_
_
_
x
1
x
2
x
3
_
_
y = b
0
x
2
+b
1
x
3
y = b
0
x
2
+b
1
x
3
= b
0
x
3
+b
1
(a
0
x
1
a
1
x
2
a
2
x
3
+u)
u = (a
0
x
1
+a
1
x
2
+a
2
x
3
b
0
b
1
x
3
) +
1
b
1
(k
1
e k
2
e + y
d
)
0 = e +k
2
e + k
1
e
x
1
= x
2
x
1
=
1
b
1
(y b
0
x
1
)
x
1
+
b0
b1
x
1
=
1
b1
y
y = e +y
d
est borne,
stabilite e
_
b0
b1
_
< 0
Pour que la dynamique interne soit asymtotiquement stable il faut que
tous les zeros soient à partie reelle strictement negative.
7.4.2 Sortie non speciee, formule dAckermann
La presence dune dynamique interne pouvant etre instable est la principale
limite de la technique de derivation successive. De plus, meme lorsque celle-ci
est stable, sa vitesse de convergence ne peut pas etre modiee.
Cette dynamique interne apparat à cause de linuence trop rapide de
lentree sur la sortie, au sens o` u cette entree inuence la derivee dordre r. La
dynamique interne est alors de dimension n r.
On peut alors sinterroger sur la possibilite de choisir une sortie construite
de telle sorte que lentree inuence une derivee superieure à r. Etant donne
que le système est de taille n, la plus haute derivee possible est alors r = n.
Avec un tel choix de sortie, la dynamique interne disparat et le système
devient equivalent à une chane dintegrateurs
v = y
(n)
.
En consequence, la sortie y est parametree par n coecients à determiner,
c
1
, c
2
, . . ., c
n
, c
i
R, i = 1, . . . , n, de telle sorte quen denissant
y = Cx =
_
c
1
c
2
. . . c
n
_
x (7.27)
lequation
C
_
B AB A
2
B . . . A
n2
B
_
= 0 (7.28)
doit etre respectee. Ceci decoule dune application directe du processus (7.13)
de la section precedente particularisee pour r = n. Neanmoins, nous devons
en plus garantir que lentree u aecte bien la n-ième derivee, car sinon il ny
aurait pas moyen de diriger le système. Cest ainsi que
CA
n1
B = 0. (7.29)
An de determiner le vecteur C, formons la matrice de commandabilite
C =
_
B AB A
2
B . . . A
n1
B
_
. (7.30)
Les conditions (7.28) et (7.29) signient quun choix de vecteur C corres-
pond à la dernière ligne de la matrice inverse de C :
C = e
T
n
C
1
, (7.31)
o` u e
T
n
=
_
0 0 . . . 0 1
_
.
Tout autre multiple de C conviendrait egalement parfaitement. Une telle
sortie y = Cx est appelee sortie de Brunovsky dans le cas lineaire ou sortie
plate dans le cas general. Comme C
1
C = I,
CA
n1
B = 1. (7.32)
Pour determiner le bouclage stabilisant, on prend à nouveau une equation
dierentielle ordinaire stable mais cette fois-ci dordre n,
E(s) = s
n
+a
1
s
n1
+. . . +a
n
dont tous les zeros sont à partie reelle negative. Conformement au developpement
precedent, ceci conduit au bouclage
u =
1
CA
n1
B
(v CA
n
x) (7.33)
v = y
t
c
+
n
i=1
a
i
(y
(ni)
c
CA
ni
x) (7.34)
constitue par (7.15), (7.17) et particularise pour r = n. En remarquant que
E(s) = s
n
+
n
i=1
a
i
s
n1
est le polynome caracteristique desire de la boucle
fermee, les deux equations (7.33) et (7.34) nen forme quune qui nest rien
dautre que la formule dAckermann lorsquon prend en compte (7.32) :
u = e
n
C
1
E(A)x. (7.35)
(Nous avons pris pour simplier y
c
= 0, . . . y
c
= . . . , = y
n
c
= 0, à nouveau sans
perte de generalite.)
Finalement, la seule condition pour que cette construction soit valable est
que le système soit commandable, cest-à-dire que la matrice matrice C soit
inversible. La dynamique interne est absente et tout letat est sous controle.
La sortie y = Cx ainsi que ses derivees convergent vers les valeurs de reference
correspondantes.
Exemple
Nous reprenons lexemple de la table rudimentaire. En elaborant la matrice
de commandabilite
C =
_
_
_
_
_
_
_
_
0 1 0 5 0 73
0 0 0 4 0 36
0 0 0 12 0 204
1 0 5 0 73 0
0 0 4 0 36 0
0 0 12 0 204 0
_
_
_
_
_
_
_
_
(7.36)
et en ne retenant que la dernière ligne de linverse de celle-ci, la sortie de
Brunovsky est obtenue
y = e
T
n
C
1
=
_
0
1
32

1
96
0 0 0
_
. (7.37)
Bien que la sortie dont le comportement desire est la position x
1
, com-
mander directement celle-ci par la methode des derivees successives conduit
à une dynamique oscillante interne.
Par contre, en choisissant une combinaison entre x
1
et x
2
conformement à
(7.37), il est alors possible de complètement saranchir de la presence dune
dynamique interne. Le prix est la necessite de mesurer cette position.
Toutefois, meme lorsque la position donnee par (7.37) nest pas mesurable,
le fait que cette combinaison retarde lapparition de lentree susament pour
que tous les etats soient sous linuence de la trajectoire de cette sortie, il
est possible dutiliser cette combinaison detat pour planier le mouvement et
trouver une commande a priori permettant de transferer le système dun etat
initial vers un etat terminal. Cette technique sera presentee dans le contexte
non lineaire dici peu, car les deux techniques que lon vient de presenter
admettent une generalisation.
7.5 Linearisation entree-sortie
La generalisation de la derivation de la sortie speciee au cas non lineaire
est ce que nous appelerons la linearisation entree-sortie. Nous commencerons
par un exemple introductif.
x
1
= sin x
2
+ (x
2
+ 1)x
3
x
2
= x
5
1
+x
3
x
3
= x
2
1
+u
y = x
1
La sortie etant speciee, nous allons simplement la deriver successivement
jusqu` a lapparition de lentree u. Ceci engendre
y = x
1
= sin x
2
+ (x
2
+ 1)x
3
y = cos x
2
x
2
+ x
2
x
3
+ (x
2
+ 1) x
3
= (cos x
2
+x
3
)(x
5
1
+x
3
) + (x
2
+ 1)(x
2
1
+u)
Ainsi, lapparition de lentree après la deuxième derivation arrete le processus.
Cette entree permet neanmoins dimposer y, variable que lon peut considerer
comme une nouvelle entree v.
v = (cos x
2
+x
3
)(x
5
1
+x
3
) + (x
2
+ 1)(x
2
1
+u) (7.38)
Il faut toutefois etre prudent et garantir que lon peut eectivement modier
v = y en manipulant u. En resolvant (7.38) pour u, un denominateur x
2
+ 1
fait son apparition :
7.5 Linearisation entree-sortie 215
u =
1
(x
2
+ 1)
_
v (cos x
2
+x
3
)(x
5
1
+x
3
)
_
x
2
1
(7.39)
Par consequent, limposition de y nest possible que lorsque x
2
= 1.
Il est egalement possible de suivre une trajectoire de sortie y
d
(t) à condition
de constituer lerreur e(t) = y
d
(t)y(t) et de former une equation dierentielle
derreur stable du second ordre. Une fois cette equation determinee, il sut
de la resoudre pour y = v et forcer cette acceleration par lintermediaire de u
donne par (7.39).
Par exemple, lequation derreur
e +k
1
e +k
2
= 0 e = y
d
y
avec k
1
et k
2
choisit de telle sorte que les deux racines du polynome ca-
racteristique s
2
+ k
1
s + k
2
= 0 aient chacune une valeur reelle strictement
negative conduit entrane une poursuite asymptotique de la sortie par lentre-
mise de
v = y
d
+k
1
( y
d
y) +k
2
(y
d
y).
Cependant, il faut egalement preter attention aux etats caches par la dy-
namique entree-sortie. Seul deux combinaisons des etats sont reellement sous
controle, à savoir celle de la sortie y et celle de la derivee de la sortie y.
Le système comporte trois etats, et seul deux combinaison sont linearisees.
Il demeure un etat cache, masque, rendu inobservable par la relation entree
sortie imposee pour lineariser le comportement de sortie.
Pour obtenir letat cache, il sut de considerer les deux combinaisons
commandees y = x
1
et y = sin x
2
+ (x
2
+ 1)x
3
= x
1
.
Asymptotiquement, y convergera vers y
d
et par consequent x
1
y
d
. Letat
x
1
est sous controle.
La deuxième condition y y
d
indique que la combinaison de deux etats
x
2
et x
3
est sous controle. Ainsi, en envisageant soit letude du comportement
de x
2
, ou celui de x
3
, levolution cachee du système sera alors determinee.
Par exemple, en considerant x
2
, la deuxième equation de la dynamique
donne
x
2
= x
5
1
+x
3
. (7.40)
En ne considerant que le comportement asymptotique, il est possible de
remplacer dans lequation (7.40), x
1
par y
d
(t), et determiner x
3
à partir de
y
d
(t) = sin(x
2
) + (x
2
+ 1)x
3
:
x
2
= y
5
d
+
1
x
2
+ 1
( y
d
sin x
2
) . (7.41)
Cette equation dierentielle est du premier ordre en x
2
.
Si elle est instable, la loi de commande de linearisation entree-sortie ne
pourra pas etre appliquee sur le système initial.
Si elle est stable, il nest pas cependant complètement garantit que la loi
de commande fonctionne. En eet, non seulement la variable x
2
ne doit pas
passer par 1, mais il faut egalement que le transitoire des etats x
1
et x
3
nen-
trane pas une instabilite sur x
2
. Lequation dierentielle (7.41) nest valable
que lorsque x
1
= y
d
et sin(x
2
) +(x
2
+1)x
3
= y
d
et ces egalites nont lieu que
de fa con asymptotique. Entre les deux, il est possible que des phenomène din-
stabilite en temps ni fasse leur apparition. Ceux-ci sont causes pas des ecarts
importants par rapport au comportement asymptotique. Nous presenterons
ce phenomène au debut du chapitre suivant.
Neanmoins, la stabilite de lequation dierentielle (7.41) garantit que loca-
lement autour du comportement asymptotique, la loi de linearisation entree-
sortie est applicable.
7.6 Linearisation exacte entree-etat
A la dierence de la linearisation entree-sortie, il y a dans le present cas
absence dune sortie speciee initialement.
En fait, toute la methode revient simplement à trouver une sortie par-
ticulière (appelee sortie plate ou sortie linearisante) qui retarde susament
lapparition de lentree par derivation successive. Ainsi, la dynamique interne
disparat après transformation en une chane dintegrateurs associee.
Supposons donc la sortie
y = h(x)
comme inconnue, et derivons celle-ci par rapport au temps
y =
h
x
x =
h
x
(f(x) +g(x)u) =
h
x
f(x) +
h
x
g(x)u (7.42)
Lequation (7.42) nous apprend quil y aura presence de linuence de lentree
u lorsque
h
x
g(x) = 0.
En utilisant le notion de derivee de Lie presentee dans le chapitre geometrie,
on peut ecrire plus succintement la derivee temporelle de la sortie comme
y = L
f
h(x) +L
g
h(x)u (7.43)
et la condition que lentree ninuence pas celle-ci est que
L
g
h(x) = 0. (7.44)
Si cette condition est satifaite, on peut continuer le processus de derivation,
exactement comme dans le cas de la linearisation entree-sortie. On obtient la
seconde derivee
7.6 Linearisation exacte entree-etat 217
y =
L
f
h(x)
x
x =
L
f
h(x)
x
(f(x) +g(x)u)
= L
f
L
f
h(x) +L
g
L
f
h(x)u, (7.45)
et ainsi lentree u inuencera la seconde derivee que lorsque L
g
L
f
h(x) = 0.
7.6.1 Conditions pour la sortie plate
Si lon veut reduire la dynamique interne de telle sorte que celle-ci dispa-
raisse, il est necessaire et susant que lentree napparaisse quau dernier mo-
ment, c.-à-d. après un grand nombre de derivees de celle-ci. Pour un système
mono-entree de dimension detat egal à n, nous avons donc les conditions
suivantes :
L
g
h(x) = 0 (7.46)
L
g
L
f
h(x) = 0 (7.47)
.
.
.
.
.
.
L
g
L
n2
f
h(x) = 0 (7.48)
L
g
L
n1
f
h(x) = 0 (7.49)
Remarquons que la dernière condition L
g
L
n1
f
h(x) = 0 est indispensable
pour que lon puisse trouver une expression de lentree an de controler la
chane dintegrateurs que constitue y et ces n1 derivees. En eet, la dernière
derivee sexprime comme
y
(n)
= L
(n)
f
h(x) +L
g
L
(n1)
f
h(x)u = v (7.50)
que nous avons egaler à une nouvelle entree v correspondant à lentree de la
chane de n integrateurs y
(n)
= v.
Comme dans le cas de la linearisation entree sortie, le controleur est com-
plet lorsquune equation derreur dordre n est speciee à partir de laquelle
lexpression de v est exprimee. Finalement, lentree du système dorgine sex-
prime comme
u =
1
L
g
L
(n1)
f
h(x)
_
v L
(n)
f
h(x))
_
,
o` u v stabilise la chane dintegrateurs en utilisant lequation derreur.
Bien que les conditions (7.46-7.48) soient les seules que doivent satisfaire
la fonction h(x), il nest pas aise de trouver des conditions necessaires et
susantes pour lexistence de celle-ci. Nous allons reformuler ces conditions
an quune interpretation geometrique puisse en decouler.
Dans la partie geometrique, il a ete question de champs de vecteur. Ceux-ci
correspondaient à la donnee dun vecteur en chacun des points de la variete.
Il existe une operation très utile entre deux champs de vecteurs produisant un
nouveau champ de vecteurs. Cette operation rend possible la reformulation
plus geometrique de la condition de linearisation exacte entree-etat. Il sagit
du crochet de Lie entre deux champs de vecteurs.
Denition 7.2. Le crochet de Lie de deux champs de vecteurs f et g corres-
pond ` a un nouveau champ de vecteurs note [f, g] et donne par
[f, g] =
g
x
f
f
x
g,
o` u
g
x
et
f
x
sont des matrices Jacobiennes.
Une propriete interessante de la derivee de Lie le long du crochet de Lie
est quelle puisse sexprimer à partir des derivees de Lie des vecteurs avant le
crochet. Plus precisement.
Proposition 7.3.
L
[f,g]
h(x) = L
f
L
g
h(x) L
g
L
f
h(x) (7.51)
Preuve. Le membre de gauche sobtient par application de la denition de la
derivee de Lie en considerant le champ de vecteur [f, g] =
g
x
f
f
x
g :
L
[f,g]
h(x) =
h
x
g
x
f
h
x
f
x
g (7.52)
Le membre de droite est un peu plus complique, car chaque terme fait
apparatre une forme quadratique. Nous avons dune part
L
f
L
g
h(x) = L
f
(
h
x
g) = g
T

2
h
x
2
f +
h
x
g
x
f, (7.53)
et dautre part,
L
g
L
f
h(x) = L
g
(
h
x
f) = f
T

2
h
x
2
g +
h
x
f
x
g, (7.54)
de telle sorte quen faisant la soustraction de (7.53) et (7.54) et en tenant
compte de (7.52), nous obtenons bien (7.51) puisque les termes quadratiques
(etant identiques) sannulent.
En revenant aux conditions (7.46-7.48), nous remarquons que nous pou-
vons ajouter à la deuxième, L
g
L
f
h(x), nimporte quel multiple de la première,
L
g
h(x), puisque cette dernière est nulle. En outre, ceci signie quil est pos-
sible dajouter L
f
L
g
h(x) puisque cette expression est nulle egalement, suite à
L
g
h(x) = 0. Ainsi,
L
g
L
f
h(x) = L
g
L
f
h(x) L
f
L
g
h(x) = L
[f,g]
h(x) =
h
x
[f, g] = 0. (7.55)
En suivant un raisonnement similaire, lidentite
h
x
[f, [f, g]] = 0 (7.56)
est obtenue. Cette idee se generalise, conduisant à la transformation du
système (7.46-7.48) en un système equivalent
h
x
_
g [f, g] [f, [f, g]] . . . ad
n2
f
g
_
= 0 (7.57)
Lequation (7.57) entre la 1-forme
h
x
et les champs de vecteurs signie
deux choses :
Premièrement, la construction dun vecteur ligne
h
x
est relativement aise
car la matrice
_
g [f, g] [f, [f, g]] . . . ad
n2
f
g
_
se calcule de manière systèmatique
en utilisant le crochet de Lie.
Deuxièmement, la possibilite de remonter à partir du vecteur ligne
h
x
vers
la fonction h(x) est conditionne par la nature des champs de vecteurs g, [f, g],
ad
2
f
g, . . ., ad
n2
f
g. La condition est alors celle du theorème de Frobenius qui
conclut que h(x) existe si, et seulement si, la distribution engendree par ces
champs de vecteurs est involutive.
On aboutit ainsi au theorème important de ce chapitre
Theorème 7.4. Un système avec une seule entree
x = f(x) +g(x)u
est linearisable entree-etat si, et seulement si, la distribution engendree par
g, ad
f
g, . . ., ad
n1
f
g est de plein rang et que celle engendree par g, ad
f
g, . . .,
ad
n2
f
g est involutive.
Preuve. La seconde condition permet la construction de la sortie y = h(x),
comme explique precedemment. La première condition garantit quaprès la
n ème derivee de la sortie, lentree u inuence cette derivee. Le bouclage
linearisant sobtient, comme dans le cas de la linearisation entree-sortie, en
considerant la sortie nouvellement construite y = h(x), et en la derivant n
fois jusqu` a ce que lentree apparaisse. En posant y
(n)
= v et en traitant v
comme la nouvelle entree, lexpression de u en fonction de v est obtenue et
le système est transforme en une chane de n integrateur qui represente le
système lineaire equivalent.
Pour aboutir à un schema de commande complet, Il faut encore stabiliser
la chane dintegrateurs y
(n)
= v à laide de lentree v. Pour se faire, il est
possible de constituer une equation derreur appropriee, comme dans le cas
de la linearisation entree-sortie.
Il y a essentiellement deux fa cons de verier linvolutivite des champs de
vecteurs susmentionnes, et chacune repose sur lune ou lautre des versions du
theorème de Frobenius.
La première consiste à verier lannulation des determinants
det
_
g [f, g] . . . ad
n2
f
g [g, [f, g]]
_
= 0
det
_
g [f, g] . . . ad
n2
f
g [g, ad
2
f
g]
_
= 0
.
.
.
det
_
g [f, g] . . . ad
n2
f
g [[f, g], ad
2
f
g]
_
= 0
det
_
g [f, g] . . . ad
n2
f
g [[f, g], ad
3
f
g]
_
= 0
.
.
.
det
_
g [f, g] . . . ad
n2
f
g [ad
n1
f
g, ad
n2
f
g]]
_
= 0,
(7.58)
La seconde revient à calculer, à laide dun algorithme du type elimination
de Gauss, lannulateur de la distribution, c.-à-d. tel que
_
g [f, g] [f, [f, g]] . . . ad
n2
f
g
_
= 0. (7.59)
Notons que lutilisation de lalgorithme delimination ne garantit pas de
tomber sur une 1-forme exacte
h
x
mais sur une certaine 1-forme qui annule
lensemble des champs de vecteurs mentionnes. Si la distribution est involutive
alors la 1-forme doit etre integrable et doit donc satisfaire la condition
d = 0.
7.6.2 Exemple : Robot avec joint exible
Il sagit dun robot dont laxe prinicipal est muni dun moteur permettant
de fournir un couple à un axe de transmission qui le transmet au pendule
constituant la partie mobile principale du robot. Cette transmission nest pas
rigide, mais elle est modelisee par un ressort de torsion de constante de rigidite
k. La variable
2
designe la position angulaire du moteur et la variable
1
represente la position angulaire du pendule. La gure 7.2 illustre le dispositif.
Lenergie cinetique contient deux termes, celui du moteur et celui du pen-
dule. Lenergie potentielle contient un terme denergie potentielle gravique
du au centre de masse du pendule et un terme denergie potentielle elastique
contenu dans la transmission exible.
1
k
2
Fig. 7.2. Robot avec joint exible.
E
c
=
1
2
I
1

2
1
+
1
2
I
2

2
2
E
p
=
1
2
k(
2
1
)
2
+mgl sin
1
Ainsi le lagrangien secrit
L = E
c
E
p
En choisissant les coordonnees generalisee comme
1
et
2
, on obtient deux
equations du second ordre
d
dt
_
L
1
_
1
=
d
dt
_
L
2
_
2
= 0
à partir desquelles, en introduisant les variables detat x
1
=
1
, x
2
=

1
,
x
3
=
2
, x
4
=

2
, il est possible dobtenir la representation non lineaire
x
1
= x
2
x
2
= a cos x
1
b(x
1
x
3
)
x
3
= x
4
x
4
= c(x
1
x
3
) +du,
avec a =
1
I1
mgl, b = k/I
1
, c = k/I
2
et d = 1/I
2
.
La première chose à trouver est lexpression des champs de vecteurs f et
g. En considerant les equations precedentes, on obtient facilement
f(x) =
_
_
_
_
x
2
a cos x
1
b(x
1
x
3
)
x
4
c(x
1
x
3
)
_
_
_
_
g(x) =
_
_
_
_
0
0
0
d
_
_
_
_
Ensuite, on construit g, [f, g] et [f, [f, g]] = ad
2
f
g et [f, [f, [f, g]]] = ad
3
f
g.
f
x
=
_
_
_
_
0 1 0 0
a sinx
1
b 0 b 0
0 0 0 1
c 0 c 0
_
_
_
_
[f, g] =
g
x
f
f
x
g =
_
_
_
_
0 1 0 0
a sinx
1
b 0 b 0
0 0 0 1
c 0 c 0
_
_
_
_
_
_
_
_
0
0
0
d
_
_
_
_
=
_
_
_
_
0
0
d
0
_
_
_
_
[f, [f, g]] =
_
_
_
_
0 1 0 0
a sinx
1
b 0 b 0
0 0 0 1
c 0 c 0
_
_
_
_
_
_
_
_
0
0
d
0
_
_
_
_
=
_
_
_
_
0
bd
0
bd
_
_
_
_
[f, [f, [f, g]]] =
_
_
_
_
0 1 0 0
a sinx
1
b 0 b 0
0 0 0 1
c 0 c 0
_
_
_
_
_
_
_
_
0
bd
0
bd
_
_
_
_
=
_
_
_
_
bd
0
bd
0
_
_
_
_
De telle sorte que lon obtient nalement,
_
g [f, g] ad
2
f
g ad
3
f
g
_
=
_
_
_
_
0 0 0 bd
0 0 bd 0
d 0 0 cd
d 0 0 0
_
_
_
_
(7.60)
Cet ensemble de champ de vecteurs doit etre plein rang au point autour du-
quel on aimerait lineariser. En fait, il est important dinsister sur la dierence
entre la linearisation locale en un point et la linearisation que nous faisons
ici, egalement en tenant compte du point autour duquel cette linearisation
est eectuee. On entend par global le fait de tenir compte de toutes les non-
linearites, le fait de trouver une domaine le plus grand possible dans lequel
toutes les non-linearites puissent etre compensees. Ce domaine possède un
centre o` u lon evalue les champs de vecteurs. Dans le present cas, le fait que
les champs de vecteurs apparaissant dans (7.60) ne dependent pas de letat x
implique que le rang est constant dans tout lespace detat. Celui-ci est de 4
et signie que la première condition de la linearisation est satisfaite.
La seconde condition consiste en la verication de linvolutivite des champs
de vecteurs
{g, ad
f
g, ad
2
f
g}.
Etant donne que tous les vecteurs susmentionnes sont constants, tout cro-
chet de Lie entre ces vecteurs constants sont nuls, et la famille est bien invo-
lutive.
Lautre approche du theorème de Frobenius consiste à calculer la 1-forme
telle que
{g, ad
f
g, ad
2
f
g} = 0
On constate facilement que
=
_
1 0 0 0
_
est une solution qui est trivialement integrable puisquelle conduit à
h(x) = x
1
.
Ainsi y = x
1
est la sortie linearisante. En consequence, le changement de
coordonnees,
1
(x) = x
1
2
(x) = x
2
3
(x) = a cos x
1
b(x
1
x
3
)
4
(x) = ax
2
sin x
1
b(x
2
x
4
)
transforme les equations detat dans la forme,
z
1
= z
2
z
2
= z
3
z
3
= z
4
z
4
= (a sinz
1
+ b +c)z
3
a(z
2
2
c) cos z
1
+bdu
En posant z
4
= v, on aboutit au bouclage linearisant transformant le
robot en une chane de quatre integrateurs. Nous laissons le soin au lecteur de
constituer lequation derreur pour une telle chane dintegrateurs et dobtenir
une expression pour la nouvelle entree v. Ceci conduit alors à un schema
complet de commande fonde sur la linearisation complète du système valable
globalement dans tout lespace detat.
7.6.3 Exemple : Bille roulant sur une barre
Une bille de rayon et de masse m roule sans glisser sur un barreau. Le
barreau comporte un axe en son milieu, perpendiculaire au deplacement de
la bille. Il peut donc sincliner dun angle permettant ainsi à la bille de
rouler sous leet de la gravite. Un moteur fournit un couple an dincliner
le barreau. Il ny a pas de frottement sur la bille (gure 7.3).
r
g
Fig. 7.3. Une bille roule sans glisser sur une barre sous leet de la gravite. La barre
est inclinee dun angle par lentremise dun couple . La position de la bille est
determinee par la distance r quelle parcourt le long de la barre.
Le centre de masse de la bille est designe par x et y. Il y a deux eets
inertiels dans ce système, à savoir la bille elle-meme et la barre. Remarquons
que le bille roule de telle sorte que son moment cinetique est toujours colineaire
à laxe de rotation. Il ny a donc pas de couple gyroscopique provoque par la
rotation de la bille. La contrainte de roulement sans glissement entrane la
bille à se comporter comme une simple masse en translation avec cependant
une masse legèrement plus lourde due à linertie de rotation de la bille.
et r sont choisis comme coordonnees generalisees. Langle de rotation de
la bille autour de son axe est donne par
r
. La position du centre de masse de

la bille par x = r cos et y = r sin.
Lenergie cinetique comporte trois termes, celle de translation de la bille,
celle de rotation de la bille, et enn celle de rotation de la barre. En designant
par

I, linertie de la bille autour de son centre de masse, et par I, linertie de
la barre autour de son axe de rotation, lenergie cinetique secrit
E
cin
=
1
2
m
_
x
2
+ y
2
_
+
1
2
I
_
r
_
2
+
1
2
I

2
=
1
2
(m+
1
2
2
I) r
2
+
1
2
(I +mr
2
)

2
(7.61)
et lenergie potentielle
E
pot
= mgy = mgr sin . (7.62)
En consequence, le lagrangien
L = E
cin
E
pot
(7.63)
entrane, après application de la methode de Lagrange, deux equations dierentielles
du second ordre couplees
d
dt
_
L
r
_
L
r
= 0
d
dt
_
L
= .
(7.64)
En eet, une seule force generalisee F
est non nulle et correspond au couple

impose à la barre. Les deux equations precedentes secrivent explicitement
sous la forme
_
m+
2
_
r mr
2
+mg sin = 0
(I +mr
2
)
+mr(2
r +g cos ) = .
Lintroduction des variables detats x
1
= r, x
2
= r, x
3
= et x
4
=

, conduit
alors au modèle
x
1
= x
2
(7.65)
x
2
= ax
1
x
2
4
b sinx
3
(7.66)
x
3
= x
4
(7.67)
x
4
= u (7.68)
o` u a = m
2
/(m
2
+

I) > 0, b = m
2
g/(m
2
+

I) > 0 et
u =
2mx
1
x
2
x
4
I +mx
2
1
mgx
1
cos x
3
I +mx
2
1
+

I +mx
2
1
. (7.69)
Cette dernière equation (7.69) donne un bouclage preliminaire après resolution
de en fonction de u, rendant ainsi possible lutilisation de u comme entree
dans (7.68) au lieu de . Ce bouclage est toujours regulier etant donne que le
denominateur I +mx
2
1
ne sannule jamais.
Pour construire une sortie linearisante h(x), les champs de vecteurs
f(x) =
_
x
2
ax
1
x
2
4
b sinx
3
x
4
0
_
T
g(x) =
_
0 0 0 1
_
T
, (7.70)
obtenus par inspection en se referant à (7.65-7.68), conduisent à
[f, g](x) =
_
0 2ax
1
x
4
1 0
_
T
[f, [f, g]](x) =
_
2ax
1
x
4
2ax
2
x
4
b cos x
3
0 0
_
T
. (7.71)
Malheureusement,
[g, [f, g]] =
_
0 2ax
1
0 0
_
T
,
ce qui signie que la deuxième condition pour la linearisation exacte nest
pas satisfaite car [g, [f, g]] span {g.[f, g], [f, [f, g]]}; la famille nest donc pas
involutive. En eet,
det
_
g [f, g] [f, [f, g]] [g, [f, g]]
_
= 4a
2
x
2
1
x
4
est non nul dès que la bille quitte le point central r = 0.
On peut alors sinterroger sur la structure de la 1-forme qui annule
_
g [f, g] [f, [f, g]]
_
. Comme
_
2ax
2
x
4
b cos x
3
2ax
1
x
4
4a
2
x
2
1
x
2
4
0
_ _
g [f, g] [f, [f, g]]
_
= 0,
la 1-forme secrit
= (2ax
2
x
4
b cos x
3
)dx
1
(2ax
1
x
4
)dx
2
+ (4a
2
x
2
1
x
2
4
)dx
3
,
et elle ne provient pas dune fonction de letat h(x), principalement parce-
quil nest pas possible de se debarasser du coecient x
4
en multipliant
par une fonction ( na pas de coecient non nul devant dx
4
). En eet, d
comporte un mon ome exterieur avec un facteur dx
4
(non nul) alors que en
est depourvu, de telle sorte que d = 0.
7.7 Commande dune chane dintegrateurs
Les techniques presentees dans ce chapitre ont toutes pour but de trans-
former (ou detablir une correspondance) entre le système ecrit dans les coor-
donnees dorigine, en une chane dintegrateurs. Cette chane doit alors etre
commandee.
En consequence nous avons comme système
y
(r)
= v,
avec y, v R des grandeurs scalaires. Lobjectif est de choisir une succes-
sion de valeurs temporelles de v pour atteindre un objectif desire.
7.7 Commande dune chane dintegrateurs 227
Nous considerons essentiellement deux techniques. La première est une
technique de regulation permettant de garantir la stabilite globale de lorigine,
et la poursuite dune reference donnee. Toutefois, elle necessite la mesure de
la sortie y et de ces r 1 derivees temporelle. La seconde, est une technique
de commande en boucle ouverte (a priori) permettant de faire transiter letat
du système dune valeur donnee correspondant à une valeur initiale de y et
de ces derivees, vers une valeur nale, en un temps ni. Elle ne necessite que
la connaissance des conditions initiales.
Une fois lexpression de lentree de la chane dintegrateur ramenee à
celle de lentree du système dorigine par les calculs exposes aux sections
precedentes, nous avons une technique complète de regulation des r etats as-
socies à la sortie y et ses derivees.
7.7.1 Stabilisation et poursuite
Dans le cas o` u toutes les derivees de y sont mesurees, nous pouvons forcer
y à converger vers zero en utilisant une equation derreur. En posant
e = y
c
y
et en choisissant r p oles (valeurs propres)
1
,
2
, . . .
r
à valeur propre reelle
plus petite que zero, lequation derreur dierentielle est constituee, dabord
avec loperateur de dierentiation symbolique s : :
(s +
1
)(s +
2
) . . . (s +
r
) = s
r
+a
1
s
r1
+ . . . +a
n1
s +a
n
(7.72)
Ensuite, en eectuant les derivations correpondant à loperateur s, on obtient
lequation dierentielle associee
e
(r)
+a
1
e
(r1)
+. . . +a
n1
e +a
n
e = 0.
Finalement, on remplace la plus haute derivee e
r
par v y
(r)
c
et on trouve
lexpression de lentree v stabilisante par simple resolution de lequation ob-
tenue.
7.7.2 Transit en temps ni avec commande a priori
Lobjectif est de determiner une loi de commande a priori permettant
de transferer letat de la chane dintegrateur, initialement en y(0), y(0), . . .
y
(r)
(0) vers un nouvel etat y(T), y(T), . . . y
(r)
(T), en un temps ni T.
En pratique, letat initial est donne sous la forme x(0) et letat terminal
sous la forme x(T) (ou une sous-partie de ces etats). Dans chacun des cas,
ces valeurs correspondent à des etats de la chane dintegrateur associes à la
sortie y et ces derivees. Ainsi, les valeurs dinterpolation sont speciees par
des valeurs dans les coordonnees de depart.
An dobtenir la commande mentionnee, il sut de choisir un polynome
dinterpolation dordre susamment eleve pour representer la trajectoire de
la sortie y. Lordre eleve permet alors de representer levolution de lensemble
des r derivees de la sorties depuis linstant initial 0 et linstant nal T. Il est
necessaire de choisir un ordre 2r an de pouvoir specier à la fois les conditions
initiales et terminales.
Le polynome secrit sous la forme
y
c
(t) =
2r1
i=0
p
i
t
i
o` u les coecients p
i
R sont choisis an de satisfaire le système dequations
y
c
(0) = y(0) y
c
(T) = y(T)
y
c
(0) = y(0) y
c
(T) = y(T)
.
.
.
y
(r)
c
(T) = y
(T)
y
(r)
c
(T) = y
(r)
(T).
Une fois ce polynome choisit, il sut de deriver celui-ci r fois et dappliquer
lentree
v = y
(r)
c
(t) 0 t T
à la chane dintegrateurs.
La technique presentee ne necessite pas de mesure durant la transition.
Seules les conditions initiales (ou une sous partie) est necessaire.
Linconvenient est lie à toute commande en boucle ouverte, au sens o` u
si le modèle nadhère pas exactement à la realite, une derive par rapport au
comportement desire durant et après la transition peut alors etre observe. Il
ny a pas de mecanisme de compensation prenant en compte une eventuelle
erreur entre le comportement desire et celui reellement observe.
Paradoxalement, cet inconvenient peut egalement devenir un avantage
lorsque le système est soumis à une classe de perturbation de ces paramètres
entre le modèle de representation utilise pour la commande et celui du système
à commander. Par exemple, un frottement visqueux surmodelise peut etre
compense par retour entranant la presence dune boucle à retro-action posi-
tive. Ceci est illustre dans lexercice 7.3.
Exercices
7.1. Bille sur la barre : linearisation entree-sortie. En considerant le
modèle dynamique (7.65-7.68) de la bille qui roule sur la barre :
dynamique ! interne dynamique ! zeros
(i) Deriver la sortie y = r = x
1
jusqu` a ce que lentree u apparaisse. On
suppose que les conditions initiales sont telles que x
1
(0) = 0 et x
4
(0) = 0.
(ii) Calculer la dynamique interne lorsque la position de la bille y =
r = x
1
est regulee à zero par lintermediaire de la regulation de la chane
dintegrateurs obtenus sous (i). La dynamique interne comporte comme entree
la sortie y ainsi quun nombre ni de ses derivees y, . . ., y
(p)
. Elle est constituee
par les etats rendus inobservables par le bouclage regularisant la chane
dintegrateurs obtenus en (i). Est-ce que cette dynamique est globalement
stable ? (Traiter y et ses derivees comme des paramètres.)
(iii) Calculer la dynamique des zeros. (Il sut de remplacer y = y =
. . . y
(p)
= 0 dans lequation de la dynamique interne.) Verier le type de
stabilite de cette dynamique.
(iv) Negliger le premier terme ax
1
x
2
4
de la seconde equation (7.66) pour
le modèle de commande, et repeter la meme demarche quen (ii). Il sagit
de temporairement negliger le terme dans le modèle du système utilise pour
synthetiser le controleur tout en gardant le terme pour simuler le système à
commander.
(v) Stabiliser la chane dintegrateurs resultante.
(vi) Appliquer le schema de commande obtenu sur le système complet
(c.-à-d. sans negliger le terme ax
1
x
2
4
).
(vii) Simuler le système complet.
(viii) Daprès vous, est-ce que le système est localement asymptotique-
ment stable ? Est-il localement exponentiellement stable ? Est-il globalement
asymptotiquement stable ?
7.2. Toycopter
1
. Soit le modèle reduit dont le schema de principe est
represente à la gure 7.4.
(i) Montrer que le lagrangien de ce système secrit
L = +
1
2
I
2
+
1
2
I
c
sin
2
2
+
1
2
I
2
+I
m1
sin

m
+
1
2
I
m1
2
m
+I
r1

r
+
1
2
I
r1
2
r
G
s
cos
+G
c
sin . (7.73)
1
Cet exercice est une adapation des papiers de Ph. Mullhaupt, B. Srinivasan, J.
Levine, et D. Bonvin A Toy More Dicult to Control Than the Real Thing,
Proc. European Control Conference, Brussels, 1997, et Cascade Control of the
Toycopter, Proc. European Control Conference, Karslruhe, 1999.
r
m
Fig. 7.4. Schema du Toycopter avec ces coordonnees. Deux moteurs entranes des
vitesses de rotation des pales variables m et r permettant au Toycopter de se
deplacer sur une sphère de latitude et de longitude .
o` u G
c
et G
s
sont des paramètres liees à la position du centre de masse (i.e.
verier egalement la relation de ces paramètres à la position reelle du centre
de masse). I
c
est un paramètre inertiel d u à la dierence dinertie autour de
laxe en fonction de la position angulaire . I
m1
et I
r1
sont les inerties des
systèmes rotors et pales (principal et secondaire respectivement).
(ii) On suppose que les forces aerodynamiques sont proportionnels à la
vitesses des helices (en realite elles evoluent en fonction du carre de celles-ci).
Les helices sont entranees par des moteurs à courant continu. Les coecients
respectifs sont C
m
pour lhelice principale et C
r
pour lhelice arrière. Leet de
sol est neglige. Il y a egalement du frottement visqueux le long des deux axes
et (coecients C
et C
). Verier que les forces generalisees secrivent :

F
= C
m
m
C
= C
r
r
C
F
m
= K
m
u
m
F
m
m
F
r
= K
r
u
r
F
r
r
(iii) Montrer que la dynamique est donnee par les equations
I

+I
r

r
= C
m
m
C
+G
s
sin +G
c
cos
+
1
2
I
c

2
sin(2) +I
m
m

cos (7.74)
(I
+ I
c
sin
2
())
+I
m

m
sin
= C
r
r
|
r
| sin C
m1
m
|
m
| sin
I
c

sin(2) I
m
m

cos C

(7.75)

m
= v
m
(7.76)

r
= v
r
(7.77)
(iv) En utilisant les sorties y
1
= et y
2
= , deriver celles-ci jusqu` a lap-
parition des entrees v
m
et v
r
. Stabiliser les chanes dintegrateurs resultantes
pour atteindre une consigne

et

. Calculer la dynamique interne et verier
la stabilite de celle-ci.
(v) De manière similaire à lexercice 7.1, on neglige les termes I
r

r
et
I
m

m
sin pour synthetiser la loi de commande tout en les conservant dans
le modèle pour la simulation. Proceder alors comme en (iv) et simuler le
système resultant.
7.3. Considerations de robustesse. Soit un moteur electrique dequation
= k
+u
o` u la force electromotrice et le frottement visqueux sont represente par la
constante k. Les inerties et autres constantes de couple ont ete normalisee.
(i) Transformer le modèle en une chane dintegrateurs.
(ii) Synthetiser une loi stabilisant la chane dintegrateurs à la position
=

2
. Chosir les gains de telle sorte à stabiliser à 99 % de la consigne après
1 s.
(iii) Choisir une loi de commande en boucle ouverte depla cant la position
angulaire de letat initial au repos en = 0 vers langle nal

=

2
.
(iv) Repeter les deux techniques precedentes dans le cas

k = 1.1k et

k =
0.9k.

k est la valeur du vrai système et k celle utilisee pour synthetiser la loi
de commande. Simuler et discuter les resultats obtenus.
(v) Imaginer une methode qui puisse tenir compte des avantages des deux
methodes en limitant leurs inconvenients.
7.4. Table de positionnement. On reconsidère la table de positionnement
de lexemple de la section 7.4.1, mais uniquement avec la technique de com-
mande en boucle ouverte.
(i) Trouver une parametrisation polynomiale de la sortie plate an de faire
deplacer la table dune position dequilibre vers une autre en 1 s.
(ii) Determiner la commande en boucle ouverte resultante et simuler le
système.
(iii) Discuter du transitoire en fonction de la position à atteindre et du
temps de transition.
8
Commande par les methodes de Lyapunov
8.1 Introduction
Dans le chapitre 4, la notion de la stabilite a ete presentee avec des condi-
tions permettant de la garantir. Par exemple, une fonction denie positive est
associee au système, appelee candidat de Lyapunov. Lorsque la valeur de cette
fonction decroit le long des solutions de lequation dierentielle representant
le système, la stabilite est garantie, et le candidat devient une fonction de
Lyapunov.
Cette methode de Lyapunov peut etre egalement utilisee pour synthetiser
une commande.
Lorsque lentree u du système x = f(x, u) nest pas speciee, nous avons
des degres de liberte supplementaires pour constituer ` a la fois la fonction V (x)
et la loi de commande non lineaire u = k(x). Dans le cas de lanalyse, le choix
est plus restreint etant donne que seul V (x) doit etre determine, laccès à
lentree etant absent puisque le système secrit x = f(x).
Ce chapitre introduit la conception utilisant la methode de Lyapunov dans
le cas particulier dune synthèse en cascade. Une cascade est la reunion de
deux sous-systèmes qui sinuencent lun lautre. Ainsi en quelque sorte, tout
système comportant plus que deux etats est une cascade. Toutefois, nous
mettrons laccent sur les systèmes o` u une partie de letat evolue de manière
independante par rapport à une autre partie. Cette dernière, par contre, subit
linuence de la première, un peu comme une cascade deau lorsquelle se
fragmente en sous-parties, la partie du haut evoluant de manière independante
de celle du bas.
Pour commencer, nous etudions les proprietes de stabilite à la fois locale
et globale de la mise en cascade de deux systèmes individuellement stables.
Puis nous exploitons la propriete de passivite, qui, comme nous lavons
dej` a vu au chapitre ??, se preserve après connexion en parallèle et en retro-
action.
234 8 Commande par les methodes de Lyapunov
Finalement, la methode dite du backstepping est presentee. Une fonction
de Lyapunov est dabord construite pour un système reduit obtenu lorsque
un des etat est considere comme une entree directe. Le système est reduit car
la derivee de cet etat est momentanement pas prise en compte. A partir de la
fonction de Lyapunov associee au système reduit, linuence de la dynamique
associee à letat manquant est alors pris en compte en augmentant la fonction
de Lyapunov par une erreur quadratique entre la valeur ideale de cet etat et sa
valeur reelle. En derivant cette nouvelle fonction de Lyapunov et en la for cant
à etre negative, on aboutit à une loi de commande pour le système complet.
Cette methode dite du backstepping permet de construire une fonction de
Lyapunov de deux variables (une pour chaque partie de la cascade) à partir
dune fonction de Lyapunov dune sous-partie de la cascade.
8.2 Fonction de Lyapunov de Commande
Commen cons par considerer un système ayant une entree u et dont letat
x est considere sans distinction de groupe de variables. En toute generalite,
le système secrit
x = f(x, u). (8.1)
Pour trouver la commande selon la methode de Lyapunov, il sagit de
trouver une fonction denie positive V (x) et une loi de commande u = k(x)
de telle sorte quen rempla cant la loi de commande dans lexpression (8.1),
x = f(x) +g(x)k(x) =

f(x),
il soit possible de trouver une fonction de Lyapunov V (x), c.-à-d.,
V (x) > 0 x = 0
L
f
V (x) < 0
Pour trouver V (x), il est possible dutiliser une des methode decrite dans
la partie Analyse de cet ouvrage, comme par exemple la methode de Krasovs-
kii ou la methode des gradients variables. Toutefois, une diculte (ou une
facilite selon le cas) supplementaire apparat, etant donne quil est possible
de modier la loi de commande et donc de changer

f(x) an que L
f
V ait de
meilleures proprietes.
8.3 Structure cascade
Construire une fonction de Lyapunov pour tout letat x est une t ache
parfois très dicile. Cest pourquoi, il est souvent plus judicieux de separer la
construction en tirant avantage de la structure du système à commander.
8.3 Structure cascade 235
Lobjectif est de faire apparatre une structure embotee, ou cascade. Par
exemple,
z = f(z) +(z, ) (8.2)
= a(, u) (8.3)
separe letat en deux contributions, z et . Lorsque les deux sous-systèmes,
consideres separement, z = f(z) et

= a(, u) sont stables, alors leur reunion
par le terme dinterconnexion non lineaire (z, ) est egalement localement
stable. Ainsi, on peut à laide de lentree u stabiliser uniquement la partie
du bas (etat ) an de stabiliser lensemble de la cascade (8.2) et (8.3). Le
resultat est le suivant :
Theorème 8.1. On suppose que le terme de couplage non-lineaire (z, )
est tel que (z, 0) = 0. Si z = 0 est un point dequilibre asymptotiquemet
stable de z = f(z), alors nimporte quel retour partiel de letat u = k() ren-
dant lequilibre du sous-système (8.3) = 0 asymptotiquement stable, rend
egalement lensemble de la cascade (8.2-8.3) localement asymptotiquement
stable.
Preuve. Soit U() une fonction de Lyapunov pour le sous-système

=
a(, k()). Ceci signie egalement que V (z, ) = U() est une fonction semi-
denie positive pour lensemble de la cascade. Maintenant, la stabilite du point
dequilibre complet z = 0 et = 0 suit du theorème de stabilite conditionnel,
parce que ce point dequilibre est conditionnellement stable à lensemble
{z, |V (z, ) = 0} = {z, | = 0}.
La stabilite conditionnelle revient à restreindre les choix de la boule dexigence
et de celle des conditions initiales à lintersection entre celles-ci et lensemble
en question. Les resultats de stabilite de LaSalle sadapte mutatis mutandis.
Soit
z
la region dattraction de la dynamique z = f(z) et
, celle de la
dynamique

= a(, k()). Etant donne que lequilibre complet est stable, il
existe un voisinage tel que toute solution z(t), (t) commen cant dans est
bornee et demeure dans
z

pour tout instant du temps t 0. Lorsque

t , (t) 0 de telle sorte que z(t), (t) convergent vers le plus grand
ensemble invariant de z = f(z) compris dans
z
{0}, qui nest rien dautre
que le point dequilibre complet z = 0, = 0, demontrant ainsi la stabilite
asymptotique.
Dans une structure cascade, il nest pas toujours possible datteindre une
stabilite globale, bien que les sous-systèmes soient globalement stables.
Toutefois, il est souvent possible datteindre une region de stabilite aussi
grande que lon veut, par un choix judicieux de la loi de commande. Cest le
concept de stabilite semi-globale.
Denition 8.2. Un système x = f(x, u) est dit semi-globalement stabilisable,
sil est possible, pour tout ensemble compact aussi large que possible de
trouver une loi de commande u = k(x) telle que le système x = f(x, k(x))
possède un bassin dattraction qui contient .
Exemple 8.3. Le système avec z R et R,
z = z +z
2
= u
munit de la loi de commande u = k, k > 0, garantit la stabilite asympto-
tique de (z, ) = (0, 0). La region dattraction peut alors etre estimee à laide
de la fonction de Lyapunov V = z
2
+
2
. La derivee,
V = 2(z
2
+k
2
z
3
) =
_
z
_
_
2 z
2
z
2
2k
__
z
_
(8.4)
est negative pour z
2
< 2
k. Par consequent, une estimee de la region dat-

traction est alors donnee par la condition que

V < 0, ce qui signie que le
gain k devrait etre choisit telle que k >
c
2
4
.
Ainsi, il est toujours possible de rendre aussi grand que lon desire la region
dattraction, à condition daugmenter susamment le gain k.
Cependant, il nest pas possible de stabiliser globalement un tel système.
Prenons par exemple z =
1
, ce qui transforme lequation non lineaire z =

z+z
2
en = . Cest une equation du premier ordre avec comme entree
la variable . La formule generale pour la solution explicite de x = Ax + Bu
donne x(t) = x
0
e
At
+
_
t
0
e
A(t)
Bu()d. Dans notre cas A est un scalaire egal
à 1, u(t) correspond à (t) (egalement un scalaire) et B = 1. En consequence,
(t) = (0)e
t
+
_
t
0
e
t
()d.
Il est important de comprendre que lon considère lentree (t) comme lentree
u du sous système dont letat est z. En revenant dans la variable z,
z(t) =
e
t
1
z(0)

_
t
0
e
()d
.
Nous rencontrons le phenomène dej` a esquisse dans le premier chapitre concer-
nant les proprietes des systèmes non lineaires, à savoir que lorsque z(0) >
__
0
e
()d
_
1
le denominateur nit par sannuler à un instant ni condui-
sant z à devenir inni en un temps ni : Cest une explosion en temps ni
empechant le système de converger ulterieurement. Le transitoire de z est de-
venu trop grand par rapport à sa tendance naturelle de decrotre en absence
dexcitation cree par . Ce phenomène exclu ainsi des conditions initiales du
bassin dattraction.
La limitation du bassin dattraction, malgre la stabilite des deux sous-
systèmes z et pris isolement, est liee au mauvais transitoire qui est en quelque
sorte amplie par le terme de couplage entre les deux sous-systèmes.
Par consequent, il est possible de limiter cet eet en choisissant comme
sous-systèmes ceux qui sont couples de manière à ne pas engendrer une telle
sur-sensibilite au transitoire. Dans lexemple precedent, le terme de couplage
comporte multiplie par z
2
. Cest lapparition du facteur au carre qui cree des
dicultes. De plus, il faut egalement veiller à ne pas prendre comme variable
une variable ayant de mauvaises caracteristiques transitoires.
Ces deux elements, à savoir la nature du couplage et la nature de la variable
sont maintenant etudies plus en detail. Il sagit de determiner des conditions
favorables à la stabilisation globale des deux sous-systèmes reunis.
8.3.1 Restriction de la croissance du terme de couplage
En general, comme la fontion de Lyapunov à tendance à crotre de manière
monotone lorsque letat seloigne de la valeur dequilibre, il est utile de dis-
tinguer cette classe de systèmes par rapport à cette propriete. Cependant,
cette croissance peut obeir à une loi compliquee. Cest pourquoi nous intro-
duisons une fa con de caracteriser celle-ci sans pour autant entrer dans le n
detail de savoir exactement comment cette fonction augmente. Nous estimons
la croissance en designant les fonctions de classe K.
Denition 8.4. Une fonction (.) : R
+
R
+
est dite de classe K si elle
est continue, strictement croissante et sannule pour la valeur nulle, c.-` a-d.
(0) = 0.
A laide de cette denition nous pouvons donner une hypothèse concernant
la croissance du terme de couplage (z, ) apparaissant dans (8.2).
Denition 8.5. (croissance du terme dinterconnexion) La fonction (z, )
est de croissance lineaire en z sil existe deux fonctions de classe K, disons
1
(.) et
2
(.), dierentiable en = 0 et telles que
(z, )
1
()z +
2
().
A laide de cette denition nous pouvons etablir la condition pour que la
stabilite globale aie lieue :
Theorème 8.6. Supposons que le terme de croissance soit conforme ` a la
denition 8.5. Supposons egalement que la linearisation locale (A, B) de
= a(, u) au point = 0 soit stabilisable. Soit k() une loi de commande

continue qui rende le point = 0 de

= a(, k()) globalement asymptoti-
quement stable et localement exponentiellement stable. Maintenant, sil existe
une fonction W(z) semi-denie positive et radialement non bornee, ainsi que
des constantes c et M telles que pour tout z > M on ait :
1. L
f
W(z) 0;
2.
W
z
z cW(z)
alors la loi de commande u = k() garantit que toutes les solutions de (8.2-8.3)
restent bornees. Si par ailleurs, z = f(z) est globalement asymptotiquement
stable, alors la loi de commande u = k() rend le point dequilibre complet
(z, ) = (0, 0) globalement asymptotiquement stable.
Preuve. Soit z(0) et (0) des conditions initiales arbitraires. Les deux pro-
prietes 1. et 2. Ainsi que lhypothèse sur la nature de linterconnexion en-
trane :
W = L
f
W +L
W
W
z

W
z
(
1
() +
2
()z
Dautre part, etant donne que le point dequilibre = 0 de

= a(, k()) est
localement exponentiellement stable, il est garantit quil existe une constante
et une fonction de classe K telles que
W(z(t))
W
z
((0))e
t
(1 +z(t))

W
z
z(t)((0))e
t
, z(t) 1
En faisant usage de la propriete 2., Il existe une fonction K
1
(.) de classe K
telle que pour z susament petit (c.-à-d. z(t) > max{1, M}), lestimee
W K
1
((0))e
t
W
est vraie. Ceci demontre la bornitude de W etant donne quil est egalement
vrai que
W(z(t)) W(z(0))e
R
0
K
1
((0))e
d K((0))
pour une certaine fonction K de classe K. Puisque W(z) est radialement
non bornee, la bornitude de z est garantie. Finalement, si z = f(z) est
globalement asymptotiquement stable, cette meme propriete sapplique au
point dequilibre complet z = 0, = 0, à cause du theorème ??.
Etonnament, et surtout malheureusement, la croissance lineaire du terme
de couplage (selon la Denition 8.5), couple avec la decroissance exponentielle,
ne sont pas susants pour empecher la destabilisation du sous-système z,
comme va lillustrer lexemple suivant.
Exemple 8.7. Le système
z
1
= z
1
+z
2
z
2
= z
2
+z
2
1
z
2
= u
Bien que satisfaisant les hypothèses croissance lineaire du terme dintercon-
nexion (celui-ci est donne par z
2
pour la première equation et 0 sur la se-
conde) ainsi que de stabilisabilite exponentielle du sous-système , ne peut
pas etre globalement stabilise.
Pour expliquer ce phenomène quelque peu paradoxal, remarquons, pour
commencer, que le sous système
z
1
= z
1
z
2
= (1 +z
2
1
)z
2
est bien globalement stable, etant donne que
W(z) = z
2
1
+z
2
2
e
z
2
1
est une fonction de Lyapunov radialement non bornee. En eet, un calcul
immediat donne
W(z) = 2W(z).
Cependant, et cest là que le paradoxe est leve, la condition 2. du theorème
nest pas satisfaite à cause du facteur de croissance très rapide e
z
2
1
. Pour
montrer que ceci engendre la perte de la stabilite globale, considerons une
condition initiale (0) > 0 de telle sorte que pour tout t 0, (t) 0.
Comme la loi de commande k() est suppose dierentiable,

(t) C(t)
pour une certaine constante positive C > 0. Maintenant, considerons une
condition initiale z
2
(0) > 0 de telle sorte que pour autant que z
2
1
(t) > C + 2
la relation z
2
(C + 1)z
2
(t) est valable. En combinant ces deux estimations,
nous obtenons que sous la condition z
1
(t)
2
C + 2 il est egalement vrai que
d
dt
(z
2
) (C + 1)z
2
Cz
2
= z
2
.
Finalement, en choisissant z
2
(0)(0) > z
1
(0) >
C + 2, il est garantit que la

condition initiale z
1
(0) > 0. Mais z
1
(t) crot au cours du temps à cause de
z
1
(t) =
d
dt
(z
2
z
1
) Cz
2
= z
2
.
Comme (t) converge vers zero tout en demeurant positif, cela induit z
2
(t) à
devenir non-borne.
Cet exemple insiste sur limportance de la structure de la fonction de Lyapu-
nov. Non seulement le type de croissance est important pour le terme dinter-
connexion entre les deux sous systèmes isolement stable, mais il est egalement
tout aussi important dans la manière dont la fonction de Lyapunov crot en
secartant de lequilibre. Si cette croissance est trop rapide, alors il est pos-
sible de la faire decrotre beaucoup dans une petite region de lespace detat,
encourageant lapparition dexplosion en temps ni.
Les resultats precedents reposent sur la decroissance exponentielle de .
Au lieu de cette condition, le concept de stabilite entree-etat est introduit.
Considerons le sous-système
z = f(z) +(z, ).
Lidee derrière ce nouveau concept de stabilite est dexiger que toute solution
z de cette equation dierentielle reste bornee lorsque la variable (consideree
comme une entree) converge vers zero. Cette propriete est susante pour
garantir la stabilite asymptotique globale de lequilibre complet z = 0 = 0
lorsque z = f(z) est globalement asymptotiquement stable.
Denition 8.8. Le système x = f(x, u) est stable entree-etat sil existe une
fonction decroisante et une fonction de classe K telle que pour toute entree
bornee u(.) et chaque condition initiale x(0) la solution x(t) existe pour tout
t 0 et est bornee par
z(t) (z(0), t) +( sup
0t
())
En quelque sorte, on elimine dentree la possibilite davoir des explosions
en temps ni. Cette denition serait assez inutile sil ny avait pas de moyens
de la determiner de manière indirecte. Le premier resultat dans cette direction
assure que cette denition est respectee dans la cas o` u la fonction de Lyapunov
ne crot pas trop vite.
Le second permet de characteriser la propriete de stabilite entree-etat par
lintermediaire dune nouvelle fonction de type Lyapunov que lon designe par
le nom de fonction de Lyapunov entree-etat.
Lemme 8.9. On suppose que le terme de couplage est lineaire en z et que
le système z = f(z) est globalement asymptotiquement stable avec comme
fonction de Lyapunov W(z) satisfaisant la condition de croissance
1
z
2
W(z)
2
z
2
,
W
z

3
z
L
f
W
4
W(z),
i
> 0, i = 2, . . . , 4.
Sous ces conditions, la solution z(t) de (8.2) est bornee et converge vers zero
pour tout (t) convergeant vers zero.
Preuve. Le long des solutions de (8.2),nous avons
W(z)
4
W(z)2
3
z(z, )
pour une certaine fonction de classe K, de telle sorte
W(z) (
4
+

3
1
())W(z).
Ceci demontre que W(z(t)) existe pour tout t 0. De plus, puisque (t)
converge vers zero, il existe un temps ni après lequel
W(z)
1
2
4
W(z),
Conduisant à ce que z demeure borne et converge exponentiellement vers 0.
On se tourne maintenant vers le deuxième resultat concernant la caracterisation
de la propriete de stabilite entree-etat.
Theorème 8.10. Le système x = f(x, u) est stable entree-etat ` a condition
quil existe une fonction radialement non bornee W(z) telle que
x
1
(u)
w
x
f(x, u)
2
(x),
o` u
1
et
2
sont des fonctions de classe K.
Denition 8.11. La fonction W(z) satisfaisant aux hypothèses du theorème
precedent 8.10 est appelee une fonction de Lyapunov entree-etat.
Un corollaire immediat de ceci est :
Corollaire 8.12. Si le système z = f(z) +(z, ) est stable entree-etat avec
pour entree, et que, dune part, le système z = f(z) est globgalement asymp-
totiquement stable et, dautre part, quil existe un bouclage u = k() rendant
= 0 de

= a(, k()) globalement asymptotiquement stable, alors le bouclage
en question rend egalement le point dequilibre complet de la cascade (8.2-8.3)
globalement asymptotiquement stable.
La demonstration de ces resultats sont exposes dans le papier de E.D. Son-
tag et Y. Wang On characterizations of the input-to-state stability property,
Systems & Control Letters, vol. 24, pp. 351-359, 1995.
Nous terminons cette section par un exemple illustratif.
Exemple 8.13. En prenant comme fonction de Lyapunov entree-etat W(z) =
z
2
2
, le système
z = z
3
+z
2
=
2
u
est globalement asymptotiquement stable. En eet,
W = z
4
+z
3

1
4
z
4
+
1
4
4
o` u la dernière inegalite provient de lhomogeneisation du ballon de rugby.
W est donc bien une fonction de Lyapunov entree-etat. Pour de grand z, le
terme stabilisant z
3
dans la cascade domine le terme de perturbation z
2
et
le bouclage u = conduit toute la cascade à etre globalement asymptoti-
quement stable, meme si la convergence de vers zero nest pas exponentielle.
8.4 Passivation
Dans la section precedente, nous avons explicitement admis une decomposition
en sous-systèmes individuellement globalement asymptotiquement stables ou
stabilisables. Or, imposer de telles proprietes aux sous-systèmes composant
le système dorigine limite quelque peu les possibilites de synthèse des lois
de commande. En eet, il est nullement indique comment forcer un système
donne a priori à admettre une telle decomposition. Toutefois, lanalyse ef-
fectuee a souligne limportance de considerer attentivement la manière dont
la cascade resultante est connectee, meme lorsque les proprietes de stabilite
individuelle sont garanties.
Conformement à cette optique, considerer de bonnes proprietes des systèmes
isoles pour garantir la stabilite du système complet est une excellente fa con
de proceder pour construire des lois de commandes globales à partir dune
decomposition en sous-systèmes. Par exemple, le chapitre 5 a montre que
deux systèmes passifs interconnectes demeurent passifs.
De plus, les systèmes passifs ont une excellente propriete pour la stabili-
sation. En eet, un bouclage par un gain negatif de leur sortie sur leur entree
conduit à une stabilite garantie, à condition que letat nul soit detectable.
Denition 8.14. Letat nul detectable signie que lorsque la sortie dun
système x = f(x), y = h(x) est nulle sur un interval de temps ni, alors
letat x est nul necessairement.
Theorème 8.15. Soit
x = f(x, u)
y = h(x)
un système passif avec comme fonction de stockage interne V (x) et comme
point dequilibre x = 0, u = 0 (c.-` a-d. 0 = f(0, 0)). Si le système est zero
8.4 Passivation 243
detectable, alors le bouclage u = y assure la stabilite asymptotique du
système. Si la fonction V (x) est radialement non bornee, alors la stabilite
asymptotique est globale.
Preuve. La passivite garantit
V = uy g(x)
avec g(x) > 0. Comme y = u par le choix du bouclage,
V = u
T
u g(x) 0,
de telle sorte quil est possible dappliquer le theorème dinvariance de LaSalle.
Lensemble R = {x |

V (x) = 0} est alors celui pour lequel y
T
yg(x) = 0.
Il faut donc simultanement g(x) = 0 et y
T
y = 0. Le plus grand invariant
contenu dans cet ensemble doit donc satisfaire y
T
y = 0 pour tout temps. Or,
lhypothèse de detectabilite implique que si la sortie est nulle sur un interval
de temps ni, alors letat x est necessairement nul. Par consequent, lensemble
invariant M inclu dans R est lorigine x = 0, et la stabilite est demontree.
La stabilite globale suit de lhypothèse de non bornitude radiale de V (x).
A laide de ce theorème, il est possible de stabiliser un système comportant
une decomposition en deux systèmes passifs interconnectes. Linterconnexion
consiste en une succession de boucles et de connexion parallèle preservant la
passivite (voir section ??).
Le grand avantage de lutilisation de la passivite est que la restriction du
taux de croissance du terme dinterconnexion nest plus necessaire (contraire-
ment à la cascade simple comme nous lavons vu à la section 8.3.1). De plus
lhypothèse de stabilite asymptotique globale du sous-système z = f(z) est
remplace par la stabilite globale simple (non necessairement asymptotique).
Pour le voir, commen cons par examiner le système
z = f(z) +(z, )
= A +Bu.
An de faire apparatre deux systèmes passifs interconnectes, le terme de
couplage (z, ) est à nouveau factorise, mais en faisant apparatre le facteur
C
(z, ) =

(z, )C (8.5)
Cette factorisation permet didentier un block lineaire dont la fonction de
transfert est
G
1
(s) = C(sI A)
1
B.
Pour que ce système soit passif, il sut que la fonction de transfert G
1
(s) soit
positive reelle (la reponse harmonique G
(
j) doit etre à partie reelle positive),
comme nous lavons vu au chapitre sur la passivite.
Quand au second block, il est decrit par lequation dierentielle
z = f(z)
(z, )u
2
,
avec commen entree
u
2
= y
1
= C;
la sortie y
2
restant encore à etre denie pour garantir la passivite.
Cette sortie
y
2
= h
2
(z, )
doit etre choisie an quune fonction de stockage interne existe. En prenant
la fonction de Lyapunov W(z) (associee au sous-système z) comme fonction
de stockage, il sut de garantir
W =
W
z
(f(z) +

(z, )y
1
) y
T
2
u
2
. (8.6)
Comme L
f
W 0, la relation (8.6) ci-dessus est satisfaite à condition que
y
2
= h
2
(z, ) := (L
W)
T
(z, ) =

T
_
W
z
_
T
.
Ce choix de sortie garantit ainsi la passivite du deuxième block de la
cascade. Finalement, le bouclage sur le système initial
u = h
2
(z, ) +v
garantit que le système complet vu depuis la nouvelle entree v et la sortie y
1
est passif. En posant
v = y
1
lensemble de la cascade est stabilisee.
La construction ci-dessus nest pas limitee au cas o` u la dynamique en
est lineaire, et nous avons le resultat suivant :
Theorème 8.16. Soit la cascade
z = f(z) +(z, ) (8.7)
= a() +b()u (8.8)

avec z = 0 un point dequilibre globalement stable pour z = f(z) de telle
sorte quil existe un fonction de Lyapunov radialement non bornee W(z) avec
L
f
W(z) 0. Supposons egalement quil existe une sortie ne dependant que
de , disons y = h() de telle sorte que
1. Le sous système
= a() + b()u (8.9)

y = h() (8.10)
est passif avec comme fonction de stockage U(), egalement radialement
non bornee.
8.4 Passivation 245
2. Le terme de connexion se factorise sous la forme (z, ) =

(z, ).
alors la cascade (8.7-8.8) peut etre rendue passive par retour detat donne par
u = L
W
T
(z, ) +v
avec comme nouvelle entree v et comme fonction de stockage
V (z, ) = W(z) +U().
De plus, si ce système est zero detectable par la sortie y = h(), alors le
bouclage v = ky avec k > 0 garantit la stabilite globale asymptotique du
point dequilibre (z, ) = (0, 0).
Remarque 8.17. Il y a essentiellement deux conditions pour atteindre la sta-
bilite globale
1. La connexion lineaire par le terme (x, ), c.-à-d. la possibilite de facto-
riser ce terme sous la forme (x, ) =

(x, ).
2. Lexistence de deux fonctions de Lyapunov radialement non bornee pour
les deux sous-systèmes.
Remarque 8.18. La passivite possède comme grand avantage sur les retours
partiels detat simple, de ne pas imposer de condition sur la croissance du
terme de couplage. Remarquons egalement quil nest pas exige que la partie
du haut z = f(z) soit asymptotiquement stable ; cest uniquement la stabilite
qui est necessaire.
Pour illustrer la dernière remarque, un exemple avec un terme de couplage
ayant une croissance rapide est presente.
Exemple 8.19. Nous avons vu que lexemple
z = z +z
2
= u
nest pas globalement stabilizable par retour partiel detat à cause de la crois-
sance du terme de couplage z
2
. Maintenant, en considerant la sortie y
1
= ,
un sous block G
1
(s) passif est delimite. Ensuite, en posant W(z) = z
2
comme
fonction de stockage, nous constatons que la première equation du modèle
correspond à un système passif dentree u
2
= et de sortie y
2
= z
3
. Ainsi,
le bouclage u = y
2
+ v = z
3
+ v transforme la cascade initiale en une
connexion de deux systèmes passifs. La propriete de nulle detectabilite de la
sortie est egalement satisfaite parce quà linterieur de lensemble y
1
= = 0,
le système complet se reduit à z = z. Cest pourquoi la loi de commande
z = ky
1
(avec k > 0) rend lensemble de la cascade globalement asmptoti-
quement stable.
Remarque 8.20. Bien que lhypothèse de croissance du terme de couplage nap-
parat plus dans le cas de lutilisation de la passivite, des restrictions de
structure sont neanmoins presentes. En eet, la sortie des deux sous-systèmes
doit etre de degre relatif au maximum de un et le sous-système entree-sortie
selectionne doit egalement etre à phase minimale.
8.5 Phenomène du peaking
Que cel` a soit lors de lutilisation de retours partiels, ou lors de lexploita-
tion de la propriete de passivite, des limitations de structure sont presentes.
Elles sont associees à certaines proprietes des sous-systèmes envisages (stabi-
lite, degre relatif, minimum de phase) et egalement à la nature de lintercon-
nexion (type de croissance).
Toutes ces limitations tirent leur origine essentiellement du phenomène de
peaking que nous presentons dans cette section. Ce phenomène a dej` a ete
esquisse pour illustrer limportance du taux de croissance du terme dinter-
connexion dans le cas des retours partiels.
x = x +yx
2
z
1
= z
2
z
2
= u
y = c
1
z
1
+c
2
z
2
Ces equations representent un double integrateur (etats z
1
et z
2
) inter-
connecte à un système exponentiellement stable ( x = x) par le terme de
connexion yx
2
. Cet exemple est fortement inspire du modèle de la bille qui
roule sur une barre o` u la force centrifuge est interpretee comme le terme din-
terconnexion. Toutefois, contrairement à ce modèle, o` u et

jouent le role
de z
1
et z
2
, la non-linearite yx
2
contient la variable du haut x, alors que dans
le cas de la bille sur le barreau, le terme r
2
comporte une non-linearite sur
la variable du bas

.
La variable intermediaire y est introduite an de montrer linuence des
coecients c
1
et c
2
sur leet du terme de connexion yz
2
sur la stabilite du
système complet. Cette variable y peut egalement etre interpretee comme une
sortie permettant lapplication de la theorie de la passivite.
Lorsque y est maintenu constant à une valeur non nulle, la première
equation dierentielle x = x + yx
2
devient très similaire à celle (1.2) ana-
lysee dans le chapitre introductif. Nous avons vu que pour certaines conditions
initiales, le système explose en temps ni. Il est donc necessaire deviter si pos-
sible un tel phenomène.
En eet, en faisant decrotre y convenablement par rapport à levolution
de x, le coecient devant le facteur x
2
peut devenir susamment petit pour
8.5 Phenomène du peaking 247
que letat x soit toujours du bon c ote par rapport à la separation constatee
sur la gure 1.2. Clairement, si y est force à une constante, il y aura toujours
des conditions initiales pour lesquelles la trajectoire solution sechappera à
linni en un temps ni.
La diculte daugmenter le bassin dattraction du point dequilibre pro-
vient essentiellement du problème de peaking, à savoir la possibilite que le
transitoire de y ait une tendance à samplier en fonction des conditions ini-
tiales z
1
(0) et z
2
(0).
Pour un système lineaire z = Az +Bu, un gain K est choisit de telle sorte
que u = Kz place les valeurs propres de A BK avec une partie reelle
inferieure à a < 0. Pour que z
1
et z
2
convergent rapidement vers 0, il faut
que a soit susament grand. Chaque composante de z est alors bornee par
une exponentielle decroissante de taux a :
z
1
(t) < C
1
(z
1
(0), z
2
(0), k)e
kt
z
2
(t) < C
2
(z
1
(0), z
2
(0), k)e
kt
.
Les coecients C
1
et C
2
devant ces exponentiels sont très importants et
dependent en general du gain k choisi et de la valeur des conditions initales.
De manière generale, chaque etat a un coecient
i
=
i
k
i
avec
i
ne depend
que de la condition initiale.
0 1 2
-5
0
t
y
Fig. 8.1. Phenomène du peaking. Le système x + 2k x + k
2
x est simule en posant
x1 = x et x2 = x. Le gain est xe à quatre valeurs croissantes, k = 3, 4, 10, et 20. La
sortie y = x1 ne comporte pas de phenomène de peaking (traitille) ; elle reste bornee
entre deux valeurs independamment du gain k choisi. La sortie y = x2 comporte un
phenomène de peaking (trait plein). Pour tout choix de borne de y, il est toujours
possible en augmentant le gain k de depasser cette borne. Le transitoire est amplie
au fur et à mesure que le gain k augmente.
Denition 8.21. Le système

= f(, u), y = g(), u R, y R
p
na pas
de phenomène de peaking si pour tout nombre reel a > 0 et pour chaque
condition initiale (0) R
p
, il existe une entree u(.) : R R telle que letat
(t) converge ` a zero et que la sortie y(t) satisfasse
y(t) (0)(e
at
+
1
a
),
o` u les constantes , ne dependent pas du paramètre a.
En exigeant que lon puisse borner le transitoire, on limite les dicultes
rencontrees pour passer de la stabilite locale à la stabilite semi-globale et
globale.
8.6 Backstepping
La technique de decomposition en cascade fondee sur la propriete de passi-
vite exige que les sous-systèmes de la decomposition soient de degre relatif un.
Il est parfois dicile de garantir une telle propriete. La technique de backs-
tepping permet de court-circuiter en quelque sorte un ordre de lequation
dierentielle composant un des sous-blocks, et permet ainsi detendre quelque
peu la technique de passivation à une plus large classe de systèmes.
Le backstepping consiste à negliger momentanement linuence dune par-
tie de letat sur une autre. Soit le système particulier
x = f(x) +g(x)z
z = u,
o` u letat z est clairement separe de la partie x. Au lieu de calculer directement
la fonction de Lyapunov pour le système complet V (x, z), ainsi que la loi de
bouclage nal k(x, z), une fonction intermediaire V
0
(x) impliquant unique-
ment la partie de letat designee par x est consideree. La variable detat z est
traitee comme lentree du système x = f(x) + g(x)z. Son evolution donnee
par z = u est pour linstant ignoree.
Par consequent, la determination de V
o
(x) et z = k
0
(x) seectue comme
à la section precedente.
8.6.1 Fonction de Lyapunov reduite
Il sagit de determiner V
0
(x) et la loi de commande ideale z = k
0
(x) de
telle sorte que la derivee de Lie de cette fonction le long du champ de vecteur
f = f(x) +g(x)k
0
(x) soit negative. Ce vecteur est obtenu lorsquon considère
quil est possible dagir instantanement sur la valeur de la variable z et de
8.6 Backstepping 249
pouvoir ainsi la forcer à etre egal à k
0
(x). En outre, on suppose quil est
egalement possible de determiner une fonction denie positive W(x) telle que
cette derivee soit egale à W(x) :
V
0
=
V
0
x
(f(x) +g(x)k
0
(x)) = W(x), (8.11)
8.6.2 Fonction de Lyapunov complète
A partir de la fonction de Lyapunov reduite, il est possible de trouver
un candidat de Lyapunov pour le système complet en ajoutant à la fonction
reduite V
0
(x) un terme derreur quadratique entre letat z reel et sa valeur
ideale correspondant à k
0
(x). Ainsi, on tient compte explicitement du fait quil
nest pas possible de forcer instantanement ces deux quantites à etre egales,
contrairement au paragraphe precedent.
La variable derreur
e = z k
0
(x)
est introduite à partir de laquelle la fonction de Lyapunov complète sexprime
V (x, z) = V
0
(x) +
1
2
e
2
= V
0
(x) +
1
2
(z k
0
(x))
2
.
Avec un tel choix, la derivee de V le long des trajectoires solutions devient
V (x, z) =
V
0
x
x +e e
=
V
0
x
(f(x) +g(x)z) + e e
=
V
0
x
(f(x) +g(x)(e +k
0
(x))) +e e. (8.12)
A ce stade, on utilise une astuce permettant dutiliser (8.11). En eet, en
isolant le facteur e, lexpression centrale de (8.11) apparat dans (8.12) :
V (x, z) =
V
0
x
(f(x) +g(x)k
0
(x)) +
V
0
x
g(x)e +e e
= W(x) +
V
0
x
g(x)e +e e. (8.13)
En consequence, la derivee de la fonction de Lyapunov contient un terme
clairement negatif, W(x), et deux termes de signe indeni. Toutefois, nous
navons pour linstant pas utiliser la commande u du système complet. Cette
commande u apparat indirectement dans lexpression (8.13) par lentremise
de la derivee de lerreur e. Cest pourquoi nous pouvons assigner une expres-
sion convenable à e de telle sorte que les trois termes de (8.13) deviennent
negatifs. Comme la variable derreur e apparat comme un facteur dans les
deux termes de signe indeni, il sut de prendre pour e une expression conte-
nant deux termes, le premier permettant de compenser la partie de signe
indeni, et le second, proportionnel à e, for cant la negativite :
e =
V
0
x
g(x) ke; (8.14)
ainsi,
V (x, z) = W(x) kee.

Finalement, en derivant lexpression denissant lerreur e = z k
0
(x),
e = z
k
0
x
x
= u
k
0
x
(f(x) +g(x)z).
et en tenant compte de (8.14), on obtient u :
u = k(z k
0
)
V
0
x
g(x) +
k
0
x
(f(x) +g(x)z).
8.6.3 Exemple
Il sagit dun système comprenant deux etats x
1
et x
2
. La commande
intervient comme la derivee du second etat.
x
1
= x
2
1
x
3
1
+x
2
= f(x
1
) +g(x
1
)x
2
(8.15)
x
2
= u (8.16)
Dans un premier temps, letat x
2
est suppose varier instantanement et
selon la volonte du concepteur. Ainsi, x
2
joue le role dune entree pour la
dynamique du premier etat. Idealement, x
2
= x
2
1
x
1
de telle sorte que
x
1
= x
1
x
3
1
. Par consequent,
k
0
(x
1
) = x
2
1
x
1
V
0
(x
1
) =
1
2
x
2
1
donne le bouclage et la fonction de Lyapunov reduite correspondante. En eet,
V
0
= x
1
x
1
= x
2
1
x
4
1
< 0,
ce qui signie que la commande reduite conduit à la stabilite asymptotique
du système reduit.
8.6 Backstepping 251
A partir de la fonction reduite V
0
(x
1
), lexpression de la fonction de Lya-
punov pour le système complet est deduite en introduisant lerreur entre le
valeur ideale x
2
1
x
1
et la vraie valeur de x
2
:
e = x
2
k
0
(x
1
)
e = x
2
(x
2
1
x
1
) = x
2
+x
2
1
+x
1
Ainsi,
V (x
1
, x
2
) = V
0
+
1
2
e
2
=
1
2
x
2
1
+
1
2
(x
2
+x
2
1
+x
1
)
2
Pour trouver la loi de bouclage, il sut dimposer une valeur convenable
à la derivee de lerreur e. Dans un premier temps, le terme de signe indeni
est compense et un terme proportionnel à lerreur est egalement ajoute :
e =
V
0
x
g(x
1
) ke = x
1
k(x
1
+x
2
1
+x
1
)
Ensuite, lentree u fait son apparition en derivant lequation denissant
lerreur e = x
2
+x
2
1
+x
1
:
e = u + (2x
1
+ 1)(x
2
1
x
3
1
+x
2
)
La loi de commande sobtient par egalite entre ces deux expressions :
u = x
1
k(x
2
+x
2
1
+x
1
) (2x
1
+ 1)(x
2
1
x
3
1
+x
2
) (8.17)
Ceci conduit au système en boucle fermee
x
1
= x
2
1
x
3
1
+x
2
x
2
= x
1
k(x
2
+x
2
1
+x
1
) (2x
1
+ 1)(x
2
1
x
3
1
+x
2
)
Pour verier si V =
1
2
x
2
1
+
1
2
(x
2
+x
2
1
+x
1
)
2
est une fonction de Lyapunov, il
sut de deriver cette fonction et dintroduire la dynamique en boucle fermee.
V =
1
2
x
2
1
+
1
2
(x
2
+x
2
1
+ x
1
)
2
V = x
1
x
1
+ (x
2
+x
2
1
+x
1
)( x
2
+ (2x
1
+ 1) x
1
)
= x
1
x
1
+ (x
2
+x
2
1
+x
1
)(2x
1
+ 1) x
1
+ (x
2
+x
2
1
+x
1
) x
2
= x
1
(x
2
1
x
3
1
+x
2
) + (x
2
+x
2
1
+x
1
)(2x
1
+ 1)(x
2
1
x
3
1
+x
2
) +
(x
2
+x
2
1
+x
1
)(x
1
k(x
2
+x
2
1
+x
1
) (2x
1
+ 1)(x
2
1
x
3
1
+x
2
))
= x
1
(x
2
1
x
3
1
+x
2
) + (x
2
+x
2
1
+x
1
)(2x
1
+ 1)(x
1
x
3
1
+x
2
)
x
1
(x
2
+x
2
1
+x
1
) k(x
2
+x
2
1
+x
1
)
2
(x
2
+x
2
1
+x
1
)(2x
1
+ 1)(x
1
x
3
1
+x
2
)
= x
3
1
x
4
1
+x
2
x
1
x
1
x
2
x
3
1
x
2
1
k(x
2
+ x
2
1
+x
1
)
2
= x
2
1
x
4
1
k(x
2
+x
2
1
+x
1
)
2
< 0
On constate donc bien que la derivee est partout negative sauf à lorigine. En
consequence, le système (8.15)-(8.16) munit la loi de bouclage (8.17) est glo-
balement asymptotiquement stable etant donne que (i) V (x
1
, x
2
) est partout
positive sauf à lorigine ; (ii)

V (x
1
, x
2
) est partout negative sauf à lorigine ;
et nalement (iii) V (x
1
, x
2
) est radialement non bornee.
Litterature
[Boo75] W.A. Boothby. An Introduction to Dierentiable Manifolds and Rieman-
nian Geometry. Academic Press, New York, 1975.
[BS70] N. P. Bhatia and G. P. Szego. Stability Theory of Dynamical Systems.
Springer-Verlag, Berlin, 1970.
[Car71] E. Cartan. Le cons sur les invariants integraux. Hermann, Paris, 1971.
[Che46] C. Chevalley. Theory of Lie Groups. Princeton University Press, Prince-
ton, 1946.
[Che61] N. G. Chetaev. The Stability of Motion. Pergamon Press, Oxford, 1961.
[For59] A. R. Forsyth. Theory of Dierential Equations, Part I. Exact Equations
and Pfas Problem. Dover Publications, Inc., Varick Street, New York,
1959.
[GH83] J. Guckenheimer and P. Holmes. Nonlinear Oscillations, Dynamical Sys-
tems, and Bifurcations of Vector Fields. Springer-Verlag, New York, 1983.
[GP74] V. Guillemin and A. Pollack. Dierential Topology. Prentice-Hall, Engle-
wood Clis, New Jersey, 1974.
[GVW68] A. Gelb and W. E. Vander Welde. Multiple-input Describing Functions
and Nonlinear System Design. McGraw-Hill, New York, 1968.
[Hah67] W. Hahn. Stability of Motion. Springer-Verlag, Berlin, 1967.
[Hir76] M. W. Hirsch. Dierential Topology. Springer-Verlag, New York, 1976.
[HLP52] G. Hardy, J. E. Littlewood, and G. Polya. Inequalities. Cambridge Uni-
versity Press, Cambridge, second edition, 1952.
[Isi89] A. Isidori. Nonlinear Control Systems. Springer-Verlag, Berlin, Heidel-
berg, New York, second edition, 1989.
[Kha02] H. K. Khalil. Nonlinear Systems. Prentice-Hall, Upper Saddle River, NJ,
2002.
[KN63] S. Kobayashi and K. Nomizu. Foundations of Dierential Geometry, vo-
lume 1 & 2. John Wiley & Sons, Inc., New York, 1963.
[LaS86] J. P. LaSalle. The Stability and Control of Discrete Processes. Springer-
Verlag, Berlin, 1986.
254 Litterature
[LL61] J. P. LaSalle and S. Lefschetz. Stability by Liapunovs Direct Method.
Academic Press, New York, 1961.
[LL69] V. Lakshmikantham and S. Leela. Dierential and Integral Inequalities,
volume I & II. Academic Press, New York, 1969.
[LLM89] V. Lakshmikantham, S. Leela, and A. A. Martynuk. Stability Analysis of
Nonlinear Systems. Marcel Dekker, New York, 1989.
[Mee81] A. I. Mees. Dynamics of Feedback Systems. John Wiley & Sons, Chiches-
ter, New York, Brisbane, Toronto, 1981.
[MM82] R.K. Miller and A. N. Michel. Ordinary Dierential Equations. Academic
Press, New York, 1982.
[Mor01] S. Morita. Geometry of Dierential Forms. American Mathematical So-
ciety, Providence, Rhode Island, 2001.
[MT95] R. Marino and P. Tomei. Nonlinear Control Design. Prentice-Hall Europe,
Hertfordshire, 1995.
[NvdS90] H. Nijmeijer and A. van der Schaft. Nonlinear Dynamical Control Sys-
tems. Springer-Verlag, New York, 1990.
[Sas99] S. Sastry. Nonlinear Systems. Springer-Verlag, New York, 1999.
[SJK97] R. Sepulchre, M. Jankovic, and P.V. Kokotovic. Constructive Nonlinear
Control. Springer-Verlag, London, 1997.
[SL91] J.-J. Slotine and W. Li. Applied Nonlinear Control. Prentice-Hall, Upper
Saddle River, NJ, 1991.
[Son98] E.D. Sontag. Mathematical Control Theory : Deterministic Finite Dimen-
sional Systems. Springer-Verlag, New York, second edition, 1998.
[Vid93] M. Vidyasagar. Nonlinear Systems Analysis. Prentice-Hall, Englewood
Clis, NJ, 1993.
[Wal68] A.H. Wallace. Dierential Topology, First Steps. W.A. Benjamin, Inc.,
New York, Amsterdam, 1968.
[Wal70] W. Walter. Dierential and Integral Inequalities. Springer-Verlag, Berlin,
1970.
[Yos66] T. Yoshizawa. Stability Theory by Liapunovs Second Method. Gakujut-
sutosho Printing Co., Tokyo, 1966.
[Zub62] V.I. Zubov. Mathematical Methods for the Study of Automatic Control
Systems. Pergamon Press, Oxford, 1962.
[Zub64] V.I. Zubov. Methods of A. M. Lyapunov and their Applications. Noord-
ho, Groningen, 1964.
Index
elimination du temps, 15
equation
integrale, 101
equation derreur, 197
equation dierentielle
derreur, 198, 201
solution, 150
1-forme, 92, 157, 158, 170
1-forme
exacte, 170
exemple, 180
integrable, 170
, 229
Bellman-Gronwall, 101
candidat de Lyapunov, 71, 74
chane
dintegrateurs, 226
champ de vecteurs, 150, 223
changement de coordonnees, 195
chaos, 8
commande
en boucle fermee, 201
en boucle ouverte, 200
competition, 26
comparaison, 97
condition
dexactitude, 174
dintegrabilite, 174
conjecture
de Aizerman, 130
Cotangent, 157
cotangent, 158
covecteur, 157, 170
critère
dexactitude, 174
dintegrabilite, 174
de Nyquist, 57
de Popov, 135
du cercle, 130
crochet
de Lie, 162, 222
de Lie
proprietes, 162
cycle limite, 19
cycle limite
instable, 59
stable, 58
decomposition en harmoniques, 37
deation, 99
derivee
de Lie, 218
derivation
exterieure, 164, 165, 171, 172
exterieure
proprietes, 166, 173
developpement limite, 100
degre relatif, 119
dieomorphisme, 149, 195
dierentielle, 164, 171
distribution, 223
dynamique
de populations, 25
dynamique
256 Index
interne, 211
ensemble invariant, 85
espace
dual, 151
explosion en temps ni, 8
abilite du premier harmonique, 61
ot, 85
Fonction
de Lyapunov, 159
fonction
derreur, 198
de Lyapunov, 122
fonction denie positive, 71
fonction de Lyapunov, 72, 74, 86
fonction de Lyapunov
methodes de construction, 91
pour les systèmes lineaires, 81
fonction radialement non bornee, 80
forme
alternee, 156
lineaire, 152
multilineaire, 152, 156
quadratique, 98
formule dAckermann, 212
gain equivalent, 35, 37, 4345
gradient, 157
graphe des pentes, 14
inegalite
de Cauchy-Schwarz, 103
du triangle, 104
inegalite
arithmetique-geometrique, 104
ination, 99
instabilite, 95, 96
integrabilite, 168
involutivite, 223
lemme
de Bellman-Gronwall, 101
linearisation, 82, 191
linearisation
entree-etat, 196
entree-sortie, 214
exacte, 195, 216
Lyapunov, 122
methode
de Krasovskii, 92
des isoclines, 16
directe de Lyapunov, 71, 84
du gradient variable, 92
du premier harmonique, 31
majoration, 97
matrice
defnie positive, 98
minimum de phase, 119
non minimum de phase, 119
non-linearite
continue par morceaux, 46
de secteur, 128
statique, 32
oscillateur
de Van der Pol, 61
lineaire, 50
passivite, 107
passivite
connexion par retroaction, 113
connexion parallèle, 112
denition, 111, 114
notion intuitive, 108
proprietes, 111
système lineaire, 114
pendule inverse, 194
placement de poles, 201
plan de phase, 11
planication de trajectoire, 200
platitude, 216, 217
point dequilibre, 7, 22, 65
population, 25
poursuite, 199
predateur, 28
premier harmonique, 37
principe
de superposition, 3
produit
exterieur, 153, 156, 174
scalaire, 153
tensoriel, 152
proie, 28
retroaction, 47
relais, 45
Index 257
robot exible, 220
saturation, 43
sortie
de Brunovsky, 212
plate, 212, 216, 217
stabilie
locale asymptotique, 131
stabilisation, 199
stabilite, 65
stabilite
absolue, 128, 130
au sens de Lyapunov, 67
critère de, 58
denition precise, 66
exponentielle, 79, 84
globale, 79
locale, 75, 82
notion intuitive, 66
preuve locale, 75
système
dynamique passif, 109
lineaire, 209
lineaire SISO, 202
reel positif, 116, 118
statique passif, 109
système non-lineaire, 3
technique , de comparaison97,
IeC de majoration97
termes dordre superieur, 6
theorème
dinvariance de LaSalle, 85
de Bendixson, 24
de Chetaev, 96
de Frobenius, 184
de Frobenius
version 1-forme, 188
version champ de vecteur, 188
de lindex, 23
de Nyquist, 52
de Poincare-Bendixson, 25
des residus, 55
variete, 145
zone morte, 44

Introduction Al Analyse Et A La Commande Des Systemes Nonlineaires

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Introduction Al Analyse Et A La Commande Des Systemes Nonlineaires

Diunggah oleh

Hak Cipta:

Format Tersedia

Philippe M ullhaupt

pour lesquels x(t

Fig. 2.4. Graphique des elements de pente pour le syst`eme masse-ressort.

y(t) cos(lt)d(t) (3.6)

y(t) sin(lt)d(t) (3.7)

y(t) cos(t)d(t) (3.10)

y(t) sin(t)d(t), (3.11)

y(t)d(t) = 0 (absence de composante continue).

peut etre exprimer `a partir de celle la saturation

G(s) = NG(s)/(1 +NG(s)),

N, ou autrement dit lorsque G(j) intersecte le

N. Lorsque N = 1, loscillateur correspond

V (x) < 0, x = 0, alors la stabilite est en plus asymptotique.

En introduisant la loi de commande (4.2),

W. Par consequent une decroissance minimum de V est atteinte en un point

V (x(t))dt = V (x(t)) V (x(0))

sapplique egalement, o` u b R est un param`etre positif (b > 0) correspondant

V = uy g(x), avec g(x) = R

1. G(s) est strictement stable (sans p ole sur laxe imaginaire)

au lieu de A dans le raisonnement ci-dessus, et en adaptant

Finalement, en revenant vers A,

est Hurwitz, c.-`a-d. que la partie reelle de cha-

G(s) est identie

. represente la marge avant de toucher la droite.

0 est globalement asymptotiquement stable

) Lensemble des applications

. En eet, en considerant une base

est bien un espace

Fig. 7.1. Pendule avec actuateur

indique que la premi`ere equation est parfaitement lineaire. La second par

3j, c.-`a-d. quelles

. La position du centre de masse de

est non nulle et correspond au couple

). Verier que les forces generalisees secrivent :

pour tout instant du temps t 0. Lorsque

k. Par consequent, une estimee de la region dat-

, ce qui transforme lequation non lineaire z =

= a(, u) au point = 0 soit stabilisable. Soit k() une loi de commande

C + 2, il est garantit que la

= a() +b()u (8.8)

= a() + b()u (8.9)

V (x, z) = W(x) kee.

Anda mungkin juga menyukai