Polyautom

Cours dAutomatique
Master de Mathmatiques, Universit dOrlans,

premier trimestre
Emmanuel Trlat et Thomas Haberkorn
2
Table des matires
1 Rappels 5
1.1 Rappels dalgbre linaire . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Exponentielle de matrice . . . . . . . . . . . . . . . . . . . 5
1.1.2 Rduction des endomorphismes . . . . . . . . . . . . . . . 6
1.2 Thorme de Cauchy-Lipschitz . . . . . . . . . . . . . . . . . . . 8
1.2.1 Un nonc gnral . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Systmes direntiels linaires . . . . . . . . . . . . . . . . 9
1.2.3 Applications en thorie du contrle . . . . . . . . . . . . . 11
2 Modlisation dun systme de contrle 13
2.1 Exemples de systmes de contrle . . . . . . . . . . . . . . . . . . 13
2.1.1 En mcanique . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.2 Electricit . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1.3 Chimie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.4 Biologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.5 Equations aux drives partielles . . . . . . . . . . . . . . 16
2.2 Reprsentation interne des systmes de contrle linaires . . . . . 16
2.3 Reprsentation externe des systmes de contrle linaires . . . . 16
3 Contrlabilit 21
3.1 Ensemble accessible . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Contrlabilit des systmes linaires autonomes . . . . . . . . . . 26
3.2.1 Cas sans contrainte sur le contrle : condition de Kalman 26
3.2.2 Cas avec contrainte sur le contrle . . . . . . . . . . . . . 28
3.2.3 Equivalence linaire de systmes . . . . . . . . . . . . . . 29
3.2.4 Forme de Brunovski . . . . . . . . . . . . . . . . . . . . . 29
3.3 Contrlabilit des systmes linaires instationnaires . . . . . . . . 31
3.4 Contrlabilit des systmes non linaires . . . . . . . . . . . . . . 33
3.4.1 Application entre-sortie . . . . . . . . . . . . . . . . . . . 34
3.4.2 Contrlabilit . . . . . . . . . . . . . . . . . . . . . . . . . 36
4 Stabilisation 41
4.1 Systmes linaires autonomes . . . . . . . . . . . . . . . . . . . . 41
4.1.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3
4 TABLE DES MATIRES
4.1.2 Critre de Routh, critre de Hurwitz . . . . . . . . . . . . 42
4.1.3 Stabilisation des systmes de contrle linaires autonomes 43
4.2 Interprtation en termes de matrice de transfert . . . . . . . . . . 45
4.3 Stabilisation des systmes non linaires . . . . . . . . . . . . . . . 46
4.3.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.3.2 Stabilisation locale dun systme de contrle non linaire . 47
4.3.3 Stabilisation asymptotique par la mthode de Jurdjevic-
Quinn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5 Observabilit 51
5.1 Dnition et critres dobservabilit . . . . . . . . . . . . . . . . . 51
5.2 Stabilisation par retour dtat statique . . . . . . . . . . . . . . . 55
5.3 Observateur asymptotique de Luenberger . . . . . . . . . . . . . 55
5.4 Stabilisation par retour dynamique de sortie . . . . . . . . . . . . 56
Chapitre 1
Rappels
1.1 Rappels dalgbre linaire
1.1.1 Exponentielle de matrice
Soit IK = IR ou C, et soit | | une norme multiplicative sur /
n
(IK) (i.e.
|AB| |A| |B| pour toutes matrices A, B /
n
(IK) ; par exemple les normes
doprateurs sont multiplicatives).
Dnition 1.1.1. Soit A /
n
(IK). On dnit lexponentielle de la matrice A
par :
exp(A) = e
A
=
+
k=1
A
k
k!
.
Cest une srie normalement convergente dans le Banach /
n
(IK), vu que
_
_
_
_
_
_
q
k=p
A
k
k!
_
_
_
_
_
_
k=p
_
_
_
_
A
k
k!
_
_
_
_
k=p
|A|
k
k!
e
A
.
Proposition 1.1.1. Pour tout A /
n
(IK), on a e
A
GL
n
(IK), et
(e
A
)
1
= e
A
.
Lapplication exponentielle est IK-analytique (et donc en particulier est de
classe C
sur le corps IK).

La direntielle de Frchet d exp(0) de lapplication exponentielle en 0 est
gale lidentit sur /
n
(IK).
Pour toutes matrices A, B /
n
(IK) qui commutent, i.e. AB = BA, on
a :
e
A+B
= e
A
e
B
.
Si P GL
n
(IK), alors Pe
A
P
1
= e
PAP
1
.
Pour A /
n
(IK), lapplication f(t) = e
tA
est drivable, et f
(t) =
Ae
tA
= e
tA
A.
5
6 CHAPITRE 1. RAPPELS
1.1.2 Rduction des endomorphismes
Lespace vectoriel /
n
(IK) est de dimension n
2
sur IK, donc les lments
I, A, . . . , A
n
2
sont linairement dpendants. Par consquent il existe des po-
lynmes P annulateurs de A, i.e. tels que P(A) = 0. Lanneau IK[X] tant
principal, lidal des polynmes annulateurs de A admet un unique gnrateur
normalis, i.e. un unique polynme de plus petit degr, dont le coecient do-
minant est gal 1, annulant A; on lappelle polynme minimal de la matrice
A, not
A
.
Par ailleurs, le polynme caractristique de A, not
A
, est dni par :
A
(X) = det (XI A).
Thorme 1.1.2 (Thorme de Hamilton-Cayley).
A
(A) = 0.
En particulier, le polynme minimal
A
divise le polynme caractristique
A
. Notons que deg
A
= n et deg
A
n.
Exemple 1.1.1. Pour une matrice N /
n
(IK) nilpotente, i.e. il existe un
entier p 1 tel que N
p
= 0, on a ncessairement p n,
N
(X) = X
p
et
N
(X) = X
n
.
Exemple 1.1.2. Pour une matrice compagnon, i.e. une matrice de la forme :
A =
_
_
_
_
_
_
_
_
0 1 0 0
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0 0 0 1
a
n
a
n1
a
2
a
1
_
_
_
_
_
_
_
_
,
on a :
A
(X) =
A
(X) = X
n
+a
1
X
n1
+ +a
n1
X +a
n
.
Le scalaire IK est dit valeur propre sil existe un vecteur non nul v IK
n
,
appel vecteur propre, tel que Av = v. Lespace propre associ la valeur
propre est dni par :
E() = ker(A I) ;
cest lensemble des vecteurs propres de A pour la valeur propre .
Lorsque IK = C, les valeurs propres de A sont exactement les racines du
polynme caractristique
A
. En particulier on a :
A
(X) =
r
i=1
(X
i
)
mi
et
A
(X) =
r
i=1
(X
i
)
si
,
avec s
i
m
i
. Lentier s
i
(resp. m
i
) est appel ordre de nilpotence (resp. mul-
tiplicit) de la valeur propre
i
. Lespace caractristique de la valeur propre
i
est dni par :
N(
i
) = ker(X
i
)
si
.
1.1. RAPPELS DALGBRE LINAIRE 7
Thorme 1.1.3 (Thorme de dcomposition des noyaux). Soient A /
n
(IK)
et P IK[X] un polynme tel que :
P(X) =
r
i=1
P
i
(X),
o les polynmes P
i
sont premiers entre eux deux deux. Alors :
ker P(A) =
r
i=1
ker P
i
(A).
De plus, chaque sous-espace ker P
i
(A) est invariant par A, et la projection p
i
sur ker P
i
(A) paralllement
j=i
ker P
j
(A) est un polynme en A.
En appliquant ce thorme au polynme minimal de A, on obtient, lorsque
IK = C :
C
n
=
r
i=1
N(
i
).
Notons que N(
i
) = ker(X
i
)
si
= ker(X
i
)
mi
.
La restriction de A N(
i
) est de la forme
i
I +N
i
, o N
i
est une matrice
nilpotente dordre s
i
. On peut alors montrer que toute matrice A /
n
(IK)
admet une unique dcomposition A = D+N, o D est diagonalisable sur C, N
est nilpotente, et de plus DN = ND (dcomposition D +N).
On peut prciser ce rsultat avec la thorie de Jordan.
Thorme 1.1.4 (Dcomposition de Jordan). Soit A /
n
(IK) ; on suppose
que
A
est scind sur IK (ce qui est toujours le cas sur C) tel que
A
(X) =
r
i=1
(X
i
)
si
. Alors il existe P GL
n
(IK) telle que
P
1
AP =
_
_
_
A
1
0
.
.
.
.
.
.
.
.
.
0 A
r
_
_
_,
o les matrices A
i
sont diagonales par blocs :
A
i
=
_
_
_
J
i,1
0
.
.
.
.
.
.
.
.
.
0 J
i,ei
_
_
_,
et o les matrices J
i,k
, 1 i r, 1 k e
i
, sont des blocs de Jordan, i.e. des
matrices carres de la forme :
J
i,k
=
_
_
_
_
_
_
i
1 0
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 1
0 0
i
_
_
_
_
_
_
,
nayant pas forcment toutes le mme ordre [J
i,k
[. Pour tout i 1, . . . , r, on
a e
i
= dimE(
i
), et max
1kei
[J
i,k
[ = s
i
.
1.2 Thorme de Cauchy-Lipschitz
Dans cette section nous rappelons une version gnrale du thorme de
Cauchy-Lipschitz, adapte la thorie du contrle, qui tablit sous certaines
conditions lexistence et lunicit dune solution dune quation direntielle.
Une bonne rfrence ce sujet est [18, Appendix C].
1.2.1 Un nonc gnral
Soit I un intervalle de IR et V un ouvert de IR
n
. Considrons le problme de
Cauchy :
x(t) = f(t, x(t)), x(t
0
) = x
0
, (1.1)
o f est une application de I V dans IR
n
, et x
0
V . Le thorme de Cauchy-
Lipschitz usuel arme lexistence et lunicit dune solution maximale pourvu
que f soit continue, et localement lipschitzienne par rapport x. Mais en thorie
du contrle ces hypothses doivent tre aaiblies car on est amen considrer
des contrles non continus (au mieux, continus par morceaux), et par consquent
la continuit du second membre nest plus assure. En particulier la solution,
si elle existe, nest pas en gnral drivable partout et il faut donc rednir de
manire adquate le concept de solution.
Dnition 1.2.1. On suppose que pour tout t I la fonction x f(t, x) est
mesurable, et que pour tout x U la fonction x f(t, x) est continue. Une
solution x(.) dnie sur un intervalle J I du problme de Cauchy (1.1) est
une fonction absolument continue de J dans V telle que pour tout t J
x(t) = x
0
+
_
t
t0
f(s, x(s))ds,
ce qui est quivalent :
x(t) = f(t, x(t)) p.p. sur J,
x(t
0
) = x
0
.
La solution (J, x()) est dite maximale si, pour toute autre solution (

J, x()), on
a

J J et x() = x() sur

J.
On a alors le thorme suivant.
Thorme 1.2.1 (Thorme de Cauchy-Lipschitz). On suppose que la fonction
f : I V V vrie les deux hypothses suivantes :
1. f est localement lipschitzienne en x, au sens o :
x V r > 0 L
1
loc
(I, IR
+
) / B(x, r) V, et
t I y, z B(x, r) |f(t, y) f(t, z)[ (t)|y z|,
2. f est localement intgrable en t, i.e. :
x V L
1
loc
(I, IR
+
) / t I |f(t, x)[ (t).
1.2. THORME DE CAUCHY-LIPSCHITZ 9
Alors pour toute donne initiale (t
0
, x
0
) I V , il existe une unique solution
maximale x(.) du problme de Cauchy (1.1).
Remarque 1.2.1. On na pas forcment J = I ; par exemple considrons le pro-
blme de Cauchy x(t) = x(t)
2
, x(0) = x
0
. Alors :
si x
0
= 0, on a J = IR et x() 0 ;
si x
0
> 0, on a J =] , 1/x
0
[ et x(t) = x
0
/(1 x
0
t) ;
si x
0
< 0, on a J =]1/x
0
, +[ et x(t) = x
0
/(1 x
0
t).
Remarque 1.2.2. Si f est seulement continue on na pas unicit en gnral ;
par exemple considrons le problme de Cauchy x(t) =
_
[x(t)[, x(0) = 0. La
fonction nulle est solution, ainsi que
x(t) =
_
0 si t 0,
t
2
/4 si t > 0.
Thorme 1.2.2 (Thorme dexplosion). Sous les hypothses du thorme de
Cauchy-Lipschitz, soit (]a, b[, x()) une solution maximale. Si b < sup J, alors
pour tout compact K contenu dans V , il existe un rel > 0 tel que x(t) / K,
pour tout t ]b , b[.
Remarque 1.2.3. En particulier si V = IR
n
, alors |x(t)|
tb
t<b
+.
Remarque 1.2.4. On a une proprit semblable si a > inf J.
Enonons maintenant une version globale du thorme de Cauchy-Lipschitz.
Thorme 1.2.3. Sous les hypothses du thorme de Cauchy-Lipschitz, on
suppose de plus que V = IR
n
et que f est globalement lipschitzienne par rapport
x, i.e.
L
1
loc
(I, IR
+
) / t I y, z IR
n
|f(t, y) f(t, z)| (t)|y z|.
Alors J = I.
1.2.2 Systmes direntiels linaires
Considrons le problme de Cauchy dans IR
n
:
x(t) = A(t)x(t) +B(t), x(t
0
) = x
0
, (1.2)
o les applications t A(t) /
n
(IR) et t B(t) IR
n
sont localement
intgrables sur lintervalle I considr.
Dnition 1.2.2. La rsolvante du problme (1.2) est la solution du problme
de Cauchy :
R
t
(t, t
0
) = A(t)R(t, t
0
), R(t
0
, t
0
) = I,
o R(t, t
0
) /
n
(IR).
Proposition 1.2.4. La rsolvante vrie les proprits suivantes :
R(t
2
, t
0
) = R(t
2
, t
1
)R(t
1
, t
0
).
Si (t, t
0
) = det R(t, t
0
), on a :
t
(t, t
0
) = tr A(t).(t, t
0
), (t
0
, t
0
) = 1.
La solution du problme de Cauchy (1.2) est :
x(t) = R(t, t
0
)x
0
+
_
t
t0
R(t, s)B(s)ds.
Remarque 1.2.5. Lorsque t
0
= 0, on note plutt M(t) = R(t, 0). La formule de
variation de la constante scrit alors :
x(t) = M(t)x
0
+M(t)
_
t
0
M(s)
1
B(s)ds.
Remarque 1.2.6 (Expression de la rsolvante). La rsolvante admet le dvelop-
pement en srie suivant :
R(b, a) = I +
_
as1b
A(s
1
)ds
1
+
_
as1s2b
A(s
2
)A(s
1
)ds
1
ds
2
+ +
_
as1snb
A(s
n
) A(s
1
)ds
1
ds
n
+ .
De plus cette srie est normalement convergente. Cest un dveloppement en
srie chronologique.
Cas des systmes autonomes. Considrons le problme de Cauchy dans IR
n
:
x(t) = Ax(t), x(0) = x
0
,
o A /
n
(IR). Alors, dans ce cas, la rsolvante est M(t) = e
tA
, et la solution
de ce problme est :
x(t) = e
tA
x
0
.
La dcomposition de Jordan permet de prciser ce rsultat. En eet, on a :
e
tA
= P
_
_
_
e
tJ1,e
1
0
.
.
.
0 e
tJ1,er
_
_
_P
1
.
On calcule facilement :
e
tJ
i,k
= e
ti
_
_
_
_
_
_
_
1 t e
ti
t
|J
i,k
|1
(|J
i,k
|1)!
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. e
ti
t
0 0 e
ti
_
_
_
_
_
_
_
.
On obtient donc le rsultat suivant.
1.2. THORME DE CAUCHY-LIPSCHITZ 11
Proposition 1.2.5. Toute solution du systme x(t) = Ax(t) est de la forme :
x(t) =
1ir
0k|J
i,k
|
e
ti
t
k
v
i,k
,
o v
i,k
N(
i
).
1.2.3 Applications en thorie du contrle
Systmes de contrle linaires
Considrons le systme de contrle linaire :
x(t) = A(t)x(t) +B(t)u(t) +r(t), x(t
0
) = x
0
.
Les hypothses du thorme 1.2.1 sont clairement vries si les applications
t A(t), B(t)u(t), r(t), sont localement intgrables sur lintervalle I considr.
Il faut donc supposer :
A(.) L
1
loc
(I, /
n
(IR)),
r(.) L
1
loc
(I, IR
n
),
et par ailleurs les hypothses assurant la locale intgrabilit de B(.)u(.) d-
pendent de lensemble des contrles considrs. Par exemple :
si u(.) L
loc
(I, IR
m
) alors on suppose que B(.) L
1
loc
(I, /
n,m
(IR)).
si u(.) L
2
loc
(I, IR
m
) alors on suppose que B(.) L
2
loc
(I, /
n,m
(IR)).
De manire gnrale si u(.) L
p
loc
(I, IR
m
) alors on suppose que B(.)
L
q
loc
(I, /
n,m
(IR)) o
1
p
+
1
q
= 1.
si les contrles sont des fonctions mesurables valeurs dans un compact
IR
m
, on suppose que B(.) L
1
loc
(I, /
n,m
(IR)).
Systmes de contrle gnraux
Considrons le systme de contrle :
x(t) = f(t, x(t), u(t)), x(t

0
) = x
0
,
o f est une fonction de I V U, I est un intervalle de IR, V un ouvert de
IR
n
et U un ouvert de IR
m
.
Pour rester dans un cadre trs gnral, il sut de supposer que pour chaque
contrle u considr, la fonction F(t, x) = f(t, x, u(t)) vrie les hypothses du
thorme 1.2.1. Bien entendu en fonction de la classe de contrles considre,
ces hypothses peuvent tre plus ou moins diciles vrier.
On peut donner des hypothses certes moins gnrales, mais qui susent
dans la grande majorit des cas. Ces hypothses sont les suivantes :
1. Lensemble des contrles considrs est contenu dans L
loc
(I, IR
m
),
2. La fonction f est de classe C
1
sur I V U.
Il est facile de vrier qualors les hypothses du thorme 1.2.1 sont satisfaites
et donc, pour chaque contrle x il existe une unique solution maximale sur
un intervalle J du problme de Cauchy :
x(t) = f(t, x(t), u(t)) p.p. sur J,
x(t
0
) = x
0
.
Exercice 1.2.1. Soit A :]0, +[ /
n
(IR) une application continue. On consi-
dre le systme direntiel x
(t) = A(t)x(t) et on note R(t, t

0
) sa rsolvante.
1. Montrer que la rsolvante S(t, t
0
) du systme y(t) =
t
A(t)y(t) est S(t, t
0
) =
t
R(t, t
0
).
2. On pose
A(t) =
_
_
2t +
1
t
0
1
t
t
t
1
t
3t t
1
t
2
t
2t 0
2
t
+t
_
_
.
Montrer que A(t) possde une base de vecteurs propres indpendante de
t. En dduire la rsolvante R(t, t
0
).
Chapitre 2
Modlisation dun systme de
contrle
2.1 Exemples de systmes de contrle
2.1.1 En mcanique
Exemple 2.1.1 (Wagon). Daprs le principe fondamental de la mcanique,
lquation du systme est :
m x(t) = u(t).
Exemple 2.1.2 (Oscillateur harmonique).
m x(t) +kx(t) = u(t).
Exemple 2.1.3 (Pendule oscillant (en robotique : bras articul)).
(t) +mgl sin (t) = u(t).

Exemple 2.1.4 (Pendule invers). Ecrivons les quations du mouvement en
utilisant les quations dEuler-Lagrange. Lnergie cintique et lnergie poten-
tielle sont :
E
c
=
1
2
M

2
+
1
2
m(

2
2
+

2
2
), E
p
= mg
2
.
Par ailleurs, on a
2
= l cos et
2
= +l sin . Donc le Lagrangien du systme
est :
L = E
c
E
p
=
1
2
(M +m)

2
+ ml

cos +
1
2
ml
2

2
mgl cos .
Daprs les quations dEuler-Lagrange :
d
dt
L
x
=
L
x
,
13
14 CHAPITRE 2. MODLISATION DUN SYSTME DE CONTRLE
on obtient :
_
(M +m)
+ml
cos ml
2
sin = u,
ml
cos +ml
2
mgl sin = 0,
do
_
=
ml
2
sin mg cos sin +u
M +msin
2
=
ml
2
sin cos + (M +m)g sin u cos
M +msin
2
.
Exemple 2.1.5 (Systmes de ressorts amortis).
_
m
1
x
1
= k
1
(x
1
x
2
) d
1
( x
1
x
2
) +u,
m
2
x
2
= k
1
(x
1
x
2
) k
2
x
2
+d
1
( x
1
x
2
) d
2
x
2
.
Exemple 2.1.6 (Amortisseurs dune voiture).
_
x
1
= k
1
x
1
d
1
x
1
+l
1
u,
x
2
= k
2
x
2
d
2
x
2
+l
2
u.
Exemple 2.1.7 (Voiture commande en vitesse).
_
_
x(t) = u(t) cos (t),
y(t) = u(t) sin (t),
(t) = v(t).
2.1.2 Electricit
Exemple 2.1.8 (Vitesse angulaire dun rotor).
I (t) = u(t).
Exemple 2.1.9 (Circuit RLC).
L
di
dt
+Ri +
q
C
= u,
o q(t) =
_
t
i est la charge du condensateur. Do :
_
_
dq
dt
= i,
di
dt
=
R
L
i
1
LC
q +
1
L
u.
Exemple 2.1.10 (Servomoteur courant continu). On note : R la rsistance ;
L linductance ; e la force contre-lectromotrice ; k
1
, k
2
des constantes ; J le
2.1. EXEMPLES DE SYSTMES DE CONTRLE 15
moment dinertie du moteur ; f le coecient de frottement du moteur ; = k
2
i
le couple moteur ;
c
le couple antagoniste ; langle moteur. On a :
_
_
u = Ri +L
di
dt
+e,
e = k
1

,
J
= kl
2
i f

c
,
do
d
dt
_
_
i
_
_
=
_
_
R/L 0 k
1
/L
0 0 1
k
2
/J 0 f/J
_
_
+
_
_
1
0
0
_
_
u +
_
_
0
0
c
_
_
.
2.1.3 Chimie
Exemple 2.1.11 (Cintique chimique). Considrons lquation
CO +
1
2
O
2
k1
k1
CO
2
.
Les quations de la cintique chimique sont :
_
_
d[CO]
dt
= k
1
[CO][O
2
]
1/2
+k
1
[CO
2
],
d[O
2
]
dt
=
1
2
k
1
[CO][O
2
]
1/2
+
1
2
k
1
[CO
2
],
d[CO
2
]
dt
= k
1
[CO][O
2
]
1/2
k
1
[CO
2
],
o k
1
et k
1
dpendent de la temprature T, et le contrle est u =
dT
dt
.
2.1.4 Biologie
Exemple 2.1.12 (Systme proies-prdateurs).
_
x = x(1 y) +u,
y = y(1 x).
Exemple 2.1.13 (Bioracteur).
_
x = croissance sortie = (s) Dx,
y = consommation sortie + alimentation = (s)x Ds +Ds
in
.
2.1.5 Equations aux drives partielles
Exemple 2.1.14 (Equation des ondes).
_
_
y
tt
= y
xx
,
y(0, x) = y
0
(x), y
t
(0, x) = y
1
(x),
y(t, 0) = 0, y(t, L) = u(t),
o t [0, T] et x [0, L].
2.2 Reprsentation interne des systmes de contrle
linaires
Considrons le systme linaire observ :
_
x(t) = Ax(t) +Bu(t),
y(t) = Cx(t),
(2.1)
o x(t) IR
n
, u(t) IR
m
, y(t) IR
p
, A /
n
(IR), B /
n,m
(IR), et C
/
p,n
(IR).
On appelle reprsentation interne ou reprsentation dtat continue lexpres-
sion de la sortie y(t) sous la forme :
y(t) = Ce
tA
x(0) +Ce
tA
_
t
0
e
sA
Bu(s)ds, (2.2)
appele en anglais input-output relation.
2.3 Reprsentation externe des systmes de contrle
linaires
Dnition 2.3.1. La rponse impulsionnelle dun systme linaire est la sortie
de ce systme ( conditions initiales nulles) quand on lexcite en entre par une
impulsion de Dirac.
Ici, la rponse impulsionnelle est donc la matrice :
W(t) =
_
Ce
tA
B si t 0,
0 si t < 0.
(2.3)
2.3. REPRSENTATION EXTERNE DES SYSTMES DE CONTRLE LINAIRES17
En eet, posons, pour tout t [0, ] :
u(t) =
_
_
_
_
_
_
_
_
_
_
_
_
0
.
.
.
0
1/
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
_
_
=
1
e
i
,
et u(t) = 0 sinon. Alors :
y(t) = Ce
tA
1
_

0
e
sA
Be
i
ds
0
Ce
tA
Be
i
.
Remarque 2.3.1. Puisque x(0) = 0, on a, pour t 0 :
y(t) =
_
t
0
W(t s)u(s)ds =
_
+
0
W(t s)u(s)ds.
Autrement dit :
Proposition 2.3.1. t 0 y(t) = (W u)(t).
Cela incite utiliser la transformation de Laplace, qui transforme un produit
de convolution en un produit.
Dnition 2.3.2. Soit f L
1
loc
([0, +[, IR). Il existe a IR tel que,
pour tout complexe s, on ait :
si Re s > a alors
_
+
0
e
st
[f(t)[dt < +,
si Re s < a alors
_
+
0
e
st
[f(t)[dt = +.
Pour tout complexe s tel que Re s > a, on dnit la transforme de Laplace de
f par :
L(f)(s) =
_
+
0
e
st
f(t)dt.
Remarque 2.3.2. La transformation de Laplace est linaire (en faisant attention
toutefois au problme du domaine de dnition). De plus, on a :
L(f g) = L(f)L(g).
Enn, pour toute fonction f de classe C
1
, on a :
L(f
)(s) = sL(f)(s) f(0).

Posons alors Y (s) = L(y)(s) et U(s) = L(u)(s) (o, par convention, y(t) = 0
et u(t) = 0 si t < 0).
Dnition 2.3.3. La matrice de transfert H est la transforme de Laplace de
la matrice de rponse impulsionnelle, i.e.
H(s) = L(W)(s) =
_
+
0
W(t)e
st
dt. (2.4)
Proposition 2.3.2. Y (s) = H(s)U(s).
Par ailleurs, en appliquant la transformation de Laplace au systme (2.1),
avec x(0) = 0 et X(s) = L(x)(s), on a :
sX(s) = AX(s) +BU(s), Y (s) = CX(s),
do
Y (s) = C(sI A)
1
BU(s).
Donc :
Proposition 2.3.3. H(s) = C(sI A)
1
B.
Remarque 2.3.3. En particulier, on a L(Ce
tA
B)(s) = C(sI A)
1
B.
Proposition 2.3.4. Les coecients de la matrice de transfert H(s) sont des
fractions rationnelles en s, avec un numrateur de degr strictement infrieur
au degr du dnominateur.
Dmonstration : Il sut de remarquer que
(sI A)
1
=
1
det(sI A)
t
com(sI A).
Remarque 2.3.4. Si le systme scrit :
_
y(t) = Cx(t) +Du(t),
alors
H(s) = C(sI A)
1
B +D.
Dans ce cas, il est clair que les coecients de la matrice H(s) sont des fractions
rationnelles dont le numrateur et le dnominateur ont mme degr.
Rciproquement, lorsquon dispose dune matrice de transfert H(s) pour
reprsenter un systme linaire continu, on peut chercher calculer un modle
dtat (i.e. dterminer des matrices A, B, C) tel que H(s) = C(sI A)
1
B.
Un tel triplet (A, B, C) est appel ralisation dtat continue de la matrice de
transfert H(s).
2.3. REPRSENTATION EXTERNE DES SYSTMES DE CONTRLE LINAIRES19
Proposition 2.3.5. La fonction de transfert (i.e. m = p = 1)
H(s) = b
0
+
b
1
s
n1
+ +b
n
s
n
+a
1
s
n1
+ +a
n
admet la ralisation :
A =
_
_
_
_
_
_
_
_
_
_
_
0 1 0 0
0 0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 1 0
0 0 1
a
n
a
n1
a
2
a
1
_
_
_
_
_
_
_
_
_
_
_
, B =
_
_
_
_
_
_
_
_
_
_
_
0
.
.
.
0
1
_
_
_
_
_
_
_
_
_
_
_
,
C = (b
n
b
1
), D = b
0
.
La dmonstration se fait par un calcul facile. On peut de mme montrer que
tout matrice de transfert dont les coecients sont des fractions rationnelles (le
degr du numrateur tant infrieur ou gal celui du dnominateur) admet
une ralisation (voir par exemple [13]).
Remarque 2.3.5. Il ny a pas unicit de la ralisation. En eet si (A, B, C) est
une ralisation de H(s), alors il est bien clair que (A
1
, B
1
, C
1
) est aussi une
ralisation de H(s) avec :
A
1
=
_
A 0

_
, B
1
=
_
B
_
, C
1
=
_
C 0
_
.
Il existe un thorme dunicit dune ralisation minimale sous forme dun
systme linaire contrlable et observable, voir par exemple [13].
Exercice 2.3.1. Dterminer une ralisation de la matrice de transfert :
H(s) =
_
_
1/(s
2
1)
s/(s
2
+s)
s/(s
2
s)
_
_
.
Chapitre 3
Contrlabilit
Soit I un intervalle de IR. Considrons le systme de contrle linaire :
t x(t) = A(t)x(t) +B(t)u(t) +r(t)
x(0) = x
0
(3.1)
o t I, et on suppose que :
A(t) /
n
(IR), B(t) /
n,m
(IR) et r(t), x
0
/
n,1
(IR),
les applications t A(t), B(t), r(t) sont L
sur I,
lapplication u est mesurable et localement borne sur I, valeurs dans
un sous-ensemble IR
m
.
Les thormes dexistence de solutions dquations direntielles nous assurent
lexistence sur I dune unique application t x(t) IR
n
absolument continue
telle que :
x(t) = M(t)x
0
+
_
t
0
M(t)M(s)
1
(B(s)u(s) +r(s))ds
o M(t) /
n
(IR) est la rsolvante du systme linaire homogne x = Ax, i.e.
M(t) = A(t)M(t), M(0) = Id.

En particulier si A(t) = A est constante alors M(t) = e
tA
.
Cette application dpend de u. Donc si on change la fonction u, on obtient
une autre trajectoire t x(t) dans IR
n
, voir gure 3.1.
On se pose la question suivante : tant donn un point x
1
IR
n
, existe-t-il
un contrle u tel que la trajectoire associe ce contrle joigne x
0
et x
1
en un
temps ni T ? (voir gure 3.2)
Cest le problme de contrlabilit.
3.1 Ensemble accessible
Considrons le systme de contrle linaire (3.1).
21
22 CHAPITRE 3. CONTRLABILIT
x
0
Fig. 3.1
x(t)
x
1
= x(T)
x
0
Fig. 3.2 Problme de contrlabilit
Dnition 3.1.1. Lensemble des points accessibles partir de x
0
en un temps
T > 0 est :
Acc(x
0
, T) = x
1
IR
n
/ u L
2
([0, T], ), x : [0, T] IR
n
,
x(t) = A(t)x(t) +B(t)u(t) +r(t) p.p. sur [0, T],
x(0) = x
0
, x(T) = x
1
Autrement dit Acc(x

0
, T) est lensemble des extrmits des solutions de (3.1)
au temps T, lorsquon fait varier le contrle u, voir gure 3.3. Pour la cohrence
on pose Acc(x
0
, 0) = x
0
.
Thorme 3.1.1. Considrons le systme de contrle linaire dans IR
n
:
x(t) = A(t)x(t) +B(t)u(t) +r(t)
o IR
m
est compact et convexe. Soient T > 0 et x
0
IR
n
. Alors pour
tout t [0, T], Acc(x
0
, t) est compact, convexe, et varie continment avec t sur
[0, T].
Dmonstration. Montrons dabord la convexit de Acc(x
0
, t). Soient x
1
, x
2

Acc(x
0
, t), et [0, 1]. On veut montrer que : x
1
+ (1 )x
2
Acc(x
0
, t).
Par dnition, pour i = 1, 2, il existe un contrle u
i
: [0, t] I tel que la
trajectoire x
i
(s) associe u
i
vrie :
x
i
(0) = x
0
, x
i
(t) = x
i
,
dx
i
ds
(s) = A(s)x
i
(s) +B(s)u(s) +r(s).
3.1. ENSEMBLE ACCESSIBLE 23
x
0
Acc(x
0
, T)
Fig. 3.3 Ensemble accessible
Daprs la formule de variation de la constante :
x
i
= x
i
(t) = M(t)x
0
+
_
t
0
M(t)M(s)
1
(B(s)u
i
(s) +r(s))ds.
Posons, pour tout s [0, t] : u(s) = u
1
(s) + (1 )u
2
(s). Le contrle u est
dans L
2
, valeurs dans car est convexe. Soit x(s) la trajectoire associe
u. Alors, par dnition de A(x
0
, t), on a :
x(t) = M(t)x
0
+
_
t
0
M(t)M(s)
1
(B(s)u(s) +r(s))ds Acc(x
0
, t).
Or :
x
1
+ (1 )x
2
= M(t)x
0
+ (1 )M(t)x
0
+
_
t
0
M(t)M(s)
1
(B(s)(u
1
(s) + (1 )u
2
(s)) +r(s) + (1 )r(s))ds
= x(t)
donc x
1
+ (1 )x
2
Acc(x
0
, t), ce qui prouve la convexit de Acc(x
0
, t).
Montrons maintenant la compacit de Acc(x
0
, t). Cela revient montrer que
toute suite (x
n
) de points de Acc(x
0
, t) admet une sous-suite convergente. Pour
tout entier n soit u
n
un contrle reliant x
0
x
n
en temps t, et soit x
n
(.) la
trajectoire correspondante. On a donc :
x
n
= x
n
(t) = M(t)x
0
+
_
t
0
M(t)M(s)
1
(B(s)u
n
(s) +r(s))ds. (3.2)
Par dnition les contrles u
n
sont valeurs dans le compact , et par cons-
quent la suite (u
n
) est borne dans L
2
([0, t], IR
m
). Par rexivit on en d-
duit que, sous-suite prs, la suite (u
n
) converge faiblement vers un contrle
u L
2
([0, t], ). Par ailleurs de la formule de reprsentation (3.2) on dduit
aisment que la suite (x
n
(.))
nIN
est borne dans L
2
([0, T], IR
n
). De plus, de
lgalit x
n
= Ax
n
+ Bu
n
+ v, et utilisant le fait que A, B et v sont dans L
,
on conclut que la suite ( x
n
) est galement borne dans L
2
, autrement dit cette
suite est borne dans H
1
([0, T], IR
n
). Mais comme cet espace de Sobolev est r-
exif et se plonge de manire compacte dans C
0
([0, T], IR
n
) muni de la topologie
uniforme, on conclut que, sous-suite prs, la suite (x
n
) converge uniformment
vers une application x sur [0, T].
En passant la limite dans (3.2) il vient alors :
x(t) = M(t)x
0
+
_
t
0
M(t)M(s)
1
(B(s)u(s) +r(s))ds,
et en particulier :
lim
i+
x
ni
= lim
i+
x
ni
(t) = x(t) Acc(x
0
, t),
ce qui prouve la compacit.
Montrons enn la continuit par rapport t de Acc(x
0
, t). Soit > 0. On va
chercher > 0 tel que :
t
1
, t
2
[0, T] [t
1
t
2
[ d(Acc(t
1
), Acc(t
2
)) ,
o on note pour simplier Acc(t) = Acc(X
0
, t), et o :
d(Acc(t
1
), Acc(t
2
)) = sup
_
sup
yAcc(t2)
d(y, Acc(t
1
)), sup
yAcc(t1)
d(y, Acc(t
2
))
_
.
Par la suite, on suppose 0 t
1
< t
2
T. Il sut de montrer que :
1. y Acc(t
2
) d(y, Acc(t
1
)) ,
2. y Acc(t
1
) d(y, Acc(t
2
)) .
Montrons juste le premier point (2. tant similaire). Soit y Acc(t
2
). Il sut
de montrer que :
z Acc(t
1
) / d(y, z) .
Par dnition de Acc(t
2
), il existe un contrle u L
2
([0, T], ) tel que la tra-
jectoire associe u, partant de x
0
, vrie : x(t
2
) = y, voir gure 3.4. On va
voir que z = x(t
1
) convient. En eet on a :
x(t
2
) x(t
1
) = M(t
2
)x
0
+
_
t2
0
M(t
2
)M(s)
1
(B(s)u(s) +r(s))ds
_
M(t
1
)x
0
+
_
t1
0
M(t
1
)M(s)
1
(B(s)u(s) +r(s))ds
_
= M(t
2
)
_
t2
t1
M(s)
1
(B(s)u(s) +r(s))ds
+ (M(t
2
) M(t
1
))
_
x
0
+
_
t1
0
M(s)
1
(B(s)u(s) +r(s))ds
_
3.1. ENSEMBLE ACCESSIBLE 25
x
0
y = x(t
2
)
Acc(t
2
)
Acc(t
1
)
x(t
1
)
x(t)
Fig. 3.4
Si [t
1
t
2
[ est petit, le premier terme de cette somme est petit par continuit
de lintgrale ; le deuxime terme est petit par continuit de t M(t). Do
le rsultat.
Remarque 3.1.1. Si r = 0 et x
0
= 0, la solution de x = Ax + Bu, x(0) = 0,
scrit :
x(t) = M(t)
_
t
0
M(s)
1
B(s)u(s)ds,
et est linaire en u.
Cette remarque nous mne la proposition suivante :
Proposition 3.1.2. On suppose r = 0, x
0
= 0 et = IR
m
. Alors pour tout t >
0, Acc(0, t) est un sous-espace vectoriel de IR
n
. De plus pour tous 0 < t
1
< t
2
,
Acc(0, t
1
) A(0, t
2
).
Dmonstration. Soient x
1
, x
2
Acc(0, T), et , IR. Pour i = 1, 2, il existe
par dnition un contrle u
i
et une trajectoire associe x
i
(.) vriant x
i
(t) = x
i
.
Do :
x
i
= M(t)
_
t
0
M(s)
1
B(s)u
i
(s)ds.
Posons : s [0, T] u(s) = u
1
(s) +u
2
(s). Alors :
x
1
+x
2
= M(t)
_
t
0
M(s)
1
B(s)u(s)ds = x(t) Acc(0, t).
Pour la deuxime partie de la proposition, soit x
1
Acc(0, t
1
). Par dnition,
il existe un contrle u
1
sur [0, t
1
] tel que la trajectoire associe x
1
(.) vrie
x
1
(t
1
) = x
1
. Do :
x
1
= M(t
1
)
_
t1
0
M(s)
1
B(s)u
1
(s)ds
Dnissons u
2
sur [0, t
2
] par :
_
u
2
(t) = 0 si 0 t t
2
t
1
u
2
(t) = u
1
(t
1
t
2
+t) si t
2
t
1
t t
2
.
Soit x
2
(t) la trajectoire associe u
2
sur [0, t
2
]. Alors :
x
2
(t
2
) = M(t
2
)
_
t2
0
M(t)
1
B(t)u
2
(t)dt
= M(t
2
)
_
t2
t2t1
M(t)
1
B(t)u
2
(t)dt car u
2/[0,t2t1]
= 0
= M(t
2
)
_
t1
0
M(t
2
)
1
M(t
1
)M(s)
1
B(s)u
2
(t
2
t
1
+s)ds si s = t
1
t
2
+t
= M(t
1
)
_
t1
0
M(s)
1
B(s)u
1
(s)ds
= x
1
Ainsi : x
1
Acc(0, t
2
).
Corollaire 3.1.3. Acc(0) =
t0
Acc(0, t), lensemble des points accessibles (en
temps quelconque), est un sous-espace vectoriel de IR
n
.
Dmonstration. Une union croissante de sous-espaces vectoriels de IR
n
est un
sous-espace vectoriel.
Dnition 3.1.2. Le systme contrl x(t) = A(t)x(t) +B(t)u(t) +r(t) est dit
contrlable en temps T si pour tous x
0
, x
1
IR
n
, il existe un contrle u tel que
la trajectoire associe relie x
0
et x
1
en temps T (voir gure 3.5), i.e. :
x
0
, x
1
IR
n
u : [0, T] x : [0, T] IR
n
/
x(t) = A(t)x(t) +B(t)u(t) +r(t) p.p. sur [0, T],
x(0) = x
0
, x(T) = x
1
.
x
1 x
0
Fig. 3.5 Contrlabilit
3.2 Contrlabilit des systmes linaires autonomes
3.2.1 Cas sans contrainte sur le contrle : condition de
Kalman
Le thorme suivant nous donne une condition ncessaire et susante de
contrlabilit dans le cas o A et B ne dpendent pas de t.
3.2. CONTRLABILIT DES SYSTMES LINAIRES AUTONOMES 27
Thorme 3.2.1. On suppose que = IR
m
(pas de contrainte sur le contrle).
Le systme x(t) = Ax(t) +Bu(t) +r(t) est contrlable en temps T (quelconque)
si et seulement si la matrice
C =
_
B, AB, . . . , A
n1
B
_
est de rang n.
La matrice C est appele matrice de Kalman, et la condition rg C = n est
appele condition de Kalman.
Dmonstration. Lessentiel de la preuve est contenu dans le lemme suivant.
Lemme 3.2.2. La matrice C est de rang n si et seulement si lapplication
linaire
: L
([0, T], IR
m
) IR
n
u
_
T
0
e
(Tt)A
Bu(t)dt
est surjective.
Preuve du lemme. Supposons tout dabord que rg C < n, et montrons que
nest pas surjective. Lapplication C tant non surjective, il existe un vecteur
IR
n
0, que lon supposera tre un vecteur ligne, tel que C = 0. Par
consquent :
B = AB = . . . = A
n1
B = 0.
Or daprs le thorme dHamilton-Cayley, il existe des rels a
0
, a
1
, . . . , a
n1
tels que
A
n
= a
0
I + a
n1
A
n1
.
On en dduit par rcurrence immdiate que pour tout entier k :
A
k
B = 0,
et donc, pour tout t [0, T] :
e
tA
B = 0.
Par consquent pour tout contrle u on a :
_
T
0
e
(Tt)A
Bu(t)dt = 0,
i.e. (u) = 0, et donc nest pas surjective.
Rciproquement, si nest pas surjective, alors il existe un vecteur ligne
IR
n
0 tel que pour tout contrle u on ait :
_
T
0
e
(Tt)A
Bu(t)dt = 0.
Ceci implique, pour tout t [0, T] :
e
(Tt)A
B = 0.
En t = T on obtient B = 0. Ensuite, en drivant par rapport t, puis en
prenant t = T, on obtient AB = 0. Ainsi par drivations successives on obtient
nalement :
B = AB = = A
n1
B = 0,
donc C = 0, et donc rg C < n.
Ce lemme permet maintenant de montrer facilement le thorme.
Si la matrice C est de rang n, alors daprs le lemme lapplication est
surjective, i.e. (L
) = IR
n
. Or pour tout contrle u lextrmit au temps T de
la trajectoire associe u est :
x(T) = e
TA
x
0
+
_
T
0
e
(Tt)A
(Bu(t) +r(t))dt,
donc lensemble accessible en temps T depuis un point x
0
IR
n
est :
Acc(T, x
0
) = e
TA
x
0
+
_
T
0
e
(Tt)A
r(t)dt +(L
) = IR
n
,
et donc le systme est contrlable.
Rciproquement si le systme est contrlable, alors il est en particulier
contrlable en x
0
dni par :
x
0
= e
TA
_
T
0
e
(Tt)A
r(t)dt.
Or en ce point lensemble accessible en temps T scrit :
Acc(T, x
0
) = (L
),
et le systme tant contrlable cet ensemble est gal IR
n
, ce qui prouve que
est surjective, et donc daprs le lemme la matrice C est de rang n.
Remarque 3.2.1. Si x
0
= 0 et r = 0, la dmonstration prcdente est un peu
simplie puisque dans ce cas daprs le corollaire 3.1.3 Acc(0) est un sous-espace
vectoriel.
3.2.2 Cas avec contrainte sur le contrle
Dans le thorme 3.2.1 on na pas mis de contrainte sur le contrle. Cepen-
dant en adaptant la preuve on obtient aisment le rsultat suivant.
Corollaire 3.2.3. Sous la condition de Kalman prcdente, si r = 0 et si 0
,
alors lensemble accessible Acc(x
0
, t) en temps t contient un voisinage du point
exp(tA)x
0
.
3.2. CONTRLABILIT DES SYSTMES LINAIRES AUTONOMES 29
Remarque 3.2.2. Les proprits de contrlabilit globale sont relies aux pro-
prits de stabilit de la matrice A. Par exemple il est clair que si :
1. la condition de Kalman est satisfaite,
2. r = 0 et 0
,
3. toutes les valeurs propres de la matrice A sont de partie relle strictement
ngative (i.e. la matrice A est stable),
alors tout point de IR
n
peut tre conduit lorigine en temps ni (ventuellement
grand).
Dans le cas mono-entre m = 1, on a un rsultat plus prcis que nous
admettrons, voir [13] :
Thorme 3.2.4. Soit b IR
n
et IR un intervalle contenant 0 dans son
intrieur. Considrons le systme x = Ax + bu, u . Alors tout point de
IR
n
peut tre conduit lorigine en temps ni si et seulement si la condition
de Kalman est satisfaite pour la paire (A, b) et toutes les valeurs propres de la
matrice A sont de partie relle ngative ou nulle.
3.2.3 Equivalence linaire de systmes
Dnition 3.2.1. Les systmes de contrle linaires x
1
= A
1
x
1
+ B
1
u
1
et
x
2
= A
2
x
2
+B
2
u
2
sont dits linairement quivalents sil existe P GL
n
(IR) tel
que A
2
= PA
1
P
1
et B
2
= PB
1
.
Remarque 3.2.3. On a alors x
2
= Px
1
.
Proposition 3.2.5. La proprit de Kalman est intrinsque, i.e.
(B
2
, A
2
B
2
, . . . , A
n1
2
B
2
) = P(B
1
, A
1
B
1
, . . . , A
n1
1
B
1
),
et donc le rang de la matrice de Kalman est invariant par quivalence linaire.
Considrons une paire (A, B) o A /
n
(IR) et B /
n,m
(IR).
Proposition 3.2.6. La paire (A, B) est linairement quivalente une paire
(A
, B
) de la forme
A
=
_
A
1
A
3
0 A
2
_
, B
=
_
B
1
0
_
,
o A
1
/
r
(IR), B
1
/
r,m
(IR), r tant le rang de la matrice de Kalman de
la paire (A, B). De plus, la paire (A
1
, B
1
) est contrlable.
3.2.4 Forme de Brunovski
Thorme 3.2.7. Si m = 1 et si la paire (A, b) est contrlable, alors elle est
linairement quivalente la paire (

A,

B), o
A =
_
_
_
_
_
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
a
n
a
n1
a
1
_
_
_
_
_
,

B =
_
_
_
_
_
0
.
.
.
0
1
_
_
_
_
_
.
Dmonstration : Montrons tout dabord le lemme suivant.
Lemme 3.2.8. Si m = 1 et si la paire (A, B) est contrlable, alors elle est
linairement quivalente la paire (

A,

B), o
A =
_
_
_
_
_
_
0 0 a
n
1
.
.
.
.
.
. a
n1
.
.
.
.
.
. 0
.
.
.
0 1 a
1
_
_
_
_
_
_
,

B =
_
_
_
_
_
1
0
.
.
.
0
_
_
_
_
_
.
Preuve du lemme. Puisque m = 1, notons que B est un vecteur de IR
n
. La
paire (A, B) tant contrlable, la famille (B, AB, . . . , A
n1
B) est une base de
IR
n
. Dans cette base, on vrie facilement que la paire (A, B) prend la forme
(

A,

B).
Raisonnons alors par analyse et synthse. Sil existe une base (f
1
, . . . , f
n
)
dans laquelle la paire (A, B) prend la forme (

A,

B), alors on a ncessairement
f
n
= B scalaire prs, et :
Af
n
= f
n1
a
1
f
n
, . . . , Af
2
= f
1
a
n1
f
n
, Af
1
= a
n
f
n
.
Dnissons donc les vecteurs f
1
, . . . , f
n
par les relations :
f
n
= B, f
n1
= Af
n
+a
1
f
n
, . . . , f
1
= Af
2
+a
n1
f
n
.
La famille (f
1
, . . . , f
n
) est bien une base de IR
n
puisque :
Vect f
n
= Vect B,
Vect f
n
, f
n1
= Vect B, AB,
.
.
.
Vect f
n
, . . . , f
1
= Vect B, . . . , A
n1
B = IR
n
.
Il reste vrier que lon a bien Af
1
= a
n
f
n
:
Af
1
= A
2
f
2
+a
n1
Af
n
= A
2
(Af
3
+a
n2
f
n
) +a
n1
Af
n
= A
3
f
3
+a
n2
A
2
f
n
+a
n1
Af
n
. . .
= A
n
f
n
+a
1
A
n1
f
n
+ +a
n1
Af
n
= a
n
f
n
puisque daprs le thorme dHamilton-Cayley, on a A
n
= a
1
A
n1
a
n
I.
Dans la base (f
1
, . . . , f
n
), la paire (A, B) prend la forme (

A,

B).
3.3. CONTRLABILITDES SYSTMES LINAIRES INSTATIONNAIRES31
Remarque 3.2.4. Ce thorme admet la gnralisation suivante, lorsque m > 1.
Si la paire (A, B) est contrlable, alors on peut la conjuguer une paire (

A,

B)
telle que :
A =
_
_
_
_
_
_
A
1

0

A
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0

A
s
_
_
_
_
_
_
,
les matrices

A
i
tant des matrices compagnons (i.e., ayant la forme de Brunovski
du thorme prcdent) ; par ailleurs, il existe une matrice G /
m,s
(IR) telle
que :
BG =
_
_
_
B
1
.
.
.
B
s
_
_
_,
o tous les coecients de chaque matrice

B
i
sont nuls, sauf celui de la dernire
ligne, en i-me colonne, qui est gal 1.
Exercice 3.2.1. Tester la contrlabilit des systmes donns dans le chapitre
2.
Exercice 3.2.2. Pour quelles valeurs de le systme
_
x
y
_
=
_
2 3
0 2
__
x
y
_
+
_
1 1
2
0
__
u
v
_
est-il contrlable ?
Exercice 3.2.3 (Systme de ressorts coupls (train deux wagons)). Tester la
contrlabilit du systme :
_
x = k
1
x +k
2
(y x),
y = k
2
(y x) + u.
3.3 Contrlabilit des systmes linaires insta-
tionnaires
Les deux thormes suivants donnent une condition ncessaire et susante
de contrlabilit dans le cas instationnaire.
Thorme 3.3.1. Le systme x(t) = A(t)x(t) +B(t)u(t) +r(t) est contrlable
en temps T si et seulement si la matrice
C(T) =
_
T
0
M(t)
1
B(t)
t
B(t)
t
M(t)
1
dt
est inversible.
Remarque 3.3.1. On a C(T) =
t
C(T), et
t
xC(T)x pour tout x IR
n
, i.e. C(T)
est une matrice relle symtrique positive.
Dmonstration : Pour toute solution x(t), on a :
x(T) = x
+M(T)
_
T
0
M(t)
1
B(t)u(t)dt,
o
x
= M(T)x
0
+M(T)
_
T
0
M(t)
1
r(t)dt.
Si C(T) est inversible, posons u(t) =
t
B(t)
t
M(t)
1
, avec IR
n
. Alors :
x(T) = x
+M(T)C(T),
et il sut de prendre = C(T)
1
M(T)
1
(x
1
x
).
Rciproquement, si C(T) nest pas inversible, alors il existe IR
n
0 tel
que
t
C(T) = 0. On en dduit :
_
T
0
|
t
B(t)
t
M(t)
1
|
2
dt = 0,
do
t
M(t)
1
B(t) = 0 p.p. sur [0, T], et donc, pour tout contrle u, on a :
t
_
T
0
M(t)
1
B(t)u(t)dt = 0.
Posons
1
=
t
M(T)
1
; on a, pour tout contrle u :
t
(x
u
(T) x
) = 0,
i.e. x
u
(T) x
, et donc le systme nest pas contrlable.

Remarque 3.3.2. Ce thorme peut se montrer beaucoup plus facilement en
contrle optimal, le contrle utilis dans la preuve tant optimal pour un certain
critre.
Remarque 3.3.3. Si le systme est autonome, on a M(t) = e
tA
, et donc :
C(T) =
_
T
0
e
sA
B
t
Be
s
t
A
ds.
Dans ce cas, C(T
1
) est inversible si et seulement si C(T
2
) est inversible, i.e.
la condition de contrlabilit ne dpend pas de T (ce qui est faux dans le cas
instationnaire).
Thorme 3.3.2. Considrons le systme
x(t) = A(t)x(t) +B(t)u(t) +r(t)
3.4. CONTRLABILIT DES SYSTMES NON LINAIRES 33
o les applications A, B, r sont supposes C
sur [0, T]. Dnissons par rcur-

rence :
B
0
(t) = B(t), B
i+1
(t) = A(t)B
i
(t)
dB
i
dt
(t).
Alors :
1. Sil existe t [0, T] tel que
Vect B
i
(t)v / v IR
n
, i IN = IR
n
alors le systme est contrlable en temps T.
2. Si de plus les applications A, B, r sont analytiques sur [0, T], alors le sys-
tme est contrlable en temps T si et seulement si
t [0, T] Vect B
i
(t)v / v IR
n
, i IN = IR
n
.
Remarque 3.3.4. Dans le cas autonome, on retrouve la condition de Kalman.
Exercice 3.3.1. Montrer que le systme x(t) = A(t)x(t) +B(t)u(t), avec
A(t) =
_
_
t 1 0
0 t
3
0
0 0 t
2
_
_
, et B(t) =
_
_
0
1
1
_
_
,
est contrlable en temps quelconque.
Exercice 3.3.2. Montrer que le systme
_
x(t) = y(t) +u(t) cos t,
y(t) = x(t) +u(t) sint,
nest pas contrlable.
Exercice 3.3.3. Soient m et n des entiers naturels non nuls, et soient A
/
n
(IR) et B /
n,m
(IR). On suppose que le systme de contrle x(t) = Ax(t)+
Bu(t) est contrlable. Soit f : IR IR une fonction de classe C
; on pose, pour
tout t IR,
A(t) = A +f(t)I,
o I est la matrice identit dordre n. Montrer que le systme de contrle x(t) =
A(t)x(t) +Bu(t) est contrlable en temps quelconque.
3.4 Contrlabilit des systmes non linaires
Considrons un systme de contrle gnral :
x(t) = f(t, x(t), u(t)), x(t
0
) = x
0
, (3.3)
o f est une application de classe C
1
de I V U dans IR
n
, I est un intervalle
de IR, V ouvert de IR
n
, U un ouvert de IR
m
, (t
0
, x
0
) I V . Par ailleurs on
suppose que les contrles u(.) appartiennent un sous-ensemble de L
loc
(I, IR
m
).
Ces hypothses assurent, pour tout contrle u, lexistence et lunicit sur
dune solution maximale x
u
(t) sur un intervalle J I, du problme de Cauchy
(3.3).
Par commodit dcriture on suppose dans toute la suite que t
0
= 0.
Pour tout contrle u L
loc
(I, IR
m
), la trajectoire associe x
u
(.) est dnie
sur un intervalle maximal [0, t
e
(u)[, o t
e
(u) IR
+
+. Par exemple si
t
e
(u) < + alors la trajectoire explose en t
e
(u) (thorme dchappement, ou
dexplosion). Pour tout T > 0, T I, on note |
T
lensemble des contrles
admissibles sur [0, T], cest--dire lensemble des contrles tels que la trajectoire
associe soit bien dnie sur [0, T], autrement dit T < t
e
(u).
3.4.1 Application entre-sortie
Dnition
Considrons pour le systme (3.3) le problme de contrle suivant : tant
donn un point x
1
IR
n
, trouver un temps T et un contrle u sur [0, T] tel que
la trajectoire x
u
associe u, solution de (3.3), vrie :
x
u
(0) = 0 , x
u
(T) = x
1
.
Ceci nous conduit dnir :
Dnition 3.4.1. Soit T > 0. Lapplication entre-sortie en temps T du sys-
tme contrl (3.3) initialis 0 est lapplication :
E
T
:
| IR
n
u x
u
(T)
o | est lensemble des contrles admissibles, i.e. lensemble de contrles u tels
que la trajectoire associe est bien dnie sur [0, T].
Autrement dit, lapplication entre-sortie en temps T associe un contrle u
le point nal de la trajectoire associe u. Une question importante en thorie du
contrle est dtudier cette application en dcrivant son image, ses singularits,
etc.
Rgularit de lapplication entre-sortie
La rgularit de E
T
dpend bien entendu de lespace de dpart et de la forme
du systme.
Pour un systme gnral
En toute gnralit on a le rsultat suivant, voir par exemple [4, 10, 18] :
Proposition 3.4.1. Considrons le systme (3.3) o f est C
p
, p 1, et soit
| L
([0, T], IR
m
) le domaine de dnition de E
T
, cest--dire lensemble des
contrles dont la trajectoire associe est bien dnie sur [0, T]. Alors | est un
ouvert de L
([0, T], IR
m
), et E
T
est C
p
au sens L
.
De plus la direntielle (au sens de Frchet) de E
T
en un point u | est
donne par le systme linaris en u de la manire suivante. Posons, pour tout
t [0, T] :
A(t) =
f
x
(t, x
u
(t), u(t)) , B(t) =
f
u
(t, x
u
(t), u(t)).
Le systme de contrle linaire :
y
v
(t) = A(t)y
v
(t) +B(t)v(t)
y
v
(0) = 0
est appel systme linaris le long de la trajectoire x
u
. La direntielle de
Frchet de E
T
en u est alors lapplication dE
T
(u) telle que, pour tout v
L
([0, T], IR
m
) :
dE
T
(u).v = y
v
(T) = M(T)
_
T
0
M
1
(s)B(s)v(s)ds (3.4)
o M est la rsolvante du systme linaris, i.e. la solution matricielle de :
M = AM, M(0) = Id.

Dmonstration. Pour la dmonstration du fait que | est ouvert, voir [18, 21, 22].
Par hypothse u(.) et sa trajectoire associe x(., x
0
, u) sont dnis sur [0, T].
Lensemble des contrles tant les applications mesurables et bornes muni de
la norme L
, lapplication E
T
est de classe C
p
sur un voisinage de u(.) en
vertu des thormes de dpendance par rapport un paramtre. Exprimons sa
direntielle au sens de Frchet. Soit v(.) un contrle x, on note x(.) + x(.)
la trajectoire associe u(.) +v(.), issue en t = 0 de x
0
. Par un dveloppement
de Taylor, on obtient :
d
dt
(x +x)(t) = f(t, x(t) +x(t), u(t) +v(t))
= f(t, x(t), u(t)) +
f
x
(t, x(t), u(t))x(t) +
f
u
(t, x(t), u(t))v(t)
+

2
f
xu
(t, x(t), u(t))(x(t), v(t)) +
Par ailleurs, x(t) = f(t, x(t), u(t)), donc :
d
dt
(x)(t) =
f
x
(t, x(t), u(t))x(t) +
f
u
(t, x(t), u(t))v(t) +
En crivant x =
1
x +
2
x +. . . o
1
x est la partie linaire en v,
2
x la partie
quadratique, etc, et en identiant, il vient :
d
dt
(
1
x)(t) =
f
x
(t, x(t), u(t))
1
x(t)+
f
u
(t, x(t), u(t))v(t) = A(t)
1
x(t)+B(t)v(t).
Or x(0) + x(0) = x
0
= x(0), donc x(0) = 0 et la condition initiale de cette
quation direntielle est
1
x(0) = 0. En intgrant, on obtient :
1
x(T) = M(T)
_
T
0
M
1
(s)B(s)v(s)ds
o M est la rsolvante du systme homogne
d
dt
(
1
x)(t) =
f
x
(t, x(t), u(t))
1
x(t),
cest--dire

M(t) = A(t)M(t) avec A(t) =
f
x
(t, x(t), u(t)) et M(0) = I
n
. On
observe que
1
x(T) est linaire et continu par rapport v(.) en topologie L
.
Cest donc la direntielle de Frchet en u(.) de E
T
.
Remarque 3.4.1. En gnral E
T
nest pas dnie sur L
([0, T], IR
m
) tout entier
cause de phnomnes dexplosion. Par exemple si on considre le systme
scalaire x = x
2
+ u, x(0) = 0, on voit que pour u = 1 la trajectoire associe
explose en t =

2
, et donc nest pas dnie sur [0, T] si T

2
.
3.4.2 Contrlabilit
On veut rpondre la question suivante : tant donn le systme (3.3), o
peut-on aller en temps T en faisant varier le contrle u ? On est tout dabord
amen dnir la notion densemble accessible.
Ensemble accessible
Dnition 3.4.2. Lensemble accessible en temps T pour le systme (3.3), not
Acc(x
0
, T), est lensemble des extrmits au temps T des solutions du systme
partant de x
0
au temps t = 0. Autrement dit, cest limage de lapplication
entre-sortie en temps T.
Thorme 3.4.2. Considrons le systme de contrle :
x = f(t, x, u), x(0) = x
0
,
o la fonction f est C
1
sur IR
1+n+m
, et les contrles u appartiennent len-
semble | des fonctions mesurables valeurs dans un compact IR
m
. On
suppose que :
il existe un rel positif b tel que toute trajectoire associe est uniformment
borne par b sur [0, T], i.e. :
b > 0 / u | t [0, T] |x
u
(t)| b, (3.5)
pour tout (t, x), lensemble des vecteurs vitesses
V (t, x) = f(t, x, u) / u (3.6)
est convexe.
Alors lensemble Acc(x
0
, t) est compact et varie continment en t sur [0, T].
Dmonstration. Notons tout dabord que puisque est compact alors V (t, x) est
galement compact. Montrons la compacit de Acc(x
0
, t). Cela revient montrer
que toute suite (x
n
) de points de Acc(x
0
, t) admet une sous-suite convergente.
Pour tout entier n soit u
n
un contrle reliant x
0
x
n
en temps t, et soit x
n
(.)
la trajectoire correspondante. On a donc :
x
n
= x
n
(t) = x
0
+
_
t
0
f(s, x
n
(s), u
n
(s))ds.
Posons pour tout entier n et tout s [0, t] :
g
n
(s) = f(s, x
n
(s), u
n
(s)).
La suite de fonctions (g
n
(.))
nIN
est daprs les hypothses borne dans L
([0, t], IR
n
),
et par consquent sous-suite prs elle converge vers une fonction g(s) pour la
topologie faible-* de L
([0, t], IR
n
). Posons alors, pour tout [0, t] :
x() = x
0
+
_

0
g(s)ds,
ce qui construit une fonction x(.) absolument continue sur [0, t]. De plus on a,
pour tout s [0, t] :
lim
n+
x
n
(s) = x(s),
i.e. la suite de fonctions (x
n
(.))
nIN
converge simplement vers x(.). Le but est de
montrer que la trajectoire x(.) est associe un contrle u valeurs dans , ce
qui revient montrer que pour presque tout s [0, t] on a g(s) = f(s, x(s), u(s)).
Pour cela, dnissons pour tout entier n et tout s [0, t] :
h
n
(s) = f(s, x(s), u
n
(s)),
et introduisons lensemble :
1 = h(.) L
([0, t], IR
n
) / h(s) V (s, x(s)) pour presque tout s [0, t],
de sorte que h
n
1 pour tout entier n. Pour tout (t, x) lensemble V (t, x)
est compact convexe, et par consquent 1 est convexe ferm dans L
([0, t], IR
n
)
muni de sa topologie standard (topologie dite forte). Donc il est galement ferm
dans L
([0, t], IR
n
) muni de la topologie faible-* (voir [7]). Or, similairement
(g
n
), la suite de fonctions (h
n
) est borne dans L
, et donc sous-suite prs

converge en topologie faible-* vers une fonction h, qui appartient ncessairement
1 puisque ce sous-ensemble est ferm faible-*.
Enn, montrons que g = h presque partout. Pour cela, crivons, pour toute
fonction L
1
([0, t], IR) :
_
t
0
(s)g
n
(s)ds =
_
t
0
(s)h
n
(s)ds +
_
t
0
(s) (g
n
(s) h
n
(s)) ds. (3.7)
Daprs les hypothses, la fonction f est globalement lipschitzienne en x sur
[0, T]

B(0, b) , et donc daprs le thorme des accroissements nis, il
existe une constante C > 0 telle que pour presque tout s [0, t] :
|g
n
(s) h
n
(s)| C|x
n
(s) x(s)|.
La suite de fonctions (x
n
) converge simplement vers x(.), donc daprs le tho-
rme de convergence domine :
_
t
0
(s) (g
n
(s) h
n
(s)) ds
n+
0.
Finalement en passant la limite dans (3.7), il vient :
_
t
0
(s)g
n
(s)ds =
_
t
0
(s)h
n
(s)ds,
pour toute fonction L
1
([0, t], IR, et par consquent g = h presque partout
sur [0, t].
En particulier g 1, et donc pour presque tout s [0, t] il existe u(s)
tel que :
g(s) = f(s, x(s), u(s)).
La fonction u ainsi construite est mesurable.
Ainsi, la trajectoire x(.) est associe sur [0, t] au contrle u valeurs dans
, et x(t) est la limite des points x
n
. Ceci montre la compacit de Acc(x
0
, t).
Il reste tablir la continuit par rapport t de lensemble accessible. Soient
t
1
, t
2
deux rels tels que 0 < t
1
< t
2
T, et x
2
un point de Acc(x
0
, t
2
). Par
dnition il existe un contrle u valeurs dans , de trajectoire associe x(.),
tel que :
x
2
= x(t
2
) = x
0
+
_
t2
0
f(t, x(t), u(t))dt.
Il est bien clair que le point
x
1
= x(t
1
) = x
0
+
_
t1
0
f(t, x(t), u(t))dt
appartient Acc(x
0
, t
1
), et de plus daprs les hypothses sur f on a :
|x
2
x
1
| C[t
2
t
1
[.
On conclut alors facilement.
Remarque 3.4.2. Lhypothse (3.5) est indispensable, elle nest pas une cons-
quence des autres hypothses. En eet considrons de nouveau le systme de la
remarque 3.4.1 : x = x
2
+u, x(0) = 0, o on suppose que [u[ 1 et que le temps
nal est T =

2
. Alors pour tout contrle u constant gal c, avec 0 < c < 1, la
trajectoire associe est x
c
(t) =

c tan
ct, donc est bien dnie sur [0, T], mais

lorsque c tend vers 1 alors x
c
(T) tend vers +. Par ailleurs il est facile de voir
que sur cet exemple lensemble des contrles admissibles, valeurs dans [1, 1],
est lensemble des fonctions mesurables telles que u(t) [1, 1[.
Remarque 3.4.3. De mme, lhypothse de convexit (3.6) est ncessaire, voir
[13, Exemple 2 page 244].
Rsultats de contrlabilit
Dnition 3.4.3. Le systme (3.3) est dit contrlable (en temps quelconque)
depuis x
0
si
IR
n
=
_
T0
Acc(x
0
, T).
Il est dit contrlable en temps T si IR
n
= Acc(x
0
, T).
Par des arguments du type thorme des fonctions implicites, ltude de la
contrlabilit du systme linaris (qui est plus simple), permet de dduire des
rsultats de contrlabilit locale du systme de dpart, voir [4, 13]. Par exemple
on dduit du thorme de contrlabilit dans le cas linaire la proposition sui-
vante :
Proposition 3.4.3. Considrons le systme (3.3) o f(x
0
, u
0
) = 0. Notons
A =
f
x
(x
0
, u
0
) et B =
f
u
(x
0
, u
0
). On suppose que :
rg
_
B[AB[ [A
n1
B
_
= n.
Alors le systme est localement contrlable en x
0
.
Exercice 3.4.1. Montrer que le pendule invers (cf chapitre 2) est localement
contrlable au point dquilibre ( =
c
,

= 0, = 0,

= 0). Pour cela, on
tablira que le systme linaris en ce point est donn par les matrices :
A =
_
_
_
_
0 1 0 0
0 0
mg
M
0
0 0 0 1
0 0
(M+m)g
lM
0
_
_
_
_
, et B =
_
_
_
_
0
1
M
0
1
lM
_
_
_
_
.
Chapitre 4
Stabilisation
4.1 Systmes linaires autonomes
4.1.1 Rappels
Considrons le systme direntiel x(t) = Ax(t), o A /
n
(IR) et x(t)
IR
n
. On note x(, x
0
) la solution telle que x(0, x
0
) = x
0
. On rappelle que le point
origine 0, qui est un point dquilibre, est stable si
> 0 > 0 / x
0
IR
n
|x
0
| t 0 |x(t, x
0
)| .
Le point 0 est asymptotiquement stable sil est stable et de plus x(t, x
0
)
t+
0.
Pour un systme linaire, la stabilit locale est quivalente la stabilit globale.
Thorme 4.1.1. Sil existe une valeur propre de A telle que Re > 0,
alors le point dquilibre 0 est instable.
Si toutes les valeurs propres de A sont partie relle strictement ngative,
alors le point dquilibre 0 est asymptotiquement stable.
Le point dquilibre 0 est stable si et seulement si toute valeur propre de
A est partie relle ngative ou nulle, et si toute valeur propre partie
relle nulle est simple.
Remarque 4.1.1. Une valeur propre de A est simple si et seulement si est
racine simple du polynme minimal
A
. Ceci quivaut dire que N() = E(),
ou bien que ker(A I) = ker(A I)
2
, ou encore que la dcomposition de
Jordan de A na pas de bloc de Jordan strict en .
La dmonstration de ce thorme est claire daprs la proposition 1.2.5.
Dnition 4.1.1. La matrice A est dite de Hurwitz si toutes ses valeurs propres
sont partie relle strictement ngative.
41
42 CHAPITRE 4. STABILISATION
4.1.2 Critre de Routh, critre de Hurwitz
Dans cette section, on considre le polynme complexe :
P(z) = a
0
z
n
+a
1
z
n1
+ +a
n1
z +a
0
,
et on cherche des conditions pour que ce polynme ait toutes ses racines partie
relle strictement ngative, i.e. soit de Hurwitz.
Critre de Routh
Dnition 4.1.2. La table de Routh est construite de la manire suivante :
a
0
a
2
a
4
a
6
ventuellement complt par des 0
a
1
a
3
a
5
a
7
ventuellement complt par des 0
b
1
b
2
b
3
b
4
o b
1
=
a
1
a
2
a
0
a
3
a
1
, b
2
=
a
1
a
4
a
0
a
5
a
1
, . . .
c
1
c
2
c
3
c
4
o c
1
=
b
1
a
3
a
1
b
2
b
1
, c
2
=
b
1
a
5
a
1
b
3
b
1
, . . .
.
.
.
.
.
.
.
.
.
.
.
.
Le processus continue tant que le premier lment de la ligne est non nul.
La table de Routh est dit complte si elle possde n+1 lignes dont le premier
coecient est non nul.
Thorme 4.1.2. Tous les zros de P sont partie relle strictement ngative
si et seulement si la table complte existe, et les lments de la premire colonne
sont de mme signe.
Thorme 4.1.3. Si la table complte existe, alors P na aucun zro imaginaire
pur, et le nombre de zros partie relle strictement positive est gal au nombre
de changements de signes dans la premire colonne.
Critre de Hurwitz
On pose a
n+1
= a
n+2
= = a
2n1
= 0. On dnit la matrice carre
dordre n :
H =
_
_
_
_
_
_
_
_
_
_
_
a
1
a
3
a
5
a
2n1
a
0
a
2
a
4
a
2n2
0 a
1
a
3
a
2n3
0 a
0
a
2
a
2n4
0 0 a
1
a
2n5
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 a
n
_
_
_
_
_
_
_
_
_
_
_
,
o = a
0
ou a
1
selon la parit de n.
4.1. SYSTMES LINAIRES AUTONOMES 43
Soient (H
i
)
i{1,...,n}
les mineurs principaux de H, i.e.
H
1
= a
1
, H
2
=
a
1
a
3
a
0
a
2
, H
3
=
a
1
a
3
a
5
a
0
a
2
a
4
0 a
1
a
3
, . . . , H
n
= detH.
Thorme 4.1.4. Si a
0
> 0, tout zro de P est de partie relle strictement
ngative si et seulement si H
i
> 0, pour tout i 1, . . . , n.
Remarque 4.1.2. Si a
0
> 0, on a :
Si pour toute racine de P, on a Re 0, alors a
k
0 et H
k
0, pour
tout k 1, . . . , n.
Si n 3 et si a
k
0 et H
k
0, pour tout k 1, 2, 3, alors toute racine
de P vrie Re 0.
Remarque 4.1.3. Une condition ncessaire de stabilit est donc, si a
0
> 0 :
k 1, . . . , n a
k
0.
Mais cette condition nest pas susante (poser P(z) = z
4
+z
2
+ 1).
Exercice 4.1.1. Une condition ncessaire et susante pour quun polynme
de degr infrieur ou gal 4, avec a
0
> 0, ait toutes ses racines partie relle
strictement ngative, est :
a
0
z
2
+a
1
z +a
2
a
1
, a
2
> 0
a
0
z
3
+a
1
z
2
+a
2
z +a
3
a
1
, a
3
> 0 et a
1
a
2
> a
0
a
3
a
0
z
4
+a
1
z
3
+a
2
z
2
+a
3
z +a
4
a
1
, a
2
, a
4
> 0 et a
3
(a
1
a
2
a
0
a
3
) > a
2
1
a
4
4.1.3 Stabilisation des systmes de contrle linaires au-
tonomes
Dnition 4.1.3. Le systme x(t) = Ax(t)+Bu(t), avec x(t) IR
n
, u(t) IR
m
,
A /
n
IR, B /
n,m
IR, est dit stabilisable (par retour dtat linaire, ou
feedback linaire), sil existe K /
m,n
IR tel que le systme boucl par le
feedback u(t) = Kx(t), i.e.
x(t) = (A +BK)x(t),
soit asymptotiquement stable, i.e.
Spec(A +BK) Re < 0.
Remarque 4.1.4. Ce concept est invariant par quivalence linaire :
A
1
= PAP
1
, B
1
= PB, K
1
= KP
1
.
Thorme 4.1.5 (Thorme de placement de ples, pole-shifting theorem). Si
la paire (A, B) satisfait la condition de Kalman, alors pour tout polynme rel P
unitaire de degr n, il existe K /
m,n
IR tel que
A+BK
= P, i.e. le polynme
caractristique de A +BK est gal P.
Corollaire 4.1.6. Si le systme de contrle x(t) = Ax(t)+Bu(t) est contrlable
alors il est stabilisable.
Dmonstration du corollaire. Il sut de prendre P(X) = (X + 1)
n
et dappli-
quer le thorme de placement de ples.
Dmonstration du thorme de placement de ples. Faisons dabord la dmons-
tration dans le cas m = 1 (on se ramnera ensuite ce cas). Par thorme on
sait que le systme est linairement quivalent la forme de Brunovski :
A =
_
_
_
_
_
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
a
n
a
n1
a
1
_
_
_
_
_
, B =
_
_
_
_
_
0
.
.
.
0
1
_
_
_
_
_
.
Posons alors K = (k
1
k
n
) et u = Kx. On a :
A +BK =
_
_
_
_
_
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
k
1
a
n
k
2
a
n1
k
n
a
1
_
_
_
_
_
,
et donc
A+BK
(X) = X
n
+ (a
1
k
n
)X
n1
+ + (a
n
k
1
).
Donc, pour tout polynme P(X) = X
n
+
1
X
n1
+ +
n
, il sut de choisir
k
1
= a
n

n
, . . . , k
n
= a
1

1
.
Dans le cas gnral o m 1, montrons le lemme fondamental suivant.
Lemme 4.1.7. Si la paire (A, B) vrie la condition de Kalman, alors il existe
y IR
m
et C /
m,n
(IR) tels que la paire (A+BC, By) vrie la condition de
Kalman.
Daprs ce lemme, pour tout polynme P unitaire de degr n, il existe
K
1
/
1,n
(IR) tel que
A+BC+ByK1
= P, et donc en posant K = C + yK
1

/
m,n
(IR), on a
A+BK
= P, ce qui prouve le thorme.
Preuve du lemme. Soit y IR
m
tel que By ,= 0. On pose x
1
= By. On a le fait
suivant :
Fait 1 : Il existe x
2
Ax
1
+ Im B (et donc il existe y
1
IR
m
tel que
x
2
= Ax
1
+By
1
) tel que dim Vectx
1
, x
2
= 2.
En eet sinon, on a Ax
1
+ Im B IRx
1
, donc Ax
1
IRx
1
et Im B IRx
1
.
Do
Im AB = AIm B IRAx
1
IRx
1
,
et par rcurrence immdiate :
k IN Im A
k
B IRx
1
.
4.2. INTERPRTATION EN TERMES DE MATRICE DE TRANSFERT 45
On en dduit que
Im (B, AB, . . . , A
n1
B) = Im B + Im AB + + Im A
n1
B IRx
1
,
ce qui contredit la condition de Kalman.
Fait 2 : Pour tout k n, il existe x
k
Ax
k1
+ Im B (et donc il existe
y
k1
IR
m
tel que x
k
= Ax
k1
+ By
k1
) tel que dim E
k
= k, o E
k
=
Vectx
1
, . . . , x
k
.
En eet sinon, on a Ax
k1
+ Im B E
k1
, do Ax
k1
E
k1
et Im B
E
k1
. On en dduit que
AE
k1
E
k1
.
En eet, on remarque que Ax
1
= x
2
By
1
E
k1
+ Im B E
k1
, de mme
pour Ax
2
, etc, Ax
k2
= x
k1
By
k1
E
k1
+ Im B E
k1
, et enn,
Ax
k1
E
k1
.
Par consquent :
Im AB = AIm B AE
k1
E
k1
,
et de mme :
i IN Im A
i
B E
k1
.
Do :
Im (B, AB, . . . , A
n1
B) E
k1
,
ce qui contredit la condition de Kalman.
On a donc ainsi construit une base (x
1
, . . . , x
n
) de IR
n
. On dnit alors
C /
m,n
(IR) par les relations :
Cx
1
= y
1
, Cx
2
= y
2
, . . . , Cx
n1
= y
n1
, Cx
n
quelconque.
Alors la paire (A +BC, x
1
) vrie la condition de Kalman, car :
(A +BC)x
1
= Ax
1
+By
1
= x
2
, . . . , (A +BC)x
n1
= Ax
n1
+By
n1
= x
n
.
4.2 Interprtation en termes de matrice de trans-
fert
Tout dabord, remarquons que les ples de la matrice de transfert H(s) sont
exactement les valeurs propres de A. Cest pourquoi on parle des ples de A
(ou modes propres). Ainsi, le systme est naturellement stable si les ples sont
partie relle strictement ngative.
Dnition 4.2.1. Le systme est dit EBSB-stable (Entre Borne, Sortie Bor-
ne) si pour toute entre borne, la sortie est borne.
Proposition 4.2.1. Si les ples de A sont partie relle strictement ngative
alors le systme est EBSB-stable (la rciproque est fausse).
Remarque 4.2.1. La EBSB-stabilit peut donc se tester par les critres de Routh-
Hurwitz.
Un feedback sinterprte de la manire suivante. Posons C = I. On a H(s) =
(sI A)
1
B, et X(s) = H(s)U(s). On prend u = Kx + v, i.e. U = KX + V ,
do
X(s) = (I H(s)K)
1
H(s)V (s).
Proposition 4.2.2. SI les ples de I H(s)K sont partie relle strictement
ngative, alors le systme est EBSB-stable.
Dans cette interprtation, la matrice de feedback K sappelle le gain.
Remarque 4.2.2. La rponse impulsionnelle est W(t) = e
tA
B, donc :
Si W(t)
t+
0, alors le systme est asymptotiquement stable.
Si |W(t)| est borne quand t +, alors le systme est stable.
Si |W(t)| diverge, alors le systme est instable.
4.3 Stabilisation des systmes non linaires
4.3.1 Rappels
Considrons le systme direntiel dans IR
n
:
x(t) = f(x(t),
o f : IR
n
IR
n
est C
1
. On note x(, x
0
) la solution de ce systme telle que
x(0, x
0
) = x
0
.
Dnition 4.3.1. Le point x est un point dquilibre si f( x) = 0.
Le point dquilibre x est dit stable si
> 0 > 0 / x
0
B( x, ) t 0 |x(t, x
0
)| .
Le point dquilibre x est dit localement asymptotiquement stable (LAS)
si x est stable et si de plus x(t, x
0
)
t+
x.
Thorme 4.3.1 (Thorme de linarisation). Soit A la matrice jacobienne de
f au point dquilibre x.
1. Si toutes les valeurs propres de A sont partie relle strictement ngative,
alors le point dquilibre x est localement asymptotiquement stable.
2. Sil existe une valeur propre de A partie relle strictement positive, alors
le point dquilibre x est instable.
Dnition 4.3.2. Soit un ouvert de IR
n
contenant le point dquilibre x. La
fonction V : IR est une fonction de Lyapunov en x sur si
4.3. STABILISATION DES SYSTMES NON LINAIRES 47
V est C
1
sur ,
V ( x) = 0, et x x V (x) > 0,
x V (x), f(x)) 0 (si lingalit est stricte, on dit que la fonction
de Lyapunov est stricte).
Remarque 4.3.1.
d
dt
V (x(t)) = V (x(t)), f(x(t))).
Thorme 4.3.2 (Thorme de Lyapunov). Sil existe une fonction de Lyapu-
nov au point dquilibre x sur , alors le point x est stable. Si la fonction de
Lyapunov est stricte alors x est LAS. Si de plus V est propre sur alors x est
globalement asymptotiquement stable (GAS) sur .
Thorme 4.3.3 (Principe de Lasalle). Soit V : IR
+
une fonction de
classe C
1
telle que
V est propre, i.e. L V () V
1
([0, L]) est compact dans ,
x V (x), f(x)) 0.
Soit 1 le plus grand sous-ensemble de x [ V (x), f(x)) = 0 invariant
par le ot (en temps t 0) de x = f(x). Alors toute solution x(t) de x = f(x)
tend vers 1, i.e.
d(x(t), 1)
t+
0.
Remarque 4.3.2. On peut noncer le principe de Lasalle dans le cas particulier
o lensemble invariant 1 se rduit au point x. Lnonc est alors le suivant.
Soit x un point dquilibre, et V : IR une fonction de classe C
1
telle que
V ( x) = 0 et x x V (x) > 0,
V est propre,
x V (x), f(x)) 0, et de plus si x(t) est une solution du systme
telle que V (x(t)), f(x(t))) = 0 pour tout t 0, alors x(t) = x.
Alors x est GAS dans .
4.3.2 Stabilisation locale dun systme de contrle non li-
naire
Considrons le systme de contrle non linaire :
x(t) = f(x(t), u(t)),
et soit (x
e
, u
e
) un point dquilibre, i.e. f(x
e
, u
e
) = 0. Le systme linarisen ce
point est
y(t) = Ay(t) +Bv(t),
o
A =
f
x
(x
e
, u
e
), B =
f
u
(x
e
, u
e
).
Thorme 4.3.4. Si le systme linaris est stabilisable par le feedback v = Ky,
alors le point dquilibre (x
e
, u
e
) est LAS pour le systme boucl
x(t) = f(x(t), K(x(t) x
e
) +u
e
).
Exercice 4.3.1. Trouver une condition ncessaire et susante sur K pour sta-
biliser le pendule invers (cf chapitre 2) localement autour du point dquilibre
( =
c
,

= 0, = 0,

= 0).
Exercice 4.3.2. On considre le systme de contrle
x(t) = f(x(t)) +u(t)g(x(t)),
o ltat x et le contrle u sont des rels, les fonctions f et g sont de classe C
,
et f(0) = 0. On suppose que le point dquilibre (x = 0, u = 0) est globalement
asymptotiquement stabilisable au sens suivant : il existe un contrle feedback
u(x) de classe C
, avec u(0) = 0, et une fonction de Lyapunov globale stricte

pour le systme boucl x = f(x) +u(x)g(x) au point dquilibre x = 0.
On considre alors le systme augment
_
x(t) = f(x(t)) +y(t)g(x(t)),
y(t) = v(t),
o v est le nouveau contrle. En considrant la fonction
W(x, y) = V (x) +
1
2
(y u(x))
2
,
montrer que le feedback
v(x, y) =
u
x
(x)(f(x) +yg(x))
V
x
(x)g(x) (y u(x))
rend le point dquilibre (x = 0, y = 0, v = 0) asymptotiquement stable pour le
systme augment.
4.3.3 Stabilisation asymptotique par la mthode de Jurdjevic-
Quinn
Proposition 4.3.5. On considre le systme ane lisse dans IR
n
:
x(t) = f(x(t)) +
m
i=1
u
i
(t)g
i
(x(t)),
avec f( x) = 0. Supposons quil existe une fonction V : IR
n
IR
+
telle que :
V ( x) = 0 et x ,= x V (x) > 0,
V est propre,
x IR
n
L
f
V (x) = V (x), f(x)) 0,
x IR
n
[ L
f
V (x) = 0 et L
k
f
L
gi
V (x) = 0, i 1, . . . , n, k IN =
x.
Alors le feedback u
i
(x) = L
gi
V (x), i = 1, . . . , m, rend le point dquilibre x
globalement asymptotiquement stable.
4.3. STABILISATION DES SYSTMES NON LINAIRES 49
Dmonstration : Soit F(x) = f(x)
m
i=1
L
gi
V (x)g
i
(x) la dynamique du sys-
tme boucl. Notons tout dabord que F( x) = 0, i.e. x est un point dquilibre
pour le systme boucl. En eet, V est lisse et atteint son minimum en x, donc
V ( x) = 0, do L
gi
V ( x) = 0 pour i = 1, . . . , m; de plus, f( x) = 0. On a :
L
F
V (x) = V (x), F(x)) = L
f
V (x)
m
i=1
(L
gi
V (x))
2
0,
et si L
F
V (x(t)) = 0 pour tout t, alors :
L
f
V (x(t)) = 0 et L
gi
V (x(t)) = 0, i = 1, . . . , m.
Par drivation :
0 =
d
dt
L
gi
V (x(t)) = L
f
L
gi
V (x(t)),
puisque L
gi
V (x(t)) = 0. Do, clairement :
i 1, . . . , m k IN L
k
f
L
gi
V (x(t)) = 0.
On en dduit que x(t) = x, et la conclusion sensuit par le principe de Lasalle.
Exercice 4.3.3 (Systme prdateurs-proies). Considrons le systme prdateurs-
proies contrl :
x = x(1 y) +u,
y = y(1 x).
Pour le point dquilibre (x = 1, y = 1), montrer que la fonction V (x, y) =
1
e
2
xye
xy
satisfait les hypothses de la proposition prcdente, et en dduire
un feedback stabilisant globalement ce point dquilibre.
Chapitre 5
Observabilit
Dans tout le chapitre, on se limite au cas linaire autonome :
y(t) = Cx(t) +Du(t),
(5.1)
o x(t) IR
n
, u(t) IR
m
, y(t) IR
p
, A /
n
(IR), B /
n,m
(IR), C
/
p,n
(IR) et D /
p,m
(IR). Dans toute la suite, on peut supposer que D = 0 :
cela ne change rien aux rsultats qui suivent.
5.1 Dnition et critres dobservabilit
Notons (x
u
(t, x
0
), y
u
(t, x
0
)) la solution de (5.1) telle que x
u
(0, x
0
) = x
0
.
Dnition 5.1.1. Le systme (5.1) est observable en temps T si
x
1
, x
2
IR
n
x
1
,= x
2
u L
([0, T], IR
m
) / y
u
(, x
1
) ,= y
u
(, x
2
)
(dans ce cas on dit que x
1
et x
2
sont distinguables).
Autrement dit, si x
1
et x
2
sont distinguables sil existe un contrle tel que
les trajectoires observes dirent. De manire quivalente, on peut dire :
x
1
, x
2
IR
n
u L
([0, T], IR
m
) y
u
(, x
1
) = y
u
(, x
2
) x
1
= x
2
,
i.e., la connaissance de la trajectoire observe dtermine de manire univoque
ltat initial.
Lintrt de la notion dobservabilit est le suivant. Si on considre le systme
comme une bote noire laquelle on applique une entre (contrle, input) u(t),
et de laquelle merge une sortie (observable, output) y(t), la proprit dtre
distinguable signie la possibilit de direntier par des expriences de type
entre-sortie.
On est aussi motiv par la stabilisation. En eet, on a vu comment stabili-
ser un systme par retour dtat. Or il peut savrer coteux de mesurer ltat
51
52 CHAPITRE 5. OBSERVABILIT
complet dun systme. On peut alors se demander si la connaissance partielle
de cet tat permet de reconstituer ltat complet (cest la proprit dobserva-
bilit), et de stabiliser le systme entier : cest la stabilisation par retour dtat
dynamique, ou synthse rgulateur-observateur.
Thorme 5.1.1. Le systme (5.1) est observable (en temps T quelconque) si
et seulement si
rang
_
_
_
_
_
C
CA
.
.
.
CA
n1
_
_
_
_
_
= n.
Dmonstration : Faisons une dmonstration directe de ce thorme. On montre
dabord le lemme fondamental suivant.
Lemme 5.1.2. Le systme (5.1) est observable en temps T si et seulement si,
pour le systme observ x = Ax, y = Cx, x(0) = x
0
, on a :
x
0
,= 0 y() , 0 sur [0, T].
Preuve du lemme. Le systme (5.1) est observable en temps T si et seulement
si
_
x
1
,= x
2
u L
([0, T], IR
m
) / y
u
(, x
1
) ,= y
u
(, x
2
) sur [0, T]
_
_
x
1
,= x
2
u L
([0, T], IR
m
) t [0, T] /
Ce
tA
x
1
+Ce
tA
_
t
0
e
sA
Bu(s)ds ,= Ce
tA
x
2
+Ce
tA
_
t
0
e
sA
Bu(s)ds
_
_
x
0
= x
1
x
2
,= 0 t [0, T] / Ce
tA
x
0
,= 0
_
_
x
0
,= 0 y() , 0 sur [0, T] pour le systme x = Ax, y = Cx, x(0) = x
0
_
On est maintenant en mesure de montrer le thorme.
Si (5.1) nest pas observable en temps T, alors
x
0
,= 0 / t [0, T] y(t) = 0,
i.e.
t [0, T] Ce
tA
x
0
= 0.
Do, par drivations sucessives, et en prenant t = 0 :
Cx
0
= CAx
0
= = CA
n1
x
0
= 0,
i.e.
_
_
_
_
_
C
CA
.
.
.
CA
n1
_
_
_
_
_
x
0
= 0, et donc rang
_
_
_
_
_
C
CA
.
.
.
CA
n1
_
_
_
_
_
< n.
5.1. DFINITION ET CRITRES DOBSERVABILIT 53
Rciproquement, si le rang de cette matrice est strictement infrieur n, alors
il existe x
0
,= 0 tel que
Cx
0
= CAx
0
= = CA
n1
x
0
= 0,
et donc par le thorme dHamilton-Cayley :
t IR Ce
tA
x
0
= 0,
et par consquent le systme (5.1) nest pas observable.
Remarque 5.1.1. Pour un systme linaire autonome, lobservabilit a lieu en
temps quelconque si elle a lieu en temps T.
Remarque 5.1.2. La notion dobservabilit pour un systme linaire autonome
ne dpend pas de la matrice B.
Remarque 5.1.3. On a
rang
_
_
_
_
_
C
CA
.
.
.
CA
n1
_
_
_
_
_
= n rang
_
t
C
t
A
t
C
t
A
n1t
C
_
= n,
et par consquent, le systme x = Ax + Bu, y = Cx est observable si et seule-
ment si le systme x =
t
Ax +
t
Cu est contrlable. Cest la dualit contrla-
bilit/observabilit. Ce fait, trs important, permet de transfrer aux systmes
observs tous les rsultats tablis sur les systmes contrls.
On aurait pu prouver cette quivalence directement en utilisant lapplication
entre-sortie, et en remarquant quune application linaire E : L
2
IR
n
est
surjective si et seulement si lapplication adjointe E
: IR
n
L
2
est injective.
Corollaire 5.1.3. Le systme (5.1) est observable en temps T si et seulement
si la matrice
O(T) =
_
T
0
e
s
t
At
CCe
sA
ds
est inversible.
Dnition 5.1.2 (Equivalence linaire). Les systmes
_
x
1
= A
1
x
1
+B
1
u
1
y
1
= C
1
x
1
et
_
x
2
= A
2
x
2
+B
2
u
2
y
2
= C
2
x
2
sont dits linairement quivalents sil existe une matrice P GL
n
(IR) telle que
A
2
= PA
1
P
1
, B
2
= PB
2
, C
2
= C
1
P
1
(et dans ce cas on a x
2
= Px
1
, u
2
= u
1
, y
2
= y
1
).
Proposition 5.1.4. Tout systme x = Ax + Bu, y = Cx, est linairement
quivalent un systme

x =

A x +

Bu, y =

C x, avec
A =
_
A
1
0
A
2

A
3
_
,

C = (

C
1
0),
i.e.
_
x
1
=

A
1
x
1
+

B
1
u
x
2
=

A
2
x
1
+

A
3
x
2
+

B
2
u partie non observable
y
1
=

C
1
x
1
et la paire (

A
1
,

C
1
) est observable.
Dmonstration : Il sut dappliquer le rsultat vu en contrlabilit au systme
x =
t
Ax +
t
Cu.
Dnition 5.1.3. Dans cette dcomposition, les valeurs propres de

A
3
sont
appeles modes propres inobservables de A, et les valeurs propres de

A
1
sont
dites modes propres observables de A.
Proposition 5.1.5 (Forme de Brunovski, cas p = 1). Dans le cas p = 1,
le systme x = Ax + Bu, y = Cx, est observable si et seulement si il est
linairement quivalent au systme x
1
= A
1
x
1
+B
1
u, y = C
1
x
1
, avec
A
1
=
_
_
_
_
_
_
_
_
0 0 a
n
1 0
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0 0 1 a
1
_
_
_
_
_
_
_
_
, C
1
= (0 0 1).
Exercice 5.1.1 (Ressort). Le systme m x +kx = u est-il observable
avec y = x?
avec y = x?
Exercice 5.1.2 (Amortisseurs dune voiture). Le systme
_
x
1
= k
1
x
1
d
1
x
1
+l
1
u,
x
2
= k
2
x
2
d
2
x
2
+l
2
u.
est-il observable
avec y
1
= x
1
, y
2
= x
2
?
avec y = x
1
?
avec y
1
= x
1
, y
2
= x
2
?
Exercice 5.1.3. Le pendule invers linaris (cf chapitre 2) est-il observable
avec y = ?
avec y = ?
avec y
1
= , y
2
=

?
5.2. STABILISATION PAR RETOUR DTAT STATIQUE 55
5.2 Stabilisation par retour dtat statique
On peut se demander si, tant donn un systme contrlable et observable
x = Ax +Bu, y = Cx, il existe un feedback u = Ky stabilisant le systme, i.e.
si la matrice A +BKC est Hurwitz.
La rponse est NON. Pour le voir, considrons les matrices
A =
_
0 1
0 0
_
, B =
_
0
1
_
, C = (1 0).
Le systme x = Ax + Bu, y = Cx, est trivialement contrlable et observable.
Pourtant, pour toute matrice scalaire K = (k), la matrice
A+BKC =
_
0 1
k 0
_
nest pas Hurwitz.
En conclusion, un feedback par retour dtat statique ne sut pas en gnral.
Cest pourquoi, dans la suite, on va voir comment construire un retour dtat
dynamique.
5.3 Observateur asymptotique de Luenberger
Motivation : supposons que le systme x = Ax + Bu, y = Cx, soit ob-
servable. Le but est de construire un observateur asymptotique x() de x(), i.e.
une fonction dynamique x() de lobservable y(), telle que x(t) x(t)
t+
0.
Lide est de copier la dynamique du systme observ et dy ajouter un correctif
en tenant compte de lcart entre la prdiction et la ralit.
Dnition 5.3.1. Un observateur asymptotique (ou observateur de Luenberger)
x() de x() est une solution dun systme du type
x(t) = A x(t) +Bu(t) +L(C x(t) y(t)),

o L /
n,p
(IR) est appele matrice de gain, telle que
x(0), x(0) IR
n
x(t) x(t)
t+
0.
Remarque 5.3.1. Introduisons e(t) = x(t) x(t), lerreur entre la prdiction x()
et ltat rel x(). On a :
e(t) = (A + LC)e(t),
et donc e(t)
t+
0 pour toute valeur initiale e(0) si et seulement si la matrice
A + LC est Hurwitz. Construire un observateur asymptotique revient donc
dterminer une matrice de gain L telle que A + LC soit Hurwitz. Ainsi, de
manire duale au thorme de placement de ples, on a :
Thorme 5.3.1 (Thorme de placement des modes propres de lobservateur).
Si la paire (A, C) est observable, alors le systme admet un observateur asymp-
totique (i.e. on peut construire une matrice de gains L telle que A + LC soit
Hurwitz).
Dmonstration : La paire (
t
A,
t
C) tant contrlable, daprs le thorme de
placement de ples il existe une matrice
t
L telle que la matrice
t
A +
t
C
t
L soit
Hurwitz.
5.4 Stabilisation par retour dynamique de sortie
On a vu comment construire :
un rgulateur (feedback) pour un systme contrlable,
un observateur asymptotique pour un systme observable.
Il semble naturel, pour un systme contrlable et observable, de construire un
rgulateur en fonction de lobservateur asymptotique de ltat : cest ltape de
synthse rgulateur-observateur.
Dnition 5.4.1. On appelle feedback dynamique de sortie, ou observateur-
rgulateur, le feedback u = K x, o
x = A x +Bu +L(C x y).

Thorme 5.4.1 (Thorme de stabilisation par retour dynamique de sortie).
Si le systme x = Ax + Bu, y = Cx, est contrlable et observable, alors il est
stabilisable par retour dynamique de sortie, i.e. il existe des matrices de gain
K /
m,n
(IR) et L /
n,p
(IR) telles que les matrices A + BK et A + LC
soient Hurwitz, et alors le systme boucl
x = Ax + BK x
x = (A +BK) x +LC( x x)
est asymptotiquement stable.
Dmonstration : Posons e = x x. Alors :
d
dt
_
x
e
_
=
_
A+BK BK
0 A +LC
__
x
e
_
,
et donc ce systme est asymptotiquement stable si et seulement si les matrices
A + BK et A + LC sont Hurwitz, ce qui est possible avec les proprits de
contrlabilit et dobservabilit.
Dnition 5.4.2. Les valeurs propres de A + BK sont dites modes propres
du rgulateur, et les valeurs propres de A + LC sont dites modes propres de
lobservateur.
5.4. STABILISATION PAR RETOUR DYNAMIQUE DE SORTIE 57
Application la stabilisation locale dun systme non linaire par
retour dynamique de sortie.
Considrons le systme non linaire :
x(t) = f(x(t), u(t))
y(t) = g(x(t))
Soit (x
e
, u
e
) un point dquilibre, i.e. f(x
e
, u
e
) = 0. Le systme linaris en
(x
e
, u
e
) scrit :
x(t) = Ax(t) +Bu(t)
y(t) = Cx(t)
avec
A =
f
x
(x
e
, u
e
), B =
f
u
(x
e
, u
e
), C =
g
x
(x
e
).
Daprs le thorme de linarisation, on obtient :
Thorme 5.4.2. Si le systme linaris est contrlable et observable, alors il
existe des matrices de gains K et L telles que les matrices A +BK et A +LC
soient Hurwitz, et alors le contrle u = u
e
+K x, o
x = (A +BK +LC) x L(y g(x

e
)),
stabilise localement le systme au voisinage du point dquilibre (x
e
, u
e
).
Exercice 5.4.1 (Problme dexamen). On considre un mlangeur dans lequel
arrivent un mme produit, par deux entres direntes, avec des concentrations
respectives c
1
et c
2
(constantes), et des dbits u
1
(t) et u
2
(t). Le volume dans le
mlangeur est not V (t) et la concentration du produit c(t). Le dbit en sortie
est d(t) =
_
V (t), o est une constante. Les contrles sont u
1
(t) et u
2
(t).
1. Par un bilan volume-matire, tablir que :
_
_
d
dt
V (t) = u
1
(t) +u
2
(t) d(t),
d
dt
(c(t)V (t)) = c
1
u
1
(t) +c
2
u
2
(t) c(t)d(t),
puis que :
_
V (t) = u
1
(t) +u
2
(t)
_
V (t),
c(t) =
1
V (t)
((c
1
c(t))u
1
(t) + (c
2
c(t))u
2
(t)) .
Le but est de stabiliser le systme des dbits constants en entre et en
sortie, une concentration constante en sortie, et un volume constant,
i.e. on veut que, lorsque t tend vers + :
u
1
(t) u
0
1
, u
2
(t) u
0
2
, d(t) d
0
, c(t) c
0
, V (t) V
0
.
2. (a) Montrer que
_
u
0
1
+u
0
2
= d
0
=
V
0
,
c
1
u
0
1
+c
2
u
0
2
= c
0
d
0
= c
0
V
0
.
(b) Montrer que le systme linaris au point dquilibre (V
0
, c
0
, u
0
1
, u
0
2
)
est donn par les matrices :
A =
_
0
0 2
_
, B =
_
1 1
1

2
_
,
avec =

2
V
0
,
1
=
c
1
c
0
V
0
et
2
=
c
2
c
0
V
0
.
(c) Montrer que ce systme linaris est contrlable.
(d) On pose X =
_
V
c
_
. Enoncer et dmontrer une condition susante
sur K = (k
1
, k
2
) pour que le systme boucl par le feedback u = KX
soit localement asymptotiquement stable en ce point dquilibre.
(e) Construire un tel feedback plaant les ples en 1.
3. On observe en sortie la quantit y(t) = c(t)V (t).
(a) Ecrire le systme linaris observ au point dquilibre prcdent, et
montrer quil est observable.
(b) Expliquer soigneusement comment eectuer une stabilisation locale
en ce point par retour dtat dynamique, en utilisant lobservable pr-
cdente. On donnera notamment des conditions ncessaires et su-
santes sur les matrices de gain assurant la stabilisation.
Exercice 5.4.2 (Problme dexamen). On considre un systme mcanique
plan form dun rail (reprsent par un segment) et dun chariot, assimil un
point matriel de masse m, roulant sans frottement sur le rail. Le rail tourne
autour du point O. Soit langle que fait le rail avec laxe horizontal, et x
labscisse du chariot sur le rail (distance entre O et le chariot). Soit J le moment
dinertie du rail par rapport O, et g lacclration de la pesanteur. Le contrle
est le couple u exerc sur le rail, voir gure 5.1.
1. (a) Montrer que le Lagrangien du systme scrit :
L(x, x, ,

) =
1
2
J

2
+
1
2
m( x
2
+x
2

2
) mgxsin .
(b) En dduire que les quations du systme mcanique sont :
_
_
_
x(t) = x(t)

(t)
2
g sin (t)
(t) =
1
J +mx(t)
2
_
u(t) 2mx(t) x(t)

(t) mgx(t) cos (t)
_
.
(c) En posant y = x,

= , et X = (x, y, , ), mettre ce systme sous
forme dun systme de contrle (S) de la forme

X(t) = f(X(t), u(t)).
5.4. STABILISATION PAR RETOUR DYNAMIQUE DE SORTIE 59
O
x
m
Fig. 5.1 Chariot sur rail
2. Dterminer les points dquilibre (X
e
, u
e
) du systme de contrle (S).
3. Ecrire le systme linaris autour du point dquilibre (X
e
, u
e
) = (0, 0), et
montrer quil est contrlable.
4. (a) Enoncer et dmontrer une condition susante sur K = (k
1
, k
2
, k
3
, k
4
)
pour que le systme boucl par le feedback u = KX soit localement
asymptotiquement stable en ce point dquilibre.
(b) Construire un tel feedback plaant les ples en 1.
5. (a) Le systme est-il observable si on observe y = x?
(b) Est-il possible de stabiliser le systme en (0, 0) par le retour dtat
statique u = ky ?
6. Expliquer soigneusement comment eectuer une stabilisation en (0, 0) par
retour dtat dynamique, en utilisant lobservable prcdente. On donnera
notamment des conditions ncessaires et susantes sur les matrices de
gain assurant la stabilisation.
Bibliographie
[1] A. Agrachev, Y. Sachkov, Control theory from the geometric viewpoint,
Lecture Notes, SISSA, to be published.
[2] B.D. Anderson, J.B. Moore, Optimal ltering, Prentice hall, Englewood
Clis, 1979.
[3] V.I. Arnold, Mthodes mathmatiques pour la mcanique classique, Edi-
tions Mir, Moscou, 1976.
[4] B. Bonnard, M. Chyba, The role of singular trajectories in control theory,
Math. Monograph, Springer-Verlag, 2003.
[5] B. Bonnard, M. Chyba, H. Heutte, Contrle optimal gomtrique appliqu,
Preprint, Universit de Bourgogne, 1995.
[6] O. Bolza, Calculus of variations, Chelsea Publishing Co., New York, 1973.
[7] H. Brezis, Analyse fonctionnelle, thorie et applications, Masson, Paris,
1983.
[8] A.E. Bryson, Y.C. Ho, Applied optimal control, Hemisphere Publishing
Corp. Washington, D.C., 1975.
[9] R.V. GamKrelidze, Discovery of the maximum principle, Journal of Dyna-
mical and Control Systems, Vol. 5, No. 4, 1999, 437-451.
[10] V. Jurdjevic, Geometric control theory, Cambridge university press, 1997.
[11] H. Kwakernaak, R. Sivan, Linear optimal control systems, John Wiley,
New-York, 1972.
[12] J. Lafontaine, Introduction aux varits direntielles, Presses universi-
taires, Grenoble, 1996.
[13] E.B. Lee, L. Markus, Foundations of optimal control theory, John Wiley,
New York, 1967.
[14] G. Leitmann, An introduction to optimal control, McGraw-Hill Book Com-
pany, 1966
[15] F. Pham, Gomtrie direntielle, 1992.
[16] L. Pontryagin, V. Boltyanski, R. Gamkrelidze, E. Michtchenko, Thorie
mathmatique des processus optimaux, Editions Mir, Moscou, 1974.
61
62 BIBLIOGRAPHIE
[17] A.V. Sarychev, First- and second-order integral functionals of the calculus
of variations which exhibit the Lavrentiev phenomenon, J. of Dynamical
and Control Systems, Vol. 3, No. 4, 1997, 565-588.
[18] E.D. Sontag, Mathematical Control Theory, Deterministic Finite Dimen-
sional Systems, Springer-Verlag, 2nd edition, 1998.
[19] J. Stoer, R. Bulirsch, Introduction to numerical analysis, Springer-Verlag,
Berlin, 1980.
[20] E. Trlat, Asymptotics of accessibility sets along an abnormal trajectory,
ESAIM :COCV, Vol. 6, 2001, 387-414.
[21] E. Trlat, Some properties of the value function and its level sets for ane
control systems with quadratic cost, Journal of Dynamical and Control
Systems, Vol. 6, No. 4, 2000, 511-541.
[22] E. Trlat, Etude asymptotique et transcendance de la fonction valeur en
contrle optimal ; catgorie log-exp en gomtrie sous-Riemannienne dans
le cas Martinet. Thse de doctorat, Univ. de Bourgogne, 2000.

Polyautom

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

Polyautom

Diunggah oleh

Hak Cipta:

Format Tersedia

Cours dAutomatique

Master de Mathmatiques, Universit dOrlans,

sur le corps IK).

x(t) = f(t, x(t), u(t)), x(t

(t) = A(t)x(t) et on note R(t, t

(t) +mgl sin (t) = u(t).

)(s) = sL(f)(s) f(0).

M(t) = A(t)M(t), M(0) = Id.

Autrement dit Acc(x

, et donc le systme nest pas contrlable.

sur [0, T]. Dnissons par rcur-

M = AM, M(0) = Id.

, et donc sous-suite prs

ct, donc est bien dnie sur [0, T], mais

, avec u(0) = 0, et une fonction de Lyapunov globale stricte

x(t) = A x(t) +Bu(t) +L(C x(t) y(t)),

x = A x +Bu +L(C x y).

x = (A +BK +LC) x L(y g(x

Anda mungkin juga menyukai