P. 1
Commande des systèmes non linéaires

Commande des systèmes non linéaires

|Views: 1,920|Likes:
Published by Markovich Mbarga

More info:

Published by: Markovich Mbarga on Apr 14, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/01/2013

pdf

text

original

Sections

  • 1.1 Principe de superposition
  • 1.2 Classe de syst`emes
  • 1.3 R´eponse indicielle disym´etrique
  • 1.4 Termes d’ordre sup´erieur
  • 1.5 Points d’´equilibre isol´es multiples
  • 1.6 Explosion en temps fini
  • 1.7 R´eponse harmonique multiple
  • 1.8 Orbites chaotiques
  • Diagramme de phase
  • 2.1 Plan de phase pour les syst`eme du second ordre
  • 2.1.1 Syst`eme masse-ressort
  • 2.2 Techniques de graphe du plan de phase
  • 2.3 Syst`emes lin´eaires du second ordre
  • 2.3.1 Solutions num´eriques
  • 2.3.2 Graphe des pentes
  • 2.3.3 Elimination du temps explicitement
  • 2.3.4 Elimination du temps implicitement
  • 2.3.5 M´ethode des isoclines
  • 2.3.6 Exemple : oscillateur de van der Pol
  • 2.4 Cycles limites
  • 2.4.1 Classification des cycles limites
  • 2.5 Index
  • 2.5.1 Type de points d’´equilibre
  • 2.5.2 Classification des points d’´equilibre
  • 2.5.3 Th´eor`eme de l’index
  • 2.5.4 Th´eor`eme de Bendixson
  • 2.6 Impossibilit´e du chaos planaire
  • 2.6.1 Th´eor`eme de Poincar´e-Bendixson
  • 2.7 Exemple : dynamique de populations
  • 2.7.1 Comp´etition
  • 2.7.2 Pr´edateur-proie
  • Exercice
  • M´ethode du premier harmonique
  • 3.1 Syst`eme lin´eaire et non-lin´earit´e statique
  • 3.1.1 Excitation sinuso¨ıdale en boucle ouverte
  • 3.1.2 Caract´eristique passe-bas du syst`eme lin´eaire G(s)
  • 3.1.3 Gain complexe ´equivalent
  • 3.2 Premier harmonique
  • 3.2.1 D´ecomposition en harmoniques
  • 3.2.2 Equivalent du premier harmonique
  • 3.2.3 Calcul de l’´equivalent du premier harmonique
  • 3.3 Non-lin´earit´es communes
  • 3.3.1 Saturation
  • 3.3.2 Zone morte
  • 3.3.3 Relais
  • 3.3.4 Hyst´er`ese
  • 3.3.5 Non-lin´earit´es sym´etriques, continues par morceaux
  • 3.4 Syst`eme en r´etroaction
  • 3.4.1 Repr´esentation graphique
  • 3.4.2 Double int´egrateur et oscillateurs lin´eaires
  • 3.4.3 Th´eor`eme de Nyquist
  • 3.5 Crit`ere de stabilit´e
  • 3.5.1 Cycle limite stable
  • 3.5.2 Cycle limite instable
  • 3.6 Fiabilit´e de l’analyse par le premier harmonique
  • 3.7 Oscillateur de Van der Pol revisit´e
  • Stabilit´e au sens de Lyapunov
  • 4.1 Point d’´equilibre
  • 4.2 Rappel de la notion de stabilit´e pour les syst`emes
  • 4.3 Notion intuitive de la stabilit´e
  • 4.4 D´efinition math´ematique pr´ecise de la stabilit´e
  • 4.4.1 Notion de distance
  • 4.4.2 Stabilit´e : d´efinition formelle
  • 4.4.3 Illustration
  • 4.4.4 Stabilit´e asymptotique
  • 4.4.5 D´esavantages de la d´efinition
  • 4.5 M´ethode directe de Lyapunov
  • 4.5.1 Candidat de Lyapunov
  • 4.5.2 Fonction de Lyapunov
  • 4.6 Exemple : robot
  • 4.6.1 Loi de commande
  • 4.6.2 Lois de la m´ecanique
  • 4.6.3 Candidat Lyapunov
  • 4.6.4 Fonction de Lyapunov
  • 4.7 Th´eor`eme de stabilit´e locale
  • 4.7.1 Preuve (stabilit´e locale)
  • 4.7.2 Preuve de stabilit´e locale asymptotique
  • 4.8 Stabilit´e exponentielle
  • 4.8.1 Exemple : Dynamique des populations
  • 4.9 Stabilit´e globale
  • 4.10 Fonction de Lyapunov pour les syst`emes lin´eaires
  • 4.11 Stabilit´e locale et lin´earisation
  • 4.11.1 Inconv´enients de la m´ethode indirecte
  • 4.12 Stabilit´e exponentielle
  • 4.13 Th´eor`eme d’invariance de LaSalle
  • 4.13.1 Ensemble invariantM
  • Lyapunov
  • 4.13.3 Exemple : le pendule simple
  • 4.14 M´ethodes de construction des fonctions de
  • 4.14.1 M´ethode de Krasovskii
  • 4.15 M´ethode du gradient variable
  • 4.16 R´esultat d’instabilit´e 1
  • 4.17 R´esultat d’instabilit´e 2
  • 4.18 R´esultat d’instabilit´e 3 : th. de Chetaev
  • 4.19 Techniques de comparaison et majoration
  • 4.19.1 Les formes quadratiques
  • 4.19.2 Inflation et d´eflation
  • 4.19.3 Le d´eveloppement limit´e
  • 4.19.4 La r´eintroduction de V
  • 4.19.5 L’´equation int´egrale associ´ee
  • 4.19.6 Quelques in´egalit´es standards
  • Exercices
  • Passivit´e
  • 5.1 Notion intuitive
  • 5.2 Exemple de syst`eme statique passif
  • 5.3 Syst`eme statique passif
  • 5.4 Exemple de syst`eme dynamique passif
  • 5.5 D´efinition diff´erentielle de la passivit´e
  • 5.6 Propri´et´es
  • 5.6.1 Connexion parall`ele
  • 5.6.2 Connexion par r´etroaction
  • 5.6.3 D´efinition int´egrale de la passivit´e
  • 5.7 Passivit´e des syst`emes lin´eaires SISO
  • positive r´eelle
  • 5.8 Syst`eme r´eel positif
  • 5.8.1 Degr´e relatif et minimum de phase
  • 5.8.2 Lien entre Lyapunov et syst`eme RP
  • 5.9 Stabilit´e absolue
  • 5.9.1 Non-lin´earit´e statique de secteur
  • 5.9.2 D´efinition de la stabilit´e absolue
  • 5.9.3 Conjecture de M. A. Aizerman
  • 5.9.4 Crit`ere du cercle
  • 5.9.5 Crit`ere de Popov
  • Elements de G´eom´etrie
  • 6.1 Introduction
  • 6.2 Vari´et´e, Cartes et Atlas
  • 6.2.1 Diff´eomorphisme
  • 6.3 Solution de l’´equation diff´erentielle
  • 6.4 Champ de vecteurs
  • 6.5 Espace dual
  • 6.6 Produit tensoriel et forme multilin´eaire
  • 6.7 Produit scalaire et produit ext´erieur en dimension
  • 6.7.1 forme bilin´eaire sym´etrique
  • 6.7.2 forme bilin´eaire antisym´etrique (altern´ee)
  • 6.7.3 Produit ext´erieur de deux formes lin´eaires
  • 6.8 Forme multilin´eaire altern´ee
  • 6.9 Cotangent et les 1-forme diff´erentielles
  • 6.10 Le gradient
  • 6.11 D´eriv´ee de Lie
  • 6.12 Crochet de Lie
  • 6.12.1 Propri´et´es du crochet de Lie
  • 6.13 Diff´erentiation ext´erieure
  • 6.13.1 Diff´erentielles
  • 6.13.2 D´erivation ext´erieure d’une 1-forme
  • 6.13.3 D´erivation ext´erieure
  • 6.13.4 Th´eor`eme de Stokes g´en´eralis´e
  • 6.14 Int´egrabilit´e
  • 6.15 Diff´erence entre une 1-forme exacte et int´egrable
  • 6.16 Diff´erentielles et d´erivation ext´erieure
  • 6.17 Propri´et´es de la diff´erentielle ext´erieure
  • 6.18 Condition d’exactitude et d’int´egrabilit´e
  • la non-int´egrabilit´e
  • 6.20 Les deux formes du th´eor`eme de Frobenius
  • Commande par lin´earisation
  • 7.1 Lin´earisation locale et stabilisation
  • 7.1.1 Exemple
  • 7.2 Lin´earisation exacte
  • 7.3 Equation d’erreur
  • 7.3.1 Fonction
  • 7.3.2 Equation diff´erentielle
  • 7.3.3 Placement de pˆoles et ´equation d’erreur
  • 7.4 Syst`emes lin´eaires SISO
  • 7.4.1 Sortie sp´ecifi´ee
  • 7.4.2 Sortie non sp´ecifi´ee, formule d’Ackermann
  • 7.5 Lin´earisation entr´ee-sortie
  • 7.6 Lin´earisation exacte entr´ee-´etat
  • 7.6.1 Conditions pour la sortie plate
  • 7.6.2 Exemple : Robot avec joint flexible
  • 7.6.3 Exemple : Bille roulant sur une barre
  • 7.7 Commande d’une chaˆıne d’int´egrateurs
  • 7.7.1 Stabilisation et poursuite
  • 7.7.2 Transit en temps fini avec commande a priori
  • Commande par les m´ethodes de Lyapunov
  • 8.1 Introduction
  • 8.2 Fonction de Lyapunov de Commande
  • 8.3 Structure cascade
  • 8.3.1 Restriction de la croissance du terme de couplage
  • 8.4 Passivation
  • 8.5 Ph´enom`ene du peaking
  • 8.6 Backstepping
  • 8.6.1 Fonction de Lyapunov r´eduite
  • 8.6.2 Fonction de Lyapunov compl`ete
  • 8.6.3 Exemple
  • Litt´erature
  • Index

Philippe M¨ ullhaupt

Introduction `a l’Analyse et `a la
Commande des Syst`emes Non
Lin´eaires
12 juin 2007
Avant-propos
L’objectif de ce livre est de pr´esenter les fondements de l’analyse et de la
synth`ese de loi de commande pour les syst`emes non lin´eaires.
Le terme de syst`eme apparaˆıt de plus en plus pour d´esigner une multi-
tudes de choses, par exemple pour un ensemble organis´e de concepts, d’arran-
gements, d’assemblage, de composition d’id´ees et d’objets concrets.
Nous entendrons par syst`eme, une repr´esentation math´ematique par des
´equations diff´erentielles ordinaires non lin´eaires d’une r´ealit´e physique pou-
vant provenir de plusieurs disciplines diff´erentes : biologie, g´enie m´ecanique,
´electrique, chimique, physique, etc.
Ainsi, nous nous d´emarquons `a la fois du sens biologique classique qui en-
tend par syst`eme, un ensemple structur´e d’´el´ements naturels de mˆeme esp`ece
ou de mˆeme fonction, et du sens m´ecaniste qui entend par syst`eme, un appareil
ou dispositif form´e par une r´eunion d’organes, d’´el´ements analogues.
Toutefois, la nature de structure est clairement pr´esente dans notre d´efinition
de syst`eme, et nous mettons clairement la notion d’universalit´e d’application
des th´eories d´evelopp´ees, pour autant qu’elles puissent donner une ad´equation
`a la fois avec l’observation des ph´enom`enes et avec la pr´edicabilit´e de ceux-ci.
Finalement, la provenance des ´equations d´ecrivants un mod`ele de la r´ealit´e
disparaˆıt lorsque l’on ´etudie, par voie math´ematique, son comportement.
La compr´ehension de ce comportement fera l’objet de la premi`ere partie
intitul´ee ”Analyse”, et sa modification, l’objet de la seconde partie intitul´ee
”Synth`ese”.
Le comportement est ici `a comprendre dans son sens large, `a savoir non
seulement l’´evolution temporelle des solutions de l’ensemble des ´equations
diff´erentielles ordinaires d´ecrivant le mod`ele, mais ´egalement certaines pro-
pri´et´es topologiques caract´eristiques de cet ensemble : par exemple, type et
qualit´e des points singuliers (c.-`a-d, la classification des points d’´equilibre
stables ou instables), l’existence de cycle limite, la d´elimitation du bassin
d’attraction des points d’´equilibre stables, etc.
VI Avant-propos
Une grande partie du livre est consacr´e `a d´efinir convenablement le concept
de stabilit´e et de donner des outils permettant de d´eterminer avec un nombre
d’op´eration r´eduit cette propri´et´e.
Nous verrons ´egalement que le comportement peut ˆetre modifi´e par le
concept de r´etroaction (ou loi de commande). En modifiant certaines variables
apparaissants dans le syst`eme d’´equations diff´erentielles (que l’on d´esigne par
le nom d’entr´ee) en utilisant l’information de certaines autres variables de
cet ensemble (appel´ee sortie) de telle sorte que les variables d’entr´ees soient
mises en correspondance avec les variables de sortie, le concept de boucle de
r´etroaction fait son entr´ee, et permet de modifier radicalement le comporte-
ment de l’ensemble des ´equations diff´erentielles. Ainsi, un syst`eme initialement
instable peut devenir stable.
Il est alors n´ecessaire d’exploiter la d´efinition de la stabilit´e et de ces
caract´erisations pour ´elaborer les correspondances entre entr´ees et sorties (les
lois de commande) de telle sorte de parvenir `a ces fins.
Ce livre est issu d’un enseignement `a des ´etudiants en fin d’´etudes
d’ing´enieur en g´enies ´electrique, microtechnique, et m´ecanique. La mati`ere est
couverte `a raison de deux heures par semaines sur une dur´ee d’un semestre.
Je conseille vivement d’intercaller des s´eances `a l’ordinateur permettant aux
´etudiants d’ˆetre confront´es eux-mˆemes aux probl`emes, ce qui rend le contenu
de la mati`ere plus concr`ete et plus facilement assimilable. Je remercie les
nombreuses vol´ees d’´etudiants qui m’ont permis d’affiner l’ouvrage propos´e et
surtout ma compr´ehension du sujet.
J’esp`ere ´egalement avoir pu leur transmettre les connaissances de cette
discipline et transmis un peu de mon enthousiasme pour cette mati`ere parfois
d’aspect superficiellement aride.
Ce texte est une introduction au sujet et l’objectif est de permettre,
dans un volume compact, l’acc`es `a une litt´erature difficile `a un large spectre
de lecteurs de formation scientifique et technique diverse. Les pr´erequis ne
sont pas excessifs ; de bonnes notions sur les ´equations diff´erentielles et les
repr´esentations associ´ees comme la transform´ee de Laplace et la notion de
fonction de transfert sont requises ; il est n´ecessaire ´egalement de connaˆıtre
les concepts de repr´esentation d’´etat lin´eaire, de commandabilit´e et d’obser-
vabilit´e.
Malheureusement, le traitement propos´e dans cet ouvrage ne couvre que
les syst`emes ayant une seule entr´ee et ne d´ependant pas du temps. Le concept
d’observateur non lin´eaire n’est pas abord´e et le concept de gouvernabilit´e
non lin´eaire n’est pas trait´e dans toute sa complexit´e. L’accent est mis sur
l’accessibilit´e, pr´esent´ee comme condition n´ecessaire `a la lin´earisation d’´etat.
Les concepts qui ne sont pas trait´es peuvent ˆetre abord´es sereinement une fois
que la mati`ere de ce cours est assimil´ee. Leur exposition correspond mieux `a
un cours au niveau doctoral.
Avant-propos VII
Une bibliographie se trouve `a la fin de l’ouvrage qui contient exclusivement
des r´ef´erences `a des livres complets. C’est un choix personnel dict´e par la
difficult´e de faire une bibliographie pertinente au niveau introductif sans l´eser
les auteurs d’´eminentes publications qui seraient laiss´es de cˆ ot´e, non pas par
manque d’int´erˆet, mais par soucis de compacit´e. Une solution aurait ´et´e de
faire une bibliographie exhaustive mais elle demanderait une liste ´enorme. Par
exemple, les r´ef´erences `a la litt´erature (essentiellement russe) se trouvant dans
l’ouvrage [BS70] couvre d´ej` a plus de 35 pages.
J’invite donc le lecteur de se r´ef´erer aux bibliographies d´etaill´ees des ou-
vrages cit´es `a la fin de cet ouvrage. Le premier de ceux-ci qui m’a transmis
l’enthousiasme de la discipline est [SL91]. Il n’est pas ´etonant que le pr´esent
ouvrage en est fortement inspir´e pour la r´edaction de plusieurs chapitres, en
particulier pour la s´eparation en deux parties, analyse et synth`ese. Egalement
dans cette mˆeme optique, l’ouvrage incontournable de [Kha02], longtemps
utilis´e comme support au cours (avec l’ouvrage de [SL91] pr´ec´edemment men-
tionn´e), m’a ´egalement fortement inspir´e `a plusieurs reprises. Je f´elicite l’au-
teur pour son ouvrage, un mod`ele de rigueur et un excellent point d’entr´ee
pour quiconque voulant approfondir au del` a du pr´esent contenu.
Le chapitre g´eom´etrie est inspir´e de [Isi89], [NvdS90], [KN63],[Car71] et
[For59], en particulier j’attire l’attention sur ces deux derni`eres r´ef´erences pour
la notion des 1-formes, du calcul ext´erieur et de la d´eriv´ee ext´erieure. J’invite
´egalement le lecteur int´eress´e `a consulter l’excellent [Mor01].
La commande par les m´ethodes de Lyapunov est inspir´ee par plusieurs
passages dans [SJK97] et j’en remercie les auteurs.
Cet ouvrage est ´egalement le fruit de mes nombreuses interactions avec
mes doctorants que je remercie vivement, sans qui l’exposition de la mati`ere
serait plus opaque. C’est ainsi que je t´emoigne ma sinc`ere gratitude `a Davide
Buccieri, Jean-Yves Favez, Basile Graf, Yvan Michellod, Thierry Prud’homme
et Christophe Salzmann.
Le premier professeur m’ayant transmis les notions essentielles de com-
mande d’´etat est le professeur Roland Longchamp dont la p´edagogie et le
goˆ ut pour la science m’ont pouss´e `a m’orienter vers l’automatique durant mes
´etudes. Je le remercie vivement pour cela, mais surtout j’aimerais le remercier
particuli`erement pour avoir encourag´e la r´ealisation de cet ouvrage, ainsi que
pour son soutient sans faille tout au long de la r´edaction de celui-ci.
Ensuite, j’aimerais chaleureusement remercier le professeur Jean L´evine
qui m’a permis de me sp´ecialiser en commande non lin´eaire, me transmettant
les connaissances indispensables durant mon s´ejour au Centre Automatique et
Syst`emes de l’Ecole des Mines de Paris `a Fontainebleau. Je remercie ´egalement
le professeur Laurent Praly avec qui j’ai pu discut´e de mani`ere quotidienne
lors du repas de midi.
J’aimerais ´egalement remercier le professeur Zhong-Ping Jiang pour l’ex-
cellent travail en commun effectu´e `a Lausanne et `a New York. Son aisance
VIII Avant-propos
avec les in´egalit´es math´ematiques est impressionnante. J’ai r´esum´e quelques
unes de ces techniques dans le pr´esent ouvrage, et je le remercie vivement
pour m’avoir transmis cette connaissance.
J’aimerais ´egalement remercier les professeurs Dominique Bonvin, Sebas-
tian Dormido, Balint Kiss, Balasubrahmanyan Srinivasan, ainsi que le Dr.
Denis Gillet pour le tr`es bon travail scientifique effectu´e en commun aboutis-
sant `a des publications internationales.
Lausanne, Juin 2007 Philippe M¨ ullhaupt
Table des mati`eres
Partie I Analyse
1 D´efinition et propri´et´es des syst`emes non lin´eaires . . . . . . . . . 3
1.1 Principe de superposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Classe de syst`emes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 R´eponse indicielle disym´etrique . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Termes d’ordre sup´erieur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Points d’´equilibre isol´es multiples . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.6 Explosion en temps fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.7 R´eponse harmonique multiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.8 Orbites chaotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Diagramme de phase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1 Plan de phase pour les syst`eme du second ordre . . . . . . . . . . . . . 11
2.1.1 Syst`eme masse-ressort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2 Techniques de graphe du plan de phase . . . . . . . . . . . . . . . . . . . . . 12
2.3 Syst`emes lin´eaires du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3.1 Solutions num´eriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 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 M´ethode des isoclines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.6 Exemple : oscillateur de van der Pol . . . . . . . . . . . . . . . . . 17
2.4 Cycles limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.1 Classification des cycles limites . . . . . . . . . . . . . . . . . . . . . . 20
X Table des mati`eres
2.5 Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5.1 Type de points d’´equilibre . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5.2 Classification des points d’´equilibre . . . . . . . . . . . . . . . . . . 22
2.5.3 Th´eor`eme de l’index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.5.4 Th´eor`eme de Bendixson . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6 Impossibilit´e du chaos planaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6.1 Th´eor`eme de Poincar´e-Bendixson . . . . . . . . . . . . . . . . . . . . 25
2.7 Exemple : dynamique de populations . . . . . . . . . . . . . . . . . . . . . . . 25
2.7.1 Comp´etition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.7.2 Pr´edateur-proie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3 M´ethode du premier harmonique . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.1 Syst`eme lin´eaire et non-lin´earit´e statique . . . . . . . . . . . . . . . . . . . 32
3.1.1 Excitation sinuso¨ıdale en boucle ouverte . . . . . . . . . . . . . . 33
3.1.2 Caract´eristique passe-bas du syst`eme lin´eaire G(s) . . . . . 33
3.1.3 Gain complexe ´equivalent . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2 Premier harmonique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2.1 D´ecomposition en harmoniques . . . . . . . . . . . . . . . . . . . . . . 37
3.2.2 Equivalent du premier harmonique . . . . . . . . . . . . . . . . . . 37
3.2.3 Calcul de l’´equivalent du premier harmonique . . . . . . . . . 38
3.3 Non-lin´earit´es communes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3.1 Saturation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.3.2 Zone morte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3.3 Relais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.4 Hyst´er`ese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.5 Non-lin´earit´es sym´etriques, continues par morceaux . . . . 46
3.4 Syst`eme en r´etroaction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4.1 Repr´esentation graphique. . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.2 Double int´egrateur et oscillateurs lin´eaires . . . . . . . . . . . . 50
3.4.3 Th´eor`eme de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.5 Crit`ere de stabilit´e. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.5.1 Cycle limite stable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.5.2 Cycle limite instable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.6 Fiabilit´e de l’analyse par le premier harmonique . . . . . . . . . . . . . 61
3.7 Oscillateur de Van der Pol revisit´e . . . . . . . . . . . . . . . . . . . . . . . . . 61
Table des mati`eres XI
4 Stabilit´e au sens de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.1 Point d’´equilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2 Rappel de la notion de stabilit´e pour les syst`emes lin´eaires . . . . 65
4.3 Notion intuitive de la stabilit´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.4 D´efinition math´ematique pr´ecise de la stabilit´e . . . . . . . . . . . . . . 66
4.4.1 Notion de distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.4.2 Stabilit´e : d´efinition formelle . . . . . . . . . . . . . . . . . . . . . . . . 67
4.4.3 Illustration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.4.4 Stabilit´e asymptotique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.4.5 D´esavantages de la d´efinition. . . . . . . . . . . . . . . . . . . . . . . . 70
4.5 M´ethode 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 m´ecanique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.6.3 Candidat Lyapunov. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.6.4 Fonction de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.7 Th´eor`eme de stabilit´e locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.7.1 Preuve (stabilit´e locale) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.7.2 Preuve de stabilit´e locale asymptotique . . . . . . . . . . . . . . 77
4.8 Stabilit´e exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.8.1 Exemple : Dynamique des populations . . . . . . . . . . . . . . . 79
4.9 Stabilit´e globale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.10 Fonction de Lyapunov pour les syst`emes lin´eaires . . . . . . . . . . . . 81
4.11 Stabilit´e locale et lin´earisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.11.1 Inconv´enients de la m´ethode indirecte . . . . . . . . . . . . . . . . 84
4.12 Stabilit´e exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.13 Th´eor`eme d’invariance de LaSalle. . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.13.1 Ensemble invariant M . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.13.2 Ensemble d’annulation de la d´eriv´ee de la fonction de
Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.13.3 Exemple : le pendule simple . . . . . . . . . . . . . . . . . . . . . . . . 87
4.14 M´ethodes de construction des fonctions de Lyapunov. . . . . . . . . 91
4.14.1 M´ethode de Krasovskii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.15 M´ethode du gradient variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
XII Table des mati`eres
4.16 R´esultat d’instabilit´e 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.17 R´esultat d’instabilit´e 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.18 R´esultat d’instabilit´e 3 : th. de Chetaev . . . . . . . . . . . . . . . . . . . . 96
4.19 Techniques de comparaison et majoration. . . . . . . . . . . . . . . . . . . 97
4.19.1 Les formes quadratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.19.2 Inflation et d´eflation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.19.3 Le d´eveloppement limit´e . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.19.4 La r´eintroduction de V . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.19.5 L’´equation int´egrale associ´ee . . . . . . . . . . . . . . . . . . . . . . . . 101
4.19.6 Quelques in´egalit´es standards . . . . . . . . . . . . . . . . . . . . . . . 103
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5 Passivit´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.1 Notion intuitive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.2 Exemple de syst`eme statique passif . . . . . . . . . . . . . . . . . . . . . . . . 108
5.3 Syst`eme statique passif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.4 Exemple de syst`eme dynamique passif . . . . . . . . . . . . . . . . . . . . . . 109
5.5 D´efinition diff´erentielle de la passivit´e . . . . . . . . . . . . . . . . . . . . . . 111
5.6 Propri´et´es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.6.1 Connexion parall`ele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.6.2 Connexion par r´etroaction . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.6.3 D´efinition int´egrale de la passivit´e . . . . . . . . . . . . . . . . . . . 114
5.7 Passivit´e des syst`emes lin´eaires SISO. . . . . . . . . . . . . . . . . . . . . . . 114
5.7.1 Preuve du lien entre passivit´e et r´eponse harmonique
positive r´eelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.8 Syst`eme r´eel positif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.8.1 Degr´e relatif et minimum de phase . . . . . . . . . . . . . . . . . . 119
5.8.2 Lien entre Lyapunov et syst`eme RP . . . . . . . . . . . . . . . . . 122
5.9 Stabilit´e absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.9.1 Non-lin´earit´e statique de secteur . . . . . . . . . . . . . . . . . . . . 128
5.9.2 D´efinition de la stabilit´e absolue . . . . . . . . . . . . . . . . . . . . . 128
5.9.3 Conjecture de M. A. Aizerman . . . . . . . . . . . . . . . . . . . . . . 130
5.9.4 Crit`ere du cercle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
5.9.5 Crit`ere de Popov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
Table des mati`eres XIII
Partie II Synth`ese
6 Elements de G´eom´etrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
6.2 Vari´et´e, Cartes et Atlas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
6.2.1 Diff´eomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
6.3 Solution de l’´equation diff´erentielle . . . . . . . . . . . . . . . . . . . . . . . . 150
6.4 Champ de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
6.5 Espace dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
6.6 Produit tensoriel et forme multilin´eaire . . . . . . . . . . . . . . . . . . . . . 152
6.7 Produit scalaire et produit ext´erieur en dimension deux . . . . . . 153
6.7.1 forme bilin´eaire sym´etrique . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.7.2 forme bilin´eaire antisym´etrique (altern´ee) . . . . . . . . . . . . . 154
6.7.3 Produit ext´erieur de deux formes lin´eaires . . . . . . . . . . . . 155
6.8 Forme multilin´eaire altern´ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
6.9 Cotangent et les 1-forme diff´erentielles . . . . . . . . . . . . . . . . . . . . . 157
6.10 Le gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
6.11 D´eriv´ee de Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.12 Crochet de Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
6.12.1 Propri´et´es du crochet de Lie . . . . . . . . . . . . . . . . . . . . . . . . 162
6.13 Diff´erentiation ext´erieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
6.13.1 Diff´erentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
6.13.2 D´erivation ext´erieure d’une 1-forme . . . . . . . . . . . . . . . . . . 165
6.13.3 D´erivation ext´erieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
6.13.4 Th´eor`eme de Stokes g´en´eralis´e . . . . . . . . . . . . . . . . . . . . . . 167
6.14 Int´egrabilit´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
6.15 Diff´erence entre une 1-forme exacte et int´egrable. . . . . . . . . . . . . 170
6.16 Diff´erentielles et d´erivation ext´erieure . . . . . . . . . . . . . . . . . . . . . . 171
6.17 Propri´et´es de la diff´erentielle ext´erieure . . . . . . . . . . . . . . . . . . . . . 173
6.18 Condition d’exactitude et d’int´egrabilit´e . . . . . . . . . . . . . . . . . . . . 174
6.19 Interpr´etation g´eom´etrique de l’int´egrabilit´e et de la
non-int´egrabilit´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
6.20 Les deux formes du th´eor`eme de Frobenius . . . . . . . . . . . . . . . . . 184
7 Commande par lin´earisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
7.1 Lin´earisation locale et stabilisation . . . . . . . . . . . . . . . . . . . . . . . . 192
7.1.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
XIV Table des mati`eres
7.2 Lin´earisation exacte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
7.3 Equation d’erreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
7.3.1 Fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
7.3.2 Equation diff´erentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
7.3.3 Placement de pˆ oles et ´equation d’erreur . . . . . . . . . . . . . . 201
7.4 Syst`emes lin´eaires SISO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
7.4.1 Sortie sp´ecifi´ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
7.4.2 Sortie non sp´ecifi´ee, formule d’Ackermann . . . . . . . . . . . . 212
7.5 Lin´earisation entr´ee-sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
7.6 Lin´earisation exacte entr´ee-´etat . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
7.6.1 Conditions pour la sortie plate . . . . . . . . . . . . . . . . . . . . . . 217
7.6.2 Exemple : Robot avec joint flexible . . . . . . . . . . . . . . . . . . 220
7.6.3 Exemple : Bille roulant sur une barre . . . . . . . . . . . . . . . . 224
7.7 Commande d’une chaˆıne d’int´egrateurs . . . . . . . . . . . . . . . . . . . . . 226
7.7.1 Stabilisation et poursuite . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
7.7.2 Transit en temps fini avec commande a priori . . . . . . . . . 227
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
8 Commande par les m´ethodes 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 Ph´enom`ene du peaking . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
8.6 Backstepping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
8.6.1 Fonction de Lyapunov r´eduite . . . . . . . . . . . . . . . . . . . . . . . 248
8.6.2 Fonction de Lyapunov compl`ete . . . . . . . . . . . . . . . . . . . . . 249
8.6.3 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
Litt´erature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
Partie I
Analyse
1
D´efinition et propri´et´es des syst`emes non
lin´eaires
La notion de syst`eme non lin´eaire est fond´ee sur le non respect du principe
de superposition. Les syst`emes n’ob´eissant pas au principe de superposition
sont tr`es nombreux. Nous pr´esenterons une sous-classe de tels syst`emes pour
lesquels les ´equations diff´erentielles ordinaires sont suffisantes `a leur descrip-
tion. Cette classe sera ´etudi´ee tout au long de cet ouvrage. Finalement, plu-
sieurs propri´et´es propres `a cette classe sont illustr´ees `a travers divers exemple.
1.1 Principe de superposition
Un syst`eme lin´eaire pourvu d’une entr´ee u et d’une sortie y ob´eit au prin-
cipe de superposition.
D´efinition 1.1. (Prinicipe de superposition). Soit deux signaux d’entr´ees u
1
et u
2
engendrants deux signaux de sorties y
1
y
2
. La r´eponse ` a la somme des
entr´ees u = u
1
+u
2
est la somme des r´eponses individuelles, i.e. y = y
1
+y
2
.
Une cons´equence directe de ceci est :
Caract´eristique 1.2. Pour tout syst`eme ob´eissant au principe de superposition,
la r´eponse `a une amplification du signal par un facteur α engendre une ampli-
fication de la sortie par un mˆeme facteur α. En d’autres termes si y corrspond
`a u alors la r´eponse `a αu est αy.
Ce principe est `a l’origine mˆeme de la d´efinition d’un syst`eme lin´eaire.
D´efinition 1.3. Tout syst`eme ob´eissant au principe de superposition est un
syst`eme lin´eaire.
Par cons´equent tout syst`eme qui n’ob´eit plus au principe de superposition
est un syst`eme non-lin´eaire, l’objet de ce livre.
4 1 D´efinition et propri´et´es des syst`emes non lin´eaires
1.2 Classe de syst`emes
La classe de syst`eme qui sera ´etudi´ee dans ce texte est celle d´ecrivant les
mod`eles de syst`emes physiques qui peuvent se repr´esenter par un ensemble
d’´equations diff´erentielles ordinaires. Le mod`ele math´ematique du syst`eme
physique s’´ecrit
˙ x = f(x, u), (1.1)
o` u x repr´esente le vecteur d’´etat x =

x
1
x
2
. . . x
n

T
de dimension n et
u un vecteur de grandeur d’entr´ee 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
continuit´e sera telle que la solution de (1.1) est unique pour des conditions
initiales x
0
et une commande u
o
d´etermin´ees. La condition sur cette conti-
nuit´e est que f(x, u) soit Lipschitz continue (en chaque point l’´evolution infi-
nit´esimale locale de f(x, u) doit ˆetre born´ee).
D´efinition 1.4. La fonction f(x, u) est appel´ee Lipschitz continue selon ces
deux arguments x et u lorsque, d’une part, elle est continue selon ses deux
arguments x et u et, d’autre part, lorsqu’il 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 int´eress´e par la n´ecessit´e et la suffisance de cette condition est
invit´e `a consulter [Kha02].
Cependant, nous n’expliquerons pas compl`etement comment obtenir un
tel mod`ele, ´etant donn´e qu’il serait alors n´ecessaire de couvrir un tr`es grand
nombres de disciplines connexes : chimie, physique, m´ecanique du solide, elec-
trotechnique, etc., chacune ayant une th´eorie de la mod´elisation propre condui-
sant `a des ´equations diff´erentielles ordinaires susmentionn´ees.
Avant d’entrer dans le vif du sujet, mentionnons que les syst`emes non
lin´eaires poss`edent des particularit´es singuli`eres qui sont compl`etement ab-
sente des syst`emes lin´eaires. Certaines de ces propri´et´es sont pr´esent´ees ci-
apr`es.
1.3 R´eponse indicielle disym´etrique
Consid´erons le syst`eme lin´eaire simple
1.3 R´eponse indicielle disym´etrique 5
˙ x = −x +u.
Un signal d’entr´ee sym´etrique et carr´e entre 0 et +1 lui est appliqu´e. Le signal
de sortie x(t) associ´e suit le signal d’entr´ee, mais avec une inertie. Les phases
de mont´ees alternent avec les phases de descentes de mani`ere sym´etrique. Le
diagramme de gauche de la figure 1.1 illustre le r´esultat.
Par contre, le syst`eme non-lin´eaire simple
˙ x = −|x|x +u
exhibe un comportement disym´etrique. En effet, la phase de mont´ee est plus
rapide que la phase de descente (` a droite de la figure 1.1).
0
1
2
3
0 20 40
0
1
2
0 20 40
Fig. 1.1. A gauche, les phases de mont´ee et de descente sont sym´etriques dans le
cas de l’´equation ˙ x = −x+u, o` u u est un signal carr´e entre +1 et 0. A droite, lorsque
˙ x = −[x[x +u, ce n’est plus le cas.
Remarque 1.5. Dans le cas du syst`eme non lin´eaire ˙ x = |x|x+u, le terme |x|x
peut ˆetre localement interpr´et´e comme le membre de droite ax d’un syst`eme
lin´eaire ˙ x = ax, o` u l’inverse de la constante de temps, d´enot´ee a, correspond
`a |x|. Ainsi, autour de la valeur maximale de x, correspondant au r´egime
permanent lorsque l’entr´ee vaut 1, le syst`eme est rapide. Par contre, autour
de la valeur de x nulle, la constante de temps est grande, et le syst`eme lent.
A la mont´ee, seul l’entr´ee u = +1 force rapidement le syst`eme `a se d´eplacer,
bien que la constante de temps soit grande (syst`eme lent). L’effet de x est
n´egligeable par rapport `a l’entr´ee dans la phase de mont´ee. A la descente, par
contre, mˆeme si la constante de temps est initialement grande, l’entr´ee est
nulle, et la valeur x se modifie en fonction d’elle mˆeme, sans ˆetre aid´ee par la
contribution de l’entr´ee. Initialement rapide, le syst`eme ralentit vite, `a cause
de la diminution de x.
6 1 D´efinition et propri´et´es des syst`emes non lin´eaires
1.4 Termes d’ordre sup´erieur
Lorsque la solution d’un syst`eme non lin´eaire s’´eloigne suffisamment d’un
point d’´equilibre, les termes d’ordre sup´erieur du d´evelopement en s´erie (au-
tour de ce point d’´equilibre) contribuent de mani`ere croissante `a l’influence sur
la d´eriv´ee. Il se peut tr`es bien que ces termes pr´esentent un effet d´estabilisant
sur le comportement global.
Par exemple, le syst`eme
˙ x = −x +x
2
, (1.2)
ne comporte pas d’entr´ee et poss`ede un point d’´equilibre `a l’origine.
Plusieurs conditions initiales sont consid´er´ees, certaines inf´erieures en va-
leur absolue `a l’unit´e, et d’autres sup´erieures. Elles sont choisies sym´etriques
par rapport `a l’origine, au sens o` u, si une simulation est effectu´ee pour
x(0) = x
0
, alors une autre l’est ´egalement pour x(0) = −x
0
. Les solutions
de l’´equation diff´erentielle associ´ees aux conditions initiales sont repr´esent´ees
`a la figure 1.2.
-1
0
1
2
3
0 2 4
t
x
Fig. 1.2. Les solutions de ˙ x = −x+x
2
sont repr´esent´ees pour les conditions initiales
x(0 suivantes : ±0.2, ±0.4, ±0.6, ±0.8, ±1.01, ±1.1. L’instabilit´e apparaˆıt d`es que
x(0) > 1.
La premi`ere constatation est que le comportement n’est pas sym´etrique par
rapport au signe des conditions initiales. La seconde, et la plus importante, est
qu’il y a, `a la fois des conditions initiales pour lesquelles la solution s’´eloigne
de plus en plus du point d’´equilibre au fur et `a mesure que le temps progresse,
et d’autres pour lequel la solution converge vers la valeur d’´equilibre x = 0.
La s´eparation se produit lorsque la condition initiale x(0) est sup´erieure `a 1.
Remarque 1.6. Contrairement au syst`emes lin´eaires, la stabilit´e peut d´ependre
des conditions intiales.
1.5 Points d’´equilibre isol´es multiples 7
Pour mieux comprendre le ph´enom`ene, les fonctions x et x
2
sont repr´esent´ees
`a la figure 1.3
0 0.5 1
0
0.5
1
1.5
x
x
2
x
Fig. 1.3. La stabilit´e de ˙ x = −x + x
2
est d´etermin´e par le signe du membre de
droite. La figure repr´esente 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 `a
l’instabilit´e.
Remarque 1.7. Le signe devant le terme x ou x
2
est fondamental. En effet,
˙ x = x est un syst`eme 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 l’´equation diff´erentielle, le terme x
2
a une tendance `a
d´estabiliser le syst`eme, et −x `a le stabiliser. La stabilit´e 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 d’´equilibre isol´es multiples
En examinant l’´equation (1.2) de l’exemple pr´ec´edent, une particularit´e
suppl´ementaire peut ˆetre remarqu´ee. Bien que x = 0 soit un point d’´equilibre,
car ˙ x = 0, il n’est pas unique. En effet, Il existe d’autres points d’´equilibre
qui sont obtenus en r´esolvant −x + x
2
= 0 par factorisation, conduisant `a
x(x −1) = 0, et un nouveau point d’´equilibre x = 1 apparait..
Ceci est `a mettre en perspective avec le cadres des syst`emes lin´eaires, pour
lesquels, lorsque le point d’´equilibre est isol´e, alors il est unique. En effet, la
condition d’´equilibre pour un syst`eme ˙ x = Ax est 0 = A¯ x. Lorsque A est
invertible (i.e. |A| = 0) le point d’´equilibre est unique et correspond `a ¯ x = 0.
Lorsque A est singuli`ere alors le noyau est un sous-espace vectoriel et donc
les points d’´equilibre multiples sont connect´es. Ainsi dans ce cas, si ¯ x = 0 et
¯ x ∈ {x | Ax = 0} alors λ¯ x = 0 est aussi un point d’´equilbre ∀λ ∈ R

.
8 1 D´efinition et propri´et´es des syst`emes non lin´eaires
1.6 Explosion en temps fini
Dans le cas lin´eaire, l’instabilit´e est toujours born´ee par une exponentielle.
Par exemple ˙ x = 3x tend vers l’infini sans jamais d´epasser une exponentielle
x(t) < x
0
e
3.01t
. La raison de ceci tient au fait que l’expression de la d´eriv´ee
peut ˆetre born´ee par une quantit´e proportionnelle `a la valeur de l’´etat. La
constante de proportionalit´e donne la vitesse de l’exponentielle.
Dans le cas non lin´eaire des surprises peuvent se produire. Par exemple,
pour le syst`eme (1.2), la divergence vers l’infini est beaucoup plus rapide que
dans le cas lin´eaire. 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 l’infini en un temps fini.
1.7 R´eponse harmonique multiple
Un autre ph´enom`ene tr`es int´eressant est la r´eponse polyharmonique d’un
syst`eme non lin´eaire `a une excitation ne contenant qu’une seule harmonique.
Cet aspect sera pr´esent´e dans le contexte de la m´ethode du premier harmo-
nique au chapitre 3
1.8 Orbites chaotiques
On consid`ere le syst`eme
¨ x + 0.1 ˙ x +x
5
= u = 6 sin(t) (1.3)
Deux trajectoires sont repr´esent´ees, l’une correspondant `a la condition
intiale x
0
=

0.1 0.2

T
et l’autre `a x
0
=

0.105 0.2

T
. On constate que mˆeme
si les deux conditions initiales sont tr`es proches l’une de l’autre, les trajectoires
r´esultantes sont rapidement tr`es diff´erentes, sans pour autant devenir non
born´ees (les valeurs de la position x demeurent dans un interval ferm´e et
born´e).
Cette hypersensibilit´e aux conditions intiales et l’aspect presque impr´evisible
du r´esultat donne l’impression que le syst`eme est soumis `a des perturbations
al´eatoires. Mais il n’en n’est rien. Le syst`eme est parfaitement d´eterministe.
Un tel comportement est appel´e ”chaos”. Comme exemple suppl´ementaire,
consid´erons l’oscillateur 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 l’´equations diff´erentielle (1.3) sont repr´esent´ees 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 r´esultantes sont proches dans la premi`ere portion
horizontale, elles deviennent tr`es diff´erentes dans la deuxi`eme portion horizontale
du graphique.
˙ x = −σx +σy
˙ y = rx −y −zx
˙ z = −bz +xy,
o` u seuls les deux termes en bleu, zx d’une part, et xy d’autre part, chacun
produits de deux ´etats, sont responsables de la nature non lin´eaire de la dy-
namique. Les param`etres σ, b, r sont fixes. Un exemple de trajectoire est
repr´esent´e `a la figure 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 l’oscillateur de Lorenz pour σ = 10, b =
8
3
, r = 28.
10 1 D´efinition et propri´et´es des syst`emes non lin´eaires
On constate plusieurs ph´enom`enes int´eressants :
– Une trajectoire solution ne repasse jamais par le mˆeme point.
– Il n’y a pas de solution p´eriodique.
– Il existe des voisinages tels que pour toute condition initiale comprise
dans ce voisinage, la solution repasse une infinit´e de fois dans le voisi-
nage. De plus ce voisinage peut ˆetre pris arbitrairement. Autrement dit,
en d´efinissant V
0
(x
0
∈ V
0
), il existe une infinit´e d’instant 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 ferm´e et born´e, ou
autrement dit un ensemble compact).
– Pour deux conditions intiales arbitrairement proches, les solutions res-
pectives finissent par diverger l’une de l’autre pour finalement plus se
ressembler du tout.
2
Diagramme de phase
Pour les syst`emes m´ecaniques, la mod´elisation en utilisant les coordonn´ees
g´en´eralis´ees (m´ecanique analytique) conduit `a un mod`ele comportant des
d´eriv´ees secondes des coordonn´ees g´en´eralis´ees exprim´ees en fonction des co-
ordonn´ees g´en´eralis´ees ainsi que de leur premi`ere d´eriv´ee. Pour simuler de tels
syst`emes, il est n´ecessaire de connaˆıtre les conditions initiales, c’est-`a-dire l’en-
semble des coordonn´ees g´en´eralis´ees ainsi que leurs premi`eres d´eriv´ees. Ainsi,
une solution du syst`eme d’´equations est un ensemble de fonctions du temps,
une pour chacune des coordonn´ees g´en´eralis´ees et une pour la premi`ere d´eriv´ee
(vitesse) correspondante. Les variables de phase forment un tel ensemble de
grandeurs. De mani`ere plus g´en´erale, le formalisme d’Hamilton permet d’as-
socier aux coordonn´ees g´en´eralis´ees q
1
, . . . , q
n
, des variables vitesses parti-
culi`eres, appel´ees moments g´en´eralis´es p
1
, . . . , p
n
. L’espace de phase est l’en-
semble des 2n grandeurs q
1
, . . . , q
n
et p
1
, . . . p
n
. Cet ensemble constitue donc
les grandeurs d’´etat du syst`eme, `a savoir x =

q
1
. . . q
n
p
1
. . . p
n

T
. Cepen-
dant nous s´eparons ces grandeurs d’´etat en deux groupes.
Dans ce chapitre, les syst`emes de seond ordre, o` u l’espace de phase est
l’ensemble q, et ˙ q, seront ´etudi´es. De plus, ces syst`eme ne proviendrons pas
forc´ement du domaine m´ecanique.
2.1 Plan de phase pour les syst`eme du second ordre
Pour les syst`emes du second ordre donn´es par
¨ q = f(q, ˙ q), (2.1)
on d´esignera par q ∈ R et ˙ q ∈ R les variables de phases.
Maintenant le plan de phase n’est rien d’autre que le plan o` u l’on repr´esente
dans l’axe horizontal, la variable q et selon l’axe vertical, la variable ˙ q. Une
12 2 Diagramme de phase
solution `a l’´equation (2.1) sera donn´e par deux fonctions du temps
q = φ
q
(t)
˙ q = φ
˙ q
(t)
telles que

˙ q
dt
= f(φ
˙ q
, φ
q
)
Maintenant, en faisant varier le temps, q et ˙ q sont obtenus par substitution.
Une courbe param´etr´ee est alors d´ecrite dans le plan de phase par les deux
coordonn´ees x = φ
q
(t) et y = φ
˙ q
(t). Il est important de remarquer que le
temps n’apparaˆıt pas explicitement.
2.1.1 Syst`eme masse-ressort
Afin d’illustrer les techniques de trac´es des orbites dans le plan de phase,
le syst`eme simple suivant est utilis´e :
¨ q +q = 0.
C’est l’´equation dynamique d’un syst`eme m´ecanique comportant un res-
sort parfait `a l’extrˆemit´e duquel se situe une masse. L’ensemble forme un oscil-
lateur m´ecanique. Les param`etres sont normalis´es `a l’unit´e. La repr´esentation
sch´ematique est donn´ee `a la figure 2.1.
k = 1 m = 1
Fig. 2.1. Syst`eme masse ressort.
2.2 Techniques de graphe du plan de phase
Plusieurs techniques sont disponibles pour repr´esenter les orbites des
trajectoires d’un syst`eme dynamique `a deux ´etats. Certaines consistent a
2.3 Syst`emes lin´eaires du second ordre 13
repr´esenter exactement le trac´e d’autres `a n’obtenir qu’une information par-
tielle concernant celles-ci, par exemple en ne repr´esentant que l’information
concernant la direction de la tangente en plusieurs points du plan de phase.
Les m´ethodes suivantes seront d´etaill´ees :
1. M´ethodes informatiques
– Solutions num´eriques pour diverses conditions initiales
– Graphe des pentes
2. M´ethodes papier crayon
– Solution explicite des ´equations
a) en ´eliminant le temps explicitement
b) en ´eliminant le temps implicitement
3. M´ethodes mixtes
– M´ethode des isoclines
2.3 Syst`emes lin´eaires du second ordre
Un syst`eme lin´eaire autonome du second ordre ne comporte pas d’entr´ee
et est repr´esentable par un mod`ele d’´etat comportant deux ´etats.
˙ x
1
= a
11
x
1
+a
12
x
2
˙ x
2
= a
12
x
2
+a
22
x
2
que l’on peut repr´esenter matriciellement sous la forme ˙ x = Ax avec
A =

a
11
a
12
a
21
a
22

Les trajectoires d’un tel syst`emes peuvent ˆetre repr´esent´ees dans la plan
par des courbes param´etr´ees par le temps
Fig. 2.2. Figure repr´esentant une trajectoire d’un syst`eme lin´eaire du second ordre
Les trajectoires possibles qui varient en fonction de la valeur num´eriques
des param`etres a
ij
peuvent ˆetre regroup´ees en cat´egories en fonction de la
nature des valeurs propres de la matrice A.
Soit λ
1
et λ
2
les deux valeurs propres obtenues en r´esolvant | A−λI |= 0.
Quatre cas sont `a distinguer, ainsi les valeurs propres sont :
14 2 Diagramme de phase
1. toutes deux r´eelles de mˆeme signe. C’est un foyer stable.
2. r´eelles mais de signe oppos´e. C’est un point scelle.
3. purement imaginaire. C’est un centre.
4. complexes conjugu´ees. C’est un foyer.
2.3.1 Solutions num´eriques
Les logiciels d’aide au calcul diff´erentiels qu’ils soient orient´es vers le calcul
formel (Maple, Mathematica, Reduce) ou vers le calcul num´erique (Matlab,
SysQuake, LME, Scilab) poss`edent un solveur d’´equations diff´erentielles or-
dinaire. Il est alors tr`es ais´e d’obtenir les solutions d’un syst`eme dynamique
planaire en y changeant les conditions initiales d’une simulation `a l’autre ren-
dant ainsi la possibilit´e d’y r´ev´eler la nature des orbites sous-jacentes. Dans
le cas du syst`eme masse ressort pr´ec´edemment d´ecrit nous pourrions obtenir
la repr´esentation donn´ee `a la figure suivante :
-3 -2 -1 1 2 3
-3
-2
-1
1
2
3
Fig. 2.3. Trajectoires simul´ees du syst`eme masse-ressort.
2.3.2 Graphe des pentes
Autrefois, l’ordinateur faisait d´efaut et la d´etermination de solutions ne
pouvaient pas proc´eder par une m´ethode inductive comme celle de Runge-
Kutta ´etant donn´e le nombre d’op´erations prohibitif que cela impliquerait.
Ainsi il ´etait plus commode de ne calculer qu’un certain nombre de pentes
en des points pr´ed´etermin´es 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 repr´esentant un petit segment de
droite ayant une d´enivel´ee 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 ˆetre proportionel `a la norme
de f o` u fix´e `a une longueur unitaire arbitraire. Ironiquement, l’ordinateur
2.3 Syst`emes lin´eaires du second ordre 15
est ici aussi d’une grande aide. En prenant une grille equidistribu´ee selon les
deux axes x
1
et x
2
, on obtient une repr´esentation donn´ee `a la figure 2.4 pour
le syst`eme masse-ressort.
x =
`
x1 x2
´
T
f(x) =

f1(x1, x2)
f2(x1, x2)
«
Fig. 2.4. Graphique des ´el´ements de pente pour le syst`eme masse-ressort.
2.3.3 Elimination du temps explicitement
Lorsque le syst`eme dynamique est relativement simple comme c’est le cas
du syst`eme masse ressort, il est envisageable d’obtenir la solution de mani`ere
explicite `a l’´equation diff´erentielle d´ecrivant la dynamique.
x(t) = x
0
cos t + ˙ x
0
sint
˙ x(t) = −x
0
sin t + ˙ x
0
cos t
Cependant il est n´ecessaire de se d´ebarasser de la param´etrisation du temps
afin de repr´esenter l’orbite. En utilisant l’identiti´e cos
2
t + sin
2
t = 1, il est
possible d’exprimer la relation
x
2
+ ˙ x
2
= x
2
0
+ ˙ x
2
0
,
qui repr´esente un cercle centr´e en (0, 0) de rayon

x
2
0
+ ˙ x
2
0
.
2.3.4 Elimination du temps implicitement
Remarquons que dans l’exemple pr´ec´edent le temps est ´elimin´e apr`es
l’int´egration de l’´equation diff´erentielle. Il est tout a fait possible d’en faire
l’´elimination lorsque celui-ci apparaˆıt encore `a l’´etat de diff´erentielle :
16 2 Diagramme de phase
˙ x
1
= x
2
=
dx
1
dt
˙ x
2
= −x
1
=
dx
2
dt
dx
1
x
2
= −
dx
2
x
1
= dt
L’int´egration se fait alors sans faire intervenir le temps et revˆet dans le
cas du syst`eme masse un caract`ere plus simple que l’obtention 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 param´etrage temporel est perdue.
graphique de x
2
+ ˙ x
2
= x
2
0
+ ˙ x
2
0
˙ x
Fig. 2.5. Graphique associ´ee `a l’´equation x
2
+ ˙ x
2
= 1 = x
2
0
+ ˙ x
2
0
.
2.3.5 M´ethode des isoclines
Le m´ethode du graphique des pentes a proc´ed´e par l’´evaluation sur une
grille donn´ee a priori et de g´eom´etrie arbitraire. Il est int´eressant de se de-
mander s’il y a une possibilit´e de trouver un lieu de points, le long duquel il
2.3 Syst`emes lin´eaires du second ordre 17
serait plus int´eressant de calculer les pentes. Par exemple, afin de minimiser le
nombre d’´evaluation, il serait int´eressant de calculer l’ensemble de points au-
quel le champ de vecteur de la dynamique ait une pente commune. En variant
la pente, il est alors possible d’obtenir un ensemble de lieux.
dx
2
dx
1
= α =
f
2
(x
1
, x
2
)
f
1
(x
1
, x
2
)
¨ x +x = 0
α =
−x
1
x
2
x
2
= −
1
α
x
1
α = 1, x
2
= −x
1
˙ x
Fig. 2.6. La m´ethode des isoclines consiste `a choisir un ´el´ement de pente et de
repr´esenter le lieu des points comportant la mˆeme pente.
application syst´ematique pour diff´erentes valeurs de α
2.3.6 Exemple : oscillateur de van der Pol
¨ x +ǫ(x
2
−1) ˙ x +x = 0
ǫ = 0.5 x
0
= ˙ x
0
= 1
Graphe des pentes et trajectoires
Droite d’isocline α
18 2 Diagramme de phase
Fig. 2.7. Lorsque la m´ethode des isoclines est utilis´ee pour repr´esenter les ´el´ements
de pentes identiques, ces derniers sont trac´es en respectant la sym´etrie du cercle et
donne un aspect plus naturel que lorsqu’une grille uniform´ement espac´ee est utilis´ee.
-2 -1 1 2
-2
-1
1
2
Fig. 2.8. Une trajectoire de l’oscillateur de van der pol est repr´esent´ee pour la
condition intiale x1(0) = 1 et x2(0) = 1 et pour la valeur du param`etre ǫ = 0.5.
¨ x +ǫ(x
2
−1) ˙ x +x = 0
α =
¨ x
˙ x
= −ǫ(x
2
−1) −
x
˙ x
avec droites d’isoclines
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 d’une trajectoire dans le cas de
l’oscillateur de van der Pol (ǫ = 0.5, x10 = 1, x20 = 1).
Fig. 2.10. M´ethode des isoclines appliqu´ee `a l’oscillateur de van der Pol.
2.4 Cycles limites
Un cycle limite est une trajectoire ferm´ee solution du syst`eme.
D´efinition 2.2. Un syst`eme ˙ x = f(x) poss`edent un cycle limite C s’il existe
un interval de temps [t
0
; t
0
+ T[ et un point de d´epart x
0
∈ C, tel que en
d´esignant par Φ(t) la solution de syst`eme avec pour condition initiale x(t
0
) =
x
0
= Φ(t
0
) on ait :
– Φ(t) ∈ C ∀t ∈ [t
0
; t
0
+T[,
20 2 Diagramme de phase
– Φ(T) = x
0
.
2.4.1 Classification des cycles limites
D´efinition 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
L’index est une propri´et´e topologique des syst`emes en rapport avec une
r´egion d´etermin´ee du plan de phase. Elle est invariante pour des petites pertur-
bations continues du syst`eme consid´er´e. Cette propri´et´e permet, entre autres,
d’´etablir des conditions n´ecessaires pour l’existence de cycles limites.
D´efinition 2.4. (Index en un point du plan de phase). Trois choix sont ef-
fectu´es :
1. Une courbe autour du point auquel l’index est ´evalu´e. Cette courbe est
choisie de mani`ere arbitraire, mais comprise dans un disque de taille suf-
fisamment petite. Th´eoriquement, le disque est de taille infinit´esimale.
2. Une param´etrisation de la courbe dans le sens trigonom´etrique positif.
3. Une suite arbitraire de points de la courbe dans le sens de la param´etrisation.
Les points sont alors num´erot´es 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 syst`eme ˙ x =
f(x), est ´evalu´e. On obtient ainsi une suite de vecteurs f
i
= f(x
i
). num´erot´es
de i = 1 ` a i = n. Les vecteurs sont ensuite report´es sur un autre espace de telle
sorte que leurs origines se confondent. L’index mesure alors l’angle modulo 2π
que l’extr´emit´e des vecteurs f
i
parcourent dans le sens trigonom´etrique positif.
L’index est ind´ependant ` a la fois de la courbe choisie (pour autant quelle
soit comprise dans un disque de taille suffisamment petite), des points choisis
x
i
et de leur nombre n.
2.5 Index 21
Exemple 2.5. Soit un contour et un syst`eme tel que :
1
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
alors l’index vaut : +1.
Exemple 2.6. Soit un contour et un syst`eme tel que :
1
2
3
4
5
6
7
8
1
2
3
4
5
6
7
8
alors l’index vaut : −1.
22 2 Diagramme de phase
Exemple 2.7. Soit un contour et un syst`eme tel que :
1
2
3
4
5
6
7
8
1
2 4 8
6
3 5 7
alors l’index vaut : 0.
2.5.1 Type de points d’´equilibre
Les points d’´equilibre peuvent ˆetre classifi´es selon leur index. Par exemple,
les points d’´equilibre rencontr´es lors de l’analyse des syst`emes lin´eaires du
deuxi`eme ordre peuvent ˆetre regroup´es en fonction de leur caract´eristique ex-
prim´ee par la position des valeurs propres. Ils peuvent ´egalement ˆetre classifi´es
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
Caract´eristique 2.8. Les index sont ind´ependants de la stabilit´e.
Pour illustrer la validit´e de cette propri´et´e, il suffit de renverser le sens
des vecteurs dans les trois exemples pr´ec´edents. Il est alors ains´e de v´erifier
que l’index ne change pas. Le fait de renverser le sens des vecteurs a comme
cons´equence de changer la stabilit´e du point d’´equilibre lorsque ce dernier est
compris dans la courbe de taille infinit´esimale. Les consid´erations de stabilit´e
seront abord´es dans le prochain chapitre. Il y sera question d’un traitement
rigoureux de la question.
2.5.2 Classification des points d’´equilibre
Il est possible de classifier les points d’´equilibre ¯ x d’un syst`eme non lin´eaire
˙ x = f(x) en fonction du type de point d’´equilibre du syst`eme lin´earis´e ˙ x =
∂f
∂x
|
x=¯ x
x = Ax. Ainsi on parlera d’un
2.5 Index 23
1. point selle (S)
2. noeud (N)
3. foyer (N)
4. centre (N)
en fonction des valeurs propres de A conform´ement `a l’´etude des syst`emes
lin´eaires planaires.
2.5.3 Th´eor`eme de l’index
La d´efinition 2.4 d´etermine l’index d’un point particulier de l’espace de
phase. De mani`ere analogue, il est possible de d´efinir un index pour une courbe
quelconque.
D´efinition 2.9. L’index d’une courbe est obtenu de mani`ere analogue ` a celle
de l’index d’un point du plan de phase. Seul la restriction ` a une courbe com-
prise dans un disque de taille suffisamment petite est relax´ee. Ainsi, l’index
d’une courbe d´epend de la courbe choisie contrairement au cas de la d´efintion
2.4.
A l’aide de cette d´efinition, il est possible d’´evaluer l’index d’un cycle
limite, ´etant donn´e que ce dernier est une courbe particuli`ere. Le r´esultat
suivant est important.
Th´eor`eme 2.10. (Th. de l’index de Poincar´e) 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 susmentionn´e, il est possible d’´etablir la
non existence d’un cycle limite en fonction du non respect de la condition de
ce th´eor`eme. La d´emonstration d´ecoule d’une propri´et´e simple d’addition des
index des points d’´equilibre compris dans une courbe particuli`ere.
Caract´eristique 2.11. Soit une courbe particuli`ere donn´ee. L’index de cette
courbe est la somme des index de tous les points d’´equilibre compris `a
l’int´erieur de cette courbe.
Comme un cycle limite est une solution du syst`eme dynamique, les vecteurs
y sont en tout point tangent. Il est donc ais´e, en reportant ces vecteurs en un
point donn´e d’un nouvel espace, de constater que leur extrˆemit´e parcourt un
tour complet dans le sens identique au sens de parcours du cycle. Ainsi, l’index
du cycle est +1. Par cons´equent, il doit y avoir n´ecessairement un exc`es de 1,
des points d’´equilibre (compris `a l’int´erieur du cycle) dont l’index est +1 par
rapport `a ceux dont l’index vaut −1, ce qui donne les conditions du th´eor`eme
2.10.
24 2 Diagramme de phase
2.5.4 Th´eor`eme de Bendixson
Soit
˙ x
1
= f
1
(x
1
, x
2
)
˙ x
2
= f
2
(x
1
, x
2
)
Th´eor`eme 2.12. Pour un tel syst`eme, aucun cycle limite ne peut exister dans
une r´egion Ω du plan de phase dans laquelle
∂f1
∂x1
+
∂f2
∂x2
ne s’annule pas ni ne
change de signe.
Preuve. C’est une cons´equence du th´eor`eme de Stokes. En posant
dx1
dt
= f
1
et
dx2
dt
= f
2
, la diff´erentielle du temps est ´elimin´ee pour obtenir l’expression
dt =
f1
dx1
=
f2
dx2
, d’o` u l’on d´eduit que la 1-forme ω = −f
1
dx
1
+ f
2
dx
2
s’an-
nule le long du cycle. D’autre part, le long du cycle, cette mˆeme 1-forme
ω = −f
1
dx
1
+ f
2
dx
2
peut ˆetre int´egr´ee. Cette int´egrale de chemin doit ˆetre
´egale `a l’int´egrale de surface, sur l’aire comprise `a l’int´erieur du cycle, de la
diff´erentielle ext´erieure de cette 1-forme :

ω =

dω.
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 cons´equent, le seul moyen d’annuler cette int´egrale de surface est (i)
que l’int´egrant, s’il est non nul, puisse changer de signe ` a l’int´erieur de la
surface ou (ii) que l’int´egrant soit nul en tout point. V´erifier que l’int´egrant
ne s’annule pas et ne change pas de signe garantit donc la non existence d’un
cycle limite autour de la surface consid´er´ee.
2.6 Impossibilit´e du chaos planaire
Dans le chapitre introductif, un exemple tridimensionel (trois ´etats) a ´et´e
construit exhibant une trajectoire particuli`ere. Cette trajectoire restait com-
prise dans un ensemble ferm´e et born´e (un compact repr´esent´e par un cube).
Elle exhibait de surcroit la particularit´e de ne jamais passer par le mˆeme point.
La trajectoire n’´etait donc pas p´eriodique bien qu’un mouvement d’apparence
cyclique y ´etait le th´eˆ atre. Le prochain th´eor`eme d´emontre, entre autre, l’im-
possibilit´e qu’un tel ph´enom`ene puisse avoir lieu pour des syst`emes dont l’´etat
est de dimension 2.
2.7 Exemple : dynamique de populations 25
2.6.1 Th´eor`eme de Poincar´e-Bendixson
Syst`eme du second ordre uniquement.
Th´eor`eme 2.13. Si une trajectoire demeure dans une r´egion finie Ω 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 mˆeme un cycle limite.
La d´emonstration de ce th´eor`eme est fort int´eressante. On peut la trouver
dans [GH83]. Pour l’illustrer de mani`ere ludique, il suffit de prendre une plume
et une feuille de papier et de tracer une courbe continue qui ne passe jamais
par le mˆeme point. On aboutira sans trop de difficult´es aux cons´equences
donn´ees par le th´eor`eme.
2.7 Exemple : dynamique de populations
Pour illustrer les concepts introduits dans ce chapitre, nous pr´esentons
deux exemples tr`es simplifi´es de dynamique de populations. Nous envisageons
`a la fois les mod`eles math´ematiques de deux esp`eces en comp´etition pour une
ressource unique, ainsi que la dynamique pr´edateur-proie, o` u deux esp`eces dis-
tinctes s’affrontent, l’une jouant le rˆole de proie, et l’autre celui de pr´edateur.
Les hypoth`eses simplificatrices suivantes sont adopt´ees :
– La densit´e de l’esp`ece, c.-`a-d. le nombre d’individus par unit´e d’aire, est
repr´esent´ee par une variable unique, la diff´erence d’age de sexe et de
g´enotype sont ignor´es.
– L’effet de surpeuplement affecte le groupe dans son entier. Tous les
membres de la population sont touch´es de mani`ere similaire. Bien que
ceci soit peu probable lorsque les membres se repartissent en sous-
groupes, de telle sorte qu’ils ne soient pas uniform´ement distribu´es dans
tout l’ensemble du territoire consid´er´e, nous faisons n´eanmoins cette
hypoth`ese.
– Les effets des interactions au sein de la mˆeme esp`ece et avec des esp`eces
diff´erentes sont instantan´es. Il n’y a pas de d´elai lors d’action prise par
un individu.
– Les facteurs abiotiques environnementaux (c.-`a-d. l’influence du non-
vivant sur le vivant) sont suffisamment constants.
– La croissance du taux de la population est d´ependante de la densit´e,
mˆeme lors de tr`es faibles densit´es.
– Les femelles trouvent toujours `a s’accoupler, mˆeme lorsque la densit´e
est basse.
Ces hypoth`eses, tr`es simplificatrices, se justifient essentiellement par le fait
qu’il y aura n´ecessairement un effet limitant par le manque de ressources.
26 2 Diagramme de phase
2.7.1 Comp´etition
Deux populations distinctes sont en comp´etition pour une mˆeme ressource
qui se trouve en quantit´e limit´ee. s
1
d´esigne la population de la premi`ere
esp`ece et x
2
celle de la seconde. Un mod`ele d’´evolution diff´erentielle est obtenu
en consid´erant une croissance exponentielle en absence d’effet inhibitif. Deux
coefficients positifs a
1
et a
2
sont introduits pour repr´esenter les taux de crois-
sances instantan´es. Les populations agissent alors de mani`ere ind´ependante.
Cependant, les ressources ne sont pas infinies et la pr´esence d’une densit´e
croissante aura tendance `a inhiber la croissance des populations respectives.
Ainsi, nous distinguons les coefficients d’auto-inhibition b
11
et b
22
(deux quan-
tit´es positives, cr´ees par la pr´esence d’un comp´etiteur de mˆeme esp`ece), de
ceux des coefficients d’inhibition crois´ee b
12
et b
21
(´egalement deux nombres
r´eels positifs mais dus cette fois-ci `a la pr´esence d’un comp´etiteur de l’autre
esp`ece). En cons´equence, nous posons comme mod`ele d’´evolution
˙ 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 r´esolvant ˙ x
1
= ˙ x
2
= 0, la pr´esence de plusieurs points
d’´equilibre. Lorsque b
11
b
22
−b
12
b
21
= 0, il y a quatre points d’´equilibre isol´es
distincts :
(i) ¯ x
1
= 0 ¯ x
2
= 0
(ii) ¯ x
1
=
a1
b11
¯ x
2
= 0
(iii) ¯ x
1
=
a2b12−a1b22
b11b22−b12b21
¯ x
2
=
a1b21−a2b11
b11b22−b12b21
(iv) ¯ x
1
= 0 ¯ x
2
=
a2
b22
Ils correspondent respectivement `a (i) l’extinction des deux esp`eces ; (ii)
l’extinction de la seconde esp`ece au profit de la premi`ere ; (iii) la survie des
deux esp`eces en ´equilibre ; (iv) l’extinction de la premi`ere au profit de la
seconde.
Lorsque b
11
b
22
−b
12
b
21
= 0, outre le point d’´equilibre `a l’origine, la pr´esence
d’une droite continue de points d’´equilibre est constat´ee. En effet, en prenant
pour valeur num´erique a
1
= a
2
= 2 et b
11
= b
12
= b
21
= b
22
= 2, on
obtient les deux ´equations d´efinissant les points d’´equilibres 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, l’expression
(x
2
−x
1
)(x
2
+x
1
−2) = 0 est obtenue faisant apparaˆıtre la droite x
2
= 2 −x
1
comme un lieu continu de points d’´equilibre.
Le syst`eme non lin´eaire ˙ x = f(x) peut s’estimer par le premier terme du
d´eveloppement en s´erie de Fourier. Ceci donne ˙ x = A(¯ x)(x − ¯ x) o` u ¯ x d´esigne
le point d’´equilibre o` u l’on d´eveloppe f(x). La matrice A s’´ecrit
2.7 Exemple : dynamique de populations 27
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 d´epend des valeurs ¯ x
1
et ¯ x
2
du point d’´equilibre.
Fig. 2.11. Plan de phase et points d’´equilibre pour deux population en comp´etition
pour une ressource unique. a1 = a2 = 2 et b11 = b22 = 1. Dans les trois cas, l’origine
un foyer instable. A gauche, (i) b12 = b21 = 2. L’inhibition crois´ee est plus grande que
l’auto-inhibition et cel`a conduit une population `a survivre au d´etriment de l’autre ; la
population survivante d´epend des conditions initiales et les densit´es convergent soit
vers (2 0)
T
ou (0 2)
T
. Le point d’´equilibre central (2/3 2/3)
T
est un point selle.
Au centre, (ii) b12 = b21 = 1. L’inhibition crois´ee est identique `a l’auto-inhibition,
ce qui conduit les deux populations `a vivre avec des rapport qui d´ependent des
conditions initiales. A droite, (iii) b12 = b21 =
1
2
. L’auto-inhibition est plus grande
que l’inhibition crois´ee, et les deux populations finissent au point d’´equilibre (
4
3
4
3
)
pour presque toutes les conditions initiales.
Le plan de phase est repr´esent´e `a la figure 2.11 pour trois choix de valeurs
num´eriques. Les facteurs de croissance sont fix´es `a a
1
= a
2
= 2.
Dans le premier cas, les facteurs inhibitifs crois´es sont plus importants
que les facteurs auto-inhibitifs (b
11
= b
22
= 1 et b
12
= b
22
= 2). Le point
d’´equilibre (0 0)
T
est localement instable puisque les valeurs propres de la
matrice A sont toutes deux ´egales `a +2. Les points d’´equilibres (2 0)
T
et
(0 2)
T
sont des points stables (les valeurs propres sont toutes deux ´egales
`a −2). Le point d’´equilibre (
2
3
2
3
)
T
est un point selle dont une des valeurs
propres vaut −2 et l’autre +
2
3
. Ainsi, trois points d’´equilibre d’index +1 et
un d’index −1 sont obtenus, pour donner un index global de +2. L’index
global s’obtient en consid´erant une courbe ferm´ee quelconque englobant tous
les points d’´equilibre.
Dans le second cas, lorsque l’auto-inhibition est identique `a l’inhibition
crois´ee, on constate une vie mutuelle des deux esp`eces et une convergence
vers des points d’´equilibre qui d´epend des conditions initiales.
Dans le troisi`eme cas, c.-`a-d. lorsque l’inhibition crois´ee est moins forte
que l’auto-inhibition, il y a ´egalement une survie mutuelle des deux esp`eces,
28 2 Diagramme de phase
mais toujours avec la mˆeme densit´e. Le point d’´equilibre (
4
3
4
3
)
T
est stable
avec pour valeur propre de la matrice A, −2 et −
2
3
. Le point d’´equilibre
(0 0)
T
est instable (les valeurs propres de A sont toutes deux ´egales `a +2).
Les deux points d’´equilibres restants (0 2)
T
et (2 0)
T
sont des points selles
avec comme valeurs propres −2 et +1.
Il est int´eressant de constater que le passage de l’index global +2 `a celui
de 0 c’est fait par l’interm´ediaire de l’apparition d’un lieu continu de points
d’´equilibre.
On constate ´egalement qu’il n’y a pas de cycle limite.
2.7.2 Pr´edateur-proie
Dans ce mod`ele, x
1
repr´esente la densit´e de population des proies, et x
2
celle des pr´edateurs.
L’´equation de l’´evolution de x
1
est identique au cas des populations en
comp´etition de la section pr´ec´edente. En effet, les proies croissent de mani`ere
exponentielle en l’absence de pr´edateur (coefficient a
1
positif). Leur croissance
est limit´ee par les ressources (effet auto-inhibitif, b
11
) et par la pr´esence de
pr´edateurs (effet d’inhibition crois´e, b
12
).
Par contre, l’´evolution des pr´edateurs x
2
est fonci`erement diff´erente. En
l’absence de proie, les pr´edateurs disparaissent progressivement de mani`ere
exponentielle, et le signe devant le coeffcient a
2
est cette fois-ci n´egatif. De
plus, la pr´esence des proies n’a pas un effet inhibitif, mais bien au contraire,
un effet de croissance : le signe devant le facteur b
21
est positif. Il n’y a pas
d’effet auto-inhibitif ce qui implique l’annulation du coefficient b
22
= 0.
Sous ses hypoth`eses, les deux ´equations diff´erentielles qui gouvernent
l’´evolution 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 syst`eme comporte trois points d’´equilibre :
(i) ¯ x
1
= 0 ¯ x
2
= 0
(ii) ¯ x
1
=
a1
b11
¯ x
2
= 0
(iii) ¯ x
1
=
a2
b21
¯ x
2
=
a1b21−a2b11
b12b21
Le premier point d’´equilibre est l’extinction mutuelle des deux esp`eces.
Le second correspond uniquement `a la survie des proies ; il y a absence de
pr´edateurs. Le troisi`eme correspond `a une survie mutuelle.
Lorsque a
1
b
21
< a
2
b
11
, les pr´edateurs meurent par manque de facteur de
reproduction des proies (coefficient a
1
) par rapport au besoin de nourriture
des pr´edateur (coefficient a
2
). La condition de survie mutuelle pond`ere les
2.7 Exemple : dynamique de populations 29
deux facteurs a
1
et a
2
par la qualit´e de satisfaction ´energ´etique de la proie
pour un pr´edateur b
21
et du taux d’auto-inhibition des proies b
11
. En effet,
l’auto-inhibition des proies rend la reproduction et la survie des pr´edateurs
difficiles.
La figure 2.12 repr´esente le plan de phase pour les valeurs num´eriques
a
1
= a
2
= b
21
= 2, b
11
= b
12
= 1.
Deux courbes solution de l’´equation diff´erentielle sont ´egalement repr´esent´ees,
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 d’´equilibre de survie mutuelle
¯ x
1
= ¯ x
2
= 1.
Pour la premi`ere courbe, la densit´e des pr´edateurs commence l´eg`erement
`a diminuer puis demeure relativement modeste `a cause du faible nombre de
proies disponibles. Toutefois, ces derni`eres se reproduisent en pr´esence de la
faible densit´e des pr´edateurs. Lorsqu’une taille critique est atteinte, `a partir
de laquelle les pr´edateurs peuvent mieux se d´evelopper, la tendance s’inverse,
et les pr´edateurs augmentent au d´etriment des proies.
De mani`ere g´en´erale, le taux de pr´edateurs par rapport ` a celui des proies
oscille jusqu’` a atteindre l’´equilibre de survie mutuelle.
Fig. 2.12. Plan de phase et points d’´equilibre pour le mod`ele pr´edateur-proie.
La variable x1 repr´esente la densit´e des proies (axe horizontal) et la variable x2
repr´esente la densit´e des pr´edateurs (axe vertical). Les valeurs num´eriques choisies
sont a1 = a2 = 2 = b21 = 2 et b11 = b12 = 1. Deux trajectoires sont ´egalement
repr´esent´ees pour x1(0) = x2(0) = 0.2 et pour x1(0) = 1.7, x2(0) = 1.4. Trois points
d’´equilibre sont constat´es : (i) l’origine ¯ x1 = ¯ x2 = 0 (en bas, `a gauche), (ii) la
survie des proies et l’extinction des pr´edateurs ¯ x1 = 2, ¯ x2 = 0 (en bas, `a droite), et
finalement (iii) la survie mutuelle ¯ x1 = ¯ x2 = 1 (au centre).
30 2 Diagramme de phase
Exercice
2.1. Saturation et syst`eme lin´eaire. Soit le syst`eme lin´eaire
˙ 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 afin d’avoir deux pˆ ole en −1 et −1 dans la partie
lin´eaire.
(ii) Trouver tous les points d’´equilibre.
(iii) Dessiner le plan de phase avec le champ de vecteur associ´e. Tracer
plusieurs trajectoires pour diff´erentes conditions initiales (il faut simuler les
´equations diff´erentielles).
(iv) D´eterminer la nature du bassin d’attraction en simulant le syst`eme
en temps r´etrograde, i.e. ˙ x
1
= −x
1
− u et ˙ x
2
= +x
2
− u, la commande u
demeurant identique. Il faut prendre plusieurs conditions initiales r´eparties
sur un petit cercle centr´e sur l’origine.
(v) R´ep´eter l’op´eration en (iv) en changeant la position des pˆ 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 d’´equilibre joue-t-il un rˆole ?
3
M´ethode du premier harmonique
Dans les deux pr´ec´edents chapitres, un syst`eme ´etait donn´e par un en-
semble d’´equations diff´erentielles ordinaires de la forme ˙ x = f(x). Certaines de
ses caract´eristiques comme la pr´esence de plusieurs points d’´equilibre, l’exis-
tence de cycles limites ou d’orbites chaotiques ont ´et´e pr´esent´ees, ainsi que des
crit`eres permettant de d´eterminer de telles propri´et´es (th´eor`eme de l’index,
crit`ere de Poincar´e-Bendixson, etc.).
Toutefois, la notion de syst`eme en boucle ferm´ee n’a pas ´et´e mentionn´ee
de mani`ere explicite. En effet, ˙ x = f(x) pouvait `a la fois repr´esenter un
syst`eme en tant que tel, ou provenir de l’association en boucle ferm´ee de deux
syst`emes interconnect´es entre eux. Par exemple, ˙ w = g
1
(w, u) et ˙ z = g
2
(z)
avec dim u = dim z donnent lieu lorsque u = z `a un syst`eme ˙ x = f(x) avec
x =

w
T
z
T

T
.
Nous allons rendre ainsi la pr´esence d’une telle configuration en boucle
ferm´ee plus explicite dans le cours du pr´esent chapitre. L’objectif ´etant d’expo-
ser une m´ethode d’analyse approximative d’une classe relativement restreinte
de syst`emes, mais apparaissant tr`es fr´equemment en pratique.
Il s’agit de la combinaison en r´etroaction d’un syst`eme lin´eaire ayant une
seule entr´ee et une seule sortie, boucl´e par un ´el´ement non lin´eaire. Ce dernier
´el´ement ne poss`ede pas de dynamique et correspond `a une fonction statique
arbitraire.
L’importance de cette classe de syst`eme provient du fait, qu’en pratique,
beaucoup de syst`emes poss`edent des imprfections qui ne disparaissent pas
apr`es lin´earisation locale. De telles imperfections proviennent par exemple
d’une zone morte pour certains syst`emes m´ecaniques, d’hyst´er`ese pour les
pi´ezo´electriques et les mat´eriaux magn´etiques, ainsi que la saturation pour
presque tous les types d’actioneurs.
En effet, on ne peut pas `a proprement parler ´eliminer un jeu dans un
engrenage, si ce n’est recourir `a le changer ou `a le r´eparer. Tout au plus, nous
32 3 M´ethode du premier harmonique
pouvons esp´erer compenser son effet n´efaste par la mani`ere dont le syst`eme
comportant cet ´el´ement est command´e.
De plus, de tels ph´enom`enes ont la particularit´e de pouvoir se s´eparer entre
un effet non-lin´eaire purement statique (le jeu et la saturation, par exemple,
font intervernir leur effet de mani`ere instantan´ee sans ph´enom`ene de m´emoire)
et un effet dynamique propre au syst`eme dans son ensemble (par exemple, les
inerties et les frottements d’un r´educteur comportant le jeu susmentionn´e
constituent alors la partie lin´eaire du mod`ele du syst`eme).
Ainsi, bien que la majeure partie du syst`eme se comporte de mani`ere
lin´eaire, il peut y avoir une non-lin´earit´e statique qui subsiste. Celle-ci peut
ˆetre isol´ee du reste du comportement lin´eaire pour aboutir au sch´ema que l’on
va analyser.
L’objectif de cette analyse est de d´etecter et caract´eriser la pr´esence
d’´eventuels cycles limites. Il s’agit de d´eterminer `a la fois la propri´et´e de
se maintenir apr`es une l´eg`ere perturbation (stabilit´e) et de trouver les pa-
ram`etres repr´esentatifs tels que l’amplitude et la fr´equence du cycle limite.
3.1 Syst`eme lin´eaire et non-lin´earit´e statique
Consid´erons la mise en s´erie, en boucle ouverte, d’un premier bloc, dont
le comportement est non-lin´eaire, et d’une simple fonction de transfert qui
constitue le second bloc (Figure 3.1).
Chacun des blocs comporte une entr´ee unique et une sortie unique. L’entr´ee
de la non-lin´earit´e est not´ee u et sa sortie y. L’entr´ee de la fonction de tranfert
est alors y (attention `a ne pas confondre avec u) et sa sortie est z. Il est
important d’insister sur cette convention.
u y z
N.L. G(s)
Fig. 3.1. Association d’un bloc non-lin´eaire statique N.L. et d’une fonction de
transfert G(s).
La non-lin´earit´e du premier bloc est clairement s´epar´ee du comportement
lin´eaire de la fonction de transfert. La contre-r´eaction du second bloc sur le
premier est momentan´ement absente. Nous ´etudierons les cons´equences de la
boucle ferm´ee (u = −z) ult´erieurement.
3.1 Syst`eme lin´eaire et non-lin´earit´e statique 33
De plus, nous ne consid´ererons qu’une relation non-lin´eaire statique du
premier bloc. Ainsi, `a chaque instant t, la sortie y(t) est une simple fonction
de son entr´ee u(t), c.-`a-d.
y(t) = φ(u(t)).
Il y a donc absence d’´etat pour le comportement du premier bloc. Les ´etats
ne sont n´ecessaires que pour r´ealiser la fonction de transfert.
3.1.1 Excitation sinuso¨ıdale en boucle ouverte
Pour illustrer le principe, une saturation constituera le premier bloc. La
combinaison en s´erie des deux blocs est soumise `a une excitation sinuso¨ıdale
d’amplitude A et de pulsation ω :
u(t) = Asin(ωt) (3.1)
La saturation est d´ecrite par la fonction
ˆ
φ(u(t)) =

ka u(t) > a
ku(t) −a ≤ u(t) ≤ a
−ka u(t) < −a
(3.2)
o` u k d´efinit le gain de la partie non-satur´ee et le param`etre a correspond `a
la valeur d’entr´ee `a partir de laquelle la saturation est active. La figure 3.2
illustre le ph´enom`ene pour un choix particulier des param`etres.
-4
-2
0
2
4
u(t)
-4
-2
0
2
4
y(t)
Fig. 3.2. Repr´esentation graphique de l’entr´ee u(t) et de la sortie y(t) de la satu-
ration pour les valeurs A = 2, ω = 5, k = 2 et a = 1.
3.1.2 Caract´eristique passe-bas du syst`eme lin´eaire G(s)
En examinant la figure 3.2, nous constatons que le signal sinuso¨ıdal est
fortement transform´e par la saturation. Il ne correspond plus `a une courbe
34 3 M´ethode du premier harmonique
lisse et de mˆeme nature que la sinuso¨ıde de d´epart. Il n’est pas possible de
superposer une seule sinuso¨ıde, mˆeme lorsque celle-ci est d´ephas´ee et amoidrie
de facteurs appropri´es.
Par contre, le constat peut ˆetre diff´erent `a la sortie du syst`eme G(s),
puisque ce dernier agit comme un filtre suppl´ementaire.
Par exemple, consid´erons un syst`eme G(s) du second ordre avec un pa-
ram`etre b unique permettant de d´eterminer sa bande passante. Son gain sta-
tique est fix´e ´egal `a l’unit´e. Le param`etre b correspond `a la valeur r´eelle o` u se
trouve la paire de pˆ oles sur l’axe r´eel n´egatif.
G(s) =
b
2
s
2
+ 2bs +b
2
(3.3)
Le syst`eme est stable pour autant que b soit strictement positif. Un gand
b d´etermine un syst`eme rapide qui filtre peu, et un petit b correspond `a un
syst`eme de nature passe-bas qui filtre les hautes fr´equences. La figure 3.3
illustre le r´esultat du filtrage lorsque b = 3 et b = 30.
-4
-2
0
2
4
z(t)
-4
-2
0
2
4
z(t)
Fig. 3.3. Repr´esentation graphique de la sortie du syst`eme lin´eaire lorsque A = 2,
ω = 5, k = 2 et a = 1 pour deux valeurs du param`etre b de la fonction de transfert
(3.3). A gauche b = 3 et `a droitre b = 30.
Dans les deux cas, un r´egime transitoire est constat´e. Celui-ci d´ecoule
du fait que les conditions initiales de G(s) ne sont pas compatibles avec le
r´egime forc´e que tend `a imposer l’entr´ee u(t). Ce r´egime transitoire disparaˆıt
rapidement pour laisser place `a un r´egime forc´e de nature diff´erente en fonction
de la valeur de b.
Lorsque le syst`eme filtre peu (b = 30), le signal z(t) est tr`es proche de la
sortie de la non-lin´earit´e y(t). Par contre, en examinant le premier r´esultat
(b = 3), l’effet conjoint de la saturation
ˆ
φ et du syst`eme lin´eaire G(s) revient
simplement `a d´ephaser et `a att´enuer la sinuso¨ıde d’origine, un peu comme
le ferait un syst`eme lin´eaire. La non-lin´earit´e a en quelque sorte disparu, ou
3.1 Syst`eme lin´eaire et non-lin´earit´e statique 35
de mani`ere plus rigoureuse, elle a ´et´e englob´ee pour constituer avec G(s) une
sorte de nouvelle fonction de transfert.
3.1.3 Gain complexe ´equivalent
Pardoxalement, nous avions initialement clairement s´epar´e le comporte-
ment non lin´eaire du comportement lin´eaire, et voil`a que le dernier r´esultat
de la section pr´ec´edente revient `a simplement d´ephaser et amoindrir le signal
d’origine.
Le comportement global de la mise en s´erie des deux ´el´ements montre
qu’il est peu commode de le s´eparer en une partie purement non-lin´eaire ca-
ract´erisable et une partie lin´eaire. En effet, il n’est pas ais´e en examinant le
signal z(t) (b = 3) de d´etecter la pr´esence d’une saturation.
Cependant, il est possible de substituer `a la non-lin´earit´e, un nombre com-
plexe N, permettant de caract´eriser celle-ci sans perdre trop de qualit´e dans
la r´eponse z(t). Ceci est rendu possible par la nature passe-bas du syst`eme
lin´eaire. Clairement, z(t) pour b = 30 ne permet pas une telle simplification.
En cons´equence, lorsque le syst`eme lin´eaire poss`ede des propri´et´es passe-bas
marqu´ees, le sch´ema de la figure 3.1 peut ˆetre remplac´e par l’approximation
repr´esent´ee `a la figure 3.4.
u y z
N G(s)
Fig. 3.4. La non-lin´earit´e statique N.L. est remplac´ee par un gain ´equivalent com-
plexe N.
Pour d´eterminer le gain N, nous proc´edons par essais/erreurs et il est
relativement ais´e de trouver la sinuso¨ıde
0.329Asin(ωt −2.00)
qui se superpose tr`es bien avec le signal z(t). Ceci est repr´esent´e `a la figure
3.5.
Cette d´etermination repose sur le caract`ere du r´egime permanent si-
nuso¨ıdal. Le signal d’excitation est multipli´e par N puis par G(jω) avec ω = 5.
Pour d´eterminer N, il suffit donc de diviser la repr´esentation fr´equentielle de
la sortie par G(j5) et ensuite de comparer le r´esultat avec le signal d’entr´ee.
Une mani`ere similaire de proc´eder est de d´ephaser et d’amplifier les signaux
36 3 M´ethode du premier harmonique
-4
-2
0
2
4
z(t)
Fig. 3.5. Repr´esentation graphique de la sortie du syst`eme lin´eaire lorsque A = 2,
ω = 5, k = 2, a = 1 et b = 3. Une sinuso¨ıde 0.329Asin(ωt −2.00) y est superpos´ee.
temporels par respectivement la phase et l’amplitude des nombre complexes
correspondants.
On d´eduit sans peine que N ≈ 1.2. C’est un nombre purement r´eel. Le
d´ephasage est donc caus´e exclusivement par G(j5) = 9(30j −14)
−1
.
Il est important `a ce stade d’insister sur le fait que le gain N d´epend
en g´en´eral de l’amplitude et de la pulsation ω du signal d’entr´ee. C’est l`a
que r´eside la diff´erence essentielle entre un comportement purement lin´eaire
(repr´esentable par une fonction de transfert `a part enti`ere) et l’approximation
de la non-lin´earit´e par un gain ´equivalent N.
En prenant une autre amplitude pour le signal d’entr´ee, nous aurions
trouv´e une autre valeur pour le gain N. C’est la raison pour laquelle il est
not´e soit N(A) ou N(A, ω), selon son type de d´ependance.
Ceci n’est pas surprenant pour la saturation par exemple, car lorsque l’am-
plitude du signal est faible, de telle sorte que la saturation n’est pas active, le
signal de sortie est amplifi´e par le gain k de la saturation. Par contre, lorsque
le signal est tr`es grand, il est fortement limit´e par la saturation, et le gain
´equivalent peut devenir bien inf´erieur `a l’unit´e.
Il faut ´egalement faire attention `a ne pas confondre le param`etre d’ampli-
tude A et la valeur instantan´ee u(t) du signal `a l’entr´ee de l’´el´ement approxim´e
par N(A). Ce sont deux choses diff´erentes. L’amplitude A correspond `a la va-
leur maximale d’une sinuso¨ıde unique pouvant ˆetre appliqu´ee `a l’entr´ee de la
non-lin´earit´e, auquel cas cette mˆeme entr´ee sera amplifi´ee d’un facteur N(A)
o` u A est l’amplitude fixe de la sinuso¨ıde Asin(ωt). Ce n’est pas la valeur de
Asin(ωt) `a un instant t donn´e. C’est la raison pour laquelle lorsque le signal
n’est pas proche d’une sinuso¨ıde unique (de pulsation ω), il est difficile de
donner une interpr´etation `a A, et de surcroit `a N(A).
3.2 Premier harmonique 37
3.2 Premier harmonique
Il est fastidieux de d´eterminer le nombre complexe N en fonction des deux
param`etres A et ω par une succession de simulations du type que nous avons
expos´e `a la section pr´ec´edente. Il est plus efficace de trouver une expression
analytique du gain ´equivalent N(A, ω).
3.2.1 D´ecomposition en harmoniques
Comme la non-lin´earit´e est d´epourvue de dynamique, lorsque le signal
u(t) = Asin(ωt)
est appliqu´e `a l’entr´ee de la non-lin´earit´e statique φ, le signal `a la sortie de
la non-linarit´e y(t) est p´eriodique et de mˆeme p´eriode T =

ω
que le signal
d’entr´ee. Ceci implique que le signal de sortie y(t) puisse ˆetre d´ecompos´e en
s´erie de Fourier :
y(t) =
a
0
2
+

¸
l=1
[a
l
cos(lωt) +b
l
sin(lωt)] (3.4)
a
0
=
1
π

π
−π
y(t)d(ωt) (3.5)
a
l
=
1
π

π
−π
y(t) cos(lωt)d(ωt) (3.6)
b
l
=
1
π

π
−π
y(t) sin(lωt)d(ωt) (3.7)
La s´erie (3.4) donne une d´ecomposition exacte de y(t). Les coeffcients a
0
,
a
l
, b
l
, (l = 1, . . . , ∞) caract´erisent alors le type de non-lin´earit´e φ.
Le seul incov´enient de cette d´ecomposition (et non le moindre) est qu’il
n´ecessite une infinit´e d’´evaluations d’int´egrales le long d’une p´eriode. En effet,
les coefficients a
l
et b
l
doivent ˆetre d´etermin´es d’une mani`ere ou d’une autre
en utilisant les d´efinitions (3.6) et (3.7).
Il est important d’insister `a nouveau sur le fait que chaque coefficient
a
0
, a
l
et b
l
d´epend de l’amplitude A et de la pulsation ω. Formellement, on
devrait ´ecrire a
0
(A, ω), a
l
(A, ω) et b
l
(A, ω), les int´egrales (3.5), (3.6) et (3.7)
conduisant alors `a une formule respective. Nous n’insisterons pas sur cette
pr´ecision de notation, sauf lorsque cela est vraiement indispensable.
3.2.2 Equivalent du premier harmonique
Bien que tous les termes de la s´erie soient n´ecessaires pour repr´esenter
exactement la sortie y(t), ceux associ´es aux hautes harmoniques n’ont pas
38 3 M´ethode du premier harmonique
beucoup d’impact sur la sortie z(t) de la fonction de transfert G(s), ´etant
donn´e le caract`ere passe-bas de cette derni`ere. Il est par cons´equent possible
de tronquer la s´erie et de ne retenir que quelques termes.
Puisque a
0
, a
1
et b
1
sont suffisants pour d´efinir un nombre complexe, nous
retenons de la s´erie (3.4) que le terme constant et ceux associ´es `a la fonda-
mentale. Ceci constitue l’approximation du premier harmonique cherch´ee et
permet de d´eterminer le gain ´equivalent N.
En effet, en approximant
y(t) ≈ a
0
+a
1
cos(ωt) +b
1
sin(ωt) = a
0
+M sin(ωt +α),
l’amplitude M et la phase α s’obtiennent `a partir des coefficient a
1
et b
1
par
M =

a
2
1
+b
2
1
α(A, ω) = arctan(a
1
/b
1
).
Ainsi, lorsque la non-lin´earit´e est parfaitement sym´etrique, a
0
= 0, et le gain
´equivalent s’exprime comme
N(A, ω) = M
e
jωt+α
Ae
jωt
=
M
A
e

=
1
A
(b
1
+ja
1
). (3.8)
3.2.3 Calcul de l’´equivalent du premier harmonique
Certes, la troncation de la s´erie de Fourier fournit une mani`ere ´el´egante
d’exprimer le gain ´equivalent `a partir des param`etres a
0
, a
1
et b
1
(formule
(3.8) dans le cas sym´etrique). Il reste toutefois `a determiner une proc´edure de
calcul permettant d’´evaluer les int´egrales
a
0
=
1
π

π
−π
y(t)d(ωt) (3.9)
a
1
=
1
π

π
−π
y(t) cos(ωt)d(ωt) (3.10)
b
1
=
1
π

π
−π
y(t) sin(ωt)d(ωt), (3.11)
`a partir desquelles seront issues les formules explicites des deux param`etres A
et ω.
Deux m´ethodes sont pr´esent´ees ci-apr`es pour une telle ´evaluation. La
premi`ere est un calcul analytique et la seconde repose sur des techniques
num´eriques.
Int´egration analytique
La m´ethode la plus directe consiste `a calculer analytiquement les int´egrales
exprimant les coefficients a
0
, a
1
et b
1
.
3.2 Premier harmonique 39
Le cas de la saturation est trait´e dans son int´egralit´e. Nous donnerons `a
la section suivante d’autres types de non-lin´earit´es avec les gains ´equivalents
respectifs.
En reprenant l’expression
ˆ
φ de la saturation (3.2), la sortie y(t) est ex-
prim´ee en fonction de l’entr´ee u(t) = Asin(ωt). Cependant, une diff´erence
fondamentale entre le cas o` u l’amplitude A est inf´erieure `a a (absence de
saturation), et lorsque celle-ci est sup´erieure `a a, existe.
Lorsque A > a, la sortie se d´ecompose en une partie non satur´ee et en une
partie satur´ee. En ne consid´erant qu’un quart de p´eriode (0 ≤ ωt ≤
π
2
, les
autres quarts se d´eduisant par sym´etrie), nous pouvons exprimer
A ≤ a y(t) = kAsin(ωt)
A > a y(t) =

kAsin ωt 0 ≤ ωt ≤ γ
ka γ < ωt ≤
π
2
γ = arcsin(a/A)
o` u γ est une variable temporaire d´efinissant l’angle `a partir duquel la satura-
tion commence `a faire son effet.
Etant donn´e que la saturation est sym´etrique, c.-`a-d.
ˆ
φ(−u) =
ˆ
φ(u), on
d´eduit que a
0
=
1
π

π
−π
y(t)d(ωt) = 0 (absence de composante continue).
D’autre part, et ´egalement par raison de sym´etrie, la premi`ere demi-p´eriode
compense la seconde dans (3.10) de telle sorte que a
1
= 0. Par contre, b
1
est diff´erent de z´ero, et seul le deuxi`eme cas A > a, n´ecessite une attention
particuli`ere. Sur un quart de p´eriode, l’identit´e
1
π

γ
0
Asin
2
(ωt)dωt +
1
π
π
2
γ
ka sin(ωt)dωt =
kA

¸
γ +
a
A

1 −
a
2
A
2
¸
est valable et, apr`es multiplication par quatre (pour tenir compte de la
sym´etrie des quarts de p´eriodes mentionn´ee pr´ec´edemment), on d´eduit le gain
´equivalent
N(A) =

k A ≤ a
2k
π
¸
arcsin

a
A

+
a
A

1 −
a
2
A
2

A > a
.
En reportant les valeurs num´eriques A = 2, k = 2 et a = 1, nous obte-
nons N(A) = 1.218, justifiant ainsi, par des moyens analytiques, les r´esultats
empiriques de la section 3.1.
De plus, en repr´esentant le gain ´equivalent sous forme graphique `a la figure
3.6, la constation de la fin de cette section, `a savoir la diminution du gain
´equivalent lorsque l’amplitude du signal d’entr´ee augmente, est ´egalement
confirm´ee.
40 3 M´ethode du premier harmonique
5 10 15 20 25 30
0.5
1
1.5
2
k = 2, a = 1
A
a
Fig. 3.6. Gain ´equivalent purement r´eel de la saturation. Il diminue en fonction de
l’amplitude.
Int´egration num´erique
Les trois int´egrales (3.5), (3.10) et (3.11) peuvent ˆetre ´evalu´ees apr`es
discr´etisation du signal temporel y(t) de t = −
π
ω
`a t =
π
ω
en une suite fi-
nie de n points y(
1
ω
(−π+2π
k
n
)), k = 0 . . . n−1. Afin de simplifier la notation,
nous introduisons
y
k
= y(
1
ω
(−π + 2π
k
n
)).
Ceci permet d’approximer les coefficients a
0
, a
1
et b
1
par
a
0
≈ ˆ a
0,n
=
2
n
n−1
¸
k=0
y
k
(3.12)
a
1
≈ ˆ a
1,n
=
2
n
n−1
¸
k=0
y
k
cos(−π + 2π
k
n
) (3.13)
b
1

ˆ
b
1,n
=
2
n
n−1
¸
k=0
y
k
sin(−π + 2π
k
n
) (3.14)
et nous avons une convergence de ˆ a
0,n
, ˆ a
1,n
et
ˆ
b
1,n
vers respectivement a
0
, a
1
et b
1
lorsque n → ∞. Comme ˆ a
0,n
est une moyenne, elle ne n´ecessite qu’une
seule multiplication et n −1 additions. Par contre, le coˆ ut en multiplications
est important pour ˆ a
1,n
et
ˆ
b
1,n
.
En ´ecrivant
ˆ
N =
1
A
j(ˆ a
1,n
−j
ˆ
b
1,n
) = −
2j
An
n−1
¸
k=0
y
k
e
−j2π
k
n
(3.15)
nous constatons qu’une seule s´erie complexe finie est n´ecessaire. Cette pro-
pri´et´e peut donc ˆetre exploit´ee pour r´eduire le nombre d’op´eration. De plus,
l’expresssion de
ˆ
N est une approximation du gain ´equivalent N qui s’ob-
tient par tranform´ee Fourier discr`ete du signal ´echantillonn´e y(
1
ω
(−π+2π
k
n
)),
k = 0 . . . n −1.
3.2 Premier harmonique 41
En effet, (3.15) exprime l’approximation du gain ´equivalent par le premier
terme de la transform´ee de Fourier discr`ete multipli´e par −
2j
An
. Notons que
cette transform´ee peut ˆetre obtenue par un algorithme de transformation de
Fourier rapide en choisissant un nombre de points d’´echantillonnage ´egal `a
une puissance enti`ere de 2, c.-`a-d. n = 2
m
avec m ∈ N.
Cependant, un tel algorithme fournit trop d’information ´etant donn´e que
les harmoniques sup´erieures sont simplement ignor´ees. Il est n´eanmoins pos-
sible de r´eduire substantiellement le nombre de multiplications apparais-
sant dans (3.13) et (3.14) en utilisant les sym´etries des points complexes
e
−j2π
k
n
. Le concept est d’abord pr´esent´e en consid´erant le cas particulier d’un
´echantillonnage de 8 = 2
3
points. La formule (3.15) devient
j4
ˆ
N = y
0
+y
1
e
−j2π
1
8
+y
2
e
−j2π
2
8
+y
3
e
−j3π
3
8
+y
4
e
−j2π
4
8
+y
5
e
−j2π
5
8
+y
6
e
−j2π
6
8
+y
7
e
−j2π
7
8
(3.16)
En utilisant le fait que pour chaque point complexe e
−jα
, il existe un point
complexe e
−jα−jπ
de signe contraire, nous pouvons regrouper des termes de
telle sorte que le membre de droite de (3.16) s’´ecrit
(y
0
− y
4
) + (y
1
−y
5
)e
−j
π
4
+ (y
2
−y
6
)e
−j
π
2
+ (y
3
−y
7
)e
−j

4
. (3.17)
Le nombre de multiplications est ainsi r´eduit d’un facteur de deux. En utilisant
le sym´etrie d’un quart de tour (−j = e
−j
π
2
), (3.17) devient
(y
0
−y
4
) −j(y
2
−y
6
) + [(y
1
−y
5
) −j(y
3
−y
7
)]e
−j
π
4
. (3.18)
En recourant, d’une part `a l’isomorphisme (not´e

=) des nombres complexes
avec les points d’un plan a + jb

=

a b

T
, ainsi qu’`a la propri´et´e que
cos


π
4

= sin


π
4

= −

2
2
, l’expression (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 simplifi´e le r´esultat par rapport aux formules brutes
ˆ a
1,8
et
ˆ
b
1,8
donn´ees par (3.13) et (3.14) (n = 8) `a partir desquel
ˆ
N =
1
A
(
ˆ
b
1,8
+
jˆ a
2,8
) ´etait directement exprimable. Etant donn´e que la m´ethode pr´esent´ee
est une m´ethode approximative, il est ´egalement possible d’estimer

2
2

5
7
avec une erreur de 7.17 10
−3
.
En g´en´eral, la matrice de rotation correspondant `a e
−j

n
ne peut pas se
mettre sous une forme aussi ´el´egante qu’en (3.19), mais la premi`ere partie des
simplifications est applicable. Par cons´equent, `a partir de (3.15), nous avons
42 3 M´ethode du premier harmonique
ˆ
N = −
2j
An
n/2−1
¸
k=0
(y
k
−y
k+
n
2
)e
−j2π
k
n
=
2
An
n/4−1
¸
k=0
(y
k
−y
k+
n
2
+y
n
2
−k
−y
n−k
) sin(2π
k
n
)

2j
An
n/4−1
¸
k=0
(y
k
−y
k+
n
2
−y
n
2
−k
+y
n−k
) cos(2π
k
n
),
et le nombre de multiplications est r´eduit d’un facteur quatre.
De plus, le nombre d’´evaluations des sinus et consinus peut encore ˆetre
diminu´e de moiti´e afin d’utiliser uniquement sin(2π
k
n
) et cos(2π
k
n
) pour k =
1, . . . ,
n
4
− 1. Il suffit de recourir aux deux propri´et´es cos(α) = sin(
π
2
− α)
et sin(α) = cos(
π
2
− α) valables pour 0 > α >
π
2
. Cependant le nombre de
multiplications, en tant que tel, ne peut pas ˆetre r´eduit d’avantage en utilisant
les sym´etries du cercle unit´e qui conservent l’axe des ordonn´ees et l’axe des
abscisses.
Mis `a part le gain en nombre d’op´erations, le r´esultat pr´ec´edent montre
que les ´echantillons sont redondants en ce qui concerne leur impact sur le
prermier harmonique. Certains situ´es loin les uns des autres se regroupent en
classe d’´equivalence selon leur apparition devant la fonction de base sin(2π
k
n
)
ou cos(2π
k
n
), k = 0, . . . ,
n
4
−1.
3.3 Non-lin´earit´es communes
Dans cette section, nous pr´esentons les r´esultats du calcul analytique de
quatres non-lin´earit´es communes. Ces r´esultats sont pr´esent´es sous forme
condens´ee, car ils s’obtiennent ais´ement `a partir de la saturation. En effet,
par sommation entre une saturation et un gain dont les signes et les valeurs
sont convenablement choisis, toutes les non-lin´earit´es de cette section sont
exprimables.
Nous reportons, pour commencer, les r´esultats associ´es `a la saturation, par
soucis de compl´etude.
3.3 Non-lin´earit´es communes 43
3.3.1 Saturation
La saturation correspond `a une mod´elisation de la limitation de beaucoup
d’actionneur. Tant que l’actionneur op`ere dans sa plage de fonctionnement,
sa sortie y(t) est proportionnelle `a la valeur d´esir´ee de sa sortie u(t), c.-`a-
d. y(t) = ku(t). Par contre, si la valeur d´esir´ee est irr´ealisable (u(t) > a par
exemple), l’actionneur ne peut que fournir le maximum possible (u(t) = ka) et
il n’y a plus de proportionnalit´e entre la grandeur d´esir´ee et la sortie effective.
Symbole et fonction φ
ˆ
φ(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
π
¸
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 r´eel de la saturation. Il diminue en fonction de
l’amplitude.
44 3 M´ethode du premier harmonique
3.3.2 Zone morte
La zone morte correspond `a la perte de transmission entre la grandeur
d’entr´ee u(t) et celle de la sortie y(t) pour des valeurs proches de z´ero. Ainsi,
tant que la grandeur d´esir´ee n’a pas atteint un seuil δ, la grandeur de sortie y(t)
est nulle. D`es que la grandeur d’entr´ee d´epasse ce seuil, la sortie correspond
`a la diff´erence entre l’entr´ee et le seuil multipli´e par un gain k.
Symbole et fonction φ
La fonction φ correspondant `a la zone morte est not´ee
ˇ
φ :
ˇ
φ(u(t)) =

k(u(t) −δ) u(t) > δ
0 −δ ≤ u(t) ≤ δ
−k(u(t) +δ) u(t) < −δ
(3.21)
Gain ´equivalent
Pour obtenir le gain ´equivalent de la zone morte, il suffit de remarquer que
celle-ci peut se fabriquer tr`es facilement `a partir d’une saturation. En effet, en
posant a = δ et en d´esignant la fonction de la saturation par
ˆ
φ et celle de la
zone morte par
ˇ
φ, un montage sommateur entre un gain k et l’oppos´e d’une
saturation donne la zone morte, autrement dit
ˇ
φ = k −
ˆ
φ, et ainsi
N(A) =

0 A ≤ δ
2k
π

π
2
−arcsin(
δ
A
) −
δ
A

1 −
δ
2
A
2

A > δ
R´eciproquement, il est facile de construire une saturation `a partir d’une
zone morte, car une fois pos´e δ = a, la saturation s’exprime comme
ˆ
φ = k−
ˇ
φ.
Graphique
2 4 6 8 10 12 14
0.5
1
1.5
k = 2, δ = 1
A
Fig. 3.8. Gain ´equivalent purement r´eel de la zone morte. Il augmente en fonction
de l’amplitude.
3.3 Non-lin´earit´es communes 45
3.3.3 Relais
Le relais correspond `a la commutation tout ou rien en fonction du signe
de la valeur d’entr´ee. Lorsque celle-ci est positive, la sortie du relais prend la
valeur fixe +M. Elle prend la valeur contraire pour des valeurs n´egatives de
l’entr´ee.
Symbole et fonction φ
Nous noterons la fonction φ associ´ee au relais par
¯
φ.
¯
φ(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 suffit de remarquer que la fonction
¯
φ
peut ˆetre exprimer `a partir de celle la saturation
ˆ
φ, en posant k =
a
M
, et en
passant `a la limite lim
a→0
. Ainsi
¯
φ(u(t)) = lim
a→0
ˆ
φ(a, k =
a
M
, u(t)),
et donc en utilisant le fait que sin(x) = x+o(x) (c.-`a-d. arcsin(x) = 1/x+o(x))
N(A) =
4M
πA
3.3.4 Hyst´er`ese
L’hyst´er`ese peut mod´eliser une transmission comportant deux engrenages.
Lorsqu’un premier engrenage commence `a tourner, durant un angle de δ,
il n’y a pas d’effet sur la rotation du second engrenage. Un fois cet angle
parcouru, le seond engrenage commence `a tourner et il tourne alors d’un
angle correspondant `a celui du premier. Lorsque le mouvement est invers´e, il
est n´ecessaire au premier engrenage de parcourir un diff´erence d’angle de 2δ
dans le sens inverse sans qu’il y ait d’effet sur le second engrenage. Ce dernier
commence alors `a tourner dans le sens contraire.
46 3 M´ethode du premier harmonique
a
1
=
4kb
π
(
b
A
−1)
b
1
=
Ak
π

π
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-lin´earit´es sym´etriques, continues par morceaux
Nous avons vu que la saturation permet de synth´etiser une zone morte et
un relais. En outre, comme nous allons le voir dans cette section, elle peut
´egalement fabriquer un ensemble tr`es grand de non-lin´earit´es statiques.
Nous allons montrer comment, `a partir de zones mortes (et donc `a l’aide
de saturations), il est possible de constituer n’importe quelle non-lin´earit´e
statique sym´etrique constante par morceaux, par simple principe de super-
position (c.-`a-d. en utilisant des sommes et des multiplications par des gains
constants). La figure 3.9 illustre le principe.
-10 10
-40
-20
0
20
40
u
ˇ
φ3
ˇ
φ2
ˇ
φ1
ˇ
φ4
φ(u)
Fig. 3.9. Le trait en solide repr´esente une non-lin´earit´e statique sym´etrique, et
continue par morceaux. Elle est ´egale `a la somme des quatres zones mortes
ˇ
φ1,
ˇ
φ2,
ˇ
φ3, et
ˇ
φ4, avec δ1 < δ2 < δ3 < δ4. Les zones mortes sont repr´esent´ees en
traits hachur´es. La non-lin´earit´e peut donc s’exprimer comme une combinaison de
saturations
ˆ
φi avec des param`etres ai et ki judicieusements choisis.
Comme la non-lin´earit´e est sym´etrique, il suffit de consid´erer le cas u ≥ 0.
φ est alors d´etermin´e par des valeurs en un nombre fini m de points. Soit
u
1
< u
2
< u
3
< . . . < u
m
, les valeurs de u pour lesquelles φ vaut φ
1
= φ(u
1
),
φ
2
= φ(u
2
), . . ., φ
m
= φ(u
m
), avec φ
i
∈ R, i = 1, . . . , m.
3.4 Syst`eme en r´etroaction 47
Ceci ´etant donn´e, nous pouvons exprimer φ `a l’aide de
ˇ
φ
i
(k
i
, δ
i
). Pour
trouver ces expressions, il suffit de fixer
δ
i
= u
i
, i = 1. . . . , m
et de constater que les zones mortes i, i + 1, . . ., m n’influencent pas le com-
portement pour u ∈ [0; u
i
[. Les gains k
i
s’expriment donc inductivement par
k
i
=
φ(u
i+1
) −φ(u
i
) −
¸
i−1
l=1

¸
l
n=1
k
n

u
l
u
i+1
−u
i
Comme `a travers cette construction
φ =
m
¸
i=1
ˇ
φ(k
i
, δ
i
),
le gain ´equivalent de la fonction φ s’´ecrit alors par superposition des gains
´equivalents des zones mortes respectives
N(A) =
2
π
m
¸
i=1
k
i
ǫ(A −δ
i
)

π
2
−arcsin(
δ
i
A
) −
δ
i
A

1 −
δ
2
i
A
2

,
o` u ǫ(.) d´esigne la fonction (de R dans R) x →ǫ(x) qui vaut +1 lorsque x > 0
et 0 sinon.
3.4 Syst`eme en r´etroaction
Jusqu’`a pr´esent, nous n’avons pas consid´er´e le syst`eme en boucle ferm´ee.
Le but essentiel de la m´ethode du premier harmonique est de d´eterminer
une estimation des param`etres d’un syst`eme oscillant (p´eriode et amplitude)
lorsque ce dernier oscille `a cause d’une r´etroaction du signal de sortie sur son
entr´ee.
Ceci est repr´esent´e `a la figure 3.10. La boucle est ferm´ee en for¸ cant
u(t) = −z(t)
.
Pour qu’un cycle limite puisse se maintenir dans un tel arrangement, il
faut que les signaux respectent les ´equations
y(t) = φ(u(t)) (3.23)
z(t) =

t
0
y(τ)g(t −τ)dτ (3.24)
u(t) = −z(t), (3.25)
48 3 M´ethode du premier harmonique
u

y z
N.L. G(s)
Fig. 3.10. La boucle de r´etroaction est ferm´ee par le signal de sortie de telle sorte
que u(t) = −z(t).
o` u g(.) repr´esente la r´eponse impulsionnelle de G(s).
Ceci correspond `a d´eterminer la nature du point fixe z(.) solution de
l’´equation int´egrale non-lin´eaire
z(t) =

T
0
φ(−z(τ))g(t −τ)dτ (3.26)
Evidemment, trouver une solution `a cette ´equation sur toute la dur´ee
[0; T] donne une solution exacte du probl`eme. Cependant, la caract´eristique
passe-bas de G(s) permet d’approximer la solution en rempla¸ cant la fonction
non-lin´eaire φ par le gain ´equivalent N(A, ω).
Ceci est repr´esent´e `a la figure 3.11.
u

y z
N(A, ω) G(s)
Fig. 3.11. Le syst`eme en boucle ferm´ee est approxim´e par le sch´ema ci-dessus, o` u
la non-lin´earit´e statique φ est consid´er´ee comme un gain ´equivalent N(A, ω).
La non-lin´earit´e se borne `a modifier le gain en fonction de l’amplitude A
et ´eventuellement de la pulsation ω.
Par cons´equent, un cycle limite existe lorsque les signaux respectent les
conditions fr´equentielles
Y (jω) = N(A, ω)U(jω) (3.27)
Z(jω) = G(jω)Y (jω) (3.28)
U(jω) = −Z(jω). (3.29)
Ces trois conditions conduisent `a une ´equation unique pour Z(jω) :
Z(jω) = −G(jω)N(A, ω)Z(jω) (3.30)
3.4 Syst`eme en r´etroaction 49
Cette ´equation (3.30) correspond `a une approximation de l’´equation int´egrale
(3.26). Le fait de consid´erer uniquement le premier harmonique permet de
factoriser Z(jω) de telle sorte que ce facteur se simplifie dans (3.30). Une
simplification analogue est impossible dans l’´equation exacte (3.26).
Ainsi, selon le crit`ere du premier harmonique, une estimation possible de
l’amplitude A et de la pulsation ω du cycle limite ´eventuel correspond aux
solutions de l’´equation
1 = −G(jω)N(A, ω). (3.31)
Il peut exister une solution, plusieurs solutions, ou aucune solution `a cette
´equation. Une solution est repr´esent´ee par un couple A, ω.
3.4.1 Repr´esentation graphique
Pour repr´esenter les solutions de l’´equation (3.31), nous utilisons le dia-
gramme de Nyquist. Il s’agit de repr´esenter un nombre complexe correspon-
dant `a une r´eponse harmonique (ou au gain ´equivalent) dans un plan o` u l’axe
horizontal repr´esente la partie r´eelle de ce nombre et l’axe vertical, la partie
complexe.
Re
Im
G(jω)

1
N(A)
Fig. 3.12. Repr´esentation de la r´eponse harmonique et du gain ´equivalent dans
le plan complexe (diagramme de Nyquist). Le point de croisement y est ´egalament
repr´esent´e. Le cycle limite aura les param`etres A et ω donn´e par ce point de croise-
ment.
Pour obtenir une repr´esentation correspondant `a la r´eponse harmonique
G(jω). la pulsation ω est augment´ee de mani`ere continue afin qu’une courbe
associ´ee aux nombres complexes G(jω) soit repr´esent´ee dans ce plan. Cette
courbe est orient´ee dans le sens des pulsations croissantes.
50 3 M´ethode du premier harmonique
Nous pouvons ´egalement repr´esenter une courbe associ´ee au gain ´equivalent
N(A). Dans ce cas, l’amplitude A (et non la pulsation) est graduellement
et continument augment´ee de telle sorte que les points complexes −1/N(A)
d´ecrivent une courbe dans le plan. Elle est ´egalement orient´ee dans le sens
croissant des amplitudes.
Un exemple de diagramme de Nyquist comprenant G(jω) et −1/N(A) est
donn´e `a la figure 3.12.
Lorsque le gain ´equivalent d´epend `a la fois de l’amplitude et de la pulsation
(c.-`a-d. N(A, ω)), il est n´ecessaire de discr´etiser la pulsation en un ensemble
fini de valeurs ω
1
, ω
2
, . . ., ω
p
. Ensuite, chaque gain ´equivalent N(A, ω
i
), i =
1, . . . , p est consid´er´e comme un gain d´ependant de l’amplitude et il est trait´e
comme pr´ec´edemment. En cons´equence, un ensemble de p courbes distinctes
est obtenue o` u chaque courbe est un lieu de points complexes −1/N(A, ω
i
),
i = 1, . . . , p param´etr´e par l’amplitude A.
Un cycle limite potentiel, solution de (3.31), correspond ` a un point d’in-
tersection entre la r´eponse harmonique G(jω) et une des courbes repr´esent´ees
par −1/N(A) ou −1/N(A, ω
i
).
3.4.2 Double int´egrateur et oscillateurs lin´eaires
Les consid´erations de la section pr´ec´edente prennent une caract´erisation
pr´ecise lorsque le gain N est un simple nombre r´eel.
En partant d’un double int´egrateur
G(s) =
1
s
2
,
et en effectuant une contre-r´eaction n´egative avec un gain unit´e
N = 1,
on se place dans une configuration particuli`ere du diagramme 3.11. Comme le
syst`eme est lin´eaire, la boucle ferm´ee correspond `a une fonction de transfert
¯
G(s) = NG(s)/(1 +NG(s)),
c.-`a-d.
¯
G(s) =
1
s
2
+ 1
et on constate que le syst`eme oscille car ses deux pˆ oles valent s
1
= +j et
s
2
= −j.
Remarque 3.1. Les consid´erations pr´ec´edentes admettent une interpr´etation
physique en consid´erant la sortie z(t) du double int´egrateur G(s) comme une
position. Son entr´ee est alors une acc´el´eration. Le sch´ema de la figure 3.11
3.4 Syst`eme en r´etroaction 51
signifie qu’une acc´el´eration proportionnelle, mais de signe contraire `a la posi-
tion de sortie, est appliqu´ee. Le syst`eme se comporte donc comme une masse
unitaire soumise `a une force ´elastique de constante ´egale `a l’unit´e, et nous
retrouvons l’oscillateur du chapitre pr´ec´edent sous un angle nouveau. Comme
nous l’avons vu, l’amplitude de l’oscillation est fonction des conditions ini-
tiales. C’est l`a une propri´et´e universelle des oscillateurs lin´eaires.
L’information nouvelle est la possibilit´e de repr´esenter l’apparition de l’os-
cillation par une particularit´e du diagramme de Nyquist. En reportant la
courbe G(jω) = −
1
ω
2
dans ce diagramme, nous constatons que cette courbe
coupe le point −1 exactement `a la pulsation d’oscillation ω = 1.
En modifiant le gain N nous obtenons une autre fonction de transfert
N/(s
2
+ N) dont les deux pˆ oles sont purement imaginaires ±j

N. L’oscil-
lateur change de fr´equence. A nouveau, le diagramme de Nyquist donne une
int´erpr´etation similaire, puisque NG(jω) coupe `a nouveau le point −1 exac-
tement `a la pulsation ω =

N, ou autrement dit lorsque G(jω) intersecte le
point −1/N (Figure 3.13).
Re
Im
G(jω)
ω

1
N
−1
Fig. 3.13. Digramme de Nyquist d’un double int´egrateur G(s) =
1
s
2
. Le lieu
G(jω) = −
1
ω
2
intersecte tous les points sur l’axe r´eel n´egatif. Par cons´equent, chaque
point d’intersection −
1
N
correspond `a un gain N d’une contre-r´eaction permettant de
forcer une oscillation `a la pulsation ω =

N. Lorsque N = 1, l’oscillateur correspond
au syst`eme masse ressort unitaire du chapitre pr´ec´edent.
Ainsi, puisque tout syst`eme lin´eaire oscillant poss`ede des pˆ ole imaginaires
complexes conjugu´es, ces pˆ oles annulent le d´enominateur de la fonction de
transfert en boucle ferm´ee, conduisant naturellement `a ce que la r´eponse har-
monique en boucle ouverte NG(jω) passe par le point −1.
Notons que dans le cas lin´eaire (N constant par exemple), une ca-
ract´eristique passe-bas de la fonction de transfert n’est absolument pas
n´ecessaire pour l’existence d’une paire de pˆ oles complexes conjugu´es d´eterminant
la possibilit´e d’avoir une oscillation `a la pulsation correspondante.
52 3 M´ethode du premier harmonique
N´eanmoins, une difficult´e provient de la garantie d’existence de l’oscillation
qui ne peut ˆetre d´etermin´ee qu’en consid´erant les pˆ oles et z´eros suppl´ementaire
aux paires de pˆ oles complexes conjugu´es solutions de l’´equation
1 +NG(jω) = 0.
3.4.3 Th´eor`eme de Nyquist
Le diagramme de Nyquist correspond `a effectuer une transformation
conforme entre le plan de repr´esentation des pˆ ole et z´eros du syst`eme en boucle
ferm´ee vers un nouveau plan o` u tous les pˆ oles en questions sont envoy´es au
point unique −1.
Pour d´efinir cette transformation conforme, on prend l’axe imaginaire ±jω
en ´evitant soigneusement tous les pˆ oles et zeros sur cet axe en effectuant un
arc de demi-cercle situ´e dans le demi-plan droit et de rayon infiniment faible,
chaque fois qu’un pˆ ole ou z´ero est rencontr´e. On utilise alors l’application des
nombres complexes a + jb → G(a + jb) (avec a, b ∈ R) qui transforme l’axe
imaginaire jω du premier plan en une courbe G(jω) dans le second plan.
En rejoignant par une courbe situ´ee dans le demi-plan droit du plan de
d´epart, une valeur imaginaire pure choisie arbitrairement et se trouvant sur la
partie positive de l’axe imaginaire vers celle de signe contraire situ´ee sur l’axe
imaginaire n´egatif, 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 d´ecroissantes pour le demi-axe imaginaire
pur n´egatif), la partie en question est toujours laiss´ee ` a droite de la courbe. En
augmentant d’avantage 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 l’axe imaginaire choisis, une grande partie du
demi-plan droit du plan complexe est englob´ee. En continuant le processus, il
est possible de consid´er´erer l’ensemble de l’axe imaginaire en tant que tel et
d’imaginer que l’extr´emit´e infinie positive de celui-ci est referm´ee `a l’infini vers
la partie imaginaire infinie n´egative par une courbe de Jordan de module infini.
La totalit´e du demi-plan droit est ainsi syst`ematiquement laiss´ee sur la droite
de la courbe de Jordan de d´epart. Ce demi-plan droit est alors transform´e par
l’application susmentionn´ee a +jb →G(a +jb) en la partie du plan complexe
laiss´ee `a droite par la courbe G(jω) dans le plan d’arriv´ee.
Ces consid´erations sont illustr´ees aux figures 3.14 et 3.15, pour la fonction
en boucle ouverte G(s) =
s−1
s
3
+2s
2
+3s+9
, et avec un gain unit´e N = 1. La
fonction de transfert en boucle ferm´ee poss`ede une paire de pˆ oles complexes
conjugu´es (±2j) ainsi qu’un pˆ ole r´eel n´egatif (−2), tous trois sont envoy´es au
point −1 par la transformation a+jb →G(a+jb). La transformation de l’axe
imaginaire (en vert) est ´egalement illustr´ee.
3.4 Syst`eme en r´etroaction 53
a +jb → G(a +jb)
−1
Fig. 3.14. La fonction de transfert en boucle ferm´ee 1/(1+G) = (s−1)/(s
3
+2s
2
+
4s +8) correspond `a la fonction de tranfert en boucle ouverte G(s) = (s −1)/(s
3
+
2s
2
+ 3s + 9). A gauche, les pˆoles et z´ero de la boucle ferm´ee sont repr´esent´es. A
droite, le plan de Nyquist et l’image de l’axe imaginaire du plan de gauche est trac´e.
Les trois pˆoles (une paire complexe conjugu´ee et un pˆole r´eel n´egatif) du plan de
gauche sont tous envoy´e au point −1 du plan de droite.
Deux courbes de Jordan d´elimit´ees par des demi-arcs de cercle ainsi que
leurs images respectives sont repr´esent´ees `a la figure 3.15.
Le demi-disque du plan droit limit´e par un rayon tr`es l´eg`erement (i.e.
infinit´esiment) inf´erieur `a deux est enti`erement transform´e dans une tr`es
grande r´egion du plan droit. L’application est clairement surjective, car cer-
tains points situ´es dans le demi-anneau de rayon 1.8 < r < 2 et ceux situ´es
dans le demi-anneau de rayon 2 < r < 3 sont envoy´es vers des points iden-
tiques.
Cette surjectivit´e provient du fait que le degr´e du d´enominateur est
sup´erieur `a un, de telle sorte qu’il poss`ede plus qu’un seul pˆ ole, impliquant que
le point −1 de l’image poss`ede ´egalement plusieurs points sources (les pˆ oles
en question). Par continuit´e, il existe donc des points diff´erents de −1 du
plan image auxquels correspondent plusieurs points distincts du plan source,
c.-`a-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 pˆ oles complexes conjugu´es, imaginaires purs, et responsables de
l’oscillation, sont rencontr´es. De plus, il y a une extrˆeme sensibilit´e entre les
points de d´epart situ´es autour de ces pˆ oles et les points d’arriv´ee. (Un petit
d´eplacement des points dans le plan source implique un grand d´eplacement
de leurs images.)
Une simulation du syst`eme pr´ec´edent confirme qu’il oscille bien `a la pul-
sation ω = 2. Cette oscillation est stable au sens o` u, bien qu’il y ait pr´esence
d’un r´egime transitoire conditionn´e par la pr´esence du pˆ ole r´eel −2, il dis-
paraˆıt rapidement pour laisser place `a l’oscillation. Tout comme dans le cas
54 3 M´ethode du premier harmonique
-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 l’axe imaginaire sont des demi-cercles de rayon 1.8 et 3. Le syst`eme
est identique `a celui de la figure 3.14. Lorsque le rayon d´epasse la valeur 2, plus ce
rayon est grand, plus petite est la courbe image dans le diagramme de Nyquist.
du double int´egrateur en r´etroaction, l’amplitude de l’oscillation est fonction
des conditions initiales.
Cependant, une diff´erence essentielle existe entre le double int´egrateur et
le syst`eme G(s) que l’on vient de pr´esenter. Dans ce dernier cas, lorsque le
gain de contre-r´eaction N change, la r´eponse harmonique ne peut plus couper
le point −1/N, contrairement au cas du double int´egrateur. Par cons´equent,
la paire de pˆ oles complexes conjugu´es, imaginaires purs, disparaˆıt.
Nous pouvons n´eanmoins pr´edire o` u doivent se trouver les deux pˆ oles man-
quants lorsque le gain augmente ou diminue, en utilisant `a la fois la propri´et´e
de s´eparation de l’axe imaginaire (s´eparant le plan complexe initial en deux),
et la nature de la transformation utilis´ee (` a savoir conforme).
Sans perte de g´en´eralit´e, consid´erons une diminution du gain, disons N =
0.9. Le point −1/N = −10/9 se d´eplace alors sur la gauche du point −1 du
diagramme de droite de la figure 3.14. Ceci signifie que, lorsqu’on se d´eplace
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 cons´equence, les pˆ oles
associ´es `a ce point doivent se situer ´egalement sur la droite de la courbe verte
solide du diagramme de gauche de la figure 3.14. C’est la raison pour laquelle
les pˆ oles correspondants appartiennent au demi-plan droit du diagramme de
gauche et poss`edent des parties r´eelles positives. Le signal de sortie est instable
et l’oscillation d’amplitude constante ne se maintient pas. L’amplitude explose.
A l’inverse, lorsque le gain est augment´e, les pˆ oles du diagramme de gauche
se d´eplace sur la gauche, le signal de sortie est asymptotiquement stable, (il
tend vers z´eros quels que soient les conditions intiales, lorsque le temps tend
vers l’infini), et l’oscillation d’amplitude constante ne se maintient pas. Elle
s’´evanouit progressivement.
3.4 Syst`eme en r´etroaction 55
Ceci est confirm´e en simulation en prenant N = 0.9 et N = 1.1 dont les
r´esultats sont donn´es `a la figure 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 l’effet de la modification du gain dans le cas du syst`eme
G(s) des figures 3.14 et 3.15. A gauche, le gain est diminu´e `a N = 0.9, l’oscillation
s’amplifie. A droite, le gain est augment´e `a N = 1.1, et l’oscillation s’´evanouit.
Par cons´equent, la condition de stabilit´e (absence de pˆ oles `a partie r´eelle
positive) est profond´ement li´ee `a la mani`ere dont le point −1 est laiss´e `a
droite ou `a gauche de l’image de l’axe imaginaire par la fonction de transfert
NG(s). Pour ˆetre plus pr´ecis, la stabilit´e d´epend de la fa¸ con dont la r´eponse
harmonique G(jω) entoure le point −1/N.
La conclusion suit une application directe du crit`ere de l’argument de
Cauchy appliqu´e `a la courbe de Jordan particuli`ere.
Th´eor`eme des r´esidus et principe de l’argument de Cauchy
Le principe de l’argument de Cauchy stipule que la somme des r´esidus
associ´es `a des singularit´es de la transformation ´equivaut aux nombre de tours
que la courbe doit parcourir autour de l’image de la singularit´e.
C’est un corolaire du th´eor`eme des r´esidus que nous donnons ci-apr`es.
Le corolaire en question suit pour finalement pr´esenter le r´esultat qui nous
int´eresse.
Pour commencer nous donnons la d´efinition exacte d’un r´esidu. Elle se
fonde sur un d´eveloppement en s´erie de la fonction analytique f(z).
D´efinition 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
appel´e le r´esidu de f au point z
0
. Nous notons
Res (f; z
0
) = C
−1
56 3 M´ethode du premier harmonique
Nous donnons ´egalement la d´efinition du nombre d’entourement :
D´efinition 3.3. Soit γ une courbe ferm´ee et a un point qui n’appartient pas
` a cette courbe (a ∈ γ). Alors
n(γ; a) =
1
2πj

γ
dz
z −a
est le nombre d’entourement.
Pour illustrer cette derni`ere d´efinition, lorsque γ est un cercle, n(γ; z) = 1,
si a est `a l’int´erieur du cercle et lorsque a est `a l’ext´erieur, n(γ; z) = 0.
Le th´eor`eme des r´esidus de Cauchy s’´enonce alors
Th´eor`eme 3.4. Supposons f analytique dans un domaine simplement connexe,
si ce n’est pour un ensemble fini isol´es de singularit´es z
1
, z
2
, . . . , z
m
. Soit γ
une courbe ferm´ee qui ne passe par aucune des singularit´es. Alors

γ
f = 2πj
m
¸
k=1
n(γ; z
k
)Res (f; z
k
).
X
X
X
X
X
X
O
O
O
P = 6
Z = 3
N = -3
E(s)
ℑ ℑ
ℜ ℜ
Fig. 3.17. Illustration du th´eor`eme des r´esidus dans le cas particulier o` u f est une
fraction rationnelle E(s). A gauche, le plan s est repr´esent´e avec les z´eros repr´esent´es
par O et au nombre de Z = 3, ainsi que les pˆoles repr´esent´es par X, et au nombre
de P = 6. Une courbe de Jordan quelconque dans le sens des aiguilles d’une montre
est choisie. Le th´eor`eme des r´esidues indique que le nombre d’encerclements N de
l’orgine, effectu´e par l’image de la courbe de Jordan par l’application E(s), est ´egal
`a N = Z −P = −3. La courbe encercle bien trois fois l’origine dans le sens contraire
du sens de la courbe initiale.
En somme, lorsque une courbe ferm´ee est parcourue, seules les singularit´es
contribuent au nombre d’entourement de la courbe, Chaque contribution des
3.4 Syst`eme en r´etroaction 57
singularit´es est proportionnelle `a leur r´esidu et `a leur nombre d’entourement
propre. Les singularit´es se somment en quelque sorte.
On comprend donc que lorsque une courbe est transform´ee en une autre,
conservant les singularit´es avant et apr`es transformation, c.-`a-d. sans modifier
ni le r´esidu ni le nombre d’entourement correspondant, le nombre d’entoure-
ment global doit demeurer identique.
Crit`ere de Nyquist
En appliquant le th´eor`eme des r´esidus `a la courbe de Jordan particuli`ere
correspondant `a prendre l”axe imaginaire (tout en ´evitant les pˆ oles et z´eros se
situant sur l’axe imaginaire en effectuant un ´ecart infinit´esimal) et d’inclure
tout le demi plan droite du plan complexe en refermant la courbe `a l’infini,
on aboutit au crit`ere de Nyquist g´en´eralis´e.
En effet, en prenant pour E(s) l’expression 1 + G(s)H(s) on obtient le
th´eor`eme suivant :
Th´eor`eme 3.5. 1. On prend l’axe imaginaire du plan s, c.-` a-d. jω, ω ∈
[−∞; ∞].
2. On prend son image par G(s)H(s)
3. N = nbr de fois que G(jω)H(jω) encercle −1 (sens trig. −).
4. P = nbr de pˆ oles de G(s)H(s) instables (≡ pˆ oles instables de 1+G(s)H(s))
Z = N + P = nbr de pˆ oles inst. de la boucle ferm´ee (z´eros inst. de
1 +G(s)H(s))
Remarquons que les pˆ ole de 1 + G(s)H(s) sont ´egalement les pˆ oles de la
boucle ouverte G(s)H(s) (la sommation de 1 ne change pas la stabilit´e de
1 + G(s)H(s)). De plus, consid´erer que l’image de la courbe de Jordan par
1 + G(s)H(s) encercle l’origine est identique `a tester le nombre de fois que
l’image de cette courbe par G(s)H(s) encercle le point −1.
Le pr´ec´edent th´eor`eme peut ˆetre l´eg`erement modifi´e pour tenir compte du
gain N suppl´ementaire :
Th´eor`eme 3.6. 1. On prend l’axe imaginaire du plan s, c.-` a-d. jω, ω ∈
[−∞; ∞].
2. On prend son image par G(s)H(s)
3. N = nbr de fois que G(jω)H(jω) encercle −1/K (sens trig. −)
4. P = nbr de pˆ oles instables de la boucle ouverte
Z = N + P = nbr de pˆ oles instables de la boucle ferm´ee
58 3 M´ethode du premier harmonique
3.5 Crit`ere de stabilit´e
Dans le cas d’une contre-r´eaction lin´eaire, il n’est pas possible de main-
tenir une oscillation avec la mˆeme fr´equence d’oscillation lorsque le gain est
augment´e ou diminu´e. Pour une majeure partie des cas (sauf pour le double
int´egrateur, par exemple), l’oscillation `a tendance a imm´ediatement s’´evanouir
ou `a s’amplifier. De plus, mˆeme lorsque l’oscillation se maitient parfaitement,
il est tr`es difficile de garantir une amplitude bien d´efinie, ´etant donn´e que
cette derni`ere d´epend des conditions initiales qui ne sont pas maˆıtrisables.
Cependant, lors de l’ajout d’une non-lin´earit´e, l’oscillation peut se main-
tenir `a une amplitude bien d´efinie. Ceci est illustr´e en rempla¸ cant le gain
constant dans l’exemple des figures 3.14 et 3.15 par un ´el´ement non-lin´eaire.
L’id´ee est de garantir l’intersection avec le lieu du gain ´equivalent mˆeme
lorsque le gain statique de G(s) est modifi´e. Ainsi, le crit`ere d’existence d’un
cycle limite est satisfait.
Nous prendrons deux types de non-lin´earit´es, i) la saturation et ii) la zone
morte. Toutes deux permettent de constituer un lieu pour lequel l’intersection
avec la r´eponse harmonique G(jω) existe.
Remarque 3.7. Les deux figures 3.18 et 3.19 correspondent `a des syst`emes
n’ayant pas de z´eros instables. Ainsi le crit`ere de Nyquist simplifi´e s’applique.
La stabilit´e est donn´ee lorsque la r´eponse harmonique laisse le point de sta-
bilit´e `a gauche. L’instabilit´e a lieu lorsque ce dernier est laiss´e `a droite.
3.5.1 Cycle limite stable
La pr´evision d’un cycle limite stable a lieue lorsque le gain ´equivalent,
param´etr´e par l’amplitue A, croise la r´eponse harmonique, param´etr´ee par
ω, selon la figure 3.18. Pour s’en convaincre, il suffit de consid´erer le point
de croisement, apr`es une l´eg`ere perturbation, comme un point de stabilit´e.
La perturbation est effectu´ee en augmentant ou diminuant l’amplitude A.
La figure 3.18 repr´esente le cas o` u l’amplitude est augment´ee. Le point de
croisement est alors d´eplac´e sur la gauche. Lorsque la r´eponse harmonique est
parcourue dans le sens des pulsations croissantes, elle laisse ce point ´egalement
sur la gauche. Ainsi, lorsque ce point est consid´er´e comme un point de sta-
bilit´e, la r´eponse harmonique d´ecrit une situation stable. Le syst`eme aura
donc tendance `a diminuer l’amplitude par la pr´esence de cette stabilit´e. Par
cons´equent, le point hypoth´etique aura tendance `a revenir vers le point de
croisement.
De mani`ere similaire, l’attraction du point de croisement est d´eduit en
consid´erant une diminution de l’amplitude. Le point de croisement est alors
d´eplac´e sur la droite, de telle sorte qu’il correspond `a un point instable par rap-
port `a la r´eponse harmonique. L’amplitude aura donc tendance `a s’accroˆıtre
3.5 Crit`ere de stabilit´e 59
lorsqu’elle est amoindrie par la perturbation. Ainsi le point hypoth´etique aura
tendance `a revenir ´egalement au point de croisement. Le point de croisement
est donc bien stable dans ce cas de figure.
ω
A

1
K
Fig. 3.18. Illustration d’une pr´evision de la pr´esence d’un cycle limite stable.
3.5.2 Cycle limite instable
La pr´evision d’un cycle limite instable a lieu lorsque le croisement entre le
gain ´equivalent, param´etr´e par l’amplitude A, croise la r´eponse harmonique,
param´etr´ee par ω, selon la figure 3.19. De mani`ere similaire au cas de la
stabilit´e de la section 3.5.1, le comportement r´esulte de l’interpr´etation apr`es
une l´eg`ere perturbation. La figure repr´esente le cas o` u, apr`es augmentation
de l’amplitude par perturbation, le point de stabilit´e devient instable. Ceci
refl`ete une tendance `a ce que l’amplitude augmente d’avantage. Le cycle ne
peut donc pas se maintenir.
Afin d’illustrer les consid´erations ci-dessus, nous revenons `a l’exemple des
figure 3.14 et 3.15.
La fonction de transfert G(s) admet la r´ealisation en repr´esentation d’´etat
suivante
˙ x
1
= x
2
˙ x
2
= x
3
˙ x
3
= −2x
3
−3x
2
−9x
1
+u
y = x
2
−x
1
60 3 M´ethode du premier harmonique
ω
A

1
K
Fig. 3.19. Illustration d’une pr´evision de la pr´esence d’un cycle limite instable.
Deux conditions initiales diff´erentes, sont choisies, `a 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 premi`ere simulation consiste `a simplement boucl´e l’entr´ee sur la sortie
avec un gain unit´e, c.-`a-d. u = −y. Le r´esultat est report´e `a gauche dans la
figure 3.20. L’amplitude d´epend des conditions initiales.
0 10 20
-5
0
5
Resultats
0 10 20
-5
0
5
Resultats
Fig. 3.20. Illustration de l’effet des conditions initiales lorsque l’oscillateur est cr´ee
avec une r´etroaction lin´eaire (figure de gauche, gain unit´e) et lorsque le gain est
produit par une zone morte (figure de droite, k = 4.2 et δ = 0.9). Le syst`eme en
boucle ouverte est le mˆeme que celui des figure 3.14 et 3.15.
A droite de la figure est repr´esent´e le r´esulta lorsque une zone morte rem-
place le gain unit´e, avec k = 4.2 et δ = 0.9. On constate que l’amplitude de
l’oscillation ne d´epend pas des conditions initiales.
3.7 Oscillateur de Van der Pol revisit´e 61
Par cons´equent, lorsque la non-lin´earit´e est une zone morte, l’oscillation
correspond `a un point de stabilit´e. Pour le v´erifier, appliquons le crit`ere de sta-
bilit´e en utilisant la r´eponse harmonique G(jω) et le gain ´equivalent −1/N(A)
de la zone morte.
G(jω) coupe l’axe r´eel n´egatif lorsque ω = 2. exactement au point −1.
On calcule ´egalement facilement que A = 1.39 pour les param`etres δ = 0.9
et k = 4.2. Cette valeur d’amplitude est l´eg`erement plus grande que la valeur
d’amplitude constat´ee, mais le r´esultat donne une bonne estim´ee ´etant donn´e
la nature approximative de la m´ethode.
3.6 Fiabilit´e de l’analyse par le premier harmonique
– amplitude et fr´equence pr´edites ne sont pas exactes
– un cycle limite pr´evu ne se produit pas
– un cycle limite existant n’est pas pr´edit
3.7 Oscillateur de Van der Pol revisit´e
Bien que sous l’hypoth`ese passe bas de la partie lin´eaire, la m´ethode du
premier harmonique s’applique `a la contre-r´eaction par un ´el´ement non-linaire
statique, cette m´ethode permet ´egalement de traiter d’autres types de non-
lin´earit´e.
Dans cette section, nous reprenons l’oscillateur de Van der Pol et nous
allons voir, dans quelle mesure, la m´ethode de ce chapitre s’applique.
La premi`ere chose essentielle est de constater que l’oscillateur oscille `a une
fr´equence fondamentale. C’est une constation, certes, triviale, mais c’est la
cl´e de l’application correcte de la m´ethode du premier harmonique dans ce
contexte.
A partir de l’oscillation fondamentale (pulsation et amplitude), il est pos-
sible d’approximer celle-ci par une onde sinuso¨ıdale unique. En passant en
variable complexe, le d´ephasage correspond au rapport entre partie r´eelle et
imaginaire.
En partant de l’´equation de l’oscillateur,
¨ x +ǫ(x
2
−1) ˙ x +x = 0
il est possible d’isoler les termes lin´eaires de ceux non lin´eaires. C’est une
proc´edure similaire `a ce qui est entrepris lors de la pr´esence d’une non-lin´earit´e
statique.
¨ x −ǫ ˙ x +x = −ǫx
2
˙ x. (3.32)
62 3 M´ethode du premier harmonique
Ainsi le terme non lin´eaire est isol´e au membre de droite et il constitue
alors le bloc non lin´eaire :
u(t) = −x
2
˙ x.
Toutefois, ce terme ne peut pas ˆetre transform´e par un bloc `a une seule
sortie et une seule sortie statique. En effet, bien que statique, la pr´esence
de plusieurs entr´ees (x et ˙ x) pour une seule sortie (u) n’est pas exactement
similaire `a ce qui `a ´et´e vu pr´ec´edemment.
N´eanmoins, l’oscillation `a la sortie du montage (x(t)) est assum´ee contenir
que la fondamentale (une sinuso¨ıde de premi`ere harmonique). Par cons´equent,
les deux signaux d’entr´ee de la non-lin´earit´e sont en fin de comptes param´etr´es
par la phase et le rapport d’amplitude des signaux d’entr´ee. Il est donc possible
de repr´esent´e la non-lin´earit´e par son effet d’amplification et de d´ephasage de
la sortie par rapport `a l’effet combin´e des deux entr´ees. Il est alors naturel
d’introduire un nombre complexe constituant le gain multivariable ´equivalent
de mani`ere similaire au cas mono-entr´ee mono-sortie trait´e pr´ec´edemment.
En utilisant la tranform´ee de Laplace sur la partie lin´eaire des ´equations
(3.32), nous obtenons
(s
2
−ǫs + 1)X(s) = ǫU(s).
Comme seule la fondamentale est consid´er´ee
x(
¯
t) = Asin(ω
¯
t +φ).
A cause du d´ephasage, nous changeons la variable temporelle pour s’en
d´ebarasser
¯
t →t ω
¯
t + φ = ωt.
x(t) = Asin ωt
˙ x(t) = Aω cos ωt
En examinant l’effet de la non-lin´earit´e sur le premier harmonique
3.7 Oscillateur de Van der Pol revisit´e 63
−˙ xx
2
= −(Aω cos(ωt))(A
2
sin
2
ωt)
= −A
3
ω cos(ωt) (1 −cos
2
(ωt))
= −A
3
ω cos(ωt)
1
2
(1 −cos(2 ωt))
= −A
3
1
2
ω(cos(ωt) − cos(ωt) cos(2ωt))
= −A
3
1
2
ω(cos(ωt) −
1
2
(cos(ωt) + cos(3ωt)))
= −A
2
1
4
(Aω cos(ωt) −Aω cos(3ωt))
u ≡
A
3
4
ω cos ωt =
A
2
4
d
dt
(−Asinωt)
De la pr´ec´edente expression d´ecoule le gain ´equivalent
N(A, ω) =
A
2
4

L’oscillateur de van der Pol peut donc ˆetre approxim´e par la mise en
contre-r´eaction n´egative de l’´el´ement approximant ci-dessus avec le syst`eme
lin´eaire
α
s
2
−αs + 1,
qui peut ˆetre interpr´et´e comme un un filtre passe-bas. Une approximation des
param`etres de l’oscillation est obtenue en cherchant les solutions de
1 +G(jω)N(A, ω) = 0
On trouve ais´ement
A = 2
ω = 1
4
Stabilit´e au sens de Lyapunov
Le chapitre pr´ec´edent a fait appel `a la notion de la stabilit´e, sans pour
autant en donner une d´efinition formelle et des r´esultats rigoureux relatifs `a
cette question. En effet, la stabilit´e de cycle limite, bien que pr´esent´ee `a l’aide
du concept de stabilit´e BIBO issue de l’interpr´etation fr´equentielle donn´ee
par le crit`ere de Nyquist, et ´etendue aux cycles limites par une m´ethode
approximative, demeure une notion intuitive d´epourvue d’une axiomatique
pr´ecise. La stabilit´e y ´etait consid´er´ee comme la capacit´e du cycle limite de
se maintenir mˆeme apr`es perturbation de celui-ci. Ce type de stabilit´e sera
appel´e asymptotique. Le pr´esent chapitre donne les nuances entre les types
de stabilit´e ainsi qu’un traitement approfondi du concept, et des r´esultats
relatifs. Il ne s’occupera que de l’analyse d’un point d’´equilibre. Les concepts
pourront alors ˆetre ´etendus `a la notion de cycle limite sans trop de difficult´e.
4.1 Point d’´equilibre
Soit donc un syst`eme,
˙ x = f(x)
et un point d’´equilibre x
de telle sorte que,
˙
x = 0 = f(x).
4.2 Rappel de la notion de stabilit´e pour les syst`emes
lin´eaires
Consid´erons un syst`eme lin´eaire avec entr´ee ˙ x = Ax +Bu suivi d’un bou-
clage u = −Kx : de telle sorte que le syst`eme en boucle ferm´ee s’´ecrive
66 4 Stabilit´e au sens de Lyapunov
˙ x = (A −BK)x =
˜
Ax (4.1)
Ce syst`eme poss`ede un point d’´equilibre unique, `a condition que la matrice
˜
A
ne sois pas singuli`ere, auquel cas l’´equilibre est x = 0.
Lorsque toutes les valeurs propres de la matrice
˜
A sont `a parties r´eelles
strictement n´egative (c.-`a-d. Re λ(
˜
A) < 0) alors le syst`eme (4.1) est asymp-
totiquement stable.
Remarque 4.1. La caract´erisation de la stabilit´e par les valeurs propres, bien
que tout `a fait satisfaisante en lin´eaire, ´etant donn´e sa connexion `a d’autres
types de stabilit´e dans ce contexte, notamment la stabilit´e entr´ee-sortie BIBO
(c.-`a-d. `a une entr´ee born´ee, la sortie doit demeurer born´ee), elle n’est pas du
tout adapt´ee au contexte non lin´eaire, principalement `a cause de l’impossibilit´e
de trouver un ´equivalent universel du concept de valeur propre associ´e au
syst`eme dynamique ˙ x = f(x). En cons´equence, il faut remonter aux sources
du concept de stabilit´e afin de trouver une d´efinition ad´equate.
4.3 Notion intuitive de la stabilit´e
D´efinition 4.2. Si le syst`eme est initialement ”l´eg`erement” perturb´e de son
point d’´equilibre le syst`eme reste ”proche” de ce point d’´equilibre.
instable stable
Fig. 4.1. Illustration de la d´efinition intuitive de la stabilit´e.
4.4 D´efinition math´ematique pr´ecise de la stabilit´e
4.4.1 Notion de distance
Il faut rendre pr´ecis ”proche” et ”l´eg`erement”
Un espace vectoriel V est dit norm´e lorsqu’il existe une fonction x →x
de V dans R avec les propri´et´es suivantes :
4.4 D´efinition math´ematique pr´ecise de la stabilit´e 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 Stabilit´e : d´efinition formelle
D´efinition 4.3. Un syst`eme est stable au sens de Lyapunov, si ∀R > 0, ∃r >
0 tel que x
0
< r implique x(t) < R.
Cette d´efinition signifie que, quelle que soit la boule d’exigence 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 r´esultantes seront, en tout temps, comprises dans la boule d’exigence
de taille R.
Lorsque le syst`eme est stable, il est toujours possible de trouver une telle
sous-boule, mˆeme lorsque le rayon R de la boule d’exigence est diminu´e de
mani`ere `a le rendre arbitrairement petit, augmentant ainsi les contraintes sur
les conditions initiales.
(i) (ii) (iii)
Fig. 4.2. Illustration de la d´efinition formelle de la stabilit´e. (i) Pour tout choix de
la boule d’exigence x < R, il doit ˆetre possible de construire (ii) une sous boule de
conditions initiales x0 < r, telle que (iii) pour toute condition initiale appartenant
`a cette sous boule, la trajectoire r´esultante reste emprisonn´ee dans la grande boule
de taille R.
Ceci corrobore la d´efinition intuitive de la stabilit´e. En effet, en consid´erant
la bille captive dans un bol, une hauteur de r´ef´erence arbitraire de la bille peut
ˆetre consid´er´ee comme ´etant une mesure de la boule d’exigence R. Maintenant,
s’il existe toujours une certaine hauteur suffisamment petite (correspondant `a
r), de telle sorte que, si la bille est lach´ee `a n’importe quelle hauteur comprise
dans l’interval d´efini par cette hauteur (associ´ee `a r), elle ne pourra jamais
d´epasser la hauteur d’exigence de r´ef´erence (associ´ee `a R), alors la bille sera
stable au sens de Lyapunov. Ceci ne signifie pas pour autant que la bille
revienne asymptotiquement `a son point d’´equilibre.
68 4 Stabilit´e au sens de Lyapunov
Ainsi, la bille est stable dans le cas d’un bol concave et instable lorsque le
bol est convexe.
Fig. 4.3. Lorsque le syst`eme est instable (`a gauche), quel que soit le choix de la
boule de conditions intiales de rayon r, certaines trajectoires r´esultantes ressortent
toujours de la boule d’exigence de rayon R. Ceci n’est pas le cas pour le syst`eme
stable (`a droite).
Fig. 4.4. Lorsque l’axe du temps est utilis´e pour repr´esenter les solutions de
l’´equation diff´erentielle ˙ x = f(x), la boule d’exigence devient un cylindre. On
constate alors clairement que lors de l’instabilit´e, il n’est pas possible de confi-
ner toutes les trajectoires `a l’int´erieur du cylindre pour toute boule de conditions
initiales `a l’int´erieur de celui-ci.
Les figures 4.3 et 4.4 repr´esentent les trajectoires du syst`eme
˙ x
1
= 4x
2
+ 0.2x
1
˙ x
2
= −6 sin(x
1
) +b(0.9 −cos(6t))
Lorsque b = −0.4, le syst`eme est stable. La condition initiale est choisie en
x
1
(0) = x
2
(0) = 0.5 et le temps d’arrˆet de la simulation est fix´e `a T = 10 (` a
droite dans les figures 4.3 et 4.4). Lorsque b = 0.1, le syst`eme est instable. Les
conditions initiales sont choisies arbitrairement, par exemple x
1
(0) = x
2
(0) =
0.2, et le temps d’arrˆet de la simulation est fix´e T = 9 (` a gauche dans les
figures 4.3 et 4.4).
4.4 D´efinition math´ematique pr´ecise de la stabilit´e 69
L’instabilit´e est d´efinie d`es lors que la stabilit´e n’a pas lieu.
D´efinition 4.4. Un syst`eme est instable au sens de Lyapunov lorsque il n’est
pas stable au sens de la d´efinition 4.3.
Ceci semble ˆetre une tautologie. Cependant l’importance de cette d´efinition
provient du fait que l’instabilit´e ne signifie pas n´ecessairement une forme
d’explosion ou de divergence `a l’infini. En effet, il existe des syst`emes qui
convergent asymptotiquement vers un point d’´equilibre quelles que soient les
conditions initiales, sans pour autant que ces syst`emes puissent ˆetre consid´er´es
comme stables. Ceci provient du fait qu’il est impossible de dominer le com-
portement transitoire des trajectoires r´esultantes, mˆeme en rapprochant les
conditions initiales de l’origine. Les excursions des trajectoires sont toujours
born´ees inf´erieurement par une boule de taille fixe, t´emoignant ainsi de l’in-
stabilit´e au sens du non respect de la d´efinition 4.3.
L’exemple suivant illustre le ph´enom`ene.
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 d’un syst`eme convergent mais instable.
Exemple 4.5. Soit le syst`eme 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 diff´erentes conditions initiales sont repr´esent´ees
`a la figure 4.5. Les trajectoires, bien que commen¸ cant pr`es de l’origine, s’en
´ecartent pour finir par y revenir le long de l’axe horizontal. Il s’agit donc bien
d’une convergence asymptotique. Cependant, le syst`eme est instable ´etant
70 4 Stabilit´e au sens de Lyapunov
donn´e que les trajectoires ne peuvent pas ˆetre contraintes `a demeurer dans une
boule de taille suffisamment petite, quel que soit la proximit´e des conditions
initiales de l’origine.
4.4.3 Illustration
sans frottement avec frottement
Fig. 4.6. Deux cas pour lesquels la bille est stable.
4.4.4 Stabilit´e asymptotique
La stabilit´e asymptotique exige l’existence d’une voisinage de l’´equilibre
tel que toute trajectoire ayant pour condition initiale un point de ce voisinage
converge vers le point d’´equilibre. En somme, on aimerait que le syst`eme
revienne et s’arrˆete au point d’´equilibre lorsqu’il en est l´eg`erement perturb´e.
D´efinition 4.6. Le point d’´equilibre ¯ x = 0 de ˙ x = f(x) est asymptotiquement
stable ` a condition
1. qu’il soit stable au sens de Lyapunov
2. qu’il existe une boule de de condition initiales x
0
< r
0
telles que les
solutions r´esultantes soient telles que x(t) →0 lorsque t →∞.
4.4.5 D´esavantages de la d´efinition
La d´efinition de stabilit´e pr´esente certains d´esavantages importants :
– Il est n´ecessaire de pouvoir calculer de mani`ere explicite chaque solution
correspondant `a chacune des conditions initiales.
– Le maniement de la d´efinition est fastidieux.
Par cons´equent, des r´esultats permettant de d´eterminer la stabilit´e sans
devoir int´egrer les ´equations dynamiques seraient les bienvenus.
4.5 M´ethode directe de Lyapunov 71
∃r0
Fig. 4.7. Condition pour la stabilit´e asymptotique.
4.5 M´ethode directe de Lyapunov
Lorsque la bille est examin´ee selon un point de vue diff´erent, on constate
que le comportement stable ou instable de celle-ci est reli´e `a la fois `a la ca-
ract´eristique et `a l’´evolution de sa fonction d’´energie. La pr´esence d’un maxi-
mum ou minimum d’´energie potentielle poss`ede une influence critique. De
plus, la pr´esence de frottement est responsable de la d´ecroissance de l’´energie
compl`ete (cin´etique et potentielle) et influence donc la stabilit´e.
La bille poss`ede donc une fonction d’´energie E qui comporte une part
d’´energie potentielle E
p
et une part d’´energie cin´etique E
c
. On a E = E
c
+E
p
.
– Le comportement est stable lorsque :
– L’´energie E diminue et est minimum au point d’´equilibre.
– L’´energie E est conserv´ee et E est minimum `a l’´equilibre
– Par contre, le comportement est instable lorsque :
– L’´energie E augmente.
– L’´energie E est conserv´ee mais elle ne correspond pas `a un minimum
`a l’´equilibre.
La th´eorie de Lyapunov et en particulier la deuxi`eme m´ethode de Lya-
punov (dite aussi m´ethode directe) g´en´eralise cette constatation `a une classe
plus large de fonctions. Ces fonctions sont not´ees V .
4.5.1 Candidat de Lyapunov
La fonction d’´energie poss`ede deux propri´et´es essentielles. La premi`ere
est la qualit´e d’extremum au point d’´equilibre, `a savoir s’il s’agit d’un maxi-
mum ou d’un minimum. Le point d’´equilibre `a tendance `a ˆetre stable lorsque
cet extremum est un minimum. Le candidat Lyapunov est une fonction qui
pr´esente ce type de particularit´e. Afin de forcer la pr´esence d’un minimum au
point d’´equilibre, la fonction sera contrainte `a ˆetre positive pour toute valeur
diff´erente de l’origine. Elle ne pourra s’annuler qu’`a l’origine.
72 4 Stabilit´e au sens de Lyapunov
D´efinition 4.7. (Fonction d´efinie positive) Une fonction d´efinie 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 `a la d´efinition du
candidat de Lyapunov.
D´efinition 4.8. (Candidat de Lyapunov) Une fonction d´efinie positive conti-
nue, not´ee V (x), est un candidat de Lyapunov.
4.5.2 Fonction de Lyapunov
La deuxi`eme particularit´e de la fonction d’´energie lors de la pr´esence d’un
syst`eme stable, est d’avoir tendance `a diminuer ou d’ˆetre conserv´e lors de
l’´evolution du syst`eme. En cons´equence, on exigera en plus du candidat de
Lyapunov que la d´eriv´ee de celui-ci soit n´egative.
La d´eriv´ee s’´ecrit,
˙
V (x) =

∂V
∂x

T
f(x)
Remarque 4.9. La notation
˙
V (x) est utilis´ee. Toutefois, ceci n’est pas tr`es
rigoureux. Nous verrons dans le chapitre 7, qu’il est possible de d´efinir le
concept de d´eriv´ee temporelle projet´ee le long du syst`eme qui sera appel´ee
d´eriv´ee de Lie et not´ee L
f
V (x). Par cons´equent, la notation L
f
V (x) est plus
pr´ecise que
˙
V (x). Lorsque ceci ne prˆete pas `a confusion, la notation
˙
V (x) sera
pr´ef´er´ee dans ce chapitre, de part le caract`ere simple et suggestif de cette
notation.
D´efinition 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 propri´et´e
˙
V (x) ≤ 0 ∀x = 0,
˙
V (x) = 0 x = 0.
Le th´eor`eme de stabilit´e fondamental de la th´eorie de Lyapunov peut main-
tenant ˆetre ´enonc´e.
Th´eor`eme 4.11. (Seconde m´ethode de Lyapunov, dite aussi m´ethode directe)
Si une fonction de Lyapunov existe pour un syst`eme donn´e alors ce syst`eme
est stable.
Si la fonction de Lyapunov est strictement d´ecroissante, c’est-` a-dire que
˙
V (x) < 0, ∀x = 0, alors la stabilit´e est en plus asymptotique.
4.6 Exemple : robot 73
4.6 Exemple : robot
Un exemple simple illustrera l’avantage de la fonction de Lyapunov sur le
simple concept d’´energie. Il s’agit d’un robot ayant un nombre arbitraire n
mais fini de degr´es de libert´e. Chacun des degr´es de libert´e est associ´e un ac-
tuateur responsable d’un mouvement le long de la coordonn´ee correspondante.
Une repr´esentation possible est donn´ee `a la figure 4.8.
τ2
q2
q1 τ1
Fig. 4.8. Robot planaire comportant un actuateur ind´ependant pour chacune des
coordonn´ees.
4.6.1 Loi de commande
Pour beaucoup de syst`emes de la th´eorie de la commande lin´eaire, les lois
de type proportionelle (P), proportionelle et d´eriv´ee (PD), et prportionnelle
et d´eriv´ee avec terme int´egral (PID) suffissent pour un tr`es grand nombre
d’application. C’est pourquoi nous prendrons, comme choix initial de loi de
commande, une loi de type proportionnelle-d´eriv´ee (PD) de la forme :
τ = −K
d
˙ q −K
p
(q −q). (4.2)
Il s’agit maintenant de justifier ce choix `a l’aide des techniques de Lyapunov.
4.6.2 Lois de la m´ecanique
Afin d’obtenir un mod`ele suffisant pour ´etablir la preuve de stabilit´e de la
loi de commande envisag´ee, nous appliquerons le simple bilan des puissances.
L’ ´energie cin´etique peut s’exprimer comme
74 4 Stabilit´e au sens de Lyapunov
E
c
=
1
2
˙ q
T
M(q) ˙ q.
Le bilan de puissance s’´ecrit
d
dt
E
c
= P
d
dt
1/2

˙ q
T
M(q) ˙ q

= ˙ q
T
τ.
4.6.3 Candidat Lyapunov
La souplesse du candidat de Lyapunov permet d’envisager des expressions
qui a priori n’ont pas une expression physique sp´eciale. Par exemple, nous
envisagerons une modification de la fonction d’´energie cin´etique faisant in-
tervenir un terme aditionel qui n’a pas d’interpr´etation physique imm´ediate,
puisqu’il 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 d´efinie positive au sens o` u V (q) > 0,
∀q = q et V (q) = 0.
4.6.4 Fonction de Lyapunov
Afin de v´erifier que le candidat de Lyapunov est bien une fonction de
Lyapunov, il est n´ecessaire de tester la d´ecroissance de cette fonction.
˙
V = ˙ q
T
K
p
(q −q) + ˙ q
T
τ
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 l’adjonction de la loi de commande
de type PD. En effet 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. L’aspect abstrait de la fonction de Lyapunov (abstrait au sens
que cette fonction est une notion purement math´ematique et non physique),
peut maintenant ˆetre exploit´ee en revenant en arri`ere dans l’interpr´etation de
cette fonction. En examinant la structure de l’´equation (4.3), on constate que
le terme que l’on a ajout´e poss`ede la structure d’´energie potentielle ´elastique,
bien qu’il n’y a pas de pr´esence de ressort physiquement dans le syst`eme.
C’est la loi de r´etroaction qui agit comme si, au lieu d’appliquer une loi de
commande, le syst`eme ´etait muni de ressorts responsables de la g´en´eration
d’une force proportionnelle lorsque le robot quitte son point d’´equilibre.
4.7 Th´eor`eme de stabilit´e locale 75
4.7 Th´eor`eme de stabilit´e locale
Le premier r´esultat en relation avec la fonction de Lyapunov est le r´esultat
de stabilit´e locale autour du point d’´equilibre. Nous ´enon¸ cons le th´eor`eme avec
pr´ecision :
Th´eor`eme 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 d’´equilibre x = 0 est stable. Si en plus,
d
dt
V (x) < 0 ∀x = 0,
alors il y pr´esence d’une stabilit´e asymptotique
Nous allons ´egalement proc´eder `a sa d´emonstration. L’objectif est de
connecter les concepts contenus dans ce th´eor`eme avec la d´efintion relati-
vement difficile `a manier examin´ee au d´ebut de ce chapitre (d´efinition 4.3).
4.7.1 Preuve (stabilit´e locale)
Tout au long de la d´emonstration, la distinction entre sph`ere et boule sera
effectu´ee. Une sph`ere est la partie la plus `a l’ext´erieur d’une boule pleine
(en quelque sorte ceci correspond `a l’´ecorce d’´epaisseur infinit´esimale d’une
orange) et la boule est la boule pleine prise dans son ensemble (l’orange
enti`ere). La d´efinition suivante pr´ecise ces deux notions au niveau math´ematique :
D´efinition 4.14. Une sph`ere de rayon r est not´ee S
r
et une boule de mˆeme
rayon est not´ee B
r
, et sont d´efinies par
S
r
= {x | x = r}
B
r
= {x | x ≤ r}.
S B
Fig. 4.9. Diff´erence entre sph`ere S et boule B
La proposition `a d´emontrer consiste `a v´erifier que quel que soit la grande
boule d’exigence ∀B
R
, il est toujours possible de trouver une sous-boule de
conditions initales ∃B
r
tel que si le syst`eme commence `a l’int´erieur de cette
76 4 Stabilit´e au sens de Lyapunov
BR
Br
x(t)
Fig. 4.10. Trajectoire dans le cas d’un syst`eme stable.
sous-boule, x
0
∈ B
r
, alors x(t) ∈ B
R
. La trajectoire doit rester comprise dans
la boule de grand rayon comme l’illustre la figure 4.10
Pour d´ebuter la d´emonstration, un rayon R est choisi de mani`ere quel-
conque. On examine alors la fonction de Lyapunov V (x) sur la sph`ere de
rayon R et on d´efinit son minimum m sur cette sph`ere S
R
.
m = min
x∈SR
V (x).
Br
SR
V = m
Fig. 4.11. m repr´esente le minimum de V (x) lorsque x parcourt la sph`ere SR.
Etant donn´e que V (x) est une fonction de Lyapunov, elle poss`ede la pro-
pri´et´e d’ˆetre continue et de s’annuler `a l’origine. Par cons´equent, il existe
un rayon r, suffisamment 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 consid´er´e) demeure inf´erieure `a m. En d’autres termes, en se rapprochant
de l’origine, il est toujours possible de trouver une petite r´egion telle que, la
valeur de la fonction soit tr`es petite, et donc plus petite que la valeur m. En
effet, la fonction de Lyapunov ne peut pas changer de mani`ere brutale, en
se d´epla¸ cant de la sorte, parce que la fonction de Lyapunov est continue. La
petitesse de V provient alors de son annulation `a l’´equilibre. Afin de satisfaire
ces deux contraintes, la valeur maximum de V , dans une r´egion donn´ee com-
prenant le point d’´equilibre, d´ecroit n´ecessairement de plus en plus, au fur et `a
4.7 Th´eor`eme de stabilit´e locale 77
mesure que cette r´egion se r´etr´ecit. Une coupe verticale illustre le ph´enom`ene
`a la figure 4.12.
0
Br
SR
m
V (x)
Fig. 4.12. Coupe verticale de la cons´equence de la continuit´e de la fonction de
Lyapunov et de son annulation au point d’´equilibre.
La stabilit´e d´ecoule alors de mani`ere tr`es naturelle, ´etant donn´e que la
condition de d´ecroissance 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
sph`ere S
R
et donc correspond `a 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
stabilit´e est donc bien d´emontr´ee.
4.7.2 Preuve de stabilit´e locale asymptotique
La stabilit´e asymptotique est plus difficile `a ´etablir. La fonction de Lyapu-
nov est suppos´ee strictement d´ecroissante, c’est-`a-dire que
˙
V (x) < 0, ∀x = 0
et
˙
V (0) = 0.
Comme V ≥ 0 et V d´ecroit, la fonction de Lyapunov tend vers une limite L
qui est sup´erieure ou ´egale `a z´ero (V →L, L ≥ 0). Deux cas seront envisag´es,
(a) L = 0 et (b) L > 0.
(a) Si L = 0 alors x(t) doit n´ecessairement converger vers z´ero. Ceci pro-
vient du fait que la fonction de Lyapunov s’annule seulement `a l’origine. La
stabilit´e asymptotique est dans ce cas d´emontr´ee.
(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 `a l’int´erieure de celle-ci, V est
inf´erieur `a L (se r´ef´erer `a l’explication donn´ee dans le cas de la stabilit´e, avec
m au lieu de L). Ceci est repr´esent´e `a la figure 4.13.
Consid´erons W = B
R
\ B
r0
. Ceci revient `a enlever un noyau de taille r
0
de la boule de taille R. Cette r´egion est repr´esent´ee en vert `a la figure 4.14.
L’hypoth`ese que V →L implique que la trajectoire reste `a l’int´erieur de cette
r´egion.
78 4 Stabilit´e au sens de Lyapunov
L
V
x
Br
0
Fig. 4.13. Pour tout point dans Br
0
, V est garantit inf´erieur `a L.
W
V =
ˇ
L
d
dt
V = −L1
Fig. 4.14. Une boule de taille r0 est extraite de la boule de taille R. On y d´efninit
le minimum de V =
ˇ
L et la d´ecroissance la plus lente de V .
En se restreignant `a la fermuture
¯
W, il est ´evident que 0 ∈
¯
W et que
¯
W est
un compact (ensemble ferm´e et born´e). De part la compacit´e, il doit exister
un minimum de V not´e
ˇ
L,
ˇ
L = min
x∈
¯
W
V (x), (0 <
ˇ
L < L),
atteind en un point de
¯
W. De plus, V < 0 pour tout point de W et de
¯
W. Par cons´equent une d´ecroissance minimum de V est atteinte en un point
particulier de
¯
W, i.e.
L
1
= min
x∈
¯
W


d
dt
V (x)

.
En proc´edant `a 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 l’´evolution de V en se pla¸ cant dans le
sc´enario le plus d´efavorable, c’est-`a-dire en supposant qu’en chaque instant la
d´ecroissance soit minimum : −
d
dt
V > L
1
. Par ,

t
0
˙
V (x(t))dt < −L
1
t et
4.9 Stabilit´e globale 79
V (x(t)) < V (x(0)) −L
1
t.
Il existe donc un instant fini t
1
tel que V (x(t
1
)) <
ˇ
L. Mais ceci contredit le fait
que la trajectoire reste dans W par hypoth`ese, impliquant ainsi n´ecessairement
que L = 0. La stabilit´e asymptotique d´ecoule d`es lors du cas (a).
4.8 Stabilit´e exponentielle
Nous connaissons la stabilit´e asymptotique : x(t) →0 lorsque t →∞
Cependant on veut garantir plus :
D´efinition 4.15. x = 0 est un point d’´equilibre localement exponentiellement
stable si ∃α > 0 et ∃λ > 0, ∃r > 0 tel que,
∀t > 0, x(t) ≤ αx(0)e
−λt
, ∀x ∈ B
r
.
4.8.1 Exemple : Dynamique des populations
4.9 Stabilit´e globale
Pour l’instant, nous avons exclusivement trait´e de propri´et´es locales, dans
le sens que la conclusion du th´eor`eme de Lyapunov ne conclut que la stabilit´e
en relation avec des conditions initiales comprises dans un voisinage du point.
Par cons´equent, le simple fait que V soit d´efini positif et que
˙
V soit n´egatif
dans tout l’ensemble d’´etat, ne garantit pas n´ecessairement que le syst`eme soit
globalement stable. En d’autres termes, la stabilit´e locale signifie la stabilit´e
pour ∀x
0
∈ B
R0
et la stabilit´e globale celle pour ∀x
0
∈ R
n
. La question est
de savoir s’il suffit de remplacer B
R0
par R
n
et de v´erifier les hypoth`eses du
th´eor`eme de Lyapunov afin de conclure sur la stabilit´e globale du syst`eme. La
r´eponse est non comme va l’illustrer l’exemple 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 repr´esent´ees `a
la figure 4.15. Pour autant que V est inf´erieure `a l’unit´e les courbe de niveau
sont ferm´ees et encerclent une r´egion compacte. D`es que la valeur d´epasse 1,
80 4 Stabilit´e au sens de Lyapunov
-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 l’axe horizontal et ne sont donc plus
ferm´ees.
Les solutions explicites du syst`eme sont,
x
1
(t) = x
10
e
2t
x
2
(t) = x
20
e
−t
.
Apr`es elimination du temps,
x
2
= x
20

x
10
x

1
2
1
.
En prenant une condition intiale particuli`ere,
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 repr´esent´ee en surimpression sur les
courbes de niveau pr´ec´edemment obtenues (figure 4.16).
En outre, la courbe repr´esent´ee continue ind´efiniment sur la droite sans
jamais sortir du premier quadrant ! Le syst`eme glisse donc vers l’infini bien que
la valeur de la fonction de Lyapunov diminue `a chaque instant. Elle diminue
et tend asymptotiquemen vers un, mais sans jamais y parvenir.
Le probl`eme provient du fait que V = cte n’est pas une courbe ferm´ee,
c’est-`a-dire que la fonction V n’est pas radialement non born´ee.
Par cons´equent il faut une condition suppl´ementaire,
Th´eor`eme 4.16. Pour que l’on puisse garantir que le th´eor`eme de Lyapunov
concluse sur la stabilit´e globale d’un syst`eme, il faut d’une part que toutes
4.10 Fonction de Lyapunov pour les syst`emes lin´eaires 81
-10 -5 5 10
-1.5
-1
-0.5
0.5
1
1.5
Fig. 4.16. Une solution particuli`ere montre que V d´ecroit `a chaque instant le long
de cette solution.
les hypoth`eses de ce th´eor`eme soient satisfaites, mais il faut ´egalement que la
condition de bornitude radiale existe, c’est-` a-dire que
V (x) →∞ lorsque x →∞.
Le th´eor`eme suivant r´ecapitule les conditions :
Th´eor`eme 4.17. S’il 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 syst`emes lin´eaires
La th´eorie de Lyapunov est une th´eorie tr`es g´en´erale s’appliquant aussi
bien aux syst`emes non lin´eaires que lin´eaires. Il est int´eressant d’interpr´eter
sa signification en termes de repr´esentation d’´etat des syst`emes lin´eaires.
Th´eor`eme 4.18. Soit ˙ x = Ax tel que ∀λ, ℜe(λ) < 0 (syst`eme 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 d´ecroissante telle que e
At
→0, lorsque t →∞. En choisissant
Q > 0 (une matrice d´efinie positive) nous allons construire une matrice P
satisfaisant l’´equation (4.4). Comme A et A
T
ont toutes les deux des valeurs
propres `a partie r´eelle strictement n´egative (matrices de Hurwitz),
82 4 Stabilit´e au sens de Lyapunov
e
tA
T
Qe
tA
≤ cQe
2λt
,
pour tout t ≥ 0, o` u λ ≤ 0 est n’importe quel nombre r´eel tel que les valeurs
propres de A
T
et A ont une partie r´eelle plus petite que λ. Ainsi,
P = −


0
e
tA
T
Qe
tA
dt (4.5)
est bien d´efinie. 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 th´eor`eme pr´ec´edant permet de tester si une matrice est
Hurwitz sans devoir calculer ses valeurs propres. Soit une matrice A r´eelle
donn´ee. Fabriquons l’´equation
A
T
X +XA = −I,
et r´esolvons l`a pour une matrice sym´etrique X. Ceci est une ´equations lin´eaire
et donc l’´elimination de Gauss doit aboutir `a un r´esultat. En testant alors les
mineurs principaux de X on peut conclure sur la stabilit´e de A. Ils doivent
tous ˆetre strictement positif pour que la matrice A soit Hurwitz.
4.11 Stabilit´e locale et lin´earisation
Une approximation locale de la dynamique du syst`eme autour du point
d’´equilibre permet, dans certains cas, de d´eduire la stabilit´e locale du syst`eme
complet. Il s’agit de la m´ethode indirecte de Lyapunov. L’approximation au
premier ordre du d´eveloppement en s´erie de Taylor de la dynamique est cal-
cul´e, et seul le premier ordre du d´eveloppement est retenu. Lorsque la dyna-
mique est donn´ee par un champ de vecteurs (cf. chapitre 7) f(x), une matrice
est obtenue pour caract´eriser le premier ordre. Son expression est donn´ee par,
A =
∂f
∂x

x=0
.
Cette matrice poss`ede des valeurs propres qui permettent de d´eduire la sta-
bilit´e du syst`eme ˙ x = Ax. La question est de savoir si elles peuvent ´egalement
induire une conclusion sur la stabilit´e du syst`eme non lin´eaire ˙ x = f(x).
4.11 Stabilit´e locale et lin´earisation 83
Le th´eor`eme suivant donne les r´esultats que l’on peut garantir. Seul le
cas o` u toutes les valeurs propres ont une partie r´eelle n´egative ou nulle avec
certaines d’entre elles ayant une partie strictement nulle, n’est pas conclusif.
Seul les termes d’ordre sup´erieur peuvent nous renseigner sur la stabilit´e du
syst`eme non lin´eaire. Par contre, pour tous les autres cas, le premier ordre est
suffisant.
Th´eor`eme 4.20. Soit ˙ x = f(x), et on pose A =
∂f
∂x

0
avec
Λ = λ(A)
– ∀λ ∈ Λ, Re(λ) < 0 ⇒ x = 0 est asymptotiquement stable.
– ∃λ ∈ Λ, Re(λ) > 0 ⇒ x = 0 est instable.
– ∀λ ∈ Λ, Re(λ) ≤ 0 et ∃λ
1
Re(λ
1
) = 0 on ne peut pas conclure.
Montrons ∀λ ∈ Λ, Re(λ) < 0 ⇒ x = 0 est localement asymptotiquement
stable.
Preuve.
˙ x = f(x) =
∂f
∂x

x=0
x +g(x) = Ax +g(x)
Ceci n’est qu’une r´e´ecriture de ˙ x = f(x) en isolant le terme de d´ependance
lin´eaire dans Ax et les termes d’ordre sup´erieur dans g(x). Comme les termes
qui d´ependent de mani`ere lin´eaire de x sont isol´es dans Ax, g(x) d´ecroit
plus vite que x : lim
x→0
g(x)
x
= 0.
r1 r2 r3
γ1x
γ2x
γ3x
g(x)
Fig. 4.17. Illustration de la dominance du terme lin´eaire Ax sur le terme non
lin´eaire g(x).
Ceci signifie que pour tout γ
i
> 0, il existe r
i
tel que pour tout x tel que
x < r
i
⇒g(x) < γ
i
x. Comme A est stable ∀Q > 0, ∃P > 0
A
T
P +PA = −Q
84 4 Stabilit´e au sens de Lyapunov
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 l’in´egalit´e du produit scalaire : a
T
b ≤ ab on d´eduit
˙
V ≤ −x
T
Qx +xPg(x)
Comme lim
x→0
g(x)/x = 0, ∀γ > 0, ∃r, ∀x ≤ r ⇒g(x) < γx.
˙
V < −x
T
Qx +γPx
2
Sachant que −x
T
Qx ≤ −λ
min
x
2
on a donc
˙
V < −(λ
min
−γP)x
2
Il suffit de choisir γ suffisamment petit afin que (λ
min
− γP) > 0. Ainsi
pour le r associ´e au γ choisi,
˙
V < 0, ∀x, x < r.
Par cons´equent, le syst`eme ˙ x = f(x) est localement asymptotiquement
stable.
Les autres cas peuvent ˆetre ´egalement d´emontr´es. Nous renvoyons le lecteur
aux r´ef´erences [Vid93], [Kha02] et les r´ef´erences s’y trouvant.
4.11.1 Inconv´enients de la m´ethode indirecte
La m´ethode indirecte de Lyapunov poss`ede deux inconv´enients principaux.
Le premier est le caract`ere local du r´esultat. La stabilit´e que l’on peut conclure
n’est valable que dans un voisinage du point d’´equilibre. On ne peut pas
garantir r tr`es grand. Le second inconv´enient est que la m´ethode est non
conclusive lors de la pr´esence de valeur(s) propre(s) `a partie r´eelle nulle. Ces
inconv´enient n’apparaissent pas dans la m´ethode directe de Lyapunov. Le prix
`a payer est ka d´etermination de la fonction compl´ementaire V (x) poss´edant
les bonnes propri´et´es.
4.12 Stabilit´e exponentielle
La stabilit´e asymptotique garantit que le syst`eme converge vers le point
d’´equilibre, lorsque le temps tend vers l’infini. Pourtant, nous avons aucun
4.13 Th´eor`eme d’invariance de LaSalle 85
moyen de quantifier la qualit´e de cette convergence, en particulier sa vitesse
de convergence.
Afin d’obtenir plus que la simple convergence asymptotique, il est possible
d’introduire un concept plus exigeant que la simple stabilit´e asymptotique. Si
l’´etat du syst`eme, lors de sa convergence, est compris dans une enveloppe qui
d´ecrois de mani`ere exponentielle, la stabilit´e est qualifi´ee d’exponentielle.
D´efinition 4.21. x = 0 est un point d’´equilibre localement exponentiellement
stable si ∃α > 0 ∃λ > 0, ∃r > 0, α, λ, r ∈ R tels que,
∀t > 0, x(t) ≤ αx(0)e
−λt
, ∀x ∈ B
r
.
4.13 Th´eor`eme d’invariance de LaSalle
Bien que certains syst`emes ont la caract´eristique d’avoir une fonction de
Lyapunov d´ecroissante, mais pas pour autant strictement d´ecroissante, (c’est-
`a-dire
˙
V ≤ 0 au lieu de
˙
V < 0, x = 0), ils sont n´eanmoins asymptotiquement
stable. L’objet de cette section est de pr´esenter les conditions suppl´ementaires
sur la fonction V et sa d´eriv´ee dans le temps pour garantir la stabilit´e asymp-
totique.
De plus, l’outil qui sera pr´esent´e permet de traiter ´egalement la conver-
gence vers un cycle limite. Nous verrons ´egalement que le caract`ere positif
d´efini de V peut tr`es bien ˆetre relax´e. Le th´eor`eme ne donnera pas une preuve
de stabilit´e au sens de Lyapunov, mais un crit`ere de convergence asympto-
tique ; ceci valant autant pour les points d’´equilibre que pour les cycles limites.
4.13.1 Ensemble invariant M
Avant de pr´esenter le r´esultat `a proprement parler, le concept d’ensemble
invariant est expos´e. Comme son nom l’indique, il s’agit avant tout d’un en-
semble donn´e par la r´eunion de points de l’espace d’´etat.
Le deuxi`eme ´el´ement est le terme ”invariant”, et ici l’´equation ˙ x = f(x)
prend toute son importance.
Un ensemble invariant est un ensemble de points de l’espace d’´etat tel que
toute trajectoire du syst`eme ˙ x = f(x), ayant pour condition initiale un point
de cet ensemble, reste ind´efiniement `a l’int´erieur de cet ensemble.
Ainsi, l’ensemble est constitu´e par un sous ensemble de conditions initiales
telles que toutes les trajectoires issues de ces conditions intiales restent dans
l’ensemble en question.
D´efinition 4.22. (flot) La solution du syst`eme ˙ x = f(x) ayant comme condi-
tion initiale x(0) = x
0
sera not´ee Φ(x
0
, t) :
86 4 Stabilit´e au sens de Lyapunov
d
dt
Φ(x
0
, t) = f(Φ(x
0
, t)).
Φ(x
0
, t) signifie, qu’une fois la condition initiale x
0
donn´ee, l’´etat x devient
une fonction uniquement du temps Φ(x
0
, t). On peut donc d´eriver cette fonc-
tion par rapport au temps, et cette d´eriv´ee doit correspondre `a la dynamique
`a ce point f(Φ(x
0
, t)).
D´efinition 4.23. (ensemble invariant) Un ensemble invariant M, pour un
syst`eme dynamique ˙ x = f(x), est d´efini comme un ensemble de conditions
initiales, tels que la solution Φ(x
0
, t) reste dans l’ensemble M ∀t, c.-` a-d.
M= {x | x
0
∈ M⇒Φ(x, t) ∈ M ∀t ≥ 0}
M
x0
Φ(x0, t)
Fig. 4.18. Ensemble invariant M
4.13.2 Ensemble d’annulation de la d´eriv´ee de la fonction de
Lyapunov
Parall`element `a la notion d’ensemble invariant, celui des points pour les-
quels
˙
V s’annule est de premi`ere importance. Ceci n’a rien de surprenant,
car un des objets de cette analyse est d’´etendre la conclusion de la stabilit´e
asymptotique au cas o` u
˙
V ≤ 0 au lie de
˙
V < 0 ; la diff´erence entre les deux
cas se situent dans la possibilit´e que
˙
V = 0.
L’ensemble en question est not´e R et correspond math´ematiquement `a
R = {x |
˙
V (x) = 0}
et il est repr´esent´e `a la figure 4.19.
Le th´eor`eme de Lasalle peut maintenant ˆetre ´enonc´e. C’est un r´esultat de
nature locale au sens o` u il n´ecessite la connaissance d’un ensemble compact
pour toutes les conditions initiales.
Th´eor`eme 4.24. (Th´eor`eme d’invariance de LaSalle) Soit l > 0, et Ω
l
=
{x | V (x) ≤ l} :
4.13 Th´eor`eme d’invariance de LaSalle 87
R = {x |
˙
V (x) = 0}
Fig. 4.19. Ensemble R. C’est l’ensemble de points pour lesquels
˙
V = 0.
– Ω
l
ferm´e et born´e
– ∀x ∈ Ω
l
on a
˙
V ≤ 0
– R ⊂ Ω
l
et R = {x |
˙
V (x) = 0}
– M le plus grand ensemble invariant, M⊂ R

∀x
0
∈ Ω
l
, X(x
0
, t) →M lorsque t →∞.
Remarque 4.25. Il est important de mentionner deux aspects important :
1. Il n’y est pas question de stabilit´e, mais uniquement de convergence.
2. La fonction V (x) n’est pas n´ecessairement d´efinie positive.
Le th´eor`eme de LaSalle donne la stabilit´e asymptotique d’un point d’´equilibre
lorsque la condtion V > 0, x = 0 et V (0) = 0 est explicitement ajout´ee.
Ce th´eor`eme poss`ede l’avantage de s’appliquer `a l’analyse de la convergence
asymptotique vers un cycle comme l’illustre la figure 4.20
M

l
R
cycle limite
M

l
R
point d’´equilibre
Fig. 4.20. Le th´eor`eme d’invariance s’applique aussi bien aux points d’´equilibre
qu’aux cycles limites.
4.13.3 Exemple : le pendule simple
On consid`ere un simple pendule qui consiste en une masse m reli´ee par une
tige de longueur unitaire `a son axe de rotation. Il est soumis `a un frottement
visqueux proportionnel `a la vitesse du pendule autour de son axe.
88 4 Stabilit´e au sens de Lyapunov
La position du centre de masse est donn´ee par x = sinθ et y = cos θ de
telle sorte que son ´energie cin´etique s’´ecrit
E
cin
= 1/2m( ˙ x
2
+ ˙ y
2
) = 1/2m
˙
θ
2
.
On suppose ´egalement que la gravit´e agit dans le sens perpendiculaire `a
l’axe de rotation. Par cons´equent, l’´energie potentielle s’exprime
E
pot
= mg(1 −cos θ).
A l’aide de ces deux quantit´es, nous pouvons ´etablir la repr´esentation
d’´etat du mod`ele dynamique en appliquant le formalisme de Lagrange. Une
seule coordonn´ee g´en´eralis´ee est dans ce cas n´ecessaire (` a savoir θ). Le lagran-
gien est donn´e par L = E
cin
−E
pot
. De plus, une force g´en´eralis´ee F
θ
= −b
˙
θ
s’applique ´egalement, o` u b ∈ R est un param`etre positif (b > 0) correspondant
au coefficient de frottement. La formule de m´ecanique analytique
d
dt

∂L

˙
θ


∂L
∂θ
= F
θ
conduit `a
m
¨
θ +mg sin θ = −b
˙
θ.
C’est une ´equation diff´erentielle du second ordre qui se met sous la forme
d’´etat (avec x
1
= θ et x
2
=
˙
θ) :
˙ x
1
= x
2
˙ x
2
= −g sin x
1

b
m
x
2
On aimerait maintenant obtenir une conclusion quand `a la stabilit´e asymp-
totique de ce pendule en consid´erant une fonction de Lyapunov qui ne soit
pas strictement d´ecroissante.
Consid´erons, par exemple, la fonction d’´energie compl`ete du pendule
V = E
cin
+E
pot
=
1
2
m
˙
θ
2
+mg(1 −cos θ).
Cette fonction est positive pour autant que
˙
θ et le second terme ne s’an-
nulent pas simultan´ement. Par cons´equent, V est nul pour
x =

θ
˙
θ

=

0 + 2kπ
0

avec k ∈ Z.
4.13 Th´eor`eme d’invariance de LaSalle 89
Le syst`eme dynamique s’´ecrit ˙ x = f(x) avec
f
1
(x) =
˙
θ
f
2
(x) = −g sin θ −b/m
˙
θ,
de telle sorte que
˙
V (x) =
∂V
∂x
f = m
˙
θ(−g sin θ −b/m
˙
θ) −mg sin θ
˙
θ = −b
˙
θ
2
≤ 0.
Il faut insister sur le fait que l’in´egalit´e ci-dessus n’est pas stricte ´etant
donn´e que
˙
θ
2
ne p´enalise qu’une partie de l’´etat, `a savoir
˙
θ ; θ n’apparaˆıt pas
`a gauche de l’in´egalit´e.
Par cons´equent, dans un voisinage de l’origine, les conditions de stabilit´es
1. V (x) = 0, x = 0
2. V (x) > 0, x = 0
3.
˙
V ≤ 0
sont satisfaites. Le syst`eme est donc localement stable.
Toutefois, le th´eor`eme de Lyapunov n’est pas conclusif quant `a la stabilit´e
locale asymptotique, ´etant donn´e que V n’est pas strictement d´ecroissante et
que V ne s’annule pas uniquement au point 0, 0.
Toutefois, nous pouvons examiner l’ensemble Rpour lequel
˙
V = 0. Comme
˙
V = −b
˙
θ
2
= −bx
2
2
, l’ensemble R = { x
1
, x
2
| x
2
= 0 } est une droite horizon-
tale passant par l’origine.
Afin d’obtenir le plus grand ensemble invariant M contenu dans R, il est
n´ecessaire et suffisant que le vecteur f(x) d´efinissant la dynamique soit tangent
ou nul `a cet axe horizontal. En d’autres termes, la seconde composante de f(x),
c.-`a-d f
2
(x), doit ˆetre nulle. On obtient la condition g sinx
1
= 0, conduisant
`a une multitudes de points isol´e
˙
θ = 0, θ = kπ avec k ∈ Z.
La figure 4.21 repr´esente les courbes de niveau de la fonction de Lyapunov,
ainsi que les solutions pour deux valeurs du coefficient de frottement (b = 0
et b = 1). La masse est m = 1 et la gravit´e est ´egale `a g = 10.
L’axe horizontal R est repr´esent´e, lequel contient les points constituant
l’ensemble invariant Minclut dans R. Ces points sont s´epar´es en deux classes.
Les points associ´es au minimum de V sont repr´esent´es en blanc et corres-
pondent aux ´equilibres stables ; ceux repr´esent´es en noir sont associ´es aux
points selles de la fonction V , et correspondent `a des points d’´equilibre in-
stable.
En effet, le gradient
∇V =

mg sin(θ) m
˙
θ

,
s’annule aux points θ = kπ, k ∈ Z,
˙
θ = 0. Localement, autour de ces points,
V est approxim´e par
90 4 Stabilit´e au sens de Lyapunov
-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 (θ selon l’axe horizontal et
˙
θ selon la verticale), et lignes
de contour de la fonction de Lyapunov pour le pendule. A gauche, le frottement est
non nul. L’ensemble R pour lequle
˙
V = 0 est repr´esent´e 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 diff´erentes sont ´egalement repr´esent´ees.
V ≈

(
˙
θ −
¯
θ)
˙
θ

T

¸
∂∇V
∂θ

θ=
¯
θ,
˙
θ=0
∂∇V

˙
θ

θ=
¯
θ,
˙
θ=0
¸

θ −
¯
θ
˙
θ

=

(
˙
θ −
¯
θ)
˙
θ

T

mg cos
¯
θ 0
0 m

θ −
¯
θ
˙
θ

. (4.6)
Aux valeurs
¯
θ = 2kπ, la matrice dans l’expression (4.6) est l’identit´e et les
deux valeurs propres sont ´egales `a 1 ; c’est un minimum (points blancs). Aux
valeurs
¯
θ = 2kπ +π, la matrice `a une valeur propre n´egative −1 et une valeur
propre positive +1 ; c’est un point selle (points noirs).
Dans la partie droite de la figure 4.21, le frottement est nul de telle sorte
que
˙
V = 0. Dans ce cas, chaque courbe de niveau de V est invariante. Etant
donn´e que certaines de ces courbes de niveau ne sont pas ferm´ees, le syst`eme
n’est pas globalement stable. N´eanmoins, l’origine est localement stable (mais
pas asymptotiquement). En effet, dans un voisinage de l’origine, les courbes
de niveau sont ferm´ees et constituent des cycles.
Pour
˙
V ≤ 0 (frottement non nul, partie de gauche de la figure 4.21), le
th´eor`eme d’invariance est appliqu´e en consid´erant divers ensembles compacts

l
(ferm´es et born´es) pour lesquels V est inf´erieur ou ´egal `a la quantit´e l.
Lorsque V est sup´erieur `a la valeur atteinte `a un des points selles, les ensembles

l
ne sont plus compacts. Le bord de Ω
l
est alors constitu´e par les courbes
de niveau non ferm´ees de V . Par contre, en prenant l < mg, par exemple
4.14 M´ethodes de construction des fonctions de Lyapunov 91
l = mg −ǫ, l’ensemble

mg−ǫ
= {θ,
˙
θ|V (θ,
˙
θ) ≤ mg −ǫ, θ ∈] −π, π[}
est compact, invariant (parce que
˙
V ≤ 0), et l’ensemble R∩ Ω
mg−ǫ
ne com-
porte qu’un seul point qui est l’origine 0. L’origine est stable par rapport `a
cet ensemble de conditions initiales, mais elle n’est pas globalement stable,
´etant donn´e que lorsque la condition initiale n’appartient pas `a cet ensemble,
il n’est pas possible de connaˆıtre a priori vers quel point d’´equilibre le syst`eme
convergera, en se fondant uniquement sur la fonction de Lyapunov et ses pro-
pri´et´es.
Toutefois, il est garantit que, globalement, le syst`eme converge vers un
des points d’´equilibre. En effet, lorsque θ
0
et
˙
θ
0
sont des valeurs initiales
quelconques, un ensemble invariant compact contenant cette condition initiale
peut ˆetre construit. Cet ensemble contient alors plusieurs points d’´equilibre, et
la conclusion suit du th´eor`eme d’invariance. En effet, le fait que V s’annule en
plusieurs points d’´equilibre n’a pas de cons´equence, ´etant donn´e que V n’est
pas exig´e ˆetre positif d´efini. Seule la condition de bornitude est n´ecessaire, ce
qui est le cas dans un compact donn´e (c.-`a-d. ∃c > 0, c ∈ R tel que V < c).
Cet argument inductif concernant la stabilit´e globale permet ´egalement de
s’affranchir du fait fˆacheux que la fonction V n’est pas born´ee radialement
comme le constat de l’existence de courbes de niveau non ferm´ees nous l’a
d´emontr´e.
4.14 M´ethodes de construction des fonctions de
Lyapunov
La pr´esente section pr´esente trois m´ethodes de construction de fonctions
de Lyapunov. Le trait commun de ces m´ethodes (et du reste de toutes
les m´ethodes de construction de fontion de Lyapunov) est de proc´eder par
construction/correction et essais/erreurs. En d’autres termes, il n’y pas de
m´ethode constructive directe `a proprement dit. Il s’agit de proc´eder de
mani`ere it´erative en alternant entre, d’une part, imposer la premi`ere condition
de positivit´e de la fonction de Lyapunov, et, d’autre part, imposer la seconde
condition concernant la d´ecroissance le long des solutions de la fonction de
Lyapunov.
92 4 Stabilit´e au sens de Lyapunov
4.14.1 M´ethode de Krasovskii
La premi`ere m´ethode est celle de Krasovskii.
Th´eor`eme 4.26. Soit ˙ x = f(x) tel que f(0) = 0. D´efinissons :
A(x) =
∂f
∂x
.
S’il existe un ouvert Ω ⊆ R
N
contenant l’origine 0 ∈ Ω, et que la ma-
trice F(x) = A(x) + A(x)
T
< 0 est d´efinie n´egative dans l’ouvert Ω (c.-` a-d.
x
T
F(x)x < 0, ∀x = 0, x ∈ Ω) alors la fonction
V (x) = f(x)
T
f(x).
est une fonction de Lyapunov et l’origine 0 est localement asymptotiquement
stable. Si de plus Ω = R
n
et V (x) → ∞ lorsque x → ∞, alors x = 0 est
globalement asymptotiquement stable.
Ce th´eor`eme admet une certaine g´en´eralisation en consid´erant une ´equation
de Lypaunov pour la matrice F(x).
Th´eor`eme 4.27. S’il existe un ouvert Ω ⊆ R
n
, ainsi que deux matrices
d´efinies positive P > 0 et ∃Q > 0 telles que ∀x = 0, x ∈ Ω il est vrai
que
F(x) = A(x)
T
P +PA(x) +Q < 0
est une matrice d´efinie n´egative, alors
V (x) = f(x)
T
Pf(x)
est une fonction de Lyapunov, et 0 est localement asymptotiquement stable..
Si de plus Ω = R
n
et V (x) →∞ lorsque x →∞, l’origine 0 est globalement
asymptotiquement stable.
4.15 M´ethode du gradient variable
Si l’on connaˆıt `a la foir le gradient de la fonction de Lyapunov et la fonction
de Lyapunov `a proprement dit, la relation
V (x) =

x
0
∇V (ξ)dξ
est valable entre ces deux quantit´es. Nous verrons dans le chapitre 6, que
le gradient est une 1-forme que l’on ´ecrit ´egalement sous la forme dV o` u la
param´etrisation ξ n’est pas explicitment mention´ee. Ainsi,
4.15 M´ethode du gradient variable 93
V =

dV,
ce qui devient une notation tout `a fait explicite.
Toutefois, tout vecteur ligne ne peut provenir d’un gradient. Nous dis-
tinguerons (i) un vecteur ligne qui est issu directement d’une fonction par
d´erivation (1-forme exacte) ; (ii) un vecteur ligne qui, une fois multipli´e par
une fonction arbitraire, devient une 1-forme exacte (1-forme int´egrable) ; et
finalement (iii) un vecteur ligne quelconque (une 1-forme quelconque). Par
cons´equent, il faut que les composantes respectent certaines conditions entre
elles pour pouvoir provenir d’un gradient. Ce sont les conditions d’exactitude.
Ainsi, on commence par param´etriser ∇V plutˆ ot que V , ∇V = [∇V
1
, ∇V
2
]
T
.
(dV plutˆ 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 d’int´egrabilit´e (ddV ∧dV = 0, voir
le chapitre 6) qui s’´ecrit dans notre cas
∂∇V
i
∂x
j
=
∂∇V
j
∂x
i
(∗)
Tout en respectant ces conditions, on choisit la param´etrisation pour
rendre n´egatif la d´eriv´ee de la fonction de Lyapunov
˙
V < 0.
Ensuite, on remonte `a la fonction de Lyapunov en int´egrant le grandient
∇V le long d’un contour quelconque.
Comme la 1-forme est une diff´erentielle exacte (voir chapitre 6), le pro-
cessus d’in´egration ne d´epend pas du chemin d’int´egration choisit (en effet,
la fonction ne change pas de valeur selon le chemin emprunt´e, seul compte le
point d’arriv´ee qui d´etermine la valeur de celle-ci). En cons´equence, il est pos-
sible de figer certaines quantit´es `a z´ero en choisissant un chemin d’int´egration
particulier
V (x) =

x1
0
∇V
1

1
, 0, . . . , 0)dξ
1
+

x2
0
∇V
2
(x
1
, ξ
2
, 0, . . . , 0)dξ
2
+
. . . +. . . +

xn
0
∇V
n
(x
1
, x
2
, . . . , ξ
n
)dξ
n
94 4 Stabilit´e au sens de Lyapunov
Finalement, la nature d´efinie positive de la fonction V est v´erifi´ee (c.-`a-d.
V > 0).
Exemple 4.28. Soit le syst`eme dynamique
˙ x
1
= x
2
˙ x
2
= −x
2
1
−x
2
Pour obtenir une fonction de Lyapunov, nous commen¸ cons par param´etrer
son gradient. Pour simplifier quelque peu la tˆ ache, nous choisissons des com-
binaisons lin´eaires de l’´etat pour chacune des deux composantes du gradient.
Par cons´equent,
∇V =

a
11
x
1
+a
12
x
2
a
21
x
1
+a
22
x
2

.
La condition d’exactitude (int´egrabilit´e ”renforc´ee”, voir le chapitre sur la
g´eom´etrie) s’´ecrit
∂∇V
1
x
2
=
∂∇V
2
x
1
a
12
= a
21
.
Maintenant, la n´egativit´e de la d´eriv´ee de la fonction de Lyapunov (la
deuxi`eme condition) est impos´ee :
˙
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 r´esultant en x
2
2
est n´egatif.
Toutefois, il demeure deux termes dont le signe est ind´efini, `a savoir a
11
x
1
x
2

a
12
x
1
x
2
. En for¸ cant l’´egalit´e a
11
= a
12
, ils ne contribuent plus `a la d´eriv´ee.
Il ne reste plus qu’`a discuter du signe du coefficient devant x
2
1
. Ce facteur
(a
12
+ a
22
x
2
2
) doit ˆetre positif. Ceci est garantit pour autant que a
12
> 0.
En r´esum´e 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 apr`es int´egration et `a un facteur
1/2 pr`es :
V = a
12
x
2
1
+ 2a
12
x
1
x
2
+a
22
x
2
2
.
Il ne reste plus qu’`a forcer la premi`ere condition, c.-`a-d. la positivit´e de V . La
fonction V est factoris´ee pour faire apparaˆıtre une matrice sym´etrique
V =

x
1
x
2

a
12
a
12
a
12
a
22

x
1
x
2

.
Pour garantir que la matrice centrale soit d´efinie positive, il suffit que ses deux
mineurs soient plus grand que z´ero. Le premier est a
12
qui est plus grand que
4.17 R´esultat d’instabilit´e 2 95
z´ero. Le second a
12
a
22
−a
2
12
= a
12
(a
22
−a
12
) > 0 conduit `a ce que a
22
> a
12
,
condition d´ej` a rencontr´ee pour forcer la premi`ere condition. V est donc bien
une fonction de Lyapunov car elle satisfait simultan´ement aux deux conditions
V > 0, x = 0 et
˙
V < 0.
4.16 R´esultat d’instabilit´e 1
D´eterminer l’instabilit´e peut ˆetre aussi important que d’´etablir la stabilit´e.
Cependant, la tˆ ache est parfois plus simple ´etant donn´e qu’il suffit d’exhiber
une condition initiale qui conduit `a une trajectoire qui sort de la boule d’exi-
gence de rayon R, plutˆ 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 stabilit´e.
Nous pr´esenterons trois r´esultats permettant d’identifier si un syst`eme est
instable. Le premier consiste `a v´erifier que V croit, quelles que soient les
conditions initiales.
Th´eor`eme 4.29.
– ∃Ω ⊆ R
n
, 0 ∈ Ω, V (0) ≥ 0 et V (x) > 0 ∀x ∈ Ω, x = 0

d
dt
V (x) > 0, ∀x ∈ Ω, x = 0

0 est instable
La premi`ere condition (V (x) > 0) est de garantir la positivit´e de la fonction
de test, et la seconde consiste `a v´erifier que cette fonction croit le long des
solutions (
˙
V > 0).
4.17 R´esultat d’instabilit´e 2
Le second r´esultat particularise quelque peu les conditions et permet de
d´etecter une plus large classe de syst`emes instables que le premier r´esultat.
Th´eor`eme 4.30. – ∃Ω ⊆ R
n
, 0 ∈ Ω, V (0) ≥ 0 et V (x) > 0 ∀x ∈ Ω\{0}
– ∃λ > 0,
d
dt
V (x) −λV (x) ≥ 0, ∀x ∈ Ω

0 est instable
La seconde condition introduit un test indirect qui consiste `a exprimer la
d´eriv´ee en utilisant la fonction V elle-mˆeme. Comme cette fonction est scalaire,
on aboutit `a une ´equation diff´erentielle avec un seul ´etat V . Si le facteur de
proportionnalit´e λ est plus grand que z´ero, cela conduit `a une croissance de
V et donc `a une instabilit´e.
96 4 Stabilit´e au sens de Lyapunov
4.18 R´esultat d’instabilit´e 3 : th. de Chetaev
Comme mentionn´e plus haut, la condition de stabilit´e exige que quel que
soit la condition initiale x
0
appartenant `a la boule B
r
la trajectoire r´esultante
reste comprise dans la boule d’exigence B
R
et ce, quel que soit la boule d’exi-
gence choisie. Par cons´equent, il suffit d’exhiber une seule condition initiale
par boule B
r
de taille suffisamment petite, pour laquelle la trajectoire du
syst`eme sorte d’une certaine boule d’exigence B
R
.
Le th´eor`eme de Chetaev permet d’aborder l’instabilit´e selon cet angle.
L’id´ee consiste `a envisager une r´egion ressemblant `a une sorte de tranche de
gateau Ω
l
pour laquelle le candidat de Lyapunov V (on devrait dire le candidat
de la fonction Chetaev) s’annule sur la partie de la tranche de gateau qui est
coup´ee (V (x) = 0 pour x ∈ ∂Ω
l
) ; et qui est croissante dans cette r´egion
(
˙
V > 0). Pour les syst`emes dont la dimention de l’´etat est plus grande que
deux, une image de ”cone” g´en´eralise la notion de ”tranche de gateau”. La
figure 4.22 illustre le concept.
Th´eor`eme 4.31. (Chetaev) ∃Ω ⊆ R
n
et ∃Ω
l
⊂ Ω
– V (x) > 0, ∀x ∈ Ω
l

d
dt
V (x) > 0, ∀x ∈ Ω
l
– 0 ∈ ∂Ω
l
– V (x) = 0, ∀x ∈ ∂Ω
l

0 est instable


l
x1
x2
0
∂Ω
l
Fig. 4.22. Figure illustrant le th´eor`eme de Chetaev
Preuve. L’explication consiste `a remarquer que, d’une part, par le fait que
V est forc´e de s’annuler sur les cˆ ot´es de la tranche de gateau (V (x) = 0
4.19 Techniques de comparaison et majoration 97
∀x ∈ ∂Ω
l
) et, d’autre part, comme la fonction V est croissante par hypoth`ese
sur l’ensemble de la tranche (
˙
V > 0, ∀x ∈ Ω
l
), il est impossible que les
trajectoires du syst`eme (celles commen¸ cant `a l’int´erieure de la tranche Ω
l
)
sortent de la r´egion bleue par les cˆ ot´es ∂Ω
l
(en rouge). Pourtant, il se pour-
rait qu’elles restent pi´eg´ees `a l’int´erieure de la r´egion bleue Ω
l
. Nous allons
n´eanmoins montrer qu’il existe une certaine boule d’exigence suffisamment
petite B
R
pour laquelle les trajectoires issues de l’intersection Ω
l
∩B
R
sortent
de la boule B
R
. En chosissant le rayon R suffisamment petit (ce qui n’est
nullement interdit et n’impose aucune condition suppl´ementaire), V est ga-
rantie born´ee sup´erieurement `a l’int´erieure de la r´egion Ω
l
∩ B
R
, i.e ∃v ∈ R,
0 < v < ∞, V (x) < v, ∀x ∈ Ω
l
∩ B
R
. Ceci est rendu possible par le fait que
la fonction V est continue et s’annule `a l’origine par hypoth`ese. D’autre part,
et ´egalement par hypoth`ese, V est strictement croissante dans cette r´egion
le long des solutions du syst`eme. Ainsi, en supposant que les trajectoires ne
sortent pas de B
R
, la fonction V ´evalu´ee le long de ces trajectoires (´etant
strictement croissante) finirait par d´epasser la borne v en question, condui-
sant `a une contradiction. En cons´equence, toute trajectoire commen¸ cant dans
la r´egion Ω
l
∩B
R
, (et en particulier pour une condition initiale arbitrairement
proche du point d’´equilibre), finit par quitter la boule d’exigence B
R
, exhibant
de la sorte l’instabilit´e.
4.19 Techniques de comparaison et majoration
Nous pr´esentons dans cette section diverses techniques directes et indi-
rectes de majoration permettant de d´eduire la deuxi`eme condition
˙
V ≤ 0 du
th´eor`eme de stabilit´e de Lyapunov. Certaines de ces techniques, comme l’uti-
lisation d’in´egalit´es classiques ou le d´eveloppement limit´e, rendent ´egalement
possible la v´erification de la nature d´efinie positive du candidat de Lyapunov
V (x), c.-`a-d. la premi`ere condition de la d´efnition 4.10, au moins dans un
voisinage. De plus, en renversant les in´egalit´es, les r´esultats sont ´egalement
applicables pour tester l’instabilit´e.
D´eterminer la stabilit´e par l’entremise d’un candidat de Lyapunov n´ecessite
de tester la d´ecroissance de la fonction V :
˙
V ≤ 0 (4.7)
En effet, la deuxi`eme condition de la d´efinition 4.10 impose de v´erifier cette
in´egalit´e.
Malgr´e l’apparente simplicit´e de cette condition, un calcul direct `a partir
de la fonction V (x) et de la dynamique
˙
f(x) conduit `a une ´egalit´e
˙
V = m(x),
o` u m(x) est une certaine fonction non-lin´eaire de x, ne permettant pas tou-
jours d’´etablir facilement ce r´esultat.
98 4 Stabilit´e au sens de Lyapunov
Afin de v´erifier
m(x) ≤ 0, (4.8)
la fonction m(x) est alors major´ee par une nouvelle quantit´e
¯ m(x) > m(x),
dont l’expression, plus simple, permet de d´eduire ¯ m(x) ≤ 0, et donc ´egalement
(4.8) et (4.7).
4.19.1 Les formes quadratiques
Pour les syst`emes lin´eaires ˙ x = Ax, nous avons vu `a la section ?? que, , la
fonction de Lyapunov, ainsi que sa d´eriv´ee, admettent une forme quadratique
V = x
T
Px et
˙
V = −x
T
Qx, o` u P et Q sont des matrices r´eelles sym´etriques
d´efinies positives.
Cependant, l’utilisation des matrices d´efinies positives est ´egalement ap-
plicable au cas non lin´eaire ˙ x = f(x) `a la fois pour estimer la fonction de
Lyapunov V et sa d´eriv´ee. En effet, nous verrons qu’un d´eveloppement limit´e
caract´erise localement ces fonctions par la pr´esence de formes quadratiques
d´efinies positives et semi-d´efinies positives.
Nous rappelons quelque propri´et´es des matrices r´eelles sym´etriques d´efinies
positives et semi-d´efinies positives.
D´efinition 4.32. Une matrice P dont les coefficients sont r´eels est dite stric-
tement r´eelle sym´etrique positive d´efinie lorsque les deux conditions
1. P = P
T
2. x
T
Px > 0, ∀x = 0.
sont satisfaites.
Dans le cas d’une in´egalit´e faible x
T
Px ≥ 0, la matrice P est dite positive
semi-d´efinie.
Lemme 4.33. Les valeurs propres λ
1
, . . ., λ
n
d’une matrice sym´etrique d´efinie
(respectivement semi-d´efinie) positive P sont toutes r´eelles λ
i
∈ R, i =
1, . . . , n, et positives 0 < λ
1
≤ λ
2
≤ . . . ≤ λ
n
(resp. non n´egatives,
0 ≤ λ
1
≤ λ
2
≤ . . . ≤ λ
n
).
Preuve. Soit v un vecteur propre de norme unit´e associ´e `a une des valeurs
propres que l’on notera λ. Comme par d´efinition la matrice P est sym´etrique
d´efinie (resp. semi-d´efinie) positive, la valeur x
T
Px est un nombre r´eel positif
(resp. non n´egatif). Ceci est en particulier vrai pour x = v. Par cons´equent,
comme
v
T
Pv = v
T
(λP)v = λv
T
v = λ,
toutes les valeurs propres λ sont r´eelles et positives (resp. r´eelles et non
n´egatives).
4.19 Techniques de comparaison et majoration 99
Lemme 4.34. Si les valeurs propres λ
i
et λ
j
sont distinctes (λ
i
= λ
j
), alors
les vecteurs propres v
i
et v
j
associ´es ` a ces valeurs propres (Pv
i
= λ
i
v
i
et
Pv
j
= λ
j
v
j
) sont orthogonaux :
v
T
i
v
j
= 0 i = j, λ
i
= λ
j
.
Preuve. Supposons que v
T
i
v
j
= 0 et λ
i
= λ
j
. Comme v
j
est associ´e `a λ
j
v
T
i
v
j
=
1
λ
j
v
T
i

j
v
j
) =
1
λ
j
v
T
i
(Pv
j
). (4.9)
Comme v
i
est associ´e `a λ
i
,
v
T
i
v
j
=
1
λ
i
(v
T
i
P
T
)v
j
. (4.10)
Etant donn´e que P est sym´etrique, les deux ´egalit´es (4.9) et (4.10) entraˆınent
λ
i
= λ
j
, conduit `a une contradiction ce qui implique v
T
i
v
j
= 0 d`es lors que
λ
i
= λ
j
.
4.19.2 Inflation et d´eflation
Les deux lemmes 4.33 et 4.34 conduisent alors `a une repr´esentation men-
tale d’une matrice d´efinie positive par une sorte de ”ballon de rugby” `a n-
dimensions. En cons´equence, il est possible d’englober le ballon de rugby par
un ballon homog`ene (en consid´erant l’axe le plus grand du ballon de rugby),
et ´egalement d’y inscrire un ballon homog`ene `a l’int´erieur du ballon de rugby
(en consid´erant l’axe le plus petit du ballon de rugby).
Lemme 4.35. Soit P > 0 une matrice r´eelle sym´etrique d´efinie positive. Il
existe deux constantes r´eelles c, C ∈ R telle que
cx
T
x ≤ x
T
Px ≤ Cx
T
x.
De plus, c = λ
1
(la plus petite valeur propre de P) et C = λ
n
(la plus grande
valeur propre de P).
Preuve. Le lemme 4.34 garantit l’existence d’une base orthonorm´ee de vec-
teurs propres v
i
`a partir de laquelle la d´ecomposition de x =
¸
n
i=1
α
i
v
i
conduit
`a
x
T
Px = (
n
¸
i=1
α
i
v
i
)
T
P(
n
¸
i=1
α
i
v
i
)
= (
n
¸
i=1
α
i
v
i
)
T
(
n
¸
i=1
λ
i
α
i
v
i
).
100 4 Stabilit´e au sens de Lyapunov
En tenant compte de l’orthonormalit´e des vecteurs propres choisis (v
T
i
v
j
= 0,
i = j et v
i
= 1),
x
T
Px =
n
¸
i=1
λ
i
α
2
i
, (4.11)
et en remarquant
¸
n
i=1
α
2
i
= x
T
x, la propri´et´e 0 < λ
1
≤ λ
i
≤ λ
n
, garantie
par le lemme 4.33, d´emontre les in´egalit´es `a partir de (4.11).
Remarque 4.36. Le fait que les vecteurs propres sont orthogonaux permet
d’´eliminer les produits crois´es v
T
i
v
j
, i = j. De plus, le plus grand axe du ballon
de rugby correspond `a la plus petite valeur propre λ
1
. En effet, 1/c = 1/λ
1
correspond au rayon du grand ballon homog`ene x
T
x =
1
λ1
englobant le ballon
de rugby x
T
Px = 1. De mˆeme, 1/C = 1/λ
n
correspond au rayon du petit
ballon homog`ene x
T
x =
1
λn
inscrit `a l’int´erieur du ballon de rugby x
T
Px = 1.
4.19.3 Le d´eveloppement limit´e
Lorsque la fonction
˙
V admet un d´eveloppement en s´erie, il est possible
d’exprimer
˙
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 monˆ omes du second ordre ont ´et´e mis en ´evidence par rapport `a ceux
d’ordres sup´erieurs regroup´es dans R
i
, i = 1, . . . , ∞.
Par convention, les degr´es des de tous les monˆ omes de R
i
sont de degr´e
exactement ´egal `a i (d
o
R
i
= i).
Les techniques de d´eveloppement se fondent alors sur le fait que si la
matrice A = (a
ij
) est d´efinie positive, alors il existe une certaine constante
c > 0, c ∈ R, telle que
˙
V < 0 ∀x ≤ c.
En effet, les termes pouvant changer le signe de
˙
V sont tous dans un des
facteurs R
i
. A cause du degr´e, tous les monˆ omes associ´es disons ¯ cx
i
x
j
x
k
. . . x
l
peuvent ˆetre factoris´es sous la forme ¯ c(x
i
x
j
)x
k
. . . x
l
avec x
i
x
j
un des monˆ ome
apparaissant dans la forme quadratique x
T
Ax. En choisissant x suffisament
petit le facteur ¯ cx
k
. . . x
l
devient alors n´egligeable par rapport au coefficient 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 r´eintroduction de V
Le r´esultat d’instabilit´e 2 (th´eor`eme 4.30) est fond´e sur la comparaison
entre la fonction
˙
V et V elle-mˆeme. Si la d´eriv´ee de la quantit´e V est pro-
4.19 Techniques de comparaison et majoration 101
portionnelle (avec un facteur positif) `a cette quantit´e V , alors cette quantit´e
augmente exponentiellement.
Il est ainsi int´eressant, une fois le calcul de
˙
V = m(x) effectu´e, d’essayer
de r´eintroduire l’expression de V dans m(x). Si cela est possible, alors, en
fonction du coefficient devant la fonction de V , cette quantit´e peut d´ecroˆıtre
au cours du temps.
Lemme 4.37. Soit V une fonction d´efinie positive quelconque (V (x) > 0,
∀x = 0, V (0) = 0) telle que
˙
V =
∂V
∂x
f(x) = αV,
avec α ∈ R, alors
V (t) = V
0
e
αt
.
Si α < 0, le syst`eme ˙ x = f(x) est asymptotiquement stable.
Preuve. En d´erivant par rapport au temps V (t) = V
0
e
αt
, l’expression
˙
V = αV
est v´erifi´ee. L’expression V
0
e
αt
conduit `a ce que, lorsque α < 0, V (x(t)) →0,
et donc que x(t) →0 lorsque t →∞.
4.19.5 L’´equation int´egrale associ´ee
Sous certaines conditions de continuit´e (que nous avons admises dans l’in-
troduction), l’´equation diff´erentielle ordinaire
˙ x = f(x), x(0) = x
0
,
donne lieu `a une repr´esentation ´equivalente sous forme d’´equation int´egrale
x(t) =

t
τ=0
f(τ)dτ
x(0) = x
0
.
Par cons´equent, des in´egalit´es et des majorations sont applicables `a
l’int´egrale, afin d’estimer les solutions de l’´equation diff´erentielle.
Ce proc´ed´e s’applique ´egalement aux in´egalit´es diff´erentielles, lorsque la
fonction V apparaˆıt de part et d’autre de l’in´egalit´e. Elle est alors convertie
en in´egalit´e, o` u la diff´erentielle disparaˆıt au profit de l’int´egrale.
Par exemple, en consid´erant une fonction V ,
˙
V ≤ αV
devient
102 4 Stabilit´e au sens de Lyapunov
V (t) ≤ V (0) +α

t
0
V (τ)dτ, (4.13)
quel que soit le signe de α ∈ R.
De mˆeme
˙
V ≤ g(V )
devient
V (t) ≤ V (0) +

t
0
g(V (τ))dτ. (4.14)
Ce type de conversion permet alors d’utiliser les propri´et´es des in´egalit´es
int´egrales du genre (4.13) et (4.14) afin de trouver des estimations pour la
fonction V .
En particulier, l’apparition de V `a la fois `a gauche de (4.13) et `a droite,
sous le signe d’int´egration, rend l’estimation difficile. C’est pourquoi l’isolation
de V d’un seul cˆ ot´e de l’in´egalit´e est tr`es commode.
Lemme 4.38. Soit m(.) et v(.) des fonctions continues non n´egatives de R
+
dans R
+
, et c ∈ R un nombre r´eel non n´egatif c ≥ 0.
Si
m(t) ≤ c +

t
0
v(τ)m(τ)dτ, t ≥ 0, (4.15)
alors
m(t) ≤ c exp

t
0
v(τ)dτ

. (4.16)
Remarque 4.39. Ce lemme permet d’isoler m(.), apparaissant des deux cˆ ot´e
de l’in´egalit´e, dans le membre de gauche de l’in´egalit´e, et sans le symbole
d’int´egration. Ce lemme et ceux de cette section sont appel´es lemmes de (type)
Bellman-Gronwall.
Preuve. En multipliant (4.15) par la valeur non n´egative v(t) de part et d’autre
de l’in´egalit´e, l’in´egalit´e ne change pas de sens
m(t)v(t) ≤ v(t)
¸
c +

t
0
v(τ)m(τ)dτ

,
Lorsque c > 0, le facteur entre crochets est strictement positif, de telle sorte
qu’en divisant des deux cˆ ot´es par cette expression non nulle, l’in´egalit´e ne
change ´egalement pas de sens
m(t)v(t)
c +

t
0
v(τ)m(τ)dτ
≤ v(t), (4.17)
Maintenant, une int´egration directe conduit `a
4.19 Techniques de comparaison et majoration 103
log

c +

t
0
v(τ)m(τ)dτ

−log c ≤

T
0
v(τ)dτ
entraˆınant (4.16).
Pour le cas c = 0, nous pouvons appliquer le r´esultat valable pour c > 0
en choisissant une suite d´ecroissante de nombre positif ǫ
i
> 0 en posant suc-
cessivement c = ǫ
i
de telle sorte que (4.15) est valable pour tous ces choix.
En passant `a la limite ǫ → 0, nous obtenons m(.) = 0 identiquement, ce qui
d´emontre le lemme.
Lorsque le nombre c d´epend explicitement du temps, le lemme devient
Lemme 4.40. Soit m(.), v(.) et h(.) des fonctions continues non n´egative de
R
+
dans R
+
,
Si
m(t) ≤ h(t) +

t
0
v(τ)m(τ)dτ, t ≥ 0 (4.18)
alors
m(t) ≤ h(t) +

t
0
v(τ)h(τ) exp

t
τ
v(ξ)dξ

dτ. (4.19)
De plus si h(.) est d´erivable,
m(t) ≤ h(0) exp

t
0
v(τ)dτ

+

t
0
h

(τ) exp

t
s
v(ξ)dξ

dτ.
Pour une d´emonstration, le lecteur est invit´e `a consulter [LLM89]. Tout
comme dans [LL69], on y trouvera ´egalement d’autres in´egalit´es de ce type.
4.19.6 Quelques in´egalit´es standards
Etant donn´e que des in´egalit´es souvent complexes doivent ˆetre manipul´ees,
faisant intervenir des op´erateurs diff´erentiels et int´egraux, il est utile d’utiliser
des r´esultats classiques afin de majorer (ou minorer selon le cas) les in´egalit´es
plus compliqu´ees `a l’aide de celles utilisant des expressions arithm´etiques
simples.
C’est pourquoi nous pr´esentons essentiellement trois types d’in´egalit´es ap-
paraissant tr`es souvent en pratique pour ´etablir des r´esultats de stabilit´e en
commande non lin´eaire.
In´egalit´e de Cauchy-Schwarz
Cette in´egalit´e d´ecoule du produit scalaire existant dans un espace vecto-
riel et provient du fait que | sin(α) |≤ 1 pour tout α ∈ R.
104 4 Stabilit´e au sens de Lyapunov
Lemme 4.41. Soit x =

x
1
x
2
. . . x
n

n
un vecteur d’un espace vectoriel V .
En d´efinissant, x =

x
T
x, alors
| x
T
y |≤ xy.
In´egalit´e du triangle
C’est la g´en´eralisation en dimension n de la propri´et´e que la somme des
longueurs des cˆ ot´es adjacents d’un triangle est toujours plus grande que la
longeur du cˆ ot´e restant. A nouveau, nous nous pla¸ cons dans un espace vectoriel
quelconque.
Lemme 4.42. Soit x et y deux vecteurs non nuls d’un espace vectoriel V .
Nous avons
x +y ≥ ±x ±y .
Les signes devant les vecteurs x et y n’ont pas d’importance dans le membre
de droite.
In´egalit´e arithm´etique-g´eom´etrique
La moyenne arithm´etique
1
n
(x
1
+ x
1
+ . . . + x
n
), est toujours au moins
´egale `a la moyenne g´eom´etrique
n

x
1
· x
2
· . . . · x
n
:
Lemme 4.43. Soit x
i
∈ R

+
, i = 1, . . . , n, une suite finie de nombre r´eels non
n´egatifs.
1
n
n
¸
i=1
x
i

n

n
¸
i=1
x
i
. (4.20)
Les deux moyennes, g´eom´etrique et arithm´etique, sont des cas particuliers
de moyenne M
f
associ´ee `a une fonction f(x) dont on connaˆıt la fonction
r´eciproque 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 arithm´etique, et avec f(x) = log(x),
M
log
est la moyenne g´eom´etrique. L’in´egalit´e (4.20) s’´ecrit donc aussi
M
x
≥ M
log
.
4.19 Techniques de comparaison et majoration 105
Exercices
4.1. Th´eor`eme de Krasovskii,
D´emontrer les th´eor`emes 4.26 et 4.27
4.2. Grue `a portique 2D
1
On consid`ere une grue planaire `a portique. Le chariot comporte une poulie
guidant le cˆ able principal qui relie le moteur de treuillage (moteur principal
fix´e sur la structure fixe) `a la charge. Le chariot sup´erieur peut ´egalement se
d´eplacer sous l’action d’un autre cˆ able reliant le chariot au moteur secondaire
(ce dernier est ´egalement mont´e sur la structure fixe). La charge peut ainsi
se d´eplacer dans le plan. La longueur du cˆ able de treuillage est R et celui du
cˆ able secondaire L.
(i) Dessiner le syst`eme. Consid´erer tous les param`etres comme des valeurs
normalis´ees `a un.
(ii) Etablir le mod`ele dynamique en se fondant sur l’hypoth`ese que les
cˆ ables sont infiniment rigides et qu’ils peuvent transmettre `a la fois les forces
n´egatives et positives (en r´ealit´e un cˆ able ne peut que transmettre la force
dans un seul sens, l’autre conduirait le cˆ able `a ˆetre d´etendu). Les deux moteurs
sont suppos´es id´eaux et transmettent chacun un couple pur instantan´ement.
L’entr´ee du premier moteur est le couple τ
1
et celle du moteur secondaire τ
2
.
(iii) Poser comme loi de commande
τ
1
= 1 −2
˙
R + (
¯
R −R)
τ
2
= 1 −2
˙
L + (
¯
L −L)
o` u
¯
R,
¯
L ∈ R sont des nombre r´eels fixes. Le terme 1 est n´ecessaire pour
compenser la force due `a la gravit´e (toutes les constantes sont normalis´ee en
particulier g = 1 et m = 1, ainsi que les rayons des poulies).
(iv) Trouver le point d’´equilibre naturel. En existe-t-il d’autres ?
(v) D´emontrer en lin´earisant par la m´ethode du d´eveloppement de Taylor
(cf. chapitre sur la lin´earisation si n´ecessaire) que le syst`eme est localement
exponentiellement stable.
(vi) Pour augementer le domaine de stabilit´e, consid´erer la fonction
V = E
c
+E
p
+ (R −
¯
R)
2
+ (L −
¯
L)
2
+R +L,
o` u E
c
est l’´energie cin´etique du syst`eme et E
p
est l’´energie potentielle. Est-ce
que cette fonction est positive `a l’ext´erieur du point d’´equilibre ?
(vii) Montrer que
˙
V ≤ 0.
1
Ce probl`eme est une adaptation de l’article de B. Kiss, J. L´evine, 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.
106 4 Stabilit´e au sens de Lyapunov
(viii) D´eterminer l’ensemble
˙
V = 0.
(ix) D´eterminer le plus grand ensemble invariant compris dans cet en-
semble.
(x) En d´eduire les propri´et´es de stabilit´e globale, en particulier est-ce que
la fonction V est radialement non born´ee ? Envisager divers compacts inva-
riants Ω et v´erifier que V est bien born´e inf´erieurement sur ces compacts. En
particulier est-ce que V (x) ≤ l est-il un ensemble compact ?
(xi) Illustrer l’ensemble des r´esultats obtenus `a l’aide de simulations.
5
Passivit´e
Le chapitre pr´ec´edent a d´efini la stabilit´e de mani`ere formelle. Pourtant,
l’application directe de la d´efinition pr´esentait des difficult´es. La nature mˆeme
de celle-ci rendait son traitement difficile ; mais surtout le besoin de connaˆıtre
de mani`ere explicite la solution des ´equations diff´erentielles repr´esentant le
syst`eme, a contraint de proc´eder par l’entremise d’une fonction suppl´ementaire
(seconde m´ethode de Lyapunov). L’orgine de la r´eflexion ´etait li´ee `a la fonction
d’´energie. Un syst`eme ´etait stable lorsque, d’une part, la fonction d’´energie
repr´esente un minimum `a l’´equilibre et, d’autre part que cette fonction soit,
soit conserv´ee ou d´ecroissante dans le temps. La stabilit´e asymptotique ne
pouvant pas d´ecouler lorsque la fonction est conserv´ee uniquement.
Le pr´esent chapitre consiste, en quelque sorte, `a ´etendre le concept
d’´energie `a une plus large classe de syst`eme. Au chapitre pr´ec´edent, seules
les dynamiques d´epourvues d’entr´ee ont fait l’objet d’une ´etude d´etaill´ee. Il
s’agit ici d’envisager la pr´esence d’une entr´ee u suppl´ementaire, ˙ x = f(x, u).
La pr´esence, `a la fois d’une entr´ee et d’une sortie de dimension compa-
tible, complique cependant les interpr´etations. En effet, bien que l’´energie
puisse avoir une tendance `a d´ecroˆıtre au cours du temps, il serait tout `a
fait possible, en utilisant la nouvelle entr´ee `a disposition, de l’augmenter de
mani`ere arbitraire. Par exemple, lors d’une connexion entre syst`emes, l’´energie
peu passer d’un syst`eme `a un autre suivant une sorte de r´esonance, bien que
chaque syst`eme pris isol´ement fasse d´ecroitre son ´energie propre lorsque la
connexion est rompue.
Toutefois, il existe une classe de syst`eme 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 particularit´e est re-
marquable, mais impose des restrictions importantes. Ce sont d’une part, la
d´efinition de cette classe de syst`emes, ainsi que leurs propri´et´es et restrictions,
qui seront maintenant ´etudi´ees.
108 5 Passivit´e
Lyapunov
Syst`eme sans entr´ee : ˙ x = f(x)
d
dt
V ≤ 0
Passivit´e
Syst`eme entr´ee-sortie : ˙ x = f(x, u)
y = h(x)
d
dt
V ≤ Puissance Fournie
Tableau 5.1. Tableau distinctif pour la stabilit´e et la passivit´e.
5.1 Notion intuitive
Le syst`eme
˙ x = f(x, u)
y = h(x, u)
poss`ede `a la fois une entr´ee u et une sortie y = h(x, u). L’entr´ee est utilis´ee
pour injecter ou soutirer de la puissance. Un syst`eme est passif si lorsque de
la puissance est soutir´ee, le soutirage se fait au d´etriment du stock interne
d’´energie. Ainsi il ne peut pas y avoir de g´en´eration interne de puissance.
Ce stock est en quel que sorte l’analogue de la fonction de Lyapunov du
chapitre pr´ec´edent. On le notera ´egalement V .
5.2 Exemple de syst`eme statique passif
Les syst`emes passifs les plus simples sont ceux qui ne comportent pas
de dynamique. La sortie est directement fonction de la valeur de la grandeur
d’entr´ee. Pour simplifier encore d’avantage la pr´esentation, l’exemple consid´er´e
comporte une entr´ee d’une seule dimension et une sortie d’une seule dimension.
Ainsi, pour que la puissance soit dissip´ee, il faut que le produit entr´ee
sortie, c’est-`a-dire
ui
soit positif, afin que la puissance soit consomm´ee et dissip´ee `a chaque instant
dans le syst`eme statique. L’exemple simple de la r´esistance ´electrique
u = Ri
5.4 Exemple de syst`eme dynamique passif 109
est donn´e `a la figure 5.1 et illustre parfaitement ce cas de syst`eme.
Etant donn´e que le syst`eme est statique, la puissance est dissip´ee instan-
tan´ement. Il n’y 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 r´esistance ´electrique est un syst`eme statique passif
Un simple calcul donne ais´ement
ui = Ri
2
et confirme que la puissance instantan´ee est effectivement instantan´ement
dissip´ee dans la r´esistance ´electrique.
5.3 Syst`eme statique passif
L’exemple de la simple r´esistance ´electrique peut s’´etendre par analogie
`a une plus large classe de syst`emes. L’extension doit cependant prendre en
compte la n´ecessit´e de dissiper instantan´ement la puissance que donne le
couple entr´ee-sortie. En cons´equence, il est imp´eratif que
uy = g, g > 0
lors de la pr´esence d’un syst`eme statique passif.
Ceci signifie que la caract´eristique statique doit n´ecessairement se trouver
dans le premier et le troisi`eme quadrant, conform´ement `a ce qui est repr´esent´e
`a la figure 5.2.
5.4 Exemple de syst`eme dynamique passif
Lorsque le syst`eme comporte une partie dynamique, certaines variables
d’´etat sont associ´ees au syst`eme. Le produit de l’entr´ee par la sortie u
T
y, ne
suffit plus pour caract´eriser la passivit´e.
110 5 Passivit´e
y
u
Fig. 5.2. Repr´esentation graphique d’un syst`eme passif statique : La caract´eristique
doit appartenir au secteur rerp´esent´e en vert solide.
En effet, la puissance peut ˆetre emaganis´ee dans les ´el´ements dynamiques.
Elle peut ´egalement ˆetre restitu´ee `a l’entr´ee du syst`eme.
Pour mieux comprendre le ph´enom`ene, ´etudions un circuit ´electrique com-
portant que des r´esistances, inductances et capacit´es. Le circuit est repr´esent´e
`a la figure 5.3.
u
i
l
C
L
uc
R1
R2
Fig. 5.3. Un circuit ´electrique RLC est un syst`eme dynamique passif.
Ce circuit peut recevoir de la puissance par l’entremise du couple entr´ee-
sortie u et i. Cette puissance est alors dissip´ee partiellement dans les r´esistances
et stock´ee dans les deux ´el´ements C (capacit´e) et L (inductance). Le circuit
peut ´egalement fournir de la puissance en entr´ee en diminuant sont stock in-
terne d’´energie, en diminuant soit la charge dans la capacit´e soit le champ
magn´etique dans la bobine. Soit donc la fonction de stockage
V =
1
2
Cu
2
c
+
1
2
Li
2
l
La dynamique du syst`eme est :
u = R
1
i
l
+L
di
l
dt
+u
c
i = C
du
c
dt
+u
c
1
R
2
5.6 Propri´et´es 111
En posant x
1
= i
l
et x
2
= u
c
on arrive `a la repr´esentation d’´etat
˙ 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 l’´evolution 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 consid´erant 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 entr´ee est
– soit stock´ee
– soit dissip´ee
5.5 D´efinition diff´erentielle de la passivit´e
L’exemple pr´ec´edent rend possible une extension math´ematique de la no-
tion de passivit´e, tout comme cela a ´et´e le cas lors de la g´en´eralisation de la
r´esistance ´electrique `a une plus large classe de syst`emes.
D´efinition 5.1. Soit le syst`eme,
˙ x = f(x, u)
y = h(x)
S’il existe γ > −∞, V > γ, et,
˙
V = u
T
y −g
avec g ≥ 0, alors le syst`eme est passif.
5.6 Propri´et´es
L’immense avantage des syst`emes passifs est leur plasticit´e lors de connexion
en tout genre. En effet, ces syst`emes se comportent tr`es bien lors de connexion
112 5 Passivit´e
en s´erie, car les syst`emes agissent en quelque sorte ind´ependammant de leur
connexion. Mais ils se comportent ´egalement tr`es bien lors de connexion `a la
fois en parall`ele et en r´etroaction. Ce dernier cas est important lors d’associa-
tion de sous-syst`emes passif en retour de sortie.
5.6.1 Connexion parall`ele
Lors d’une connexion parall`ele,
+
+
V
1
, g
1
V
2
, g
2
u
1
u
2
y
1
y
2
u y
chacun des deux syst`emes comporte une fonction de stockage interne V
1
et V
2
respectivement et ob´eit `a la d´efinition 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 l’on a fait l’usage de la particularit´e de la connexion parall`ele. Le calcul
montre donc que, si l’on consid`ere V = V
1
+V
2
comme fonction de stockage as-
soci´e `a l’assemblage constitu´e par la connexion en parall`ele des deux syst`emes
individuels, alors cet assemblage r´epond encore `a la mˆeme d´efinition 5.1, en
utilisant cette fois-ci V = V
1
+ V
2
et g = g
1
+ g
2
. La passivit´e est donc
maintenue !
5.6 Propri´et´es 113
5.6.2 Connexion par r´etroaction
La connexion par r´etroaction est plus pernicieuse ´etant donn´e que les deux
syst`emes interagissent d’amont en aval et ceci `a l’infini. Soit donc la connexion
par r´etroaction n´egative,
-
V
1
, g
1
V
2
, g
2
u
1
y
2
y
1
u
2
u y
pour laquelle chacun des sous-syst`emes constitutifs ob´eit `a la d´efinition
5.1. En tenant compte de la particularit´e 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 mˆeme constatation que dans le cas de la connexion parall`ele est
d´eduite : Le syst`eme 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 propri´et´e de maintenir la passivit´e apr`es connexion par
r´etro-action negative de deux syst`eme passifs est extrˆemement utile pour
synth´etiser des lois de commande. En effet, il est possible d’identifier des
sous-syst`emes passifs dans un syst`eme `a commander. Lorsque ceci n’est pas
directement le cas, un bouclage partiel peut transformer une sous-partie en
une sous-partie passive. Lorsque le syst`eme complet admet (apr`es bouclage)
une d´ecomposition en syst`emes passifs (chaque sous-syst`eme est connect´e aux
autres par connexion parall`ele, s´erie ou par r´etroaction n´egative) la stabilit´e
sera garantie par les propri´et´es de connexion ´elabor´ees ci-dessus. Ceci per-
met de constituer une fonction de Lyapunov compliqu´ee `a partir de fonctions
plus simples associ´ees aux sous-parties passives. Nous examinerons de telles
techniques dans la section consacr´ee `a la synth`ese.
114 5 Passivit´e
5.6.3 D´efinition int´egrale de la passivit´e
Il est ´egalement possible de donner une d´efinition ´equivalente de la passi-
vit´e sous forme int´egrale ne faisant pas intervenir de notion diff´erentielle.
D´efinition 5.3. S’il existe γ ∈ R, γ > −∞, V > γ et g ≥ 0 tel que si
˙
V = u
T
y −g
ceci implique ∃α ∈ R, α > −∞


0
u(τ)
T
y(τ)dτ > α
alors le syst`eme est passif.
Remarque 5.4. Pour voir la correspondance entre les deux d´efinitions, (il suffit
de prendre g ≡ 0).
En fait, la d´efinition int´egrale signifie qu’il est impossible en jouant sur
l’entr´ee de rendre arbitrairement petit le stock interne d’´energie. Ce stock est
born´e inf´erieurement.
Cette d´efinition sera utilis´ee pour d´emontrer un lien important entre la
propri´et´e de passivit´e et la caract´eristique fr´equentielle associ´ee aux syst`emes
lin´eaires par l’entremise de l’identit´e de Perseval.
5.7 Passivit´e des syst`emes lin´eaires SISO
Les deux d´efinitions de la passivit´e (d´efinition 5.1 et 5.3), s’appliquent aussi
bien aux syst`emes lin´eaires que non-lin´eaires. Pour les syst`emes lin´eaires, cette
propri´et´e peut se caract´eriser en fonction de la caract´eristique fr´equentielle.
Soit une fonction de transfert donn´ee comme une fraction rationnelle en va-
riable de Laplace s.
G(s) =
b
m
s
m
+b
m−1
s
m−1
+. . . +b
1
s +b
0
s
n
+a
n−1
s
n−1
+. . . +a
1
s +a
0
Il est possible de caract´eriser la propri´et´e de passivit´e en fonction de la
r´eponse harmonique du syst`eme.
Th´eor`eme 5.5. Le syst`eme G(s) =
Y (s)
U(s)
est passif

ℜe[G(jω)] ≥ 0
5.7 Passivit´e des syst`emes lin´eaires SISO 115
Remarque 5.6. Le r´esultat du th´eor`eme pr´ec´edent n’a rien de surprenant si l’on
consid`ere un circuit ´electrique RLC, car le d´ephasage induit par un quelconque
assemblage de tels ´el´ements ne pourra jamais sortir de l’interval [−
π
2
;
π
2
]. Le
plus ´etonant est que ceci soit le cas, quel que soit le syst`eme passif.
Mentionnons, par ailleurs, que le probl`eme inverse est encore plus int´eressant :
Remarque 5.7. La synth`ese d’un syst`eme passif lin´eaire quelconque `a l’aide
d’un r´eseau ´electrique comportant uniquement des ´el´ements R, L ou C est
d’une complexit´e consid´erable. Ce probl`eme a occup´e le centre de la sc`ene de
la recherche dans le domaine au cours des trois premiers quarts de si`ecles du
si`ecle dernier.


G(jω)
Fig. 5.4. Diagramme de Nyquist d’un syst`eme lin´eaire SISO passif.
Exemple 5.8. Afin de confirmer la pr´ec´edente remarque, le circuit ´el´ectrique
RLC est reconsid´er´e. 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 num´eriques suivantes sont choisies : R
1
= 1, R
2
= 10, C = 2.4,
L = 1.2.
Il est alors ais´e de constater que la partie r´eelle de la r´eponse harmonique
est `a partie r´eelle positive, exhibant ainsi rien d’autre que la propri´et´e des
signaux p´eriodiques de nature sinuso¨ıdale d’ˆetre d´ephas´e d’un angle de valeur
absolue toujours inf´erieure ou ´egale `a
π
2
.
116 5 Passivit´e
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(jω)
Fig. 5.5. Diagramme de Nyquist pour un exemple particulier de circuit ´electrique
passif.
5.7.1 Preuve du lien entre passivit´e et r´eponse harmonique
positive r´eelle
Pour d´emontrer le lien, consid´erons les signaux repr´esent´es `a la figure 5.6.
Preuve.
τ t τ
u y
G(s)
Fig. 5.6. Illustration pour la d´emonstration de la passivit´e
Le syst`eme est soumis `a un signal d’entr´ee non nul sur un horizon temporel
de o `a τ. L’entr´ee est nulle avant le temps initial t = 0 et ensuite abruptement
arrˆet´e pour tout instant t sup´erieur `a τ. La sortie par contre n’a aucune raison
de revenir `a zero pour tout instant sup´erieur `a τ.
La cl´e de la d´emonstration r´eside dans le fait que le bilan de puissance
sur tout l’horizon temporel est ´egal au bilan sur tout le spectre. Le c´el`ebre
th´eor`eme de Perseval est donc utilis´e.
5.7 Passivit´e des syst`emes lin´eaires SISO 117


0
u(τ)y(τ)dτ =


−∞
y(τ)u(τ)dτ
=
1


−∞
Y (jω)U

(jω)dω (Perseval)
=
1


−∞
G(jω) | U(jω) |
2

=
1

0
−∞
G(jω) | U(jω) |
2
dω +
1


0
G(jω) | U(jω) |
2

=−
1

0

G(−j ¯ ω)| U(−j ¯ ω)|
2
d¯ ω+
1


0
G(jω)| U(jω)|
2

u(t) r´eel →U(jω) = U

(−jω)
| U(−jω) |
2
= U(−jω)U

(−jω) = U

(jω)U(jω) =| U(jω) |
2
donc


0
u(τ)y(τ)dτ =
1


0
G(−jω) | U(jω) |
2
dω +
1


0
G(jω) | U(jω) |
2

=
1
π


0
G(−jω) +G(jω)
2
| U(jω) |
2

=
1
π


0
ℜe[G(jω)] | U(jω)|
2

ℜe[G(jω)] ≥ 0, ∀ω > 0 ⇒


0
u(τ)
T
y(τ)dτ > α, α > −∞
La d´emonstration proc`ede maintenant par l’absurde, c’est-`a-dire que l’on
suppose que dans le syst`eme viole le principe que la partie r´eelle de la r´eponse
harmonique puisse avoir une partie r´eelle n´egative. Ainsi supposons que dans
la plage de fr´equence ∃ω
1
, ∃ω
2
→ ℜe[G(jω)] < 0} ∀ω ∈ (ω
1
; ω
2
). Ce cas de
figure est repr´esent´e `a la figure 5.7.
ω
ℜe[G(jω)]
ω1 ω2
Fig. 5.7. La partie r´eelle est n´egative pour dans la plage fr´equentielle ]ω1; ω2[.
Il se pourrait, d`es lors, que de l’´energie soit inject´ee dans cette bande
de fr´equence. Pire encore, nous pourrions arbitrairement augmenter cette
´energie en jouant explicitement sur la fr´equence du signal d’excitation. Ceci
est repr´esent´e `a la figure 5.8.
118 5 Passivit´e
ω
| U(jω) |
2
ω1 ω2
Fig. 5.8. L’´energie dans la plage de fr´equence ]ω1; ω2[ est augment´ee de mani`ere
arbitraire
En ´ecrivant ceci de mani`ere calculatoire,


0
u(τ)y(τ)dτ =
1
π

ω1
0
ℜe[G(jω)] | U(jω) |
2
dω (≥ 0)
+
1
π

ω2
ω1
ℜe[G(jω)] | U(jω)|
2
dω (< 0) ⇓
+
1
π


ω2
ℜe[G(jω)] | U(jω)|
2
dω (≥ 0).
De part le fait que la partie r´eelle est n´egative seulement dans la plage

1
; ω
2
[, seul le terme du centre peut ˆetre rendu n´egatif. Toutefois, ce terme
peut ˆetre rendu arbitrairement n´egatif et donc l’int´egrale peut ˆetre rendue
aussi n´egative que d´esir´ee.
En cons´equence, si ∃ω
1
, ∃ω
2
→ ℜe{G(jω) < 0} ∀ω ∈ (ω
1
; ω
2
) on a, ∀α >
−∞, ∃u(t) tel que,


0
u(τ)y(τ)dτ < α.
En utilisant la contrapos´ee, (A ⇒ B ≡ A ⇐ B), ℜe{G(jω)} ≥ 0, ∀ω > 0
⇐∃α > −∞,


0
u(τ)
T
y(τ)dτ > α, (∀u(t)), et nous arrivons `a la conclusion
de la proposition, en utilisant la d´efinition int´egrale de la passivit´e ??
5.8 Syst`eme r´eel positif
Le th´eor`eme pr´ec´edent conduit naturellement `a d´efinir une classe de
syst`emes lin´eaires en fonction de la partie r´elle de leur r´eponse harmonique.
5.8 Syst`eme r´eel positif 119
D´efinition 5.9. G(s) est r´eelle positive (RP) si,
ℜe [G(s)] ≥ 0, ∀ℜe[s] ≥ 0;
et strictement r´eelle positive (SRP) si, ∃ǫ > 0 tel que G(s −ǫ) est (RP).
Th´eor`eme 5.10. Une fonction de transfert G(s) est (SRP)

1. G(s) est strictement stable (sans pˆ ole sur l’axe imaginaire)
2. ∀ω ≥ 0 ⇒ ℜe [G(jω)] > 0
Une d´emonstration de ce th´eor`eme peut ˆetre trouv´ee dans [Kha02].
5.8.1 Degr´e relatif et minimum de phase
Quelques crit`eres simples sont `a disposition pour d´etecter les syst`emes
positifs r´eels, ou plus exactement pour rejeter ceux qui ne le sont pas. La
fonction de transfert peut ˆetre mise sous forme de fraction rationnelle de
polynˆomes factoris´es de telle sorte que les z´eros et les pˆ oles apparaissent de
mani`ere explicite.
G(s) =
¸
m
i=0
(s −z
i
)
¸
n
i=0
(s −p
i
)
C’est en fonction de la caract´eristique de ces pˆ oles et z´eros qu’il est pos-
sible d’´etablir des crit`eres de n´ecessit´e pour que la r´eponse harmonique ait la
propri´et´e de la d´efinition 5.9. Deux notions jouent un rˆole fondamental dans
cette analyse. Il s’agit du concept de degr´e relatif et de minimum de phase. Le
premier est d´efini comme la diff´erence entre le nombre de pˆ oles et le nombre
de z´eros.
D´efinition 5.11. (degr´e relatif ) Le degr´e relatif not´e d
o
r est d´efini comme la
diff´erence
d
o
r = n −m
o` u n est le nombre de pˆ oles de la fonction de transfert et m, le nombre de
z´eros.
Etant donn´e qu’un syst`eme physique est causal, cette diff´erence sera tou-
jours consid´er´ee positive ou nulle.
Caract´eristique 5.12. Pour un syst`eme physique, le degr´e relatif est toujours
positif ou nul, i.e. d
o
r. ≥ 0.
120 5 Passivit´e
La deuxi`eme notion est celle de minimum de phase. Elle joue ´egalement
un rˆole majeur lors de la commande de syst`eme par lin´earisation entr´ee-sortie
et sera abord´ee au chapitre 7. Cette propri´et´e est li´ee `a la position des z´eros
dans le plan complexe.
D´efinition 5.13. (minimum de phase) Un syst`eme lin´eaire est dit ` a mini-
mum de phase si tous ces z´eros ont une partie r´eelle strictement n´egative. i.e.
Re(z
i
) < 0, i = 1, . . . , m.
Remarque 5.14. La d´efinition pr´ec´edente de la notion de syst`eme `a minimum
de phase est valable pour les syst`emes lin´eaires uniquement. Une d´efinition
plus g´en´erale, ne faisant pas appel `a la notion de fonction de transfert, existe
et elle sera donn´ee au chapitre 7.
Les quatre exemples qui suivent permettent, d’une part de se familiariser
avec ces notions et, d’autre part, d’illustrer les conditions n´ecessaires pour la
pr´esence d’un syst`eme r´eel positif. Ces quatres exemples pr´esentent chacun
une fonction de transfert type. Les r´eponses harmoniques sont repr´esent´ees
`a la fois dans le diagramme de Nyquist et dans le diagramme de Bode. Le
diagramme de Bode comporte un graphique pour l’amplitude et un pour la
phase.
Exemple 5.15. Le premier exemple correspond `a la fonction de transfert,
G(s) =
1
(s + 1)(s + 1)
,
dont la r´eponse harmonique est repr´esent´ee `a la figure 5.9.
En examinant les notions introduites `a la section pr´ec´edente, on constate
que le degr´e relatif vaut deux et ne comporte pas de z´ero. Il est donc `a phase
minimale. Le syst`eme est ´egalement stable. Cependant la partie r´eelle de la
r´eponse harmonique comporte toujours une partie r´elle n´egative, comme le
montre le diagramme de Nyquist et la phase du diagramme de Bode.
Exemple 5.16. Le deuxi`eme exemple,
G(s) =
s + 2
(s + 1)(s −1)
,
est de degr´e relatif 1, mais il comporte cette fois un z´ero dont la partie r´eelle
est n´egative. Un coup d’oeil sur les pˆ oles montre que le syst`eme est cependant
instable, puisqu’un de ceux-ci se trouve en +1.
La partie r´eelle de la r´eponse harmonique devient n´egative `a partir d’une
certaine pulsation comme l’illustre la figure 5.10. Ceci est logique ´etant donn´e
que l’instabilit´e n´ecessite d’encercler le point −1. La r´eponse harmonique doit
donc n´ecessairement entrer dans le deuxi`eme ou troisi`eme quadrant.
5.8 Syst`eme r´eel positif 121
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 r´eponse harmonique poss`ede une partie r´eelle n´egative. Le degr´e
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 r´eponse harmonique poss`ede une partie r´eelle n´egative.
Le degr´e relatif est d
o
r = 1, mais le syst`eme est instable.
Exemple 5.17. Le troisi`eme exemple,
G(s) =
s −2
(s + 1)(s + 1)
,
est stable et de degr´e relatif 1. Mais il comporte un z´ero situ´e `a 2, c’est-`a-dire
dans le demi plan complexe correspondant `a une partie r´eelle positive. Le
syst`eme n’est donc pas `a phase minimale.
122 5 Passivit´e
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 r´eponse harmonique poss`ede une partie r´eelle n´egative.
Le degr´e relatif est d
o
r = 1. Le syst`eme est stable, mais il n’est pas `a phase minimale.
La r´eponse harmonique est repr´esent´ee `a la figure 5.11 et d´emontre, comme
dans le cas de l’exemple pr´ec´edent, que le syst`eme n’est pas r´eel positif.
Exemple 5.18. Le dernier exemple
G(s) =
s + 2
(s + 1)(s + 1)
,
est stable, de degr´e relatif 1. La fonction de transfert comporte un z´ero dans le
demi plan complexe gauche et donc repr´esente un syst`eme `a phase minimale.
De plus, les deux pˆ oles ont une partie r´eelle strictement n´egative correspon-
dant `a syst`eme est stable.
La r´eponse harmonique est repr´esent´ee `a la figure 5.12 et est `a partie r´eelle
positive sur tout l’ensemble des fr´equence. Le syst`eme est donc positif r´eel.
5.8.2 Lien entre Lyapunov et syst`eme RP
Les quatre exemples pr´ec´edents sugg`ere que les crit`eres suivants sont
n´ecessaires pour que le syst`eme soit r´eel positif.
Caract´eristique 5.19. Si la fonction de transfert est positive r´eelle, c.-`a-d.
ℜe [G(jω)] ≥ 0, ∀ω,
alors
1. le degr´es relatif est nulle ou ´egal `a 1 ;
5.8 Syst`eme r´eel positif 123
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 r´eponse harmonique est `a partie r´eelle positive. Le degr´e relatif est
d
o
r = 1. Le syst`eme est stable. Il est ´egalement `a phase minimale.
2. il n’y a pas de z´ero `a partie r´eelle positive (G(s) est `a phase minimale) ;
3. le syst`eme est stable ;
Il est alors int´eressant de s’interroger sur la structure de la repr´esentation
d’´etat d’un syst`eme lin´eaire passif. Comme le syst`eme est n´ecessairement
stable, l’´equation de Lyapunov pour le syst`eme lin´eaire A
T
P + PA = −Q
admet toujours une solution P > 0 pour tout choix de matrice Q > 0. La pas-
sivit´e est alors impos´ee par la relation entre l’entr´ee u et la sortie y en relation
avec la solution P obtenue lors de la r´esolution de l’´equation de Lyapunov.
Une diff´erence essentielle r´eside dans le fait quee choix de Q ne peut plus se
faire compl`etement arbitrairement.
Remarque 5.20. Le th´eor`eme et la preuve qui vont ˆetre pr´esent´es ci-apr`es vont
ˆetre simplifi´e quelque peu pour ne consid´erer que les syst`emes lin´eaires qui,
dans la repr´esentation d’´etat, ne contiennent pas d’influence instantan´ee de
l’entr´ee sur la sortie (c.-`a-d. D = 0 pour l’´equation de sortie y = Cx +Du).
Lemme 5.21. (Kalman-Yakubovich-Popov) Soit G(s) = C(sI − A)
−1
B une
matrice de transfert m×m avec m ∈ R correspondant ` a un syst`eme qui est ` a
la fois commandable,
rang

B AB . . . A
n−1
B

= n.
et observable,
rang

C
T
A
T
C
T
. . . (A
T
)
n−1
C
T

= n.
124 5 Passivit´e
Sous ces hypoth`eses, la fonction de transfert G(s) est strictement r´eelle posi-
tive si, et seulement si, il existe deux matrices sym´etriques d´efinies positives
P et Q telles que
A
T
P +PA = −Q
et
PB = C
T
.
La d´emonstration de ce lemme est assez compliqu´ee (cf. par exemple
[Kha02] et [Vid93] ainsi que les r´ef´erences ci trouvant). Toutefois, nous don-
nons quelques indications sur la d´emonstration.
Preuve. (suffisance : ⇐) Par hypoth`ese il existe une matrice P sym´etrique
d´efinie positive (P = P
T
> 0) satisfaisant A
T
P +PA = −Q pour un certain
Q > 0 (´egalement sym´etrique).
Etant donn´e que cette ´equation de Lyapunov est respect´ee, l’origine de
˙ x = Ax est asymptotiquement stable. Par cons´equent, A n’a pas de valeur
propre `a partie r´eelle strictement positive.
Posons Φ(s) = (sI −A)
−1
de telle sorte que
G(s) +G
T
(−s) = CΦ(s)B +B
T
Φ(−s)C
T
.
En utilisant le fait que PB = C
T
(par hypoth`ese),
G(s) +G
T
(−s) = B
T
PΦ(s)B +B
T
Φ
T
(−s)PB
= B
T
Φ(−s)
T


T
(−s))
−1
P +P(Φ(s))
−1

Φ(s)B
= B
T
Φ(−s)
T

((−sI −A)
T
P +P(sI −A)

Φ(s)B
= B
T
Φ
T
(−s)

−A
T
P −PA)

Φ(s)B
= B
T
Φ
T
(−s)QΦ(s)B,
o` u pour la derni`ere ´egalit´e, la propri´et´e A
T
P + PA = −Q a ´et´e utilis´ee. On
conclut ainsi que G(s + G
T
(−s) ≥ 0 pour autant que ℜ(s) ≥ 0. Le syst`eme
est donc bien positif r´eel.
(n´ecessit´e : ⇒) 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 l’interm´ediaire du lemme suivant :
Lemme 5.22. Si une matrice V (.) est rationnelle propre de dimension m×m
de telle sorte que V (s) = V
T
(−s) et V (jω) > 0, ∀ω, alors il existe une matrice
stable rationnelle T(.) de dimension m×m telle que V (s) = T
T
(s)T(s), avec
en plus rang T(jω) = m, ∀ω.
5.8 Syst`eme r´eel positif 125
(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 donn´ee `a la remarque 5.23, apr`es la d´emonstration.)
Comme une r´ealisation de G(s) est suppos´ee, par hypoth`ese, commandable
et observable, ces deux propri´et´es sont ´egalement vraies pour T(s), de telle
sorte que la matrice T(s) admet une r´ealisation minimale ˙ x =
¯
Ax +
¯
Bu,
y =
¯
Cu avec T(s) =
¯
C(sI −
¯
A)
−1
¯
B.
Maintenant, en posant
¯
Φ(s) = (sI −
¯
A)
−1
,
T
T
(−s)T(s) = −
¯
B
T
¯
Φ
T
(−s)
¯
C
T
¯
C
¯
Φ(s)
¯
B. (5.1)
Comme la r´ealisation est observable, il existe une matrice sym´etrique d´efinie
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
¯
Φ(s) =
(sI −
¯
A)
−1
:
T
T
(−s)T(s)
= −
¯
B
T
¯
Φ
T
(−s)

(sI +
¯
A
T
)
¯
R −
¯
R(sI −
¯
A)

¯
Φ(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
¯
Φ(s)
¯
B +
¯
B
T
¯
Φ
T
(−s)
¯
R
¯
B. (5.3)
D’un autre cˆ ot´e, en consid´erant une r´ealisation de G(s) (au lieu de celle de
T(s)) donn´ee par ˙ x = Ax+Bu, y = Cx avec G(s) = C(sI −A)
−1
B, le produit
T
T
(−s)T(s) s’´ecrit ´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 r´ealisations de G(s) et T(s) ont une
partie r´eelle n´egative (les pˆ oles sont tous `a partie r´eelle strictement plus petite
que z´ero de telle sorte que les valeurs propres de A et
¯
A le sont ´egalement), il
est possible d’identifier terme `a terme les expressions (5.3) et (5.4). Le terme
de gauche correspond `a un syst`eme compl`etement stable, et celui de droite `a
un syst`eme ”sym´etrique” compl`etement instable. Les stables et les instables
doivent donc ˆetre ´egaux; on ne peut pas croiser les valeurs propres. On obtient
par cons´equent
¯
B
T
¯
R(sI −
¯
A)
−1
¯
B = C(sI −A)
−1
B. (5.5)
126 5 Passivit´e
Finalement, en se souvenant que si deux r´ealisations minimales ´equivalentes
(disons (A, B, C) et (
˜
A,
˜
B,
˜
C)) donnent la mˆeme matrice de transfert, alors il
existe une matrice de changement de coordonn´ee M telle que A = M
−1
˜
AM,
B = M
−1
˜
B et C =
˜
CM. L’expression (5.5) signifie qu’il existe une cer-
taine matrice M telle que A = M
−1
¯
AM, C =
¯
B
T
¯
RM et B = M
−1
¯
B. En
cons´equence, PB = PM
−1
¯
B = M
T
¯
R
T
¯
B de telle sorte qu’avec
P = M
T
¯
R
T
M
l’´equation
PB = C
T
est respect´ee. En ce qui concerne la derni`ere propri´et´e, `a savoir ´etablir
A
T
P + PA = −Q avec Q une matrice d´efinie positive, on consid`ere une
petite perturbation de la fonction de transfert G(s). En fait on utilise non pas
G(s) directement mais G(s − µ) avec µ variant entre 0 et un petit param`etre
δ > 0. Comme δ est choisi petit, G(s − µ) demeure strictement r´eel positif.
Ceci revient `a consid´erer
A
ǫ
= A +
ǫ
2
I
pour un petit param`etre ǫ > 0 qui continue `a satisfaire toutes les hypoth`eses.
En utilisant A
ǫ
au lieu de A dans le raisonnement ci-dessus, et en adaptant
les quantit´es M, R,
¯
A en tenant compte du changement de A vers A
ǫ
, nous
avons
A
T
ǫ
P +PA
ǫ
= A
T
ǫ
M
T
ǫ
¯
R
T
ǫ
M
ǫ
+M
T
ǫ
¯
R
T
ǫ
M
ǫ
A
ǫ
= (M
−1
ǫ
¯
A
ǫ
M
ǫ
)
T
M
T
ǫ
¯
R
T
ǫ
M
ǫ
+M
T
ǫ
¯
R
T
ǫ
M
ǫ
(M
−1
ǫ
¯
A
ǫ
M
ǫ
)
= M
T
ǫ
(
¯
A
T
ǫ
¯
R
ǫ
+
¯
R
ǫ
¯
A
ǫ
)M
ǫ
= −M
T
ǫ
¯
C
T
ǫ
¯
C
ǫ
M
ǫ
Finalement, en revenant vers A,
(A +
ǫ
2
I)
T
P +P(A+
ǫ
2
I) = −M
T
ǫ
¯
C
T
ǫ
¯
C
ǫ
M
ǫ
A
T
P +PA = −M
T
ǫ
¯
C
T
ǫ
¯
C
ǫ
M
ǫ
−ǫP = −Q,
et comme Q est visiblement d´efinie positive, le r´esultat est d´emontr´e.
Remarque 5.23. Pour illustrer la factorisation polynomiale utilis´ee dans la par-
tie de la suffisance, prenons le cas monovariable G(s) =
1
s+a
avec a > 0. La
factorisation T(s) est obtenue en consid´erant
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.
5.8 Syst`eme r´eel positif 127
Remarque 5.24. La preuve du lemme montre la n´ecessit´e de la commandabilit´e
et l’observabilit´e du syst`eme lin´eaire (A, B, C). Ces hypoth`eses sont utilis´ees
`a deux reprises. Premi`erement pour garantir l’existence des r´ealisations mi-
nimales de G(s) et T(s) permettant l’existence de la matrice de passage M,
mais ´egalement lors de l’identit´e
¯
A
T
¯
R+
¯
R
¯
A = −
¯
C
T
¯
C o` u l’observabilit´e de la
r´ealisation de T(s) est utilis´ee (d´ecoulant de celle de la r´ealisation de G(s)).
Le th´eor`eme 5.25 (pr´esent´e ci-apr`es) montre que la positivit´e r´eelle implique
la passivit´e. Dans une certaine mesure, les hypoth`eses de commandabilit´e et
d’observabilit´e sont alors clairement n´ecessaires. En effet, si ce n’´etait pas le
cas, une combinaison d’´etat non observable ne pourrait pas avoir d’impact sur
la sortie, ce qui permettrait en utilisant l’entr´ee u(t) de rendre arbitrairement
petit l’int´egrale


−∞
u
T
(τ)y(τ)dτ en injectant de l’´energie dans la direction
non observable, impliquant ainsi la non passivit´e selon la d´efinition int´egrale.
Ces ´el´ements seront abord´es dans les exercices ? ?.
Th´eor`eme 5.25. Si un syst`eme lin´eaire ˙ x = Ax + Bu, y = Cx admet deux
matrices sym´etriques d´efinies positives P et Q qui satisfont les deux ´equations
A
T
P +PA = −Q
PB = C
T
alors le syst`eme 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 mentionn´e plus haut, la matrice A est stable, et l’´equation
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 d´eriv´ee
˙
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 cons´equence, lorsque
y = b
T
Px = c
T
x,
128 5 Passivit´e
on obtient
˙
V = −
1
2
x
T
Qx +uy
= uy −g,
de telle sorte que le syst`eme respecte bien la d´efinition de passivit´e avec
V =
1
2
x
T
Px et g =
1
2
x
T
Qx.
Remarque 5.26. Plusieurs P sont n´ecessairement obtenus par r´esolution de la
fonction de Lyapunov A
T
P +PA = −Q. Seule une sera telle que Pb = c. D’un
autre cˆ ot´e, en consid´erant uniquement l’´equation Pb = c, plusieurs possibilit´es
existent, mais elles conduisent `a de mauvais choix, ´etant donn´e qu’elles ne
satisfont pas n´ecessairement A
T
P + PA = −Q. Par exemple, la sym´etrie de
P n’a aucune raison d’ˆetre satisfaite.
5.9 Stabilit´e absolue
La stabilit´e trait´ee dans cette section apparaˆıt lorsqu’un syst`eme lin´eaire
est boucl´e par une non-lin´earit´e statique. Cette classe de syst`eme a d´ej` a fait
l’objet de l’´etude par la m´ethode du premier harmonique dans le chapitre 3.
Trois diff´erences essentielles vont apparaˆıtre entre les deux traitements.
1. La non-lin´earit´e appartient `a un secteur.
2. La stabilit´e d’un point d’´equilibre sera exclusivement trait´ee.
3. Les r´esultats ne seront pas approximatifs mais exacts.
Nous commencerons pas d´efinir le type de non-lin´earit´e, puis nous donne-
rons une d´efinition de ce type de stabilit´e.
5.9.1 Non-lin´earit´e statique de secteur
D´efinition 5.27. Une non-lin´earit´e φ est une non-lin´earit´e de type secteur
[k
1
; k
2
]
∀y = 0 ⇒k
1
y ≤ φ(y) ≤ k
2
y
5.9.2 D´efinition de la stabilit´e absolue
Un syst`eme lin´eaire en repr´esentation d’´etat est boucl´e par une non-
lin´earit´e statique u = −φ(y), o` u y est la sortie du syst`eme lin´eaire et u son
entr´ee :
5.9 Stabilit´e absolue 129
y
k1y
k2y
φ(y)
Fig. 5.13. Un secteur d´elimite la r´egion dans laquelle la non-lin´earit´e statique peut
se trouver.
˙ x = Ax −bφ(y) (5.6)
y = c
T
x
La question de la stabili´e que l’on va traiter s’´enonce de la mani`ere sui-
vante.
D´efinition 5.28. Un syst`eme lin´eaire ˙ x = Ax + bu avec y = c
T
x est dit
stable de mani`ere absolue vis-` a-vis de la non-lin´earit´e φ de secteur [k
1
; k
2
],
si le syst`eme (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
φ
Fig. 5.14. Diagramme de blocs repr´esentant le syst`eme lin´eaire boucl´e par une
non-lin´earit´e statique.
130 5 Passivit´e
5.9.3 Conjecture de M. A. Aizerman
Le secteur d´efinit un lieu de points `a l’int´erieur duquel la caract´erstique
statique non lin´eaire doit se situer. Si le secteur se r´etr´ecit de telle sorte
qu’il se confonde avec une droite lorsque k
1
→ k
2
, la caract´eristique statique
devient un simple gain. Lorsque k
1
= k
2
, le secteur est suffisamment large de
telle sorte que plusieurs pentes k diff´erentes peuvent y ˆetre inclues. Ainsi, la
question est de savoir si ces divers gains, compris entre k
1
et k
2
, assurent la
stabilit´e du syst`eme en boucle ferm´ee. Etant donn´e que dans ce cas, l’ensemble
est lin´eaire, l’analyse s’en trouve alors facilit´ee. Par cons´equent, il se peut tr`es
bien que, pour tout gain fixe compris entre k
1
et k
2
, le syst`eme lin´eaire boucl´e
soit stable. Peut-on alors en d´eduire, apr`es remplacement des gains fixes par
une caract´eristique statique quelconque comprise dans ce secteur, la stabilit´e
du syst`eme boucl´e ? Force est de constater que ceci n’est pas le cas, bien que
cette conjecture soit tr`es s´eduisante.
Hypoth`ese 5.29. Si pour tout choix de gain k compris dans l’interval k ∈
[k
1
; k
2
], la matrice

A− bc
T
k

est Hurwitz, c.-`a-d. que la partie r´eelle de cha-
cune de ses valeurs propres est strictement n´egative, alors le syst`eme lin´eaire
˙ x = Ax + bu, y = c
T
x boucl´e par une non-lin´earit´e secteur u = −φ(y) avec
φ(y) appartenant au secteur [k
1
; k
2
] est stable.
Cette conjecture est fausse comme il le sera illustr´e dans les exercices.
Les restrictions sur le syst`eme lin´eaire doivent ˆetre plus s´ev`eres afin d’abou-
tir `a une conclusion satisfaisante. Ceci fait l’objet du crit`ere du cercle et du
crit`ere de Popov.
5.9.4 Crit`ere du cercle
Bien que la conjecture d’Aizerman soit fausse, elle ´evoque une certaine
v´erit´e, `a condition d’en modifier quelque peu l’´enonc´e. Il est n´ecessaire de
d´efinir un crit`ere de stabilit´e de Nyquist plus exigeant. Le crit`ere du cercle est
une approche.
L’id´ee est de repr´esenter, non plus un point unique en −1, mais un cercle
dont les param`etres sont fonctions des deux gains d´elimitant le secteur. En
fonction du signe de ces gains, la r´eponse harmonique doit laisser le cercle `a
un certain endroit par rapport `a lui.
Th´eor`eme 5.30. Un syst`eme entr´ee-sortie dont la r´eponse harmonique est
d´efinie par G(jω), boucl´e par une non-lin´earit´e statique de secteur [k
1
, k
2
],
est stable au sens absolu lorsque la r´eponse harmonique et le cercle D(k
1
, k
2
)
respectent certaines propri´et´es g´eom´etriques l’un par rapport ` a l’autre.
En d´esignant par Card[{λ|ℜe[λ] > 0}] = ρ le nombre de valeurs propres
` a partie strictement positive associ´ee ` a la fonction de transfert G(s), nous
pouvons distinguer trois cas de figure :
5.9 Stabilit´e absolue 131
1. Si 0 < k
1
< k
2
et G(jω) ne rentre pas dans le disque D(k
1
, k
2
) et G(jω)
encercle ρ fois dans le sens dans le sens trigonom´etrique positif, alors le
syst`eme est stable au sens absolu.
D(k1, k2)
G(jω)

1
k
1

1
k
2
Fig. 5.15. Crit`ere du cercle lorsque k1 > 0 et k2 > 0.
2. Si 0 = k
1
< k
2
G(s) et que tous les pˆ oles de G(s) ont une partie r´eelle
strictement n´egative et que le r´eponse harmonique G(jω) se trouve ` a droite
de la droite verticale d´efine passant par −
1
k2
alors le syst`eme est stable au
sens absolu.
G(jω)

1
k
1
Fig. 5.16. Crit`ere du cercle lorsque k1 > 0 et k2 = 0.
3. Finalement, si k
1
< 0 < k
2
et que tous les pˆ oles de G(s) sont ` a partie r´eelle
strictement n´egative et que G(jω) est enti`erement inscrit ` a l’int´erieur du
cercle D(k
1
, k
2
), alors le syst`eme est stable au sens absolu.
Pour comprendre le crit`ere du cercle, et ainsi en ´etablir sa d´emonstration, il
est important d’abord de comprendre le cas particulier du secteur φ ∈ [0, +∞].
On se situe dans le cas 2. o` u le cercle d´eg´en`ere en une droite verticale. Le
crit`ere exige simplement que G(s) soit positif r´eel. Il s’agit alors de d´emontrer
132 5 Passivit´e
G(jω)

1
k
2

1
k
1
Fig. 5.17. Crit`ere du cercle lorsque k1 < 0 et k2 > 0.
que sous ces conditions, le syst`eme est localement asymptotiquement stable
au sens de Lyapunov.
On commence par ´etablir une repr´esentation d’´etat `a partir de la fonction
de transfert
G(s) = C(sI −A)
−1
B.
Dans le cas k
1
= 0 et k
2
= +∞, le cercle d´eg´en`ere en l’axe imaginaire. Le
crit`ere du cercle exige de laisser le cercle `a gauche. Par cons´equent, ceci revient
`a admettre que G(s) est `a partie r´eelle positive. On peut donc appliquer le
th´eor`eme de Kalman-Yakubovich-Popov garantissant l’existence d’une fonc-
tion pouvant jouer le rˆole d’une fonction de Lyapunov. Pour ˆetre plus pr´ecis,
sous la condition que la partie r´elle de la r´eponse harmonique est sup´erieure
`a z´ero, il existe une certaine matrice d´efinie positive P satisfaisant simul-
tan´ement
A
T
P +PA = −Q
PB = C
T
.
Il est important de noter que le choix de cette matrice est li´ee aux propri´et´es
entr´ee-sortie donn´e par les matrices B et C.
Pour aboutir `a la stabilit´e dans le sch´ema boucl´e ci-dessus, on consid`ere
la relation u = −φ(u) et la fonction de Lyapunov associ´ee `a P, c.-`a-d.
V =
1
2
x
T
Px,
dont la d´eriv´ee temporelle
5.9 Stabilit´e absolue 133
-
G(s)
u y = c
T
x
φ ∈ [0; +∞]
Fig. 5.18. Diagramme de blocs de la cascade entre un syst`eme lin´eaire et une
non-lin´earit´e 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
φ(u)
montre que sous la condition φ ∈ [0; +∞] (de telle sorte que y
T
φ(y) ≥ 0) la
d´eriv´ee de la fontion de Lyapunov est strictement plus petite que z´ero
˙
V < 0 x = 0.
En cons´equence, le th´eor`eme de Lyapunov assure la stabilit´e en boucle ferm´ee
quel que soit la non-lin´earit´e statique compris dans le secteur d´elimit´e par
k
1
= 0 et k
2
= ∞.
Pour traiter le cas g´en´eral, il suffit de construire des bouclages artificiels
autour du sch´ema, afin de transformer la non-lin´earit´e secteur [k
1
; k
2
] en une
non-lin´earit´e secteur [0; +∞].
Commen¸ cons par modifier la non-lin´earit´e φ de secteur [k
1
, k
2
] en une
nouvelle non-lin´earit´e de secteur [0; k
2
−k
1
]. Il suffit d’additionner en parall`ele
`a φ un gain n´egatif de −k
1
, c.-`a-d. φ(u) −k
1
u. Maintenant, l’inverse de la non-
lin´earit´e ainsi obtenue conduit `a une nouvelle, mais de secteur [
1
k2−k1
; +∞].
Finalement, le redressement est op´er´e par addition en parall`ele du gain −
1
k2−k1
conduisant `a une non-lin´earit´e de secteur [0; +∞].
Les ´etapes pr´ec´edentes sont r´esum´ee en un calcul, o` u l’on note [φ] pour
l’op´erateur entr´ee-sortie associ´e `a la fonction φ(.) :
1
[φ] −k
1

1
k
2
−k
1
134 5 Passivit´e
En inversant cette expression, on obtient toujours une non-lin´earit´e secteur
[0; +∞],
1
1
[φ]−k1

1
k2−k1
=
[φ] −k
1
1 −
1
k2−k1
([φ] −k
1
)
,
mais qui se met sous la forme d’un bouclage repr´esent´e `a la figure 5.19
+
+ +
-
φ
1
k
2
−k
1
k1
Fig. 5.19. Bouclages permettant de modifier une non-lin´earit´e de secteur [k1; k2]
en une non-lin´earit´e de secteur [0; +∞].
En renversant le sens des bouclages et en les appliquants `a la fonction de
transfert G(s), tous les bouclages introduits se compensent parfaitement. En
fin de compte, nous n’avons rien modifi´e (figure 5.20).
Remarque 5.31. La cl´e consiste `a introduire des bouclages sur la non-lin´earit´e
φ et des bouclages sur la partie lin´eaire G(s) dans le sens oppos´e, de telle sorte
que la relation u = −y annule l’effet des bouclages. (Dans le bouclage initial,
u est l’entr´ee de la non-lin´earit´e φ et y la sortie du syst`eme lin´eaire G(s).) Les
bouclages ne sont donc qu’artificiels et ne modifient en rien le comportement
global du sch´ema initial. Toutefois, en red´efinissant les ´el´ements φ et G(s)
autour des bouclages nouvellement constitu´es, de nouveaux ´el´ements
¯
φ et
¯
G(s) font leur apparition. Ceci transforme G(s) en une nouvelle fonction de
transfert
¯
G(s), entraˆınant de la sorte une nouvelle condition sur G(s).
Ainsi, en examinant la figure 5.20 et en isolant la non-lin´earit´e transform´ee
par les bouclages, conform´ement `a la figure 5.19, un nouveau syst`eme lin´eaire
¯
G(s) est identifi´e
¯
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)
D´emontrons le premier cas du crit`ere du cercle o` u k
1
> 0 et k
2
> 0.
Comme, d’une part, k
2
> k
1
(propri´et´e de la d´efinition du secteur), le second
5.9 Stabilit´e absolue 135
+ +
+ + +
-
- -
φ 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
sch´ema ci-dessus `a ˆetre identique au bouclage de G(s) par la non-lin´earit´e φ.
facteur du dernier membre de (5.7) est toujours positif, et, d’autre part,
¯
G(s)
doit ˆetre strictement positif r´eel, nous aboutissons `a la condition
Re
¸
1
k2
+G(jω)
1
k1
+G(jω)
¸
> 0 ∀ω ∈ R. (5.8)
5.9.5 Crit`ere de Popov
Le crit`ere de Popov est, tout comme le crit`ere du cercle, une exploitation de
la propri´et´e de passivit´e lors de l’interconnexion d’un syst`eme lin´eaire et d’une
non-lin´earit´e de type secteur. Nous donnons le r´esultat sans d´emonstration.
L’utilisation du crit`ere revient `a tracer une droite dans un plan convenable
et de garantir que la r´eponse harmonique G(jω) demeure du bon cˆ ot´e de
la droite. Le plan consiste `a repr´esenter en abscissee la partie r´eelle de la
r´eponse harmonique Re G(jω) et l’ordonn´ee la partie imaginaire multipli´ee
par la pulsation ωIm G(jω). La droite passe par le point −
1
k
et poss`ede une
pente de
1
α
. ǫ repr´esente la marge avant de toucher la droite.
Th´eor`eme 5.32. – ∀λ ℜe[λ(A)] > 0 et (A, B) commandable
– Non-lin´earit´e φ de type secteur
– ∃α > 0 tel que
∀ω ≥ 0, ℜ[(1 +jαω)G(jω)] +
1
k
≥ ǫ
pour une certaine valeur ǫ > 0

0 est globalement asymptotiquement stable
136 5 Passivit´e
Exercices
5.1. Crit`ere du cercle. D´emontrer `a partir de la formule (5.8), le crit`ere
du cercle dans le cas 0 < k
1
< k
2
. D´eterminer une formule analogue pour les
autres cas, et montrer que ces formules admettent l’interpr´etation correspon-
dant `a l’´enonc´e du crit`ere du cercle.
5.2. N´ecessit´e de l’observabilit´e. Supposons qu’il ne soit pas possible de
discriminer la sortie nulle de l’´etat nul pour un syst`eme lin´eaire ayant une
r´eponse harmonique dans la partie droite du plan complexe. En somme, en
for¸ cant la sortie du syst`eme `a z´ero, il existe une trajectoire non nulle associ´ee
`a une combinaison des ´etats qui n’est pas identiquement nulle. Montrer que
le syst`eme n’est pas passif dans ce cas.
5.3. N´ecessit´e de la commandabilit´e. Discuter du cas o` u le syst`eme `a
commander (en repr´esentation d’´etat) n’est pas commandable mais poss`ede
une sortie pour laquelle la fonction de transfert associ´ee donne lieu `a une
r´eponse harmonique qui se situe dans le plan droit du plan complexe. Est-ce
que le syst`eme ob´eit `a la d´efinition de la passivit´e ?
5.4. Crit`ere de Popov. D´emontrer le crit`ere de Popov.
5.5. La conjecture d’Aizerman est fausse
1
. Consid´erer la fonction de
transfert
G(s) =
s(s + a)
[(s + b)
2
+ 0.9
2
][(s +b)
2
+ 1.1
2
]
boucl´ee par une contre r´eaction n´egative sur une zone morte d’´equation (u =
φ(y) avec u l’entr´ee de G et y sa sortie).
φ(y) =

y −1 y > 1
0 −1 ≤ y ≤ 1
y + 1 y < −1
(i) Obtenir une r´ealisation d’´etat de la fonction de transfert G(s), et simuler
l’ensemble en boucle ferm´ee. Les valeurs nominales des param`etres sont k =
10, a = 0, et b = 0.01.
(ii) V´erifier th´eoriquement que pour un gain constant compris entre 0 et
1 le syst`eme est stable.
(iii) Remplacer la non-lin´earit´e par un gain 0 et 1 et v´erifier par simulation
le r´esultat.
(iv) En utilisant la non-lin´earit´e en contre-r´eaction comme d´ecrit plus haut
et en faisant varier les param`etres suivant le tableau
1
Selon l’article de R. E. Fitts Two Counterexamples to Aizerman’s Conjecture,
IEEE Trans. on Automatic Control, 1966, pp. 553-556.
5.9 Stabilit´e absolue 137
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 syst`eme dynamique n’est pas stable et qu’il
y a pr´esence de cycles limites.
Partie II
Synth`ese
141
La partie pr´ec´edente a ´et´e consacr´ee `a l’analyse d’un syst`eme dynamique
non lin´eaire. L’existence d’un bouclage y ´etait admis sans savoir pr´ecis´ement
comment il est obtenu. Dans ce chapitre et les suivants, la construction de
la loi de commande sera examin´ee. L’objectif est d’am´eliorer le syst`eme `a
commander en performance (p. ex. suivi pr´ecis et rapide d’une trajectoire) ou
en robustesse (p. ex. rejet de perturbations). Pour commencer, nous disingue-
rons principalement les probl`emes de r´egulation et de poursuite. La r´egulation
consiste `a ramener le syst`eme vers un point d’´equilibre. La poursuite consiste
`a suivre une trajectoire pr´ed´efinie avec une erreure asymptotique nulle. En-
suite, l’approche de lin´earisation sera envisag´ee. Il s’agira de transformer le
syst`eme initial en un ensemble de chaˆınes d’int´egrateurs ind´ependants. Ainsi,
la solution compl`ete sera obtenue lorsque ces chaˆınes d’int´egrateurs seront
stabilis´ees.
Nous avons donc un syst`eme donn´e comme un ensemble d’´equations
diff´erentielles ordinaires du premier ordre
˙ x = f(x).
Lorsqu’on a `a disposition, dans cet ensemble d’´equations diff´erentielles
ordinaires, une variable x
l
que l’on peut instantan´ement modifier, on peut la
d´esigner comme ´etant une entr´ee u.
Bien entendu, nous devons faire attention `a ce que la modification de
cette variable puisse ˆetre physiquement r´ealis´ee dans la r´ealit´e. En effet, les
´equations diff´erentielles ne sont qu’un mod`ele, et cette modification de l’entr´ee
potentielle est sujette parfois `a des hypoth`eses suppl´ementaires qui n’ont pas
´et´e prises en comptes pour ´elaborer le mod`ele. Si tel s’av`ere ˆetre le cas, il
faut alors compl´eter les ´equations diff´erentielles par les conditions n´eglig´ees
correspondantes et consid´erer l’entr´ee comme un ´etat. (Il y aura donc des
´equations diff´erentielles suppl´ementaires.)
Une fois les entr´ees d´esigne´ees, nous pouvons ´egalement choisir des sorties
particuli`eres du syst`eme. Ce sont des fonctions de l’´etat correspondant le plus
souvent `a une grandeur particuli`ere d’int´erˆet et mesurable dans la r´ealit´e.
Mais il peut ´egalement s’agir d’une sortie ”artificielle”, au sens o` u l’objet de
la r´ealit´e ne poss`ede pas n´ecessairement les capteurs n´ecessaires pour mesurer
cette grandeur. Nous verrons qu’il est possible de constituer de telles sorties et
qu’elles sont tr`es pratiques pour ´elaborer un mouvement d’ensemble de l’´etat
par simple assignation de valeurs successives particuli`eres `a cette sortie. Bien
qu’elle puisse ne pas ˆetre mesur´ee, il est possible au moyen d’une simple com-
mande a priori d’assigner un tel historique `a cette sortie et donc `a l’ensemble
de l’´etat.
En cons´equence, une fois les grandeurs d’entr´ee et de sortie d´esign´ees, les
´equations diffl´erentielles ˙ x = f(x) s’´ecrivent avec les entr´ees 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 d’´equations diff´erentielles
ordinaires du premier ordre, non-lin´eaires 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 artificiel et ne
correspond pas n´ecessairement `a une repr´esentation d’un ph´enom`ene obser-
vable existant (contrairement au mod`ele de d´epart). Il pourra ˆetre r´ealiser dans
un calculateur, ou par des module de synth`ese analogiques ou biologiques, par
construction de m´ecanismes particulier, etc.
Afin que le controleur interagisse avec le syst`eme de d´epart, les entr´ees du
syst`eme de d´epart seront assign´ees aux sorties du controleurs et r´eciproquement :
u
1
= w
1
.
.
.
.
.
.
u
m
= w
m
v
1
= y
1
.
.
.
.
.
.
v
p
= y
p
,
ou de mani`ere plus condens´ee :
v = h(x)
u =
¯
h(z).
Nous avons comme cas particulier, i) l’assignation d’une trajectoire tempo-
relle p(t) `a l’entr´ee u (puisque pouvant instantan´ement ˆetre modifi´ee). Cette
entr´ee est alors d´efinie de mani`ere univoque `a chaque instant du temps
u = p(t).
Nous avons ´egalment le cas particulier ii) o` u le controleur est d´epourvu 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 s’agit d’une loi de commande statique en boucle
ferm´ee (ou en contre-r´eaction).
Dans le cas g´en´eral la commande sera qualifi´ee de dynamique.
Dans les deux cas, les solutions du syst`eme d’´equations diff´erentielles ordi-
naires non lin´eaires est modifi´e entre le cas o` u les entr´ees stont forc´ees `a z´ero
et le cas o` u elles suivent une de ces lois de commande.
Toute la question r´eside alors dans la mani`ere d’´elaborer cette commande
afin d’atteindre un objectif, un but d´etermin´e.
Pour l’instant, nous n’avons pas mentionn´e ce que nous entendons par
but ou objectif. Contrairement `a l’analyse, o` u le syst`eme est en quelque sorte
fig´e, la possibilit´e de d´efinir plusieurs objectifs potentiels, chacun n´ecessitant
une commande diff´erente, conduit `a l’existence d’une multitude de syst`emes.
Cette non fixit´e du syst`eme r´esultant rend la tˆ ache paradoxalement difficile
et facile `a la fois : difficile, car l’objectif est souvent tr`es contraignant `a cause
de la complexit´e du syst`eme de d´epart ; facile, car la pr´esence de plusieurs
choix de commande augmente n´ecessairement les possibilit´es de synth`ese. Il
est important de souligner que la solution en fonction de l’objectif choisit n’est
pas n´ecessairement unique.
L’objectif est li´e `a ce que d´esire l’utilisateur de la repr´esentation de la
r´ealit´e qu’il a obtenu en d´efinissant son syst`eme de d´epart.
Ceci signifie que mˆeme lorsque le probl`eme math´ematique est r´esolut, et
que la grandeur de commande est assign´ee sur le syst`eme r´eel selon la loi
obtenue, il n’est pas garantit que l’´evolution du vrai syst`eme mesur´e et observ´e
sur la r´ealit´e soit conforme avec les d´esirs du concepteur. Les raisons sont
nombreuses et sont toutes essentiellement li´ees `a la validit´e et l’applicabilit´e
des ´equations diff´erentielles utilis´ees pour repr´esenter le ph´enom`ene.
Ce que l’on peut dire n´eanmoins, c’est que la commande ´elabor´ee doit
en quelque sorte am´eliorer le comportement du syst`eme math´ematique, que
cel` a soit la qualit´e de l’´evolution temporelle des solutions, la structure des
solutions, ou les caract´eristiques du syst`eme transform´e, comme par exemple,
la nature et le nombre de points d’´equilibres nouvellement form´es ou d´etruits,
la cr´eation de cycle limite avec des param`etres bien d´efinis.
Dans le cas oˆ u le mod`ele initial correspond fid`element `a l’observation de
la r´ealit´e il y alors de grandes chances de succ`es, au sens o` u la modification,
en suivant la loi de commande ´etablie, de la grandeur r´eelle correspondant
`a l’entr´ee, conduise `a l’observation du comportement d´esir´e sur la r´ealit´e.
Toutefois, il est important d’insister sur une r´eserve, une prudence qu’il faut
observer.
144
En effet le mod`ele n’est qu’une repr´esentation de la r´ealit´e sous les condi-
tions d’exp´erimentation effectu´ees pour l’´elaborer. Lorsque le controleur est
activ´e, il se peut qu’il pousse le syst`eme r´eel au del` a des conditions dans les-
quelles le mod`ele initial a ´et´e ´etablit, conduisant `a une catastrophe potentielle.
Il est donc tr`es important d’ˆetre prudent lors de la phase d’implantation. Il
faut bien se rendre compte qu’il n’y a absolument aucun moyen d’´eviter cette
difficult´e.
Dans le cours des chapitres L’objectif sera un de ceux donn´es ci-apr´es :
1. forcer les trajectoires des ´etats `a converger de mani`ere stable vers un point
d’´equilibre bien d´efini (c.-`a-d. en pr´esence de perturbations potentielles) ;
2. forcer une sortie pr´e´etablie (fonction particuli`ere des ´etats) `a suivre une
trajectoire choisie `a l’avance pour un certain choix de conditions initiales
et en absence de perturbation ;
3. mˆeme objectif que le pr´ec´edent, mais en exigeant que ceci se produise
quelque soit les conditions intiales et en pr´esence de perturbation;
4. amener le syst`eme d’un point de d´epart (´etat initial) vers un point d’ar-
riv´ee final (´etat terminal), en l’absence de perturbation, et sans condition
sur l’´evolution de l’´etat durant la transition;
5. amener le syst`eme d’un point de d´epart (´etat initial) vers un point d’ar-
riv´ee final (´etat terminal), en pr´esence de perturbations, et avec des condi-
tions sur l’´evolution de l’´etat durant la transition.
6
Elements de G´eom´etrie
6.1 Introduction
Contrairement aux pr´ec´edents chapitres, il ne sera pas question de syst`eme
dynamique `a proprement parl´e. Le point de vue sera d’abandonner momen-
tan´ement la conception du temps en tant que variable particuli`ere (sauf men-
tion explicite du contraire dans certains cas rares). L’id´ee est d’introduire
des outils de formulation des conditions d’int´egrabilit´e apparaissant `a la fois
dans le chapitre sur le probl`eme de la lin´earisation par bouclage et de celui
concernant la construction de fonction de Lyapunov. Dans ces deux cas, la
difficult´e essentielle est de remonter `a partir d’un vecteur ligne correspondant
`a un certain gradient vers la fonction dont le gradient est issu. La construction
de la fonction n’est pas toujours possible et il est important d’avoir des outils
permettant de d´eterminer la possibilit´e ou non de la construire.
Le cadre math´ematique ad´equat est la g´eom´etrie diff´erentielle. Cette dis-
cipline ´etudie les surfaces (vari´et´es) selon un point de vue infinit´esimal. Lo-
calement, une vari´et´e ressemble `a un espace euclidien, au sens o` u une cor-
respondance entre un point de la vari´et´e et un point d’un espace euclidien
existe. La correspondance doit ˆetre continue et diff´erentiable. L’inverse de la
correspondance doit ´egalement ˆetre continue et diff´erentiable.
Toutefois, l’ensemble complet (consistant en la r´eunion des ensembles loca-
lement euclidien) ne poss`ede plus la propri´et´e euclidienne. Un exemple trivial
est la surface d’une sph`ere. Il est en effet possible de repr´esenter (moyen-
nant distortion) la surface de la sph`ere par une carte plane. Chaque point
de la sph`ere peut ˆetre mis en correspondance avec un point de la carte. Les
m´eridiens et les parall`eles sont alors perpendiculaires sur la carte (espace eu-
clidien) bien que ceux-ci se coupent sur la sph`ere (espace non euclidien). De
plus, il est impossible de repr´esenter de mani`ere continue l’ensemble de d´epart
par une seule carte.
146 6 Elements de G´eom´etrie
En effet, il faut d´ecider quelles en seront les limites et on se heurte au
probl`eme suivant. Supposons une carte unique, de telle sorte qu’un point se
trouvant `a l’extr´emit´e droite d’une carte poss`ede un voisinage dans la vari´et´e
qui n’est plus un ensemble connexe sur cette carte. Par exemple, si l’on prend
une carte traditionnelle du monde, un voisinage de la taille de deux m´eridiens
de large de l’atole de Funafuti un peu au dessus du dixi`eme parall`ele tout `a
droite de la carte se retrouve ´egalement partiellement repr´esent´e 40’ooo km `a
gauche sur la carte (ceci en faisant confiance `a l’´echelle de la carte) ! Pour ga-
rantir la continuit´e dans la lecture de la carte, il est n´ecessaire d’avoir recours
`a plusieurs cartes chacune pour une r´egion particuli`ere d’int´erˆet. En g´eom´etrie
diff´erentielle, tout comme en cartographie, un tel ensemble est appel´e un atlas.
Maintenant, si l’on consid`ere la trajectoire d’un avion ´evoluant au dessus
de la surface de la terre, on peut le repr´esenter par une trajectoire sur la
sph`ere (l’altitude de l’avion n’est pas consid´er´ee). Il y correspond ´egalement
une trajectoire plane sur la carte. Une notion cl´e de la g´eom´etrie diff´erentielle
est que les vitesses d’un objet le long d’une trajectoire d’une vari´ete appar-
tiennent toujours `a un espace euclidien ! La courbure est en quelque sorte
absente lorsqu’on consid`ere les espaces des vitesses en un point de la vari´et´e.
Si l’on consid`ere un instant sp´ecifique, l’orientation du vecteur de vitesse peut
`a priori prendre n’importe quelle orientation dans un certain plan dit plan tan-
gent de la vari´et´e au point en question (on consid`ere que l’on ne connait pas a
priori la trajectoire avant l’instant et apr`es l’instant sp´ecifique lorsqu’on exa-
mine le point en question). De plus, le vecteur vitesse peut ´egalement prendre
n’importe quel module (pour autant que l’ a´erodynamique le permette). En
somme, c’est r´eellement un vecteur appartenant `a un espace euclidien propre
aux vitesses. La difficult´e est que cet espace euclidien change de point en point
le long de la trajectoire.
Nous verrons comment un syst`eme dynamique ˙ x = f(x, u) est repr´esent´e
`a l’aide des outils g´eom´etriques de la g´eom´etrie diff´erentielle. Il sera alors
question de la vari´et´e dans laquelle l’´etat ´evolue, un peu comme les positions
de l’avion sur la surface de la sph`ere, et des vecteurs de vitesses associ´es `a
cette repr´esentation.
6.2 Vari´et´e, Cartes et Atlas
Une vari´et´e Mest un objet math´ematique qui localement est repr´esentable
par un espace euclidien R
n
. Une vari´et´e consiste en l’espace M avec une
ensemble d’applications inversibles
φ
i
: R
n
→M
(6.1)
6.2 Vari´et´e, Cartes et Atlas 147
o` u n repr´esente la dimension de la vari´et´e. Ces cartes permettent de
repr´esenter un point de la vari´et´e m ∈ M par un ensemble de coordonn´ees de
R
n
.
Un atlas Φ consiste en la r´eunion de toutes les cartes
Φ = ∪
i
φ
i
Par exemple, dans le cas d’une sph`ere S
2
, il est possible de repr´esenter
une courbe plane sur la surface de la sph`ere par une repr´esentation bidimen-
sionnelle `a l’aide d’une carte. En effet, une courbe plane d´efinie par
x = sin t + 2 cos t
y = cos t(1 −sin t) + 2 sin(2t)
pour t ∈ [0; 2π[, est repr´esent´ee `a la figure 6.1.
-2 -1 1 2
-3
-2
-1
1
2
3
x
y
Fig. 6.1. Courbe param´etr´ee dans le plan.
Selon la mani`ere de repr´esenter la vari´et´e S
2
, il existe plusieurs repr´esentations
possibles de la carte φ
1
. Si l’on consid`ere la sph`ere comme plong´ee dans R
3
,
de telle sorte qu’un point est d´efini par trois coordonn´ees ¯ x, ¯ y et ¯ z soumisent
`a la contrainte
¯ x
2
+ ¯ y
2
+ ¯ z
2
= 1,
nous avons la repr´esentation (6.2) o` u x et y sont les coordonn´ees sur la carte.
φ
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 d’utiliser les angles de latitude φ et
de longitude ψ pour repr´esenter un point de S
2
. Dans ce cas, la carte devient
148 6 Elements de G´eom´etrie
φ
1
:

x
y

φ = x/3
θ = y/6

(6.3)
Dans les deux cas, la figure correspondant `a celle 6.1 est donn´ee `a la figure
6.2.
Fig. 6.2. Repr´esentation dans la vari´et´e S
2
de la courbe planaire de la figure 6.1,
donn´ee localement dans une carte de l’atlas.
La vari´et´e ne peut en g´en´eral pas ˆetre d´ecrite par carte unique, sauf lors-
qu’elle peut se mettre en correspondance bijective avec un espace R
n
. En effet,
il est exig´e de pouvoir garantir l’existence d’un voisinage inclut dans la carte.
Par exemple, la sph`ere n´ecessite trois cartes, afin que chaque point poss`ede
au moins une carte dans laquelle le point en question admette un voisinage
inclut dans la carte. (Ceci ´evite ainsi le probl`eme de l’ˆıle de Funafuti d´ecrit
dans l’introduction du pr´esent chapitre, ou plus pr´ecis´ement le probl`eme des
points qui sont repr´esent´es par les bords verticaux de cette carte unique.)
Ceci entraˆıne ´egalement que plusieurs points de la vari´et´e admettent plu-
sieurs repr´esentants, au plus un par carte. (Ce probl`eme est absent sur une
carte traditionnelle unique du monde, si ce n’est pour les pˆ oles qui sont
repr´esent´es par les lignes sup´erieure et inf´erieure d´elimitant respectivement
le haut et le bas de la carte.)
Il faut, par cons´equent, que les cartes satisfassent des hypoth`ese de compa-
tibilit´e. Lorsqu’une carte particuli`ere est utilis´ee pour d´ecrire un mouvement
sur la vari´et´e, il doit ˆetre ´egalement possible, sur les zones de recouvrement
entre les deux cartes, de le repr´esenter `a l’aide de la carte qui n’est pas utilis´ee.
Ainsi, si φ
i
et φ
j
admettent chacune un repr´esentant du mˆeme point m ∈
M, disons respectivement x
i
et x
j
, alors il doit exister deux voisinages V
i
et
6.2 Vari´et´e, Cartes et Atlas 149
V
j
de x
i
et x
j
qui peuvent se mettre en correspondance `a l’aide des carte φ
i
et φ
j
. Plus pr´ecis´ement,
φ
−1
j

i
(V
i
)) = V
j
φ
−1
i

j
(V
j
)) = V
i
.
Un ensemble de carte φ
i
constituant un atlas ayant ces propri´et´es de com-
patibilit´e d´efinit compl`etement la vari´et´e M.
6.2.1 Diff´eomorphisme
Les cartes correspondent `a des applications entre un espace euclidien et
la vari´et´e M. En composant une carte par l’inverse d’une autre, nous ob-
tenons, sur les zones de recouvrement, un changement de coordonn´ee. Les
cartes se composent de mani`ere univoque `a condition que les changements
de coordonn´ees soient bien d´efinis. Nous aurons ´egalement besoin de change-
ments de coordonn´ees dans le chapitre consacr´e `a la lin´earisation. Il seront
motiv´es ´egalement par la volont´e de compenser les courbures inh´erentes `a la
repr´esentation du syst`eme initial, un peu comme les cartes d’un atlas classique
rem´edie quelque peu `a la courbure intrins`eque de la surface de la terre. Une
trajectoire rectiligne et plate sur la carte correspond `a une trajectoire courbe
dans l’espace d’origine, dans l’espace de la vari´et´e M.
De mani`ere g´en´erale, la notion de changement de coordonn´ees est rendue
math´ematiquement pr´ecise par la d´efinition suivante :
D´efinition 6.1. (Diff´eomorphisme) Une fonction Φ : R
n
→ R
n
d´efinie dans
une r´egion Ω est appel´ee diff´eomorphisme si
∂Φ
∂x1
, . . .
∂Φ
∂xn
existent et si Φ
−1
existe. De plus Φ et Φ
−1
doivent ˆetre d´erivables.
Si Ω = R
n
alors c’est un diff´eomorphisme global.
Lemme 6.2. Soit Φ(x) une fonction r´eguli`ere de Ω ⊆ R
n
→ R
n
. Si
∂Φ
∂x
est
non singuli`ere en x
0
alors Φ(x) est un diff´eomorphisme dans une sous r´egion
de Ω contenant x
0
.
Exemple 6.3. Soit l’application de R
2
dans R
2
donn´ee par
Φ(x) =

2x
1
+ 5x
1
x
2
2
3 sinx
2

de telle sorte que sa matrice Jacobienne
∂Φ
∂x
=

2 + 5x
2
2
10x
1
x
2
03 cos x
2

150 6 Elements de G´eom´etrie
devienne au point (0, 0)
T

∂Φ
∂x
=

2 0
0 3

.
Comme cette matrice est plein rang au point consid´er´e, Φ respecte les
conditions de la d´efinition de diff´eomorphisme dans un voisinage du point
(0, 0)
T
consid´er´e. On peut ´egalement d´emontrer que ce voisinage est contenu
dans l’ensemble Ω = { (x
1
, x
2
), | x
2
|<
φ
2
}.
6.3 Solution de l’´equation diff´erentielle
L’´equation initiale ˙ x = f(x, u) admet l’interpr´etation g´eom´etrique sui-
vante. L’´etat x est assimil´e `a un point d’une vari´et´e. Le plus souvent, cette
vari´et´e est consid´er´ee comme l’espace euclidien R
n
.
Comme cas particulier de l’´equation d´efinissant la dynamique du syst`eme,
consid´erons ˙ x = f(x). Une solution `a cette ´equation diff´erentielle ordinaire est
une courbe param´etr´ee par le temps x(t) = Φ(x
o
, t) telle que Φ(x
0
, t
0
) = x
0
et

dt
(x, t) = f(Φ(x
0
, t)) pour chaque point valeur du param`etre t. Ainsi,
on peut attacher en chacun des points de la courbe param´etr´ee Φ(x
0
, t) un
vecteur tangent `a cette courbe f(x
0
, t).
Trouver la solution de l’´equation diff´erentielle ordinaire ˙ x = f(x) revient
donc `a trouver une trajectoire dans la vari´et´e d`es lors que f(x) est donn´e.
Cette trajectoire est une courbe param´etr´ee Φ(x
0
, t) associ´ee `a une certaine
condition initiale x
0
. La donn´ee du syst`eme d’origine f(x) est interpr´et´ee
g´eom´etriquement comme un ensemble de vecteurs de vitesse d´efinit sur la
vari´et´e. Il existe un vecteur f(x) et un seul pour chacun des points x de
la vari´et´e. Trouver la solution `a l’´equation diff´erentielle ordinaire consiste `a
trouver une courbe param´etr´ee Φ(x
0
, t) (c.-`a-d. une trajectoire) passant par
x
0
`a l’instant t
0
et telle que la vitesse le long de la trajectoire

dt
(Φ(x
0
, t)) soit
´egale au vecteur de vitesse en ce point f(Φ(x
o
, t)). Le param`etre t permettant
d’identifier le point sur la trajectoire.
6.4 Champ de vecteurs
Lors de l’´etude des syst`emes dans le plan de phase, l’interpr´etation de
la dynamique f(x) fait apparaˆıtre l’importance de repr´esenter l’´el´ement 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 l’ensemble est grand et plus le nombre
d’´el´ements de droite est ´egalement important, meilleure est l’interpr´etation
des trajectoires r´esultantes.
Dans le plan de phase il y a deux ´etats x
1
et x
2
et la dynamique s’´ecrit
6.5 Espace dual 151
˙ x
1
= f
1
(x
1
, x
2
)
˙ x
2
= f
2
(x
1
, x
2
) (6.4)
Math´ematiquement on peut consid´erer x
1
et x
2
comme les coordonn´ees
d’un point, et f
1
(x
1
, x
2
) et f
2
(x
1
, x
2
) comme la composante d’un vecteur
d´efinit en ce point.
De mani`ere plus g´en´erale, et quel que soit la dimension de la vari´et´e (es-
pace), f(x) repr´esente un vecteur en un point donn´e de cette vari´et´e. Si main-
tenant on consid`ere la vari´et´e dans son entier, il est possible de se constituer
une image visuelle d’une infinit´e de vecteurs, chaque vecteur f(x) ´etant at-
tach´e au point x. Ce concept est un champ de vecteurs.
D´efinition 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
)
¸

D´efinition 6.5. Un champ de vecteur est dit r´egulier si
∂f1
∂x1
(x
1
, x
2
) et
∂f2
∂x2
(x
1
, x
2
)
existent en tout point d´efini par x
1
, x
2
,
6.5 Espace dual
En chaque point de la vari´et´e, un espace vectoriel existe contenant les
vecteurs tangents `a la vari´et´e. Il est donc naturel de constituer l’espace dual
de cet espace vectoriel. Nous rappelons bri`evement, dans cette section, la
notion d’espace dual `a un espace vectoriel quelconque.
En alg`ebre lin´eaire, il est possible d’associer un ensemble d’applications
associ´ees `a un espace vectoriel arbitraire V . Chaque application prend comme
argument un vecteur et retourne un nombre scalaire.
D´efinition 6.6. (Espace vectoriel dual V

) L’ensemble des applications
Φ : V →R
et lin´eaire en l’argument x, ` a savoir quel que soit α, β ∈ R
Φ(αx
1
+βx
2
) = αΦ(x
1
) +βΦ(x
2
),
constitue l’ensemble des vecteurs d’un espace vectoriel. Cet espace vectoriel
appel´e le dual de l’espace V , et il est not´e V

.
152 6 Elements de G´eom´etrie
La propri´et´e de lin´earit´e implique que ces applications constituent ´egalement
un espace vectoriel que l’on d´esigne par V

. En effet, en consid´erant une base
orthonorm´ee e
1
, e
2
, . . ., e
n
de l’espace vectoriel V , une application lin´eaire
f de V

agit sur les vecteurs de bases pour fournir n nombres r´eels f(e
1
),
f(e
2
), . . ., f(e
n
). Il est alors possible de repr´esenter f, non plus comme une
application lin´eaire en tant que telle, mais sous la forme d’un vecteur ligne

f(e
1
) f(e
2
) . . . f(e
n
)

. (6.5)
La valeur de l’application f pour un vecteur x de V est alors donn´ee par
le produit scalaire entre le vecteur ligne (6.5) et le vecteur x. Par cons´equent,
f est ´equivalent `a un vecteur ligne, ce qui prouve que V

est bien un espace
vectoriel.
6.6 Produit tensoriel et forme multilin´eaire
L’espace des formes lin´eaires d’un seul argument (appartenant `a un espace
vectoriel V ) forme donc un espace vectoriel `a part enti`ere, not´e V

. En effet, `a
chaque forme lin´eaire, un vecteur ligne est associ´e, et r´eciproquement, comme
cel` a a ´et´e vu `a la section pr´ec´edente. En r´esum´e,
D´efinition 6.7. Une forme lin´eaire est donn´ee par un application de V dans
R :
ΦV →R,
qui est lin´eaire :
∀α, β ∈ R, ∀v
1
, v
2
∈ V,
Φ(αv
1
+βv
2
) = αΦ(v
1
) +βΦ(v
2
).
A partir de deux espaces vectoriels identiques V , un nouvel espace vec-
toriel, not´e V ⊗ V , est form´e, appel´e le produit vectoriel entre V et V . Un
vecteur de V ⊗V est alors donn´e par la r´eunion de deux vecteurs de V , disons
v
1
et v
2
que l’on note v
1
⊗v
2
. Il est facile de g´en´eraliser ceci au produit d’un
nombre d´enombrable d’´el´ements de V .
D´efinition 6.8. A partir d’un espace vectoriel V , un nouvel espace vectoriel
est constitu´e
n

i=1
V = V ⊗V ⊗. . . ⊗V,
appel´e le produit tensoriel entre espaces vectoriels V , pour i = 1 ` a n.
Remarque 6.9. Lorsqu’un produit tensoriel contient une infinit´e de copies de
l’espace vectoriel V , il est d’usage de distinguer la somme directe
6.7 Produit scalaire et produit ext´erieur 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 fini de vecteurs est non nul. Dans
le second,
¸

i=1
V , un nombre d´enombrable (infini) d’´el´ements non nuls est
admis. Etant donn´e que seul un nombre fini de V est n´ecessaire dans ce qui
suit, nous ne ferons pas cette distinction.
D´efinition 6.10. Une forme multilin´eaire est donn´ee comme une application
d’un nombre fini de copies de V dans R :
Φ :
n

i=1
V →R,
satisfaisant la lin´earit´e, c.-` a-d. ∀α, β ∈ R, ∀v
i
∈ V , i = 1, . . . , n, ∀w
1
, w
2
∈ V ,
∀r ∈ {1, 2, . . . , n},
Φ(v
1
, . . . , v
r−1
, αw
1
+βw
2
, v
r+1
, . . . , v
n
) =
αΦ(v
1
, . . . , v
r−1
, w
1
, v
r+1
, . . . , v
n
) +βΦ(v
1
, . . . , v
r−1
, w
2
, v
r+1
, . . . , v
n
).
6.7 Produit scalaire et produit ext´erieur en dimension
deux
Le produit ext´erieur est utilis´e en association avec l’espace dual. Il est
fond´e sur l’usage de d´eterminants.
Consid´erons 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 d’associer un nombre r´eel correspondant `a leur produit scalaire :
v
T
1
v
2
= v
11
v
21
+v
12
v
22
= v
T
Iv.
L’´ecriture ci-dessus met en ´evidence la matrice identit´e. Il est ´egalement
possible de d´efinir un produit `a partir d’une matrice d´efinie positive Q > 0
quelconque :
(v
1
, v
2
) = v
T
1
Qv
2
. (6.6)
On remarque alors, qu’`a toute forme lin´eaire sym´etrique et d´efinie posi-
tive, il existe une certain matrice Q qui lui est associ´e. Ceci se g´en´eralise en
dimension plus grande que deux (section ??).
154 6 Elements de G´eom´etrie
Au lieu de consid´erer des formes d´efinies positives et sym´etriques (donnant
naissance `a des produits scalaires) il est possible de consid´erer des formes anti-
sym´etriques, c.-`a-d. des formes dont le signe alterne lorsque les arguments sont
permut´es. Elles donnent naissance `a des produits ext´erieurs.
En dimension deux, le produit ext´erieur entre deux vecteurs v
1
et v
2
est
d´efini comme le d´eterminant constitu´e 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 l’on reporte les composantes en vertical dans le d´eterminant. Ce produit
est bien anti-sym´etrique
v
2
∧ v
1
= v
12
v
21
−v
11
v
22
= −v
1
∧ v
2
. (6.8)
6.7.1 forme bilin´eaire sym´etrique
Une forme bilin´eaire sym´etrique `a deux s´eries de variables u
1
, u
2
, . . ., u
n
et v
1
, v
2
, . . ., v
n
s’´ecrit
f(u, v) = f(u
1
, u
2
, . . . , u
n
, v
1
, v
2
, . . . , v
n
) =
¸
i
¸
j
p
ij
u
i
u
j
,
avec p
ij
∈ R des coefficients fixes. Pour que la forme bilin´eaire f(u, v) soit
sym´etrique, il faut que les coefficients a
ij
soient tels que
f(u, v) = f(v, u)
et donc p
ij
= p
ji
. Elle peut donc s’exprimer `a l’aide d’une matrice sym´etrique
P = (p
ij
) :
f(u, v) = u
T
Pv.
6.7.2 forme bilin´eaire antisym´etrique (altern´ee)
La forme f(u, v) est antisym´etrique lorsque
f(u, v) = −f(v, u).
Cette propri´et´e entraˆıne que f(u, v) s’´ecrit sous la forme
f(u, v) =
¸
i
¸
j
a
ij
(u
i
v
j
−u
j
v
i
).
On constate alors que les termes sous le signe sommation sont des d´eterminants :
6.7 Produit scalaire et produit ext´erieur en dimension deux 155
f(u, v) =
¸
i
¸
j
a
ij

u
i
u
j
v
i
v
j

=
¸
i
¸
j
a
ij
u
i
∧ u
j
. (6.9)
La derni`ere ´egalit´e est obtenue en ne reportant que les variables de la
premi`ere ligne du d´eterminant (` a savoir u
i
et u
j
) intercal´es du signe ∧ corres-
pondant au produit ext´erieur. Nous verrons la justification de cette notation
au prochain paragraphe.
6.7.3 Produit ext´erieur de deux formes lin´eaires
D´efinition 6.11. Lorsque deux formes lin´eaires sont donn´ees, disons f(u)
et
¯
f(u), leur produit ext´erieur est d´efinit comme la forme bilin´eaire anti-
sym´etrique associ´ee au d´eterminant
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) s’´ecrit `a partir des d´eterminants des variables comme
f(u) ∧
¯
f(u) =
¸
i
¸
j
a
i
¯ a
j

u
i
u
j
v
i
v
j

=
¸
i
¸
j
a
i
¯ a
j
u
i
∧ u
j
(6.13)
Remarque 6.12. En introduisant explicitement l’expression de f et
¯
f donn´ees
par (6.11) et (6.12) , on obtient
(a
1
u
1
+. . . +a
n
u
n
) ∧ (¯ a
1
u
1
+. . . + ¯ a
n
u
n
) =
¸
i
¸
j
a
i
¯ a
j
u
i
∧ u
j
(6.14)
et l’on constate que ce r´esultat aurait pu ˆetre obtenu directement en consid´erant
le produit ∧ avec la propri´et´e distributivit´e par rapport `a l’addition et la pro-
pri´et´e d’antisym´etrie :
– a ∧ a = 0

a ∧ b = −b ∧ a (6.15)

a ∧ (b +c) = a ∧ b +a ∧ c (6.16)
Il comporte ´egalement d’autre propri´et´es en relation avec la multiplication
par une fonction Υ(.) de R
n
→R.
156 6 Elements de G´eom´etrie
Υ(x)(ω
1
∧ ω
2
) = ω
1
∧ (Υ(x)ω
2
) = (Υ(x)ω
1
) ∧ ω
2
(6.17)
Ceci justifie ´egalement la notation f(u) ∧
¯
f(u), o` u seul u apparaˆıt, ainsi
que celle du paragraphe pr´ec´edent (6.9).
6.8 Forme multilin´eaire altern´ee
En ajoutant des s´eries de variables, nous aboutissons `a une forme multi-
lin´eaire altern´ee
f(u, v, . . . , w)
qui est telle qu’apr`es ´echange de deux s´eries de variables, le signe change.
En utilisant le produit ∧ nous pouvons constituer une forme multilin´eaire `a
partir d’un nombre fini de formes lin´eaires en suivant (6.14) et en utilisant les
propri´et´es de non-commutativit´e et distributivit´e du produit ∧.
Par induction, il est alors ´egalement possible de construire le produit
ext´erieur de plusieurs formes ext´erieures de degr´e quelconque.
Nous donnons maintenant une construction alg´ebrique des formes multi-
lin´eaires altern´ees en utilisant la d´efinition des formes multilin´eaires donn´ees
`a la section (6.6).
L’id´ee consiste `a remarquer qu’une forme multilin´eaire Φ est altern´ee
lorsque elle annule un ´el´ement 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 bilin´eaire altern´ee, car f(u, u) = −f(u, u) implique f(u, u) = 0.
D´efinition 6.13. L’ensemble des ´el´ements annulateurs a est
a = {v
1
⊗v
2
⊗. . . ⊗v
n
| ∃i, j i = j v
i
= v
j
}.
a constitue un module de l’espace vectoriel
¸
n
i=1
V . C’est un sous en-
semble de l’espace vectoriel qui est ferm´e pour l’addition vectorielle et qui est
´egalement ferm´e pour le produit de l’espace vectoriel.
Le produit ext´erieur de n copies de l’espace vectoriel V est alors donn´e
par le quotient
n

i=1
V =

n

i=1
V

/a
ce qui a pour effet d’envoyer tous les ´el´ements de a de
¸
n
i=1
V vers 0 dans

n
i=1
V . a joue en quelque sorte le rˆole d’´el´ement absorbant.
D´efinition 6.14. Une forme multilin´eaire altern´ee Φ de
¸
n
i=1
V dans R est
une forme multilin´eaire de

n
i=1
V dans R.
6.9 Cotangent et les 1-forme diff´erentielles 157
6.9 Cotangent et les 1-forme diff´erentielles
Les vecteurs tangents en un point donn´e x de la vari´et´e appartiennent `a un
espace vectoriel T
x
. Cet espace est un cas particulier d’espace vectoriel V . Il
est alors naturel de construire son espace dual T

x
. Les vecteurs de cet espace
dual sont des applications lin´eaires ayant comme argument un des vecteurs
tangent `a la vari´et´e au point x et retournant un nombre r´eel.
Une telle application lin´eaire est appel´ee un covecteur tangent ou une 1-
forme diff´erentielle. Tout comme dans le cas de V , elle peut ´egalement se
repr´esenter sous la forme d’un vecteur ligne en choisissant une base ortho-
norm´ee quelconque de T
x
. L’espace vectoriel associ´e T

x
est appel´e espace
vectoriel cotangent, ou plus simplement cotangent.
Exemple 6.15. Dans le chapitre sur le plan de phase, l’´elimination de la va-
riable temporelle s’est fait de deux mani`eres diff´erentes. D’une part, le syst`eme
d’´equations diff´erentielles 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 `a deux solutions x
1
(t) = Φ
1
(t) et x
2
(t) = Φ
2
(t) d´ecrivant une
courbe Φ(x
1
, x
2
) apr`es ´elimination de la variable temporelle t. D’autre part,
la diff´erentielle dt a ´et´e ´elimin´ee et l’expression r´esultante directement int´egr´ee.
Ces deux techniques sont maintenant r´eexamin´ees selon l’angle du champ de
vecteur f(x) de du covecteur associ´e.
Dans la premi`ere technique, lorsque le temps est ´elimin´e apr`es int´egration
du syst`eme d’´equation (6.18) et (6.19), une courbe trajectoire dans le plan de
phase est obtenue. Pour le syst`eme masse-ressort nous avons obtenu un cercle
Φ(x
1
, x
2
) = x
2
1
+x
2
2
−x
1
(0)
2
−x
2
(0)
2
.
Par cons´equent, l’int´egration des ´equations diff´erentielles (6.18) et (6.19)
d´efinies par un champ de vecteur f(x) =

f
1
f
2

T
et ´elimination de la variable
ind´ependante 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 repr´esente une contrainte sur les accroissements dx
1
et
dx
2
pour que le d´eplacement infinit´esimal correspondant soit dans le sens de
la solution de l’´equation diff´erentielle.
158 6 Elements de G´eom´etrie
Le produit scalaire (6.20) permet donc d’associer `a un vecteur ligne, une
forme lin´eaire dont l’argument est un vecteur du champ de vecteur apparte-
nant `a T
x
. La ligne en question est un vecteur cotangent appartenant ` a T

x
que l’on note
f
2
(x
1
, x
2
)dx
1
−f
1
(x
1
, x
2
)dx
2
. (6.21)
On obtient une expression diff´erentielle qui peut ˆetre directement int´egr´ee
conduisant `a la courbe solution. En effet, apr`es substitution de f
1
=
dx1
dt
et
f
2
=
dx2
dt
la somme des quantiti´es (6.20) reste nulle et la diff´erentielle dt est
´elimin´ee :
f
2
(x
1
, x
2
)dx
1
−f
1
(x
1
, x
2
)dx
2
= 0
conduisant `a la courbe solution apr`es int´egration.
Pour l’oscillateur masse ressort o` u f
1
(x
1
, x
2
) = x
2
et f
2
(x
1
, x
2
) = −x
1
,
l’expression diff´erentielle en question est −x
1
dx
1
− x
2
dx
2
qui conduit apr`es
int´egration `a l’´equation du cercle −
1
2
x
2
1

1
2
x
2
2
= C, o` u C est une constante
d’int´egration sp´ecifi´ee par les conditions initiales C = −
1
2
(x
1
(0)
2
+x
2
(0)
2
).
L’expression (6.21) est appel´ee une 1-forme diff´erentielle.
D´efinition 6.16. Le dual de l’espace tangent en un point x, not´e T

x
, est
appel´e le cotangent au point x. C’est un espace vectoriel dont les ´el´ements
sont les applications lin´eaires de T
x
dans R. Un vecteur correspondant est
appel´e une 1-forme diff´erentielle et not´e
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
L’exemple pr´ec´edent montre que la correspondance entre un vecteur ligne
et une application lin´eaire peut proc´eder dans le sens contraire. A partir d’un
vecteur ligne quelconque, une application lin´eaire est d´efinie par le produit
scalaire entre cette ligne et le vecteur auquel l’application lin´eaire est ap-
pliqu´ee. Dans le cas d’une fonction scalaire de h(x
1
, x
2
, . . . , x
n
) : R
n
→R les
d´eriv´ees partielles par rapport `a chacune des variables sont rassembl´ees dans
un vecteur ligne d´efinissant une forme lin´eaire par association de cette ligne
avec l’application correspondante. Un tel vecteur ligne est appel´e le gradient
et not´e
∇h =

∂h
∂x1
∂h
∂x2
. . .
∂h
∂xn

.
Par cons´equent, nous pouvons ´egalement interpr´eter le gradient comme un
vecteur (covecteur) du cotangent T

x
en un point x.
6.11 D´eriv´ee de Lie 159
Remarque 6.17. Jusqu’`a pr´esent, les notations rendent indispensable l’utilisa-
tion des coordonn´ees x
1
, x
2
, . . ., x
n
. En somme, nous devons toujours utiliser
une carte locale pour exprimer le gradient ou une autre forme diff´erentielle.
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 coordonn´ees x
1
, . . ., x
n
dans le membre
de droite, nous nous en d´ebarrassons dans le membre de gauche en ne faisant
apparaˆıtre que dh. Ce dh peut ˆetre d´efinit, `a travers la compatibilit´e des cartes,
sur l’ensemble de la vari´et´e M. C’est l`a un avantage de la notation dh.
Exemple 6.18. Le gradient d’un candidat de Lyapunov s’obtient `a partir de
l’expression de V (x) en prenant les d´eriv´ees partielles en fonction des coor-
donn´ees x
1
, x
2
, . . ., x
n
:
∇V (x) =

∂V
∂x1
∂V
∂x2
. . .
∂V
∂xn

. (6.22)
La 1-forme dV repr´esente ´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 d´efinition de dV ind´ependamment des cartes locales uti-
lis´ees.
Le gradient en tant que champ de co-vecteurs se marie naturellement avec
un champ de vecteurs, comme nous le verrons `a la section suivante.
6.11 D´eriv´ee de Lie
Au chapitre 4, nous avons vu que la deuxi`eme condition du th´eor`eme de
stabilit´e de Lyapunov exige que
˙
V ≤ 0 afin que le syst`eme dynamique ˙ x = f(x)
soit stable.
G´eom´etriquement, la notation
˙
V (x) n’est pas convaincante car la propri´et´e
de d´ecroissance de la fonction V est de nature g´eom´etrique et la r´ef´erence
`a variable temporelle n’est pas vraiment n´ecessaire. En effet, une fois f(x)
assimil´e `a un champ de vecteur, la condition
˙
V ≤ 0 signifie simplement que
le vecteur f(x), en chaque point x de la vari´et´e, assure que le syst`eme ´evolue
vers des courbes de niveau V = cte inf´erieures ou ´egales `a celle sur laquelle il
se trouve `a l’instant consid´er´e.
En d’autres termes, lorsque
˙
V ≤ 0, f(x) forme un angle inf´erieur ou ´egal
`a
π
2
par rapport au gradient ∇V en chaque point de l’´etat. En effet,
160 6 Elements de G´eom´etrie
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 cons´equent, et de mani`ere g´en´erale, si `a la fois un champ de vecteur
f(x) est donn´e ainsi qu’une fonction scalaire h(x), alors il est possible de
d´efinir une nouvelle fonction scalaire, not´ee L
f
h, appel´ee d´eriv´ee de Lie de h
le long de f, ´egale au produit scalaire entre le gradient de cette fonction et le
champ de vecteur. Cette d´eriv´ee repr´esente le taux d’´evolution de la fonction
le long du champ de vecteur f(x).
Remarque 6.19. Notons que la d´eriv´ee de Lie L
f
h est l’association naturelle
par dualit´e, 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 s’´ecrire
L
f
h = dhf,
mettant en exergue l’interpr´etation `a l’aide des espaces T

x
et T
x
. Fondamenta-
lement, le gradient n’appartient pas au mˆeme espace vectoriel que le vecteur
f(x). Par abus, nous repr´esentons souvent les deux dans le mˆeme plan (en
particulier lors de l’utilisation du plan de phase). Cependant, il est important
de souligner cette diff´erence pour ´eviter une confusion des concepts.
D´efinition 6.20. Soit h une fonction et f un champ de vecteurs. La d´eriv´ee
de Lie de la fonction h(x) le long du champ d’un champ de vecteur f(x) est
d´efinie par
L
f
h(x) = ∇h f =
∂h
∂x
f
=

∂h
∂x1
∂h
∂x2
. . .
∂h
∂xn

¸
¸
¸
¸
f
1
f
2
.
.
.
f
n
¸

Comme le r´esultat est `a nouveau une fonction scalaire, il est possible de
d´eriver successivement :
L
0
f
h = 0
L
i
f
h = L
f
(L
i−1
f
h) = d(L
i−1
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 v´erifier des propri´et´es particuli`eres de ceux-ci.
Bien que ses propri´et´es soient essentiellement intrins`eques aux champs de
vecteurs que l’on va consid´erer, il est n´eanmoins utile d’avoir `a disposition
des moyens de manipulation et de formulation qui permettent une ´ecriture
compacte des conditions relatives `a leurs propri´et´es.
En particulier, il sera question de la question d’int´egrabilit´e de ceux-ci,
`a savoir la possibilit´e qu’un ensemble de champ de vecteurs donn´es soient
en relation ´etroite avec une surface courbe. Plus pr´ecis´ement, le champ sera
dit int´egrable lorsqu’il est possible de construire une surface (courbe) pour
laquelle en tout point de la surface il est garantit que l’espace tangent `a cette
surface soit engendr´e par les vecteurs du champ en ce point.
Bien que cette propri´et´e est de nature essentiellement globale, elle admet
une caract´erisation locale, par des propri´et´es des crochets de champs de vec-
teurs.
En effet, deux champs de vecteurs f
1
et f
2
peuvent ˆetre compos´es pour
constituer un nouveau champ de vecteur [f
1
, f
2
], appel´e le crochet de Lie,
comme suit :
D´efinition 6.21. (Crochet de Lie) Soit deux champs de vecteurs f
1
et f
2
. La
d´eriv´ee de Lie des champs de vecteur f et g est donn´ee par
[f, g] =
∂g
∂x
f −
∂f
∂x
g
L’inconv´enient de cette notation est qu’elle devient lourde lorsqu’il est
n´ecessaire d’it´erer le crochet par rapport `a un mˆeme champ de vecteur. Par
exemple, pour noter le r´esultat des op´erations [f, [f, g]] et [f, [f, [f, g]]], et ainsi
de suite. Pour y rem´edier, nous introduisons la notation adjointe suivante
[f, g] = ad
f
g
qui s’applique inductivement
ad
0
f
g = g
ad
f
g = [f, g]
.
.
.
.
.
.
ad
i
f
g = [f, ad
i−1
f
g]
= [f, . . . , [f, g]].
A l’aide de cette nouvelle notation, les deux champs de vecteurs [f, [f, g]]
et [f, [f, [f, g]]] s’expriment respectivement comme ad
2
f
g et ad
3
f
g. L’exposant
indique le nombre de fois que le champ f apparaˆıt `a l’int´erieur des crochets
imbriqu´es.
162 6 Elements de G´eom´etrie
Remarque 6.22. L’expression fffg est parfois ´egalement utilis´ee pour d´esigner
le champ de vecteur [f, [f, [f, g]]]. Cependant, cette notation est d´econseill´ee,
´etant donn´e la possible fausse interpr´etation. En effet, cette expression pour-
rait signifier
[[f, f], [f, g]]
ou
[f, [f, [f, g]]].
La premi`ere expression est nulle car [f, f] = 0 par application directe de la
d´efinition. La seconde n’a pas de raison a priori d’ˆetre nulle. Lorsque fffg
est employ´e, il est d’usage de lui associer un ordre de crochetage particulier,
devenant n´eanmoins 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) d´efinis 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 multipli´es par le champ compl´ementaire 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 s’exprime finalement 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 Propri´et´es du crochet de Lie
Le crochet de Lie comporte plusieurs propri´et´es utiles pour les calculs et
qui peuvent ˆetre ´etablies directement `a partir de la d´efinition du crochet.
1. Distributivit´e par rapport `a l’addition : Soit deux nombres r´eels α
1
, α
2

R, alors

1
f
1

2
f
2
, g] = α
1
[f
1
, g] +α
2
[f
2
, g]
[f, α
1
g
1

2
g
1
] = α
1
[f, g
1
] +α
2
[f, g
2
]
2. Anti-commutativit´e :
[f, g] = −[g, f]
6.13 Diff´erentiation ext´erieure 163
3. Identit´e de Jacobi : Soit trois champs de vecteurs f, g, et h
[f, [g, h]] + [g, [h, f]] + [h, [f, g]] = 0.
4. D´eriv´ee de Lie le long d’un crochet :
L
[f,g]
h = L
f
L
g
h −L
g
L
f
h
La propri´et´e 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 Diff´erentiation ext´erieure
Pour l’instant, seul les formes diff´erentielles de degr´e un ont ´et´e envisag´ees.
Le gradient est un exemple. D’un autre cˆ ot´e, les vecteurs de l’espace tangents
peuvent ˆetre compos´es par diff´erentiation sp´eciale provoqu´ee 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 l’espace tangent T
x
.
Au paragraphe suivant, nous nous interesserons `a la construction d’une
surface `a partir d’un ensemble de champ de vecteurs (distribution) de telle
sorte qu’en chacun point de la surface l’espace tangent est engendr´ee par
les vecteurs de la distribution. Cette surface, si elle existe, est alors d´ecrite
par une ´equation. Cette ´equation d´efinit ainsi un scalaire qui, lorsqu’il est
nul, correspond `a la surface. Nous verrons que l’existence de cette surface est
intimement li´ee `a la propri´et´e des crochets des champs de vecteurs. Toutefois,
´etablir cette condition directement est difficile.
Par contre, en prenant le gradient de cette fonction, une forme diff´erentielle
de degr´e un est obtenue. Ceci conduit alors `a une interpr´etation `a l’aide du
dual T

x
de la surface int´egrale. Pour que la surface soit tangente au champ de
vecteurs, le gradient doit ˆetre normal `a l’ensemble des vecteurs. En effet, si la
surface est tangente aux champs de vecteurs, la d´eriv´ee de Lie de la fonction
selon chaque champ de vecteur est nul, la quantit´e en question ne pouvant
pas changer lors d’un d´eplacement le long d’un des champs de vecteurs.
Cependant le calcul par crochets (valable sur l’espace tangent en consid´erant
les champs de vecteur) n’est plus disponible en tant que tel dans l’espace cotan-
gent. Il est n´ecessaire d’introduire un nouveau calcul permettant de trouver
une condition d’int´egrabilit´e exprimable `a partir de celui-ci. L’avantage est
que l’obtention de cette condition est plus simple et plus directe que lors de
l’utilisation des crochets.
Au lieu de crocheter les champs de vecteurs en restant dans l’espace vec-
toriel T
x
, nous construisons des formes diff´erentielles de degr´e sup´erieur par
164 6 Elements de G´eom´etrie
une op´eration que l’on appelle diff´erentiation ext´erieure. 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 op´eration est ´egalement `a l’origine de la g´en´eralisation du th´eor`eme
de Stokes. (Rappelons que nous avons utilis´e ce th´eor`eme pour ´etablir une
condition d’existence de cycle limite dans le chapitre consacr´e au plan de
phase : la condition de Bendixson.) Il admet une g´en´eralisation en dimension
quelconque et s’´enonce en utilisant la diff´erentiation ext´erieure.
Pour introduire cette nouvelle op´eration, nous commen¸ cons par revoir la
notion de diff´erentielle. Celle-ci n’est pas unique et repose sur des choix. Puis
nous montrons que deux syst`emes de diff´erentielles se combinent pour for-
mer des expressions altern´ees exactement comme deux ensembles de variables
engendrent des formes altern´ees.
La principale raison de l’alternance est li´ee `a l’int´egration. Il est important
d’associer `a un ´el´ement de surface (ou volume) infinit´esimal un sens positif ou
n´egatif en fonction de son orientation. Ensuite nous introduisons l’op´eration de
diff´erentiation ext´erieure permettant de passer d’une int´egrale sur l’enveloppe
d’un espace donn´e (int´egrale de contour le long d’un hyper-espace) vers une
int´egrale de l’espace consid´er´e (int´egrale de volume). C’est la g´en´eralisation
du th´eor`eme de Stokes.
La raison de l’introduction de cette nouvelle op´eration ne provient pas
du lien entre ces deux types d’int´egration, mais plutˆ ot par le lien entre cette
op´eration et la propri´et´e d’int´egrabilit´e qui alors abord´ee en d´etail.
6.13.1 Diff´erentielles
Lorsqu’on exprime la diff´erentielle d’une fonction, on entend par l`a son
accroissement infinit´esimal. Il est exprim´e par la relation
dΥ =
∂Υ
∂x
1
dx
1
+
∂Υ
∂x
2
dx
2
+
∂Υ
∂x
3
dx
3
(6.25)
o` u les diff´erentielles dx
1
, dx
2
et dx
3
forment un syst`eme de diff´erentielles,
et correspondent g´en´eralement `a l’accroissement infinit´esimal des quantit´es
g´eom´etriques x
1
, x
2
et x
3
.
Cependant, et en toute g´en´eralit´e, ces expressions dx
1
, dx
2
et dx
3
peuvent
ˆetre vues que comme des fonctions des coordonn´ees x
1
, x
2
, x
3
et d’un nombre
arbitraire de nouvelles fonctions. C’est ainsi que nous pouvons consid´erer un
autre syst`eme de diff´erentielles, disons δx
1
, δx
2
et δx
3
, qui sont ´egalement
des fonctions (mais diff´erentes) de x
1
, x
2
et x
3
et d’un autre ensemble de
variables.
Supposons que nous adoptions comme variables ind´ependantes (` a la place
de x
1
, x
2
et x
3
), trois fonctions ind´ependantes y
1
, y
2
et y
3
de x
1
, x
2
et x
3
.
Nous conviendrons de continuer `a leur associer les mˆemes diff´erentielles
6.13 Diff´erentiation ext´erieure 165
dy
i
=
∂y
i
∂x
1
dx
1
+
∂y
i
∂x
2
dx
2
+
∂y
i
∂x
3
dx
3
.
On d´eduit de la r`egle de diff´erentiation des fonctions de fonctions que, grˆace `a
cette convention, dΥ est une quantit´e qui ne d´epend pas du choix des variables
ind´ependantes. Cette invariance de dΥ au cours d’un changement de variables
r´esume les r`egles qui indiquent comment un changement de varibles transforme
les d´eriv´ees d’une fonction.
Apr`es le choix d’un autre syst`eme de diff´erentielles, il est possible de
prendre δΥ au lieu de dΥ. Il est aussi important de pouvoir consid´erer `a la
fois δdΥ et dδΥ. Ainsi, il est possible de d´efinir les diff´erentielles δ
i
, i = 1, 2, 3
des variables autres que x
1
, x
2
et x
3
dont d´ependent les dx
1
, dx
2
et dx
3
dont
d´ependent δx
1
, δx
2
et δx
3
. Nous supposerons toujours qu’il soit possible de
choisir les diff´erentielles de telles sortent que
δdx
i
= dδx
i
, i = 1, 2, 3. (6.26)
Par exemple si dx
i
= ξ
i
(x
1
, x
2
, x
3
), δx
i
= η
i
(x
1
, x
2
, x
3
), i = 1, 2, 3, alors (6.41)
s’´ecrit
3
¸
k=1

∂ξ
i
∂x
k
η
k
−ξ
k
∂η
i
∂x
k

i = 1, 2, 3.
Quand cette relation est v´erifi´ee, les symboles d et δ sont dits ´echangeables. De
plus, si les symboles sont ´echangeables, ils le sont ´egalement apr`es changement
de variables.
Normalement, le choix du syst`eme de diff´erentielles est effectu´e en fonc-
tion de l’interpr´etation naturelle (g´eom´etrique et analytique), `a savoir que si
dx
i
, i = 1, 2, 3, sont des accroissements infiniments petits, dΥ est la partie
principale de l’accroissement correspondant de Υ.
6.13.2 D´erivation ext´erieure d’une 1-forme
Soit la 1-forme
ω = ω
1
dx
1

2
dx
2

3
Et calculons la diff´erence dω −δω :
dω −δω =
3
¸
k=1

k
δx
k
−δω
k
dx
k
=
3
¸
i=1
3
¸
k=1
∂ω
k
∂x
i
(dx
1
δx
k
−δx
i
dx
k
)
=
¸
1≤i≤k≤3

∂ω
k
∂x
i

∂ω
i
∂x
k

(dx
1
δx
k
−δx
i
dx
k
) (6.27)
166 6 Elements de G´eom´etrie
On d´efinit la d´eriv´ee ext´erieure
ω

= dω −δω (6.28)
On peut noter de fa¸ con abr´eg´ee la diff´erence dx
i
δx
j
−δx
i
dx
j
sous la forme
dx
i
∧ dx
j
.
Le produit ext´erieur d’une 1-forme ω =
¸
ω
k
dx
k
avec une autre 1-forme
¯ ω =
¸
¯ ω
k
dx
k
est donn´e par
ω ∧ ¯ ω =
¸
i,j
ω
i
¯ ω
j
dx
i
∧ dx
j
=
¸
1≤i≤j≤3

i
¯ ω
j
− ω
j
¯ ω
i
)dx
i
∧ dx
j
Ainsi en d´enotant dω au lieu de ω

:
dω =
¸
1≤i≤j≤3

∂ω
j
∂x
i

∂ω
i
∂x
j

dx
i
∧ dx
j
(6.29)
Nous avons la propri´et´e suivante, o` u ω est une 1-forme et Υ une fonction :
d(Υω) = dΥ ∧ ω +Υdω (6.30)
6.13.3 D´erivation ext´erieure
Pour une fonction Υ, nous avons l’expression (6.40).
Pour une 1-forme ω = Pdx +Qdy +Rdz, en appliquant (6.45) sur chacun
des termes, et en tenant compte de (6.40), nous obtenons
dω = (
∂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
δx
i
− δx
i
dx
i
= 0 et dx
i
∧ dx
j
= dx
i
δx
j
− δx
i
dx
j
=
−(dx
j
δx
i
−δx
j
dx
i
) = −dx
j
∧dx
i
, nous retombons bien sur l’expression (6.44).
Par cons´equent, avec Υ une fonction arbitraire des variables x
1
, x
2
, . . ., x
n
,
on peut d´efinir de mani`ere inductive la diff´erentielle ext´erieure d’une forme
de degr´e quelconque en partant d’une forme monˆ ome
6.13 Diff´erentiation ext´erieure 167
α = Υdx
1
∧ dx
2
∧ dx
3
∧ . . . ∧ dx
n
,
par
dα = (dΥ) ∧ dx
1
∧ dx
2
∧ dx
3
∧ . . . ∧ dx
n
. (6.32)
Cette op´eration d´efinie pareillement est la seule qui poss`ede les propri´et´es
suivantes :
1. distributivit´e par rapport `a l’addition :
d(ω +ν) = dω +dν; (6.33)
2. r`egle de Leibniz en tenant compte de l’anti-sym´etrie :
d(ω ∧ ν) = dω ∧ ν + (−1)
p
ω ∧ dnu o` u ω est une p-forme; (6.34)
3. d est l’op´erateur de diff´erentiation usuel sur les 0-formes (le gradient sur
les fonctions) ;
4. d(df) = 0 sur les fonctions f ;
La d´efinition ci-dessus montre que cette op´eration est ind´ependante du
choix des coordonn´ees et se d´efinit de mani`ere globale sur la vari´et´e. Toutefois,
en utilisant des coordonn´ees locales, nous avons la d´efinition de la diff´erentielle
ext´erieure d’une 1-forme arbitraire suivante :
D´efinition 6.24. La diff´erentielle ext´erieure d’une forme arbitraire ω =
¸
n
j=1
α
j
dx
j
est donn´ee par
dω =
n
¸
j=1

n
¸
i=1
∂α
j
∂x
i
dx
i

∧ dx
j
.
6.13.4 Th´eor`eme de Stokes g´en´eralis´e
A l’aide de cette nouvelle propri´et´e de diff´erentiation, et en partant d’une
1-forme ω quelconque en dimension n, il est possible d’int´egrer cette 1-forme
sur une hyper-surface, sous-vari´et´e δΓ englobant un certain volume, la vari´et´e
Γ. Quel que soit la dimension n, il est toujours vrai que

∂Γ
ω =

Γ
dω.
La d´emonstration se trouve dans bon nombre de livres sur la g´eom´etrie
diff´erentielle et nous invitons le lecteur `a consulter par exemple [Boo75].
168 6 Elements de G´eom´etrie
6.14 Int´egrabilit´e
Nous allons maintenant montrer sous quelles conditions il est possible
de construire une hypersurface perpendiculaire `a une 1-forme unique. Cette
derni`ere repr´esente un champ de normales `a partir de laquelle la surface est
construite.
Remarquons que ceci revient au mˆeme que d’´etablir sous quelles conditions
un ensemble de champ de vecteur (constituant de la sorte une distribution)
engendre, en tout point l’espace, l’espace tangeant `a l’hypersurface mentionn´ee
pr´ec´edemment.
Une hypersurface dans l’espace est repr´esent´ee comme une seule ´equation
de tous les ´etats :
C = Υ(x
1
, x
2
, x
3
, . . . , x
n
), (6.35)
avec une certaine constante C ∈ R.
Cette hypersurface est une surface de dimension n−1 plong´ee dans l’espace
de dimension n. Nous n’envisagerons dans ce qui suit que le caract`ere local de
cette hypersurface, au sens o` u on ne s’int´eressera pas de savoir si cette surface
est d´efinie partout dans l’espace. Nous reviendrons sur le caract`ere local des
r´esultats par la suite.
La figure 6.3 repr´esente la surface ellipso¨ıdale
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 l’ellipse d´efinie par l’´equation 4x
2
1
+x
2
2
+ 2x
2
3
= 1
6.14 Int´egrabilit´e 169
Si l’on se place en un point p de cette surface, il est possible de se d´eplacer
de mani`ere infinit´esimale dans l’espace d’´etat. Par exemple, si l’on se d´eplace
le long de l’axe x
1
, et uniquement le long de cet axe, on peut consid´erer
dx
1
= ǫ > 0, dx
2
= dx
3
= 0 comme repr´esentant un tr`es petit d´eplacement
parall`ele `a l’axe x
1
et n’ayant aucune contribution le long des axes x
2
et x
3
.
Toutefois, en consid´erant un tel d´eplacement, on quitte instantan´ement la
surface d´efinie par (6.36).
Par contre, rien n’empˆeche de prendre un autre d´eplacement infinit´esimal
associ´e `a une valeur particuli`ere des quantit´es dx
1
= α
1
, dx
2
= α
2
et dx
3
= α
3
.
Quelle est alors la condition sur les d´eplacements infinit´esimaux (choix de
α
1
, α
2
et α
3
) afin que l’on demeure sur la surface correspondant `a l’´equation
de l’ellipso¨ıde (6.36) ?
Si l’on reste sur la surface, la valeur correspondant au membre de gauche
de (6.36) ne doit pas changer apr`es le d´eplacement et continuer de valoir un.
Ainsi, en d´efinissant Υ = 4x
2
1
+ x
2
2
+ 2x
2
3
, la condition sur les accroissements
est
dΥ =
∂Υ
∂x
1
dx
1
+
∂Υ
∂x
2
dx
2
+
∂Υ
∂x
3
dx
3
= 8x
1
dx
1
+ 2x
2
dx
2
+ 4x
3
dx
3
= 0. (6.37)
Les valeurs α
i
, i = 1, 2, 3 sont choisies afin de satisfaire cette ´equation,
condition qui peut s’´ecrire comme l’annulation du prpduit scalaire :

8x
1
2x
2
4x
3

¸
dx
1
dx
2
dx
3
¸

= 0.
Par cons´equent, le vecteur

8x
1
2x
2
4x
3

repr´esente une normale `a la sur-
face. En effet, un d´eplacement infinit´esimal, choisi afin de rester sur la surface
Υ = C, respecte la condition (6.37).
Les consid´erations ci-dessus montrent ´egalement que l’on peut mettre en
correspondance (isomorphisme) entre les deux entit´es :
8x
1
dx
1
+ 2x
2
dx
2
+ 4x
3
dx
3

8x
1
2x
2
4x
3

. (6.38)
La quantit´e de gauche est appel´ee 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 quantit´e d´ecrit
`a proprement parl´e un champ d’´el´ements qui est dans le dual d’un champ de
vecteurs, au sens ou chacun des ´el´ements en question est un dual d’un vecteur,
lui-mˆeme ´el´ement d’un champ de vecteurs).
170 6 Elements de G´eom´etrie
Fig. 6.4. Repr´esentation du champ de normales correspondant `a la 1-forme 8x1dx1+
2x2dx2 + 4x3dx3. Seule une partie de l’ellipse d’´equation 4x
2
1
+ x
2
2
+ 2x
2
3
= 1 est
repr´esent´ee.
6.15 Diff´erence entre une 1-forme exacte et int´egrable.
La section pr´ec´edente montre l’existence d’un champ de co-vecteurs nor-
maux `a une surface. Etant donn´e une surface, il existe toujours un champ
normal. La question est de savoir si la r´eciproque est vraie, c’est-`a-dire ´etant
donn´e un champ de co-vecteurs quelconques, exite-t-il une surface pour la-
quelle la normale `a cette surface correspond au champ en question ?
Soit donc une fonction Υ de trois coordonn´ees x
1
, x
2
, x
3
. Il est possible
de constituer une 1-forme en prenant la diff´erentielle totale de la fontion Υ :
dΥ =
∂Υ
∂x
1
dx
1
+
∂Υ
∂x
2
dx
2
+
∂Υ
∂x
3
dx
3
.
On constate que les coefficients devant dx
1
, dx
2
, dx
3
sont des fonctions de
x
1
, x
2
, x
3
. De plus, ces coefficients ne sont pas arbitraires, puisqu’il sont issus
de la fonction Υ, par d´eriv´ees partielles.
On peut alors s’interroger sur la r´eciproque, `a savoir, ´etant donn´e trois
fonctions arbitraires de x
1
, x
2
et x
3
(disons ω
1
(x
1
, x
2
, x
3
), ω
2
(x
1
, x
2
, x
3
) et
ω
3
(x
1
, x
2
, x
3
)), existe-t-il une fonction Ψ qui est en relation ´etroite avec la
1-forme
ω = ω
1
dx
1

2
dx
2

3
dx
3
. (6.39)
Trois cas de figure se pr´esentent :
6.16 Diff´erentielles et d´erivation ext´erieure 171
1. Il existe une fonction Ψ(x
1
, x
2
, x
3
) pour laquelle
ω
i
=
∂Ψ
∂x
i
i = 1, 2, 3,
de telle sorte que dΨ = ω. La 1-forme (6.39) est dite exacte dans ce cas et
nous avons la r´eciproque exacte de l’assertion ci-dessus.
2. Il existe une fonction Ψ(x
1
, x
2
, x
3
) et une autre fonction η(x
1
, x
2
, x
3
) telles
que
η(x
1
, x
2
, x
3

i
=
∂Ψ
∂x
i
i = 1, 2, 3.
Dans ce cas, la 1-forme est dite int´egrable. Il s’agit donc de trouver un
facteur qui multiplie toutes les composantes de la 1-forme afin que la 1-
forme r´esultante devienne exacte, le facteur variant d’un point `a l’autre
de l’espace d’´etat. La difficult´e de l’int´egration provient de la n´ecessit´e de
d´eterminer deux quantit´es η(x
1
, x
2
, x
3
) et Ψ(x
1
, x
2
, x
3
). Nous avons une
sorte de r´eciproque partielle de l’assertion ci-dessus.
3. La 1-forme (6.39) n’est reli´ee `a aucune fonction Ψ des trois coordonn´ees
x
1
, x
2
, et x
3
; elle est alors dite non-int´egrable. La r´eciproque de l’assertion
ci-dessus n’existe pas dans ce cas.
On constate donc qu’une 1-forme exacte est n´ecessairement int´egrable. Par
contre, il existe des 1-formes int´egrables qui ne sont pas pour autant exactes.
Il nous reste donc `a trouver les conditions pour discriminer entre les trois cas
possibles. Pour se faire, il est n´ecessaire de d´eveloper un calcul infinit´esimal
particuler, appel´e calcul diff´erentiel ext´erieur.
6.16 Diff´erentielles et d´erivation ext´erieure
Diff´erentielles
Les diff´erentielles dx
1
, dx
2
et dx
3
forment un syst`eme de diff´erentielles.
Ce sont des fonctions des coordonn´ees x
1
, x
2
, x
3
et d’un nombre arbitraire
de nouvelles fonctions. Consid´erons un autre syst`eme de diff´erentielles, disons
δx
1
, δx
2
et δx
3
, qui sont ´egalement des fonctions (mais diff´erentes) de x
1
,
x
2
et x
3
et d’un autre ensemble de variables. La diff´erentielle d’une fonction
Υ(x
1
, x
2
, x
3
) est par d´efinition
dΥ =
∂Υ
∂x
1
dx
1
+
∂Υ
∂x
2
dx
2
+
∂Υ
∂x
3
dx
3
(6.40)
Supposons que nous adoptions comme variables ind´ependantes (` a la place
de x
1
, x
2
et x
3
), trois fonctions ind´ependantes y
1
, y
2
et y
3
de x
1
, x
2
et x
3
.
Nous conviendrons de continuer `a leur associer les mˆemes diff´erentielles
172 6 Elements de G´eom´etrie
dy
i
=
∂y
i
∂x
1
dx
1
+
∂y
i
∂x
2
dx
2
+
∂y
i
∂x
3
dx
3
.
On d´eduit de la r`egle de diff´erentiation des fonctions de fonctions que, grˆace `a
cette convention, dΥ est une quantit´e qui ne d´epend pas du choix des variables
ind´ependantes. Cette invariance de dΥ au cours d’un changement de variables
r´esume les r`egles qui indiquent comment un changement de varibles transforme
les d´eriv´ees d’une fonction.
Apr`es le choix d’un autre syst`eme de diff´erentielles, il est possible de
prendre δΥ au lieu de dΥ. Il est aussi important de pouvoir consid´erer `a la
fois δdΥ et dδΥ. Ainsi, il est possible de d´efinir les diff´erentielles δ
i
, i = 1, 2, 3
des variables autres que x
1
, x
2
et x
3
dont d´ependent les dx
1
, dx
2
et dx
3
dont
d´ependent δx
1
, δx
2
et δx
3
. Nous supposerons toujours qu’il soit possible de
choisir les diff´erentielles de telles sortent que
δdx
i
= dδx
i
, i = 1, 2, 3. (6.41)
Par exemple si dx
i
= ξ
i
(x
1
, x
2
, x
3
), δx
i
= η
i
(x
1
, x
2
, x
3
), i = 1, 2, 3, alors (6.41)
s’´ecrit
3
¸
k=1

∂ξ
i
∂x
k
η
k
−ξ
k
∂η
i
∂x
k

i = 1, 2, 3.
Quand cette relation est v´erifi´ee, les symboles d et δ sont dits ´echangeables. De
plus, si les symboles sont ´echangeables, ils le sont ´egalement apr`es changement
de variables.
Normalement, le choix du syst`eme de diff´erentielles est effectu´e en fonc-
tion de l’interpr´etation naturelle (g´eom´etrique et analytique), `a savoir que
si dx
i
, i = 1, 2, 3, sont des accroissements infiniments petits, dΥ est la partie
principale de l’accroissement correspondant de Υ. Toutefois, les consid´erations
ci-dessus montrent qu’il est possible de d´efinir des diff´erentielles ”abstraites”
(disons δx
i
) pour autant qu’elles soient compatibles avec un calcul diff´erentiel
appropri´e.
D´erivation ext´erieure
Soit la 1-forme
ω = ω
1
dx
1

2
dx
2

3
Et calculons la diff´erence dω −δω :
6.17 Propri´et´es de la diff´erentielle ext´erieure 173
dω −δω =
3
¸
k=1

k
δx
k
−δω
k
dx
k
=
3
¸
i=1
3
¸
k=1
∂ω
k
∂x
i
(dx
1
δx
k
−δx
i
dx
k
)
=
¸
1≤i≤k≤3

∂ω
k
∂x
i

∂ω
i
∂x
k

(dx
1
δx
k
−δx
i
dx
k
) (6.42)
On d´efinit la d´eriv´ee ext´erieure
ω

= dω −δω (6.43)
On peut noter de fa¸ con abr´eg´ee la diff´erence dx
i
δx
j
−δx
i
dx
j
sous la forme
dx
i
∧ dx
j
.
Le produit ext´erieur d’une 1-forme ω =
¸
ω
k
dx
k
avec une autre 1-forme
¯ ω =
¸
¯ ω
k
dx
k
est donn´e par
ω ∧ ¯ ω =
¸
i,j
ω
i
¯ ω
j
dx
i
∧ dx
j
=
¸
1≤i≤j≤3

i
¯ ω
j
− ω
j
¯ ω
i
)dx
i
∧ dx
j
Ainsi en d´enotant dω au lieu de ω

:
dω =
¸
1≤i≤j≤3

∂ω
j
∂x
i

∂ω
i
∂x
j

dx
i
∧ dx
j
(6.44)
Nous avons la propri´et´e suivante, o` u ω est une 1-forme et Υ une fonction :
d(Υω) = dΥ ∧ ω +Υdω (6.45)
6.17 Propri´et´es de la diff´erentielle ext´erieure
Pour une fonction Υ, nous avons l’expression (6.40).
Pour une 1-forme ω = Pdx +Qdy +Rdz, en appliquant (6.45) sur chacun
des termes, et en tenant compte de (6.40), nous obtenons
174 6 Elements de G´eom´etrie
dω = (
∂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
δx
i
− δx
i
dx
i
= 0 et dx
i
∧ dx
j
= dx
i
δx
j
− δx
i
dx
j
=
−(dx
j
δx
i
−δx
j
dx
i
) = −dx
j
∧dx
i
, nous retombons bien sur l’expression (6.44).
Par cons´equent, avec Υ une fonction arbitraire des variables x
1
, x
2
, . . ., x
n
,
on peut d´efinir de mani`ere inductive la diff´erentielle ext´erieure d’une forme
de degr´e quelconque en partant d’une forme monˆ ome
α = Υdx
1
∧ dx
2
∧ dx
3
∧ . . . ∧ dx
n
,
par
dα = (dΥ) ∧ dx
1
∧ dx
2
∧ dx
3
∧ . . . ∧ dx
n
. (6.47)
En r´esum´e, nous avons la d´efinition de la diff´erentielle ext´erieure d’une
1-forme arbitraire suivante :
D´efinition 6.25. La diff´erentielle ext´erieure d’une forme arbitraire ω =
¸
n
j=1
α
j
dx
j
est donn´ee par
dω =
n
¸
j=1

n
¸
i=1
∂α
j
∂x
i
dx
i

∧ dx
j
.
Le produit ext´erieur est anti-sym´etrique et il pr´eserve la lin´earit´e apr`es
multiplication. Ces principales propri´et´es sont :
dx
i
∧ dx
j
= −dx
j
∧ dx
i
(6.48)
Υ(x)(ω
1
∧ ω
2
) = ω
1
∧ (Υ(x)ω
2
) = (Υ(x)ω
1
) ∧ ω
2
(6.49)
ω
1
∧ (ω
2

3
) = ω
1
∧ ω
2

1
∧ ω
3
6.18 Condition d’exactitude et d’int´egrabilit´e
Maintenant que nous sommes en possession d’un nouveau type de calcul
(la diff´erentiation ext´erieure), nous allons r´eexaminer les questions soulev´ees `a
la section 6.15 en d´eterminant les conditions permettant de d´ecider du type de
1-forme que nous avons `a faire. Ces conditions sont des expressions calculables
facilement `a partir des coefficients de la 1-forme.
6.18 Condition d’exactitude et d’int´egrabilit´e 175
Condition d’exactitude
Soit une 1-forme exacte
ω = Pdx +Qdy +Rdz. (6.50)
Par d´efinition, il existe une fonction Υ telle que
P =
∂Υ
∂x
, Q =
∂Υ
∂y
, et R =
∂Υ
∂z
.
Calculons la diff´erentielle ext´erieure de ω en utilisant (6.44) ou (6.40) :
dω =

2
Υ
∂y∂x
dy ∧ dx +

2
Υ
∂z∂x
dz ∧ dx

2
Υ
∂x∂y
dx ∧ dy +

2
Υ
∂z∂y
dz ∧ dy

2
Υ
∂x∂z
dx ∧ dz +

2
Υ
∂z∂z
dy ∧ dz.
En utilisant (6.48), on d´eduit que
dω) = 0,
concluant sur la n´ecessit´e de cette condition.
Pour en d´emontrer la suffisance, supposons que ω soit exacte (c.-`a-d. que
ω soit le gradient d’une fonction) mais que dω = 0. Nous allons montrer qu’il
y a une contradiction. Pour la voir, il suffit d’appliquer le th´eor`eme de Stokes

V
dω =

∂V
ω,
o` u V est un petit parall´el´epip`ede. Comme ω provient d’une fonction, les contri-
butions sur les cˆ ot´es ∂V du parall´el´epip`ede V se compensent de telle sorte que
l’int´egrale de droite est nulle. Comme dω = 0, par supposition, l’int´egrale de
gauche est non nulle, ce qui contredit l’´egalit´e des deux int´egrales.
Ceci se g´en´eralise `a un nombre arbitraire de variables et nous avons donc
le th´eor`eme suivant valable localement
Th´eor`eme 6.26. Une 1-forme ω est localement exacte si, et seulement si,
dω = 0.
Condition d’int´egrabilit´e
La condition d’int´egrabilit´e est plus subtile ´etant donn´e qu’une fonction
η est manquante (inconnue) pour transformer la 1-forme int´egrable ω en une
1-forme exacte ηω.
176 6 Elements de G´eom´etrie
Dans un premier temps, supposons que la 1-forme (6.50) soit int´egrable.
Ceci signifie que P, Q, et R, sont proportionnels aux d´eriv´ees partielles d’une
certaine fonction Υ par rapport `a respectivement x, y et z :
ηP =
∂Υ
∂x
, ηQ =
∂Υ
∂y
, et ηR =
∂Υ
∂z
. (6.51)
A partir des deux premi`eres ´equations, nous obtenons

∂y
(ηP) =

2
Υ
∂x∂y
=

∂x
(ηQ);
en d’autres termes,
η
∂P
∂y
+P
∂η
∂y
= η
∂Q
∂x
+Q
∂η
∂x
,
ou, ce qui revient au mˆeme,
η

∂P
∂y

∂Q
∂x

= Q
∂η
∂x
−P
∂η
∂y
. (6.52)
De mani`ere similaire, avec les deux derni`eres ´equations de (6.51),
η

∂Q
∂z

∂R
∂y

= R
∂η
∂y
−Q
∂η
∂z
(6.53)
η

∂R
∂x

∂P
∂z

= P
∂η
∂z
−R
∂η
∂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 finalement la condition
P

∂Q
∂z

∂R
∂y

+Q

∂R
∂x

∂P
∂z

+R

∂P
∂y

∂Q
∂x

= 0. (6.55)
Par cons´equent, lorsque il est possible de d´eterminer une fonction qui rend
la 1-forme ω, apr`es multiplication par cette fonction, exacte, alors la condition
(6.55) est satisfaite.
En outre, Il est ais´e de montrer que si l’on prend au lieu de P, Q et R,
des nouvelles fonctions P
1
= λP, Q
1
= λQ et R
1
= λR, o` u λ est une fonction
quelconque, la condition (6.55) continue `a ˆetre v´erifi´ee lorsqu’on remplace P
par P
1
, Q par Q
1
, et R par R
1
.
La r´eciproque est ´egalement vraie, `a savoir que si la condition (6.55) est
satisfaite, alors la 1-forme ω est int´egrable, ou en d’autres termes, il existe
une int´egrale
Υ(x, y, z) = 0.
6.18 Condition d’exactitude et d’int´egrabilit´e 177
Pour le voir, nous allons d’abord revenir en dimension deux. Lorsque P et Q
sont des fonctions de x et y uniquement, l’´equation diff´erentielle
Pdx +Qdy = 0, (6.56)
est garantie de poss`eder une solution u(x, y) = c, o` u c est une constante, quel
que soit P et Q.
Ceci est toujours possible, car il suffit d’´ecrire (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 hypoth`ese,
s’annuler simultan´ement, sinon cela conduirait `a un syst`eme trivial 0 = 0.
En int´egrant une de ces deux ´equations diff´erentielles ordinaires de mani`ere
classique (celle dont le membre de droite ne devient pas singulier), nous ob-
tenons, apr`es mise sous forme implicite, l’expression u(x, y) = c. En d´erivant
u(x, y), on a
∂u
∂x
dx +
∂u
∂y
dy = 0,
ce qui revient `a dire que P = λ
∂u
∂x
, Q = λ
∂u
∂x
, o` u λ est une fonction quelconque.
Lorsqu’il y a trois variables, bien qu’il puisse ˆetre possible, par la m´ethode
d´ecrite ci-dessus, de garantir que P et Q soient proportionnels aux d´eriv´ees
partielles de Υ par rapport `a x et y (il suffit de poser Pdx + Qdy = 0 et
de r´esoudre l’´equation diff´erentielle ordinaire sous jacente, en consid´erant z
comme un param`etre constant), R ne sera pas n´ecessairement proportionnel
`a
∂Υ
∂z
.
N´eanmoins, soit u(x, y, z) une telle fonction, de sorte qu’il existe une fonc-
tion λ(x, y, z) pour laquelle
P
1
= λP =
∂u
∂x
Q
1
= λQ
∂u
∂y
.
Nous d´efinissons S comme la quantit´e manquante pour que R
1
soit direc-
tement proportionnel
∂u
∂z
, c.-`a-d.
R
1

∂u
∂z
= λR −
∂u
∂z
= S (6.57)
Maintenant, en substituant
P
1
=
∂u
∂z
Q
1
=
∂u
∂y
R
1
=
∂u
∂z
+S
178 6 Elements de G´eom´etrie
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 donn´e que (6.55) est sa-
tisfaite), nous obtenons
∂S
∂x
∂u
∂y

∂S
∂y
∂u
∂x
= 0. (6.58)
C’est ainsi que deux cas de figure se pr´esentent. Ou bien R
1
est propor-
tionnel `a
∂u
∂z
, auquel cas Υ = u est l’int´egrale cherch´ee, ou alors S est une
fonction non nulle qui satisfait identiquement l’´equation (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 particuli`eres de x et y, c-`a-d.
que u peut s’exprimer directement `a partir de S et vice versa :
u = g(S) S = f(u).
Toutefois, la pr´esence de z en tant que param`etre dans u(x, y, z) implique
sa pr´esence ´egalement en tant que param`etre dans l’´equation (6.58), ce qui
signifie qu’il faille l’introduire dans l’expression
S = f(u, z),
bien que x et y n’apparaissent plus ind´ependamment l’une de l’autre, mais
seulement sous forme combin´ee par l’interm´ediaire de la fonction u(x, y, z).
C’est ainsi que nous pouvons ´ecrire
λ(Pdx +Qdy +Rdz) =
∂u
∂x
dx +
∂u
∂y
dy +
∂u
∂z
dz +Sdz
= du +Sdz, (6.59)
o` u S s’exprime en fonction uniquement de u et z. Nous avons donc obtenu une
1-forme en dimension deux pour laquelle l’int´egrale est garantie d’exister par
transformation en une ´equation diff´erentielle ordinaire et int´egration classique.
Sous forme implicite ceci donne
Ψ(u, z) = cte,
avec
∂Ψ
∂u
= µ
∂Ψ
∂z
= µS.
Par cons´equent,
λµ(Pdx +Qdy +Rdz) = µ(du +Sdz) = dΨ,
conduisant apr`es subsititution de u(x, y, z) dans Ψ(u, z) `a l’int´egrale
6.18 Condition d’exactitude et d’int´egrabilit´e 179
Ψ(u, z) = Υ(x, y, z).
Ces consid´erations se g´en´eralisent en dimension plus grande que trois,
conduisant au th´eror`eme d’int´egrabilit´e d’une 1-forme suivant :
Th´eor`eme 6.27. Une 1-forme ω est int´egrable si, et seulement si,
dω ∧ ω = 0. (6.60)
180 6 Elements de G´eom´etrie
La d´emonstration, en dimension trois, a d´ej` a ´et´e effectu´ee ci-dessus. Il
suffit de constater que (6.60) conduit en partant de ω = Pdx +Qdy +Rdz `a
l’expression (6.55). Pour le voir, commen¸ cons par calculer dω :
dω =

∂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 ext´erieur, et
en distribuant selon (6.49), on obtient
dω ∧ ω =

∂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 `a dω ∧ ω = 0.
Exemples
Nous donnons trois exemples simples de 1-formes :
6.19 Interpr´etation g´eom´etrique de l’int´egrabilit´e et de la non-int´egrabilit´e 181
– La 1-forme ω
1
= (z+1)dx+xdz est exacte, car une fois pos´e Υ = x(1+z),
l’utilisation de la formule (6.40) donne d(x(1 +z)) = ω
1
.
– La 1-forme ω
2
=
z+1
x
dx + dz n’est pas exacte. Par contre, elle est
int´egrable, ´etant donn´e que xω
2
= ω
1
.
– La 1-forme ω
3
= (−x + y + yz)dx + x(1 + z)dz n’est pas int´egrable
puisque ω
3
∧ dω
3
= −x(1 +z)
2
dx ∧ dy ∧ dz = 0.
6.19 Interpr´etation g´eom´etrique de l’int´egrabilit´e et de
la non-int´egrabilit´e
La figure 6.5 illustre le cas d’une 1-forme exacte ω = yzdx+xzdy +xydz,
pour laquelle la fonction int´egral est Υ = xyz −C = 0, avec C une constante
arbitraire.
On constate que les fl`eches - vecteur ligne

yz xz yz

- sont perpendicu-
laires en chacun de point de la surface int´egrale. Elles d´efinissent non seule-
ment un champ normal, mais correspondent exactement au gradient de la
fonction int´egrale Υ.
Fig. 6.5. la 1-forme ω = yzdx + xzdy + xydz exacte est repr´esent´ee avec trois
surfaces int´egrales xyz = cte.
Lorsque la 1-forme n’est plus exacte, mais toutefois int´egrable, la longueur
de la fl`eche n’a en quelque sorte pas d’importance, et seul son orientation
compte. Ainsi, si au lieu de ω, nous aurions pris une fonction arbitraire η,
modifiant en chacun des points la norme de la fl`eche `a ce point, mais pas son
orientation, les fl`eches demeureraient normales aux surfaces int´egrales Υ = 0.
La 1-forme ηω poss`edent donc les mˆemes surfaces int´egrales que ω.
Dans le cas d’une 1-forme non int´egrable, les orientations des normales
bloquent en quelque sorte le processus d’int´egration. Nous allons examiner de
plus pr`es une explication g´eom´etrique de ce ph´enom`ene.
182 6 Elements de G´eom´etrie
-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 int´egrable ω = yzdx + xzdy + xydz est repr´esent´ee. (ii)
La courbe Ξ est toujours orient´ee dans le sens des 1-forme. (iii) Les deux surfaces
int´egrales x
2
−y
2
= c1 et y
2
−z
2
= c2 des 1-formes compl´ementaires (6.63) et (6.64)
(c.-`a-d. xzdx−yzdy et xydy −xzdz) se coupent exactement pour donner Ξ. (iv) Les
surfaces int´egrales `a ω, `a savoir xyz = c, c ∈ R pour quatre valeurs de c diff´erentes,
sont ajout´ees.
6.19 Interpr´etation g´eom´etrique de l’int´egrabilit´e et de la non-int´egrabilit´e 183
Soit
Pdx +Qdy +Rdz, (6.61)
une 1-forme arbitraire, `a partir de laquelle deux ´equations suppl´ementaires de
deux 1-formes chacune sont constitu´ees :
dx
P
=
dy
Q
=
dz
R
. (6.62)
Ce syst`eme est toujours int´egrable (mˆeme lorsque (6.61) ne l’est pas), car il
comporte deux 1-formes ind´ependantes 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 ˆetre satisfaites simultan´ement sur leur vari´et´e
int´egrale, ce qui est toujours le cas, ´etant donn´e qu’il est possible d’assigner
une variable ind´ependante y, et de former le syst`eme d’´equations diff´erentielles
ordinaires
dx
dy
=
P
Q
(6.65)
dz
dy
=
R
Q
(6.66)
dont la solution - et par cons´equent ´egalement la solution de (6.62) - est
constitu´e par un ensemble infini de courbes x(y) et z(y), param´etr´ee par la
coordonn´ee y libre ; chacune de ces courbes part, `a la coordonn´ee y
0
, d’une
condition initiale x(y
0
), z(y
0
) diff´erente.
Remarquons que si Q s’annule le long de l’int´egration, il suffit de prendre
l’annulation de deux autres 1-formes issues de (6.62) au lieu de Qdx−Pdy = 0
et Rdy −Qdz = 0.
Nous d´esignerons par Ξ une courbe parmis cet ensemble ainsi obtenu. En
partant d’un certain point de cette courbe Ξ, disons A, il est possible de se
d´eplacer, soit dans la direction de cette courbe le long de son vecteur tangent,
soit perpendiculairement `a celui-ci, dans un nombre infini de directions pos-
sibles. Ces directions perpendiculaires sont contenues dans la plan de support
des vecteurs lignes (6.63) et (6.64), `a savoir

Q −P 0

et

0 R −Q

. Ce plan
sera d´enomm´e le plan perpendiculaire `a Ξ au point consid´er´e.
Ind´ependamment des consid´erations pr´ec´edentes, choisissons une surface
quelconque ψ(x, y, z) = 0 de telle sorte que la point A soit compris dans cette
184 6 Elements de G´eom´etrie
surface. Notons que Ξ n’appartient pas n´ecessairement `a cette surface choisie
de mani`ere arbitraire.
Maintenant, une solution `a (6.61), (qui est une 1-forme quelconque, mais
pas n´ecessairement int´egrable), s’obtient de la mani`ere suivante : On se
d´eplace dans le plan perpendiculaire `a Ξ au point A. Il existe une infinit´e
de tels d´eplacements. Cependant, il y a un seul d´eplacement dans la surface
ψ(x, y, z) = 0 dans cette direction. C’est le prochain point d´esir´e A
1
.
On r´ep`ete alors la proc´edure :
1. on construit la courbe Ξ passant `a traver A
1
et qui satisfait le syst`eme
(6.62) ;
2. on construit le vecteur ξ au point A
1
, tangent `a la courbe Ξ le long de
celle-ci.
3. parmis tous les co-vecteurs perpendiculaires au vecteur tangent ξ, il en
existe un qui correspond `a un d´eplacement au sein de la surface ψ(x, y, z). ;
4. on se d´eplace `a ce nouveau point A
2
.
Ainsi, la solution est d´ependante de la surface ψ(x, y, z) choisie. Une fois
cette surface choisie, la solution est une famille de courbes d´ependant du point
initial A. Pour un point A d´etermin´e, il y a une seule courbe particuli`ere.
Dans le cas d’une 1-forme int´egrable, il est possible de choisir la surface
ψ(x, y, z) de telle sorte que tout d´eplacement infinit´esimal `a l’int´erieur de cette
surface soit perpendiculaire au vecteur ξ tangent `a la courbe Ξ solution de
(6.62). Par cons´equent, la solution est assimil´ee `a la surface ψ(x, y, z) = 0
compl`ete et non plus `a une courbe sp´ecifique. Le r´esultat (de l’int´egration)
est ind´ependant de Ξ, solution de (6.62) : Ξ n’a pas d’influence sur le choix
de courbe comprise dans dans ψ(x, y, z) = 0. Mais bien entendu, on ne peut
plus choisir ψ(x, y, z) librement, contrairement au cas non-int´egrable (c.-`a-d.
lorsque la condition ω ∧ dω = 0 n’est pas satisfaite).
On peut ainsi interpr´eter le r´esultat comme le fait que la normale `a la
surface ψ(x, y, z) = 0 (qui est

P Q R

est toujours colin´eaire au champ de
vecteurs correspondant au syst`eme (6.62) (celui d´efinissant ξ et Ξ ; afin que les
surfaces coupent Ξ `a angle droit). Le champ de vecteurs est dans l’annulateur
des formes constitutives
P
dx
=
Q
dy
=
R
dz
(6.67)
Le cas d’une 1-forme int´egrable est illustr´e `a la figure 6.6.
6.20 Les deux formes du th´eor`eme de Frobenius
Soit les ´equations aux d´eriv´ees partielles suivantes :
6.20 Les deux formes du th´eor`eme 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’
Ξ
z
y
x
Fig. 6.7. Repr´esentation de la construction d’une solution de ω = 0 lorsque la
1-forme ω n’est pas int´egrable. Le cas de ω = (−x − y + yz)dx + x(1 + z)dz =
Pdx + Rdz conduit `a l’´equation diff´erentielle
dz
dx
=
x(1+z)
−x−y+yz
et
dy
dx
= 0 d´efinissant
la courbe Ξ. Cette courbe est repr´esent´ee 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 d´efinit par (R 0 − P)
T
et (0 R − Q)
T
. La surface arbitraire
ψ(x, y, z) =
1
2
cos(4(y −1))(x−2)
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 d´epend de la surface ψ(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 donn´ees.
Il existe deux formulation des conditions n´ecessaires et suffisantes pour
l’existence d’une fonction h(x
1
, x
2
, x
3
) qui satisfasse les ´equations (6.68) et
(6.69).
La premi`ere formulation utilise directement les deux champs de vecteurs

f
1
f
2
f
3

T
et

g
1
g
2
g
3

T
:
186 6 Elements de G´eom´etrie
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
Ξ
z
y
x
Fig. 6.8. Dans le cas int´egrable il est possible de trouver une surface pour laquelle
tout les d´eplacements infinit´esimaux sont possibles. Le cas de ω = yzdx
Th´eor`eme 6.28. h(x
1
, x
2
, x
3
) est une solution si, et seulement si, le crochet
de f et g retombe dans l’espace engendr´e par f et g, c.-` a-d. qu’il existe deux
fonctions scalaires de x, disons α
1
(x) et α
2
(x) de M→R telles que
[f, g](x) = α
1
(x)f(x) +α
2
(x)g(x).
Pour avoir un r´esultat local, il n’est pas n´ecessaire de tester la condition
ci-dessus sur toute la vari´et´e M mais autour d’un voisinage o` u l’on aimerait
construire la fonction h(x
1
, x
2
, x
3
).
Ce th´eor`eme permet de rattacher la condition d’int´egrabilit´e de la fonction
h `a celle de la distribution engendr´ee par les champs de vecteurs :
D´efinition 6.29. Une distribution (g´en´ere par f
1
et f
2
) pour laquelle la
fonction h satisfasse aux ´equations (6.68) et (6.69) est dite compl`etement
int´egrable.
La seconde formulation du th´eor`eme de Frobenius utilise la 1-forme unique
qui est perpendiculaire aux champs de vecteurs f
1
et f
2
. Soit ω la 1-forme en
question de telle sorte que
ωf
1
= ωf
2
= 0. (6.70)
6.20 Les deux formes du th´eor`eme de Frobenius 187
Th´eor`eme 6.30. h(x
1
, x
2
, x
3
) est une solution

ω ∧ dω = 0.
La seconde condition exprime simplement que la 1-forme doit ˆetre int´egrable.
En fait, le gradient de h ne diff`ere de ω que par une fonction inconnue qu’il
s’agit de d´eterminer comme cel` a a ´et´e d´emontr´e `a la section 6.14.
Nous formulerons les deux conditions dans le cas d’une dimension de l’´etat
plus grande que trois et nous verrons que ces deux th´eor`emes sont identiques.
La seconde formulation a d´ej` a ´et´e d´emontr´ee dans le cas de trois variables ; la
d´emonstration dans le cas d’un plus grand nombre de variables suit les mˆemes
lignes.
Nous nous contenterons donc de montrer que la premi`ere formulation est
´equivalente `a la seconde. Dans le cas de plus de trois variables, la premi`ere for-
mulation s’´enonce `a partir du concept de distribution involutive (aussi appel´ee
famille involutive par abus de langage pour d´esigner une famille de champ de
vecteurs qui est involutive).
Distribution involutive
D´efinition 6.31. On dit que la distribution engendr´ee 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 signifie ”sous-espace vectoriel engendr´e par”.
Ainsi, une famille involutive est une collection de champ de vecteur tels
que si on prend n’importe quel couple de vecteurs y appertenant et que l’on
en prenne le crochet de Lie, le champ de vecteur r´esultant retombe dans
la distribution. Ceci signifie qu’en chaque point de la vari´et´e, le crochet de
deux vecteurs appartenant au sous-espace vectoriel engendr´e par les vecteurs
d´efinissant la distribution demeure dans le sous-espace vectoriel en question.
Nous avons ´egalement besoin de la propri´et´e
dω(f, g) =
1
2
(L
f
(ωg) −L
g
(ωf) −ω[f, g]) . (6.71)
Elle d´ecoule de la d´erivation ext´erieure d’une 1-forme arbitraire ω mais ex-
prim´ee sans recours aux coordonn´ees locales. La 2-forme dω est ´evalu´ee selon
deux vecteurs arbitraires f et g afin de donner un nombre qui s’exprime direc-
tement `a partir des d´eriv´ees de Lie des quantit´ee ωf et ωg (ces derni`eres sont
188 6 Elements de G´eom´etrie
des valeurs scalaires). Il reste toutefois un terme suppl´ementaire qui d´epend du
crochet de Lie des deux vecteurs f et g et c’est l`a que r´eside esstentiellement
le lien entre les deux formulations du th´eor`eme de Frobenius.
La propri´et´e (6.71) se d´emontre par calcul direct. La proc´edure est un peu
fastidieuse mais ne pr´esente pas de difficult´e particuli`ere et nous en laissant
le soin au lecteur.
Nous donnons maintenant la formulation des deux formes du th´eor`eme de
Frobenius dans le cas d’une distribution d´efinie par n −1 champ de vecteurs
de n coordonn´ees (la vari´et´e est de dimension n).
Th´eor`eme 6.32. Un ensemble de n−1 champ de vecteurs {f
1
, f
2
, . . . , f
n−1
}
d´efinit une distribution int´egrable si, et seulement si, la distribution est invo-
lutive.
Th´eor`eme 6.33. Soit ω, la 1-forme qui annule tous les champs de vecteurs
f
1
, f
2
, . . ., f
n−1
. La 1-forme ω et la distribution d´efinie par les champs f
1
,
f
2
, . . ., f
n−1
sont int´egrables si, et seulement si,
ω ∧ dω = 0.
Nous savons que, par d´efinition, une distribution consititu´ee de n−1 champ
de vecteurs est int´egrable s’il existe une fonction h tel que son gradient annule
la distribution en question. Par cons´equent, il suffit de v´erifier que la condition
d’int´egrabilit´e ω ∧ dω = 0 est ´equivalente `a l’involutivit´e de la distribution
{f
1
, f
2
, . . . , f
n−1
}.
Commen¸ cons par admettre que la distribution est involutive. Ceci signifie
que quelque soit i, j, les crochets [f
i
, f
j
] s’expriment [f
i
, f
j
] =
¸
n−1
k=1
α
k
(x)f
k
.
Comme ω est choisi de telle sorte que ωf
k
= 0, k = 1, . . . , n − 1, on a donc
ω[f
i
, f
j
] = 0 pour tout choix de i et j (ceci d´ecoule directement de l’invo-
lutivit´e). C’est ainsi qu’en utilisant (6.71), on a dω(f
i
, f
j
) =
1
2
(L
fj
(ωf
i
) −
L
fi
(ωf
j
) −ω[f
i
, f
j
]) =
1
2
(L
fj
(ωf
i
) −L
fi
(ωf
j
) = 0, et donc dω(f
i
, f
j
) = 0 pour
autant que f
i
, et f
j
appartienne `a la distribution.
Attention, ceci ne signifie par pour autant que dω(f
1
, f
2
) = 0 quel que soit
f
1
et f
2
.
Toutefois, comme la distribution est de rang n−1, et puisque dω s’annule
sur cette distribution, dω se d´ecompose selon deux 1-formes dont une au moins
est multiple de ω. En d’autres termes,
dω = ω
1
∧ α(x)ω.
En effet, supposons que cela ne soit pas le cas et que dω = ω
1
∧ ω
2
de telle sorte que ni ω
1
ni ω
2
ne soit multiple de ω. Ceci signifie, par
ind´ependance lin´eaire des f
1
, f
2
, . . ., f
n−1
, qu’il existe alors une combinai-
son lin´eaire
¯
f =
¸
n−1
i=1
β
i
f
i
pour laquelle `a la fois ω
1
¯
f = 0 et ω
2
¯
f = 0 et
6.20 Les deux formes du th´eor`eme de Frobenius 189
nous aboutissons `a la contradiction que dω ne s’annule pas sur la distribution
F = span {f
1
, . . . , f
n−1
}.
Ainsi, comme dω = ω
1
∧ α(x)ω, nous avons n´ecessairement
dω ∧ ω = 0,
et la correspondance de la premi`ere formulation `a la seconde est d´emontr´ee.
Dans l’autre sens, nous supposerons que dω ∧ ω = 0 et nous devons alors
montrer que la distribution annulant ω est involutive.
Premi`erement, et quelque soit ω, int´egrable ou non, il est toujours possible
de trouver des champs de vecteurs f
1
, . . ., f
n−1
qui annulent ω.
Remarquons ´egalement que dω peut toujours s’exprimer comme un produit
ext´erieur de deux 1-formes, quel que soit les propri´et´es particuli`eres de ω.
Maintenant, comme dω ∧ ω = 0, ceci signifie, comme pr´ec´edemment, que
une de ces deux formes doive ˆetre proportionnelle `a ω, car sinon la condition
d’int´egrabilit´e ne serait pas satisfaite.
Ainsi, et sans perte de g´en´eralit´e, nous pouvons assumer
dω = ω
1
∧ α(x)ω, (6.72)
o` u α(x) est une fonction scalaire arbitraire.
Maintenant, nous savons par construction que la 1-forme ω annule tout
champ vecteur dans la distribution F = span {f
1
, . . . , f
n−1
}. Par cons´equent,
quel que soit les champs de vecteurs f ∈ F et
¯
f ∈ F, nous aurons `a cause de
(6.72)
dω(f,
¯
f) = 0. (6.73)
En utilisant la propri´et´e (6.71), nous avons
dω(f,
¯
f) =
1
2

L
f

¯
f) − L¯
f
(ωf) −ω[f,
¯
f]

= −
1
2
ω[f,
¯
f] = 0.
Par cons´equent [f,
¯
f] ∈ F. Comme le choix de f et
¯
f est arbitraire, la
distribution F est bien involutive, ce qui conclut sur l’´equivalence des deux
formes du th´eor`eme de Frobenius.
7
Commande par lin´earisation
Le pr´esent chapitre aborde les techniques qui ont comme objectif d’exploi-
ter la possibilit´e d’utiliser des techniques lin´eaires pour la synth`ese d’une loi
de commande en essayant de garantir un ensemble de stabilit´e le plus grand
possible. Nous ne traiterons que des syst`emes comportant une seule entr´ee.
Une mani`ere de proc´eder est de tranformer, par l’entremise d’un bouclage,
le syst`eme initial en un syst`eme ´equivalent lin´eaire, ` a partir duquel des tech-
niques de synth`ese lin´eaires peuvent ˆetre appliqu´ees. Le mod`ele lin´eaire le
mieux appropri´e est le syst`eme lin´eaire le plus simple possible, c.-`a-d. une
chaˆıne d’int´egrateurs.
Nous distinguons essentiellement deux m´ethodes, celle qui transforme l’en-
semble de l’´etat initial en une chaˆıne d’int´egrateurs. Cette chaˆıne contient alors
autant d’int´egrateurs que le nombre d’´etats utilis´es pour d´ecrire le syst`eme ori-
ginellement. La seconde consiste `a ne transformer qu’une sous partie associ´ee
`a une sortie du syst`eme assign´ee d`es le d´epart. Il faut alors faire attention `a ce
que la partie rendue inobservable par le bouclage sur la sortie ne d´estabilise
pas les ´etats qui ne sont pas pris en compte par l’´equivalence avec la chaˆıne
d’int´egrateurs.
Nous traiterons essentiellement du probl`eme de r´egulation et de la pour-
suite de trajectoire. Ces objectifs peuvent ˆetre d´efinis en fonction du concept
d’´equation diff´erentielle d’erreur. Nous pr´esentons ´egalement une technique
de commande en boucle ouverte ou commande a priori.
192 7 Commande par lin´earisation
7.1 Lin´earisation locale et stabilisation
Soit ˙ x = f(x, u) une repr´esentation du syst`eme non lin´eaire pour lequel
on aimerait trouver un r´egulateur garantissant la stabilit´e et la convergence
rapide vers un point d’´equilibre d´esir´e.
Une premi`ere id´ee consiste `a ne retenir que les effets directs de f(x, u) sur
l’´evolution temporel de l’´etat x. Ceci revient `a ne retenir que le premier ordre
du d´eveloppement de Taylor de la fonction f(x, u).
En effet, lorsque les signaux (grandeurs d’´etat) sont comparables `a la valeur
nominale autour de laquelle le d´eveloppement de Taylor est affectu´e (l’erreur
est alors petite), les premiers termes dominent les autres, et ils constituent
alors une bonne approximation du syst`eme non lin´eaire.
Cette m´ethode de lin´earisation est tr`es r´epandue, car c’est sans doute la
m´ethode la plus simple permettant d’utiliser un paradigme lin´eaire pour la
synth`ese. En partant du syst`eme initial
˙ x = f(x, u),
o` u l’on suppose sans perte de g´en´eralit´e que 0 = f(0, 0), une repr´esentation
d’´etat d’un syst`eme lin´eaire ´equivalent est calcul´ee :
˙ x = Ax +Bu.
Les matrices A et B sont alors donn´ee respectivement par
A =
∂f
∂x

x=0,u=0
et
B =
∂f
∂u

x=0,u=0
.
Ensuite, un r´egulateur d’´etat u = −Kx est ´elabor´e qui transforme le
syst`eme dynamique initial ˙ x = f(x, u) en
˙ x = f(x, −Kx) =
¯
f(x) .
L’analyse du syst`eme au premier ordre de la dynamique r´esultante s’´ecrit
˙ 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 d’assigner les pˆ oles
du syst`eme en boucle ferm´ee de mani`ere arbitraire en utilisant le vecteur de
gains K (en utilisant la formule d’Ackermann par exemple).
7.1 Lin´earisation locale et stabilisation 193
En cons´equence, ∀Q > 0, ∃P > 0 tel que l’´equation de Lyapunov du
syst`eme lin´eaire transform´e soit v´erifi´ee :
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 d’illustrer la m´ethode pr´ec´edente. Il s’agit d’un
simple robot `a un degr´e de libert´e avec un actioneur pour la coordonn´ee libre.
Ce syst`eme est repr´esent´e `a la figure 7.1.
θ
τ
Fig. 7.1. Pendule avec actuateur
Ce syst`eme est ”presque” lin´eaire. Par exemple, il le serait s’il ´etait plac´e `a
l’horizontale de telle sorte que l’axe de rotation se confonde avec l’axe vertical,
supprimant de la sorte l’action de la gravit´e sur le pendule. Par contre, lorsqu’il
est plac´e verticalement, l’axe de rotation devenant un axe horizontal, la gravit´e
agit sur la barre. Comme le centre de gravit´e n’est pas situ´e sur l’axe de
rotation, un couple en r´esulte, lorsque la barre quitte la position d’alignement
vertical. L’influence de la gravit´e n’est pas homog`ene avec l’´ecart provoqu´e
par rapport `a ce point d’´equilbre. La d´ependance fait apparaˆıtre une fonction
trigonom´etrique.
Ce syst`eme a fait l’objet d’une br`eve pr´esentation dans le chapitre intro-
ductif o` u il a ´et´e question de la pr´esence de deux points d’´equilibre isol´es. Ce
simple fait, aurait pu nous indiquer la pr´esence de non-lin´earit´e. En conclu-
sion, la d´ependance gravifique en raison trigonom´etrique donne naissance `a
des ´equilibres mulitples comme le calcul le confirme.
Nous commen¸ cerons par ´etablir les ´equations du syst`eme dynamique puis
nous obtiendront les matrices A et B associ´ees `a la lin´earisation locale, `a
partir desquels une synth`ese de retour d’´etat sera effectu´ee.
194 7 Commande par lin´earisation
Formulation des ´equations dynamiques
Pour formuler les ´equations dynamiques, il est imp´eratif de d´eterminer
les coordonn´ees des centres de masses de tous les corps pouvant se d´eplacer
par rapport aux autres. Dans cet exemple trivial, seul le centre de masse
de la barre mobile doit ˆetre ´etudi´e. Ses coordonn´ees x
c
et y
c
r´epondent aux
´equations,
x
c
= l
c
cos θ
y
c
= l
c
sinθ
La m´ethode de la m´ecanique analytique lagrangienne est utiilis´ee pour
´etablir les ´equations. L’´energie cin´etique et potentielle s’´ecrivent :
E
c
=
1
2
m˙ x
2
c
+
1
2
m˙ y
2
c
=
1
2
ml
2
c
˙
θ
2
E
p
= mgy
c
= mgl
c
sin θ
En appliquant la m´ethode de Lagrange, le Lagrangien s’´ecrit L = E
c
−E
p
et la dynamique
d
dt

∂L

˙
θ


∂L
∂θ
= τ,
l’´equation suivante est obtenue :
ml
2
c
¨
θ +mgl
c
cos θ = τ.
Ici, τ = u joue le rˆole d’entr´ee du syst`eme. Le probl`eme qui est pos´e est
alors de stabiliser l’ensemble, de telle sorte que le pendule fasse un angle δ
fixe. Une repr´esentation d’´etat peut ˆetre obtenue en chosissant x
1
= θ − δ et
x
2
=
˙
θ :
˙ x
1
= x
2
˙ x
2
= −
g
l
c
cos(x
1
+δ) +
1
ml
2
c
τ
A l’´equilibre x
1
= 0, τ = τ
0
= mgl
c
cos(δ). En lin´earisant, la matrice A
est ´egalement obtenue :
A =

0 1
g
lc
sin(δ) 0

; B =

0
1
ml
2
c

7.2 Lin´earisation exacte 195
La loi de commande comportera alors un terme constant (a priori) afin de
maintenir le bras dans sa position d’´equilibre en l’absence de perturbation,
et deux gains constant, un pour chacun des deux ´etats x
1
et x
2
. On obtient
alors,
τ = τ
0
−k
1
x
1
−k
2
x
2
.
7.2 Lin´earisation exacte
La m´ethode de lin´earisation expos´ee `a la section pr´ec´edente n’est valable
que localement. C’est uniquement autour de la valeur nominale, o` u est effectu´e
le d´eveloppement de Taylor de la fonction f(x, u), que l’approximation donne
de bons r´esultats. Lors de grands ´ecarts, les termes d’ordre ´elev´es l’emportent
sur les premiers termes du d´eveloppement, et l’approximation est alors souvent
inutile.
N´eanmoins, il est possible de changer de point nominal du d´eveloppement,
afin de constituer un nouveau syst`eme lin´eaire local. Avec un peu de chance,
ce nouveau syst`eme permet de caract`eriser le comportement, mais aucune
garantie n’est alors possible.
Il existe toutefois d’autres approches pour am´eliorer la taille de la validit´e
de la lin´earisation. Elles reposent toutes plus ou moins sur l’id´ee de changer
la repr´esentation du syst`eme initial pour corriger l’effet n´efaste des termes
d’ordre sup´erieur. Ceci est effectu´e, soit en les corrigeant directement par la
commande, soit en changeant de coordonn´ees de telle sorte qu’ils n’apparaisent
plus dans le d´evelopement selon ces nouvelles coordonn´ees.
La possibilit´e d’implanter une loi de r´etroaction arbitraire permet de trans-
former le syst`eme initial en un nouveau syst`eme avec de meilleures propri´et´es.
De plus, le choix des coordonn´ees pour repr´esenter l’´etat du syst`eme per-
met ´egalement de simplifier les ´equations. Par exemple, dans le cas purement
g´eom´etrique d’une sph`ere, l’utilisation de coordonn´ees sph´eriques (angles de
latitude de de longitude) est mieux adapt´e que les coordonn´ees cart´esiennes
tridimensionnelles.
Nous pr´esenteront, sans recours pour l’instant aux formules associ´ees, les
concepts qui seront approfondis dans les sections suivantes.
Changement de coordonn´ees
Dans les ouvrages de m´ecanique th´eorique (m´ecanique analytique par
exemple), l’utilisation d’un syst`eme de coordonn´ees plutˆ ot qu’un autre, per-
met de simplifier grandement l’expression des ´equations dynamiques.
Par exemple, dans le formalisme Hamiltonien, les transformations de Le-
gendre (transformation qui implique non seulement les coordonn´ees, mais
´egalement les moments g´en´eralis´es) sont tr`es utiles pour obtenir des constantes
du mouvement, et donc int´egrer le syst`eme m´ecanique.
196 7 Commande par lin´earisation
Dans notre cas, nous sommes en pr´esence d’une repr´esentation d’´etat. La
structure des ´equations ne d´ecoule pas n´ecessairement de l’existence de fonc-
tions particuli`eres comme le lagrangien ou l’hamiltonien. Toutefois, un change-
ment d’´etat peut n´eanmoins ˆetre b´en´efique. Seule la structure math´ematique
des ´equations peut ˆetre exploit´ee afin de trouver de bons choix de coordonn´ees.
Changement de l’entr´ee (retour d’´etat)
Par l’entremise d’un bouclage suppl´ementaire, d´efinissant une nouvelle
entr´ee, les caract´eristiques du syst`emes sont modifi´ees.
Pour mieux comprendre le ph´enom`ene, il suffit de prendre l’exemple du
r´eglage en cascade. Un premier bouclage permet d’assurer le suivi d’une
consigne pour une grandeur de sortie d´etermin´ee. Ce bouclage d´efinit compl`etement
l’entr´ee initiale du syst`eme `a commander. Cependant, si l’on interpr`ete la
consigne en question comme une nouvelle entr´ee, le syst`eme comporte main-
tenant, `a la fois le syst`eme initial, mais ´egalement le bouclage, et le compor-
tement du syst`eme est donc bien modifi´e.
Toute la difficult´e revient `a trouver un bouclage ad´equat qui garantisse les
bonnes propri´et´es du syst`eme transform´e.
Lin´earisation entr´ee-´etat
C’est la lin´earisation de l’´etat dans son ensemble. Cette technique utilise
`a la fois un changement de coordonn´ees et un bouclage.
Lin´earisation entr´ee-sortie
Contrairement au cas pr´ec´edent, cette technique ne lin´earise que le com-
portement entr´ee-sortie. Nous verrons que ceci a comme cons´equence de ga-
rantir un comportement lin´eaire d’une partie seulement de l’espace d’´etat.
Le syst`eme devra poss`eder de bonnes propri´et´es afin que la partie restante de
l’´etat ne devienne pas instable lorsque la lin´earit´e est impos´ee sur la sous-parti
de l’´etat correspondante. Cette technique utilise principalement qu’un bou-
clage. Cependant le changement de coordonn´ee est souvent utilis´e ´egalement
pour mettre le syst`eme sous la forme normale, repr´esentant une forme cano-
nique du syst`eme.
La lin´earisation est globale
C’est principalement le gain des m´ethodes qui seront pr´esent´ees par rap-
port `a la technique de la premi`ere approximation pr´esent´ee plus haut.
Nous examinerons essentiellement les syst`emes comportant une seule
entr´ee. Les techniques pr´esent´ees peuvent toutefois ˆetre ´etendues relativement
facilement au cas d’entr´ees multiples qui offre ´egalement quelques possibilit´es
7.3 Equation d’erreur 197
suppl´ementaires, notamment dans la possibilit´e d’utiliser une extension dy-
namique pour surmonter d’´eventuels bloquages. Le lecteur int´eress´e pourra
consulter les ouvrages cit´es en r´ef´erence `a la fin du Livre pour un traitement
de ces sujets.
Avant de proc´eder avec l’exposition de ces sujets, nous reprenons l’exemple
du pendule simple avec un seul actuateur. La repr´esentation d’´etat
˙ x
1
= x
2
˙ x
2
= −
g
l
c
cos x
1

1
ml
2
c
τ
indique que la premi`ere ´equation est parfaitement lin´eaire. La second par
contre montre la pr´esence de l’influence de la gravit´e de mani`eres trigo-
nom´etrique. Par ailleurs, l’entr´ee apparaˆıt sur cette mˆeme ´equation.
Ainsi, nous constatons que la repr´esentation semble ne pas n´ecessiter de
modification, ´etant donner qu’une partie est d´ej` a sous forme lin´eaire et que
la partie non lin´eaire semble pouvoir ˆetre compens´ee par l’entr´ee seulement.
En effet, en choisissant un bouclage ad´equat, le changement d’entr´ee v →τ :
τ = α(x) +β(x)v, transforme le syst`eme intial en un syst`eme lin´eaire (vu de
la nouvelle entr´ee) ´equivalent.
τ = ml
2
c
¸
v +
g
l
c
cos x
1

,
α(x) = mgl
c
cos x
1
, β(x) = ml
2
c
on lin´earise le syst`eme : 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 d’erreur
La pr´esente section sert ` a introduire le concept fondamental pour la com-
mande par lin´earisation, que cel` a soit `a des fins de stabilisation de point
d’´equilibre, ou de stabilisation en poursuite ; c’est l’´equation d’erreur.
La section suivante examine la signification de cette ´equation dans le
contexte de fonction. Ensuite, le cas des ´equations diff´erentielles est consid´er´e.
198 7 Commande par lin´earisation
7.3.1 Fonction
Dans le cas de fonctions, il y a ´evidemment absence de comportement
dynamique.
Obtenir les z´eros d’une fonction scalaire de R dans R not´ee f(x) consiste
`a rendre nulle l’erreur e = f(x) en d´eterminant les valeurs particuli`eres de x.
Lorsque la fonction consid´er´ee fait correspondre plusieurs grandeurs sca-
laires distinctes de l’ensemble de d´epart, pour fournir plusieurs valeurs sca-
laires distinctes, disons f(x) : R
n
→ R
m
, trouver des z´eros de la fonc-
tion revient `a trouver des ensembles de nombres r´eels x
1
, x
2
, . . ., x
n
qui
annulent simultan´ement 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, lorsqu’au lieu de consid´erer les z´eros de la fonction, on ai-
merait forcer la fonction `a prendre une valeur particuli`ere, il est possible de
consid´erer la fonction modifi´ee e =
¯
f − f, o` u
¯
f d´esigne la valeur d´esir´ee.
On retrouve une ´equation d’erreur, et la r´eponse au probl`eme pos´e revient a
chercher les valeurs de x qui annulent cette nouvelle ´equation d’erreur.
En cons´equence, chercher les z´eros d’une fonction ou bien les valeurs de
l’ensemble de d´epart qui force la fonction `a prendre une valeur particuli`ere
revient en quelque sorte `a une tˆ ache analogue. Il s’agit de trouver les z´eros
d’une ´equation d’erreur.
7.3.2 Equation diff´erentielle
Si le comportement dynamique doit ˆetre pris en compte, la fonction f c`ede
la place `a une ´equation diff´erentielle
˙ x = f(x, u),
il n’est plus possible de forcer instantan´ement x `a z´ero, lorsque cette variable
est initialement diff´erente de z´ero. Le cas le plus ´el´ementaire est une ´equation
lin´eaire `a une seule variable, sans entr´ee. Par exemple, avec x ∈ R,
˙ x = −3x. (7.1)
Comme cette ´equation est d´epourvue d’entr´ee, elle ne peut donc pas ˆetre
influenc´ee de quelque mani`ere que ce soit. Par contre, on peut facilement
trouver sa solution analytique
x(t) = x
0
e
−3t
.
Etant donn´e que x(t) →0 lorsque t →0, la solution converge asymptotique-
ment vers la valeur nulle d´esir´ee. La vitesse de convergence est d´etermin´ee par
la valeur absolue du nombre devant la variable du temps dans l’exponentiel,
c.-`a-d. 3.
7.3 Equation d’erreur 199
Dans le cas o` u le signe est chang´e devant ce facteur, de telle sorte que
l’´equation diff´erentielle s’´ecrive ˙ x = 3x, la solution x(t) = x
0
e
3t
diverge. Il n’y
a alors pas moyen de changer ce comportement.
Par contre, d`es qu’une entr´ee est `a disposition, il est possible de modifier
les solutions de l’´equation diff´erentielle, en corrigeant la valeur de l’entr´ee en
fonction de l’´etat. Par exemple, bien que
˙ x = 3x +u (7.2)
diverge lorsque l’entr´ee est forc´ee `a z´ero,
u = −4x
transforme l’´equation originale (7.2) en une ´equation diff´erentielle conver-
gente, ˙ x = −x, puisque la solution `a cette derni`ere est x
0
e
−t
.
Stabilisation `a une valeur constante
L’exemple pr´ec´edent (7.2) peut ˆetre ´egalement interpr´et´e `a l’aide de la
variable d’erreur
e = 0 −x (7.3)
La variable d’erreur est ainsi d´efinie afin d’indiquer que nous voulons for-
cer le syst`eme `a converger vers la valeur nulle. En diff´erentiant (7.3), et en
introduisant (7.2), une nouvelle ´equation diff´erentielle est obtenue :
˙ e = 3e −u. (7.4)
En posant u = +4e, cette ´equation est transform´ee en
˙ e = −e, (7.5)
qui est ´egalement une ´equation diff´erentielle dont la solution converge expo-
nentiellement vers la valeur nulle d´esir´ee.
Il est int´eressant de noter que, dans ce cas, la manipulation d’introduire la
variable d’erreur est purement formelle, et ne change pas du tout le r´esultat
final, car u = +4e = −4x comme pr´ec´edemment.
Poursuite
L’avantage d’introduire la variable d’erreur est la possibilit´e de traiter, `a la
fois la stabilisation vers une valeur constante, et la poursuite d’une trajectoire
pr´ed´efinie.
Nous avons vu que, dans le cas de fonctions, il suffisait de changer la
variable d’erreur de e = 0 −f en e =
¯
f −f pour traiter de la mˆeme mani`ere,
200 7 Commande par lin´earisation
la recherche de z´eros de la fonction, et celle des valeurs qui forcent la fonction
`a prendre une valeur d´esir´ee
¯
f.
En quelque sorte, cette technique s’´etend sans difficult´e au contexte des
´equations diff´erentielles. Il suffit de d´eterminer la quantit´e `a ajouter `a l’oppos´e
de la variable que l’on d´esire commander pour constituer la variable d’erreur.
Par cons´equent, nous consid´erons d’abord le probl`eme de sp´ecifier le com-
portement d´esir´e en poursuite.
Sp´ecification du comportement d´esir´e
Nous avons vu que l’´evolution (solution) de l’´equation diff´erentielle peut
ˆetre modifi´ee en changeant convenablement la valeur de l’entr´ee.
Il est possible ´egalement de sp´ecifier l’´evolution temporelle de la variable
`a commander.
Par exemple, si l’origine doit ˆetre atteinte en un temps fini, il est possible de
consid´erer une ´evolution sous forme d’un polynˆome de la variable temporelle.
Dans le cas de l’´equation (7.2) , le transfert de l’´etat initial x
0
`a t = 0 vers
l’origine x
T
= 0, en un temps arbitraire T choisi pr´ealablement, en suivant
un segment de droite, est obtenu en posant x
c
(t) = at +b et en d´eterminant
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 mˆeme, aT + b = 0 =
aT +x
0
, a = −
x0
T
; et l’on d´etermine le signal de r´ef´erence, aussi appel´e signal
de consigne, r´esultant :
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.-`a-d. lorsque, `a la fois l’´equation diff´erentielle, et la valeur de
l’´etat, demeurent non modifi´ees par des facteurs ext´erieurs de telle sorte que la
variable `a commander suit exactement la solution de l’´equation diff´erentielle
de d´epart), il est possible de d´eterminer l’entr´ee u `a appliquer pour effectuer
le transfert de x
0
`a 0 en un temps arbitraire T (pour autant que le syst`eme
soit commandable ; nous examinerons ceci plus en d´etail ult´erieurement).
Dans notre exemple pr´ec´edent, il suffit de remplacer x par x
c
dans
l’´equation diff´erentielle de d´epart (7.2), c.-`a-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 signifie qu’il est possible de calculer, a priori, la commande pour
d´eplacer, en suivant un segment de droite, le syst`eme d’une valeur initiale
7.3 Equation d’erreur 201
donn´ee vers une valeur pr´ed´etermin´ee d´esir´ee, en un temps lui-aussi d´etermin´e
et arbitrairement court.
Ceci conduit naturellement `a obtenir une suite continue de valeurs de
l’entr´ee qui garantit la transition.
Il est important d’insister sur la nature de la commande obtenue. Une
fois la d´ecision prise d’appliquer la s´equence continue mentionn´ee plus haut,
et donn´ee par la fonction temporelle (7.7), il n’y a plus d’effet de la sortie
effective du syst`eme (la variable x) sur le choix de l’entr´ee u. Tout s’op`ere en
quelque sorte en aveugle, et c’est seulement apr`es le temps T qu’une nouvelle
transition, ou correction est possible.
Ainsi, lors d’une modification du comportement, comme par exemple une
modification instantan´ee de la variable x durant l’interval ]0; T[, suite `a une
perturbation par exemple, il n’y a pas moyen, pour le moment, d’instan-
tan´ement prendre en compte ce ph´enom`ene en corrigeant la commande ap-
pliqu´ee au syst`eme.
Commande en boucle ferm´ee
Toutefois, il est possible d’envisager une m´ethode pour corriger l’apparition
de la d´erive caus´ee par une brusque r´einitialisation de la varible x `a un instant
inopin´e et inconnu.
A nouveau, le concept de variable d’erreur est introduit, toutefois avec
comme diff´erence essentielle que l’erreur est constitu´ee entre la consigne
pr´ec´edemment obtenue et la variable `a commander ; ainsi e = x
c
−x.
En d´erivant cette erreur, et en tenant compte `a 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 l’erreur, il faut forcer une ´equation diff´erentielle stable. Par
exemple, en choisissant ˙ e = −e, la commande
u ˙ x
c
−4(x
c
−x)
est obtenue. Une m´ethode syst´ematique pour ce type de synth`ese est pr´esent´ee
dans la prochanine section.
7.3.3 Placement de pˆoles et ´equation d’erreur
L’´equation diff´erentielle d’erreur (7.5) est tr`es simple, ´etant donn´e qu’elle
ne comporte qu’une seule d´eriv´ee (1er ordre). N’importe quel autre nombre
negatif que −1 devant e au membre de droite conduirait `a une convergence
asymptotique vers la valeur nulle de la solution. Lorsque l’ordre de l’´equation
est sup´erieur `a un, les choses ne sont pas aussi simples.
202 7 Commande par lin´earisation
Dans le cas d’une ´equation diff´erentielle lin´eaire d’erreur d’ordre sup´erieur
`a un, l’erreur, ainsi qu’un certains nombre fini des d´eriv´ees temporelles de cette
erreur, appraissent avec des coefficients qui sont d´etermin´es de telle sorte que
la solution converge exponentiellement vers z´ero.
Comme l’´equation est suppos´ee ˆetre lin´eaire, la solution est une somme de
signaux exponentiels dont les coefficients sont choisis en fonction des taux de
d´ecroissance d´esir´es.
La m´ethode est la suivante. On choisit un nombre de nombres complexes
(les pˆ oles `a placer) correspondant `a l’ordre de l’´equation diff´erentielle d’erreur
que nous voulons constituer, disons m.
On a ainsi s
1
, s
2
, . . ., s
m
les m pˆ oles complexes qui sont alors choisis avec
une partie r´eelle n´egative. Plus cette derni`ere est grande, plus rapide sera la
convergence.
On constitue le polynˆome en s ayant ces pˆ oles comme z´eros, c.-`a-d.
E(s) = (s −s
1
)(s −s
2
) . . . (s −s
m
)
= s
m
+a
1
s
m−1
+. . . a
m−1
s +a
m
En rempla¸ cant la variable s par l’op´erateur de d´erivation
d
dt
et en appli-
quant l’op´erateur E(
d
dt
) associ´e au polynˆome E(s) `a la variable temporelle
d’erreur e(t), on aboutit `a l’´equation diff´erentielle d’erreur E(
d
dt
)e(t) = 0,
autrement dit
E(
d
dt
)e(t) = e
(m)
+a
1
e
(m−1)
+. . . +a
m−2
¨ e +a
m−1
˙ e +a
m
e = 0 (7.9)
7.4 Syst`emes lin´eaires SISO
Nous consid´erons dans cette section le cas de syst`emes lin´eaires ayant une
seule entr´ee. Nous pouvons le repr´esenter `a l’aide de la repr´esentation d’´etat,
˙ x = Ax +Bu. (7.10)
7.4.1 Sortie sp´ecifi´ee
Dans la plupart des cas, l’´etat n’est qu’une repr´esentation interne du
syst`eme, et la tˆ ache du r´egulateur est de garantir principalement un com-
portement de sortie.
Bien entendu, il est alors imp´eratif que les ´etats internes restent dans des
bornes acceptables afin que le dispositif d´ecrit par (7.10) ne court pas de risque
de destruction ou d’endomagement.
7.4 Syst`emes lin´eaires SISO 203
Ainsi, en plus des ´equations (7.10), une sortie
y = Cx (7.11)
est ´egalement donn´ee. Nous supposerons, sans perte de g´en´eralit´e, que l’entr´ee
u n’influence pas directement la sortie. Ceci ´etant le cas avec (7.11), le syst`eme
(7.10) indique que l’entr´ee pourrait influencer la d´eriv´ee temporelle de cette
sortie y. En effet,
˙ y = C ˙ x = CAx +CBu (7.12)
de telle sorte que si CB = 0, l’entr´ee u influence directement ˙ y. Dans le cas
contraire, cette proc´edure peut ˆetre continu´ee :
¨ y = CA˙ x = CA
2
x +CABu = CA
2
x
.
.
.
y
(r−1)
= CA
r−2
˙ x = CA
r−1
x +CA
r−2
Bu = CA
r−1
x
y
(r)
= CA
r−1
˙ x = CA
r
x +CA
r−1
Bu (7.13)
avec CA
r−1
B = 0 et CB = 0, CAB = 0, . . ., CA
r−2
B = 0.
Nous pouvons donc assumer, qu’il existe un nombre entier r = 0,
1 ≤ r < n = dim x,
pour lequel y, ˙ y, ¨ y, . . ., y
(r−1)
ne sont pas influenc´ees par u.
Seul y
(r)
subit l’influence directe de l’entr´ee u, et nous pouvons donc d´efinir
y
(r)
comme la nouvelle entr´ee
v = y
(r)
= CA
r
x +CA
r−1
Bu, (7.14)
`a partir de laquelle le bouclage
u =
1
CA
r−1
B
(v −CA
r
x) , (7.15)
obtenu par simple inversion de l’expression pr´ec´edente, transforme le syst`eme
initial (7.12) en une chaˆıne d’int´egrateurs
y
(r)
= v. (7.16)
En posant
e = y
c
−y,
et en constituant une ´equation d’erreur differentielle d’ordre r conform´ement
`a la section 7.3.3, nous pouvons garantir une stabilit´e et une convergence du
syst`eme (7.16), par le choix des pˆ oles.
Il suffit d’exprimer v en fonction de l’´equation diff´erentielle d’erreur
r´esultante :
204 7 Commande par lin´earisation
v = y
(r)
c
+a
1
e
(r−1)
+a
2
e
(r−2)
+. . . a
r
e (7.17)
= y
(r)
c
+a
1
(y
(r−1)
c
−y
(r−1)
) +a
2
(y
(r−2)
c
−y
(r−2)
) +. . . +a
r
(y
c
− y)
= y
(r)
c
+a
1
(y
(r−1)
c
−CA
r−1
x) +a
2
(y
(r−2)
c
−CA
r−2
x) +. . . +a
r
(y
c
−Cx)
Qu’en est-il du syst`eme complet ? C’est-`a-dire, en consid´erant (7.12),
(7.15), et (7.17) est-ce que l’ensemble de tous les ´etats se comporte-t-il cor-
rectement, `a savoir de mani`ere born´ee ?
Il s’agit donc d’´etudier les ´etats internes qui n’apparaissent pas n´ecessairement
dans le comportement de la sortie.
Pour l’analyse qui va suivre, nous allons consid´erer le cas particulier de
y
c
= 0. Ceci garantit de couvrir tous les cas, ´etant donn´e que le principe de
superposition est valable en lin´eaire. Ainsi, sous cette hypoth`ese, lorsque la
stabilit´e interne est d´emontr´ee pour y
c
= 0, elle l’est ´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 d’une consigne nulle (y
c
= 0), ceci revient `a garantir que y et
ses r d´eriv´ees convergent vers z´ero, c’est-`a-dire que la partie de l’´etat associ´ee
converge ´egalement vers z´ero. Nous avons
0 =

¸
¸
¸
¸
¸
¸
C
CA
CA
2
.
.
.
CA
r−1
¸

x =

¸
¸
¸
¸
¸
¸
y
˙ y
¨ y
.
.
.
y
(r−1)
¸

= 0. (7.18)
En cons´equence, apr`es convergence de y, ˙ y, . . ., y
(r−1)
`a z´ero, x est nul
`a un multiple pr`es du noyau de la matrice d’observabilt´e tronqu´ee (pour ne
retenir que les r premi`eres lignes). Ceci signifie que tout vecteur d’´etat dans
l’ensemble
X = {x |

¸
¸
¸
¸
¸
¸
C
CA
CA
2
.
.
.
CA
r−1
¸

x = 0}
ne pourra pas influencer la commande v ´elabor´ee plus haut, cf. (7.17). En
particulier, si un tel vecteur d’´etat diverge `a l’infini, il n’y a aucun moyen pour
que le r´egulateur pr´ec´edent ne d´etecte et ne corrige le comportement (puisque
y et ces d´eriv´ees ne sont pas affect´es). Nous sommes alors en pr´esence d’une
instabilit´e interne. Les ´etats constituants la trajectoire divergente sont rendus
inobservables par le r´egulateur propos´e.
7.4 Syst`emes lin´eaires SISO 205
Par cons´equent, les ´etats rendus inobservables par le bouclage pr´ec´edent
ne doivent pas diverger pour que la commande propos´ee puisse ˆetre applicable.
Pour comprendre ce que cela signifie plus concr`etement, compl´etons la
matrice d’observabilit´e tronqu´ee pour constituer une matrice plein rang, c.-`a-
d. la matrice
Z =

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
C
CA
.
.
.
CA
r−1
γ
r+1
.
.
.
γ
n
¸

(7.19)
de rang n.
Remarque 7.1. Il est important de noter que les r vecteurs lignes C, CA, . . .,
CA
r−1
sont n´ecessairement ind´ependants, car autrement l’entr´ee ne pourrait
pas apparaˆıtre par d´erivation de la sortie au cours du processus (7.13). En
effet, le fait de retomber dans l’espace vectoriel courant (celui engendr´e par
la sortie et ces d´eriv´ees jusqu’` a l’ordre en cours) implique que l’on ne pourra
plus en sortir. C’est pourquoi il est toujours possible de compl´eter les lignes
`a l’aide des n −r nouveaux vecteurs ind´ependants γ
r+1
, γ
r+2
, . . ., γ
n
.
En inversant la matrice Z et en calculant ZZ
−1
= I, on constate que les
premi`eres r lignes de la matrice Z annulent les n−r derni`eres colonnes de l’in-
verse Z
−1
. Nous avons donc ainsi une base de X, c.-`a-d. une base des vecteurs
x qui n’influencent pas l’entr´ee u apr`es bouclage par (7.15). En changeant de
coordonn´ees par z = Zx, on constate que les premi`eres composantes z
1
= y,
z
2
= ˙ y, . . ., z
r
= y
(r−1)
s’annulent (ainsi que leur d´eriv´ee) et que les variables
internes sont z
r+1
, z
r+2
, . . ., z
n
.
En prenant la d´eriv´ee de ces derni`eres variables, et en utilisant le fait que
v = 0 lorsque y et ces r d´eriv´ees ont converg´es, de sorte que
u = −
1
CA
r−1
B
CA
r
x,
206 7 Commande par lin´earisation
il s’ensuit que

¸
¸
¸
¸
˙ z
r+1
˙ z
r+2
.
.
.
˙ z
n
¸

=

¸
¸
¸
¸
γ
r+1
γ
r+2
.
.
.
γ
n
¸

˙ x =

¸
¸
¸
¸
γ
r+1
γ
r+2
.
.
.
γ
n
¸

A−
1
CA
r−1
B
BCA
r

x
=

¸
¸
¸
¸
γ
r+1
γ
r+2
.
.
.
γ
n
¸

A −
1
CA
r−1
B
BCA
r

Z
−1

0
r×(n−r)
I
(n−r)

¸
¸
¸
¸
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 pr´esent´ee `a ce paragraphe puisse fonctionner
sans endommager le syst`eme `a commander, il est n´ecessaire et suffisant que
la dynamique interne (7.20) soit born´ee.
Ceci signifie deux choses : i) Soit toutes les valeurs propres de la matrice A
z
ont des parties r´eelles strictement n´egatives (auquel cas la dynamique interne
sera asymptotiquement stable) ; ou alors ii) les valeurs propres de A
z
n’ont
pas de partie r´eelle strictement positive et les blocs de Jordan associ´es aux
valeurs propres nulles sont s´epar´es et de dimension deux au maximum, auquel
cas la dynamique interne est oscillatoire mais born´ee.
Exemples
Nous allons consid´erer un mod`ele ´el´ementaire d’une table de positionne-
ment industrielle `a une dimension. L’objet `a positionner n’est malheureuse-
ment pas rigide ; il poss`ede un mode propre associ´e `a sa flexibilit´e. Ceci rend
la tˆ ache de positionnement plus difficile.
Un moteur fournit un couple pur τ `a un chariot de masse M, qui n’est pas
parfait non plus car, `a vide, il pr´esente un mode de r´esonance correspondant `a
une flexibilit´e propre mod´elis´ee par une masse m
2
et une constante de rigidit´e
k
2
.
Le chariot supporte un outil qui doit se positionner pr´ecis´ement `a sa po-
sition d’arriv´ee quel que soit l’´etat initial de la table. L’outil et sa structure
poss`ede une masse m
1
, et il est reli´e au chariot par une attache qui n’est pas
infiniment rigide. Elle est mod´elis´ee par un ressort pur de constante d’´elasticit´e
k
1
.
7.4 Syst`emes lin´eaires SISO 207
L’´energie cin´etique est donn´ee par
E
cin
=
1
2
m
1
˙ x
2
1
+
1
2
m
2
˙ x
2
2
+
1
2
M ˙ x
2
et l’´energie potentielle par
E
pot
=
1
2
k
1
(x
1
−x)
2
+
1
2
k
2
(x
2
−x)
2
Le lagrangien pour ce syst`eme est donn´e 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
= τ, F
x1
= F
x2
= 0, nous obtenons
M¨ x −k
1
(x
1
−x) −k
2
(x
2
−x) = τ (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 d´esigner `a la fois le vecteur d’´etat
et la position du chariot x. Le contexte devrait ˆetre suffisant pour distinguer
ces deux notions. En cas de confusion possible, une pr´ecision explicite sera
apport´ee. Pour simplifier quelque peu les d´eveloppement nous prendrons un
cas num´erique particulier M = 1, k
1
= 2, k
2
= 3, m
1
= 0.5 et m
2
= 0.25.
En choisissant l’´etat x =

x x
1
x
2
˙ x ˙ x
1
˙ x
2

T
, il vient ˙ x = Ax+Bu, y = Cx
avec u = τ 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 m´ethode pr´esent´ee, il suffit de d´eriver cette sortie jusqu’` a
ce que l’entr´ee fasse son apparition.
On calcule facilement
CB = 0, CAB = 0, CA
2
B = 0, CA
3
B = −4
de sorte que le syst`eme peut ˆetre transform´e en une chaˆıne de quatre
int´egrateurs
208 7 Commande par lin´earisation
y
(4)
= v
`a l’aide du bouclage (7.15) qui s’exprime comme
u =
1
CA
3
B
(v −CA
4
x) = −4(v −

−36 24 12 0 0 0

x) (7.24)
La chaˆıne d’int´egrateur se stabilise facilement en constituant l’´equation
d’erreur diff´erentielle d’ordre quatre. En posant, d’une part e = y
c
− y, o` u
y
c
est la position x
1
de l’outil d´esir´ee, et, d’autre part, ˙ y
c
= ¨ y
c
= y
(3)
c
= 0
(consigne constante), le polynˆome d’erreur s’´ecrit, en choissant les tous les
quatre pˆ oles r´eels et au mˆeme endroit −2, comme
E(s) = (s + 2)
4
= s
4
+ 8s
3
+ 24s
2
+ 32s + 16,
de telle sorte que l’entr´ee de la chaˆıne d’int´egrateurs s’expriment
v = 8(−CA
2
x) + 24(−CAx) + 32(y
c
−Cx).
Pour trouver la dynamique interne, on compl`ete dans un premier temps C,
CA, CA
2
CA
3
par deux vecteurs lignes γ
5
et γ
6
afin 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 fixer
γ
5
=

0 0 1 0 0 0

γ
6
=

0 0 0 0 0 1

.
En ne retenant que les deux derni`eres colonnes de l’inverse de la matrice
(7.19), on trouve sans difficult´e la matrice A
z
`a l’aide de (7.20) :
A
z
=

γ
5
γ
6

A−
1
CA
3
B
CA
4

Z
−1

O
4×2
I
2

=

0 1
−12 0

. (7.26)
Etant donn´e que les valeurs propres de A
z
sont λ = ±2

3j, c.-`a-d. qu’elles
sont distinctes et `a partie r´eelle nulle, la dynamique associ´ee aux deux ´etats
internes z
5
= γ
5
x = x
2
et z
6
= γ
6
x = ˙ x
2
est oscillante et stable, mais pas
asymptotiquement stable. Ainsi, selon les conditions initiales, le syst`eme sera
le th´eˆ atre d’un mouvement oscillant qui demeurera ind´efiniment, bien que la
sortie finisse par ˆetre parfaitement r´egul´ee.
Pour comprendre de mani`ere imag´ee ce qui se produit, notons que la
commande choisie garantit le contrˆole de x
1
par construction. Elle garan-
tit ´egalement le comportement d’une combinaison d’´etats suppl´ementaires
7.4 Syst`emes lin´eaires SISO 209
d´etermin´ee par le vecteur CA
2
, `a savoir x
1
−x. Comme la position x
1
converge,
la position x converge aussi. Ceci signifie que les deux masses m
1
et m finissent
par ne plus bouger.
Toutefois, le r´egulateur laisse un degr´e de libert´e dans le syst`eme, au sens
o` u la position x
2
n’est pas contrainte puisque cet ´etat est γ
5
x. Le r´egulateur
ne fait que compenser l’influence de la masse m
2
sur les deux autres, sans
pour autant ´eliminer l’´energie associ´ee `a cette masse.
C’est la commande u qui fournit le couple n´ecessaire pour compenser exac-
tement l’influence de la masse m
2
sur le syst`eme complet, de telle sorte que
la convergence des deux autres positions x
1
et x n’en est pas affect´ee. (A tra-
vers le terme −
1
CA
3
B
CA
4
x = 4

−36 24 12 0 0 0

x dans l’expression (7.24).)
Ainsi, si la masse m
2
ne part pas au repos, la loi de commande implant´ee ne
changera pas le comportement de la position x
2
. Celle-ci oscillera ind´efiniment,
bien que les deux autres masses finissent par s’arrˆeter.
Du point de vue de la sortie sp´ecifi´ee, tout se passe tr`es bien ´etant donn´e
qu’elle converge vers le poins d´esir´e selon la dynamique impos´ee. La seule
question est de savoir si l’oscillation en x
2
est tol´erable d’un point de vue
pratique. Ceci d´ependra alors du contexte dans lequel la machine devra op´erer.
Syst`eme lin´eaire 1
L’exemple pr´ec´edent a montr´e que la dynamique interne r´esultante doit
ˆetre prise au s´erieux et analys´ee avec soin. En effet, il se pourrait que les ´etats
associ´es finissent par diverger.
Dans le pr´esent paragraphe et dans le suivant, deux exemples sont pr´esent´es
afin de caract´eriser quelque peu la propri´et´e responsable de l’instabilit´e de la
dynamique interne. Ils diff`erent l’un de l’autre 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 syst`eme donn´e par les ´equations

˙ x
1
˙ x
2

=

+x
2
+u
u

y = x
1
.
On proc`ede comme pr´ec´edemment en d´erivant simplement la sortie jusqu’` a
ce que l’entr´ee influence une des d´eriv´ees. En l’occurance, la premi`ere d´eriv´ee
fait apparaˆıtre l’entr´ee
˙ y = x
2
+u = v.
Le syst`eme ´equivalent est un int´egrateur unique. Nous choisissons, sans perte
de g´en´eralit´e, le pˆ ole en −1, et ainsi v = y
c
+ (y
c
−y), ce qui conduit `a
u = −x
2
+ ˙ y
c
−(y −y
d
).
210 7 Commande par lin´earisation
Il reste `a d´eterminer la dynamique interne et son comportement. Comme
le syst`eme est lin´eaire, y
c
= 0 est consid´er´e. Asymptotiquement, y = 0, ˙ y = 0,
ce qui conduit `a ce que x
1
= 0 et ˙ x
1
= x
2
+u = 0. Par cons´equent,
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
.
Syst`eme lin´eaire 2
Le deuxi`eme syst`eme diff`ere du premier (7.27) uniquement par le signe
devant x
2
dans la premi`ere ´equation, c.-`a-d.

˙ x
1
˙ x
2

=

−x
2
+u
u

y = x
1
En proc´edant de mani`ere similaire au cas pr´ec´edent, ˙ 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 `a l’infini.
Comparaison
Les deux pr´ec´edents exemples permettent d’´elaborer une conjecture sur
la structure de la fonction de transfert G(s) de la repr´esentation d’´etat. En
calculant les fonctions de transfert associ´ee
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 repr´esentation a in-
fluenc´e seulement le num´erateur des fonctions de transfert G
1
(s) et G
2
(s).
C’est la position du z´ero 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 diff´erence de degr´e du polynˆome du
d´enominateur par rapport au polynˆome du num´erateur correspond `a la lon-
gueur de la chˆ aine d’int´egrateurs entre l’entr´ee v et la sortie y.
7.4 Syst`emes lin´eaires SISO 211
Dynamique interne et position des z´eros
˙ 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 born´e,
stabilit´e → ℜe


b0
b1

< 0
Pour que la dynamique interne soit asymtotiquement stable il faut que
tous les z´eros soient `a partie r´eelle strictement n´egative.
212 7 Commande par lin´earisation
7.4.2 Sortie non sp´ecifi´ee, formule d’Ackermann
La pr´esence d’une dynamique interne pouvant ˆetre instable est la principale
limite de la technique de d´erivation successive. De plus, mˆeme lorsque celle-ci
est stable, sa vitesse de convergence ne peut pas ˆetre modifi´ee.
Cette dynamique interne apparaˆıt `a cause de l’influence trop rapide de
l’entr´ee sur la sortie, au sens o` u cette entr´ee influence la d´eriv´ee d’ordre r. La
dynamique interne est alors de dimension n −r.
On peut alors s’interroger sur la possibilit´e de choisir une sortie construite
de telle sorte que l’entr´ee influence une d´eriv´ee sup´erieure `a r. Etant donn´e
que le syst`eme est de taille n, la plus haute d´eriv´ee possible est alors r = n.
Avec un tel choix de sortie, la dynamique interne disparaˆıt et le syst`eme
devient ´equivalent `a une chaˆıne d’int´egrateurs
v = y
(n)
.
En cons´equence, la sortie y est param´etr´ee par n coefficients `a d´eterminer,
c
1
, c
2
, . . ., c
n
, c
i
∈ R, i = 1, . . . , n, de telle sorte qu’en d´efinissant
y = Cx =

c
1
c
2
. . . c
n

x (7.27)
l’´equation
C

B AB A
2
B . . . A
n−2
B

= 0 (7.28)
doit ˆetre respect´ee. Ceci d´ecoule d’une application directe du processus (7.13)
de la section pr´ec´edente particularis´ee pour r = n. N´eanmoins, nous devons
en plus garantir que l’entr´ee u affecte bien la n-i`eme d´eriv´ee, car sinon il n’y
aurait pas moyen de diriger le syst`eme. C’est ainsi que
CA
n−1
B = 0. (7.29)
Afin de d´eterminer le vecteur C, formons la matrice de commandabilit´e
C =

B AB A
2
B . . . A
n−1
B

. (7.30)
Les conditions (7.28) et (7.29) signifient qu’un choix de vecteur C corres-
pond `a la derni`ere 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 appel´ee sortie de Brunovsky dans le cas lin´eaire ou sortie
plate dans le cas g´en´eral. Comme C
−1
C = I,
CA
n−1
B = 1. (7.32)
7.4 Syst`emes lin´eaires SISO 213
Pour d´eterminer le bouclage stabilisant, on prend `a nouveau une ´equation
diff´erentielle ordinaire stable mais cette fois-ci d’ordre n,
E(s) = s
n
+a
1
s
n−1
+. . . +a
n
dont tous les z´eros sont `a partie r´eelle n´egative. Conform´ement au d´eveloppement
pr´ec´edent, ceci conduit au bouclage
u =
1
CA
n−1
B
(v −CA
n
x) (7.33)
v = y
t
c
+
n
¸
i=1
a
i
(y
(n−i)
c
−CA
n−i
x) (7.34)
constitu´e par (7.15), (7.17) et particularis´e pour r = n. En remarquant que
E(s) = s
n
+
¸
n
i=1
a
i
s
n−1
est le polynˆome caract´eristique d´esir´e de la boucle
ferm´ee, les deux ´equations (7.33) et (7.34) n’en forme qu’une qui n’est rien
d’autre que la formule d’Ackermann lorsqu’on prend en compte (7.32) :
u = −e
n
C
−1
E(A)x. (7.35)
(Nous avons pris pour simplifier y
c
= 0, . . . y
c
= . . . , = y
n
c
= 0, `a nouveau sans
perte de g´en´eralit´e.)
Finalement, la seule condition pour que cette construction soit valable est
que le syst`eme soit commandable, c’est-`a-dire que la matrice matrice C soit
inversible. La dynamique interne est absente et tout l’etat est sous contrˆole.
La sortie y = Cx ainsi que ses d´eriv´ees convergent vers les valeurs de r´ef´erence
correspondantes.
Exemple
Nous reprenons l’exemple de la table rudimentaire. En ´elaborant la matrice
de commandabilit´e
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 derni`ere ligne de l’inverse 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)
214 7 Commande par lin´earisation
Bien que la sortie dont le comportement d´esir´e est la position x
1
, com-
mander directement celle-ci par la m´ethode des d´eriv´ees successives conduit
`a une dynamique oscillante interne.
Par contre, en choisissant une combinaison entre x
1
et x
2
conform´ement `a
(7.37), il est alors possible de compl`etement s’affranchir de la pr´esence d’une
dynamique interne. Le prix est la n´ecessit´e de mesurer cette position.
Toutefois, mˆeme lorsque la position donn´ee par (7.37) n’est pas mesurable,
le fait que cette combinaison retarde l’apparition de l’entr´ee suffisament pour
que tous les ´etats soient sous l’influence de la trajectoire de cette sortie, il
est possible d’utiliser cette combinaison d’´etat pour planifier le mouvement et
trouver une commande a priori permettant de transf´erer le syst`eme d’un ´etat
initial vers un ´etat terminal. Cette technique sera pr´esent´ee dans le contexte
non lin´eaire d’ici peu, car les deux techniques que l’on vient de pr´esenter
admettent une g´en´eralisation.
7.5 Lin´earisation entr´ee-sortie
La g´en´eralisation de la d´erivation de la sortie sp´ecifi´ee au cas non lin´eaire
est ce que nous appelerons la lin´earisation entr´ee-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 sp´ecifi´ee, nous allons simplement la d´eriver successivement
jusqu’` a l’apparition de l’entr´ee 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, l’apparition de l’entr´ee apr`es la deuxi`eme d´erivation arrˆete le processus.
Cette entr´ee permet n´eanmoins d’imposer ¨ y, variable que l’on peut consid´erer
comme une nouvelle entr´ee v.
v = (cos x
2
+x
3
)(x
5
1
+x
3
) + (x
2
+ 1)(x
2
1
+u) (7.38)
Il faut toutefois ˆetre prudent et garantir que l’on peut effectivement modifier
v = ¨ y en manipulant u. En r´esolvant (7.38) pour u, un d´enominateur x
2
+ 1
fait son apparition :
7.5 Lin´earisation entr´ee-sortie 215
u =
1
(x
2
+ 1)

v −(cos x
2
+x
3
)(x
5
1
+x
3
)

−x
2
1
(7.39)
Par cons´equent, l’imposition de ¨ y n’est possible que lorsque x
2
= −1.
Il est ´egalement possible de suivre une trajectoire de sortie y
d
(t) `a condition
de constituer l’erreur e(t) = y
d
(t)−y(t) et de former une ´equation diff´erentielle
d’erreur stable du second ordre. Une fois cette ´equation d´etermin´ee, il suffit
de la r´esoudre pour ¨ y = v et forcer cette acc´el´eration par l’interm´ediaire de u
donn´e par (7.39).
Par exemple, l’´equation d’erreur
¨ 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 polynˆome ca-
ract´eristique s
2
+ k
1
s + k
2
= 0 aient chacune une valeur r´eelle strictement
n´egative conduit entraˆıne une poursuite asymptotique de la sortie par l’entre-
mise de
v = ¨ y
d
+k
1
( ˙ y
d
− ˙ y) +k
2
(y
d
−y).
Cependant, il faut ´egalement prˆeter attention aux ´etats cach´es par la dy-
namique entr´ee-sortie. Seul deux combinaisons des ´etats sont r´eellement sous
contrˆole, `a savoir celle de la sortie y et celle de la d´eriv´ee de la sortie ˙ y.
Le syst`eme comporte trois ´etats, et seul deux combinaison sont lin´earis´ees.
Il demeure un ´etat cach´e, masqu´e, rendu inobservable par la relation entr´ee
sortie impos´ee pour lin´eariser le comportement de sortie.
Pour obtenir l’´etat cach´e, il suffit de consid´erer les deux combinaisons
command´ees y = x
1
et ˙ y = sin x
2
+ (x
2
+ 1)x
3
= ˙ x
1
.
Asymptotiquement, y convergera vers y
d
et par cons´equent x
1
→y
d
. L’´etat
x
1
est sous contrˆole.
La deuxi`eme condition ˙ y → ˙ y
d
indique que la combinaison de deux ´etats
x
2
et x
3
est sous contrˆole. Ainsi, en envisageant soit l’´etude du comportement
de x
2
, ou celui de x
3
, l’´evolution cach´ee du syst`eme sera alors d´etermin´ee.
Par exemple, en consid´erant x
2
, la deuxi`eme ´equation de la dynamique
donne
˙ x
2
= x
5
1
+x
3
. (7.40)
En ne consid´erant que le comportement asymptotique, il est possible de
remplacer dans l’´equation (7.40), x
1
par y
d
(t), et d´eterminer x
3
`a 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 diff´erentielle est du premier ordre en x
2
.
Si elle est instable, la loi de commande de lin´earisation entr´ee-sortie ne
pourra pas ˆetre appliqu´ee sur le syst`eme initial.
216 7 Commande par lin´earisation
Si elle est stable, il n’est pas cependant compl`etement garantit que la loi
de commande fonctionne. En effet, 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
n’en-
traˆıne pas une instabilit´e sur x
2
. L’´equation diff´erentielle (7.41) n’est valable
que lorsque x
1
= y
d
et sin(x
2
) +(x
2
+1)x
3
= ˙ y
d
et ces ´egalit´es n’ont lieu que
de fa¸ con asymptotique. Entre les deux, il est possible que des ph´enom`ene d’in-
stabilit´e en temps fini fasse leur apparition. Ceux-ci sont caus´es pas des ´ecarts
importants par rapport au comportement asymptotique. Nous pr´esenterons
ce ph´enom`ene au d´ebut du chapitre suivant.
N´eanmoins, la stabilit´e de l’´equation diff´erentielle (7.41) garantit que loca-
lement autour du comportement asymptotique, la loi de lin´earisation entr´ee-
sortie est applicable.
7.6 Lin´earisation exacte entr´ee-´etat
A la diff´erence de la lin´earisation entr´ee-sortie, il y a dans le pr´esent cas
absence d’une sortie sp´ecifi´ee initialement.
En fait, toute la m´ethode revient simplement `a trouver une sortie par-
ticuli`ere (appel´ee sortie plate ou sortie lin´earisante) qui retarde suffisament
l’apparition de l’entr´ee par d´erivation successive. Ainsi, la dynamique interne
disparaˆıt apr`es transformation en une chaˆıne d’int´egrateurs associ´ee.
Supposons donc la sortie
y = h(x)
comme inconnue, et d´erivons 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)
L’´equation (7.42) nous apprend qu’il y aura pr´esence de l’influence de l’entr´ee
u lorsque
∂h
∂x
g(x) = 0.
En utilisant le notion de d´eriv´ee de Lie pr´esent´ee dans le chapitre g´eom´etrie,
on peut ´ecrire plus succintement la d´eriv´ee temporelle de la sortie comme
˙ y = L
f
h(x) +L
g
h(x)u (7.43)
et la condition que l’entr´ee n’influence pas celle-ci est que
L
g
h(x) = 0. (7.44)
Si cette condition est satifaite, on peut continuer le processus de d´erivation,
exactement comme dans le cas de la lin´earisation entr´ee-sortie. On obtient la
seconde d´eriv´ee
7.6 Lin´earisation exacte entr´ee-´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 l’entr´ee u influencera la seconde d´eriv´ee que lorsque L
g
L
f
h(x) = 0.
7.6.1 Conditions pour la sortie plate
Si l’on veut r´eduire la dynamique interne de telle sorte que celle-ci dispa-
raisse, il est n´ecessaire et suffisant que l’entr´ee n’apparaisse qu’au dernier mo-
ment, c.-`a-d. apr`es un grand nombre de d´eriv´ees de celle-ci. Pour un syst`eme
mono-entr´ee de dimension d’´etat ´egal `a 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
n−2
f
h(x) = 0 (7.48)
L
g
L
n−1
f
h(x) = 0 (7.49)
Remarquons que la derni`ere condition L
g
L
n−1
f
h(x) = 0 est indispensable
pour que l’on puisse trouver une expression de l’entr´ee afin de contrˆoler la
chaˆıne d’int´egrateurs que constitue y et ces n−1 d´eriv´ees. En effet, la derni`ere
d´eriv´ee s’exprime comme
y
(n)
= L
(n)
f
h(x) +L
g
L
(n−1)
f
h(x)u = v (7.50)
que nous avons ´egaler `a une nouvelle entr´ee v correspondant `a l’entr´ee de la
chaˆıne de n int´egrateurs y
(n)
= v.
Comme dans le cas de la lin´earisation entr´ee sortie, le contrˆoleur est com-
plet lorsqu’une ´equation d’erreur d’ordre n est sp´ecifi´ee `a partir de laquelle
l’expression de v est exprim´ee. Finalement, l’entr´ee du syst`eme d’orgine s’ex-
prime comme
u =
1
L
g
L
(n−1)
f
h(x)

v −L
(n)
f
h(x))

,
o` u v stabilise la chaˆıne d’int´egrateurs en utilisant l’´equation d’erreur.
Bien que les conditions (7.46-7.48) soient les seules que doivent satisfaire
la fonction h(x), il n’est pas ais´e de trouver des conditions n´ecessaires et
suffisantes pour l’existence de celle-ci. Nous allons reformuler ces conditions
afin qu’une interpr´etation g´eom´etrique puisse en d´ecouler.
218 7 Commande par lin´earisation
Dans la partie g´eom´etrique, il a ´et´e question de champs de vecteur. Ceux-ci
correspondaient `a la donn´ee d’un vecteur en chacun des points de la vari´et´e.
Il existe une op´eration tr`es utile entre deux champs de vecteurs produisant un
nouveau champ de vecteurs. Cette op´eration rend possible la reformulation
plus g´eom´etrique de la condition de lin´earisation exacte entr´ee-´etat. Il s’agit
du crochet de Lie entre deux champs de vecteurs.
D´efinition 7.2. Le crochet de Lie de deux champs de vecteurs f et g corres-
pond ` a un nouveau champ de vecteurs not´e [f, g] et donn´e par
[f, g] =
∂g
∂x
f −
∂f
∂x
g,
o` u
∂g
∂x
et
∂f
∂x
sont des matrices Jacobiennes.
Une propri´et´e int´eressante de la d´eriv´ee de Lie le long du crochet de Lie
est qu’elle puisse s’exprimer `a partir des d´eriv´ees de Lie des vecteurs avant le
crochet. Plus pr´ecis´ement.
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 s’obtient par application de la d´efinition de la
d´eriv´ee de Lie en consid´erant 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 compliqu´e, car chaque terme fait
apparaˆıtre une forme quadratique. Nous avons d’une 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 d’autre 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 qu’en 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) s’annulent.
En revenant aux conditions (7.46-7.48), nous remarquons que nous pou-
vons ajouter `a la deuxi`eme, L
g
L
f
h(x), n’importe quel multiple de la premi`ere,
L
g
h(x), puisque cette derni`ere est nulle. En outre, ceci signifie qu’il est pos-
sible d’ajouter L
f
L
g
h(x) puisque cette expression est nulle ´egalement, suite `a
L
g
h(x) = 0. Ainsi,
7.6 Lin´earisation exacte entr´ee-´etat 219
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, l’identit´e
∂h
∂x
[f, [f, g]] = 0 (7.56)
est obtenue. Cette id´ee se g´en´eralise, conduisant `a la transformation du
syst`eme (7.46-7.48) en un syst`eme ´equivalent
∂h
∂x

g [f, g] [f, [f, g]] . . . ad
n−2
f
g

= 0 (7.57)
L’´equation (7.57) entre la 1-forme
∂h
∂x
et les champs de vecteurs signifie
deux choses :
Premi`erement, la construction d’un vecteur ligne
∂h
∂x
est relativement ais´e
car la matrice

g [f, g] [f, [f, g]] . . . ad
n−2
f
g

se calcule de mani`ere syst`ematique
en utilisant le crochet de Lie.
Deuxi`emement, la possibilit´e de remonter `a partir du vecteur ligne
∂h
∂x
vers
la fonction h(x) est conditionn´e par la nature des champs de vecteurs g, [f, g],
ad
2
f
g, . . ., ad
n−2
f
g. La condition est alors celle du th´eor`eme de Frobenius qui
conclut que h(x) existe si, et seulement si, la distribution engendr´ee par ces
champs de vecteurs est involutive.
On aboutit ainsi au th´eor`eme important de ce chapitre
Th´eor`eme 7.4. Un syst`eme avec une seule entr´ee
˙ x = f(x) +g(x)u
est lin´earisable entr´ee-´etat si, et seulement si, la distribution engendr´ee par
g, ad
f
g, . . ., ad
n−1
f
g est de plein rang et que celle engendr´ee par g, ad
f
g, . . .,
ad
n−2
f
g est involutive.
Preuve. La seconde condition permet la construction de la sortie y = h(x),
comme expliqu´e pr´ec´edemment. La premi`ere condition garantit qu’apr`es la
n `eme d´eriv´ee de la sortie, l’entr´ee u influence cette d´eriv´ee. Le bouclage
lin´earisant s’obtient, comme dans le cas de la lin´earisation entr´ee-sortie, en
consid´erant la sortie nouvellement construite y = h(x), et en la d´erivant n
fois jusqu’` a ce que l’entr´ee apparaisse. En posant y
(n)
= v et en traitant v
comme la nouvelle entr´ee, l’expression de u en fonction de v est obtenue et
le syst`eme est transform´e en une chaˆıne de n int´egrateur qui repr´esente le
syst`eme lin´eaire ´equivalent.
Pour aboutir `a un sch´ema de commande complet, Il faut encore stabiliser
la chaˆıne d’int´egrateurs y
(n)
= v `a l’aide de l’entr´ee v. Pour se faire, il est
220 7 Commande par lin´earisation
possible de constituer une ´equation d’erreur appropri´ee, comme dans le cas
de la lin´earisation entr´ee-sortie.
Il y a essentiellement deux fa¸ cons de v´erifier l’involutivit´e des champs de
vecteurs susmentionn´es, et chacune repose sur l’une ou l’autre des versions du
th´eor`eme de Frobenius.
La premi`ere consiste `a v´erifier l’annulation des d´eterminants
det

g [f, g] . . . ad
n−2
f
g [g, [f, g]]

= 0
det

g [f, g] . . . ad
n−2
f
g [g, ad
2
f
g]

= 0
.
.
.
det

g [f, g] . . . ad
n−2
f
g [[f, g], ad
2
f
g]

= 0
det

g [f, g] . . . ad
n−2
f
g [[f, g], ad
3
f
g]

= 0
.
.
.
det

g [f, g] . . . ad
n−2
f
g [ad
n−1
f
g, ad
n−2
f
g]]

= 0,
(7.58)
La seconde revient `a calculer, `a l’aide d’un algorithme du type ´elimination
de Gauss, l’annulateur de la distribution, c.-`a-d. ω tel que
ω

g [f, g] [f, [f, g]] . . . ad
n−2
f
g

= 0. (7.59)
Notons que l’utilisation de l’algorithme d’´elimination ne garantit pas de
tomber sur une 1-forme exacte
∂h
∂x
mais sur une certaine 1-forme ω qui annule
l’ensemble des champs de vecteurs mentionn´es. Si la distribution est involutive
alors la 1-forme ω doit ˆetre int´egrable et doit donc satisfaire la condition
dω ∧ ω = 0.
7.6.2 Exemple : Robot avec joint flexible
Il s’agit d’un robot dont l’axe prinicipal est muni d’un moteur permettant
de fournir un couple τ `a un axe de transmission qui le transmet au pendule
constituant la partie mobile principale du robot. Cette transmission n’est pas
rigide, mais elle est mod´elis´ee par un ressort de torsion de constante de rigidit´e
k. La variable θ
2
d´esigne la position angulaire du moteur et la variable θ
1
repr´esente la position angulaire du pendule. La figure 7.2 illustre le dispositif.
L’´energie cin´etique contient deux termes, celui du moteur et celui du pen-
dule. L’´energie potentielle contient un terme d’´energie potentielle gravifique
du au centre de masse du pendule et un terme d’´energie potentielle ´elastique
contenu dans la transmission flexible.
7.6 Lin´earisation exacte entr´ee-´etat 221
θ1
τ
k
θ2
Fig. 7.2. Robot avec joint flexible.
E
c
=
1
2
I
1
˙
θ
2
1
+
1
2
I
2
˙
θ
2
2
E
p
=
1
2
k(θ
2
−θ
1
)
2
+mgl sin θ
1
Ainsi le lagrangien s’´ecrit
L = E
c
−E
p
En choisissant les coordonn´ees g´en´eralis´ee comme θ
1
et θ
2
, on obtient deux
´equations du second ordre
d
dt

∂L

˙
θ
1


∂L
∂θ
1
= τ
d
dt

∂L

˙
θ
2


∂L
∂θ
2
= 0
`a partir desquelles, en introduisant les variables d’´etat x
1
= θ
1
, x
2
=
˙
θ
1
,
x
3
= θ
2
, x
4
=
˙
θ
2
, il est possible d’obtenir la repr´esentation non lin´eaire
˙ 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 premi`ere chose `a trouver est l’expression des champs de vecteurs f et
g. En consid´erant les ´equations pr´ec´edentes, 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
¸

222 7 Commande par lin´earisation
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 l’on obtient finalement,

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 ˆetre plein rang au point autour du-
quel on aimerait lin´eariser. En fait, il est important d’insister sur la diff´erence
entre la lin´earisation locale en un point et la lin´earisation que nous faisons
ici, ´egalement en tenant compte du point autour duquel cette lin´earisation
est effectu´ee. On entend par global le fait de tenir compte de toutes les non-
lin´earit´es, le fait de trouver une domaine le plus grand possible dans lequel
toutes les non-lin´earit´es puissent ˆetre compens´ees. Ce domaine poss`ede un
centre o` u l’on ´evalue les champs de vecteurs. Dans le pr´esent cas, le fait que
les champs de vecteurs apparaissant dans (7.60) ne d´ependent pas de l’´etat x
implique que le rang est constant dans tout l’espace d’´etat. Celui-ci est de 4
et signifie que la premi`ere condition de la lin´earisation est satisfaite.
7.6 Lin´earisation exacte entr´ee-´etat 223
La seconde condition consiste en la v´erification de l’involutivit´e des champs
de vecteurs
{g, ad
f
g, ad
2
f
g}.
Etant donn´e que tous les vecteurs susmentionn´es sont constants, tout cro-
chet de Lie entre ces vecteurs constants sont nuls, et la famille est bien invo-
lutive.
L’autre approche du th´eor`eme de Frobenius consiste `a calculer la 1-forme
ω telle que
ω{g, ad
f
g, ad
2
f
g} = 0
On constate facilement que
ω =

1 0 0 0

est une solution qui est trivialement int´egrable puisqu’elle conduit `a
h(x) = x
1
.
Ainsi y = x
1
est la sortie lin´earisante. En cons´equence, le changement de
coordonn´ees,
Φ
1
(x) = x
1
Φ
2
(x) = x
2
Φ
3
(x) = a cos x
1
−b(x
1
−x
3
)
Φ
4
(x) = −ax
2
sin x
1
−b(x
2
−x
4
)
transforme les ´equations d’´etat 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 lin´earisant transformant le
robot en une chaˆıne de quatre int´egrateurs. Nous laissons le soin au lecteur de
constituer l’´equation d’erreur pour une telle chaˆıne d’int´egrateurs et d’obtenir
une expression pour la nouvelle entr´ee v. Ceci conduit alors `a un sch´ema
complet de commande fond´e sur la lin´earisation compl`ete du syst`eme valable
globalement dans tout l’espace d’´etat.
224 7 Commande par lin´earisation
7.6.3 Exemple : Bille roulant sur une barre
Une bille de rayon ρ et de masse m roule sans glisser sur un barreau. Le
barreau comporte un axe en son milieu, perpendiculaire au d´eplacement de
la bille. Il peut donc s’incliner d’un angle θ permettant ainsi `a la bille de
rouler sous l’effet de la gravit´e. Un moteur fournit un couple τ afin d’incliner
le barreau. Il n’y a pas de frottement sur la bille (figure 7.3).
θ
r
g
τ
Fig. 7.3. Une bille roule sans glisser sur une barre sous l’effet de la gravit´e. La barre
est inclin´ee d’un angle θ par l’entremise d’un couple τ. La position de la bille est
d´etermin´ee par la distance r qu’elle parcourt le long de la barre.
Le centre de masse de la bille est d´esign´e par x et y. Il y a deux effets
inertiels dans ce syst`eme, `a savoir la bille elle-mˆeme et la barre. Remarquons
que le bille roule de telle sorte que son moment cin´etique est toujours colin´eaire
`a l’axe de rotation. Il n’y a donc pas de couple gyroscopique provoqu´e par la
rotation de la bille. La contrainte de roulement sans glissement entraˆıne la
bille `a se comporter comme une simple masse en translation avec cependant
une masse l´eg`erement plus lourde due `a l’inertie de rotation de la bille.
θ et r sont choisis comme coordonn´ees g´en´eralis´ees. L’angle de rotation de
la bille autour de son axe est donn´e par
r
ρ
. La position du centre de masse de
la bille par x = r cos θ et y = r sinθ.
L’´energie cin´etique comporte trois termes, celle de translation de la bille,
celle de rotation de la bille, et enfin celle de rotation de la barre. En d´esignant
par
¯
I, l’inertie de la bille autour de son centre de masse, et par I, l’inertie de
la barre autour de son axe de rotation, l’´energie cin´etique s’´ecrit
E
cin
=
1
2
m

˙ x
2
+ ˙ y
2

+
1
2
¯
I

˙ r
ρ

2
+
1
2
I
˙
θ
2
=
1
2
(m+
1

2
¯
I) ˙ r
2
+
1
2
(I +mr
2
)
˙
θ
2
(7.61)
7.6 Lin´earisation exacte entr´ee-´etat 225
et l’´energie potentielle
E
pot
= mgy = mgr sin θ. (7.62)
En cons´equence, le lagrangien
L = E
cin
−E
pot
(7.63)
entraˆıne, apr`es application de la m´ethode de Lagrange, deux ´equations diff´erentielles
du second ordre coupl´ees
d
dt

∂L
∂ ˙ r


∂L
∂r
= 0
d
dt

∂L

˙
θ


∂L
∂θ
= τ.
(7.64)
En effet, une seule force g´en´eralis´ee F
θ
est non nulle et correspond au couple
τ impos´e `a la barre. Les deux ´equations pr´ec´edentes s’´ecrivent explicitement
sous la forme

m+
¯
I
ρ
2

¨ r −mr
˙
θ
2
+mg sin θ = 0
(I +mr
2
)
¨
θ +mr(2
˙
θ ˙ r +g cos θ) = τ.
L’introduction des variables d’´etats x
1
= r, x
2
= ˙ r, x
3
= θ et x
4
=
˙
θ, conduit
alors au mod`ele
˙ 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 = mρ
2
/(mρ
2
+
¯
I) > 0, b = mρ
2
g/(mρ
2
+
¯
I) > 0 et
u = −
2mx
1
x
2
x
4
I +mx
2
1

mgx
1
cos x
3
I +mx
2
1
+
τ
I +mx
2
1
. (7.69)
Cette derni`ere ´equation (7.69) donne un bouclage pr´eliminaire apr`es r´esolution
de τ en fonction de u, rendant ainsi possible l’utilisation de u comme entr´ee
dans (7.68) au lieu de τ. Ce bouclage est toujours r´egulier ´etant donn´e que le
d´enominateur I +mx
2
1
ne s’annule jamais.
Pour construire une sortie lin´earisante 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)
226 7 Commande par lin´earisation
obtenus par inspection en se r´ef´erant `a (7.65-7.68), conduisent `a
[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 signifie que la deuxi`eme condition pour la lin´earisation exacte n’est
pas satisfaite car [g, [f, g]] ∈ span {g.[f, g], [f, [f, g]]}; la famille n’est donc pas
involutive. En effet,
det

g [f, g] [f, [f, g]] [g, [f, g]]

= −4a
2
x
2
1
x
4
est non nul d`es que la bille quitte le point central r = 0.
On peut alors s’interroger sur la structure de la 1-forme ω 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 ω s’´ecrit
ω = (−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 d’une fonction de l’´etat h(x), principalement parce-
qu’il n’est pas possible de se d´ebarasser du coefficient x
4
en multipliant ω
par une fonction (ω n’a pas de coefficient non nul devant dx
4
). En effet, dω
comporte un monˆ ome ext´erieur avec un facteur dx
4
(non nul) alors que ω en
est d´epourvu, de telle sorte que dω ∧ ω = 0.
7.7 Commande d’une chaˆıne d’int´egrateurs
Les techniques pr´esent´ees dans ce chapitre ont toutes pour but de trans-
former (ou d’´etablir une correspondance) entre le syst`eme ´ecrit dans les coor-
donn´ees d’origine, en une chaˆıne d’int´egrateurs. Cette chaˆıne doit alors ˆetre
command´ee.
En cons´equence nous avons comme syst`eme
y
(r)
= v,
avec y, v ∈ R des grandeurs scalaires. L’objectif est de choisir une succes-
sion de valeurs temporelles de v pour atteindre un objectif d´esir´e.
7.7 Commande d’une chaˆıne d’int´egrateurs 227
Nous consid´erons essentiellement deux techniques. La premi`ere est une
technique de r´egulation permettant de garantir la stabilit´e globale de l’origine,
et la poursuite d’une r´ef´erence donn´ee. Toutefois, elle n´ecessite la mesure de
la sortie y et de ces r − 1 d´eriv´ees temporelle. La seconde, est une technique
de commande en boucle ouverte (a priori) permettant de faire transiter l’´etat
du syst`eme d’une valeur donn´ee correspondant `a une valeur initiale de y et
de ces d´eriv´ees, vers une valeur finale, en un temps fini. Elle ne n´ecessite que
la connaissance des conditions initiales.
Une fois l’expression de l’entr´ee de la chaˆıne d’int´egrateur ramen´ee `a
celle de l’entr´ee du syst`eme d’origine par les calculs expos´es aux sections
pr´ec´edentes, nous avons une technique compl`ete de r´egulation des r ´etats as-
soci´es `a la sortie y et ses d´eriv´ees.
7.7.1 Stabilisation et poursuite
Dans le cas o` u toutes les d´eriv´ees de y sont mesur´ees, nous pouvons forcer
y `a converger vers z´ero en utilisant une ´equation d’erreur. En posant
e = y
c
−y
et en choisissant r pˆ oles (valeurs propres) λ
1
, λ
2
, . . . λ
r
`a valeur propre r´eelle
plus petite que z´ero, l’´equation d’erreur diff´erentielle est constitu´ee, d’abord
avec l’op´erateur de diff´erentiation symbolique s : :
(s +λ
1
)(s +λ
2
) . . . (s +λ
r
) = s
r
+a
1
s
r−1
+ . . . +a
n−1
s +a
n
(7.72)
Ensuite, en effectuant les d´erivations correpondant `a l’op´erateur s, on obtient
l’´equation diff´erentielle associ´ee
e
(r)
+a
1
e
(r−1)
+. . . +a
n−1
˙ e +a
n
e = 0.
Finalement, on remplace la plus haute d´eriv´ee e
r
par v − y
(r)
c
et on trouve
l’expression de l’entr´ee v stabilisante par simple r´esolution de l’´equation ob-
tenue.
7.7.2 Transit en temps fini avec commande a priori
L’objectif est de d´eterminer une loi de commande a priori permettant
de transf´erer l’´etat de la chaˆıne d’int´egrateur, initialement en y(0), ˙ y(0), . . .
y
(r)
(0) vers un nouvel ´etat y(T), ˙ y(T), . . . y
(r)
(T), en un temps fini T.
En pratique, l’´etat initial est donn´e sous la forme x(0) et l’´etat terminal
sous la forme x(T) (ou une sous-partie de ces ´etats). Dans chacun des cas,
ces valeurs correspondent `a des ´etats de la chaˆıne d’int´egrateur associ´es `a la
sortie y et ces d´eriv´ees. Ainsi, les valeurs d’interpolation sont sp´ecifi´ees par
des valeurs dans les coordonn´ees de d´epart.
228 7 Commande par lin´earisation
Afin d’obtenir la commande mentionn´ee, il suffit de choisir un polynˆome
d’interpolation d’ordre suffisamment ´elev´e pour repr´esenter la trajectoire de
la sortie y. L’ordre ´elev´e permet alors de repr´esenter l’´evolution de l’ensemble
des r d´eriv´ees de la sorties depuis l’instant initial 0 et l’instant final T. Il est
n´ecessaire de choisir un ordre 2r afin de pouvoir sp´ecifier `a la fois les conditions
initiales et terminales.
Le polynˆome s’´ecrit sous la forme
y
c
(t) =
2r−1
¸
i=0
p
i
t
i
o` u les coefficients p
i
∈ R sont choisis afin de satisfaire le syst`eme d’´equations
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 polynˆome choisit, il suffit de d´eriver celui-ci r fois et d’appliquer
l’entr´ee
v = y
(r)
c
(t) 0 ≤ t ≤ T
`a la chaˆıne d’int´egrateurs.
La technique pr´esent´ee ne n´ecessite pas de mesure durant la transition.
Seules les conditions initiales (ou une sous partie) est n´ecessaire.
L’inconv´enient est li´e `a toute commande en boucle ouverte, au sens o` u
si le mod`ele n’adh`ere pas exactement `a la r´ealit´e, une d´erive par rapport au
comportement d´esir´e durant et apr`es la transition peut alors ˆetre observ´e. Il
n’y a pas de m´ecanisme de compensation prenant en compte une ´eventuelle
erreur entre le comportement d´esir´e et celui r´eellement observ´e.
Paradoxalement, cet inconv´enient peut ´egalement devenir un avantage
lorsque le syst`eme est soumis `a une classe de perturbation de ces param`etres
entre le mod`ele de repr´esentation utilis´e pour la commande et celui du syst`eme
`a commander. Par exemple, un frottement visqueux surmod´elis´e peut ˆetre
compens´e par retour entraˆınant la pr´esence d’une boucle `a r´etro-action posi-
tive. Ceci est illustr´e dans l’exercice 7.3.
7.7 Commande d’une chaˆıne d’int´egrateurs 229
Exercices
7.1. Bille sur la barre : lin´earisation entr´ee-sortie. En consid´erant le
mod`ele dynamique (7.65-7.68) de la bille qui roule sur la barre :
dynamique ! interne dynamique ! z´eros
(i) D´eriver la sortie y = r = x
1
jusqu’` a ce que l’entr´ee 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 r´egul´ee `a z´ero par l’interm´ediaire de la r´egulation de la chaˆıne
d’int´egrateurs obtenus sous (i). La dynamique interne comporte comme entr´ee
la sortie y ainsi qu’un nombre fini de ses d´eriv´ees ˙ y, . . ., y
(p)
. Elle est constitu´ee
par les ´etats rendus inobservables par le bouclage r´egularisant la chaˆıne
d’int´egrateurs obtenus en (i). Est-ce que cette dynamique est globalement
stable ? (Traiter y et ses d´eriv´ees comme des param`etres.)
(iii) Calculer la dynamique des z´eros. (Il suffit de remplacer y = ˙ y =
. . . y
(p)
= 0 dans l’´equation de la dynamique interne.) V´erifier le type de
stabilit´e de cette dynamique.
(iv) N´egliger le premier terme ax
1
x
2
4
de la seconde ´equation (7.66) pour
le mod`ele de commande, et r´ep´eter la mˆeme d´emarche qu’en (ii). Il s’agit
de temporairement n´egliger le terme dans le mod`ele du syst`eme utilis´e pour
synth´etiser le contrˆoleur tout en gardant le terme pour simuler le syst`eme `a
commander.
(v) Stabiliser la chaˆıne d’int´egrateurs r´esultante.
(vi) Appliquer le sch´ema de commande obtenu sur le syst`eme complet
(c.-`a-d. sans n´egliger le terme ax
1
x
2
4
).
(vii) Simuler le syst`eme complet.
(viii) D’apr`es vous, est-ce que le syst`eme est localement asymptotique-
ment stable ? Est-il localement exponentiellement stable ? Est-il globalement
asymptotiquement stable ?
7.2. Toycopter
1
. Soit le mod`ele r´eduit dont le sch´ema de principe est
repr´esent´e `a la figure 7.4.
(i) Montrer que le lagrangien de ce syst`eme s’´ecrit
L = +
1
2
I
φ
˙
φ
2
+
1
2
I
c
sin
2
ψ
˙
φ
2
+
1
2
I
ψ
˙
ψ
2
+I
m1
sin ψ
˙
φω
m
+
1
2
I
m1
ω
2
m
+I
r1
˙
ψω
r
+
1
2
I
r1
ω
2
r
−G
s
cos ψ
+G
c
sin ψ. (7.73)
1
Cet exercice est une adapation des papiers de Ph. Mullhaupt, B. Srinivasan, J.
L´evine, et D. Bonvin A Toy More Difficult to Control Than the Real Thing,
Proc. European Control Conference, Brussels, 1997, et Cascade Control of the
Toycopter, Proc. European Control Conference, Karslruhe, 1999.
230 7 Commande par lin´earisation
ψ
φ ωr
ωm
Fig. 7.4. Sch´ema du Toycopter avec ces coordonn´ees. Deux moteurs entraˆınes des
vitesses de rotation des pales variables ωm et ωr permettant au Toycopter de se
d´eplacer sur une sph`ere de latitude ψ et de longitude φ.
o` u G
c
et G
s
sont des param`etres li´ees `a la position du centre de masse (i.e.
v´erifier ´egalement la relation de ces param`etres `a la position r´eelle du centre
de masse). I
c
est un param`etre inertiel dˆ u `a la difference d’inertie autour de
l’axe φ en fonction de la position angulaire ψ. I
m1
et I
r1
sont les inerties des
syst`emes rotors et pales (principal et secondaire respectivement).
(ii) On suppose que les forces a´erodynamiques sont proportionnels `a la
vitesses des h´elices (en r´ealit´e elles ´evoluent en fonction du carr´e de celles-ci).
Les h´elices sont entraˆın´ees par des moteurs `a courant continu. Les coefficients
respectifs sont C
m
pour l’h´elice principale et C
r
pour l’h´elice arri`ere. L’effet de
sol est n´eglig´e. Il y a ´egalement du frottement visqueux le long des deux axes
φ et ψ (coefficients C
φ
et C
ψ
). V´erifier que les forces g´en´eralis´ees s’´ecrivent :
F
ψ
= C
m
ω
m
−C
ψ
˙
ψ
F
φ
= C
r
ω
r
−C
φ
˙
φ
F
ρm
= K
m
u
m
−F
m
ω
m
F
ρr
= K
r
u
r
−F
r
ω
r
(iii) Montrer que la dynamique est donn´ee par les ´equations
I
ψ
¨
ψ +I
r
˙ ω
r
= C
m
ω
m
−C
ψ
˙
ψ
+G
s
sin ψ +G
c
cos ψ
+
1
2
I
c
˙
φ
2
sin(2ψ) +I
m
ω
m
˙
φcos ψ (7.74)
(I
φ
+ I
c
sin
2
(ψ))
¨
φ +I
m
˙ ω
m
sin ψ
= C
r
ω
r
| ω
r
| sin ψ −C
m1
ω
m
| ω
m
| sin ψ
−I
c
˙
ψ
˙
φsin(2ψ) −I
m
ω
m
˙
ψcos ψ −C
φ
˙
φ (7.75)
˙ ω
m
= v
m
(7.76)
˙ ω
r
= v
r
(7.77)
7.7 Commande d’une chaˆıne d’int´egrateurs 231
(iv) En utilisant les sorties y
1
= ψ et y
2
= φ, d´eriver celles-ci jusqu’` a l’ap-
parition des entr´ees v
m
et v
r
. Stabiliser les chaˆınes d’int´egrateurs r´esultantes
pour atteindre une consigne
¯
ψ et
¯
φ. Calculer la dynamique interne et v´erifier
la stabilit´e de celle-ci.
(v) De mani`ere similaire `a l’exercice 7.1, on n´eglige les termes I
r
˙ ω
r
et
I
m
˙ ω
m
sin ψ pour synth´etiser la loi de commande tout en les conservant dans
le mod`ele pour la simulation. Proc´eder alors comme en (iv) et simuler le
syst`eme r´esultant.
7.3. Consid´erations de robustesse. Soit un moteur ´electrique d’´equation
¨
θ = −k
˙
θ +u
o` u la force ´electromotrice et le frottement visqueux sont repr´esent´e par la
constante k. Les inerties et autres constantes de couple ont ´et´e normalis´ee.
(i) Transformer le mod`ele en une chaˆıne d’int´egrateurs.
(ii) Synth´etiser une loi stabilisant la chaˆıne d’int´egrateurs `a la position
¯
θ =
π
2
. Chosir les gains de telle sorte `a stabiliser `a 99 % de la consigne apr`es
1 s.
(iii) Choisir une loi de commande en boucle ouverte d´epla¸ cant la position
angulaire de l’´etat initial au repos en θ = 0 vers l’angle final
¯
θ =
π
2
.
(iv) R´epeter les deux techniques pr´ec´edentes dans le cas
¯
k = 1.1k et
¯
k =
0.9k.
¯
k est la valeur du vrai syst`eme et k celle utilis´ee pour synth´etiser la loi
de commande. Simuler et discuter les r´esultats obtenus.
(v) Imaginer une m´ethode qui puisse tenir compte des avantages des deux
m´ethodes en limitant leurs inconv´enients.
7.4. Table de positionnement. On reconsid`ere la table de positionnement
de l’exemple de la section 7.4.1, mais uniquement avec la technique de com-
mande en boucle ouverte.
(i) Trouver une param´etrisation polynomiale de la sortie plate afin de faire
d´eplacer la table d’une position d’´equilibre vers une autre en 1 s.
(ii) D´eterminer la commande en boucle ouverte r´esultante et simuler le
syst`eme.
(iii) Discuter du transitoire en fonction de la position `a atteindre et du
temps de transition.
8
Commande par les m´ethodes de Lyapunov
8.1 Introduction
Dans le chapitre 4, la notion de la stabilit´e a ´et´e pr´esent´ee avec des condi-
tions permettant de la garantir. Par exemple, une fonction d´efinie positive est
associ´ee au syst`eme, appel´ee candidat de Lyapunov. Lorsque la valeur de cette
fonction d´ecroit le long des solutions de l’´equation diff´erentielle repr´esentant
le syst`eme, la stabilit´e est garantie, et le candidat devient une fonction de
Lyapunov.
Cette m´ethode de Lyapunov peut ˆetre ´egalement utilis´ee pour synth´etiser
une commande.
Lorsque l’entr´ee u du syst`eme ˙ x = f(x, u) n’est pas sp´ecifi´ee, nous avons
des degr´es de libert´e suppl´ementaires pour constituer ` a la fois la fonction V (x)
et la loi de commande non lin´eaire u = k(x). Dans le cas de l’analyse, le choix
est plus restreint ´etant donn´e que seul V (x) doit ˆetre d´etermin´e, l’acc`es `a
l’entr´ee ´etant absent puisque le syst`eme s’´ecrit ˙ x = f(x).
Ce chapitre introduit la conception utilisant la m´ethode de Lyapunov dans
le cas particulier d’une synth`ese en cascade. Une cascade est la r´eunion de
deux sous-syst`emes qui s’influencent l’un l’autre. Ainsi en quelque sorte, tout
syst`eme comportant plus que deux ´etats est une cascade. Toutefois, nous
mettrons l’accent sur les syst`emes o` u une partie de l’´etat ´evolue de mani`ere
ind´ependante par rapport `a une autre partie. Cette derni`ere, par contre, subit
l’influence de la premi`ere, un peu comme une cascade d’eau lorsqu’elle se
fragmente en sous-parties, la partie du haut ´evoluant de mani`ere ind´ependante
de celle du bas.
Pour commencer, nous ´etudions les propri´et´es de stabilit´e `a la fois locale
et globale de la mise en cascade de deux syst`emes individuellement stables.
Puis nous exploitons la propri´et´e de passivit´e, qui, comme nous l’avons
d´ej` a vu au chapitre ??, se pr´eserve apr`es connexion en parall`ele et en r´etro-
action.
234 8 Commande par les m´ethodes de Lyapunov
Finalement, la m´ethode dite du backstepping est pr´esent´ee. Une fonction
de Lyapunov est d’abord construite pour un syst`eme r´eduit obtenu lorsque
un des ´etat est consid´er´e comme une entr´ee directe. Le syst`eme est r´eduit car
la d´eriv´ee de cet ´etat est momentan´ement pas prise en compte. A partir de la
fonction de Lyapunov associ´ee au syst`eme r´eduit, l’influence de la dynamique
associ´ee `a l’´etat manquant est alors pris en compte en augmentant la fonction
de Lyapunov par une erreur quadratique entre la valeur id´eale de cet ´etat et sa
valeur r´eelle. En d´erivant cette nouvelle fonction de Lyapunov et en la for¸ cant
`a ˆetre n´egative, on aboutit `a une loi de commande pour le syst`eme complet.
Cette m´ethode dite du backstepping permet de construire une fonction de
Lyapunov de deux variables (une pour chaque partie de la cascade) `a partir
d’une fonction de Lyapunov d’une sous-partie de la cascade.
8.2 Fonction de Lyapunov de Commande
Commen¸ cons par consid´erer un syst`eme ayant une entr´ee u et dont l’´etat
x est consid´er´e sans distinction de groupe de variables. En toute g´en´eralit´e,
le syst`eme s’´ecrit
˙ x = f(x, u). (8.1)
Pour trouver la commande selon la m´ethode de Lyapunov, il s’agit de
trouver une fonction d´efinie positive V (x) et une loi de commande u = k(x)
de telle sorte qu’en rempla¸ cant la loi de commande dans l’expression (8.1),
˙ x = f(x) +g(x)k(x) =
˜
f(x),
il soit possible de trouver une fonction de Lyapunov V (x), c.-`a-d.,
V (x) > 0 x = 0
L
˜
f
V (x) < 0
Pour trouver V (x), il est possible d’utiliser une des m´ethode d´ecrite dans
la partie Analyse de cet ouvrage, comme par exemple la m´ethode de Krasovs-
kii ou la m´ethode des gradients variables. Toutefois, une difficult´e (ou une
facilit´e selon le cas) suppl´ementaire apparaˆıt, ´etant donn´e qu’il est possible
de modifier la loi de commande et donc de changer
˜
f(x) afin que L
˜
f
V ait de
meilleures propri´et´es.
8.3 Structure cascade
Construire une fonction de Lyapunov pour tout l’´etat x est une tˆ ache
parfois tr`es difficile. C’est pourquoi, il est souvent plus judicieux de s´eparer la
construction en tirant avantage de la structure du syst`eme `a commander.
8.3 Structure cascade 235
L’objectif est de faire apparaˆıtre une structure emboˆıt´ee, ou cascade. Par
exemple,
˙ z = f(z) +ψ(z, ξ) (8.2)
˙
ξ = a(ξ, u) (8.3)
s´epare l’´etat en deux contributions, z et ξ. Lorsque les deux sous-syst`emes,
consid´er´es s´epar´ement, ˙ z = f(z) et
˙
ξ = a(ξ, u) sont stables, alors leur r´eunion
par le terme d’interconnexion non lin´eaire ψ(z, ξ) est ´egalement localement
stable. Ainsi, on peut `a l’aide de l’entr´ee u stabiliser uniquement la partie
du bas (´etat ξ) afin de stabiliser l’ensemble de la cascade (8.2) et (8.3). Le
r´esultat est le suivant :
Th´eor`eme 8.1. On suppose que le terme de couplage non-lin´eaire ψ(z, ξ)
est tel que ψ(z, 0) = 0. Si z = 0 est un point d’´equilibre asymptotiquemet
stable de ˙ z = f(z), alors n’importe quel retour partiel de l’´etat u = k(ξ) ren-
dant l’´equilibre du sous-syst`eme (8.3) ξ = 0 asymptotiquement stable, rend
´egalement l’ensemble de la cascade (8.2-8.3) localement asymptotiquement
stable.
Preuve. Soit U(ξ) une fonction de Lyapunov pour le sous-syst`eme
˙
ξ =
a(ξ, k(ξ)). Ceci signifie ´egalement que V (z, ξ) = U(ξ) est une fonction semi-
d´efinie positive pour l’ensemble de la cascade. Maintenant, la stabilit´e du point
d’´equilibre complet z = 0 et ξ = 0 suit du th´eor`eme de stabilit´e conditionnel,
parce que ce point d’´equilibre est conditionnellement stable `a l’ensemble
{z, ξ|V (z, ξ) = 0} = {z, ξ|ξ = 0}.
La stabilit´e conditionnelle revient `a restreindre les choix de la boule d’exigence
et de celle des conditions initiales `a l’intersection entre celles-ci et l’ensemble
en question. Les r´esultats de stabilit´e de LaSalle s’adapte mutatis mutandis.
Soit Ω
z
la r´egion d’attraction de la dynamique ˙ z = f(z) et Ω
ξ
, celle de la
dynamique
˙
ξ = a(ξ, k(ξ)). Etant donn´e que l’´equilibre complet est stable, il
existe un voisinage Ω tel que toute solution z(t), ξ(t) commen¸ cant dans Ω est
born´ee et demeure dans Ω
z
× Ω
ξ
pour tout instant du temps t ≥ 0. Lorsque
t → ∞, ξ(t) → 0 de telle sorte que z(t), ξ(t) convergent vers le plus grand
ensemble invariant de ˙ z = f(z) compris dans Ω
z
×{0}, qui n’est rien d’autre
que le point d’´equilibre complet z = 0, ξ = 0, d´emontrant ainsi la stabilit´e
asymptotique.
Dans une structure cascade, il n’est pas toujours possible d’atteindre une
stabilit´e globale, bien que les sous-syst`emes soient globalement stables.
Toutefois, il est souvent possible d’atteindre une r´egion de stabilit´e aussi
grande que l’on veut, par un choix judicieux de la loi de commande. C’est le
concept de stabilit´e semi-globale.
236 8 Commande par les m´ethodes de Lyapunov
D´efinition 8.2. Un syst`eme ˙ x = f(x, u) est dit semi-globalement stabilisable,
s’il est possible, pour tout ensemble compact aussi large que possible Ω de
trouver une loi de commande u = k(x) telle que le syst`eme ˙ x = f(x, k(x))
poss`ede un bassin d’attraction qui contient Ω.
Exemple 8.3. Le syst`eme avec z ∈ R et ξ ∈ R,
˙ z = −z +ξz
2
˙
ξ = u
munit de la loi de commande u = −kξ, k > 0, garantit la stabilit´e asympto-
tique de (z, ξ) = (0, 0). La r´egion d’attraction peut alors ˆetre estim´ee `a l’aide
de la fonction de Lyapunov V = z
2

2
. La d´eriv´ee,
˙
V = −2(z
2
+kξ
2
−ξz
3
) = −

z ξ

2 −z
2
−z
2
2k

z
ξ

(8.4)
est n´egative pour z
2
< 2

k. Par cons´equent, une estim´ee de la r´egion d’at-
traction est alors donn´ee par la condition que
˙
V < 0, ce qui signifie que le
gain k devrait ˆetre choisit telle que k >
c
2
4
.
Ainsi, il est toujours possible de rendre aussi grand que l’on d´esire la r´egion
d’attraction, `a condition d’augmenter suffisamment le gain k.
Cependant, il n’est pas possible de stabiliser globalement un tel syst`eme.
Prenons par exemple z =
1
σ
, ce qui transforme l’´equation non lin´eaire ˙ z =
−z+ξz
2
en ˙ σ = σ−ξ. C’est une ´equation du premier ordre avec comme entr´ee
la variable ξ. La formule g´en´erale pour la solution explicite de ˙ x = Ax + Bu
donne x(t) = x
0
e
At
+

t
0
e
A(t−τ)
Bu(τ)dτ. Dans notre cas A est un scalaire ´egal
`a −1, u(t) correspond `a ξ(t) (´egalement un scalaire) et B = 1. En cons´equence,
σ(t) = σ(0)e
−t
+

t
0
e
t−τ
ξ(τ)dτ.
Il est important de comprendre que l’on consid`ere l’entr´ee ξ(t) comme l’entr´ee
u du sous syst`eme dont l’´etat est z. En revenant dans la variable z,
z(t) =
e
−t
1
z(0)

t
0
e
−τ
ξ(τ)dτ
.
Nous rencontrons le ph´enom`ene d´ej` a esquiss´e dans le premier chapitre concer-
nant les propri´et´es des syst`emes non lin´eaires, `a savoir que lorsque z(0) >


0
e
−τ
ξ(τ)dτ

−1
le d´enominateur finit par s’annuler `a un instant fini condui-
sant z `a devenir infini en un temps fini : C’est une explosion en temps fini
empˆechant le syst`eme de converger ult´erieurement. Le transitoire de z est de-
venu trop grand par rapport `a sa tendance naturelle de d´ecroˆıtre en absence
8.3 Structure cascade 237
d’excitation cr´ee par ξ. Ce ph´enom`ene exclu ainsi des conditions initiales du
bassin d’attraction.
La limitation du bassin d’attraction, malgr´e la stabilit´e des deux sous-
syst`emes z et ξ pris isol´ement, est li´ee au mauvais transitoire qui est en quelque
sorte amplifi´e par le terme de couplage entre les deux sous-syst`emes.
Par cons´equent, il est possible de limiter cet effet en choisissant comme
sous-syst`emes ceux qui sont coupl´es de mani`ere `a ne pas engendrer une telle
sur-sensibilit´e au transitoire. Dans l’exemple pr´ec´edent, le terme de couplage
comporte ξ multipli´e par z
2
. C’est l’apparition du facteur au carr´e qui cr´ee des
difficult´es. De plus, il faut ´egalement veiller `a ne pas prendre comme variable
ξ une variable ayant de mauvaises caract´eristiques transitoires.
Ces deux ´el´ements, `a savoir la nature du couplage et la nature de la variable
ξ sont maintenant ´etudi´es plus en d´etail. Il s’agit de d´eterminer des conditions
favorables `a la stabilisation globale des deux sous-syst`emes r´eunis.
8.3.1 Restriction de la croissance du terme de couplage
En g´en´eral, comme la fontion de Lyapunov `a tendance `a croˆıtre de mani`ere
monotone lorsque l’´etat s’´eloigne de la valeur d’´equilibre, il est utile de dis-
tinguer cette classe de syst`emes par rapport `a cette propri´et´e. Cependant,
cette croissance peut ob´eir `a une loi compliqu´ee. C’est pourquoi nous intro-
duisons une fa¸ con de caract´eriser celle-ci sans pour autant entrer dans le fin
d´etail de savoir exactement comment cette fonction augmente. Nous estimons
la croissance en d´esignant les fonctions de classe K.
D´efinition 8.4. Une fonction γ(.) : R
+
→ R
+
est dite de classe K si elle
est continue, strictement croissante et s’annule pour la valeur nulle, c.-` a-d.
γ(0) = 0.
A l’aide de cette d´efinition nous pouvons donner une hypoth`ese concernant
la croissance du terme de couplage ψ(z, ξ) apparaissant dans (8.2).
D´efinition 8.5. (croissance du terme d’interconnexion) La fonction ψ(z, ξ)
est de croissance lin´eaire en z s’il existe deux fonctions de classe K, disons
γ
1
(.) et γ
2
(.), diff´erentiable en ξ = 0 et telles que
ψ(z, ξ) ≤ γ
1
(ξ)z +γ
2
(ξ).
A l’aide de cette d´efinition nous pouvons ´etablir la condition pour que la
stabilit´e globale aie lieue :
Th´eor`eme 8.6. Supposons que le terme de croissance soit conforme ` a la
definition 8.5. Supposons ´egalement que la lin´earisation locale (A, B) de
˙
ξ = a(ξ, u) au point ξ = 0 soit stabilisable. Soit k(ξ) une loi de commande
238 8 Commande par les m´ethodes de Lyapunov
continue qui rende le point ξ = 0 de
˙
ξ = a(ξ, k(ξ)) globalement asymptoti-
quement stable et localement exponentiellement stable. Maintenant, s’il existe
une fonction W(z) semi-d´efinie positive et radialement non born´ee, 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(ξ) garantit que toutes les solutions de (8.2-8.3)
restent born´ees. Si par ailleurs, ˙ z = f(z) est globalement asymptotiquement
stable, alors la loi de commande u = k(ξ) rend le point d’´equilibre complet
(z, ξ) = (0, 0) globalement asymptotiquement stable.
Preuve. Soit z(0) et ξ(0) des conditions initiales arbitraires. Les deux pro-
pri´et´es 1. et 2. Ainsi que l’hypoth`ese sur la nature de l’interconnexion en-
traˆıne :
˙
W = L
f
W +L
ψ
W ≤
∂W
∂z
ψ

W
z

1
(ξ) +γ
2
(ξ)z
D’autre part, ´etant donn´e que le point d’´equilibre ξ = 0 de
˙
ξ = a(ξ, k(ξ)) est
localement exponentiellement stable, il est garantit qu’il existe une constante
α et une fonction γ de classe K telles que
˙
W(z(t)) ≤
∂W
∂z
(γξ(0))e
−αt
(1 +z(t))

∂W
∂z
z(t)(γξ(0))e
−αt
, ∀z(t) ≥ 1
En faisant usage de la propri´et´e 2., Il existe une fonction K
1
(.) de classe K
telle que pour z suffisament petit (c.-`a-d. z(t) > max{1, M}), l’estim´ee
˙
W ≤ K
1
(ξ(0))e
−αt
W
est vraie. Ceci d´emontre la bornitude de W ´etant donn´e qu‘il est ´egalement
vrai que
W(z(t)) ≤ W(z(0))e
R
τ
0
K
1
(ξ(0))e
−ατ
dτ ≤ K(ξ(0))
pour une certaine fonction K de classe K. Puisque W(z) est radialement
non born´ee, la bornitude de z est garantie. Finalement, si ˙ z = f(z) est
globalement asymptotiquement stable, cette mˆeme propri´et´e s’applique au
point d’´equilibre complet z = 0, ξ = 0, `a cause du th´eor`eme ??.
Etonnament, et surtout malheureusement, la croissance lin´eaire du terme
de couplage (selon la D´efinition 8.5), coupl´e avec la d´ecroissance exponentielle,
ne sont pas suffisants pour empˆecher la d´estabilisation du sous-syst`eme z,
comme va l’illustrer l’exemple suivant.
8.3 Structure cascade 239
Exemple 8.7. Le syst`eme
˙ z
1
= −z
1
+z
2
ξ
˙ z
2
= −z
2
+z
2
1
z
2
˙
ξ = u
Bien que satisfaisant les hypoth`eses croissance lin´eaire du terme d’intercon-
nexion (celui-ci est donn´e par z
2
ξ pour la premi`ere ´equation et 0 sur la se-
conde) ainsi que de stabilisabilit´e exponentielle du sous-syst`eme ξ, ne peut
pas ˆetre globalement stabilis´e.
Pour expliquer ce ph´enom`ene quelque peu paradoxal, remarquons, pour
commencer, que le sous syst`eme
˙ z
1
= −z
1
˙ z
2
= (−1 +z
2
1
)z
2
est bien globalement stable, ´etant donn´e que
W(z) = z
2
1
+z
2
2
e
z
2
1
est une fonction de Lyapunov radialement non born´ee. En effet, un calcul
imm´ediat donne
˙
W(z) = −2W(z).
Cependant, et c’est l`a que le paradoxe est lev´e, la condition 2. du th´eor`eme
n’est pas satisfaite `a cause du facteur de croissance tr`es rapide e
z
2
1
. Pour
montrer que ceci engendre la perte de la stabilit´e globale, consid´erons une
condition initiale ξ(0) > 0 de telle sorte que pour tout t ≥ 0, ξ(t) ≥ 0.
Comme la loi de commande k(ξ) est suppos´e diff´erentiable,
˙
ξ(t) ≥ Cξ(t)
pour une certaine constante positive C > 0. Maintenant, consid´erons 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
ξ) ≥ (C + 1)z
2
ξ −Cz
2
ξ = z
2
ξ.
Finalement, en choisissant z
2
(0)ξ(0) > z
1
(0) >

C + 2, il est garantit que la
condition initiale ˙ z
1
(0) > 0. Mais ˙ z
1
(t) croˆıt au cours du temps `a cause de
¨ z
1
(t) =
d
dt
(z
2
ξ −z
1
) −Cz
2
ξ = z
2
ξ.
Comme ξ(t) converge vers z´ero tout en demeurant positif, cela induit z
2
(t) `a
devenir non-born´e.
240 8 Commande par les m´ethodes de Lyapunov
Cet exemple insiste sur l’importance de la structure de la fonction de Lyapu-
nov. Non seulement le type de croissance est important pour le terme d’inter-
connexion entre les deux sous syst`emes isol´ement stable, mais il est ´egalement
tout aussi important dans la mani`ere dont la fonction de Lyapunov croˆıt en
s’´ecartant de l’´equilibre. Si cette croissance est trop rapide, alors il est pos-
sible de la faire d´ecroˆıtre beaucoup dans une petite r´egion de l’espace d’´etat,
encourageant l’apparition d’explosion en temps fini.
Les r´esultats pr´ec´edents reposent sur la d´ecroissance exponentielle de ξ.
Au lieu de cette condition, le concept de stabilit´e entr´ee-´etat est introduit.
Consid´erons le sous-syst`eme
˙ z = f(z) +ψ(z, ξ).
L’id´ee derri`ere ce nouveau concept de stabilit´e est d’exiger que toute solution
z de cette ´equation diff´erentielle reste born´ee lorsque la variable ξ (consid´er´ee
comme une entr´ee) converge vers z´ero. Cette propri´et´e est suffisante pour
garantir la stabilit´e asymptotique globale de l’´equilibre complet z = 0 ξ = 0
lorsque ˙ z = f(z) est globalement asymptotiquement stable.
D´efinition 8.8. Le syst`eme ˙ x = f(x, u) est stable entr´ee-´etat s’il existe une
fonction d´ecroisante β et une fonction de classe K telle que pour toute entr´ee
born´ee u(.) et chaque condition initiale x(0) la solution x(t) existe pour tout
t ≥ 0 et est born´ee par
z(t) ≤ β(z(0), t) +γ( sup
0≤τ≤t
ξ(τ))
En quelque sorte, on ´elimine d’entr´ee la possibilit´e d’avoir des explosions
en temps fini. Cette d´efinition serait assez inutile s’il n’y avait pas de moyens
de la d´eterminer de mani`ere indirecte. Le premier r´esultat dans cette direction
assure que cette d´efinition est respect´ee dans la cas o` u la fonction de Lyapunov
ne croˆıt pas trop vite.
Le second permet de charact´eriser la propri´et´e de stabilit´e entr´ee-´etat par
l’interm´ediaire d’une nouvelle fonction de type Lyapunov que l’on d´esigne par
le nom de fonction de Lyapunov entr´ee-´etat.
Lemme 8.9. On suppose que le terme de couplage est lin´eaire en z et que
le syst`eme ˙ z = f(z) est globalement asymptotiquement stable avec comme
fonction de Lyapunov W(z) satisfaisant la condition de croissance
α
1
z
2
≤ W(z) ≤ α
2
z
2
,
∂W
z
≤ α
3
z
L
f
W ≤ −α
4
W(z), α
i
> 0, i = 2, . . . , 4.
Sous ces conditions, la solution z(t) de (8.2) est born´ee et converge vers z´ero
pour tout ξ(t) convergeant vers z´ero.
8.3 Structure cascade 241
Preuve. Le long des solutions de (8.2),nous avons
˙
W(z) ≤ −α
4
W(z)2α
3
zψ(z, ξ)
pour une certaine fonction de classe K, de telle sorte
˙
W(z) ≤ (−α
4
+
α
3
α
1
γ(ξ))W(z).
Ceci d´emontre que W(z(t)) existe pour tout t ≥ 0. De plus, puisque ξ(t)
converge vers z´ero, il existe un temps fini apr`es lequel
˙
W(z) ≤
1
2
α
4
W(z),
Conduisant `a ce que z demeure born´e et converge exponentiellement vers 0.
On se tourne maintenant vers le deuxi`eme r´esultat concernant la caract´erisation
de la propri´et´e de stabilit´e entr´ee-´etat.
Th´eor`eme 8.10. Le syst`eme ˙ x = f(x, u) est stable entr´ee-´etat ` a condition
qu’il existe une fonction radialement non born´ee W(z) telle que
x ≥ χ
1
(u) ⇒
∂w
∂x
f(x, u) ≤ −χ
2
(x),
o` u χ
1
et χ
2
sont des fonctions de classe K.
D´efinition 8.11. La fonction W(z) satisfaisant aux hypoth`eses du th´eor`eme
pr´ec´edent 8.10 est appel´ee une fonction de Lyapunov entr´ee-´etat.
Un corollaire imm´ediat de ceci est :
Corollaire 8.12. Si le syst`eme ˙ z = f(z) +ψ(z, ξ) est stable entr´ee-´etat avec
ξ pour entr´ee, et que, d’une part, le syst`eme ˙ z = f(z) est globgalement asymp-
totiquement stable et, d’autre part, qu’il existe un bouclage u = k(ξ) rendant
ξ = 0 de
˙
ξ = a(ξ, k(ξ)) globalement asymptotiquement stable, alors le bouclage
en question rend ´egalement le point d’´equilibre complet de la cascade (8.2-8.3)
globalement asymptotiquement stable.
La d´emonstration de ces r´esultats sont expos´es 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 entr´ee-´etat W(z) =
z
2
2
, le syst`eme
242 8 Commande par les m´ethodes de Lyapunov
˙ z = −z
3
+z
2
ξ
˙
ξ = ξ
2
u
est globalement asymptotiquement stable. En effet,
˙
W = −z
4
+ξz
3
≤ −
1
4
z
4
+
1
4
ξ
4
o` u la derni`ere in´egalit´e provient de l’homog´en´eisation du ”ballon de rugby”.
W est donc bien une fonction de Lyapunov entr´ee-´etat. Pour de grand z, le
terme stabilisant −z
3
dans la cascade domine le terme de perturbation z
2
ξ et
le bouclage u = −ξ conduit toute la cascade `a ˆetre globalement asymptoti-
quement stable, mˆeme si la convergence de ξ vers z´ero n’est pas exponentielle.
8.4 Passivation
Dans la section pr´ec´edente, nous avons explicitement admis une d´ecomposition
en sous-syst`emes individuellement globalement asymptotiquement stables ou
stabilisables. Or, imposer de telles propri´et´es aux sous-syst`emes composant
le syst`eme d’origine limite quelque peu les possibilit´es de synth`ese des lois
de commande. En effet, il est nullement indiqu´e comment forcer un syst`eme
donn´e a priori `a admettre une telle d´ecomposition. Toutefois, l’analyse ef-
fectu´ee a soulign´e l’importance de consid´erer attentivement la mani`ere dont
la cascade r´esultante est connect´ee, mˆeme lorsque les propri´et´es de stabilit´e
individuelle sont garanties.
Conform´ement `a cette optique, consid´erer de bonnes propri´et´es des syst`emes
isol´es pour garantir la stabilit´e du syst`eme complet est une excellente fa¸ con
de proc´eder pour construire des lois de commandes globales `a partir d’une
d´ecomposition en sous-syst`emes. Par exemple, le chapitre 5 a montr´e que
deux syst`emes passifs interconnect´es demeurent passifs.
De plus, les syst`emes passifs ont une excellente propri´et´e pour la stabili-
sation. En effet, un bouclage par un gain n´egatif de leur sortie sur leur entr´ee
conduit `a une stabilit´e garantie, `a condition que l’´etat nul soit d´etectable.
D´efinition 8.14. L’´etat nul d´etectable signifie que lorsque la sortie d’un
syst`eme ˙ x = f(x), y = h(x) est nulle sur un interval de temps fini, alors
l’´etat x est nul n´ecessairement.
Th´eor`eme 8.15. Soit
˙ x = f(x, u)
y = h(x)
un syst`eme passif avec comme fonction de stockage interne V (x) et comme
point d’´equilibre ¯ x = 0, ¯ u = 0 (c.-` a-d. 0 = f(0, 0)). Si le syst`eme est z´ero
8.4 Passivation 243
d´etectable, alors le bouclage u = −y assure la stabilit´e asymptotique du
syst`eme. Si la fonction V (x) est radialement non born´ee, alors la stabilit´e
asymptotique est globale.
Preuve. La passivit´e 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 qu’il est possible d’appliquer le th´eor`eme d’invariance de LaSalle.
L’ensemble R = {x |
˙
V (x) = 0} est alors celui pour lequel −y
T
y−g(x) = 0.
Il faut donc simultan´ement 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,
l’hypoth`ese de d´etectabilit´e implique que si la sortie est nulle sur un interval
de temps fini, alors l’´etat x est n´ecessairement nul. Par cons´equent, l’ensemble
invariant M inclu dans R est l’origine x = 0, et la stabilit´e est d´emontr´ee.
La stabilit´e globale suit de l’hypoth`ese de non bornitude radiale de V (x).
A l’aide de ce th´eor`eme, il est possible de stabiliser un syst`eme comportant
une d´ecomposition en deux syst`emes passifs interconnect´es. L’interconnexion
consiste en une succession de boucles et de connexion parall`ele pr´eservant la
passivit´e (voir section ??).
Le grand avantage de l’utilisation de la passivit´e est que la restriction du
taux de croissance du terme d’interconnexion n’est plus n´ecessaire (contraire-
ment `a la cascade simple comme nous l’avons vu `a la section 8.3.1). De plus
l’hypoth`ese de stabilit´e asymptotique globale du sous-syst`eme ˙ z = f(z) est
remplac´e par la stabilit´e globale simple (non n´ecessairement asymptotique).
Pour le voir, commen¸ cons par examiner le syst`eme
˙ z = f(z) +ψ(z, ξ)
˙
ξ = Aξ +Bu.
Afin de faire apparaˆıtre deux syst`emes passifs interconnect´es, le terme de
couplage ψ(z, ξ) est `a nouveau factoris´e, mais en faisant apparaˆıtre le facteur

ψ(z, ξ) =
˜
ψ(z, ξ)Cξ (8.5)
Cette factorisation permet d’identifier un block lin´eaire dont la fonction de
transfert est
G
1
(s) = C(sI −A)
−1
B.
Pour que ce syst`eme soit passif, il suffit que la fonction de transfert G
1
(s) soit
positive r´eelle (la r´eponse harmonique G
(
jω) doit ˆetre `a partie r´eelle positive),
comme nous l’avons vu au chapitre sur la passivit´e.
244 8 Commande par les m´ethodes de Lyapunov
Quand au second block, il est d´ecrit par l’´equation diff´erentielle
˙ z = f(z)
˜
ψ(z, ξ)u
2
,
avec commen entr´ee
u
2
= y
1
= Cξ;
la sortie y
2
restant encore `a ˆetre d´efinie pour garantir la passivit´e.
Cette sortie
y
2
= h
2
(z, ξ)
doit ˆetre choisie afin qu’une fonction de stockage interne existe. En prenant
la fonction de Lyapunov W(z) (associ´ee au sous-syst`eme z) comme fonction
de stockage, il suffit de garantir
˙
W =
∂W
∂z
(f(z) +
˜
ψ(z, ξ)y
1
) ≤ y
T
2
u
2
. (8.6)
Comme L
f
W ≤ 0, la relation (8.6) ci-dessus est satisfaite `a condition que
y
2
= h
2
(z, ξ) := (L
˜
ψ
W)
T
(z, ξ) =
˜
ψ
T

∂W
∂z

T
.
Ce choix de sortie garantit ainsi la passivit´e du deuxi`eme block de la
cascade. Finalement, le bouclage sur le syst`eme initial
u = −h
2
(z, ξ) +v
garantit que le syst`eme complet vu depuis la nouvelle entr´ee v et la sortie y
1
est passif. En posant
v = −y
1
l’ensemble de la cascade est stabilis´ee.
La construction ci-dessus n’est pas limit´ee au cas o` u la dynamique en ξ
est lin´eaire, et nous avons le r´esultat suivant :
Th´eor`eme 8.16. Soit la cascade
˙ z = f(z) +ψ(z, ξ) (8.7)
˙
ξ = a(ξ) +b(ξ)u (8.8)
avec z = 0 un point d’´equilibre globalement stable pour ˙ z = f(z) de telle
sorte qu’il existe un fonction de Lyapunov radialement non born´ee W(z) avec
L
f
W(z) ≤ 0. Supposons ´egalement qu’il existe une sortie ne d´ependant que
de ξ, disons y = h(ξ) de telle sorte que
1. Le sous syst`eme
˙
ξ = a(ξ) + b(ξ)u (8.9)
y = h(ξ) (8.10)
est passif avec comme fonction de stockage U(ξ), ´egalement radialement
non born´ee.
8.4 Passivation 245
2. Le terme de connexion se factorise sous la forme ψ(z, ξ) =
˜
ψ(z, ξ)ξ.
alors la cascade (8.7-8.8) peut ˆetre rendue passive par retour d’´etat donn´e par
u = L
˜
ψ
W
T
(z, ξ) +v
avec comme nouvelle entr´ee v et comme fonction de stockage
V (z, ξ) = W(z) +U(ξ).
De plus, si ce syst`eme est z´ero d´etectable par la sortie y = h(ξ), alors le
bouclage v = −ky avec k > 0 garantit la stabilit´e globale asymptotique du
point d’´equilibre (z, ξ) = (0, 0).
Remarque 8.17. Il y a essentiellement deux conditions pour atteindre la sta-
bilit´e globale
1. La connexion lin´eaire par le terme ψ(x, ξ), c.-`a-d. la possibilit´e de facto-
riser ce terme sous la forme ψ(x, ξ) =
˜
ψ(x, ξ)ξ.
2. L’existence de deux fonctions de Lyapunov radialement non born´ee pour
les deux sous-syst`emes.
Remarque 8.18. La passivit´e poss`ede comme grand avantage sur les retours
partiels d’´etat simple, de ne pas imposer de condition sur la croissance du
terme de couplage. Remarquons ´egalement qu’il n’est pas exig´e que la partie
du haut ˙ z = f(z) soit asymptotiquement stable ; c’est uniquement la stabilit´e
qui est n´ecessaire.
Pour illustrer la derni`ere remarque, un exemple avec un terme de couplage
ayant une croissance rapide est pr´esent´e.
Exemple 8.19. Nous avons vu que l’exemple
˙ z = −z +z
2
ξ
˙
ξ = u
n’est pas globalement stabilizable par retour partiel d’´etat `a cause de la crois-
sance du terme de couplage z
2
ξ. Maintenant, en consid´erant la sortie y
1
= ξ,
un sous block G
1
(s) passif est d´elimit´e. Ensuite, en posant W(z) = z
2
comme
fonction de stockage, nous constatons que la premi`ere ´equation du mod`ele
correspond `a un syst`eme passif d’entr´ee u
2
= ξ 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 syst`emes passifs. La propri´et´e de nulle d´etectabilit´e de la
sortie est ´egalement satisfaite parce qu’`a l’int´erieur de l’ensemble y
1
= ξ = 0,
le syst`eme complet se r´eduit `a ˙ z = −z. C’est pourquoi la loi de commande
z = −ky
1
(avec k > 0) rend l’ensemble de la cascade globalement asmptoti-
quement stable.
246 8 Commande par les m´ethodes de Lyapunov
Remarque 8.20. Bien que l’hypoth`ese de croissance du terme de couplage n’ap-
paraˆıt plus dans le cas de l’utilisation de la passivit´e, des restrictions de
structure sont n´eanmoins pr´esentes. En effet, la sortie des deux sous-syst`emes
doit ˆetre de degr´e relatif au maximum de un et le sous-syst`eme entr´ee-sortie
s´electionn´e doit ´egalement ˆetre `a phase minimale.
8.5 Ph´enom`ene du peaking
Que cel` a soit lors de l’utilisation de retours partiels, ou lors de l’exploita-
tion de la propri´et´e de passivit´e, des limitations de structure sont pr´esentes.
Elles sont associ´ees `a certaines propri´et´es des sous-syst`emes envisag´es (stabi-
lit´e, degr´e relatif, minimum de phase) et ´egalement `a la nature de l’intercon-
nexion (type de croissance).
Toutes ces limitations tirent leur origine essentiellement du ph´enom`ene de
peaking que nous pr´esentons dans cette section. Ce ph´enom`ene a d´ej` a ´et´e
esquiss´e pour illustrer l’importance du taux de croissance du terme d’inter-
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 repr´esentent un double int´egrateur (´etats z
1
et z
2
) inter-
connect´e `a un syst`eme exponentiellement stable ( ˙ x = −x) par le terme de
connexion yx
2
. Cet exemple est fortement inspir´e du mod`ele de la bille qui
roule sur une barre o` u la force centrifuge est interpr´et´ee comme le terme d’in-
terconnexion. Toutefois, contrairement `a ce mod`ele, o` u θ et
˙
θ jouent le rˆole
de z
1
et z
2
, la non-lin´earit´e yx
2
contient la variable du haut x, alors que dans
le cas de la bille sur le barreau, le terme r
˙
θ
2
comporte une non-lin´earit´e sur
la variable du bas
˙
θ.
La variable interm´ediaire y est introduite afin de montrer l’influence des
coefficients c
1
et c
2
sur l’effet du terme de connexion yz
2
sur la stabilit´e du
syst`eme complet. Cette variable y peut ´egalement ˆetre interpr´et´ee comme une
sortie permettant l’application de la th´eorie de la passivit´e.
Lorsque y est maintenu constant `a une valeur non nulle, la premi`ere
´equation diff´erentielle ˙ x = −x + yx
2
devient tr`es similaire `a celle (1.2) ana-
lys´ee dans le chapitre introductif. Nous avons vu que pour certaines conditions
initiales, le syst`eme explose en temps fini. Il est donc n´ecessaire d’´eviter si pos-
sible un tel ph´enom`ene.
En effet, en faisant d´ecroˆıtre y convenablement par rapport `a l’´evolution
de x, le coefficient devant le facteur x
2
peut devenir suffisamment petit pour
8.5 Ph´enom`ene du peaking 247
que l’´etat x soit toujours du bon cˆ ot´e par rapport `a la s´eparation constat´ee
sur la figure 1.2. Clairement, si y est forc´e `a une constante, il y aura toujours
des conditions initiales pour lesquelles la trajectoire solution s’´echappera `a
l’infini en un temps fini.
La difficult´e d’augmenter le bassin d’attraction du point d’´equilibre pro-
vient essentiellement du probl`eme de peaking, `a savoir la possibilit´e que le
transitoire de y ait une tendance `a s’amplifier en fonction des conditions ini-
tiales z
1
(0) et z
2
(0).
Pour un syst`eme lin´eaire ˙ z = Az +Bu, un gain K est choisit de telle sorte
que u = −Kz place les valeurs propres de A − BK avec une partie r´eelle
inf´erieure `a −a < 0. Pour que z
1
et z
2
convergent rapidement vers 0, il faut
que a soit suffisament grand. Chaque composante de z est alors born´ee par
une exponentielle d´ecroissante 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 coefficients C
1
et C
2
devant ces exponentiels sont tr`es importants et
d´ependent en g´en´eral du gain k choisi et de la valeur des conditions initales.
De mani`ere g´en´erale, chaque ´etat a un coefficient γ
i
= ¯ γ
i
k
πi
avec ¯ γ
i
ne d´epend
que de la condition initiale.
0 1 2
-5
0
t
y
Fig. 8.1. Ph´enom`ene du peaking. Le syst`eme ¨ x + 2k ˙ x + k
2
x est simul´e en posant
x1 = x et x2 = ˙ x. Le gain est fix´e `a quatre valeurs croissantes, k = 3, 4, 10, et 20. La
sortie y = x1 ne comporte pas de ph´enom`ene de peaking (traitill´e) ; elle reste born´ee
entre deux valeurs ind´ependamment du gain k choisi. La sortie y = x2 comporte un
ph´enom`ene de peaking (trait plein). Pour tout choix de borne de y, il est toujours
possible en augmentant le gain k de d´epasser cette borne. Le transitoire est amplifi´e
au fur et `a mesure que le gain k augmente.
248 8 Commande par les m´ethodes de Lyapunov
D´efinition 8.21. Le syst`eme
˙
ξ = f(ξ, u), y = g(ξ), u ∈ R, y ∈ R
p
n’a pas
de ph´enom`ene de peaking si pour tout nombre r´eel a > 0 et pour chaque
condition initiale ξ(0) ∈ R
p
, il existe une entr´ee u(.) : R →R telle que l’´etat
ξ(t) converge ` a z´ero et que la sortie y(t) satisfasse
y(t) ≤ γξ(0)(e
−σat
+
1
a
),
o` u les constantes γ, σ ne d´ependent pas du param`etre a.
En exigeant que l’on puisse borner le transitoire, on limite les difficult´es
rencontr´ees pour passer de la stabilit´e locale `a la stabilit´e semi-globale et
globale.
8.6 Backstepping
La technique de d´ecomposition en cascade fond´ee sur la propri´et´e de passi-
vit´e exige que les sous-syst`emes de la d´ecomposition soient de degr´e relatif un.
Il est parfois difficile de garantir une telle propri´et´e. La technique de backs-
tepping permet de court-circuiter en quelque sorte un ordre de l’´equation
diff´erentielle composant un des sous-blocks, et permet ainsi d’´etendre quelque
peu la technique de passivation `a une plus large classe de syst`emes.
Le backstepping consiste `a n´egliger momentan´ement l’influence d’une par-
tie de l’´etat sur une autre. Soit le syst`eme particulier
˙ x = f(x) +g(x)z
˙ z = u,
o` u l’´etat z est clairement s´epar´e de la partie x. Au lieu de calculer directement
la fonction de Lyapunov pour le syst`eme complet V (x, z), ainsi que la loi de
bouclage final k(x, z), une fonction interm´ediaire V
0
(x) impliquant unique-
ment la partie de l’´etat d´esign´ee par x est consid´er´ee. La variable d’´etat z est
trait´ee comme l’entr´ee du syst`eme ˙ x = f(x) + g(x)z. Son ´evolution donn´ee
par ˙ z = u est pour l’instant ignor´ee.
Par cons´equent, la d´etermination de V
o
(x) et z = k
0
(x) s’effectue comme
`a la section pr´ec´edente.
8.6.1 Fonction de Lyapunov r´eduite
Il s’agit de d´eterminer V
0
(x) et la loi de commande id´eale z = k
0
(x) de
telle sorte que la d´eriv´ee de Lie de cette fonction le long du champ de vecteur
˜
f = f(x) +g(x)k
0
(x) soit n´egative. Ce vecteur est obtenu lorsqu’on consid`ere
qu’il est possible d’agir instantan´ement sur la valeur de la variable z et de
8.6 Backstepping 249
pouvoir ainsi la forcer `a ˆetre ´egal `a k
0
(x). En outre, on suppose qu’il est
´egalement possible de d´eterminer une fonction d´efinie positive W(x) telle que
cette d´eriv´ee soit ´egale `a −W(x) :
˙
V
0
=
∂V
0
∂x
(f(x) +g(x)k
0
(x)) = −W(x), (8.11)
8.6.2 Fonction de Lyapunov compl`ete
A partir de la fonction de Lyapunov r´eduite, il est possible de trouver
un candidat de Lyapunov pour le syst`eme complet en ajoutant `a la fonction
r´eduite V
0
(x) un terme d’erreur quadratique entre l’´etat z r´eel et sa valeur
id´eale correspondant `a k
0
(x). Ainsi, on tient compte explicitement du fait qu’il
n’est pas possible de forcer instantan´ement ces deux quantit´es `a ˆetre ´egales,
contrairement au paragraphe pr´ec´edent.
La variable d’erreur
e = z −k
0
(x)
est introduite `a partir de laquelle la fonction de Lyapunov compl`ete s’exprime
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 d´eriv´ee 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 d’utiliser (8.11). En effet, en
isolant le facteur e, l’expression centrale de (8.11) apparaˆıt 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 cons´equence, la d´eriv´ee de la fonction de Lyapunov contient un terme
clairement n´egatif, −W(x), et deux termes de signe ind´efini. Toutefois, nous
n’avons pour l’instant pas utiliser la commande u du syst`eme complet. Cette
commande u apparaˆıt indirectement dans l’expression (8.13) par l’entremise
de la d´eriv´ee de l’erreur ˙ e. C’est pourquoi nous pouvons assigner une expres-
sion convenable `a ˙ e de telle sorte que les trois termes de (8.13) deviennent
n´egatifs. Comme la variable d’erreur e apparaˆıt comme un facteur dans les
250 8 Commande par les m´ethodes de Lyapunov
deux termes de signe ind´efini, il suffit de prendre pour ˙ e une expression conte-
nant deux termes, le premier permettant de compenser la partie de signe
ind´efini, et le second, proportionnel `a e, for¸ cant la n´egativit´e :
˙ e = −
∂V
0
∂x
g(x) −ke; (8.14)
ainsi,
˙
V (x, z) = −W(x) −kee.
Finalement, en d´erivant l’expression d´efinissant l’erreur 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 s’agit d’un syst`eme comprenant deux ´etats x
1
et x
2
. La commande
intervient comme la d´eriv´ee 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, l’´etat x
2
est suppos´e varier instantan´ement et
selon la volont´e du concepteur. Ainsi, x
2
joue le rˆole d’une entr´ee pour la
dynamique du premier ´etat. Id´ealement, x
2
= −x
2
1
− x
1
de telle sorte que
˙ x
1
= −x
1
−x
3
1
. Par cons´equent,
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 r´eduite correspondante. En effet,
˙
V
0
= x
1
˙ x
1
= −x
2
1
−x
4
1
< 0,
ce qui signifie que la commande r´eduite conduit `a la stabilit´e asymptotique
du syst`eme r´eduit.
8.6 Backstepping 251
A partir de la fonction r´eduite V
0
(x
1
), l’expression de la fonction de Lya-
punov pour le syst`eme complet est d´eduite en introduisant l’erreur entre le
valeur id´eale −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 suffit d’imposer une valeur convenable
`a la d´eriv´ee de l’erreur ˙ e. Dans un premier temps, le terme de signe ind´efini
est compens´e et un terme proportionnel `a l’erreur est ´egalement ajout´e :
˙ e = −
∂V
0
∂x
g(x
1
) −ke = −x
1
−k(x
1
+x
2
1
+x
1
)
Ensuite, l’entr´ee u fait son apparition en d´erivant l’´equation d´efinissant
l’erreur 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 s’obtient par ´egalit´e 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 syst`eme en boucle ferm´ee
˙ 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 v´erifier si V =
1
2
x
2
1
+
1
2
(x
2
+x
2
1
+x
1
)
2
est une fonction de Lyapunov, il
suffit de d´eriver cette fonction et d’introduire la dynamique en boucle ferm´ee.
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
252 8 Commande par les m´ethodes de Lyapunov
On constate donc bien que la d´eriv´ee est partout n´egative sauf `a l’origine. En
cons´equence, le syst`eme (8.15)-(8.16) munit la loi de bouclage (8.17) est glo-
balement asymptotiquement stable ´etant donn´e que (i) V (x
1
, x
2
) est partout
positive sauf `a l’origine ; (ii)
˙
V (x
1
, x
2
) est partout n´egative sauf `a l’origine ;
et finalement (iii) V (x
1
, x
2
) est radialement non born´ee.
Litt´erature
[Boo75] W.A. Boothby. An Introduction to Differentiable Manifolds and Rieman-
nian Geometry. Academic Press, New York, 1975.
[BS70] N. P. Bhatia and G. P. Szeg¨o. Stability Theory of Dynamical Systems.
Springer-Verlag, Berlin, 1970.
[Car71] E. Cartan. Le¸ cons sur les invariants int´egraux. 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 Differential Equations, Part I. Exact Equations
and Pfaff’s 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. Differential Topology. Prentice-Hall, Engle-
wood Cliffs, 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. Differential Topology. Springer-Verlag, New York, 1976.
[HLP52] G. Hardy, J. E. Littlewood, and G. P´olya. 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 Differential 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 Litt´erature
[LL61] J. P. LaSalle and S. Lefschetz. Stability by Liapunov’s Direct Method.
Academic Press, New York, 1961.
[LL69] V. Lakshmikantham and S. Leela. Differential 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 Differential Equations. Academic
Press, New York, 1982.
[Mor01] S. Morita. Geometry of Differential 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. Jankovi´c, and P.V. Kokotovi´c. 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
Cliffs, NJ, 1993.
[Wal68] A.H. Wallace. Differential Topology, First Steps. W.A. Benjamin, Inc.,
New York, Amsterdam, 1968.
[Wal70] W. Walter. Differential and Integral Inequalities. Springer-Verlag, Berlin,
1970.
[Yos66] T. Yoshizawa. Stability Theory by Liapunov’s 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-
hoff, Groningen, 1964.
Index
´elimination du temps, 15
´equation
int´egrale, 101
´equation d’erreur, 197
´equation diff´erentielle
d’erreur, 198, 201
solution, 150
1-forme, 92, 157, 158, 170
1-forme
exacte, 170
exemple, 180
int´egrable, 170
, 229
Bellman-Gronwall, 101
candidat de Lyapunov, 71, 74
chaˆıne
d’int´egrateurs, 226
champ de vecteurs, 150, 223
changement de coordonn´ees, 195
chaos, 8
commande
en boucle ferm´ee, 201
en boucle ouverte, 200
comp´etition, 26
comparaison, 97
condition
d’exactitude, 174
d’int´egrabilit´e, 174
conjecture
de Aizerman, 130
Cotangent, 157
cotangent, 158
covecteur, 157, 170
crit`ere
d’exactitude, 174
d’int´egrabilit´e, 174
de Nyquist, 57
de Popov, 135
du cercle, 130
crochet
de Lie, 162, 222
de Lie
propri´et´es, 162
cycle limite, 19
cycle limite
instable, 59
stable, 58
d´ecomposition en harmoniques, 37
d´eflation, 99
d´eriv´ee
de Lie, 218
d´erivation
ext´erieure, 164, 165, 171, 172
ext´erieure
propri´et´es, 166, 173
d´eveloppement limit´e, 100
degr´e relatif, 119
diff´eomorphisme, 149, 195
diff´erentielle, 164, 171
distribution, 223
dynamique
de populations, 25
dynamique
256 Index
interne, 211
ensemble invariant, 85
espace
dual, 151
explosion en temps fini, 8
fiabilit´e du premier harmonique, 61
flot, 85
Fonction
de Lyapunov, 159
fonction
d’erreur, 198
de Lyapunov, 122
fonction d´efinie positive, 71
fonction de Lyapunov, 72, 74, 86
fonction de Lyapunov
m´ethodes de construction, 91
pour les syst`emes lin´eaires, 81
fonction radialement non born´ee, 80
forme
altern´ee, 156
lin´eaire, 152
multilin´eaire, 152, 156
quadratique, 98
formule d’Ackermann, 212
gain ´equivalent, 35, 37, 43–45
gradient, 157
graphe des pentes, 14
in´egalit´e
de Cauchy-Schwarz, 103
du triangle, 104
inegalit´e
arithm´etique-g´eom´etrique, 104
inflation, 99
instabilit´e, 95, 96
int´egrabilit´e, 168
involutivit´e, 223
lemme
de Bellman-Gronwall, 101
lin´earisation, 82, 191
lin´earisation
entr´ee-´etat, 196
entr´ee-sortie, 214
exacte, 195, 216
Lyapunov, 122
m´ethode
de Krasovskii, 92
des isoclines, 16
directe de Lyapunov, 71, 84
du gradient variable, 92
du premier harmonique, 31
majoration, 97
matrice
d´efnie positive, 98
minimum de phase, 119
non minimum de phase, 119
non-lin´earit´e
continue par morceaux, 46
de secteur, 128
statique, 32
oscillateur
de Van der Pol, 61
lin´eaire, 50
passivit´e, 107
passivit´e
connexion par r´etroaction, 113
connexion parall`ele, 112
d´efinition, 111, 114
notion intuitive, 108
propri´et´es, 111
syst`eme lin´eaire, 114
pendule invers´e, 194
placement de pˆoles, 201
plan de phase, 11
planification de trajectoire, 200
platitude, 216, 217
point d’´equilibre, 7, 22, 65
population, 25
poursuite, 199
pr´edateur, 28
premier harmonique, 37
principe
de superposition, 3
produit
ext´erieur, 153, 156, 174
scalaire, 153
tensoriel, 152
proie, 28
r´etroaction, 47
relais, 45
Index 257
robot flexible, 220
saturation, 43
sortie
de Brunovsky, 212
plate, 212, 216, 217
stabili´e
locale asymptotique, 131
stabilisation, 199
stabilit´e, 65
stabilit´e
absolue, 128, 130
au sens de Lyapunov, 67
crit`ere de, 58
d´efinition pr´ecise, 66
exponentielle, 79, 84
globale, 79
locale, 75, 82
notion intuitive, 66
preuve locale, 75
syst`eme
dynamique passif, 109
lin´eaire, 209
lin´eaire SISO, 202
r´eel positif, 116, 118
statique passif, 109
syst`eme non-lin´eaire, 3
technique , de comparaison97,
IeC de majoration97
termes d’ordre sup´erieur, 6
th´eor`eme
d’invariance de LaSalle, 85
de Bendixson, 24
de Chetaev, 96
de Frobenius, 184
de Frobenius
version 1-forme, 188
version champ de vecteur, 188
de l’index, 23
de Nyquist, 52
de Poincar´e-Bendixson, 25
des r´esidus, 55
vari´et´e, 145
zone morte, 44

Avant-propos

L’objectif de ce livre est de pr´senter les fondements de l’analyse et de la e synth`se de loi de commande pour les syst`mes non lin´aires. e e e Le terme de syst`me apparaˆ de plus en plus pour d´signer une multie ıt e tudes de choses, par exemple pour un ensemble organis´ de concepts, d’arrane gements, d’assemblage, de composition d’id´es et d’objets concrets. e Nous entendrons par syst`me, une repr´sentation math´matique par des e e e ´quations diff´rentielles ordinaires non lin´aires d’une r´alit´ physique poue e e e e vant provenir de plusieurs disciplines diff´rentes : biologie, g´nie m´canique, e e e ´lectrique, chimique, physique, etc. e Ainsi, nous nous d´marquons ` la fois du sens biologique classique qui ene a tend par syst`me, un ensemple structur´ d’´l´ments naturels de mˆme esp`ce e e ee e e ou de mˆme fonction, et du sens m´caniste qui entend par syst`me, un appareil e e e ou dispositif form´ par une r´union d’organes, d’´l´ments analogues. e e ee Toutefois, la nature de structure est clairement pr´sente dans notre d´finition e e de syst`me, et nous mettons clairement la notion d’universalit´ d’application e e des th´ories d´velopp´es, pour autant qu’elles puissent donner une ad´quation e e e e a ` la fois avec l’observation des ph´nom`nes et avec la pr´dicabilit´ de ceux-ci. e e e e Finalement, la provenance des ´quations d´crivants un mod`le de la r´alit´ e e e e e disparaˆ lorsque l’on ´tudie, par voie math´matique, son comportement. ıt e e La compr´hension de ce comportement fera l’objet de la premi`re partie e e intitul´e ”Analyse”, et sa modification, l’objet de la seconde partie intitul´e e e ”Synth`se”. e Le comportement est ici ` comprendre dans son sens large, ` savoir non a a seulement l’´volution temporelle des solutions de l’ensemble des ´quations e e diff´rentielles ordinaires d´crivant le mod`le, mais ´galement certaines proe e e e pri´t´s topologiques caract´ristiques de cet ensemble : par exemple, type et ee e qualit´ des points singuliers (c.-`-d, la classification des points d’´quilibre e a e stables ou instables), l’existence de cycle limite, la d´limitation du bassin e d’attraction des points d’´quilibre stables, etc. e

VI

Avant-propos

Une grande partie du livre est consacr´ ` d´finir convenablement le concept ea e de stabilit´ et de donner des outils permettant de d´terminer avec un nombre e e d’op´ration r´duit cette propri´t´. e e ee Nous verrons ´galement que le comportement peut ˆtre modifi´ par le e e e concept de r´troaction (ou loi de commande). En modifiant certaines variables e apparaissants dans le syst`me d’´quations diff´rentielles (que l’on d´signe par e e e e le nom d’entr´e) en utilisant l’information de certaines autres variables de e cet ensemble (appel´e sortie) de telle sorte que les variables d’entr´es soient e e mises en correspondance avec les variables de sortie, le concept de boucle de r´troaction fait son entr´e, et permet de modifier radicalement le comportee e ment de l’ensemble des ´quations diff´rentielles. Ainsi, un syst`me initialement e e e instable peut devenir stable. Il est alors n´cessaire d’exploiter la d´finition de la stabilit´ et de ces e e e caract´risations pour ´laborer les correspondances entre entr´es et sorties (les e e e lois de commande) de telle sorte de parvenir ` ces fins. a Ce livre est issu d’un enseignement ` des ´tudiants en fin d’´tudes a e e d’ing´nieur en g´nies ´lectrique, microtechnique, et m´canique. La mati`re est e e e e e couverte ` raison de deux heures par semaines sur une dur´e d’un semestre. a e Je conseille vivement d’intercaller des s´ances ` l’ordinateur permettant aux e a ´tudiants d’ˆtre confront´s eux-mˆmes aux probl`mes, ce qui rend le contenu e e e e e de la mati`re plus concr`te et plus facilement assimilable. Je remercie les e e nombreuses vol´es d’´tudiants qui m’ont permis d’affiner l’ouvrage propos´ et e e e surtout ma compr´hension du sujet. e J’esp`re ´galement avoir pu leur transmettre les connaissances de cette e e discipline et transmis un peu de mon enthousiasme pour cette mati`re parfois e d’aspect superficiellement aride. Ce texte est une introduction au sujet et l’objectif est de permettre, dans un volume compact, l’acc`s ` une litt´rature difficile ` un large spectre e a e a de lecteurs de formation scientifique et technique diverse. Les pr´requis ne e sont pas excessifs ; de bonnes notions sur les ´quations diff´rentielles et les e e repr´sentations associ´es comme la transform´e de Laplace et la notion de e e e fonction de transfert sont requises ; il est n´cessaire ´galement de connaˆ e e ıtre les concepts de repr´sentation d’´tat lin´aire, de commandabilit´ et d’obsere e e e vabilit´. e Malheureusement, le traitement propos´ dans cet ouvrage ne couvre que e les syst`mes ayant une seule entr´e et ne d´pendant pas du temps. Le concept e e e d’observateur non lin´aire n’est pas abord´ et le concept de gouvernabilit´ e e e non lin´aire n’est pas trait´ dans toute sa complexit´. L’accent est mis sur e e e l’accessibilit´, pr´sent´e comme condition n´cessaire ` la lin´arisation d’´tat. e e e e a e e Les concepts qui ne sont pas trait´s peuvent ˆtre abord´s sereinement une fois e e e que la mati`re de ce cours est assimil´e. Leur exposition correspond mieux ` e e a un cours au niveau doctoral.

Avant-propos

VII

Une bibliographie se trouve ` la fin de l’ouvrage qui contient exclusivement a des r´f´rences ` des livres complets. C’est un choix personnel dict´ par la ee a e difficult´ de faire une bibliographie pertinente au niveau introductif sans l´ser e e les auteurs d’´minentes publications qui seraient laiss´s de cˆt´, non pas par e e o e manque d’int´rˆt, mais par soucis de compacit´. Une solution aurait ´t´ de e e e ee faire une bibliographie exhaustive mais elle demanderait une liste ´norme. Par e exemple, les r´f´rences ` la litt´rature (essentiellement russe) se trouvant dans ee a e l’ouvrage [BS70] couvre d´j` plus de 35 pages. ea J’invite donc le lecteur de se r´f´rer aux bibliographies d´taill´es des ouee e e vrages cit´s ` la fin de cet ouvrage. Le premier de ceux-ci qui m’a transmis e a l’enthousiasme de la discipline est [SL91]. Il n’est pas ´tonant que le pr´sent e e ouvrage en est fortement inspir´ pour la r´daction de plusieurs chapitres, en e e particulier pour la s´paration en deux parties, analyse et synth`se. Egalement e e dans cette mˆme optique, l’ouvrage incontournable de [Kha02], longtemps e utilis´ comme support au cours (avec l’ouvrage de [SL91] pr´c´demment mene e e tionn´), m’a ´galement fortement inspir´ ` plusieurs reprises. Je f´licite l’aue e ea e teur pour son ouvrage, un mod`le de rigueur et un excellent point d’entr´e e e pour quiconque voulant approfondir au del` du pr´sent contenu. a e Le chapitre g´om´trie est inspir´ de [Isi89], [NvdS90], [KN63],[Car71] et e e e [For59], en particulier j’attire l’attention sur ces deux derni`res r´f´rences pour e ee la notion des 1-formes, du calcul ext´rieur et de la d´riv´e ext´rieure. J’invite e e e e ´galement le lecteur int´ress´ ` consulter l’excellent [Mor01]. e e ea La commande par les m´thodes de Lyapunov est inspir´e par plusieurs e e passages dans [SJK97] et j’en remercie les auteurs. Cet ouvrage est ´galement le fruit de mes nombreuses interactions avec e mes doctorants que je remercie vivement, sans qui l’exposition de la mati`re e serait plus opaque. C’est ainsi que je t´moigne ma sinc`re gratitude ` Davide e e a Buccieri, Jean-Yves Favez, Basile Graf, Yvan Michellod, Thierry Prud’homme et Christophe Salzmann. Le premier professeur m’ayant transmis les notions essentielles de commande d’´tat est le professeur Roland Longchamp dont la p´dagogie et le e e goˆ t pour la science m’ont pouss´ ` m’orienter vers l’automatique durant mes u ea ´tudes. Je le remercie vivement pour cela, mais surtout j’aimerais le remercier e particuli`rement pour avoir encourag´ la r´alisation de cet ouvrage, ainsi que e e e pour son soutient sans faille tout au long de la r´daction de celui-ci. e Ensuite, j’aimerais chaleureusement remercier le professeur Jean L´vine e qui m’a permis de me sp´cialiser en commande non lin´aire, me transmettant e e les connaissances indispensables durant mon s´jour au Centre Automatique et e Syst`mes de l’Ecole des Mines de Paris ` Fontainebleau. Je remercie ´galement e a e le professeur Laurent Praly avec qui j’ai pu discut´ de mani`re quotidienne e e lors du repas de midi. J’aimerais ´galement remercier le professeur Zhong-Ping Jiang pour l’exe cellent travail en commun effectu´ ` Lausanne et ` New York. Son aisance e a a

J’aimerais ´galement remercier les professeurs Dominique Bonvin. Juin 2007 Philippe M¨llhaupt u . ainsi que le Dr. Denis Gillet pour le tr`s bon travail scientifique effectu´ en commun aboutise e sant ` des publications internationales. Balasubrahmanyan Srinivasan.VIII Avant-propos avec les in´galit´s math´matiques est impressionnante. a Lausanne. Balint Kiss. J’ai r´sum´ quelques e e e e e unes de ces techniques dans le pr´sent ouvrage. et je le remercie vivement e pour m’avoir transmis cette connaissance. Sebase tian Dormido.

. .1. . . . . . .4 Elimination du temps implicitement . . . . . .4. . . e 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . . . . . e 1. 2. . . . . . .Table des mati`res e Partie I Analyse 1 D´finition et propri´t´s des syst`mes non lin´aires . . . . . . . . . . . Diagramme de phase .5 Points d’´quilibre isol´s multiples . . . . . . . . . . . . . . . . .3. . . . . . . . . . .6 Explosion en temps fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Principe de superposition . . . .2 Classe de syst`mes . . . .1 Syst`me masse-ressort . . . . .3. . 2. . . . .6 Exemple : oscillateur de van der Pol . . . . . . . . . . . . . . . . . . . . . . . . e 2. . . . . . . . e 2. . . . . . . . . . . . . . . . . .5 M´thode des isoclines . . . . . . . . . . . . . . . 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Plan de phase pour les syst`me du second ordre . . . . . . . . . . . . . . . . 2. . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . .2 Graphe des pentes . . . e e 2. . . . . . . . . . . . . . . . . . . . . e 1. . . .3 Elimination du temps explicitement . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . .3 Syst`mes lin´aires du second ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Techniques de graphe du plan de phase . . . . . . . . . . . . .8 Orbites chaotiques . . . . . . . . . . . . . . . . . . . . 3 3 4 4 6 7 8 8 8 11 11 12 12 13 14 14 15 15 16 17 19 20 2 . . e e e e e 1. . . . .1 Classification des cycles limites . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . 1. . 1.7 R´ponse harmonique multiple . . 2. . . . . . .1 Solutions num´riques . . e 2. . . . . . . . . e e 1. . . . . . . . . . . . . . . . . . . . . . . . . . .4 Termes d’ordre sup´rieur . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . e e 1. . . . . . . . . .4 Cycles limites . . . . . . . . . . . . . e 1. . . . . . . 2. . . . . . . . . . . . . . . . . . . . . . . . . . .3 R´ponse indicielle disym´trique .

. . . . . . . . . . . . . . . . 3. . . . . . . . . . . . . . . . . 3 M´thode du premier harmonique . . . . . . .5. . . .1. . . . . . . . . . . . . . . e 2. . . . . . .5. . . . . e 3. . . .7 Oscillateur de Van der Pol revisit´ . . . . 3.2 Classification des points d’´quilibre . . . . . .5. . . . . . . . . . . .7. . . . . . . . . . . .3 Calcul de l’´quivalent du premier harmonique . . .3 Th´or`me de l’index . . . . . . . . . . . . .3. . . . . . . . . . . . 2. . . . . . .2 Premier harmonique . . . . . . .2 Double int´grateur et oscillateurs lin´aires . . . . . . . . . . . . . . . e 2. . 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Relais . . . . . . . . . . .3. e e 2. . . . . . . . . . . . . . . . . . . .2. . . . . . .1 D´composition en harmoniques . . . . . . . . . . . . . .1 Syst`me lin´aire et non-lin´arit´ statique . . . . . . . . . . . . . . . . . . . . . . . . . . e e 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Pr´dateur-proie . . . . . . . . . . . . . . . . . . . . . . . . . . . e 3. . . .5.4. . . . . . . . . . . . . . . . . . . . .6 Fiabilit´ de l’analyse par le premier harmonique . . . . . . . . . . . . . . . . . . . . . . . . e 3. . . . . . . . . . . . . . . .X Table des mati`res e 2. . . . . . . . . . . e e e 2. . . . . .5. . . . . . e Exercices . . . . . e e e 3. . . . . . . . . . . . . . . . . . . . . . . . . . 3. . . . . . . . . . . . . .2 Equivalent du premier harmonique . . . . e 3. . . . . . . . . . . e e 3. . . . . . . . . . . . .1 Th´or`me de Poincar´-Bendixson . . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . 3. .3 Gain complexe ´quivalent . . . . . . .6. . . . . . . . .3. . . . . .4. . . . . . . . . . . . . . . . . . . .1 Excitation sinuso¨ ıdale en boucle ouverte . . . . . . . . .2 Cycle limite instable . . . . . . . . . . . . . . . . . .2 Caract´ristique passe-bas du syst`me lin´aire G(s) . . . . . . . . e e 3. . . . . . . . . . . . . . . e e e 3. . . . . . e 20 22 22 23 24 24 25 25 26 28 30 31 32 33 33 35 37 37 37 38 42 43 44 45 45 46 47 49 50 52 58 58 59 61 61 . . . . . . . .2. . . . . .2 Zone morte . . . . . . . . . .6 Impossibilit´ du chaos planaire . . . . . . . . . . . e e 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. . . . . . . . .4 Syst`me en r´troaction . . . . . . . . . .3. . . . . . . . . . . . . . . . . 3. . .1. . . . . . . . . . . . . .3 Th´or`me de Nyquist . . .5 Non-lin´arit´s sym´triques. . . . . . .7 Exemple : dynamique de populations . . . . . . . . . . . . . . . . . . . . . 3. . . . e 3. . e 2. . . . . . . . e e 2. .2.3. . . . . . . .4 Th´or`me de Bendixson . . .7. . . . . .1 Comp´tition . . . . . . . . . . . . .1 Cycle limite stable . . . . . . . . . . . . . . . e e e e 3.5 Index . . . . . . . . . . . . . . . . . . . . e e 3. . . .4 Hyst´r`se . . . . . . .5 Crit`re de stabilit´ . .1. . . .1 Repr´sentation graphique . . . . . . . . . . . . . . . . . . . . . . continues par morceaux . . . . . . .1 Type de points d’´quilibre . . . . . . . . . . . . . . . . .3 Non-lin´arit´s communes . . . . . . . . . e e 3.1 Saturation . . . . . e 3. . 2. . . . . . . . . . . e 2. . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . .2 Lois de la m´canique . . . . . . .6. . e e 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. . . . . . . . . . . . . . e 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6. .4 Fonction de Lyapunov . . . 4. . . . . . . .3 Exemple : le pendule simple . . . . . . . . . . . . . e e 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e e 4. . . . . . . . . . . . . . . . . . . . . . . .14. e 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4. . . 4. . . . e 4. . . . . . . . e 4. . . . . . . . . . . . . . . . .10 Fonction de Lyapunov pour les syst`mes lin´aires . . . . . . . . . . . . . . .6. . . . . . . . . . . . . . . . .11. . . . . . e e 4. . . . . . . . . 4. . . . . . . . . . . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Point d’´quilibre . . . . . . . . . . .Table des mati`res e XI 4 Stabilit´ au sens de Lyapunov . . . .6 Exemple : robot . . . . e 4. .2 Preuve de stabilit´ locale asymptotique . . . .15 M´thode du gradient variable . . .4. . . . . . .4 D´finition math´matique pr´cise de la stabilit´ . .5. . . . . . . . . . . . . . .2 Ensemble d’annulation de la d´riv´e de la fonction de e e Lyapunov . . . . . . . . . . . . .12 Stabilit´ exponentielle . . . . e 4. . . . . . . . . . . . . . . .6. . . . .13. . . .4. e 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Stabilit´ : d´finition formelle . . . . . . . . . .2 Fonction de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . 4. . . . . . . . . . . . . . . . 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 4. . . . . . . . . . . . . . . . . . . . . . . . .2 Rappel de la notion de stabilit´ pour les syst`mes lin´aires . . . . . . . 4. . . . . . . . . . e 4. . . . .4. . . . . . . . e 4. . . . . . . . e e 4. .5 M´thode directe de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7 Th´or`me de stabilit´ locale . . . .13. . . . . . . . . . . . . . . . . . . . .1 Candidat de Lyapunov . . . . . . . e 4. . . 4. . . . . . . . . . . .14 M´thodes de construction des fonctions de Lyapunov . . .7. . . . . . . . . . . . . . .8. . . . . . . . . . . . . . . .1 Preuve (stabilit´ locale) . . . . . .5 D´savantages de la d´finition . . . . . . . . . . . . . . . . . .9 Stabilit´ globale . . . . . . . . . . . . . . . . . . . . . . . . .1 Exemple : Dynamique des populations . . . . . . . . . . . . . . e 4. .3 Candidat Lyapunov . . . . . . . . .1 M´thode de Krasovskii . . e e e e 4. .11 Stabilit´ locale et lin´arisation . . . . . . . . . .1 Inconv´nients de la m´thode indirecte . . . . . . .5. . . . . . 4. . . .1 Ensemble invariant M . .8 Stabilit´ exponentielle . . . . . . . . . . . . . . .7. . . . . . . . . . .4 Stabilit´ asymptotique . . . . . . . . . e e 4. . . . .1 Notion de distance . . . . . . .1 Loi de commande .13. . . . . . . . . e 65 65 65 66 66 66 67 70 70 70 71 71 72 73 73 73 74 74 75 75 77 79 79 79 81 82 84 84 85 85 86 87 91 92 92 . .3 Illustration . . . . . .13 Th´or`me d’invariance de LaSalle . . . . . . . . . . . 4. . . . . . e 4. . . e e e 4. . . . . . . . . . . . . . . . . . . . . . . e e 4. . . . . .3 Notion intuitive de la stabilit´ . . . . . . 4.

119 e 5. . . . . .8. . . . . . . . . . . . . 112 e 5.2 Connexion par r´troaction . . . . . . . . . . . .5 D´finition diff´rentielle de la passivit´ . . . . . . . . . . . . . . . . . Aizerman .6. . . . . . .19.18 4. . . . . . . . . . . .19. . . . . . . . . . . . . . . . . 136 .9. . . . . . . . . . . . . . .5 L’´quation int´grale associ´e . . . . . . . . . . . . . . . . . .16 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 La r´introduction de V . . . . . . 111 ee 5. . . . . . . . 130 5. . . . .7. .1 Notion intuitive . .2 Exemple de syst`me statique passif . .19. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Preuve du lien entre passivit´ et r´ponse harmonique e e positive r´elle . . . . . . 109 e 5. . . . . . . . . . . .9 Stabilit´ absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Lien entre Lyapunov et syst`me RP . . . . . . . . . . . . . . 114 e e e 5. A. . . . . . . 98 4. .2 D´finition de la stabilit´ absolue . . . . . . . . 100 e 4. . . .3 Syst`me statique passif . . . . . . .2 Inflation et d´flation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 e 5. . .19. . . . . . 96 e e Techniques de comparaison et majoration . . . . . . . . . . .6 Quelques in´galit´s standards . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Les formes quadratiques . . . . . . . .1 Non-lin´arit´ statique de secteur . . . . . . . . 116 e 5. . . 100 e e 4. . .6. . . . . . . . . . . . . . .7 Passivit´ des syst`mes lin´aires SISO . . .4 Crit`re du cercle . 113 e 5. . 130 e 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . de Chetaev . . . .1 Connexion parall`le . . . . . . . . . . 101 e e e 4. . 118 e e 5. . . .3 D´finition int´grale de la passivit´ . . . . . . . . . . . . . . . . .17 4. . . . . . . . . . . . . . . . . . . . . . 105 5 Passivit´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 e Exercices . . . .19 R´sultat d’instabilit´ 1 . . . . .3 Le d´veloppement limit´ . . 114 e e e 5. . . . . . . . . . . . . . . . . . . . . . . . . 107 e 5. . . . . . . . . . . . . . . . . . . . .19. . . .9. . . . . . . . . . . . . . . . . . . . . . .8 Syst`me r´el positif . . . . . . . . . . . . . . . . 99 e 4. . . . . . . . . . . . . . . . . .1 Degr´ relatif et minimum de phase .4 Exemple de syst`me dynamique passif . . . . . . . . . . . . . . . . . . . . . . . .9. . 128 e e 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 e 5. .9. . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 e e R´sultat d’instabilit´ 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 e e e 5. . . . . . . 122 e 5. . . . .5 Crit`re de Popov .6 Propri´t´s . . . . . . . . .3 Conjecture de M. . . . . . . . . . . . . . . . . . . . . . . . . . .8. . . . . . . . . 95 e e R´sultat d’instabilit´ 3 : th. 108 5. . . . . . . . . . . . . . . 97 4. . .19. . . . . . . . 103 e e Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6. . . . . . . . . . . . . . . . . . . . . . . . . 128 e e 5. 108 e 5. . . . . . . . . . . . . . .9. . . . . . . .XII Table des mati`res e 4. . . . . . . . .

13. . . . . . . . . . . . . . . . . . . . . 159 e e 6. .11 D´riv´e de Lie . . . . . . . . . .1 Diff´omorphisme . . . . . .1. . . . . . 157 e 6. . . . . . .1 Introduction . . . . . . . . . . . . . .20 Les deux formes du th´or`me de Frobenius . . . . . . . . . . . . . .4 Th´or`me de Stokes g´n´ralis´ . . . . 145 e e 6. . . . . . . . . . . . . . . . . . .1 Propri´t´s du crochet de Lie . 145 6. . . . . . . . . . 184 e e Commande par lin´arisation . . . . . .13 Diff´rentiation ext´rieure . . .9 Cotangent et les 1-forme diff´rentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Cartes et Atlas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Diff´rentielles . . . . . . . . . . . .1 forme bilin´aire sym´trique . . . . . . . . . . . . 161 6. . . . . 150 6. . . . . . . .1 Lin´arisation locale et stabilisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .17 Propri´t´s de la diff´rentielle ext´rieure . . . . . . . . .7.13. . . . 156 e e 6. 146 ee 6. . . . . . . . . . . . . . . . 170 e e 6. .13. . . . . . . . . . . .8 Forme multilin´aire altern´e . . . . . . . . . . 154 e e e 6. . . . . .12 Crochet de Lie . 192 e 7. . . . . .3 D´rivation ext´rieure . . . 166 e e 6. . . . . . . . . . . . . . . . . . . . . . . 191 e 7. . . . . . . . . . . . . . . . . . . . 155 e e 6. . . . . . . . .2 Vari´t´. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . .3 Solution de l’´quation diff´rentielle . . . . . .7. . . . . . . .16 Diff´rentielles et d´rivation ext´rieure . . . . . . . . . . . . . . . . . . . . . 168 e e 6. . . . . . 167 e e e e e 6. . . . . . . . . . . . . . . . .1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 6. . . . 163 e e 6. . 181 e e 6. . . . . . . . . . . 154 e e 6. . . . . . . 173 ee e e 6. . . . . . . . . . . . . . . . . 150 e e 6. . . . 174 e e 6. . . . . . . . . . . . . . . . . . . . . . . . . . 152 e 6. . 149 e 6. . . . . . . . . . .19 Interpr´tation g´om´trique de l’int´grabilit´ et de la e e e e e non-int´grabilit´ . . . . . . . . . . . . . . . . . . . 165 e e 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 6. . . . . . . . . . . . . . . . 164 e 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .14 Int´grabilit´ . . . . . . . . . . . . . . . . . . . . . . 171 e e e 6. .2 D´rivation ext´rieure d’une 1-forme . .10 Le gradient . . . . . . . . . . . . . . . . . . . . . . . 153 e 6. .15 Diff´rence entre une 1-forme exacte et int´grable. . . . . . . . . . . . .12.18 Condition d’exactitude et d’int´grabilit´ . . . . . . 162 ee 6. .6 Produit tensoriel et forme multilin´aire . . . . . . . . . . . . . . . . . . .5 Espace dual . . .3 Produit ext´rieur de deux formes lin´aires . . . . . . . . . . . . . . . . .4 Champ de vecteurs . . . . . . . . 193 7 . . . . . . . . . . . . . .7 Produit scalaire et produit ext´rieur en dimension deux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 forme bilin´aire antisym´trique (altern´e) . . .7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Table des mati`res e XIII Partie II Synth`se e 6 Elements de G´om´trie . . . . . . . . . . . . . .13. .

. .3 Structure cascade . . . . . .3. . . . . 201 o e 7. . .6. . . 250 Litt´rature . .5 Lin´arisation entr´e-sortie .1 Introduction . .5 Ph´nom`ne du peaking . . . . . . . . . . . . . . . .6 Backstepping . formule d’Ackermann . . . . . . . . 216 e e e 7. . . . . . . .7. . . . 227 Exercices . . . . . . . . . . 227 7. . . . . . . . . . . 202 e e 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 Lin´arisation exacte entr´e-´tat . . . . . 249 e 8. . 195 e 7. . . . . . . . .4 Passivation . . . . 217 7.1 Fonction . . . . . . 248 8. . . . . . . . . . . . . . . . . . . . . . 233 8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229 8 Commande par les m´thodes de Lyapunov . . . . . . . . .4. . . . . . . . . . . . .2 Transit en temps fini avec commande a priori . . . . . . . . . . . . . . . .7. .1 Conditions pour la sortie plate . . . . . . . . . . . . . . . . . . . . . . . . .2 Equation diff´rentielle . . . . . . . . . . . . . . . . . . . 224 7. . . . . . . .3 Equation d’erreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Placement de pˆles et ´quation d’erreur . . . .1 Restriction de la croissance du terme de couplage . . . . . .4. . . . . . . . . . . . . . . . . .6. . . . . . . . . . . . . . . . . . . . . .2 Lin´arisation exacte . . . 234 8. . . . . . . . . 246 e e 8. . . . . . . . . 242 8. . . . . . . . 234 8. . . . . . . . . . . . . . . . . . . . . 202 e e 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197 7. . . . . . . .XIV Table des mati`res e 7. . . . . . . .6. . . . . . . . . 237 8. . . . . . 233 e 8.4 Syst`mes lin´aires SISO . . . . . . . . . . . . .1 Fonction de Lyapunov r´duite . .3 Exemple : Bille roulant sur une barre . . . . . 255 . . . . . . . . . . . . . . . . . . . . . . . . . . . .7 Commande d’une chaˆ d’int´grateurs . .6. . . . . 248 e 8. . . . . . . . 198 7. . . . . . . . . . . . . . . .3. 198 e 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Sortie non sp´cifi´e. . .1 Sortie sp´cifi´e . . . . . . . . . . . . . . . . . . . . . . . . 212 e e 7. . 220 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Fonction de Lyapunov compl`te . . . . . . . . . . . .2 Fonction de Lyapunov de Commande . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253 e Index . . . 226 ıne e 7. . . . . . . . . .2 Exemple : Robot avec joint flexible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Exemple . . . . . . . . . . . . . . . . 214 e e 7. . . . . . . . . . . . . . . .6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Stabilisation et poursuite . . . . . . . .3. .

Partie I Analyse .

.

i. Soit deux signaux d’entr´es u1 e e et u2 engendrants deux signaux de sorties y1 y2 .2. En d’autres termes si y corrspond e a ` u alors la r´ponse ` αu est αy.1 D´finition et propri´t´s des syst`mes non e e e e lin´aires e La notion de syst`me non lin´aire est fond´e sur le non respect du principe e e e de superposition. e a Ce principe est ` l’origine mˆme de la d´finition d’un syst`me lin´aire.3. La r´ponse a la somme des e ` entr´es u = u1 + u2 est la somme des r´ponses individuelles. e e .1 Principe de superposition Un syst`me lin´aire pourvu d’une entr´e u et d’une sortie y ob´it au prine e e e cipe de superposition. Nous pr´senterons une sous-classe de tels syst`mes pour e e e lesquels les ´quations diff´rentielles ordinaires sont suffisantes ` leur descripe e a tion. e e Par cons´quent tout syst`me qui n’ob´it plus au principe de superposition e e e est un syst`me non-lin´aire. (Prinicipe de superposition). y = y1 + y2 . Pour tout syst`me ob´issant au principe de superposition. Cette classe sera ´tudi´e tout au long de cet ouvrage.1.e. plue e sieurs propri´t´s propres ` cette classe sont illustr´es ` travers divers exemple. ee a e a 1. D´finition 1. e e Une cons´quence directe de ceci est : e Caract´ristique 1. l’objet de ce livre. Tout syst`me ob´issant au principe de superposition est un e syst`me lin´aire. Les syst`mes n’ob´issant pas au principe de superposition e e sont tr`s nombreux. a e e e e e e D´finition 1. e e e la r´ponse ` une amplification du signal par un facteur α engendre une amplie a fication de la sortie par un mˆme facteur α. Finalement.

f (x. f (x1 . e 1. (resp. e e e D´finition 1. mentionnons que les syst`mes non e lin´aires poss`dent des particularit´s singuli`res qui sont compl`tement abe e e e e sente des syst`mes lin´aires. . De plus cette continuit´ sera telle que la solution de (1. .4. u2 ) ≤ c2 u1 − u2 ..1) est une fonction continue de ces deux arguments. u) doit ˆtre born´e). . elece trotechnique. a e e e Avant d’entrer dans le vif du sujet.3 R´ponse indicielle disym´trique e e Consid´rons le syst`me lin´aire simple e e e . resp. Le mod`le math´matique du syst`me e e e e e physique s’´crit e x = f (x. Certaines de ces propri´t´s sont pr´sent´es cie e e e e e apr`s. etc. La fonction f (x. u) ≤ c1 x1 − x2 . . lorsqu’il existe deux constantes c1 ∈ R et c2 ∈ R telles que pour toute valeur de x1 et x2 . . u) soit Lipschitz continue (en chaque point l’´volution infie e nit´simale locale de f (x. ˙ o` x repr´sente le vecteur d’´tat x = x1 x2 .4 1 D´finition et propri´t´s des syst`mes non lin´aires e ee e e 1.1) de dimension n et u un vecteur de grandeur d’entr´e u = u1 . chacune ayant une th´orie de la mod´lisation propre conduie e sant ` des ´quations diff´rentielles ordinaires susmentionn´es. d’autre part. . u1 et u2 ). La condition sur cette contie e nuit´ est que f (x. nous supposerons que f (x. . m´canique du solide. ´tant donn´ qu’il serait alors n´cessaire de couvrir un tr`s grand e e e e e nombres de disciplines connexes : chimie. u) − f (x2 . . d’une part. Tout au long de cet ouvrage. Le lecteur int´ress´ par la n´cessit´ et la suffisance de cette condition est e e e e invit´ ` consulter [Kha02]. u). ea Cependant. u) est appel´e Lipschitz continue selon ces e e deux arguments x et u lorsque. elle est continue selon ses deux arguments x et u et.1) est unique pour des conditions e initiales x0 et une commande uo d´termin´es. u) apparaissant dans (1. m.2 Classe de syst`mes e La classe de syst`me qui sera ´tudi´e dans ce texte est celle d´crivant les e e e e mod`les de syst`mes physiques qui peuvent se repr´senter par un ensemble e e e d’´quations diff´rentielles ordinaires. physique. u2 . . xn u e e T T (1. nous n’expliquerons pas compl`tement comment obtenir un e tel mod`le. i = 1. um avec m grandeurs de e commandes ui ∈ R. u1 ) − f (x.

1 illustre le r´sultat. ` cause e e a de la diminution de x. Le signal e e e e de sortie x(t) associ´ suit le signal d’entr´e. par e a e e contre. les phases de mont´e et de descente sont sym´triques dans le e e cas de l’´quation x = −x+u.1). correspondant au r´gime e permanent lorsque l’entr´e vaut 1. et la valeur x se modifie en fonction d’elle mˆme. A droite. le terme |x|x e e ˙ e peut ˆtre localement interpr´t´ comme le membre de droite ax d’un syst`me e ee lin´aire x = ax. En effet. Par contre.5. ˙ Remarque 1. autour e e de la valeur de x nulle.1. A la descente. le syst`me est rapide. o` u est un signal carr´ entre +1 et 0. Les phases e e de mont´es alternent avec les phases de descentes de mani`re sym´trique. e Par contre. L’effet de x est e n´gligeable par rapport ` l’entr´e dans la phase de mont´e.3 R´ponse indicielle disym´trique e e 5 x = −x + u. ˙ Un signal d’entr´e sym´trique et carr´ entre 0 et +1 lui est appliqu´. sans ˆtre aid´e par la e e e contribution de l’entr´e. A gauche. mˆme si la constante de temps est initialement grande. Initialement rapide. e A la mont´e. le syst`me ralentit vite. d´not´e a. Le e e e diagramme de gauche de la figure 1. ce n’est plus le cas. lorsque e ˙ u e x = −[x[x + u. le syst`me non-lin´aire simple e e x = −|x|x + u ˙ exhibe un comportement disym´trique. autour de la valeur maximale de x. seul l’entr´e u = +1 force rapidement le syst`me ` se d´placer. Ainsi.1. correspond e ˙ u e e a ` |x|. Dans le cas du syst`me non lin´aire x = |x|x + u. mais avec une inertie. l’entr´e est e e nulle. et le syst`me lent. 1. a 3 2 2 1 1 0 0 0 20 40 0 20 40 Fig. la phase de mont´e est plus e e rapide que la phase de descente (` droite de la figure 1. o` l’inverse de la constante de temps. la constante de temps est grande. e e e a e bien que la constante de temps soit grande (syst`me lent). .

±0. La premi`re constatation est que le comportement n’est pas sym´trique par e e rapport au signe des conditions initiales.2. la stabilit´ peut d´pendre e e e e des conditions intiales. le syst`me e x = −x + x2 .8. 1. e e a Remarque 1. ` la fois des conditions initiales pour lesquelles la solution s’´loigne a e de plus en plus du point d’´quilibre au fur et ` mesure que le temps progresse. Les solutions de x = −x+x2 sont repr´sent´es pour les conditions initiales ˙ e e x(0 suivantes : ±0. ±1.1. si une simulation est effectu´e pour a u e x(0) = x0 . alors une autre l’est ´galement pour x(0) = −x0 .4 Termes d’ordre sup´rieur e Lorsque la solution d’un syst`me non lin´aire s’´loigne suffisamment d’un e e e point d’´quilibre. est qu’il y a.2) ne comporte pas d’entr´e et poss`de un point d’´quilibre ` l’origine. ±1. x 3 2 1 0 -1 0 2 4 t Fig.2. La seconde. et d’autres sup´rieures.2.6. Par exemple. L’instabilit´ apparaˆ d`s que e ıt e x(0) > 1. Il se peut tr`s bien que ces termes pr´sentent un effet d´stabilisant e e e e e sur le comportement global. . e a et d’autres pour lequel la solution converge vers la valeur d’´quilibre x = 0. e La s´paration se produit lorsque la condition initiale x(0) est sup´rieure ` 1. et la plus importante.01. ±0. Elles sont choisies sym´triques a e e e par rapport ` l’origine.6. certaines inf´rieures en vae e e leur absolue ` l’unit´. au sens o` . e e e a Plusieurs conditions initiales sont consid´r´es. ±0.4.6 1 D´finition et propri´t´s des syst`mes non lin´aires e ee e e 1. les termes d’ordre sup´rieur du d´velopement en s´rie (aue e e e tour de ce point d’´quilibre) contribuent de mani`re croissante ` l’influence sur e e a la d´riv´e. Les solutions e de l’´quation diff´rentielle associ´es aux conditions initiales sont repr´sent´es e e e e e a ` la figure 1. Contrairement au syst`mes lin´aires. ˙ (1.

5 x 1 0.5 0 0 0. lorsque le point d’´quilibre est isol´. une particularit´ e e e e suppl´mentaire peut ˆtre remarqu´e.5 Points d’´quilibre isol´s multiples e e En examinant l’´quation (1. la solution x(t) = e−t converge vers 0 lorsque ˙ t → ∞. conduisant ` e a x(x − 1) = 0. Ainsi dans ce cas. |A| = 0) le point d’´quilibre est unique et correspond ` x = 0. On constate que x2 devient e plus grand que x lorsque x > 1. En effet.5 Points d’´quilibre isol´s multiples e e 7 Pour mieux comprendre le ph´nom`ne.. e e e e car x = 0.2) de l’exemple pr´c´dent. Le signe devant le terme x ou x2 est fondamental. La stabilit´ de x = −x + x2 est d´termin´ par le signe du membre de e ˙ e e droite. le terme x2 a une tendance ` e e a d´stabiliser le syst`me. ¯ x e . e Ceci est ` mettre en perspective avec le cadres des syst`mes lin´aires. les fonctions x et x2 sont repr´sent´es e e e e a ` la figure 1.3 x2 1.7. Il existe d’autres points d’´quilibre ˙ e qui sont obtenus en r´solvant −x + x2 = 0 par factorisation. Ainsi. alors il est unique.3. x = x est un syst`me instable. dans l’´quation diff´rentielle. 1.1. e Remarque 1. pour a e e lesquels. ce qui est le cas lorsque x < 1. la e e condition d’´quilibre pour un syst`me x = Ax est 0 = A¯. La stabilit´ est garantie pour e e a e autant que le terme −x domine x2 pour x positif. car la solution x(t) = et diverge lorsque t → ∞. e a ¯ Lorsque A est singuli`re alors le noyau est un sous-espace vectoriel et donc e les points d’´quilibre multiples sont connect´s. En effet. il n’est pas unique. Lorsque A est e e ˙ x invertible (i. si x = 0 et e e ¯ x ∈ {x | Ax = 0} alors λ¯ = 0 est aussi un point d’´quilbre ∀λ ∈ R∗ . ˙ e Par contre x = −x est stable . et −x ` le stabiliser. Bien que x = 0 soit un point d’´quilibre.e. et un nouveau point d’´quilibre x = 1 apparait. 1.5 1 x Fig. Le signe du membre de droite change et conduit ` a l’instabilit´. La figure repr´sente les deux fonctions x et x2 . En effet.

2 . elle diverge vers l’infini en un temps fini. Mais il n’en n’est rien. x(t) = La solution devient de plus en plus grande lorsque t → 1. Par exemple. e e consid´rons l’oscillateur de Lorenz. e e e Un tel comportement est appel´ ”chaos”.1x + x5 = u = 6 sin(t) ¨ ˙ (1. l’instabilit´ est toujours born´e par une exponentielle.8 1 D´finition et propri´t´s des syst`mes non lin´aires e ee e e 1.105 0. La e e e a e constante de proportionalit´ donne la vitesse de l’exponentielle. Le syst`me est parfaitement d´terministe. e .7 R´ponse harmonique multiple e Un autre ph´nom`ne tr`s int´ressant est la r´ponse polyharmonique d’un e e e e e syst`me non lin´aire ` une excitation ne contenant qu’une seule harmonique.8 Orbites chaotiques On consid`re le syst`me e e x + 0. e e a Cet aspect sera pr´sent´ dans le contexte de la m´thode du premier harmoe e e nique au chapitre 3 1.01t .1 0. On constate que mˆme a e si les deux conditions initiales sont tr`s proches l’une de l’autre.2). Ainsi.2 et l’autre ` x0 = 0. e e Cette hypersensibilit´ aux conditions intiales et l’aspect presque impr´visible e du r´sultat donne l’impression que le syst`me est soumis ` des perturbations e e a al´atoires.6 Explosion en temps fini Dans le cas lin´aire. les trajectoires e r´sultantes sont rapidement tr`s diff´rentes. sans pour autant devenir non e e e born´es (les valeurs de la position x demeurent dans un interval ferm´ et e e born´). La solutions analytique de cette ´quation est e e x0 e−t 1 − x0 + x0 e−t . La raison de ceci tient au fait que l’expression de la d´riv´e e e peut ˆtre born´e par une quantit´ proportionnelle ` la valeur de l’´tat. Comme exemple suppl´mentaire. e e e e Par exemple x = 3x tend vers l’infini sans jamais d´passer une exponentielle ˙ x(t) < x0 e3. la divergence vers l’infini est beaucoup plus rapide que e dans le cas lin´aire. l’une correspondant ` la condition e e a T T intiale x0 = 0. e Dans le cas non lin´aire des surprises peuvent se produire.3) Deux trajectoires sont repr´sent´es. e pour le syst`me (1. 1.

chacun u produits de deux ´tats. Orbite chaotique de l’oscillateur de Lorenz pour σ = 10.2 pour les deux cas). 1. zx d’une part.8 Orbites chaotiques 9 1 0 -1 -2 0 10 20 30 40 50 60 t Fig. ˙ o` seuls les deux termes en bleu.3) sont repr´sent´es pour e e e e ˙ deux conditions initiales proches (x(0) = 0. Les param`tres σ. 1.5.5. Les solutions de l’´quations diff´rentielle (1.105 . et xy d’autre part. Un exemple de trajectoire est e repr´sent´ ` la figure 1.1. . elles deviennent tr`s diff´rentes dans la deuxi`me portion horizontale e e e du graphique. b = 3 . r = 28. x = −σx + σy ˙ y = rx − y − zx ˙ z = −bz + xy. et x(0) = 0. e ea 20 10 0 -10 -20 40 30 20 10 -10 0 10 8 Fig.x 2 1. Bien que les trajectoires r´sultantes sont proches dans la premi`re portion e e horizontale.4. sont responsables de la nature non lin´aire de la dye e namique. r sont fixes. b. x(0) = 0.

e en d´finissant V0 (x0 ∈ V0 ). t∞ pour lesquels x(ti ) ∈ V0 pour i ∈ N. – Pour deux conditions intiales arbitrairement proches. e – Il existe des voisinages tels que pour toute condition initiale comprise dans ce voisinage. . ou e e autrement dit un ensemble compact).10 1 D´finition et propri´t´s des syst`mes non lin´aires e ee e e On constate plusieurs ph´nom`nes int´ressants : e e e – Une trajectoire solution ne repasse jamais par le mˆme point. les solutions respectives finissent par diverger l’une de l’autre pour finalement plus se ressembler du tout. Autrement dit. De plus ce voisinage peut ˆtre pris arbitrairement. . . la solution repasse une infinit´ de fois dans le voisie nage. e – Il n’y a pas de solution p´riodique. – Les solutions demeurent dans un cube (un ensemble ferm´ et born´. il existe une infinit´ d’instant temporels e e t0 < t1 < t2 < .

les syst`mes de seond ordre. ces syst`me ne proviendrons pas ˙ e e e forc´ment du domaine m´canique. . . . qn p1 . pn . pn . . pn . . . la variable q. la mod´lisation en utilisant les coordonn´es e e e g´n´ralis´es (m´canique analytique) conduit ` un mod`le comportant des e e e e a e d´riv´es secondes des coordonn´es g´n´ralis´es exprim´es en fonction des coe e e e e e e ordonn´es g´n´ralis´es ainsi que de leur premi`re d´riv´e. la variable q et selon l’axe vertical. e e une pour chacune des coordonn´es g´n´ralis´es et une pour la premi`re d´riv´e e e e e e e e (vitesse) correspondante. et q. c’est-`-dire l’ene e ıtre a semble des coordonn´es g´n´ralis´es ainsi que leurs premi`res d´riv´es. .1) on d´signera par q ∈ R et q ∈ R les variables de phases. . . . . Ainsi. q). seront ´tudi´s. ¨ ˙ (2.1 Plan de phase pour les syst`me du second ordre e Pour les syst`mes du second ordre donn´s par e e q = f (q. . Pour simuler de tels e e e e e e e syst`mes. Les variables de phase forment un tel ensemble de grandeurs.2 Diagramme de phase e Pour les syst`mes m´caniques. L’espace de phase est l’ene e e e e semble des 2n grandeurs q1 . des variables vitesses partie e e e culi`res. . . e e Dans ce chapitre. Une ˙ . o` l’espace de phase est e u l’ensemble q. appel´es moments g´n´ralis´s p1 . Cepene e a dant nous s´parons ces grandeurs d’´tat en deux groupes. qn . De plus. qn et p1 . . e e 2. il est n´cessaire de connaˆ les conditions initiales. . . le formalisme d’Hamilton permet d’ase e e socier aux coordonn´es g´n´ralis´es q1 . . e e e e e e e une solution du syst`me d’´quations est un ensemble de fonctions du temps. Cet ensemble constitue donc T les grandeurs d’´tat du syst`me. ` savoir x = q1 . e ˙ Maintenant le plan de phase n’est rien d’autre que le plan o` l’on repr´sente u e dans l’axe horizontal. De mani`re plus g´n´rale. .

φq ) ˙ dt Maintenant.1) sera donn´ par deux fonctions du temps a e e q = φq (t) q = φq (t) ˙ ˙ telles que dφq ˙ = f (φq .1. ¨ C’est l’´quation dynamique d’un syst`me m´canique comportant un rese e e sort parfait ` l’extrˆmit´ duquel se situe une masse. L’ensemble forme un oscila e e lateur m´canique. Syst`me masse ressort. ˙ Une courbe param´tr´e est alors d´crite dans le plan de phase par les deux e e e coordonn´es x = φq (t) et y = φq (t). La repr´sentation e e e a e e sch´matique est donn´e ` la figure 2.1 Syst`me masse-ressort e Afin d’illustrer les techniques de trac´s des orbites dans le plan de phase. Il est important de remarquer que le e ˙ temps n’apparaˆ pas explicitement. ıt 2. e e a k=1 m=1 Fig.1. 2. Les param`tres sont normalis´s ` l’unit´. Certaines consistent a e a e . e 2.1. en faisant varier le temps.12 2 Diagramme de phase solution ` l’´quation (2. q et q sont obtenus par substitution.2 Techniques de graphe du plan de phase Plusieurs techniques sont disponibles pour repr´senter les orbites des e trajectoires d’un syst`me dynamique ` deux ´tats. e le syst`me simple suivant est utilis´ : e e q + q = 0.

e Quatre cas sont ` distinguer. Figure repr´sentant une trajectoire d’un syst`me lin´aire du second ordre e e e Les trajectoires possibles qui varient en fonction de la valeur num´riques e e e e des param`tres aij peuvent ˆtre regroup´es en cat´gories en fonction de la e nature des valeurs propres de la matrice A. Soit λ1 et λ2 les deux valeurs propres obtenues en r´solvant | A − λI |= 0.3 Syst`mes lin´aires du second ordre e e 13 repr´senter exactement le trac´ d’autres ` n’obtenir qu’une information pare e a tielle concernant celles-ci. e e e e x1 = a11 x1 + a12 x2 ˙ x2 = a12 x2 + a22 x2 ˙ que l’on peut repr´senter matriciellement sous la forme x = Ax avec e ˙ a11 a12 a21 a22 A= Les trajectoires d’un tel syst`mes peuvent ˆtre repr´sent´es dans la plan e e e e par des courbes param´tr´es par le temps e e Fig.2.3 Syst`mes lin´aires du second ordre e e Un syst`me lin´aire autonome du second ordre ne comporte pas d’entr´e e e e et est repr´sentable par un mod`le d’´tat comportant deux ´tats. M´thodes mixtes e – M´thode des isoclines e 2.2. par exemple en ne repr´sentant que l’information e concernant la direction de la tangente en plusieurs points du plan de phase. M´thodes informatiques e – Solutions num´riques pour diverses conditions initiales e – Graphe des pentes 2. M´thodes papier crayon e – Solution explicite des ´quations e a) en ´liminant le temps explicitement e b) en ´liminant le temps implicitement e 3. ainsi les valeurs propres sont : a . 2. Les m´thodes suivantes seront d´taill´es : e e e 1.

e e 2. Ironiquement. x2 ) et f2 (x1 . r´elles mais de signe oppos´. C’est un centre. Reduce) ou vers le calcul num´rique (Matlab.3.1 Solutions num´riques e Les logiciels d’aide au calcul diff´rentiels qu’ils soient orient´s vers le calcul e e formel (Maple. l’ordinateur faisait d´faut et la d´termination de solutions ne e e pouvaient pas proc´der par une m´thode inductive comme celle de Rungee e Kutta ´tant donn´ le nombre d’op´rations prohibitif que cela impliquerait. LME. x2 ). purement imaginaire.2 Graphe des pentes Autrefois. complexes conjugu´es.3. e e 2. e SysQuake. C’est un point scelle. Dans e e e le cas du syst`me masse ressort pr´c´demment d´crit nous pourrions obtenir e e e e la repr´sentation donn´e ` la figure suivante : e e a 3 2 1 -3 -2 -1 1 2 3 -1 -2 -3 Fig. Il est alors tr`s ais´ d’obtenir les solutions d’un syst`me dynamique e e e planaire en y changeant les conditions initiales d’une simulation ` l’autre rena dant ainsi la possibilit´ d’y r´v´ler la nature des orbites sous-jacentes. 2. C’est un foyer. Scilab) poss`dent un solveur d’´quations diff´rentielles ore e e dinaire. toutes deux r´elles de mˆme signe. Trajectoires simul´es du syst`me masse-ressort. puis en repr´sentant un petit segment de e e droite ayant une d´nivel´e f2 (x1 . l’ordinateur u e a . x2 ) sur une distance horizontale f1 (x1 . e e e Ainsi il ´tait plus commode de ne calculer qu’un certain nombre de pentes e en des points pr´d´termin´s du plan de phase. 4. x2 ). La longueur du segment peut soit ˆtre proportionel ` la norme e a de f o` fix´ ` une longueur unitaire arbitraire.14 2 Diagramme de phase 1. C’est un foyer stable.3. Mathematica. Les pentes sont obtenues en e e e ´valuant f1 (x1 . e 2. x2 ) au e e point (x1 . e e 3.

x2 ) Fig.2. il est e e possible d’exprimer la relation x2 + x2 = x2 + x2 . Il est tout a fait possible d’en faire e e e l’´limination lorsque celui-ci apparaˆ encore ` l’´tat de diff´rentielle : e ıt a e e x2 + x2 . En prenant une grille equidistribu´e selon les e deux axes x1 et x2 . il est envisageable d’obtenir la solution de mani`re e e explicite ` l’´quation diff´rentielle d´crivant la dynamique. ˙0 0 .3.3 Elimination du temps explicitement Lorsque le syst`me dynamique est relativement simple comme c’est le cas e du syst`me masse ressort. ˙ ˙0 0 qui repr´sente un cercle centr´ en (0. a e e e x(t) = x0 cos t + x0 sin t ˙ x(t) = −x0 sin t + x0 cos t ˙ ˙ Cependant il est n´cessaire de se d´barasser de la param´trisation du temps e e e afin de repr´senter l’orbite.4. on obtient une repr´sentation donn´e ` la figure 2. e ´T ` x = x1 x2 f (x) = « „ f1 (x1 . 2. Graphique des ´l´ments de pente pour le syst`me masse-ressort. ee e 2. En utilisant l’identiti´ cos2 t + sin2 t = 1.4 pour e e a le syst`me masse-ressort. x2 ) f2 (x1 .3.3 Syst`mes lin´aires du second ordre e e 15 est ici aussi d’une grande aide. 0) de rayon e e 2.4 Elimination du temps implicitement Remarquons que dans l’exemple pr´c´dent le temps est ´limin´ apr`s e e e e e l’int´gration de l’´quation diff´rentielle.

le long duquel il e .1. La relation avec le param´trage temporel est perdue.5. e graphique de x2 + x2 = x2 + x2 ˙ ˙0 0 Fig. x2 dx2 = − x1 dx1 x ˙ 2 x2 + x2 = c = x2 + x20 1 2 10 Remarque 2.16 2 Diagramme de phase x1 = x2 = ˙ dx1 dt dx2 x2 = −x1 = ˙ dt dx2 dx1 =− = dt x2 x1 L’int´gration se fait alors sans faire intervenir le temps et revˆt dans le e e cas du syst`me masse un caract`re plus simple que l’obtention de la solution e e explicite.3.5 M´thode des isoclines e Le m´thode du graphique des pentes a proc´d´ par l’´valuation sur une e e e e grille donn´e a priori et de g´om´trie arbitraire. 2. Graphique associ´e ` l’´quation x2 + x2 = 1 = x2 + x2 . Il est int´ressant de se dee e e e mander s’il y a une possibilit´ de trouver un lieu de points. e a e ˙ ˙0 0 2.

f2 (x1 .3 Syst`mes lin´aires du second ordre e e 17 serait plus int´ressant de calculer les pentes. La m´thode des isoclines consiste ` choisir un ´l´ment de pente et de e a ee repr´senter le lieu des points comportant la mˆme pente. x2 ) dx2 =α= dx1 f1 (x1 . il serait int´ressant de calculer l’ensemble de points aue e quel le champ de vecteur de la dynamique ait une pente commune. 2.5 x0 = x0 = 1 ˙ Graphe des pentes et trajectoires Droite d’isocline α . e e application syst´matique pour diff´rentes valeurs de α e e 2. En variant la pente.6 Exemple : oscillateur de van der Pol x + ǫ(x2 − 1)x + x = 0 ¨ ˙ ǫ = 0. afin de minimiser le e nombre d’´valuation. Par exemple.2. x2 = −x1 x ˙ Fig.6. il est alors possible d’obtenir un ensemble de lieux.3. x2 ) x+x = 0 ¨ −x1 α= x2 1 x2 = − x1 α α = 1.

5.18 2 Diagramme de phase Fig. Lorsque la m´thode des isoclines est utilis´e pour repr´senter les ´l´ments e e e ee de pentes identiques. ces derniers sont trac´s en respectant la sym´trie du cercle et e e donne un aspect plus naturel que lorsqu’une grille uniform´ment espac´e est utilis´e. 2. e e e 2 1 -2 -1 1 2 -1 -2 Fig. e x + ǫ(x2 − 1)x + x = 0 ¨ ˙ α= x ¨ x = −ǫ(x2 − 1) − x ˙ x ˙ avec droites d’isoclines .7.8. Une trajectoire de l’oscillateur de van der pol est repr´sent´e pour la e e condition intiale x1 (0) = 1 et x2 (0) = 1 et pour la valeur du param`tre ǫ = 0. 2.

9. t0 + T [. Un syst`me x = f (x) poss`dent un cycle limite C s’il existe e e ˙ e un interval de temps [t0 .2. x20 = 1). x10 = 1. . 2.2. Fig. M´thode des isoclines appliqu´e ` l’oscillateur de van der Pol.4 Cycles limites Un cycle limite est une trajectoire ferm´e solution du syst`me.4 Cycles limites 3 19 2 1 -3 -2 -1 1 2 3 x0 = x0 = 1 ˙ -1 -2 -3 Fig. e e D´finition 2. Superposition du graphe des pentes et d’une trajectoire dans le cas de l’oscillateur de van der Pol (ǫ = 0. 2. t0 + T [ et un point de d´part x0 ∈ C.5.10. e e a 2. tel que en e d´signant par Φ(t) la solution de syst`me avec pour condition initiale x(t0 ) = e e x0 = Φ(t0 ) on ait : – Φ(t) ∈ C ∀t ∈ [t0 .

.4. num´rot´s e e e e de i = 1 a i = n. Les vecteurs sont ensuite report´s sur un autre espace de telle ` e sorte que leurs origines se confondent. e e D´finition 2. . . le disque est de taille infinit´simale.20 2 Diagramme de phase – Φ(T ) = x0 . stable : toutes les trajectoires dans un voisinage du cycle → C.3.1 Classification des cycles limites D´finition 2. . 2. Elle est invariante pour des petites perture e e bations continues du syst`me consid´r´. Cette propri´t´ permet. instable : toutes les trajectoires divergent de C. . Une param´trisation de la courbe dans le sens trigonom´trique positif. semi-stable : certaines trajectoires convergent vers C. i = 1.4. . En chacun des points choisis xi . e Les points sont alors num´rot´s selon cette progression (xi . Cette courbe est e e choisie de mani`re arbitraire. correspondant au syst`me x = e ˙ f (x). est ´valu´. Soit C un cycle limite e 1. 3. n.5 Index L’index est une propri´t´ topologique des syst`mes en rapport avec une ee e r´gion d´termin´e du plan de phase. Une suite arbitraire de points de la courbe dans le sens de la param´trisation. Th´oriquement. (Index en un point du plan de phase). n). e e 2. le vecteur f (xi ). i = 1. mais comprise dans un disque de taille sufe fisamment petite. des points choisis xi et de leur nombre n. Une courbe autour du point auquel l’index est ´valu´. 2. On obtient ainsi une suite de vecteurs fi = f (xi ). entre autres. Le e e dernier point xn correspond au point initial x1 (x1 = xn ). . e e e ee d’´tablir des conditions n´cessaires pour l’existence de cycles limites. . e e e L’index est ind´pendant a la fois de la courbe choisie (pour autant quelle e ` soit comprise dans un disque de taille suffisamment petite). Trois choix sont efe fectu´s : e 1. 2. L’index mesure alors l’angle modulo 2π que l’extr´mit´ des vecteurs fi parcourent dans le sens trigonom´trique positif. e e 3.

Soit un contour et un syst`me tel que : e 3 2 1 4 5 6 7 8 1 5 6 7 8 4 3 2 alors l’index vaut : −1.2.6. . Soit un contour et un syst`me tel que : e 4 5 3 4 2 5 3 2 1 6 8 1 7 6 7 8 alors l’index vaut : +1.5 Index 21 Exemple 2. Exemple 2.5.

Ceci donne : 1. 2. Ainsi on parlera d’un . 2. e e e Pour illustrer la validit´ de cette propri´t´.2 Classification des points d’´quilibre e Il est possible de classifier les points d’´quilibre x d’un syst`me non lin´aire e ¯ e e x = f (x) en fonction du type de point d’´quilibre du syst`me lin´aris´ x = ˙ e e e e ˙ ∂f x ∂x |x=¯ x = Ax. 3. il suffit de renverser le sens e ee des vecteurs dans les trois exemples pr´c´dents.5. Les index sont ind´pendants de la stabilit´. Les consid´rations de stabilit´ e e e seront abord´s dans le prochain chapitre. point selle (S) index : −1 noeud (N) index : +1 foyer (N) index : +1 centre (N) index : +1 Caract´ristique 2. Par exemple.1 Type de points d’´quilibre e Les points d’´quilibre peuvent ˆtre classifi´s selon leur index. 4. e e e les points d’´quilibre rencontr´s lors de l’analyse des syst`mes lin´aires du e e e e deuxi`me ordre peuvent ˆtre regroup´s en fonction de leur caract´ristique exe e e e prim´e par la position des valeurs propres. 2. Le fait de renverser le sens des vecteurs a comme cons´quence de changer la stabilit´ du point d’´quilibre lorsque ce dernier est e e e compris dans la courbe de taille infinit´simale. Ils peuvent ´galement ˆtre classifi´s e e e e en fonction de leur index. Soit un contour et un syst`me tel que : e 5 4 3 6 357 6 1 2 248 1 7 8 alors l’index vaut : 0.7.8.5. Il est alors ains´ de v´rifier e e e e que l’index ne change pas.22 2 Diagramme de phase Exemple 2. Il y sera question d’un traitement e rigoureux de la question.

les points singuliers que le cycle encercle sont tels que N = S + 1. Par cons´quent. Seul la restriction a une courbe com` prise dans un disque de taille suffisamment petite est relax´e. de constater que leur extrˆmit´ parcourt un e e e tour complet dans le sens identique au sens de parcours du cycle. il doit y avoir n´cessairement un exc`s de 1. De mani`re analogue. e 2. Si un cycle limite existe. . foyer (N) 4. il est possible d’´valuer l’index d’un cycle e e limite. e e e centres et de foyers et S le nombre de points selles. Soit une courbe particuli`re donn´e. point selle (S) 2. noeud (N) 3.5. L’index de cette e e e courbe est la somme des index de tous les points d’´quilibre compris ` e a l’int´rieur de cette courbe. Par contraposition au principe susmentionn´. A l’aide de cette d´finition.3 Th´or`me de l’index e e La d´finition 2. les vecteurs e y sont en tout point tangent. L’index d’une courbe est obtenu de mani`re analogue a celle e e ` de l’index d’un point du plan de phase.5 Index 23 1. D´finition 2.4 d´termine l’index d’un point particulier de l’espace de e e phase. l’index e d’une courbe d´pend de la courbe choisie contrairement au cas de la d´fintion e e 2. e e Caract´ristique 2.9. e Comme un cycle limite est une solution du syst`me dynamique. centre (N) en fonction des valeurs propres de A conform´ment ` l’´tude des syst`mes e a e e lin´aires planaires. en reportant ces vecteurs en un e point donn´ d’un nouvel espace.4.2. Ainsi. Il est donc ais´. ce qui donne les conditions du th´or`me a e e 2. l’index du cycle est +1. Ainsi. Th´or`me 2. (Th.10.10. Le r´sultat e e e e suivant est important. de l’index de Poincar´) Soit N le nombre de noeuds.11. e e e des points d’´quilibre (compris ` l’int´rieur du cycle) dont l’index est +1 par e a e rapport ` ceux dont l’index vaut −1. il est possible de d´finir un index pour une courbe e e quelconque. La d´monstration d´coule d’une propri´t´ simple d’addition des e e e e ee index des points d’´quilibre compris dans une courbe particuli`re. ´tant donn´ que ce dernier est une courbe particuli`re. il est possible d’´tablir la e e non existence d’un cycle limite en fonction du non respect de la condition de ce th´or`me.

x2 ) ˙ x2 = f2 (x1 . Le prochain th´or`me d´montre. de la e a e a e diff´rentielle ext´rieure de cette 1-forme : ω = e e dω. x2 ) ˙ Th´or`me 2.4 Th´or`me de Bendixson e e Soit x1 = f1 (x1 . aucun cycle limite ne peut exister dans e e e ∂f ∂f une r´gion Ω du plan de phase dans laquelle ∂x1 + ∂x2 ne s’annule pas ni ne e 1 2 change de signe. V´rifier que l’int´grant e e e ne s’annule pas et ne change pas de signe garantit donc la non existence d’un cycle limite autour de la surface consid´r´e. cette mˆme 1-forme e ω = −f1 dx1 + f2 dx2 peut ˆtre int´gr´e.24 2 Diagramme de phase 2. . d’o` l’on d´duit que la 1-forme ω = −f1 dx1 + f2 dx2 s’anu e nule le long du cycle. un exemple tridimensionel (trois ´tats) a ´t´ e ee construit exhibant une trajectoire particuli`re. le seul moyen d’annuler cette int´grale de surface est (i) e e que l’int´grant. Cette int´grale de chemin doit ˆtre e e e e e ´gale ` l’int´grale de surface. Cette trajectoire restait come prise dans un ensemble ferm´ et born´ (un compact repr´sent´ par un cube).12. e e e e Elle exhibait de surcroit la particularit´ de ne jamais passer par le mˆme point. D’autre part. puisse changer de signe a l’int´rieur de la e ` e surface ou (ii) que l’int´grant soit nul en tout point. 0= −f1 dx1 + f2 dx2 = ∂f1 ∂f1 dx1 ∧ dx1 − dx2 ∧ dx1 ∂x1 ∂x2 ∂f2 ∂f2 + dx1 ∧ dx2 + dx2 ∧ dx2 ∂x1 ∂x2 ∂f2 ∂f1 dx1 ∧ dx2 + = ∂x2 ∂x1 − Par cons´quent. l’ime eˆ e e e possibilit´ qu’un tel ph´nom`ne puisse avoir lieu pour des syst`mes dont l’´tat e e e e e est de dimension 2.5. la diff´rentielle du temps est ´limin´e pour obtenir l’expression dt f1 f2 dt = dx1 = dx2 . le long du cycle. Preuve. e e La trajectoire n’´tait donc pas p´riodique bien qu’un mouvement d’apparence e e cyclique y ´tait le th´atre.6 Impossibilit´ du chaos planaire e Dans le chapitre introductif. e e 2. C’est une cons´quence du th´or`me de Stokes. entre autre. s’il est non nul. sur l’aire comprise ` l’int´rieur du cycle. Pour un tel syst`me. En posant dx1 = f1 e e e dt e e e et dx2 = f2 .

l’une jouant le rˆle de proie.-`-d. 3. e Th´or`me 2. – Les facteurs abiotiques environnementaux (c.13. e La d´monstration de ce th´or`me est fort int´ressante. ainsi que la dynamique pr´dateur-proie.7 Exemple : dynamique de populations Pour illustrer les concepts introduits dans ce chapitre. se justifient essentiellement par le fait e e qu’il y aura n´cessairement un effet limitant par le manque de ressources. la diff´rence d’age de sexe et de e e e g´notype sont ignor´s. e e mˆme lors de tr`s faibles densit´s. mˆme lorsque la densit´ a e e est basse. il suffit de prendre une plume e et une feuille de papier et de tracer une courbe continue qui ne passe jamais par le mˆme point. La trajectoire tend asymptotiquement vers un cycle limite. Bien que e e ceci soit peu probable lorsque les membres se repartissent en sousgroupes. Pour l’illustrer de mani`re ludique.2. – La croissance du taux de la population est d´pendante de la densit´. de telle sorte qu’ils ne soient pas uniform´ment distribu´s dans e e tout l’ensemble du territoire consid´r´. On peut la trouver e e e e dans [GH83]. La trajectoire va vers un ´quilibre. est e e a e repr´sent´e par une variable unique.7 Exemple : dynamique de populations 25 2. e 2. le nombre d’individus par unit´ d’aire. La trajectoire est elle mˆme un cycle limite. Il n’y a pas de d´lai lors d’action prise par e e e un individu. nous pr´sentons e deux exemples tr`s simplifi´s de dynamique de populations. Nous envisageons e e a ` la fois les mod`les math´matiques de deux esp`ces en comp´tition pour une e e e e ressource unique. o e Les hypoth`ses simplificatrices suivantes sont adopt´es : e e – La densit´ de l’esp`ce. e – Les effets des interactions au sein de la mˆme esp`ce et avec des esp`ces e e e diff´rentes sont instantan´s. l’influence du nona vivant sur le vivant) sont suffisamment constants.1 Th´or`me de Poincar´-Bendixson e e e Syst`me du second ordre uniquement. c. On aboutira sans trop de difficult´s aux cons´quences e e e donn´es par le th´or`me. Tous les membres de la population sont touch´s de mani`re similaire. e e e – Les femelles trouvent toujours ` s’accoupler. o` deux esp`ces dise u e tinctes s’affrontent.-`-d.6. e e – L’effet de surpeuplement affecte le groupe dans son entier. e . tr`s simplificatrices. Si une trajectoire demeure dans une r´gion finie Ω alors e e e une des trois propositions suivantes est vraie : 1. Ces hypoth`ses. e e e 2. et l’autre celui de pr´dateur. nous faisons n´anmoins cette e e e hypoth`se.

En effet. En cons´quence. Deux e coefficients positifs a1 et a2 sont introduits pour repr´senter les taux de croise sances instantan´s. nous distinguons les coefficients d’auto-inhibition b11 et b22 (deux quantit´s positives. l’expression e 2 (x2 − x1 )(x2 + x1 − 2) = 0 est obtenue faisant apparaˆ la droite x2 = 2 − x1 ıtre comme un lieu continu de points d’´quilibre. la pr´sence e a e d’une droite continue de points d’´quilibre est constat´e. s1 d´signe la population de la premi`re e e e e esp`ce et x2 celle de la seconde. en r´solvant x1 = x2 = 0. En soustrayant ces deux ´quations. a Ainsi. (ii) a e l’extinction de la seconde esp`ce au profit de la premi`re . Un mod`le d’´volution diff´rentielle est obtenu e e e e en consid´rant une croissance exponentielle en absence d’effet inhibitif. la pr´sence de plusieurs points e ˙ ˙ e d’´quilibre. Ceci donne x = A(¯)(x − x) o` x d´signe e e ˙ x ¯ u¯ e le point d’´quilibre o` l’on d´veloppe f (x). Lorsque b11 b22 − b12 b21 = 0.1 Comp´tition e Deux populations distinctes sont en comp´tition pour une mˆme ressource e e qui se trouve en quantit´ limit´e. e Le syst`me non lin´aire x = f (x) peut s’estimer par le premier terme du e e ˙ d´veloppement en s´rie de Fourier. Lorsque b11 b22 −b12 b21 = 0. cr´es par la pr´sence d’un comp´titeur de mˆme esp`ce). outre le point d’´quilibre ` l’origine. nous posons comme mod`le d’´volution e e e e x1 = x1 (a1 − b11 x1 − b12 x2 ) ˙ x2 = x2 (a2 − b21 x1 − b22 x2 ). ˙ Notons.7.26 2 Diagramme de phase 2. de e e e e e e ceux des coefficients d’inhibition crois´e b12 et b21 (´galement deux nombres e e r´els positifs mais dus cette fois-ci ` la pr´sence d’un comp´titeur de l’autre e a e e esp`ce). en prenant e e pour valeur num´rique a1 = a2 = 2 et b11 = b12 = b21 = b22 = 2. La matrice A s’´crit e u e e . on e obtient les deux ´quations d´finissant les points d’´quilibres 2x1 − x1 x2 − x2 = e e e 1 0 et 2x2 − x1 x2 − x2 = 0. e e e Cependant. Les populations agissent alors de mani`re ind´pendante. (iv) l’extinction de la premi`re au profit de la e e e seconde. il y a quatre points d’´quilibre isol´s e e e distincts : (i) x1 ¯ (ii) x1 ¯ (iii) x1 ¯ (iv) x1 ¯ =0 a1 = b11 b12 −a1 22 = ba2 b22 −b12bb21 11 =0 x2 ¯ x2 ¯ x2 ¯ x2 ¯ =0 =0 2 b11 = ba1 b21 −a12 b21 11 b22 −b a2 = b22 Ils correspondent respectivement ` (i) l’extinction des deux esp`ces . les ressources ne sont pas infinies et la pr´sence d’une densit´ e e croissante aura tendance ` inhiber la croissance des populations respectives. (iii) la survie des e e deux esp`ces en ´quilibre .

Plan de phase et points d’´quilibre pour deux population en comp´tition e e pour une ressource unique.11. e e . a1 = a2 = 2 et b11 = b22 = 1. A gauche. Ainsi.-`-d.2. (i) b12 = b21 = 2. trois points d’´quilibre d’index +1 et un d’index −1 sont obtenus. lorsque l’auto-inhibition est identique ` l’inhibition a crois´e. Le point d’´quilibre ( 3 2 )T est un point selle dont une des valeurs e 3 2 e propres vaut −2 et l’autre + 3 . l’origine un foyer instable. la a a e population survivante d´pend des conditions initiales et les densit´s convergent soit e e vers (2 0)T ou (0 2)T .2) et d´pend des valeurs x1 et x2 du point d’´quilibre. e Dans le second cas. Les points d’´quilibres (2 0)T et e a e (0 2)T sont des points stables (les valeurs propres sont toutes deux ´gales e 2 a ` −2). e e a Dans le premier cas. Dans les trois cas. e Au centre. (iii) b12 = b21 = 2 . 2. L’auto-inhibition est plus grande que l’inhibition crois´e. L’inhibition crois´e est plus grande que e l’auto-inhibition et cel` conduit une population ` survivre au d´triment de l’autre . on constate une vie mutuelle des deux esp`ces et une convergence e e vers des points d’´quilibre qui d´pend des conditions initiales. Le plan de phase est repr´sent´ ` la figure 2. Les facteurs de croissance sont fix´s ` a1 = a2 = 2. (ii) b12 = b21 = 1.7 Exemple : dynamique de populations 27 A= a1 − 2b11 x1 − b12 x2 ¯ ¯ −b12 x1 ¯ −b21 x2 ¯ a2 − b21 x1 − 2b22 x2 ¯ ¯ (2. e ¯ ¯ e Fig. L’inhibition crois´e est identique ` l’auto-inhibition. L’index global s’obtient en consid´rant une courbe ferm´e quelconque englobant tous e e les points d’´quilibre. Le point d’´quilibre central (2/3 2/3)T est un point selle. e e Dans le troisi`me cas. A droite. et les deux populations finissent au point d’´quilibre ( 4 4 ) e e 3 3 pour presque toutes les conditions initiales.11 pour trois choix de valeurs e ea num´riques. il y a ´galement une survie mutuelle des deux esp`ces. e a ce qui conduit les deux populations ` vivre avec des rapport qui d´pendent des a e 1 conditions initiales. Le point d’´quilibre (0 0)T est localement instable puisque les valeurs propres de la e matrice A sont toutes deux ´gales ` +2. les facteurs inhibitifs crois´s sont plus importants e que les facteurs auto-inhibitifs (b11 = b22 = 1 et b12 = b22 = 2). c. lorsque l’inhibition crois´e est moins forte e a e que l’auto-inhibition. pour donner un index global de +2.

Il n’y a pas d’effet auto-inhibitif ce qui implique l’annulation du coefficient b22 = 0. Le point d’´quilibre ( 4 4 )T est stable e e e 3 3 2 e avec pour valeur propre de la matrice A. e e a Lorsque a1 b21 < a2 b11 . Sous ses hypoth`ses. il y a absence de a pr´dateurs. b12 ). la pr´sence des proies n’a pas un effet inhibitif. En effet. les pr´dateurs disparaissent progressivement de mani`re e e exponentielle. La condition de survie mutuelle pond`re les e e . e un effet de croissance : le signe devant le facteur b21 est positif. Le point d’´quilibre (0 0)T est instable (les valeurs propres de A sont toutes deux ´gales ` +2). et le signe devant le coeffcient a2 est cette fois-ci n´gatif. b11 ) et par la pr´sence de e e pr´dateurs (effet d’inhibition crois´. e a Les deux points d’´quilibres restants (0 2)T et (2 0)T sont des points selles e avec comme valeurs propres −2 et +1. Le troisi`me correspond ` une survie mutuelle. les proies croissent de mani`re e e e e exponentielle en l’absence de pr´dateur (coefficient a1 positif). les deux ´quations diff´rentielles qui gouvernent e e e l’´volution des populations sont : e x1 = x1 (a1 − b11 x1 − b12 x2 ) ˙ x2 = x2 (−a2 + b21 x1 ) ˙ Ce syst`me comporte trois points d’´quilibre : e e (i) x1 = 0 ¯ a1 (ii) x1 = b11 ¯ a2 (iii) x1 = b21 ¯ x2 = 0 ¯ x2 = 0 ¯ 21 −a2 x2 = a1 bb12 b21 b11 ¯ Le premier point d’´quilibre est l’extinction mutuelle des deux esp`ces. e On constate ´galement qu’il n’y a pas de cycle limite. e e Par contre.28 2 Diagramme de phase mais toujours avec la mˆme densit´. Il est int´ressant de constater que le passage de l’index global +2 ` celui e a de 0 c’est fait par l’interm´diaire de l’apparition d’un lieu continu de points e d’´quilibre. e e Le second correspond uniquement ` la survie des proies . e 2. les pr´dateurs meurent par manque de facteur de e reproduction des proies (coefficient a1 ) par rapport au besoin de nourriture des pr´dateur (coefficient a2 ). et x2 e e e celle des pr´dateurs. e L’´quation de l’´volution de x1 est identique au cas des populations en e e comp´tition de la section pr´c´dente.7. mais bien au contraire. De e plus. l’´volution des pr´dateurs x2 est fonci`rement diff´rente. En e e e e l’absence de proie. −2 et − 3 . x1 repr´sente la densit´ de population des proies.2 Pr´dateur-proie e Dans ce mod`le. Leur croissance e est limit´e par les ressources (effet auto-inhibitif.

On constate que dans les deux cas.12 repr´sente le plan de phase pour les valeurs num´riques e e a1 = a2 = b21 = 2. e l’auto-inhibition des proies rend la reproduction et la survie des pr´dateurs e difficiles.2 et pour x1 (0) = 1. ` gauche). Trois points e e d’´quilibre sont constat´s : (i) l’origine x1 = x2 = 0 (en bas. le taux de pr´dateurs par rapport a celui des proies e e e e ` oscille jusqu’` atteindre l’´quilibre de survie mutuelle. Toutefois.4. La figure 2. ces derni`res se reproduisent en pr´sence de la e e faible densit´ des pr´dateurs. En effet.4. 2. Plan de phase et points d’´quilibre pour le mod`le pr´dateur-proie. a e Fig.7. x2 = 0 (en bas.12.7 et x2 (0) = 1.2 et une autre pour la condition initiale x1 (0) = 1. la solution correspondante converge vers le point d’´quilibre de survie mutuelle e x1 = x2 = 1. ` droite). e e De mani`re g´n´rale.7 Exemple : dynamique de populations 29 deux facteurs a1 et a2 par la qualit´ de satisfaction ´nerg´tique de la proie e e e pour un pr´dateur b21 et du taux d’auto-inhibition des proies b11 . ¯ ¯ . Lorsqu’une taille critique est atteinte.2. Deux trajectoires sont ´galement e repr´sent´es pour x1 (0) = x2 (0) = 0. x2 (0) = 1. la densit´ des pr´dateurs commence l´g`rement e e e e e a ` diminuer puis demeure relativement modeste ` cause du faible nombre de a proies disponibles. e e et les pr´dateurs augmentent au d´triment des proies. b11 = b12 = 1. e e e La variable x1 repr´sente la densit´ des proies (axe horizontal) et la variable x2 e e repr´sente la densit´ des pr´dateurs (axe vertical). et e ¯ ¯ a finalement (iii) la survie mutuelle x1 = x2 = 1 (au centre). la tendance s’inverse. (ii) la e e ¯ ¯ a survie des proies et l’extinction des pr´dateurs x1 = 2. Deux courbes solution de l’´quation diff´rentielle sont ´galement repr´sent´es. e e e e e une pour la condition initiale x1 (0) = x2 (0) = 0. ` partir e e a de laquelle les pr´dateurs peuvent mieux se d´velopper. Les valeurs num´riques choisies e e e e sont a1 = a2 = 2 = b21 = 2 et b11 = b12 = 1. ¯ ¯ Pour la premi`re courbe.

Il faut prendre plusieurs conditions initiales r´parties e sur un petit cercle centr´ sur l’origine. v < −1 (2. la commande u e ˙ ˙ demeurant identique. Tracer e plusieurs trajectoires pour diff´rentes conditions initiales (il faut simuler les e ´quations diff´rentielles). Saturation et syst`me lin´aire. (i) Choisir les gains afin d’avoir deux pˆle en −1 et −1 dans la partie o lin´aire.30 2 Diagramme de phase Exercice 2. x1 = −x1 − u et x2 = +x2 − u.3) On applique ´galement un bouclage stabilisant e v = −k1 x1 − k2 x2 . i. ex. en les e e e o 1 1 ralentissant (p.1.e. (vi) Est-ce que la position des points d’´quilibre joue-t-il un rˆle ? e o . Soit le syst`me lin´aire e e e e x1 = x1 + u ˙ x2 = −x2 + u ˙ avec u = sat(v). e (ii) Trouver tous les points d’´quilibre. e e (iv) D´terminer la nature du bassin d’attraction en simulant le syst`me e e en temps r´trograde. e (v) R´p´ter l’op´ration en (iv) en changeant la position des pˆles. o` u  1 sat v v  −1 v>1 −1 ≤ v ≤ 1. −2 et −2). ex − 2 et − 2 ) et en les rendant plus rapides (p. e (iii) Dessiner le plan de phase avec le champ de vecteur associ´.

En effet. etc. qu’en pratique. mais apparaissant tr`s fr´quemment en pratique. la notion de syst`me en boucle ferm´e n’a pas ´t´ mentionn´e e e ee e de mani`re explicite. si ce n’est recourir ` le changer ou ` le r´parer. e beaucoup de syst`mes poss`dent des imprfections qui ne disparaissent pas e e apr`s lin´arisation locale. Certaines de e e ˙ ses caract´ristiques comme la pr´sence de plusieurs points d’´quilibre. d’hyst´r`se pour les e e e e pi´zo´lectriques et les mat´riaux magn´tiques. un syst`me ´tait donn´ par un ene e e e semble d’´quations diff´rentielles ordinaires de la forme x = f (x). u) et z = g2 (z) e e ˙ ˙ avec dim u = dim z donnent lieu lorsque u = z ` un syst`me x = f (x) avec a e ˙ T x = wT z T . e e e Il s’agit de la combinaison en r´troaction d’un syst`me lin´aire ayant une e e e seule entr´e et une seule sortie. nous a a e . De telles imperfections proviennent par exemple e e d’une zone morte pour certains syst`mes m´caniques. x = f (x) pouvait ` la fois repr´senter un e ˙ a e syst`me en tant que tel. on ne peut pas ` proprement parler ´liminer un jeu dans un a e engrenage. Ce dernier e e ee e ´l´ment ne poss`de pas de dynamique et correspond ` une fonction statique ee e a arbitraire.). Par exemple. e e Toutefois. En effet. Tout au plus. L’objectif ´tant d’expoe e e ser une m´thode d’analyse approximative d’une classe relativement restreinte e de syst`mes. e e ee e e crit`re de Poincar´-Bendixson.3 M´thode du premier harmonique e e Dans les deux pr´c´dents chapitres. boucl´ par un ´l´ment non lin´aire. ainsi que des ee e e crit`res permettant de d´terminer de telles propri´t´s (th´or`me de l’index. ainsi que la saturation pour e e e e presque tous les types d’actioneurs. w = g1 (w. l’exise e e tence de cycles limites ou d’orbites chaotiques ont ´t´ pr´sent´es. ou provenir de l’association en boucle ferm´e de deux e e syst`mes interconnect´s entre eux. L’importance de cette classe de syst`me provient du fait. Nous allons rendre ainsi la pr´sence d’une telle configuration en boucle e ferm´e plus explicite dans le cours du pr´sent chapitre.

u N. e e . les e inerties et les frottements d’un r´ducteur comportant le jeu susmentionn´ e e constituent alors la partie lin´aire du mod`le du syst`me). Celle-ci peut e e e ˆtre isol´e du reste du comportement lin´aire pour aboutir au sch´ma que l’on e e e e va analyser. Association d’un bloc non-lin´aire statique N. Nous ´tudierons les cons´quences de la e e e boucle ferm´e (u = −z) ult´rieurement. en boucle ouverte. 3. par exemple. d’un premier bloc. L’entr´e de la fonction de tranfert e e e e est alors y (attention ` ne pas confondre avec u) et sa sortie est z.1 Syst`me lin´aire et non-lin´arit´ statique e e e e Consid´rons la mise en s´rie. ee e De plus. L’entr´e e e de la non-lin´arit´ est not´e u et sa sortie y. e font intervernir leur effet de mani`re instantan´e sans ph´nom`ne de m´moire) e e e e e et un effet dynamique propre au syst`me dans son ensemble (par exemple.1. e e e Ainsi. Chacun des blocs comporte une entr´e unique et une sortie unique. Il s’agit de d´terminer ` la fois la propri´t´ de e e a ee se maintenir apr`s une l´g`re perturbation (stabilit´) et de trouver les pae e e e ram`tres repr´sentatifs tels que l’amplitude et la fr´quence du cycle limite. La non-lin´arit´ du premier bloc est clairement s´par´e du comportement e e e e lin´aire de la fonction de transfert. et d’une simple fonction de transfert qui e constitue le second bloc (Figure 3.1). L’objectif de cette analyse est de d´tecter et caract´riser la pr´sence e e e d’´ventuels cycles limites.L. et d’une fonction de e transfert G(s). dont e e le comportement est non-lin´aire. e e e 3. de tels ph´nom`nes ont la particularit´ de pouvoir se s´parer entre e e e e un effet non-lin´aire purement statique (le jeu et la saturation. il peut y avoir une non-lin´arit´ statique qui subsiste.32 3 M´thode du premier harmonique e pouvons esp´rer compenser son effet n´faste par la mani`re dont le syst`me e e e e comportant cet ´l´ment est command´. La contre-r´action du second bloc sur le e e premier est momentan´ment absente. bien que la majeure partie du syst`me se comporte de mani`re e e lin´aire. Il est a important d’insister sur cette convention. y G(s) z Fig.L.

2. une saturation constituera le premier bloc.2) o` k d´finit le gain de la partie non-satur´e et le param`tre a correspond ` u e e e a la valeur d’entr´e ` partir de laquelle la saturation est active.-`-d. e e e u(t) 4 2 0 -2 -4 4 2 0 -2 -4 y(t) Fig.2 Caract´ristique passe-bas du syst`me lin´aire G(s) e e e En examinant la figure 3. 3.1 Excitation sinuso¨ ıdale en boucle ouverte Pour illustrer le principe. La figure 3.2. e e 3. Il ne correspond plus ` une courbe e a . Il y a donc absence d’´tat pour le comportement du premier bloc.2 e a illustre le ph´nom`ne pour un choix particulier des param`tres. ω = 5. c. k = 2 et a = 1. La combinaison en s´rie des deux blocs est soumise ` une excitation sinuso¨ e a ıdale d’amplitude A et de pulsation ω : u(t) = A sin(ωt) La saturation est d´crite par la fonction e  u(t) > a  ka ˆ −a ≤ u(t) ≤ a φ(u(t)) = ku(t)  −ka u(t) < −a (3.1) (3. nous constatons que le signal sinuso¨ ıdal est fortement transform´ par la saturation.3. e a y(t) = φ(u(t)). 3. Les ´tats e e ne sont n´cessaires que pour r´aliser la fonction de transfert.1 Syst`me lin´aire et non-lin´arit´ statique e e e e 33 De plus. la sortie y(t) est une simple fonction a de son entr´e u(t).1. Repr´sentation graphique de l’entr´e u(t) et de la sortie y(t) de la satue e ration pour les valeurs A = 2. Ainsi. nous ne consid´rerons qu’une relation non-lin´aire statique du e e premier bloc. ` chaque instant t.1.

34

3 M´thode du premier harmonique e

lisse et de mˆme nature que la sinuso¨ de d´part. Il n’est pas possible de e ıde e superposer une seule sinuso¨ mˆme lorsque celle-ci est d´phas´e et amoidrie ıde, e e e de facteurs appropri´s. e Par contre, le constat peut ˆtre diff´rent ` la sortie du syst`me G(s), e e a e puisque ce dernier agit comme un filtre suppl´mentaire. e Par exemple, consid´rons un syst`me G(s) du second ordre avec un pae e ram`tre b unique permettant de d´terminer sa bande passante. Son gain stae e tique est fix´ ´gal ` l’unit´. Le param`tre b correspond ` la valeur r´elle o` se ee a e e a e u trouve la paire de pˆles sur l’axe r´el n´gatif. o e e b2 s2 + 2bs + b2

G(s) =

(3.3)

Le syst`me est stable pour autant que b soit strictement positif. Un gand e b d´termine un syst`me rapide qui filtre peu, et un petit b correspond ` un e e a syst`me de nature passe-bas qui filtre les hautes fr´quences. La figure 3.3 e e illustre le r´sultat du filtrage lorsque b = 3 et b = 30. e
z(t) 4 2 0 -2 -4 4 2 0 -2 -4 z(t)

Fig. 3.3. Repr´sentation graphique de la sortie du syst`me lin´aire lorsque A = 2, e e e ω = 5, k = 2 et a = 1 pour deux valeurs du param`tre b de la fonction de transfert e (3.3). A gauche b = 3 et ` droitre b = 30. a

Dans les deux cas, un r´gime transitoire est constat´. Celui-ci d´coule e e e du fait que les conditions initiales de G(s) ne sont pas compatibles avec le r´gime forc´ que tend ` imposer l’entr´e u(t). Ce r´gime transitoire disparaˆ e e a e e ıt rapidement pour laisser place ` un r´gime forc´ de nature diff´rente en fonction a e e e de la valeur de b. Lorsque le syst`me filtre peu (b = 30), le signal z(t) est tr`s proche de la e e sortie de la non-lin´arit´ y(t). Par contre, en examinant le premier r´sultat e e e ˆ (b = 3), l’effet conjoint de la saturation φ et du syst`me lin´aire G(s) revient e e simplement ` d´phaser et ` att´nuer la sinuso¨ d’origine, un peu comme a e a e ıde le ferait un syst`me lin´aire. La non-lin´arit´ a en quelque sorte disparu, ou e e e e

3.1 Syst`me lin´aire et non-lin´arit´ statique e e e e

35

de mani`re plus rigoureuse, elle a ´t´ englob´e pour constituer avec G(s) une e ee e sorte de nouvelle fonction de transfert. 3.1.3 Gain complexe ´quivalent e Pardoxalement, nous avions initialement clairement s´par´ le comportee e ment non lin´aire du comportement lin´aire, et voil` que le dernier r´sultat e e a e de la section pr´c´dente revient ` simplement d´phaser et amoindrir le signal e e a e d’origine. Le comportement global de la mise en s´rie des deux ´l´ments montre e ee qu’il est peu commode de le s´parer en une partie purement non-lin´aire cae e ract´risable et une partie lin´aire. En effet, il n’est pas ais´ en examinant le e e e signal z(t) (b = 3) de d´tecter la pr´sence d’une saturation. e e Cependant, il est possible de substituer ` la non-lin´arit´, un nombre coma e e plexe N , permettant de caract´riser celle-ci sans perdre trop de qualit´ dans e e la r´ponse z(t). Ceci est rendu possible par la nature passe-bas du syst`me e e lin´aire. Clairement, z(t) pour b = 30 ne permet pas une telle simplification. e En cons´quence, lorsque le syst`me lin´aire poss`de des propri´t´s passe-bas e e e e ee marqu´es, le sch´ma de la figure 3.1 peut ˆtre remplac´ par l’approximation e e e e repr´sent´e ` la figure 3.4. e e a

u

N

y

G(s)

z

Fig. 3.4. La non-lin´arit´ statique N.L. est remplac´e par un gain ´quivalent come e e e plexe N .

Pour d´terminer le gain N , nous proc´dons par essais/erreurs et il est e e relativement ais´ de trouver la sinuso¨ e ıde 0.329A sin(ωt − 2.00) qui se superpose tr`s bien avec le signal z(t). Ceci est repr´sent´ ` la figure e e ea 3.5. Cette d´termination repose sur le caract`re du r´gime permanent sie e e nuso¨ ıdal. Le signal d’excitation est multipli´ par N puis par G(jω) avec ω = 5. e Pour d´terminer N , il suffit donc de diviser la repr´sentation fr´quentielle de e e e la sortie par G(j5) et ensuite de comparer le r´sultat avec le signal d’entr´e. e e Une mani`re similaire de proc´der est de d´phaser et d’amplifier les signaux e e e

36

3 M´thode du premier harmonique e
z(t) 4 2 0 -2 -4

Fig. 3.5. Repr´sentation graphique de la sortie du syst`me lin´aire lorsque A = 2, e e e ω = 5, k = 2, a = 1 et b = 3. Une sinuso¨ 0.329A sin(ωt − 2.00) y est superpos´e. ıde e

temporels par respectivement la phase et l’amplitude des nombre complexes correspondants. On d´duit sans peine que N ≈ 1.2. C’est un nombre purement r´el. Le e e d´phasage est donc caus´ exclusivement par G(j5) = 9(30j − 14)−1 . e e Il est important ` ce stade d’insister sur le fait que le gain N d´pend a e en g´n´ral de l’amplitude et de la pulsation ω du signal d’entr´e. C’est l` e e e a que r´side la diff´rence essentielle entre un comportement purement lin´aire e e e (repr´sentable par une fonction de transfert ` part enti`re) et l’approximation e a e de la non-lin´arit´ par un gain ´quivalent N . e e e En prenant une autre amplitude pour le signal d’entr´e, nous aurions e trouv´ une autre valeur pour le gain N . C’est la raison pour laquelle il est e not´ soit N (A) ou N (A, ω), selon son type de d´pendance. e e Ceci n’est pas surprenant pour la saturation par exemple, car lorsque l’amplitude du signal est faible, de telle sorte que la saturation n’est pas active, le signal de sortie est amplifi´ par le gain k de la saturation. Par contre, lorsque e le signal est tr`s grand, il est fortement limit´ par la saturation, et le gain e e ´quivalent peut devenir bien inf´rieur ` l’unit´. e e a e Il faut ´galement faire attention ` ne pas confondre le param`tre d’amplie a e tude A et la valeur instantan´e u(t) du signal ` l’entr´e de l’´l´ment approxim´ e a e ee e par N (A). Ce sont deux choses diff´rentes. L’amplitude A correspond ` la vae a leur maximale d’une sinuso¨ unique pouvant ˆtre appliqu´e ` l’entr´e de la ıde e e a e non-lin´arit´, auquel cas cette mˆme entr´e sera amplifi´e d’un facteur N (A) e e e e e o` A est l’amplitude fixe de la sinuso¨ A sin(ωt). Ce n’est pas la valeur de u ıde A sin(ωt) ` un instant t donn´. C’est la raison pour laquelle lorsque le signal a e n’est pas proche d’une sinuso¨ unique (de pulsation ω), il est difficile de ıde donner une interpr´tation ` A, et de surcroit ` N (A). e a a

3.2 Premier harmonique

37

3.2 Premier harmonique
Il est fastidieux de d´terminer le nombre complexe N en fonction des deux e param`tres A et ω par une succession de simulations du type que nous avons e expos´ ` la section pr´c´dente. Il est plus efficace de trouver une expression ea e e analytique du gain ´quivalent N (A, ω). e 3.2.1 D´composition en harmoniques e Comme la non-lin´arit´ est d´pourvue de dynamique, lorsque le signal e e e u(t) = A sin(ωt) est appliqu´ ` l’entr´e de la non-lin´arit´ statique φ, le signal ` la sortie de ea e e e a la non-linarit´ y(t) est p´riodique et de mˆme p´riode T = 2π que le signal e e e e ω d’entr´e. Ceci implique que le signal de sortie y(t) puisse ˆtre d´compos´ en e e e e s´rie de Fourier : e y(t) = a0 + 2
∞ l=1 π

[al cos(lωt) + bl sin(lωt)]

(3.4)

a0 =

1 π 1 al = π 1 bl = π

y(t)d(ωt)
−π π

(3.5) (3.6) (3.7)

y(t) cos(lωt)d(ωt)
−π π

y(t) sin(lωt)d(ωt)
−π

La s´rie (3.4) donne une d´composition exacte de y(t). Les coeffcients a0 , e e al , bl , (l = 1, . . . , ∞) caract´risent alors le type de non-lin´arit´ φ. e e e Le seul incov´nient de cette d´composition (et non le moindre) est qu’il e e n´cessite une infinit´ d’´valuations d’int´grales le long d’une p´riode. En effet, e e e e e les coefficients al et bl doivent ˆtre d´termin´s d’une mani`re ou d’une autre e e e e en utilisant les d´finitions (3.6) et (3.7). e Il est important d’insister ` nouveau sur le fait que chaque coefficient a a0 , al et bl d´pend de l’amplitude A et de la pulsation ω. Formellement, on e devrait ´crire a0 (A, ω), al (A, ω) et bl (A, ω), les int´grales (3.5), (3.6) et (3.7) e e conduisant alors ` une formule respective. Nous n’insisterons pas sur cette a pr´cision de notation, sauf lorsque cela est vraiement indispensable. e 3.2.2 Equivalent du premier harmonique Bien que tous les termes de la s´rie soient n´cessaires pour repr´senter e e e exactement la sortie y(t), ceux associ´s aux hautes harmoniques n’ont pas e

38

3 M´thode du premier harmonique e

beucoup d’impact sur la sortie z(t) de la fonction de transfert G(s), ´tant e donn´ le caract`re passe-bas de cette derni`re. Il est par cons´quent possible e e e e de tronquer la s´rie et de ne retenir que quelques termes. e Puisque a0 , a1 et b1 sont suffisants pour d´finir un nombre complexe, nous e retenons de la s´rie (3.4) que le terme constant et ceux associ´s ` la fondae e a mentale. Ceci constitue l’approximation du premier harmonique cherch´e et e permet de d´terminer le gain ´quivalent N . e e En effet, en approximant y(t) ≈ a0 + a1 cos(ωt) + b1 sin(ωt) = a0 + M sin(ωt + α), a l’amplitude M et la phase α s’obtiennent ` partir des coefficient a1 et b1 par M = a2 + b 2 1 1

α(A, ω) = arctan(a1 /b1 ). Ainsi, lorsque la non-lin´arit´ est parfaitement sym´trique, a0 = 0, et le gain e e e ´quivalent s’exprime comme e N (A, ω) = M M jα 1 ejωt+α = e = (b1 + ja1 ). jωt Ae A A (3.8)

3.2.3 Calcul de l’´quivalent du premier harmonique e e ee Certes, la troncation de la s´rie de Fourier fournit une mani`re ´l´gante e d’exprimer le gain ´quivalent ` partir des param`tres a0 , a1 et b1 (formule e a e (3.8) dans le cas sym´trique). Il reste toutefois ` determiner une proc´dure de e a e calcul permettant d’´valuer les int´grales e e a0 = 1 π 1 a1 = π 1 b1 = π
π

y(t)d(ωt)
−π π

(3.9) (3.10) (3.11)

y(t) cos(ωt)d(ωt)
−π π

y(t) sin(ωt)d(ωt),
−π

a ` partir desquelles seront issues les formules explicites des deux param`tres A e et ω. Deux m´thodes sont pr´sent´es ci-apr`s pour une telle ´valuation. La e e e e e premi`re est un calcul analytique et la seconde repose sur des techniques e num´riques. e Int´gration analytique e La m´thode la plus directe consiste ` calculer analytiquement les int´grales e a e exprimant les coefficients a0 , a1 et b1 .

φ(−u) = φ(u). et ´galement par raison de sym´trie.218. l’identit´ e e e 1 π γ 0 A sin2 (ωt)dωt + 1 π π 2 ka sin(ωt)dωt = γ a kA γ+ 2π A 1− a2 A2 En reportant les valeurs num´riques A = 2. la constation de la fin de cette section. Nous donnerons ` e e e a la section suivante d’autres types de non-lin´arit´s avec les gains ´quivalents e e e respectifs.2 Premier harmonique 39 Le cas de la saturation est trait´ dans son int´gralit´. Cependant. nous pouvons exprimer e e A≤a A>a y(t) = kA sin(ωt) y(t) = kA sin ωt 0 ≤ ωt ≤ γ ka γ < ωt ≤ π 2 γ = arcsin(a/A) o` γ est une variable temporaire d´finissant l’angle ` partir duquel la saturau e a tion commence ` faire son effet.10) de telle sorte que a1 = 0. nous obtee nons N (A) = 1. e D’autre part. De plus. e a Lorsque A > a. la sortie se d´compose en une partie non satur´e et en une e e partie satur´e. en repr´sentant le gain ´quivalent sous forme graphique ` la figure e e a 3. ˆ En reprenant l’expression φ de la saturation (3.2). on e e a 1 π d´duit que a0 = π −π y(t)d(ωt) = 0 (absence de composante continue).1. par des moyens analytiques. ` savoir la diminution du gain a e ´quivalent lorsque l’amplitude du signal d’entr´e augmente.3. les e e e 2 autres quarts se d´duisant par sym´trie). une diff´rence e e e fondamentale entre le cas o` l’amplitude A est inf´rieure ` a (absence de u e a saturation). n´cessite une attention e e e e particuli`re.6. En ne consid´rant qu’un quart de p´riode (0 ≤ ωt ≤ π . les r´sultats e empiriques de la section 3. Par contre. Sur un quart de p´riode. et lorsque celle-ci est sup´rieure ` a. c. existe. k = 2 et a = 1. la sortie y(t) est exprim´e en fonction de l’entr´e u(t) = A sin(ωt). a ˆ ˆ Etant donn´ que la saturation est sym´trique.-`-d. apr`s multiplication par quatre (pour tenir compte de la e sym´trie des quarts de p´riodes mentionn´e pr´c´demment). b1 est diff´rent de z´ro. la premi`re demi-p´riode e e e e compense la seconde dans (3. justifiant ainsi. a a a2  π arcsin A + A 1 − A2 A > a . on d´duit le gain e e e e e e ´quivalent e  A≤a k N (A) = 2k . et seul le deuxi`me cas A > a. est ´galement e e confirm´e. e est valable et.

14) k=0 et nous avons une convergence de a0. 3. a1. ω n Ceci permet d’approximer les coefficients a0 . a1 ˆ ˆ b et b1 lorsque n → ∞.5 k = 2. ee e e e e ˆ l’expresssion de N est une approximation du gain ´quivalent N qui s’obe k tient par tranform´e Fourier discr`te du signal ´chantillonn´ y( ω (−π + 2π n )).6.n = ˆ b1 ≈ ˆ1.n . a = 1 5 10 15 20 25 30 A a Fig.n = ˆ a1 ≈ a1.10) et (3. . nous introduisons 1 k yk = y( (−π + 2π )).n et ˆ1.n est une moyenne. . Gain ´quivalent purement r´el de la saturation.n = b 2 n 2 n 2 n n−1 yk k=0 n−1 (3.11) peuvent ˆtre ´valu´es apr`s e e e e e π π discr´tisation du signal temporel y(t) de t = − ω ` t = ω en une suite fie a 1 k nie de n points y( ω (−π + 2π n )). . le coˆ t en multiplications u est important pour a1.n − jˆ1. .13) (3. ˆ b En ´crivant e 1 2j ˆ N = j(ˆ1.40 3 M´thode du premier harmonique e 2 1. n − 1. .n ) = − a b A An n−1 yk e−j2π n k=0 k (3. (3. Afin de simplifier la notation.12) k=0 n−1 k yk cos(−π + 2π ) n k yk sin(−π + 2π ) n (3. elle ne n´cessite qu’une ˆ e seule multiplication et n − 1 additions.n . k = 0 . n − 1. Il diminue en fonction de e e l’amplitude. a1 et b1 par a0 ≈ a0. Par contre.n et ˆ1. De plus.5 1 0. e e e e 1 k = 0 . Int´gration num´rique e e Les trois int´grales (3.5).n vers respectivement a0 . Cette proe e pri´t´ peut donc ˆtre exploit´e pour r´duire le nombre d’op´ration. Comme a0.15) nous constatons qu’une seule s´rie complexe finie est n´cessaire.

18) En recourant. y3 − y7 (3. Etant donn´ que la m´thode pr´sent´e a e e e e e est une m´thode approximative.19) et nous avons grandement simplifi´ le r´sultat par rapport aux formules brutes e e 1 ˆ a1. n = 2m avec m ∈ N. 2π En g´n´ral.19). Par cons´quent.2 Premier harmonique 41 En effet. (3.18) prend la forme 4 4 y0 − y4 y2 − y6 √ 2 − 2 1 −1 1 1 y1 − y5 . ainsi qu’` la propri´t´ que avec les points d’un plan a + jb = a ee √ cos − π = sin − π = − 22 .15) devient e ˆ j4N = y0 + y1 e−j2π 8 + y2 e−j2π 8 + y3 e−j3π 8 5 6 7 4 +y4 e−j2π 8 + y5 e−j2π 8 + y6 e−j2π 8 + y7 e−j2π 8 1 2 3 (3.8 donn´es par (3.14) en utilisant les sym´tries des points complexes e k e−j2π n .15) exprime l’approximation du gain ´quivalent par le premier e 2j terme de la transform´e de Fourier discr`te multipli´ par − An . l’expression (3. un tel algorithme fournit trop d’information ´tant donn´ que e e les harmoniques sup´rieures sont simplement ignor´es. nous avons e a .3. d’une part ` l’isomorphisme (not´ ∼ des nombres complexes a e =) ∼ a b T .8 + ˆ b e a b jˆ2.17) devient e (y0 − y4 ) − j(y2 − y6 ) + [(y1 − y5 ) − j(y3 − y7 )]e−j 4 . c. (3.17) Le nombre de multiplications est ainsi r´duit d’un facteur de deux.17 10−3 . La formule (3. π (3. (3.15). ` partir de (3.14) (n = 8) ` partir desquel N = A (ˆ1. nous pouvons regrouper des termes de telle sorte que le membre de droite de (3. la matrice de rotation correspondant ` e−j n ne peut pas se e e a mettre sous une forme aussi ´l´gante qu’en (3. mais la premi`re partie des ee e simplifications est applicable.13) et (3.8 et ˆ1. Notons que e e e cette transform´e peut ˆtre obtenue par un algorithme de transformation de e e Fourier rapide en choisissant un nombre de points d’´chantillonnage ´gal ` e e a une puissance enti`re de 2. e a Cependant. En utilisant e π le sym´trie d’un quart de tour (−j = e−j 2 ).-`-d.16) s’´crit e (y0 − y4 ) + (y1 − y5 )e−j 4 + (y2 − y6 )e−j 2 + (y3 − y7 )e−j π π 3π 4 . Il est n´anmoins pose e e sible de r´duire substantiellement le nombre de multiplications apparaise sant dans (3.16) En utilisant le fait que pour chaque point complexe e−jα . il existe un point complexe e−jα−jπ de signe contraire.8 ) ´tait directement exprimable. il est ´galement possible d’estimer e e √ 2 5 ≈ 2 7 avec une erreur de 7.13) et (3. Le concept est d’abord pr´sent´ en consid´rant le cas particulier d’un e e e ´chantillonnage de 8 = 23 points.

Mis ` part le gain en nombre d’op´rations. . . Nous reportons. . Certains situ´s loin les uns des autres se regroupent en e k classe d’´quivalence selon leur apparition devant la fonction de base sin(2π n ) e k n ou cos(2π n ). car ils s’obtiennent ais´ment ` partir de la saturation. . . les r´sultats associ´s ` la saturation. pour commencer. en tant que tel.42 3 M´thode du premier harmonique e 2j ˆ N =− An = 2 An n/2−1 k=0 (yk − yk+ n )e−j2π n 2 k n/4−1 k=0 k (yk − yk+ n + y n −k − yn−k ) sin(2π ) 2 2 n k (yk − yk+ n − y n −k + yn−k ) cos(2π ). e e a par sommation entre une saturation et un gain dont les signes et les valeurs sont convenablement choisis. toutes les non-lin´arit´s de cette section sont e e exprimables. ne peut pas ˆtre r´duit d’avantage en utilisant e e les sym´tries du cercle unit´ qui conservent l’axe des ordonn´es et l’axe des e e e abscisses. 3. 4 − 1. par e e a soucis de compl´tude. e De plus. k = 0. Cependant le nombre de 2 2 multiplications. . Il suffit de recourir aux deux propri´t´s cos(α) = sin( π − α) 4 2 et sin(α) = cos( π − α) valables pour 0 > α > π . le r´sultat pr´c´dent montre a e e e e que les ´chantillons sont redondants en ce qui concerne leur impact sur le e prermier harmonique. En effet. .3 Non-lin´arit´s communes e e Dans cette section. le nombre d’´valuations des sinus et consinus peut encore ˆtre e e k k diminu´ de moiti´ afin d’utiliser uniquement sin(2π n ) et cos(2π n ) pour k = e e ee 1. 2 2 n 2j − An n/4−1 k=0 et le nombre de multiplications est r´duit d’un facteur quatre. . nous pr´sentons les r´sultats du calcul analytique de e e quatres non-lin´arit´s communes. Ces r´sultats sont pr´sent´s sous forme e e e e e condens´e. n − 1. e .

Gain ´quivalent purement r´el de la saturation. l’actionneur ne peut que fournir le maximum possible (u(t) = ka) et il n’y a plus de proportionnalit´ entre la grandeur d´sir´e et la sortie effective. . c. 3. Il diminue en fonction de e e l’amplitude. a = 1 5 10 15 20 25 30 A a Fig.-`a e e a d.3 Non-lin´arit´s communes e e 43 3.5 1 0. e e e Symbole et fonction φ ˆ φ(u(t)) =   Gain ´quivalent N (A) e  k ka ku(t)  −ka u(t) > a −a ≤ u(t) ≤ a u(t) < −a (3. Par contre.7. y(t) = ku(t).1 Saturation La saturation correspond ` une mod´lisation de la limitation de beaucoup a e d’actionneur. Tant que l’actionneur op`re dans sa plage de fonctionnement.20) N (A) = Graphique  2k arcsin π a A + a A 1− a2 A2 A≤a A>a 2 1. e sa sortie y(t) est proportionnelle ` la valeur d´sir´e de sa sortie u(t). si la valeur d´sir´e est irr´alisable (u(t) > a par e e e exemple).3.5 k = 2.3.

5 1 0. e ˇ ˆ saturation donne la zone morte.5 k = 2. il suffit de remarquer que e celle-ci peut se fabriquer tr`s facilement ` partir d’une saturation. 3.2 Zone morte La zone morte correspond ` la perte de transmission entre la grandeur a d’entr´e u(t) et celle de la sortie y(t) pour des valeurs proches de z´ro. Il augmente en fonction e e de l’amplitude. Ainsi. D`s que la grandeur d’entr´e d´passe ce seuil. e Graphique 1. en e a ˆ posant a = δ et en d´signant la fonction de la saturation par φ et celle de la e ˇ un montage sommateur entre un gain k et l’oppos´ d’une zone morte par φ. il est facile de construire une saturation ` partir d’une e a ˆ ˇ zone morte.44 3 M´thode du premier harmonique e 3. la sortie correspond e e e a ` la diff´rence entre l’entr´e et le seuil multipli´ par un gain k. . e e tant que la grandeur d´sir´e n’a pas atteint un seuil δ. En effet. Gain ´quivalent purement r´el de la zone morte.3. la saturation s’exprime comme φ = k − φ.8. e e e Symbole et fonction φ La fonction φ correspondant ` la zone morte est not´e φ : a e ˇ   k(u(t) − δ) ˇ 0 φ(u(t)) =  −k(u(t) + δ) u(t) > δ −δ ≤ u(t) ≤ δ u(t) < −δ (3.21) Gain ´quivalent e Pour obtenir le gain ´quivalent de la zone morte. car une fois pos´ δ = a. autrement dit φ = k − φ. et ainsi  A≤δ 0 N (A) = 2k π δ2 δ δ  π 2 − arcsin( A ) − A 1 − A2 A > δ R´ciproquement. δ = 1 2 4 6 8 10 12 14 A Fig. la grandeur de sortie y(t) e e est nulle.

arcsin(x) = 1/x+o(x)) a N (A) = 3. u(t)). Ce dernier commence alors ` tourner dans le sens contraire. le seond engrenage commence ` tourner et il tourne alors d’un a angle correspondant ` celui du premier. Lorsque le mouvement est invers´. e   +M ¯ 0 φ(u(t)) =  −M Gain ´quivalent N (A) e ¯ Pour calculer le gain ´quivalent. Ainsi a a ˆ ¯ . et en peut ˆtre exprimer ` partir de celle la saturation φ.3. il a e est n´cessaire au premier engrenage de parcourir un diff´rence d’angle de 2δ e e dans le sens inverse sans qu’il y ait d’effet sur le second engrenage.3 Non-lin´arit´s communes e e 45 3. e Symbole et fonction φ ¯ Nous noterons la fonction φ associ´e au relais par φ. il suffit de remarquer que la fonction φ e ˆ en posant k = a . Elle prend la valeur contraire pour des valeurs n´gatives de e l’entr´e. k = a→0 M et donc en utilisant le fait que sin(x) = x+o(x) (c. durant un angle de δ. la sortie du relais prend la e valeur fixe +M .-`-d.3.3 Relais Le relais correspond ` la commutation tout ou rien en fonction du signe a de la valeur d’entr´e. φ(u(t)) = lim φ(a. e e e Lorsqu’un premier engrenage commence ` tourner. Un fois cet angle parcouru.22) . a il n’y a pas d’effet sur la rotation du second engrenage. e a M passant ` la limite lima→0 . a 4M πA u(t) > 0 u(t) = 0 u(t) < 0 (3.4 Hyst´r`se e e L’hyst´r`se peut mod´liser une transmission comportant deux engrenages. Lorsque celle-ci est positive.3.

En outre. et e e e e ˇ continue par morceaux. Le trait en solide repr´sente une non-lin´arit´ statique sym´trique. e e e e a Nous allons montrer comment. . φm = φ(um ). . < um . . elle peut ´galement fabriquer un ensemble tr`s grand de non-lin´arit´s statiques. Elle est ´gale ` la somme des quatres zones mortes φ1 . avec φi ∈ R. La non-lin´arit´ peut donc s’exprimer comme une combinaison de e e e ˆ saturations φi avec des param`tres ai et ki judicieusements choisis. .46 3 M´thode du premier harmonique e a1 = N (A) = 2b Ak  π − arcsin −1 b1 = π 2 A 1 A a2 + b 2 1 1 a1 b1 4kb b ( − 1) π  A − 2b −1 A 1− 2b −1 A 2   arg(N (A)) = arctan 3. .5 Non-lin´arit´s sym´triques. 3.9 illustre le principe. avec δ1 < δ2 < δ3 < δ4 . Les zones mortes sont repr´sent´es en e e traits hachur´s. . . . . les valeurs de u pour lesquelles φ vaut φ1 = φ(u1 ). e Comme la non-lin´arit´ est sym´trique.-`-d. il est possible de constituer n’importe quelle non-lin´arit´ e e statique sym´trique constante par morceaux. Soit e e u1 < u2 < u3 < .3. m. La figure 3. . e a ˇ ˇ ˇ φ2 . φ2 = φ(u2 ). φ3 . comme nous allons le voir dans cette section. i = 1. φ(u) ˇ φ4 40 20 ˇ φ2 0 -20 ˇ φ1 ˇ φ3 -40 -10 10 u Fig. en utilisant des sommes et des multiplications par des gains a constants). continues par morceaux e e e Nous avons vu que la saturation permet de synth´tiser une zone morte et e un relais. ` partir de zones mortes (et donc ` l’aide a de saturations).9. par simple principe de supere position (c. il suffit de consid´rer le cas u ≥ 0.. et φ4 . e e e e φ est alors d´termin´ par des valeurs en un nombre fini m de points.

δi ). Pour qu’un cycle limite puisse se maintenir dans un tel arrangement. .4 Syst`me en r´troaction e e Jusqu’` pr´sent. nous pouvons exprimer φ ` l’aide de φi (ki . nous n’avons pas consid´r´ le syst`me en boucle ferm´e. . m et de constater que les zones mortes i. i + 1. 3. La boucle est ferm´e en for¸ant e ea e c u(t) = −z(t) . Pour e e a trouver ces expressions. . . δi ). .25) z(t) = 0 y(τ )g(t − τ )dτ u(t) = −z(t). le gain ´quivalent de la fonction φ s’´crit alors par superposition des gains e e ´quivalents des zones mortes respectives e 2 N (A) = π m i=1 ki ǫ(A − δi ) π δi δi − arcsin( ) − 2 A A 1− 2 δi A2 . o` ǫ(. i = 1.3.) d´signe la fonction (de R dans R) x → ǫ(x) qui vaut +1 lorsque x > 0 u e et 0 sinon. .10. Les gains ki s’expriment donc inductivement par ki = φ(ui+1 ) − φ(ui ) − i−1 l=1 l n=1 kn ul ui+1 − ui m Comme ` travers cette construction a φ= i=1 ˇ φ(ki .4 Syst`me en r´troaction e e 47 ˇ Ceci ´tant donn´..23) (3. e Ceci est repr´sent´ ` la figure 3. m n’influencent pas le comportement pour u ∈ [0. ui [. . a e e e e e Le but essentiel de la m´thode du premier harmonique est de d´terminer e e une estimation des param`tres d’un syst`me oscillant (p´riode et amplitude) e e e lorsque ce dernier oscille ` cause d’une r´troaction du signal de sortie sur son a e entr´e. . il suffit de fixer δi = u i .24) (3. il faut que les signaux respectent les ´quations e y(t) = φ(u(t)) t (3.

) repr´sente la r´ponse impulsionnelle de G(s).) solution de a e l’´quation int´grale non-lin´aire e e e T z(t) = 0 φ(−z(τ ))g(t − τ )dτ (3.26) e Evidemment. 3. Le syst`me en boucle ferm´e est approxim´ par le sch´ma ci-dessus.29) . La boucle de r´troaction est ferm´e par le signal de sortie de telle sorte e e que u(t) = −z(t). e e ee e La non-lin´arit´ se borne ` modifier le gain en fonction de l’amplitude A e e a et ´ventuellement de la pulsation ω.11. e Par cons´quent.48 3 M´thode du premier harmonique e u − N. un cycle limite existe lorsque les signaux respectent les e conditions fr´quentielles e Y (jω) = N (A. Cependant. e ea u − N (A. o` e e e e u la non-lin´arit´ statique φ est consid´r´e comme un gain ´quivalent N (A.30) (3. 3.27) (3. ω)U (jω) Z(jω) = G(jω)Y (jω) U (jω) = −Z(jω). ω).11.L. la caract´ristique e e passe-bas de G(s) permet d’approximer la solution en rempla¸ant la fonction c non-lin´aire φ par le gain ´quivalent N (A. u e e Ceci correspond ` d´terminer la nature du point fixe z(.10. ω) y G(s) z Fig. ω)Z(jω) (3. Ces trois conditions conduisent ` une ´quation unique pour Z(jω) : a e Z(jω) = −G(jω)N (A. trouver une solution ` cette ´quation sur toute la dur´e a e [0. y G(s) z Fig. o` g(. ω). e e Ceci est repr´sent´ ` la figure 3.28) (3. T ] donne une solution exacte du probl`me.

Repr´sentation de la r´ponse harmonique et du gain ´quivalent dans e e e le plan complexe (diagramme de Nyquist).4 Syst`me en r´troaction e e 49 Cette ´quation (3. ou aucune solution ` cette a ´quation. nous utilisons le diae e gramme de Nyquist. ω. (3.31).26). Le point de croisement y est ´galament e repr´sent´. ω). selon le crit`re du premier harmonique. plusieurs solutions. une estimation possible de e l’amplitude A et de la pulsation ω du cycle limite ´ventuel correspond aux e solutions de l’´quation e 1 = −G(jω)N (A. Pour obtenir une repr´sentation correspondant ` la r´ponse harmonique e a e G(jω). la partie e e complexe. Une simplification analogue est impossible dans l’´quation exacte (3. Cette e e e courbe est orient´e dans le sens des pulsations croissantes.1 Repr´sentation graphique e Pour repr´senter les solutions de l’´quation (3.30). Le cycle limite aura les param`tres A et ω donn´ par ce point de croisee e e e ment. e e e 3. 3. Le fait de consid´rer uniquement le premier harmonique permet de e factoriser Z(jω) de telle sorte que ce facteur se simplifie dans (3. la pulsation ω est augment´e de mani`re continue afin qu’une courbe e e associ´e aux nombres complexes G(jω) soit repr´sent´e dans ce plan.3. e Ainsi. Im G(jω) Re 1 − N(A) Fig.12.4. Il s’agit de repr´senter un nombre complexe correspone dant ` une r´ponse harmonique (ou au gain ´quivalent) dans un plan o` l’axe a e e u horizontal repr´sente la partie r´elle de ce nombre et l’axe vertical. e .26). Une solution est repr´sent´e par un couple A.30) correspond ` une approximation de l’´quation int´grale e a e e (3.31) Il peut exister une solution.

50

3 M´thode du premier harmonique e

Nous pouvons ´galement repr´senter une courbe associ´e au gain ´quivalent e e e e N (A). Dans ce cas, l’amplitude A (et non la pulsation) est graduellement et continument augment´e de telle sorte que les points complexes −1/N (A) e d´crivent une courbe dans le plan. Elle est ´galement orient´e dans le sens e e e croissant des amplitudes. Un exemple de diagramme de Nyquist comprenant G(jω) et −1/N (A) est donn´ ` la figure 3.12. ea Lorsque le gain ´quivalent d´pend ` la fois de l’amplitude et de la pulsation e e a (c.-`-d. N (A, ω)), il est n´cessaire de discr´tiser la pulsation en un ensemble a e e fini de valeurs ω1 , ω2 , . . ., ωp . Ensuite, chaque gain ´quivalent N (A, ωi ), i = e 1, . . . , p est consid´r´ comme un gain d´pendant de l’amplitude et il est trait´ e e e e comme pr´c´demment. En cons´quence, un ensemble de p courbes distinctes e e e est obtenue o` chaque courbe est un lieu de points complexes −1/N (A, ωi ), u i = 1, . . . , p param´tr´ par l’amplitude A. e e Un cycle limite potentiel, solution de (3.31), correspond a un point d’in` tersection entre la r´ponse harmonique G(jω) et une des courbes repr´sent´es e e e par −1/N (A) ou −1/N (A, ωi ). 3.4.2 Double int´grateur et oscillateurs lin´aires e e Les consid´rations de la section pr´c´dente prennent une caract´risation e e e e pr´cise lorsque le gain N est un simple nombre r´el. e e En partant d’un double int´grateur e G(s) = 1 , s2

et en effectuant une contre-r´action n´gative avec un gain unit´ e e e N = 1, on se place dans une configuration particuli`re du diagramme 3.11. Comme le e syst`me est lin´aire, la boucle ferm´e correspond ` une fonction de transfert e e e a ¯ G(s) = N G(s)/(1 + N G(s)), 1 +1 et on constate que le syst`me oscille car ses deux pˆles valent s1 = +j et e o s2 = −j. ¯ G(s) = s2 Remarque 3.1. Les consid´rations pr´c´dentes admettent une interpr´tation e e e e physique en consid´rant la sortie z(t) du double int´grateur G(s) comme une e e position. Son entr´e est alors une acc´l´ration. Le sch´ma de la figure 3.11 e ee e c.-`-d. a

3.4 Syst`me en r´troaction e e

51

signifie qu’une acc´l´ration proportionnelle, mais de signe contraire ` la posiee a tion de sortie, est appliqu´e. Le syst`me se comporte donc comme une masse e e unitaire soumise ` une force ´lastique de constante ´gale ` l’unit´, et nous a e e a e retrouvons l’oscillateur du chapitre pr´c´dent sous un angle nouveau. Comme e e nous l’avons vu, l’amplitude de l’oscillation est fonction des conditions initiales. C’est l` une propri´t´ universelle des oscillateurs lin´aires. a ee e L’information nouvelle est la possibilit´ de repr´senter l’apparition de l’ose e cillation par une particularit´ du diagramme de Nyquist. En reportant la e 1 courbe G(jω) = − ω2 dans ce diagramme, nous constatons que cette courbe coupe le point −1 exactement ` la pulsation d’oscillation ω = 1. a En modifiant le gain N nous obtenons une autre fonction √ transfert de N/(s2 + N ) dont les deux pˆles sont purement imaginaires ±j N . L’oscilo lateur change de fr´quence. A nouveau, le diagramme de Nyquist donne une e a int´rpr´tation similaire, puisque N G(jω) coupe ` nouveau le point −1 exace e √ tement ` la pulsation ω = N , ou autrement dit lorsque G(jω) intersecte le a point −1/N (Figure 3.13).
Im

ω Re

G(jω)

1 −N

−1

Fig. 3.13. Digramme de Nyquist d’un double int´grateur G(s) = s1 . Le lieu e 2 1 G(jω) = − ω2 intersecte tous les points sur l’axe r´el n´gatif. Par cons´quent, chaque e e e 1 a e point d’intersection − N correspond ` un gain N d’une contre-r´action permettant de √ forcer une oscillation ` la pulsation ω = N . Lorsque N = 1, l’oscillateur correspond a au syst`me masse ressort unitaire du chapitre pr´c´dent. e e e

Ainsi, puisque tout syst`me lin´aire oscillant poss`de des pˆle imaginaires e e e o complexes conjugu´s, ces pˆles annulent le d´nominateur de la fonction de e o e transfert en boucle ferm´e, conduisant naturellement ` ce que la r´ponse hare a e monique en boucle ouverte N G(jω) passe par le point −1. Notons que dans le cas lin´aire (N constant par exemple), une cae ract´ristique passe-bas de la fonction de transfert n’est absolument pas e e e n´cessaire pour l’existence d’une paire de pˆles complexes conjugu´s d´terminant e o la possibilit´ d’avoir une oscillation ` la pulsation correspondante. e a

52

3 M´thode du premier harmonique e

N´anmoins, une difficult´ provient de la garantie d’existence de l’oscillation e e qui ne peut ˆtre d´termin´e qu’en consid´rant les pˆles et z´ros suppl´mentaire e e e e o e e aux paires de pˆles complexes conjugu´s solutions de l’´quation o e e 1 + N G(jω) = 0. 3.4.3 Th´or`me de Nyquist e e Le diagramme de Nyquist correspond ` effectuer une transformation a conforme entre le plan de repr´sentation des pˆle et z´ros du syst`me en boucle e o e e ferm´e vers un nouveau plan o` tous les pˆles en questions sont envoy´s au e u o e point unique −1. Pour d´finir cette transformation conforme, on prend l’axe imaginaire ±jω e en ´vitant soigneusement tous les pˆles et zeros sur cet axe en effectuant un e o arc de demi-cercle situ´ dans le demi-plan droit et de rayon infiniment faible, e chaque fois qu’un pˆle ou z´ro est rencontr´. On utilise alors l’application des o e e nombres complexes a + jb → G(a + jb) (avec a, b ∈ R) qui transforme l’axe imaginaire jω du premier plan en une courbe G(jω) dans le second plan. En rejoignant par une courbe situ´e dans le demi-plan droit du plan de e d´part, une valeur imaginaire pure choisie arbitrairement et se trouvant sur la e partie positive de l’axe imaginaire vers celle de signe contraire situ´e sur l’axe e imaginaire n´gatif, une courbe de Jordan est obtenue englobant une partie e 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 d´croissantes pour le demi-axe imaginaire e pur n´gatif), la partie en question est toujours laiss´e a droite de la courbe. En e e ` augmentant d’avantage 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 l’axe imaginaire choisis, une grande partie du demi-plan droit du plan complexe est englob´e. En continuant le processus, il e est possible de consid´r´rer l’ensemble de l’axe imaginaire en tant que tel et e e d’imaginer que l’extr´mit´ infinie positive de celui-ci est referm´e ` l’infini vers e e e a la partie imaginaire infinie n´gative par une courbe de Jordan de module infini. e La totalit´ du demi-plan droit est ainsi syst`matiquement laiss´e sur la droite e e e de la courbe de Jordan de d´part. Ce demi-plan droit est alors transform´ par e e l’application susmentionn´e a + jb → G(a + jb) en la partie du plan complexe e laiss´e ` droite par la courbe G(jω) dans le plan d’arriv´e. e a e Ces consid´rations sont illustr´es aux figures 3.14 et 3.15, pour la fonction e e s−1 e en boucle ouverte G(s) = s3 +2s2 +3s+9 , et avec un gain unit´ N = 1. La fonction de transfert en boucle ferm´e poss`de une paire de pˆles complexes e e o conjugu´s (±2j) ainsi qu’un pˆle r´el n´gatif (−2), tous trois sont envoy´s au e o e e e point −1 par la transformation a + jb → G(a + jb). La transformation de l’axe imaginaire (en vert) est ´galement illustr´e. e e

3.4 Syst`me en r´troaction e e

53

a + jb → G(a + jb)

−1

Fig. 3.14. La fonction de transfert en boucle ferm´e 1/(1+G) = (s−1)/(s3 +2s2 + e 4s + 8) correspond ` la fonction de tranfert en boucle ouverte G(s) = (s − 1)/(s3 + a 2s2 + 3s + 9). A gauche, les pˆles et z´ro de la boucle ferm´e sont repr´sent´s. A o e e e e droite, le plan de Nyquist et l’image de l’axe imaginaire du plan de gauche est trac´. e Les trois pˆles (une paire complexe conjugu´e et un pˆle r´el n´gatif) du plan de o e o e e gauche sont tous envoy´ au point −1 du plan de droite. e

Deux courbes de Jordan d´limit´es par des demi-arcs de cercle ainsi que e e leurs images respectives sont repr´sent´es ` la figure 3.15. e e a Le demi-disque du plan droit limit´ par un rayon tr`s l´g`rement (i.e. e e e e infinit´siment) inf´rieur ` deux est enti`rement transform´ dans une tr`s e e a e e e grande r´gion du plan droit. L’application est clairement surjective, car cere tains points situ´s dans le demi-anneau de rayon 1.8 < r < 2 et ceux situ´s e e dans le demi-anneau de rayon 2 < r < 3 sont envoy´s vers des points idene tiques. Cette surjectivit´ provient du fait que le degr´ du d´nominateur est e e e sup´rieur ` un, de telle sorte qu’il poss`de plus qu’un seul pˆle, impliquant que e a e o le point −1 de l’image poss`de ´galement plusieurs points sources (les pˆles e e o en question). Par continuit´, il existe donc des points diff´rents de −1 du e e plan image auxquels correspondent plusieurs points distincts du plan source, c.-`-d. G(s1 ) = G(s2 ) = −1, s1 = s2 avec s1 , s2 ∈ C. a On remarque ´galement que le recouvrement se produit essentiellement e lorsque les pˆles complexes conjugu´s, imaginaires purs, et responsables de o e l’oscillation, sont rencontr´s. De plus, il y a une extrˆme sensibilit´ entre les e e e points de d´part situ´s autour de ces pˆles et les points d’arriv´e. (Un petit e e o e d´placement des points dans le plan source implique un grand d´placement e e de leurs images.) Une simulation du syst`me pr´c´dent confirme qu’il oscille bien ` la pule e e a sation ω = 2. Cette oscillation est stable au sens o` , bien qu’il y ait pr´sence u e d’un r´gime transitoire conditionn´ par la pr´sence du pˆle r´el −2, il dise e e o e paraˆ rapidement pour laisser place ` l’oscillation. Tout comme dans le cas ıt a

54

3 M´thode du premier harmonique e
1

1.8

2

3 3

0

1.8

0

-2
-1

-2

0

2

-1

-0.5

0

0.5

Fig. 3.15. Illustration des courbes de Jordan lorsque les courbes rejoignants les deux points de l’axe imaginaire sont des demi-cercles de rayon 1.8 et 3. Le syst`me e est identique ` celui de la figure 3.14. Lorsque le rayon d´passe la valeur 2, plus ce a e rayon est grand, plus petite est la courbe image dans le diagramme de Nyquist.

du double int´grateur en r´troaction, l’amplitude de l’oscillation est fonction e e des conditions initiales. Cependant, une diff´rence essentielle existe entre le double int´grateur et e e le syst`me G(s) que l’on vient de pr´senter. Dans ce dernier cas, lorsque le e e e gain de contre-r´action N change, la r´ponse harmonique ne peut plus couper e le point −1/N , contrairement au cas du double int´grateur. Par cons´quent, e e la paire de pˆles complexes conjugu´s, imaginaires purs, disparaˆ o e ıt. Nous pouvons n´anmoins pr´dire o` doivent se trouver les deux pˆles mane e u o quants lorsque le gain augmente ou diminue, en utilisant ` la fois la propri´t´ a ee de s´paration de l’axe imaginaire (s´parant le plan complexe initial en deux), e e et la nature de la transformation utilis´e (` savoir conforme). e a Sans perte de g´n´ralit´, consid´rons une diminution du gain, disons N = e e e e 0.9. Le point −1/N = −10/9 se d´place alors sur la gauche du point −1 du e diagramme de droite de la figure 3.14. Ceci signifie que, lorsqu’on se d´place e 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 cons´quence, les pˆles e o associ´s ` ce point doivent se situer ´galement sur la droite de la courbe verte e a e solide du diagramme de gauche de la figure 3.14. C’est la raison pour laquelle les pˆles correspondants appartiennent au demi-plan droit du diagramme de o gauche et poss`dent des parties r´elles positives. Le signal de sortie est instable e e et l’oscillation d’amplitude constante ne se maintient pas. L’amplitude explose. A l’inverse, lorsque le gain est augment´, les pˆles du diagramme de gauche e o se d´place sur la gauche, le signal de sortie est asymptotiquement stable, (il e tend vers z´ros quels que soient les conditions intiales, lorsque le temps tend e vers l’infini), et l’oscillation d’amplitude constante ne se maintient pas. Elle s’´vanouit progressivement. e

3.4 Syst`me en r´troaction e e

55

Ceci est confirm´ en simulation en prenant N = 0.9 et N = 1.1 dont les e r´sultats sont donn´s ` la figure 3.16. e e a

Resultats 4 4

Resultats

2

2

0

0

-2

-2

-4 0 20 40

-4 0 20 40

Fig. 3.16. Illustration de l’effet de la modification du gain dans le cas du syst`me e G(s) des figures 3.14 et 3.15. A gauche, le gain est diminu´ ` N = 0.9, l’oscillation ea s’amplifie. A droite, le gain est augment´ ` N = 1.1, et l’oscillation s’´vanouit. ea e

Par cons´quent, la condition de stabilit´ (absence de pˆles ` partie r´elle e e o a e positive) est profond´ment li´e ` la mani`re dont le point −1 est laiss´ ` e e a e e a droite ou ` gauche de l’image de l’axe imaginaire par la fonction de transfert a N G(s). Pour ˆtre plus pr´cis, la stabilit´ d´pend de la fa¸on dont la r´ponse e e e e c e harmonique G(jω) entoure le point −1/N . La conclusion suit une application directe du crit`re de l’argument de e Cauchy appliqu´ ` la courbe de Jordan particuli`re. ea e Th´or`me des r´sidus et principe de l’argument de Cauchy e e e e Le principe de l’argument de Cauchy stipule que la somme des r´sidus associ´s ` des singularit´s de la transformation ´quivaut aux nombre de tours e a e e que la courbe doit parcourir autour de l’image de la singularit´. e C’est un corolaire du th´or`me des r´sidus que nous donnons ci-apr`s. e e e e Le corolaire en question suit pour finalement pr´senter le r´sultat qui nous e e int´resse. e Pour commencer nous donnons la d´finition exacte d’un r´sidu. Elle se e e fonde sur un d´veloppement en s´rie de la fonction analytique f (z). e e D´finition 3.2. Soit f (z) une fonction complexe que nous exprimons f (z) = e ∞ k −∞ Ck (z − z0 ) dans un voisinage de z0 en excluant z0 . Le nombre C−1 est appel´ le r´sidu de f au point z0 . Nous notons e e Res (f ; z0 ) = C−1

56

3 M´thode du premier harmonique e

Nous donnons ´galement la d´finition du nombre d’entourement : e e D´finition 3.3. Soit γ une courbe ferm´e et a un point qui n’appartient pas e e a cette courbe (a ∈ γ). Alors ` n(γ; a) = est le nombre d’entourement. Pour illustrer cette derni`re d´finition, lorsque γ est un cercle, n(γ; z) = 1, e e si a est ` l’int´rieur du cercle et lorsque a est ` l’ext´rieur, n(γ; z) = 0. a e a e Le th´or`me des r´sidus de Cauchy s’´nonce alors e e e e Th´or`me 3.4. Supposons f analytique dans un domaine simplement connexe, e e si ce n’est pour un ensemble fini isol´s de singularit´s z1 , z2 , . . . , zm . Soit γ e e une courbe ferm´e qui ne passe par aucune des singularit´s. Alors e e
m

1 2πj

γ

dz z−a

f = 2πj
γ k=1

n(γ; zk )Res (f ; zk ).

ℑ E(s)
O X X X O X O X X P=6 Z=3

N = -3

Fig. 3.17. Illustration du th´or`me des r´sidus dans le cas particulier o` f est une e e e u fraction rationnelle E(s). A gauche, le plan s est repr´sent´ avec les z´ros repr´sent´s e e e e e par O et au nombre de Z = 3, ainsi que les pˆles repr´sent´s par X, et au nombre o e e de P = 6. Une courbe de Jordan quelconque dans le sens des aiguilles d’une montre est choisie. Le th´or`me des r´sidues indique que le nombre d’encerclements N de e e e l’orgine, effectu´ par l’image de la courbe de Jordan par l’application E(s), est ´gal e e ` N = Z − P = −3. La courbe encercle bien trois fois l’origine dans le sens contraire a du sens de la courbe initiale.

En somme, lorsque une courbe ferm´e est parcourue, seules les singularit´s e e contribuent au nombre d’entourement de la courbe, Chaque contribution des

3.4 Syst`me en r´troaction e e

57

singularit´s est proportionnelle ` leur r´sidu et ` leur nombre d’entourement e a e a propre. Les singularit´s se somment en quelque sorte. e On comprend donc que lorsque une courbe est transform´e en une autre, e conservant les singularit´s avant et apr`s transformation, c.-`-d. sans modifier e e a ni le r´sidu ni le nombre d’entourement correspondant, le nombre d’entouree ment global doit demeurer identique. Crit`re de Nyquist e En appliquant le th´or`me des r´sidus ` la courbe de Jordan particuli`re e e e a e correspondant ` prendre l”axe imaginaire (tout en ´vitant les pˆles et z´ros se a e o e situant sur l’axe imaginaire en effectuant un ´cart infinit´simal) et d’inclure e e tout le demi plan droite du plan complexe en refermant la courbe ` l’infini, a on aboutit au crit`re de Nyquist g´n´ralis´. e e e e En effet, en prenant pour E(s) l’expression 1 + G(s)H(s) on obtient le th´or`me suivant : e e Th´or`me 3.5. 1. On prend l’axe imaginaire du plan s, c.-`-d. jω, ω ∈ e e a [−∞; ∞]. 2. On prend son image par G(s)H(s) 3. N = nbr de fois que G(jω)H(jω) encercle −1 (sens trig. −).

4. P = nbr de pˆles de G(s)H(s) instables (≡ pˆles instables de 1+G(s)H(s)) o o Z = N + P = nbr de pˆles inst. de la boucle ferm´e (z´ros inst. de o e e 1 + G(s)H(s)) Remarquons que les pˆle de 1 + G(s)H(s) sont ´galement les pˆles de la o e o boucle ouverte G(s)H(s) (la sommation de 1 ne change pas la stabilit´ de e 1 + G(s)H(s)). De plus, consid´rer que l’image de la courbe de Jordan par e 1 + G(s)H(s) encercle l’origine est identique ` tester le nombre de fois que a l’image de cette courbe par G(s)H(s) encercle le point −1. Le pr´c´dent th´or`me peut ˆtre l´g`rement modifi´ pour tenir compte du e e e e e e e e gain N suppl´mentaire : e Th´or`me 3.6. 1. On prend l’axe imaginaire du plan s, c.-`-d. jω, ω ∈ e e a [−∞; ∞]. 2. On prend son image par G(s)H(s) 3. N = nbr de fois que G(jω)H(jω) encercle −1/K (sens trig. −) 4. P = nbr de pˆles instables de la boucle ouverte o Z = N + P = nbr de pˆles instables de la boucle ferm´e o e

58

3 M´thode du premier harmonique e

3.5 Crit`re de stabilit´ e e
Dans le cas d’une contre-r´action lin´aire, il n’est pas possible de maine e tenir une oscillation avec la mˆme fr´quence d’oscillation lorsque le gain est e e augment´ ou diminu´. Pour une majeure partie des cas (sauf pour le double e e int´grateur, par exemple), l’oscillation ` tendance a imm´diatement s’´vanouir e a e e ou ` s’amplifier. De plus, mˆme lorsque l’oscillation se maitient parfaitement, a e il est tr`s difficile de garantir une amplitude bien d´finie, ´tant donn´ que e e e e cette derni`re d´pend des conditions initiales qui ne sont pas maˆ e e ıtrisables. Cependant, lors de l’ajout d’une non-lin´arit´, l’oscillation peut se maine e tenir ` une amplitude bien d´finie. Ceci est illustr´ en rempla¸ant le gain a e e c constant dans l’exemple des figures 3.14 et 3.15 par un ´l´ment non-lin´aire. ee e L’id´e est de garantir l’intersection avec le lieu du gain ´quivalent mˆme e e e lorsque le gain statique de G(s) est modifi´. Ainsi, le crit`re d’existence d’un e e cycle limite est satisfait. Nous prendrons deux types de non-lin´arit´s, i) la saturation et ii) la zone e e morte. Toutes deux permettent de constituer un lieu pour lequel l’intersection avec la r´ponse harmonique G(jω) existe. e Remarque 3.7. Les deux figures 3.18 et 3.19 correspondent ` des syst`mes a e n’ayant pas de z´ros instables. Ainsi le crit`re de Nyquist simplifi´ s’applique. e e e La stabilit´ est donn´e lorsque la r´ponse harmonique laisse le point de stae e e bilit´ ` gauche. L’instabilit´ a lieu lorsque ce dernier est laiss´ ` droite. ea e ea 3.5.1 Cycle limite stable La pr´vision d’un cycle limite stable a lieue lorsque le gain ´quivalent, e e param´tr´ par l’amplitue A, croise la r´ponse harmonique, param´tr´e par e e e e e ω, selon la figure 3.18. Pour s’en convaincre, il suffit de consid´rer le point e de croisement, apr`s une l´g`re perturbation, comme un point de stabilit´. e e e e La perturbation est effectu´e en augmentant ou diminuant l’amplitude A. e La figure 3.18 repr´sente le cas o` l’amplitude est augment´e. Le point de e u e croisement est alors d´plac´ sur la gauche. Lorsque la r´ponse harmonique est e e e parcourue dans le sens des pulsations croissantes, elle laisse ce point ´galement e sur la gauche. Ainsi, lorsque ce point est consid´r´ comme un point de stae e bilit´, la r´ponse harmonique d´crit une situation stable. Le syst`me aura e e e e donc tendance ` diminuer l’amplitude par la pr´sence de cette stabilit´. Par a e e cons´quent, le point hypoth´tique aura tendance ` revenir vers le point de e e a croisement. De mani`re similaire, l’attraction du point de croisement est d´duit en e e consid´rant une diminution de l’amplitude. Le point de croisement est alors e d´plac´ sur la droite, de telle sorte qu’il correspond ` un point instable par rape e a port ` la r´ponse harmonique. L’amplitude aura donc tendance ` s’accroˆ a e a ıtre

La fonction de transfert G(s) admet la r´alisation en repr´sentation d’´tat e e e suivante x1 = x2 ˙ x2 = x3 ˙ x3 = −2x3 − 3x2 − 9x1 + u ˙ y = x2 − x1 . param´tr´ par l’amplitude A. 3. croise la r´ponse harmonique.1. apr`s augmentation e e e u de l’amplitude par perturbation. ω A 1 −K Fig. Ceci e refl`te une tendance ` ce que l’amplitude augmente d’avantage. le point de stabilit´ devient instable. Le cycle ne e a peut donc pas se maintenir. Le point de croisement a e est donc bien stable dans ce cas de figure.2 Cycle limite instable La pr´vision d’un cycle limite instable a lieu lorsque le croisement entre le e gain ´quivalent.15. Afin d’illustrer les consid´rations ci-dessus. selon la figure 3. le comportement r´sulte de l’interpr´tation apr`s e e e e e une l´g`re perturbation.5 Crit`re de stabilit´ e e 59 lorsqu’elle est amoindrie par la perturbation.5.19.14 et 3.3. e e e e param´tr´e par ω. Ainsi le point hypoth´tique aura e tendance ` revenir ´galement au point de croisement.18. De mani`re similaire au cas de la e e e stabilit´ de la section 3. Illustration d’une pr´vision de la pr´sence d’un cycle limite stable. nous revenons ` l’exemple des e a figure 3. e e 3.5. La figure repr´sente le cas o` .

20. On constate que l’amplitude de e l’oscillation ne d´pend pas des conditions initiales.15. e A droite de la figure est repr´sent´ le r´sulta lorsque une zone morte reme e e place le gain unit´. Illustration d’une pr´vision de la pr´sence d’un cycle limite instable. u = −y. 3.60 3 M´thode du premier harmonique e ω A 1 −K Fig.2 et δ = 0. ` savoir x10.20.9. c.-`-d. Le syst`me en e boucle ouverte est le mˆme que celui des figure 3. x2 (0) = −2 et x3 (0) = 0 pour les deux choix de conditions initiales. Illustration de l’effet des conditions initiales lorsque l’oscillateur est cr´e e avec une r´troaction lin´aire (figure de gauche.9).a = x1 (0) = e a 2 et x10. avec k = 4. e e Deux conditions initiales diff´rentes. e Resultats 5 5 Resultats 0 0 -5 -5 0 10 20 0 10 20 Fig. k = 4. e La premi`re simulation consiste ` simplement boucl´ l’entr´e sur la sortie e a e avec un gain unit´. Le r´sultat est report´ ` gauche dans la e a e ea figure 3.2 et δ = 0.b = x1 (0) = 3. sont choisies. L’amplitude d´pend des conditions initiales.14 et 3. 3. gain unit´) et lorsque le gain est e e e produit par une zone morte (figure de droite.19. e .

dans quelle mesure.3. Pour le v´rifier.7 Oscillateur de Van der Pol revisit´ e 61 Par cons´quent. e x + ǫ(x2 − 1)x + x = 0 ¨ ˙ il est possible d’isoler les termes lin´aires de ceux non lin´aires. ¨ ˙ ˙ (3. certes.6 Fiabilit´ de l’analyse par le premier harmonique e – amplitude et fr´quence pr´dites ne sont pas exactes e e – un cycle limite pr´vu ne se produit pas e – un cycle limite existant n’est pas pr´dit e 3. En passant en variable complexe. il est possible d’approximer celle-ci par une onde sinuso¨ ıdale unique. x − ǫx + x = −ǫx2 x. le d´phasage correspond au rapport entre partie r´elle et e e imaginaire.39 pour les param`tres δ = 0. En partant de l’´quation de l’oscillateur. la m´thode de ce chapitre s’applique.2. appliquons le crit`re de staa e e e bilit´ en utilisant la r´ponse harmonique G(jω) et le gain ´quivalent −1/N (A) e e e de la zone morte. e 3. nous reprenons l’oscillateur de Van der Pol et nous allons voir.7 Oscillateur de Van der Pol revisit´ e Bien que sous l’hypoth`se passe bas de la partie lin´aire. exactement au point −1. C’est une e e proc´dure similaire ` ce qui est entrepris lors de la pr´sence d’une non-lin´arit´ e a e e e statique. l’oscillation e e e correspond ` un point de stabilit´.32) . Cette valeur d’amplitude est l´g`rement plus grande que la valeur e e d’amplitude constat´e. lorsque la non-lin´arit´ est une zone morte. mais le r´sultat donne une bonne estim´e ´tant donn´ e e e e e la nature approximative de la m´thode. la m´thode du e e e premier harmonique s’applique ` la contre-r´action par un ´l´ment non-linaire a e ee statique. cette m´thode permet ´galement de traiter d’autres types de none e lin´arit´. C’est une constation. A partir de l’oscillation fondamentale (pulsation et amplitude). triviale.9 e e et k = 4. e La premi`re chose essentielle est de constater que l’oscillateur oscille ` une e a fr´quence fondamentale. mais c’est la e cl´ de l’application correcte de la m´thode du premier harmonique dans ce e e contexte. e e Dans cette section. G(jω) coupe l’axe r´el n´gatif lorsque ω = 2. e e On calcule ´galement facilement que A = 1.

l’oscillation ` la sortie du montage (x(t)) est assum´e contenir e a e que la fondamentale (une sinuso¨ de premi`re harmonique). En effet.32).62 3 M´thode du premier harmonique e Ainsi le terme non lin´aire est isol´ au membre de droite et il constitue e e alors le bloc non lin´aire : e u(t) = −x2 x. ıde e e les deux signaux d’entr´e de la non-lin´arit´ sont en fin de comptes param´tr´s e e e e e par la phase et le rapport d’amplitude des signaux d’entr´e. A cause du d´phasage. Il est donc possible e de repr´sent´ la non-lin´arit´ par son effet d’amplification et de d´phasage de e e e e e la sortie par rapport ` l’effet combin´ des deux entr´es. Comme seule la fondamentale est consid´r´e e e ¯ ¯ x(t) = Asin(ω t + φ). a aee e e N´anmoins. ce terme ne peut pas ˆtre transform´ par un bloc ` une seule e e a sortie et une seule sortie statique. e e e e e En utilisant la tranform´e de Laplace sur la partie lin´aire des ´quations e e e (3. Par cons´quent. la pr´sence e de plusieurs entr´es (x et x) pour une seule sortie (u) n’est pas exactement e ˙ similaire ` ce qui ` ´t´ vu pr´c´demment. nous changeons la variable temporelle pour s’en e d´barasser e ¯ ¯ t→t ω t + φ = ωt. x(t) = A sin ωt x(t) = Aω cos ωt ˙ En examinant l’effet de la non-lin´arit´ sur le premier harmonique e e . ˙ Toutefois. bien que statique. Il est alors naturel a e e d’introduire un nombre complexe constituant le gain multivariable ´quivalent e de mani`re similaire au cas mono-entr´e mono-sortie trait´ pr´c´demment. nous obtenons (s2 − ǫs + 1)X(s) = ǫU (s).

7 Oscillateur de Van der Pol revisit´ e 63 −xx2 = −(Aω cos(ωt))(A2 sin2 ωt) ˙ = −A3 ω cos(ωt) (1 − cos2 (ωt)) 1 = −A3 ω cos(ωt) (1 − cos(2 ωt)) 2 31 = −A ω(cos(ωt) − cos(ωt) cos(2ωt)) 2 1 31 = −A ω(cos(ωt) − (cos(ωt) + cos(3ωt))) 2 2 1 = −A2 (Aω cos(ωt) − Aω cos(3ωt)) 4 u≡ A3 A2 d ω cos ωt = (−A sin ωt) 4 4 dt De la pr´c´dente expression d´coule le gain ´quivalent e e e e N (A. Une approximation des e ee param`tres de l’oscillation est obtenue en cherchant les solutions de e 1 + G(jω)N (A. qui peut ˆtre interpr´t´ comme un un filtre passe-bas.3. ω) = 0 On trouve ais´ment e A=2 ω=1 . ω) = A2 jω 4 L’oscillateur de van der Pol peut donc ˆtre approxim´ par la mise en e e contre-r´action n´gative de l’´l´ment approximant ci-dessus avec le syst`me e e ee e lin´aire e α s2 − αs + 1.

.

Le pr´sent chapitre donne les nuances entre les types e e de stabilit´ ainsi qu’un traitement approfondi du concept. La stabilit´ y ´tait consid´r´e comme la capacit´ du cycle limite de e e e e e e se maintenir mˆme apr`s perturbation de celui-ci. ˙ x = 0 = f (x). Il ne s’occupera que de l’analyse d’un point d’´quilibre. bien que pr´sent´e ` l’aide e e e a du concept de stabilit´ BIBO issue de l’interpr´tation fr´quentielle donn´e e e e e par le crit`re de Nyquist.1 Point d’´quilibre e Soit donc un syst`me. Les concepts e pourront alors ˆtre ´tendus ` la notion de cycle limite sans trop de difficult´. demeure une notion intuitive d´pourvue d’une axiomatique e pr´cise. la stabilit´ de cycle limite. Ce type de stabilit´ sera e e e appel´ asymptotique. et ´tendue aux cycles limites par une m´thode e e e approximative. e e a e 4. et des r´sultats e e relatifs.2 Rappel de la notion de stabilit´ pour les syst`mes e e lin´aires e Consid´rons un syst`me lin´aire avec entr´e x = Ax + Bu suivi d’un boue e e e ˙ clage u = −Kx : de telle sorte que le syst`me en boucle ferm´e s’´crive e e e .4 Stabilit´ au sens de Lyapunov e e Le chapitre pr´c´dent a fait appel ` la notion de la stabilit´. En effet. e x = f (x) ˙ et un point d’´quilibre x e de telle sorte que. 4. sans pour e e a autant en donner une d´finition formelle et des r´sultats rigoureux relatifs ` e e a cette question.

1) ˜ Ce syst`me poss`de un point d’´quilibre unique. principalement ` cause de l’impossibilit´ e e a e de trouver un ´quivalent universel du concept de valeur propre associ´ au e e syst`me dynamique x = f (x). notamment la stabilit´ entr´e-sortie BIBO e e e (c. il faut remonter aux sources e ˙ e du concept de stabilit´ afin de trouver une d´finition ad´quate. Si le syst`me est initialement ”l´g`rement” perturb´ de son e e e e e point d’´quilibre le syst`me reste ”proche” de ce point d’´quilibre. ` condition que la matrice A e e e a ne sois pas singuli`re. Illustration de la d´finition intuitive de la stabilit´. e e 4. e e e 4. La caract´risation de la stabilit´ par les valeurs propres.1 Notion de distance Il faut rendre pr´cis ”proche” et ”l´g`rement” e e e Un espace vectoriel V est dit norm´ lorsqu’il existe une fonction x → x e de V dans R avec les propri´t´s suivantes : ee . e e e stable instable Fig. e e ˜ Lorsque toutes les valeurs propres de la matrice A sont ` parties r´elles a e ˜ < 0) alors le syst`me (4.4. la sortie doit demeurer born´e). En cons´quence. 4.3 Notion intuitive de la stabilit´ e D´finition 4. Re λ(A) e a totiquement stable. elle n’est pas du a a e e e tout adapt´e au contexte non lin´aire. ` une entr´e born´e. auquel cas l’´quilibre est x = 0.1) est asympe strictement n´gative (c.1.1.-`-d.2. Remarque 4. ´tant donn´ sa connexion ` d’autres a e e e a types de stabilit´ dans ce contexte.66 4 Stabilit´ au sens de Lyapunov e ˜ x = (A − BK)x = Ax ˙ (4.-`-d.4 D´finition math´matique pr´cise de la stabilit´ e e e e 4. bien e e que tout ` fait satisfaisante en lin´aire.

la trajectoire r´sultante reste emprisonn´e dans la grande boule a e e de taille R. telle que (iii) pour toute condition initiale appartenant ` cette sous boule. elle ne pourra jamais e e a d´passer la hauteur d’exigence de r´f´rence (associ´e ` R).3. Maintenant. et x = 0 seulement lorsque x = 0. Ceci corrobore la d´finition intuitive de la stabilit´. en consid´rant e e e la bille captive dans un bol. Cette d´finition signifie que. les trajectoires r´sultantes seront. augmentant ainsi les contraintes sur e a les conditions initiales. il est toujours possible de trouver une telle e sous-boule.2. comprises dans la boule d’exigence e de taille R. (i) (ii) (iii) Fig.4. ∀c ∈ R et ∀x ∈ V. 4. une hauteur de r´f´rence arbitraire de la bille peut ee ˆtre consid´r´e comme ´tant une mesure de la boule d’exigence R.4 D´finition math´matique pr´cise de la stabilit´ e e e e 67 1. de telle sorte que. 4. ∀x. x ≥ 0. x + y ≤ x + y . e il est toujours possible de choisir une certaine sous-boule de taille r telle que. a e . ∀x ∈ V . ∃r > e e 0 tel que x0 < r implique x(t) < R. (i) Pour tout choix de e e la boule d’exigence x < R. il doit ˆtre possible de construire (ii) une sous boule de e conditions initiales x0 < r. Ceci ne signifie pas pour autant que la bille revienne asymptotiquement ` son point d’´quilibre. pour toutes les conditions initiales comprises dans cette sous-boule. si ∀R > 0. 3. cx =| c | x .4. Illustration de la d´finition formelle de la stabilit´. Un syst`me est stable au sens de Lyapunov. e e e e s’il existe toujours une certaine hauteur suffisamment petite (correspondant ` a r). y ∈ V. si la bille est lach´e ` n’importe quelle hauteur comprise e a dans l’interval d´fini par cette hauteur (associ´e ` r). En effet. Lorsque le syst`me est stable. en tout temps. mˆme lorsque le rayon R de la boule d’exigence est diminu´ de e e mani`re ` le rendre arbitrairement petit. 2. alors la bille sera e ee e a stable au sens de Lyapunov. quelle que soit la boule d’exigence de taille R.2 Stabilit´ : d´finition formelle e e D´finition 4.

4). et le temps d’arrˆt de la simulation est fix´ T = 9 (` gauche dans les e e a figures 4.4.3 et 4. a Fig.4.2x1 ˙ x2 = −6 sin(x1 ) + b(0. La condition initiale est choisie en e x1 (0) = x2 (0) = 0. la bille est stable dans le cas d’un bol concave et instable lorsque le bol est convexe. quel que soit le choix de la e a boule de conditions intiales de rayon r. le syst`me est stable. . a e Les figures 4. Les e conditions initiales sont choisies arbitrairement.5 et le temps d’arrˆt de la simulation est fix´ ` T = 10 (` e ea a droite dans les figures 4. il n’est pas possible de confie ner toutes les trajectoires ` l’int´rieur du cylindre pour toute boule de conditions a e initiales ` l’int´rieur de celui-ci.1. le syst`me est instable. 4. la boule d’exigence devient un cylindre.9 − cos(6t)) ˙ Lorsque b = −0.2.4). certaines trajectoires r´sultantes ressortent e toujours de la boule d’exigence de rayon R.3 et 4. On e e ˙ constate alors clairement que lors de l’instabilit´. Fig.3. Lorsque b = 0. par exemple x1 (0) = x2 (0) = 0. 4. Ceci n’est pas le cas pour le syst`me e stable (` droite).3 et 4.68 4 Stabilit´ au sens de Lyapunov e Ainsi.4 repr´sentent les trajectoires du syst`me e e x1 = 4x2 + 0. Lorsque le syst`me est instable (` gauche). Lorsque l’axe du temps est utilis´ pour repr´senter les solutions de e e l’´quation diff´rentielle x = f (x).

5 0.4 0. sans pour autant que ces syst`mes puissent ˆtre consid´r´s e e e e comme stables. Les trajectoires. Exemple d’un syst`me convergent mais instable.6 0.4. Un syst`me est instable au sens de Lyapunov lorsque il n’est e e pas stable au sens de la d´finition 4.6 0.7 Fig. Cependant. e Ceci semble ˆtre une tautologie. Les excursions des trajectoires sont toujours born´es inf´rieurement par une boule de taille fixe. (x1 + x2 )[1 + (x2 + x2 )2 ] 2 1 2 Plusieurs solutions pour diff´rentes conditions initiales sont repr´sent´es e e e a ` la figure 4. Soit le syst`me planaire.3. e e 0. e e L’exemple suivant illustre le ph´nom`ne. 4. le syst`me est instable ´tant e e . e x1 = ˙ 5 x2 (x2 − x1 ) + x2 1 (x2 + x2 )[1 + (x2 + x2 )2 ] 1 2 1 2 2 x2 (x2 − 2x1 ) x2 = 2 ˙ .3 0. bien que commen¸ant pr`s de l’origine.5.2 0.5. Il s’agit donc bien e d’une convergence asymptotique. il existe des syst`mes qui a e convergent asymptotiquement vers un point d’´quilibre quelles que soient les e conditions initiales.4 0. s’en c e ´cartent pour finir par y revenir le long de l’axe horizontal.8 0.5.4 D´finition math´matique pr´cise de la stabilit´ e e e e 69 L’instabilit´ est d´finie d`s lors que la stabilit´ n’a pas lieu. Cependant l’importance de cette d´finition e e provient du fait que l’instabilit´ ne signifie pas n´cessairement une forme e e d’explosion ou de divergence ` l’infini.2 0. t´moignant ainsi de l’ine e e stabilit´ au sens du non respect de la d´finition 4.4.3. e e e e D´finition 4. mˆme en rapprochant les e e conditions initiales de l’origine.1 0. Ceci provient du fait qu’il est impossible de dominer le comportement transitoire des trajectoires r´sultantes. En effet. e Exemple 4.

4 Stabilit´ asymptotique e e La stabilit´ asymptotique exige l’existence d’une voisinage de l’´quilibre e tel que toute trajectoire ayant pour condition initiale un point de ce voisinage converge vers le point d’´quilibre. e e . qu’il existe une boule de de condition initiales x0 < r0 telles que les solutions r´sultantes soient telles que x(t) → 0 lorsque t → ∞.70 4 Stabilit´ au sens de Lyapunov e donn´ que les trajectoires ne peuvent pas ˆtre contraintes ` demeurer dans une e e a boule de taille suffisamment petite. quel que soit la proximit´ des conditions e initiales de l’origine. 4.4.4. e 4. a – Le maniement de la d´finition est fastidieux. e Par cons´quent.6. e e e e e D´finition 4. Deux cas pour lesquels la bille est stable. qu’il soit stable au sens de Lyapunov 2. Le point d’´quilibre x = 0 de x = f (x) est asymptotiquement e e ¯ ˙ stable a condition ` 1.3 Illustration sans frottement avec frottement Fig.6. 4. 4. des r´sultats permettant de d´terminer la stabilit´ sans e e e e devoir int´grer les ´quations dynamiques seraient les bienvenus.5 D´savantages de la d´finition e e La d´finition de stabilit´ pr´sente certains d´savantages importants : e e e e – Il est n´cessaire de pouvoir calculer de mani`re explicite chaque solution e e correspondant ` chacune des conditions initiales. En somme. on aimerait que le syst`me e e revienne et s’arrˆte au point d’´quilibre lorsqu’il en est l´g`rement perturb´.4.

De e e plus. ` savoir s’il s’agit d’un maxie e a mum ou d’un minimum. la fonction sera contrainte ` ˆtre positive pour toute valeur e ae diff´rente de l’origine. la pr´sence de frottement est responsable de la d´croissance de l’´nergie e e e compl`te (cin´tique et potentielle) et influence donc la stabilit´.1 Candidat de Lyapunov La fonction d’´nergie poss`de deux propri´t´s essentielles. Ces fonctions sont not´es V .7. La th´orie de Lyapunov et en particulier la deuxi`me m´thode de Lyae e e punov (dite aussi m´thode directe) g´n´ralise cette constatation ` une classe e e e a plus large de fonctions.4. 4. e e – L’´nergie E est conserv´e et E est minimum ` l’´quilibre e e a e – Par contre.5 M´thode directe de Lyapunov e Lorsque la bille est examin´e selon un point de vue diff´rent. Condition pour la stabilit´ asymptotique. e – L’´nergie E est conserv´e mais elle ne correspond pas ` un minimum e e a a e ` l’´quilibre. e e e – Le comportement est stable lorsque : – L’´nergie E diminue et est minimum au point d’´quilibre. e 4. On a E = Ec + Ep .5. La premi`re e e ee e est la qualit´ d’extremum au point d’´quilibre. Afin de forcer la pr´sence d’un minimum au e e e point d’´quilibre. Le point d’´quilibre ` tendance ` ˆtre stable lorsque e a ae cet extremum est un minimum. La pr´sence d’un maxie a e e mum ou minimum d’´nergie potentielle poss`de une influence critique. le comportement est instable lorsque : – L’´nergie E augmente. e a . e e e La bille poss`de donc une fonction d’´nergie E qui comporte une part e e d’´nergie potentielle Ep et une part d’´nergie cin´tique Ec .5 M´thode directe de Lyapunov e 71 ∃r0 Fig. e 4. on constate e e que le comportement stable ou instable de celle-ci est reli´ ` la fois ` la caea a e ract´ristique et ` l’´volution de sa fonction d’´nergie. Le candidat Lyapunov est une fonction qui pr´sente ce type de particularit´. Elle ne pourra s’annuler qu’` l’origine.

dite aussi m´thode directe) e e e e e Si une fonction de Lyapunov existe pour un syst`me donn´ alors ce syst`me e e est stable. (Fonction de Lyapunov) Une fonction de Lyapunov est un e candidat de Lyapunov.72 4 Stabilit´ au sens de Lyapunov e D´finition 4. ceci n’est pas tr`s e e rigoureux. a savoir une fonction continue V (x) telle que ` V (x) > 0 ayant en plus la propri´t´ ee ˙ V (x) ≤ 0 ∀x = 0. D´finition 4. (Fonction d´finie positive) Une fonction d´finie positive est e e e une fonction f (x) : RN → R telle que f (x) > 0. On aboutit donc ` la d´finition du a e candidat de Lyapunov. alors la stabilit´ est en plus asymptotique. la notation V (x) sera e e a pr´f´r´e dans ce chapitre. e e e La d´riv´e s’´crit. ˙ V (x) = 0 x = 0. Toutefois.7. e 4.2 Fonction de Lyapunov La deuxi`me particularit´ de la fonction d’´nergie lors de la pr´sence d’un e e e e syst`me stable.11. De plus. la notation Lf V (x) est plus e e e e ˙ ˙ pr´cise que V (x). Si la fonction de Lyapunov est strictement d´croissante.10. Nous verrons dans le chapitre 7. ∀x = 0 et f (x) = 0 lorsque x = 0. V (x) = 0 x = 0. La notation V (x) est utilis´e. D´finition 4. (Candidat de Lyapunov) Une fonction d´finie positive contie e nue.5. (Seconde m´thode de Lyapunov. e e e T ∂V ˙ f (x) V (x) = ∂x ˙ Remarque 4. est un candidat de Lyapunov. de part le caract`re simple et suggestif de cette ee e e notation.9. Le th´or`me de stabilit´ fondamental de la th´orie de Lyapunov peut maine e e e tenant ˆtre ´nonc´. e e e Th´or`me 4.8. c’est-`-dire que e a ˙ V (x) < 0. cette fonction sera continue. ∀x = 0. on exigera en plus du candidat de e e e Lyapunov que la d´riv´e de celui-ci soit n´gative. Par cons´quent. qu’il est possible de d´finir le e concept de d´riv´e temporelle projet´e le long du syst`me qui sera appel´e e e e e e d´riv´e de Lie et not´e Lf V (x). Lorsque ceci ne prˆte pas ` confusion. est d’avoir tendance ` diminuer ou d’ˆtre conserv´ lors de e a e e l’´volution du syst`me. not´e V (x). ∀x = 0. e . En cons´quence.

8.8. Il s’agit d’un robot ayant un nombre arbitraire n e mais fini de degr´s de libert´.6 Exemple : robot 73 4.2) Il s’agit maintenant de justifier ce choix ` l’aide des techniques de Lyapunov. e e a q2 τ 2 τ1 q1 e Fig.6.6 Exemple : robot Un exemple simple illustrera l’avantage de la fonction de Lyapunov sur le simple concept d’´nergie. e Une repr´sentation possible est donn´e ` la figure 4. Chacun des degr´s de libert´ est associ´ un ace e e e e tuateur responsable d’un mouvement le long de la coordonn´e correspondante.1 Loi de commande Pour beaucoup de syst`mes de la th´orie de la commande lin´aire. e 4. proportionelle et d´riv´e (PD). e L’ ´nergie cin´tique peut s’exprimer comme e e .4. C’est pourquoi nous prendrons. nous appliquerons le simple bilan des puissances. comme choix initial de loi de commande. ˙ (4. Robot planaire comportant un actuateur ind´pendant pour chacune des coordonn´es.2 Lois de la m´canique e Afin d’obtenir un mod`le suffisant pour ´tablir la preuve de stabilit´ de la e e e loi de commande envisag´e. a 4. une loi de type proportionnelle-d´riv´e (PD) de la forme : e e τ = −Kd q − Kp (q − q).6. et prportionnelle e e et d´riv´e avec terme int´gral (PID) suffissent pour un tr`s grand nombre e e e e d’application. 4. les lois e e e de type proportionelle (P).

˙ et le robot est donc bien rendu stable par l’adjonction de la loi de commande de type PD. le syst`me ´tait muni de ressorts responsables de la g´n´ration e e e e d’une force proportionnelle lorsque le robot quitte son point d’´quilibre. e . nous e envisagerons une modification de la fonction d’´nergie cin´tique faisant ine e tervenir un terme aditionel qui n’a pas d’interpr´tation physique imm´diate. ˙ ˙ ˙ ˙ ˙ V = q T Kp (q − q) + q T (−Kd q − Kp (q − q)) = −q T Kp q ≤ 0.6.6. V > 0 ∀x = 0 provient de la structure de la fonction de Lyapunov (4. En effet les deux conditions sur la fonction de Lyapunov sont satisfaitent. au lieu d’appliquer une loi de e commande. e u ∀q = q et V (q) = 0. e e puisqu’il ne correspond pas au robot en tant que tel : 1 1 V = (q − q)T Kp (q − q) + q T M (q)q.4 Fonction de Lyapunov Afin de v´rifier que le candidat de Lyapunov est bien une fonction de e Lyapunov.3 Candidat Lyapunov La souplesse du candidat de Lyapunov permet d’envisager des expressions qui a priori n’ont pas une expression physique sp´ciale. ˙ ˙ 2 d Ec = P dt d 1/2 q T M (q)q = q T τ. L’aspect abstrait de la fonction de Lyapunov (abstrait au sens que cette fonction est une notion purement math´matique et non physique). e e ˙ V = q T Kp (q − q) + q T τ ˙ ˙ En introduisant la loi de commande (4. e peut maintenant ˆtre exploit´e en revenant en arri`re dans l’interpr´tation de e e e e cette fonction. il est n´cessaire de tester la d´croissance de cette fonction.3) Remarque 4. e e e bien qu’il n’y a pas de pr´sence de ressort physiquement dans le syst`me. ˙ ˙ ˙ dt 4. on constate que e e le terme que l’on a ajout´ poss`de la structure d’´nergie potentielle ´lastique. Par exemple.2).3).3) 2 2 On constate bien que cette fonction est d´finie positive au sens o` V (q) > 0.12. ˙ ˙ (4. e e C’est la loi de r´troaction qui agit comme si.74 4 Stabilit´ au sens de Lyapunov e Ec = Le bilan de puissance s’´crit e 1 T q M (q)q. En examinant la structure de l’´quation (4. 4.

a e e e 4. L’objectif est de e e a e connecter les concepts contenus dans ce th´or`me avec la d´fintion relatie e e vement difficile ` manier examin´e au d´but de ce chapitre (d´finition 4. e alors il y pr´sence d’une stabilit´ asymptotique e e d dt V (x) < 0 ∀x = 0. La d´finition suivante pr´cise ces deux notions au niveau math´matique : e e e D´finition 4. Diff´rence entre sph`re S et boule B e e La proposition ` d´montrer consiste ` v´rifier que quel que soit la grande a e a e boule d’exigence ∀BR . ∃ BR0 telle que e e – V (x) > 0 (∀x = 0 dans BR0 ) et V (0) = 0 – d V (x) ≤ 0 (dans BR0 ) dt alors le point d’´quilibre x = 0 est stable. il est toujours possible de trouver une sous-boule de conditions initales ∃Br tel que si le syst`me commence ` l’int´rieur de cette e a e .7 Th´or`me de stabilit´ locale e e e Le premier r´sultat en relation avec la fonction de Lyapunov est le r´sultat e e de stabilit´ locale autour du point d’´quilibre. Nous allons ´galement proc´der ` sa d´monstration. et sont d´finies par e e Sr = {x | x = r} Br = {x | x ≤ r}.1 Preuve (stabilit´ locale) e Tout au long de la d´monstration.9.3). S B Fig.7.7 Th´or`me de stabilit´ locale e e e 75 4.4. Si en plus.13. Nous ´non¸ons le th´or`me avec e e e c e e pr´cision : e Th´or`me 4. la distinction entre sph`re et boule sera e e effectu´e. Une sph`re est la partie la plus ` l’ext´rieur d’une boule pleine e e a e (en quelque sorte ceci correspond ` l’´corce d’´paisseur infinit´simale d’une a e e e orange) et la boule est la boule pleine prise dans son ensemble (l’orange e enti`re). Une sph`re de rayon r est not´e Sr et une boule de mˆme e e e e rayon est not´e Br .14. 4.

d´croit n´cessairement de plus en plus. la fonction de Lyapunov V (x) (vue comme simple fonction du point x consid´r´) demeure inf´rieure ` m. quel que soit x compris dans la boule Br . et donc plus petite que la valeur m. e sous-boule. en se rapprochant e e e a de l’origine. 4.76 4 Stabilit´ au sens de Lyapunov e BR x(t) Br Fig. e e m = min V (x). On examine alors la fonction de Lyapunov V (x) sur la sph`re de e rayon R et on d´finit son minimum m sur cette sph`re SR . x0 ∈ Br . La trajectoire doit rester comprise dans la boule de grand rayon comme l’illustre la figure 4. il est toujours possible de trouver une petite r´gion telle que. En d’autres termes. la e valeur de la fonction soit tr`s petite. Trajectoire dans le cas d’un syst`me stable. suffisamment petit. Etant donn´ que V (x) est une fonction de Lyapunov. x∈SR SR V =m Br e e Fig. un rayon R est choisi de mani`re quele e e conque. La e c petitesse de V provient alors de son annulation ` l’´quilibre. en e se d´pla¸ant de la sorte. il existe ee e a e un rayon r. parce que la fonction de Lyapunov est continue.10 Pour d´buter la d´monstration. alors x(t) ∈ BR . pour lequel.10. elle poss`de la proe e pri´t´ d’ˆtre continue et de s’annuler ` l’origine. dans une r´gion donn´e come e prenant le point d’´quilibre.11. au fur et ` e e e a . la fonction de Lyapunov ne peut pas changer de mani`re brutale. m repr´sente le minimum de V (x) lorsque x parcourt la sph`re SR . En e effet. Afin de satisfaire a e ces deux contraintes. 4. la valeur maximum de V . Par cons´quent.

7. c’est-`-dire que V (x) < 0. V (x) SR m 0 Br Fig. La trajectoire ne peut donc pas traverser e a SR . e e e (b) L > 0 Comme V (0) = 0 et V est continue. La a stabilit´ asymptotique est dans ce cas d´montr´e. Ceci provient du fait que la fonction de Lyapunov s’annule seulement ` l’origine.14. L ≥ 0). Deux cas seront envisag´s. La stabilit´ est donc bien d´montr´e. la fonction de Lyapunov tend vers une limite L e qui est sup´rieure ou ´gale ` z´ro (V → L. Elle demeure dans la boule BR . et V Comme V ≥ 0 et V d´croit. pour les conditions initiales ∀x0 ∈ Br . e . puisque son maximum dans la boule BR est celui sur la sph`re SR et donc correspond ` m. V est inf´rieur ` L (se r´f´rer ` l’explication donn´e dans le cas de la stabilit´. dt V (x) ≤ 0. e e e 4. Une coupe verticale illustre le ph´nom`ne e e e e e a ` la figure 4. implique e que V (x(t)) < m.7 Th´or`me de stabilit´ locale e e e 77 mesure que cette r´gion se r´tr´cit. Ceci est repr´sent´ ` la figure 4. e La stabilit´ d´coule alors de mani`re tr`s naturelle.12. Cette r´gion est repr´sent´e en vert ` la figure 4.12. Coupe verticale de la cons´quence de la continuit´ de la fonction de e e Lyapunov et de son annulation au point d’´quilibre. il est possible de trouver une petite a e boule Br0 telle que. ∀x = 0 e e a ˙ (0) = 0. pour tout point compris ` l’int´rieure de celle-ci.13. e e (a) Si L = 0 alors x(t) doit n´cessairement converger vers z´ro. e e a e e (a) L = 0 et (b) L > 0.2 Preuve de stabilit´ locale asymptotique e La stabilit´ asymptotique est plus difficile ` ´tablir.4. e e e a L’hypoth`se que V → L implique que la trajectoire reste ` l’int´rieur de cette e a e r´gion. La fonction de Lyapue ae ˙ nov est suppos´e strictement d´croissante. ´tant donn´ que la e e e e e e d condition de d´croissance de la fonction de Lyapunov. 4. avec e a ee a e e m au lieu de L). e ea a Consid´rons W = BR \ Br0 . Ceci revient ` enlever un noyau de taille r0 e de la boule de taille R.

V est garantit inf´rieur ` L.13. e ¯ ¯ ¯ En se restreignant ` la fermuture W. ¯ dt x∈W En proc´dant ` quelques calculs. c’est-`-dire en supposant qu’en chaque instant la e e a t ˙ d d´croissance soit minimum : − dt V > L1 . 0 V (x(t))dt < −L1 t et e .78 4 Stabilit´ au sens de Lyapunov e V L x Br0 e a Fig. ¯ x∈W ˇ (0 < L < L). i. d L1 = min − V (x) . De part la compacit´.e. il est ´vident que 0 ∈ W et que W est a e un compact (ensemble ferm´ et born´). V < 0 pour tout point de W et de ¯ Par cons´quent une d´croissance minimum de V est atteinte en un point W. De plus. e e ¯ particulier de W. 4. il doit exister e e e un minimum de V not´ L. Par . on obtient e a t 0 ˙ V (x(t))dt = V (x(t)) − V (x(0)) t V (x(t)) = 0 ˙ V (x(t))dt + V (x(0)) Il est maintenant possible de borner l’´volution de V en se pla¸ant dans le e c sc´nario le plus d´favorable.14. 4. Pour tout point dans Br0 . On y d´fninit e ˇ le minimum de V = L et la d´croissance la plus lente de V . W ˇ V =L d V dt = −L1 Fig. e ˇ ˇ L = min V (x). Une boule de taille r0 est extraite de la boule de taille R. ¯ atteind en un point de W.

x = 0 est un point d’´quilibre localement exponentiellement e e stable si ∃α > 0 et ∃λ > 0. dans e ee le sens que la conclusion du th´or`me de Lyapunov ne conclut que la stabilit´ e e e en relation avec des conditions initiales comprises dans un voisinage du point. le simple fait que V soit d´fini positif et que V soit n´gatif e e e dans tout l’ensemble d’´tat. 4. ∃r > 0 tel que. V = x2 1 + x2 . Pour autant que V est inf´rieure ` l’unit´ les courbe de niveau e a e sont ferm´es et encerclent une r´gion compacte. la stabilit´ locale signifie la stabilit´ e e e pour ∀x0 ∈ BR0 et la stabilit´ globale celle pour ∀x0 ∈ Rn . ˇ Il existe donc un instant fini t1 tel que V (x(t1 )) < L. D`s que la valeur d´passe 1.9 Stabilit´ globale e 79 V (x(t)) < V (x(0)) − L1 t.15. e e e 4. La question est e e de savoir s’il suffit de remplacer BR0 par Rn et de v´rifier les hypoth`ses du th´or`me de Lyapunov afin de conclure sur la stabilit´ globale du syst`me. impliquant ainsi n´cessairement e e que L = 0. En d’autres termes.9 Stabilit´ globale e Pour l’instant. ∀t > 0. ne garantit pas n´cessairement que le syst`me soit e e e globalement stable. 2 1 + x2 1 Les courbes de niveau de cette fonction de Lyapunov sont repr´sent´es ` e e a la figure 4. ˙ Par cons´quent.15. e e e e .8 Stabilit´ exponentielle e Nous connaissons la stabilit´ asymptotique : x(t) → 0 lorsque t → ∞ e Cependant on veut garantir plus : D´finition 4. x(t) ≤ α x(0) e−λt .8.1 Exemple : Dynamique des populations 4. La stabilit´ asymptotique d´coule d`s lors du cas (a). La e e e e r´ponse est non comme va l’illustrer l’exemple suivant : e x1 = 2x1 ˙ x2 = −x2 ˙ dont un candidat de Lyapunov est. Mais ceci contredit le fait que la trajectoire reste dans W par hypoth`se. ∀x ∈ Br .4. nous avons exclusivement trait´ de propri´t´s locales.

15.5 V = 0. Apr`s elimination du temps. x2 1 1+x2 1 2 + x2 les courbes de niveau ne croisent plus l’axe horizontal et ne sont donc plus ferm´es. la courbe repr´sent´e continue ind´finiment sur la droite sans e e e jamais sortir du premier quadrant ! Le syst`me glisse donc vers l’infini bien que e la valeur de la fonction de Lyapunov diminue ` chaque instant.4 V = 1.5 V = 1. e √ −1 x2 = x20 x10 x1 2 . a e Par cons´quent il faut une condition suppl´mentaire.5 ≈ 1. e e En outre.80 4 Stabilit´ au sens de Lyapunov e 1.5 Fig. Elle diminue a et tend asymptotiquemen vers un. e √ −1 x2 = x20 x10 x1 2 x10 = 1.1 1 0.5 -1 -1.9 -10 -5 5 10 -0.5 √ x20 = 2/ 1. e Les solutions explicites du syst`me sont. En prenant une condition intiale particuli`re. Courbe de niveau de la fonction de Lyapunov V = . e e c’est-`-dire que la fonction V n’est pas radialement non born´e. 4. Pour que l’on puisse garantir que le th´or`me de Lyapunov e e e e concluse sur la stabilit´ globale d’un syst`me. e e Th´or`me 4. e x1 (t) = x10 e2t x2 (t) = x20 e−t . Le probl`me provient du fait que V = cte n’est pas une courbe ferm´e.16. il faut d’une part que toutes e e .16). mais sans jamais y parvenir. on obtient une trajectoire rouge qui est repr´sent´e en surimpression sur les e e courbes de niveau pr´c´demment obtenues (figure 4.633.

En choisissant e Q > 0 (une matrice d´finie positive) nous allons construire une matrice P e satisfaisant l’´quation (4. S’il existe une fonction V telle que e e – V (x) > 0.17.4). Soit x = Ax tel que ∀λ.10 Fonction de Lyapunov pour les syst`mes lin´aires e e 1. Le th´or`me suivant r´capitule les conditions : e e e Th´or`me 4. ℜe(λ) < 0 (syst`me stable au sens e e ˙ e strict) alors ∀Q > 0. Il est int´ressant d’interpr´ter e e e e e sa signification en termes de repr´sentation d’´tat des syst`mes lin´aires. c’est-`-dire que a V (x) → ∞ lorsque x → ∞. ∀x = 0 alors x = 0 est globalement asymptototiquement stable.5 Fig. e e e e Th´or`me 4. Comme A et AT ont toutes les deux des valeurs e propres ` partie r´elle strictement n´gative (matrices de Hurwitz). Comme toutes les valeurs propres de la matrice A sont stables. eAt est une fonction d´croissante telle que eAt → 0.16. lorsque t → ∞.5 -1 -1. les hypoth`ses de ce th´or`me soient satisfaites. ∀x = 0 et V (0) = 0 – x → ∞ ⇒ V (x) → ∞ d – dt V (x) < 0. 4. Une solution particuli`re montre que V d´croit ` chaque instant le long e e a de cette solution.10 Fonction de Lyapunov pour les syst`mes lin´aires e e La th´orie de Lyapunov est une th´orie tr`s g´n´rale s’appliquant aussi e e e e e bien aux syst`mes non lin´aires que lin´aires.5 81 1 0. ∃P > 0 tel que AT P + P A = −Q (4.4. a e e . mais il faut ´galement que la e e e e condition de bornitude radiale existe.5 -10 -5 5 10 -0. 4.4) Preuve.18.

e e e ˙ . En testant alors les e a e mineurs principaux de X on peut conclure sur la stabilit´ de A. Soit une matrice A r´elle e donn´e.82 4 Stabilit´ au sens de Lyapunov e etA QetA ≤ c Q e2λt . Le th´or`me pr´c´dant permet de tester si une matrice est e e e e Hurwitz sans devoir calculer ses valeurs propres. L’approximation au e premier ordre du d´veloppement en s´rie de Taylor de la dynamique est cale e cul´. Ils doivent e tous ˆtre strictement positif pour que la matrice A soit Hurwitz. pour tout t ≥ 0. et r´solvons l` pour une matrice sym´trique X. o` λ ≤ 0 est n’importe quel nombre r´el tel que les valeurs u e propres de AT et A ont une partie r´elle plus petite que λ. Lorsque la dynae e mique est donn´e par un champ de vecteurs (cf. dans certains cas. La question est de savoir si elles peuvent ´galement e e ˙ e induire une conclusion sur la stabilit´ du syst`me non lin´aire x = f (x). Il s’agit de la m´thode indirecte de Lyapunov. x=0 Cette matrice poss`de des valeurs propres qui permettent de d´duire la stae e bilit´ du syst`me x = Ax.11 Stabilit´ locale et lin´arisation e e Une approximation locale de la dynamique du syst`me autour du point e d’´quilibre permet. de d´duire la stabilit´ locale du syst`me e e e e complet. Son expression est donn´e par. De plus. e P =− est bien d´finie. e ∞ 0 ∞ 0 ∞ 0 T etA QetA dt T (4. une matrice e est obtenue pour caract´riser le premier ordre. e e A= ∂f ∂x . Ceci est une ´quations lin´aire e a e e e et donc l’´limination de Gauss doit aboutir ` un r´sultat. chapitre 7) f (x). Fabriquons l’´quation e e AT X + XA = −I. Ainsi.19.5) AT etA QetA + etA QetA A dt d(etA QetA ) dt dt T T T T = Q − lim etA QetA t→∞ 4. e AT P + P A = − =− =Q Remarque 4. et seul le premier ordre du d´veloppement est retenu.

– ∃λ ∈ Λ. Comme les termes e e qui d´pendent de mani`re lin´aire de x sont isol´s dans Ax. Seul le e e e cas o` toutes les valeurs propres ont une partie r´elle n´gative ou nulle avec u e e certaines d’entre elles ayant une partie strictement nulle. Re(λ) < 0 ⇒ x = 0 est localement asymptotiquement stable.11 Stabilit´ locale et lin´arisation e e 83 Le th´or`me suivant donne les r´sultats que l’on peut garantir. x = f (x) = ˙ ∂f ∂x ∂f ∂x 0 avec x + g(x) = Ax + g(x) x=0 Ceci n’est qu’une r´´criture de x = f (x) en isolant le terme de d´pendance ee ˙ e lin´aire dans Ax et les termes d’ordre sup´rieur dans g(x). x g(x) γ3 x γ2 x γ1 x r1 r2 r3 Fig. e Ceci signifie que pour tout γi > 0.17. – ∀λ ∈ Λ.4. Comme A est stable ∀Q > 0. Preuve. Montrons ∀λ ∈ Λ. Re(λ) ≤ 0 et ∃λ1 Re(λ1 ) = 0 on ne peut pas conclure. et on pose A = e e ˙ Λ = λ(A) – ∀λ ∈ Λ. Seul les termes d’ordre sup´rieur peuvent nous renseigner sur la stabilit´ du e e syst`me non lin´aire. n’est pas conclusif. le premier ordre est e e suffisant. il existe ri tel que pour tout x tel que x < ri ⇒ g(x) < γi x .20. ∃P > 0 AT P + P A = −Q . Re(λ) > 0 ⇒ x = 0 est instable. Soit x = f (x). Re(λ) < 0 ⇒ x = 0 est asymptotiquement stable. Th´or`me 4. g(x) d´croit e e e e e plus vite que x : limx→0 g(x) = 0. pour tous les autres cas. Illustration de la dominance du terme lin´aire Ax sur le terme non e lin´aire g(x). 4. Par contre.

∀x ≤ r ⇒ g(x) < γ x . V < 0. x < r. ˙ V < −xT Qx + γ P Sachant que −xT Qx ≤ −λmin x 2 x 2 on a donc 2 ˙ V < −(λmin − γ P ) x Il suffit de choisir γ suffisamment petit afin que (λmin − γ P ) > 0. Les autres cas peuvent ˆtre ´galement d´montr´s.11. lorsque le temps tend vers l’infini. ee ee 4. avec x = f (x) = Ax + g(x) ˙ ˙ V = xT P x + xT P x = (Ax + g(x))T P x + xT P (Ax + g(x)) ˙ ˙ T T = x (A P + P A)x + g(x)T P x + xT P g(x) = −xT Qx + 2xT P g(x) De l’in´galit´ du produit scalaire : aT b ≤ a e e ˙ V ≤ −xT Qx + x P b on d´duit e g(x) Comme limx→0 g(x) / x = 0. Nous renvoyons le lecteur e e e e aux r´f´rences [Vid93]. Pourtant. Le prix e e a ` payer est ka d´termination de la fonction compl´mentaire V (x) poss´dant e e e les bonnes propri´t´s. e e e Le premier est le caract`re local du r´sultat. [Kha02] et les r´f´rences s’y trouvant. le syst`me x = f (x) est localement asymptotiquement e e ˙ stable. ∀x.12 Stabilit´ exponentielle e La stabilit´ asymptotique garantit que le syst`me converge vers le point e e d’´quilibre. On ne peut pas e garantir r tr`s grand. ∃r. e Par cons´quent.84 4 Stabilit´ au sens de Lyapunov e et donc en posant V = xT P x. Ces e a e inconv´nient n’apparaissent pas dans la m´thode directe de Lyapunov. Ainsi ˙ pour le r associ´ au γ choisi. ∀γ > 0.1 Inconv´nients de la m´thode indirecte e e La m´thode indirecte de Lyapunov poss`de deux inconv´nients principaux. Le second inconv´nient est que la m´thode est non e e e conclusive lors de la pr´sence de valeur(s) propre(s) ` partie r´elle nulle. nous avons aucun e . ee 4. La stabilit´ que l’on peut conclure e e e n’est valable que dans un voisinage du point d’´quilibre.

Un ensemble invariant est un ensemble de points de l’espace d’´tat tel que e toute trajectoire du syst`me x = f (x).1 Ensemble invariant M Avant de pr´senter le r´sultat ` proprement parler. e a e Ainsi. reste ind´finiement ` l’int´rieur de cet ensemble. ∃r > 0. r ∈ R tels que. mais pas pour autant strictement d´croissante. l’outil qui sera pr´sent´ permet de traiter ´galement la convere e e gence vers un cycle limite. e e e Le deuxi`me ´l´ment est le terme ”invariant”. ils sont n´anmoins asymptotiquement e stable. Si e l’´tat du syst`me. (c’este e ˙ ˙ a `-dire V ≤ 0 au lieu de V < 0.13 Th´or`me d’invariance de LaSalle e e Bien que certains syst`mes ont la caract´ristique d’avoir une fonction de e e Lyapunov d´croissante. α. ∀x ∈ Br .22. l’ensemble est constitu´ par un sous ensemble de conditions initiales e telles que toutes les trajectoires issues de ces conditions intiales restent dans l’ensemble en question. mais un crit`re de convergence asymptoe e tique . t) : e . Comme son nom l’indique. x(t) ≤ α x(0) e−λt . il est possible d’introduire un concept plus exigeant que la simple stabilit´ asymptotique. ayant pour condition initiale un point e ˙ de cet ensemble. est compris dans une enveloppe qui e e d´crois de mani`re exponentielle. ceci valant autant pour les points d’´quilibre que pour les cycles limites. 4. il s’agit avant tout d’un ene semble donn´ par la r´union de points de l’espace d’´tat. et ici l’´quation x = f (x) e ee e ˙ prend toute son importance.13 Th´or`me d’invariance de LaSalle e e 85 moyen de quantifier la qualit´ de cette convergence. λ. Nous verrons ´galement que le caract`re positif e e d´fini de V peut tr`s bien ˆtre relax´. e e e e D´finition 4. ∀t > 0. x = 0). (flot) La solution du syst`me x = f (x) ayant comme condie e ˙ tion initiale x(0) = x0 sera not´e Φ(x0 . e 4. De plus.21. Le th´or`me ne donnera pas une preuve e e e e e e de stabilit´ au sens de Lyapunov. le concept d’ensemble e e a invariant est expos´. la stabilit´ est qualifi´e d’exponentielle.4. Afin d’obtenir plus que la simple convergence asymptotique. D´finition 4. x = 0 est un point d’´quilibre localement exponentiellement e e stable si ∃α > 0 ∃λ > 0. lors de sa convergence.13. L’objet de cette section est de pr´senter les conditions suppl´mentaires e e sur la fonction V et sa d´riv´e dans le temps pour garantir la stabilit´ asympe e e totique. en particulier sa vitesse e de convergence.

pour un e syst`me dynamique x = f (x). Ensemble invariant M 4. a M = {x | x0 ∈ M ⇒ Φ(x. C’est un r´sultat de e e e e e e nature locale au sens o` il n´cessite la connaissance d’un ensemble compact u e pour toutes les conditions initiales.23. t) signifie. t) reste dans l’ensemble M ∀t. t). dt Φ(x0 . la diff´rence entre les deux u ˙ e ˙ cas se situent dans la possibilit´ que V = 0. e e car un des objets de cette analyse est d’´tendre la conclusion de la stabilit´ e ˙ asymptotique au cas o` V ≤ 0 au lie de V < 0 .2 Ensemble d’annulation de la d´riv´e de la fonction de e e Lyapunov Parall`lement ` la notion d’ensemble invariant. et Ωl = e e e e {x | V (x) ≤ l} : .18.86 4 Stabilit´ au sens de Lyapunov e d Φ(x0 . t) ∈ M ∀t ≥ 0} M x0 Φ(x0 . (ensemble invariant) Un ensemble invariant M. Ceci n’a rien de surprenant.-`-d. c. t) = f (Φ(x0 . (Th´or`me d’invariance de LaSalle) Soit l > 0. t) Fig. est d´fini comme un ensemble de conditions e ˙ e initiales. 4. e L’ensemble en question est not´ R et correspond math´matiquement ` e e a ˙ R = {x | V (x) = 0} et il est repr´sent´ ` la figure 4. On peut donc d´river cette fonce tion par rapport au temps.24. celui des points pour lese a ˙ quels V s’annule est de premi`re importance. tels que la solution Φ(x0 . et cette d´riv´e doit correspondre ` la dynamique e e a a ` ce point f (Φ(x0 . D´finition 4. qu’une fois la condition initiale x0 donn´e.19. t)). e ea Le th´or`me de Lasalle peut maintenant ˆtre ´nonc´. Th´or`me 4.13. t)). l’´tat x devient e e une fonction uniquement du temps Φ(x0 .

4.3 Exemple : le pendule simple On consid`re un simple pendule qui consiste en une masse m reli´e par une e e tige de longueur unitaire ` son axe de rotation. Il est soumis ` un frottement a a visqueux proportionnel ` la vitesse du pendule autour de son axe.20. M ⊂ R ⇒ ∀x0 ∈ Ωl . 4.19.13. e 2. x = 0 et V (0) = 0 est explicitement ajout´e. e Ce th´or`me poss`de l’avantage de s’appliquer ` l’analyse de la convergence e e e a asymptotique vers un cycle comme l’illustre la figure 4. Il est important de mentionner deux aspects important : 1.20 Ωl R Ωl R cycle limite M M point d’´quilibre e Fig. ˙ R = {x | V (x) = 0} – Ωl ferm´ et born´ e e ˙ – ∀x ∈ Ωl on a V ≤ 0 ˙ – R ⊂ Ωl et R = {x | V (x) = 0} – M le plus grand ensemble invariant. e e e Le th´or`me de LaSalle donne la stabilit´ asymptotique d’un point d’´quilibre e e e lorsque la condtion V > 0. a . Le th´or`me d’invariance s’applique aussi bien aux points d’´quilibre e e e qu’aux cycles limites. 4. t) → M lorsque t → ∞. Ensemble R. C’est l’ensemble de points pour lesquels V = 0. Il n’y est pas question de stabilit´. La fonction V (x) n’est pas n´cessairement d´finie positive.4. X (x0 . Remarque 4. mais uniquement de convergence.25.13 Th´or`me d’invariance de LaSalle e e 87 ˙ Fig.

88 4 Stabilit´ au sens de Lyapunov e La position du centre de masse est donn´e par x = sin θ et y = cos θ de e telle sorte que son ´nergie cin´tique s’´crit e e e ˙ Ecin = 1/2m(x2 + y 2 ) = 1/2mθ2 . Par cons´quent. A l’aide de ces deux quantit´s. De plus. . Par cons´quent. nous pouvons ´tablir la repr´sentation e e e d’´tat du mod`le dynamique en appliquant le formalisme de Lagrange. 2 ˙ Cette fonction est positive pour autant que θ et le second terme ne s’annulent pas simultan´ment. une force g´n´ralis´e Fθ = −bθ e e e e s’applique ´galement. l’´nergie potentielle s’exprime e e Epot = mg(1 − cos θ). la fonction d’´nergie compl`te du pendule e e e V = Ecin + Epot = 1 ˙2 mθ + mg(1 − cos θ). ˙ ˙ On suppose ´galement que la gravit´ agit dans le sens perpendiculaire ` e e a l’axe de rotation. par exemple. Une e e seule coordonn´e g´n´ralis´e est dans ce cas n´cessaire (` savoir θ). V est nul pour e e x= θ ˙ θ = 0 + 2kπ 0 avec k ∈ Z. e Consid´rons. La formule de m´canique analytique e d dt conduit ` a ¨ ˙ mθ + mg sin θ = −bθ. C’est une ´quation diff´rentielle du second ordre qui se met sous la forme e e ˙ d’´tat (avec x1 = θ et x2 = θ) : e ∂L ˙ ∂θ − ∂L = Fθ ∂θ x1 = x2 ˙ x2 = −g sin x1 − ˙ b x2 m On aimerait maintenant obtenir une conclusion quand ` la stabilit´ asympa e totique de ce pendule en consid´rant une fonction de Lyapunov qui ne soit e pas strictement d´croissante. o` b ∈ R est un param`tre positif (b > 0) correspondant e u e au coefficient de frottement. Le lagrane e e e e a ˙ gien est donn´ par L = Ecin − Epot .

ceux repr´sent´s en noir sont associ´s aux e e e e points selles de la fonction V . θ = kπ avec k ∈ Z. ˙ Toutefois. ´tant donn´ que V n’est pas strictement d´croissante et que V ne s’annule pas uniquement au point 0. Le syst`me est donc localement stable. La masse est m = 1 et la gravit´ est ´gale ` g = 10.21 repr´sente les courbes de niveau de la fonction de Lyapunov. et correspondent ` des points d’´quilibre ina e stable. les conditions de stabilit´s e e 1. V (x) = 0. autour de ces points. nous pouvons examiner l’ensemble R pour lequel V = 0. le th´or`me de Lyapunov n’est pas conclusif quant ` la stabilit´ e e a e e e e locale asymptotique. dans un voisinage de l’origine. V est approxim´ par e . e e Par cons´quent. θ n’apparaˆ pas e e e a ıt a ` gauche de l’in´galit´. e e a L’axe horizontal R est repr´sent´. l’ensemble R = { x1 . x = 0 ˙ 3. le gradient ∇V = mg sin(θ) ˙ mθ . Localement. k ∈ Z. lequel contient les points constituant e e l’ensemble invariant M inclut dans R.13 Th´or`me d’invariance de LaSalle e e 89 Le syst`me dynamique s’´crit x = f (x) avec e e ˙ ˙ f1 (x) = θ ˙ f2 (x) = −g sin θ − b/mθ. θ = 0. e ˙ La figure 4. x = 0 2. e ainsi que les solutions pour deux valeurs du coefficient de frottement (b = 0 et b = 1). Ces points sont s´par´s en deux classes. En effet. e Toutefois. ˙ s’annule aux points θ = kπ. Afin d’obtenir le plus grand ensemble invariant M contenu dans R. V ≤ 0 sont satisfaites. Comme ˙ ˙ = −bθ2 = −bx2 . la seconde composante de f (x). a c. e e Les points associ´s au minimum de V sont repr´sent´s en blanc et correse e e pondent aux ´quilibres stables . V (x) > 0. conduisant a e a ` une multitudes de points isol´ θ = 0. 0.-`-d f2 (x). ` savoir θ .4. En d’autres termes. doit ˆtre nulle. x2 | x2 = 0 } est une droite horizonV 2 tale passant par l’origine. il est n´cessaire et suffisant que le vecteur f (x) d´finissant la dynamique soit tangent e e ou nul ` cet axe horizontal. V (x) = ∂x Il faut insister sur le fait que l’in´galit´ ci-dessus n’est pas stricte ´tant e e e ˙ ˙ donn´ que θ2 ne p´nalise qu’une partie de l’´tat. de telle sorte que ∂V ˙ ˙ ˙ ˙ ˙ f = mθ(−g sin θ − b/mθ) − mg sin θθ = −bθ2 ≤ 0. On obtient la condition g sin x1 = 0.

6) est l’identit´ et les e deux valeurs propres sont ´gales ` 1 . le frottement est nul. points selle). e e e e ˙ ¯ V ≈ (θ − θ) ˙ ¯ = (θ − θ) ˙ θ ˙ θ T   T ¯ mg cos θ 0 0 m ∂∇V ¯ ˙ ∂θ θ=θ. le frottement est ˙ non nul.6) ¯ Aux valeurs θ = 2kπ.θ=0 ¯ ˙  ¯ θ−θ ˙ θ ¯ θ−θ . Des solutions pour des choix de conditions initiales diff´rentes sont ´galement repr´sent´es. Aux e a ¯ valeurs θ = 2kπ + π. c’est un point selle (points noirs). par exemple e .90 10 4 Stabilit´ au sens de Lyapunov e 10 5 5 0 0 -5 -5 -10 -10 -5 0 5 10 -10 -10 -5 0 5 10 ˙ Fig. le th´or`me d’invariance est appliqu´ en consid´rant divers ensembles compacts e e e e Ωl (ferm´s et born´s) pour lesquels V est inf´rieur ou ´gal ` la quantit´ l. A gauche.θ=0  ∂∇V ˙ ∂ θ θ=θ. et lignes de contour de la fonction de Lyapunov pour le pendule. les ensembles e a a Ωl ne sont plus compacts. N´anmoins. Dans ce cas. en prenant l < mg. l’origine est localement stable (mais e pas asymptotiquement). le syst`me e e e n’est pas globalement stable.21. A droite. et aux points noirs (extremum de V . Par contre. les courbes de niveau sont ferm´es et constituent des cycles. Plan de phase (θ selon l’axe horizontal et θ selon la verticale). le frottement est nul de telle sorte ˙ que V = 0. e ˙ Pour V ≤ 0 (frottement non nul. ˙ θ (4. chaque courbe de niveau de V est invariante. dans un voisinage de l’origine. Etant donn´ que certaines de ces courbes de niveau ne sont pas ferm´es. c’est un minimum (points blancs).21). la matrice ` une valeur propre n´gative −1 et une valeur a e propre positive +1 . L’ensemble R pour lequle V = 0 est repr´sent´ en jaune et le plus grand e e invariant M correspond aux points blancs (minimum de V ). Dans la partie droite de la figure 4. partie de gauche de la figure 4. 4. En effet. la matrice dans l’expression (4.21. e e e e a e Lorsque V est sup´rieur ` la valeur atteinte ` un des points selles. Le bord de Ωl est alors constitu´ par les courbes e de niveau non ferm´es de V .

Cet ensemble contient alors plusieurs points d’´quilibre. et l’ensemble R ∩ Ωmg−ǫ ne comporte qu’un seul point qui est l’origine 0.-`-d. Il s’agit de proc´der de e a e mani`re it´rative en alternant entre. Seule la condition de bornitude est n´cessaire. invariant (parce que V ≤ 0). e e 4. le syst`me converge vers un e ˙ des points d’´quilibre. il est garantit que. e e a il n’est pas possible de connaˆ a priori vers quel point d’´quilibre le syst`me ıtre e e convergera. d’autre part. En effet. l’ensemble ˙ ˙ Ωmg−ǫ = {θ. globalement. θ|V (θ.4. mais elle n’est pas globalement stable. et e e la conclusion suit du th´or`me d’invariance. il n’y pas de m´thode constructive directe ` proprement dit. imposer la seconde e condition concernant la d´croissance le long des solutions de la fonction de e Lyapunov. d’une part. imposer la premi`re condition e e e de positivit´ de la fonction de Lyapunov. θ) ≤ mg − ǫ. et. lorsque θ0 et θ0 sont des valeurs initiales e quelconques. ´tant donn´ que V n’est e e e e pas exig´ ˆtre positif d´fini. ∃c > 0. En effet. π[} ˙ est compact. ce ee e e qui est le cas dans un compact donn´ (c.14 M´thodes de construction des fonctions de Lyapunov e 91 l = mg − ǫ. Le trait commun de ces m´thodes (et du reste de toutes e les m´thodes de construction de fontion de Lyapunov) est de proc´der par e e construction/correction et essais/erreurs. un ensemble invariant compact contenant cette condition initiale peut ˆtre construit. c ∈ R tel que V < c). ´tant donn´ que lorsque la condition initiale n’appartient pas ` cet ensemble. le fait que V s’annule en e e plusieurs points d’´quilibre n’a pas de cons´quence.14 M´thodes de construction des fonctions de e Lyapunov La pr´sente section pr´sente trois m´thodes de construction de fonctions e e e de Lyapunov. e a Cet argument inductif concernant la stabilit´ globale permet ´galement de e e s’affranchir du fait fˆcheux que la fonction V n’est pas born´e radialement a e comme le constat de l’existence de courbes de niveau non ferm´es nous l’a e d´montr´. en se fondant uniquement sur la fonction de Lyapunov et ses propri´t´s. En d’autres termes. ee Toutefois. L’origine est stable par rapport ` a cet ensemble de conditions initiales. . θ ∈] − π.

ainsi que deux matrices e e d´finies positive P > 0 et ∃Q > 0 telles que ∀x = 0.27. x ∈ Ω il est vrai e que F (x) = A(x)T P + P A(x) + Q < 0 est une matrice d´finie n´gative. x ∈ Ω) alors la fonction V (x) = f (x)T f (x). alors e e V (x) = f (x)T P f (x) est une fonction de Lyapunov. la relation a x V (x) = 0 ∇V (ξ)dξ est valable entre ces deux quantit´s. et que la matrice F (x) = A(x) + A(x)T < 0 est d´finie n´gative dans l’ouvert Ω (c.92 4 Stabilit´ au sens de Lyapunov e 4. l’origine 0 est globalement asymptotiquement stable. Si de plus Ω = Rn et V (x) → ∞ lorsque x → ∞. S’il existe un ouvert Ω ⊆ Rn . D´finissons : e e ˙ e A(x) = ∂f . e e Th´or`me 4. que e le gradient est une 1-forme que l’on ´crit ´galement sous la forme dV o` la e e u param´trisation ξ n’est pas explicitment mention´e..1 M´thode de Krasovskii e La premi`re m´thode est celle de Krasovskii. e e a xT F (x)x < 0. alors x = 0 est globalement asymptotiquement stable. e e . Si de plus Ω = Rn et V (x) → ∞ lorsque x → ∞.15 M´thode du gradient variable e Si l’on connaˆ ` la foir le gradient de la fonction de Lyapunov et la fonction ıt a de Lyapunov ` proprement dit. ∂x S’il existe un ouvert Ω ⊆ RN contenant l’origine 0 ∈ Ω. Th´or`me 4.26. et 0 est localement asymptotiquement stable. 4.14. est une fonction de Lyapunov et l’origine 0 est localement asymptotiquement stable. Nous verrons dans le chapitre 6. Soit x = f (x) tel que f (0) = 0. ∀x = 0.-`-d. e e Ce th´or`me admet une certaine g´n´ralisation en consid´rant une ´quation e e e e de Lypaunov pour la matrice F (x). Ainsi.

x2 )x2 Ensuite. (ii) un vecteur ligne qui. a Toutefois. 0. e o (dV plutˆt que V ). x2 . . 0)dξ2 + xn 0 .. . o ∇V1 = a11 (x1 . En cons´quence.15 M´thode du gradient variable e 93 V = dV. on choisit la param´trisation pour e rendre n´gatif la d´riv´e de la fonction de Lyapunov e e e ˙ V < 0. et e finalement (iii) un vecteur ligne quelconque (une 1-forme quelconque). tout vecteur ligne ne peut provenir d’un gradient. devient une 1-forme exacte (1-forme int´grable) . ∇V2 ]T .. on remonte ` la fonction de Lyapunov en int´grant le grandient a e ∇V le long d’un contour quelconque. Ainsi. ∇V = [∇V1 . ξ2 . x2 )x2 ∇V2 = a21 (x1 . . . Ce sont les conditions d’exactitude. e e e la fonction ne change pas de valeur selon le chemin emprunt´. ce qui devient une notation tout ` fait explicite. Comme la 1-forme est une diff´rentielle exacte (voir chapitre 6).4. il est pose e e sible de figer certaines quantit´s ` z´ro en choisissant un chemin d’int´gration e a e e particulier x1 V (x) = 0 x2 ∇V1 (ξ1 . . .+ 0 ∇Vn (x1 . 0. Par cons´quent. + . il faut que les composantes respectent certaines conditions entre e elles pour pouvoir provenir d’un gradient. x2 )x1 + a12 (x1 .. 0)dξ1 + ∇V2 (x1 . . il faut respecter les conditions d’int´grabilit´ (ddV ∧ dV = 0. Nous distinguerons (i) un vecteur ligne qui est issu directement d’une fonction par d´rivation (1-forme exacte) . ξn )dξn . Ensuite. . voir e e le chapitre 6) qui s’´crit dans notre cas e ∂∇Vj ∂∇Vi = ∂xj ∂xi (∗) Tout en respectant ces conditions. . . x2 )x1 + a22 (x1 . une fois multipli´ par e e une fonction arbitraire. . . seul compte le e point d’arriv´e qui d´termine la valeur de celle-ci).. le proe cessus d’in´gration ne d´pend pas du chemin d’int´gration choisit (en effet. on commence par param´triser ∇V plutˆt que V .

la positivit´ de V . la nature d´finie positive de la fonction V est v´rifi´e (c. a12 > 0 et e e a12 < a22 . En for¸ant l’´galit´ a11 = a12 . x2 Pour garantir que la matrice centrale soit d´finie positive. la n´gativit´ de la d´riv´e de la fonction de Lyapunov (la e e e e deuxi`me condition) est impos´e : e e ˙ V = ∇V f = a11 x1 x2 + a12 x2 + (a12 x1 + a22 x2 )(−x2 − x2 ) 2 1 = −(a22 − a12 )x2 − (a12 + a22 x2 )x2 + a11 x1 x2 − a12 x1 x2 2 2 1 En choisissant a12 < a22 et a22 > 0. Exemple 4. La condition d’exactitude (int´grabilit´ ”renforc´e”. le terme r´sultant en x2 est n´gatif. Pour simplifier quelque peu la tˆche.28. Soit le syst`me dynamique e x1 = x2 ˙ x2 = −x2 − x2 ˙ 1 Pour obtenir une fonction de Lyapunov. c e e a e e Il ne reste plus qu’` discuter du signe du coefficient devant x2 . la fonction de Lyapunov devenant apr`s int´gration et ` un facteur e e a 1/2 pr`s : e V = a12 x2 + 2a12 x1 x2 + a22 x2 . Ceci est garantit pour autant que a12 > 0. Maintenant. nous choisissons des coma binaisons lin´aires de l’´tat pour chacune des deux composantes du gradient. e ∇V = a11 x1 + a12 x2 a21 x1 + a22 x2 . voir le chapitre sur la e e e g´om´trie) s’´crit e e e ∂∇V2 ∂∇V1 = x2 x1 a12 = a21 . 1 2 Il ne reste plus qu’` forcer la premi`re condition. e 2 En r´sum´ nous avons les conditions a11 = a12 = a21 . a22 > 0. c. ils ne contribuent plus ` la d´riv´e. Ce facteur a 1 (a12 + a22 x2 ) doit ˆtre positif. il suffit que ses deux e mineurs soient plus grand que z´ro. Le premier est a12 qui est plus grand que e .94 4 Stabilit´ au sens de Lyapunov e Finalement. il demeure deux termes dont le signe est ind´fini. ` savoir a11 x1 x2 − e a a12 x1 x2 .-`-d. nous commen¸ons par param´trer c e son gradient. e e e a V > 0). La a e a e fonction V est factoris´e pour faire apparaˆ une matrice sym´trique e ıtre e V = x1 x2 a12 a12 a12 a22 x1 . e e Par cons´quent. e e 2 Toutefois.-`-d.

la tˆche est parfois plus simple ´tant donn´ qu’il suffit d’exhiber a e e une condition initiale qui conduit ` une trajectoire qui sort de la boule d’exia gence de rayon R. et la seconde consiste ` v´rifier que cette fonction croit le long des a e ˙ solutions (V > 0).29. e e e on aboutit ` une ´quation diff´rentielle avec un seul ´tat V . cela conduit ` une croissance de e e a V et donc ` une instabilit´. ∀x ∈ Ω ⇒ 0 est instable La seconde condition introduit un test indirect qui consiste ` exprimer la a d´riv´e en utilisant la fonction V elle-mˆme. x = 0 et V < 0. Comme cette fonction est scalaire.4. Le premier consiste ` v´rifier que V croit. plutˆt que de garantir que toutes les trajectoires demeurent o dans la boule R pour une sous-boule (de rayon r) de conditions initiales. 4. e e – ∃Ω ⊆ Rn . 0 ∈ Ω. e a condition d´j` rencontr´e pour forcer la premi`re condition. comme cela ´tait le cas pour la stabilit´. Le second a12 a22 − a12 = a12 (a22 − a12 ) > 0 conduit ` ce que a22 > a12 . e e Nous pr´senterons trois r´sultats permettant d’identifier si un syst`me est e e e instable. a e .16 R´sultat d’instabilit´ 1 e e D´terminer l’instabilit´ peut ˆtre aussi important que d’´tablir la stabilit´. quelles que soient les a e conditions initiales. dt V (x) − λV (x) ≥ 0. e e – ∃Ω ⊆ Rn . V est donc bien ea e e une fonction de Lyapunov car elle satisfait simultan´ment aux deux conditions e ˙ V > 0. x = 0 ⇒ 0 est instable La premi`re condition (V (x) > 0) est de garantir la positivit´ de la fonction e e de test. e e e e e Cependant.30. Si le facteur de a e e e proportionnalit´ λ est plus grand que z´ro. ∀x ∈ Ω. Th´or`me 4.17 R´sultat d’instabilit´ 2 e e 95 2 z´ro. V (0) ≥ 0 et V (x) > 0 ∀x ∈ Ω\{0} d – ∃λ > 0. x = 0 d – dt V (x) > 0. 4.17 R´sultat d’instabilit´ 2 e e Le second r´sultat particularise quelque peu les conditions et permet de e d´tecter une plus large classe de syst`mes instables que le premier r´sultat. e e e Th´or`me 4. V (0) ≥ 0 et V (x) > 0 ∀x ∈ Ω. 0 ∈ Ω.

∀x ∈ Ωl – 0 ∈ ∂Ωl – V (x) = 0. La e e figure 4. Th´or`me 4. par le fait que a V est forc´ de s’annuler sur les cˆt´s de la tranche de gateau (V (x) = 0 e o e . e e e L’id´e consiste ` envisager une r´gion ressemblant ` une sorte de tranche de e a e a gateau Ωl pour laquelle le candidat de Lyapunov V (on devrait dire le candidat de la fonction Chetaev) s’annule sur la partie de la tranche de gateau qui est coup´e (V (x) = 0 pour x ∈ ∂Ωl ) . Par cons´quent. il suffit d’exhiber une seule condition initiale e par boule Br de taille suffisamment petite. e Le th´or`me de Chetaev permet d’aborder l’instabilit´ selon cet angle.96 4 Stabilit´ au sens de Lyapunov e 4. la condition de stabilit´ exige que quel que e e soit la condition initiale x0 appartenant ` la boule Br la trajectoire r´sultante a e reste comprise dans la boule d’exigence BR et ce.18 R´sultat d’instabilit´ 3 : th. d’une part. ∀x ∈ ∂Ωl ⇒ 0 est instable x2 Ω ∂Ωl Ωl 0 x1 Fig.31. (Chetaev) ∃Ω ⊆ Rn et ∃Ωl ⊂ Ω e e – V (x) > 0. 4. une image de ”cone” g´n´ralise la notion de ”tranche de gateau”. et qui est croissante dans cette r´gion e e ˙ (V > 0). L’explication consiste ` remarquer que. Figure illustrant le th´or`me de Chetaev e e Preuve. pour laquelle la trajectoire du syst`me sorte d’une certaine boule d’exigence BR . ∀x ∈ Ωl d – dt V (x) > 0. de Chetaev e e Comme mentionn´ plus haut.22.22 illustre le concept. quel que soit la boule d’exigence choisie. Pour les syst`mes dont la dimention de l’´tat est plus grande que e e deux.

i. o` m(x) est une certaine fonction non-lin´aire de x. les r´sultats sont ´galement e e e e applicables pour tester l’instabilit´.e ∃v ∈ R. (et en particulier pour une condition initiale arbitrairement e proche du point d’´quilibre). De plus.10. Nous allons e e a e e n´anmoins montrer qu’il existe une certaine boule d’exigence suffisamment e petite BR pour laquelle les trajectoires issues de l’intersection Ωl ∩ BR sortent de la boule BR . un calcul direct ` partir e e a de la fonction V (x) et de la dynamique f˙(x) conduit ` une ´galit´ a e e ˙ V = m(x). la premi`re condition de la d´fnition 4. e D´terminer la stabilit´ par l’entremise d’un candidat de Lyapunov n´cessite e e e de tester la d´croissance de la fonction V : e ˙ V ≤0 (4. e e .19 Techniques de comparaison et majoration 97 ∀x ∈ ∂Ωl ) et. a e et ´galement par hypoth`se.-`-d. d’autre part. comme la fonction V est croissante par hypoth`se e ˙ sur l’ensemble de la tranche (V > 0. V est strictement croissante dans cette r´gion e e e le long des solutions du syst`me. conduie sant ` une contradiction. en renversant les in´galit´s.4.10 impose de v´rifier cette e e e in´galit´. au moins dans un a e e voisinage. en supposant que les trajectoires ne e sortent pas de BR . il se poure o e rait qu’elles restent pi´g´es ` l’int´rieure de la r´gion bleue Ωl . exhibant e de la sorte l’instabilit´. ∀x ∈ Ωl ∩ BR . En chosissant le rayon R suffisamment petit (ce qui n’est nullement interdit et n’impose aucune condition suppl´mentaire). e e a e e 0 < v < ∞.19 Techniques de comparaison et majoration Nous pr´sentons dans cette section diverses techniques directes et indie ˙ rectes de majoration permettant de d´duire la deuxi`me condition V ≤ 0 du e e th´or`me de stabilit´ de Lyapunov. toute trajectoire commen¸ant dans a e c la r´gion Ωl ∩ BR . Ceci est rendu possible par le fait que la fonction V est continue et s’annule ` l’origine par hypoth`se. la deuxi`me condition de la d´finition 4. finit par quitter la boule d’exigence BR . D’autre part. comme l’utie e e lisation d’in´galit´s classiques ou le d´veloppement limit´. e e Malgr´ l’apparente simplicit´ de cette condition. V est gae rantie born´e sup´rieurement ` l’int´rieure de la r´gion Ωl ∩ BR .7) En effet. En cons´quence. rendent ´galement e e e e e possible la v´rification de la nature d´finie positive du candidat de Lyapunov e e V (x). Certaines de ces techniques. V (x) < v. ∀x ∈ Ωl ). il est impossible que les trajectoires du syst`me (celles commen¸ant ` l’int´rieure de la tranche Ωl ) e c a e sortent de la r´gion bleue par les cˆt´s ∂Ωl (en rouge). ne permettant pas touu e jours d’´tablir facilement ce r´sultat. Ainsi. Pourtant. c. e 4. la fonction V ´valu´e le long de ces trajectoires (´tant e e e strictement croissante) finirait par d´passer la borne v en question.

33. Dans le cas d’une in´galit´ faible xT P x ≥ 0. P = P T 2. En effet.1 Les formes quadratiques Pour les syst`mes lin´aires x = Ax. la matrice P est dite positive e e semi-d´finie. . e e comme v T P v = v T (λP )v = λv T v = λ. e D´finition 4. e 0 ≤ λ1 ≤ λ2 ≤ . Comme par d´finition la matrice P est sym´trique e e d´finie (resp. nous verrons qu’un d´veloppement limit´ e e e e caract´rise localement ces fonctions par la pr´sence de formes quadratiques e e d´finies positives et semi-d´finies positives.98 4 Stabilit´ au sens de Lyapunov e Afin de v´rifier e la fonction m(x) est alors major´e par une nouvelle quantit´ e e m(x) > m(x). permet de d´duire m(x) ≤ 0. non n´gatif). . .. i = e e 1. et positives 0 < λ1 ≤ λ2 ≤ . non n´gatives. Ceci est en particulier vrai pour x = v.19. admettent une forme quadratique e e ˙ V = xT P x et V = −xT Qx. 4. e e Nous rappelons quelque propri´t´s des matrices r´elles sym´triques d´finies ee e e e positives et semi-d´finies positives. semi-d´finie) positive. . . . la e e ˙ a fonction de Lyapunov. la valeur xT P x est un nombre r´el positif e e e (resp. (4. Les valeurs propres λ1 . sont satisfaites. . ≤ λn ). plus simple. l’utilisation des matrices d´finies positives est ´galement ape plicable au cas non lin´aire x = f (x) ` la fois pour estimer la fonction de e ˙ a Lyapunov V et sa d´riv´e. . Une matrice P dont les coefficients sont r´els est dite strice e tement r´elle sym´trique positive d´finie lorsque les deux conditions e e e 1. r´elles et non e e n´gatives). ≤ λn (resp. .32.8) et (4. . e Lemme 4. e e Cependant. et donc ´galement e ¯ e (4. e m(x) ≤ 0. ainsi que sa d´riv´e. Preuve. .8) . n. toutes les valeurs propres λ sont r´elles et positives (resp. Soit v un vecteur propre de norme unit´ associ´ ` une des valeurs e ea propres que l’on notera λ. nous avons vu ` la section ?? que. ¯ dont l’expression. o` P et Q sont des matrices r´elles sym´triques u e e d´finies positives. Par cons´quent. xT P x > 0. λn d’une matrice sym´trique d´finie e e (respectivement semi-d´finie) positive P sont toutes r´elles λi ∈ R. .7). ∀x = 0.

Si les valeurs propres λi et λj sont distinctes (λi = λj ). Supposons que vi vj = 0 et λi = λj .4. Il e e e existe deux constantes r´elles c. 4. En cons´quence. il est possible d’englober le ballon de rugby par e un ballon homog`ne (en consid´rant l’axe le plus grand du ballon de rugby).9) Comme vi est associ´ ` λi .34 conduisent alors ` une repr´sentation mena e tale d’une matrice d´finie positive par une sorte de ”ballon de rugby” ` ne a dimensions.34 garantit l’existence d’une base orthonorm´e de vece teurs propres vi ` partir de laquelle la d´composition de x = n αi vi conduit a e i=1 a ` n n xT P x = ( i=1 n αi vi )T P ( i=1 n αi vi ) λi αi vi ). =( i=1 αi vi )T ( i=1 .10) entraˆ e e e e ınent T λi = λj . e e et ´galement d’y inscrire un ballon homog`ne ` l’int´rieur du ballon de rugby e e a e (en consid´rant l’axe le plus petit du ballon de rugby). conduit ` une contradiction ce qui implique vi vj = 0 d`s lors que a e λi = λj .34. Le lemme 4.35.10) Etant donn´ que P est sym´trique.2 Inflation et d´flation e Les deux lemmes 4.19.9) et (4. Preuve. c = λ1 (la plus petite valeur propre de P ) et C = λn (la plus grande valeur propre de P ). Comme vj est associ´ ` λj ea T vi vj = 1 T 1 T v (λj vj ) = v (P vj ).33 et 4. C ∈ R telle que e cxT x ≤ xT P x ≤ CxT x.19 Techniques de comparaison et majoration 99 Lemme 4. λi = λj . alors les vecteurs propres vi et vj associ´s a ces valeurs propres (P vi = λi vi et e ` P vj = λj vj ) sont orthogonaux : T vi vj = 0 i = j. De plus. les deux ´galit´s (4. λi i (4. T Preuve. ea T vi vj = 1 T T (v P )vj . Soit P > 0 une matrice r´elle sym´trique d´finie positive. e Lemme 4. λj i λj i (4.

De plus. . . . ∞. les degr´s des de tous les monˆmes de Ri sont de degr´ e o e exactement ´gal ` i (do Ri = i). .30) est fond´ sur la comparaison e e e e e ˙ entre la fonction V et V elle-mˆme. xl avec xi xj un des monˆme e e ¯ o apparaissant dans la forme quadratique xT Ax. e e e a Remarque 4.11). e a Les techniques de d´veloppement se fondent alors sur le fait que si la e matrice A = (aij ) est d´finie positive. + Rn (x) + . d´montre les in´galit´s ` partir de (4. A cause du degr´. les termes pouvant changer le signe de V sont tous dans un des facteurs Ri . xl e o e ¯ peuvent ˆtre factoris´s sous la forme c(xi xj )xk .100 4 Stabilit´ au sens de Lyapunov e T En tenant compte de l’orthonormalit´ des vecteurs propres choisis (vi vj = 0. i (4.19. la propri´t´ 0 < λ1 ≤ λi ≤ λn .3 Le d´veloppement limit´ e e ˙ Lorsque la fonction V admet un d´veloppement en s´rie. En effet. i=1 j=1 (4. .19. . 4. garantie ee i=1 i par le lemme 4. i = j. xl devient alors n´gligeable par rapport au coefficient aij ¯ e de telle sorte que le terme xT Ax domine par rapport au terme de perturbation i Ri . 1/C = 1/λn correspond au rayon du petit e a e ballon homog`ne xT x = λ1 inscrit ` l’int´rieur du ballon de rugby xT P x = 1. n xT P x = i=1 λi α2 . . il est possible e e d’exprimer n n ˙ V =− aij xi xj + R3 (x) + R4 (x) + . . . c ∈ R. 1/c = 1/λ1 a 1 correspond au rayon du grand ballon homog`ne xT x = λ1 englobant le ballon e T de rugby x P x = 1. . Le fait que les vecteurs propres sont orthogonaux permet d’´liminer les produits crois´s vi vj . De mˆme. . Si la d´riv´e de la quantit´ V est proe e e e . telle que ˙ V <0 ∀ x ≤ c. En choisissant x suffisament petit le facteur cxk . e e Par convention. .36. . e n 4.11) et en remarquant n α2 = xT x. alors il existe une certaine constante e c > 0. ˙ En effet. e i = j et vi = 1).33. i = 1. le plus grand axe du ballon e e T de rugby correspond ` la plus petite valeur propre λ1 . .4 La r´introduction de V e Le r´sultat d’instabilit´ 2 (th´or`me 4. tous les monˆmes associ´s disons cxi xj xk .12) o` les monˆmes du second ordre ont ´t´ mis en ´vidence par rapport ` ceux u o ee e a d’ordres sup´rieurs regroup´s dans Ri .

V (x(t)) → 0.19. en e fonction du coefficient devant la fonction de V . 4. V = ∂x avec α ∈ R. afin d’estimer les solutions de l’´quation diff´rentielle. alors V (t) = V0 eαt . d’essayer e e de r´introduire l’expression de V dans m(x). e ˙ ˙ Preuve.19 Techniques de comparaison et majoration 101 portionnelle (avec un facteur positif) ` cette quantit´ V . Par cons´quent. lorsque la e e e e e e fonction V apparaˆ de part et d’autre de l’in´galit´.4. L’expression V0 e conduit ` ce que. e ∀x = 0. une fois le calcul de V = m(x) effectu´. en consid´rant une fonction V . l’expression V = αV e αt est v´rifi´e. alors. Si α < 0. e ˙ V ≤ αV devient .5 L’´quation int´grale associ´e e e e Sous certaines conditions de continuit´ (que nous avons admises dans l’ine troduction). l’´quation diff´rentielle ordinaire e e x = f (x). Lemme 4.37. lorsque α < 0. e e e Ce proc´d´ s’applique ´galement aux in´galit´s diff´rentielles. Si cela est possible. cette quantit´ peut d´croˆ e e ıtre au cours du temps. e e u e ıt e Par exemple. des in´galit´s et des majorations sont applicables ` e e e a l’int´grale. e e a et donc que x(t) → 0 lorsque t → ∞. alors cette quantit´ a e e augmente exponentiellement. o` la diff´rentielle disparaˆ au profit de l’int´grale. ˙ Il est ainsi int´ressant. En d´rivant par rapport au temps V (t) = V0 eαt . donne lieu ` une repr´sentation ´quivalente sous forme d’´quation int´grale a e e e e t x(t) = τ =0 f (τ )dτ x(0) = x0 . V (0) = 0) telle que ∂V ˙ f (x) = αV. ˙ x(0) = x0 . le syst`me x = f (x) est asymptotiquement stable. Soit V une fonction d´finie positive quelconque (V (x) > 0. Elle est alors convertie ıt e e en in´galit´.

De mˆme e devient V (t) ≤ V (0) + 0 V (τ )dτ. 0 (4.).) des fonctions continues non n´gatives de R+ e dans R+ . apparaissant des deux cˆt´ o e de l’in´galit´. Soit m(.13) et (4. a a a sous le signe d’int´gration.14) afin de trouver des estimations pour la e fonction V . C’est pourquoi l’isolation e de V d’un seul cˆt´ de l’in´galit´ est tr`s commode. l’apparition de V ` la fois ` gauche de (4. dans le membre de gauche de l’in´galit´. e e Si t m(t) ≤ c + alors v(τ )m(τ )dτ. En multipliant (4. Ce lemme et ceux de cette section sont appel´s lemmes de (type) e e Bellman-Gronwall. le facteur entre crochets est strictement positif.38. (4. une int´gration directe conduit ` e a . rend l’estimation difficile.102 4 Stabilit´ au sens de Lyapunov e t V (t) ≤ V (0) + α quel que soit le signe de α ∈ R. 0 t t ≥ 0.15) m(t) ≤ c exp v(τ )dτ 0 (4.16) Remarque 4.13) ˙ V ≤ g(V ) t g(V (τ ))dτ.15) par la valeur non n´gative v(t) de part et d’autre e de l’in´galit´. .39. et c ∈ R un nombre r´el non n´gatif c ≥ 0.) et v(. (4. Ce lemme permet d’isoler m(. l’in´galit´ ne o e e e change ´galement pas de sens e m(t)v(t) c+ t 0 v(τ )m(τ )dτ ≤ v(t). et sans le symbole e e e e d’int´gration.14) Ce type de conversion permet alors d’utiliser les propri´t´s des in´galit´s ee e e int´grales du genre (4. En particulier. de telle sorte qu’en divisant des deux cˆt´s par cette expression non nulle.13) et ` droite. l’in´galit´ ne change pas de sens e e e e t m(t)v(t) ≤ v(t) c + v(τ )m(τ )dτ . 0 Lorsque c > 0. Preuve. o e e e e Lemme 4. (4.17) Maintenant.

τ (4.18) v(τ )h(τ ) exp (4.15) est valable pour tous ces choix.). il est utile d’utiliser e e e des r´sultats classiques afin de majorer (ou minorer selon le cas) les in´galit´s e e e plus compliqu´es ` l’aide de celles utilisant des expressions arithm´tiques e a e simples. on y trouvera ´galement d’autres in´galit´s de ce type. e In´galit´ de Cauchy-Schwarz e e Cette in´galit´ d´coule du produit scalaire existant dans un espace vectoe e e riel et provient du fait que | sin(α) |≤ 1 pour tout α ∈ R. le lemme devient e Lemme 4.19) t m(t) ≤ h(0) exp v(τ )dτ 0 + 0 h′ (τ ) exp s t v(ξ)dξ dτ. .19 Techniques de comparaison et majoration t T 103 log c + 0 v(τ )m(τ )dτ − log c ≤ v(τ )dτ 0 entraˆ ınant (4. Pour le cas c = 0. En passant ` la limite ǫ → 0. e t 0 t v(τ )m(τ )dτ.6 Quelques in´galit´s standards e e Etant donn´ que des in´galit´s souvent complexes doivent ˆtre manipul´es. ce qui a d´montre le lemme. Tout e ea comme dans [LL69].16). nous obtenons m(.19.) des fonctions continues non n´gative de e R+ dans R+ . Si t m(t) ≤ h(t) + alors m(t) ≤ h(t) + De plus si h(. le lecteur est invit´ ` consulter [LLM89].) et h(.) est d´rivable. C’est pourquoi nous pr´sentons essentiellement trois types d’in´galit´s ape e e paraissant tr`s souvent en pratique pour ´tablir des r´sultats de stabilit´ en e e e e commande non lin´aire. Soit m(. Pour une d´monstration.4. 0 t t≥0 v(ξ)dξ dτ. e e e 4. nous pouvons appliquer le r´sultat valable pour c > 0 e en choisissant une suite d´croissante de nombre positif ǫi > 0 en posant suce cessivement c = ǫi de telle sorte que (4.) = 0 identiquement. e e e e e faisant intervenir des op´rateurs diff´rentiels et int´graux. v(. e Lorsque le nombre c d´pend explicitement du temps.40.

g´om´trique et arithm´tique. sont des cas particuliers e e e de moyenne Mf associ´e ` une fonction f (x) dont on connaˆ la fonction e a ıt r´ciproque f −1 (x) : e Mf = f −1 1 n n f (xi ) . . Nous avons x + y ≥ ±x±y . . i = 1. | xT y |≤ x In´galit´ du triangle e e y . est toujours au moins e √ ´gale ` la moyenne g´om´trique n x1 · x2 · . Mx est la moyenne arithm´tique. xn √ En d´finissant. . . L’in´galit´ (4. et avec f (x) = log(x). alors e un vecteur d’un espace vectoriel V . Les signes devant les vecteurs x et y n’ont pas d’importance dans le membre de droite. Lemme 4. . . e 1 n n i=1 n xi ≥ n xi . Soit x et y deux vecteurs non nuls d’un espace vectoriel V . une suite finie de nombre r´els non e + n´gatifs. e Mlog est la moyenne g´om´trique. · xn : e a e e Lemme 4. . + xn ). .42. In´galit´ arithm´tique-g´om´trique e e e e e 1 La moyenne arithm´tique n (x1 + x1 + . A nouveau.43. n. . nous nous pla¸ons dans un espace vectoriel o e c quelconque. .104 4 Stabilit´ au sens de Lyapunov e n Lemme 4. i=1 Ainsi avec f (x) = x. . Soit x = x1 x2 . Soit xi ∈ R∗ . x = xT x.20) Les deux moyennes.41. C’est la g´n´ralisation en dimension n de la propri´t´ que la somme des e e ee longueurs des cˆt´s adjacents d’un triangle est toujours plus grande que la o e longeur du cˆt´ restant. i=1 (4.20) s’´crit donc aussi e e e e e Mx ≥ Mlog .

Kiss. consid´rer la fonction e e ¯ ¯ V = Ec + Ep + (R − R)2 + (L − L)2 + R + L. 1 Ce probl`me est une adaptation de l’article de B. L ∈ R sont des nombre r´els fixes. l’autre conduirait le cˆble ` ˆtre d´tendu). et Ph. a (i) Dessiner le syst`me. e a (ii) Etablir le mod`le dynamique en se fondant sur l’hypoth`se que les e e cˆbles sont infiniment rigides et qu’ils peuvent transmettre ` la fois les forces a a n´gatives et positives (en r´alit´ un cˆble ne peut que transmettre la force e e e a dans un seul sens. Le terme 1 est n´cessaire pour u ¯ ¯ e e compenser la force due ` la gravit´ (toutes les constantes sont normalis´e en a e e particulier g = 1 et m = 1.4. Proc. L´vine. 5097-5101. La charge peut ainsi e e se d´placer dans le plan. Les deux moteurs a ae e sont suppos´s id´aux et transmettent chacun un couple pur instantan´ment. e e Mullhaupt A Simple Output Feedback PD Controller for Nonlinear Cranes. La longueur du cˆble de treuillage est R et celui du e a cˆble secondaire L. Est-ce u e e e e que cette fonction est positive ` l’ext´rieur du point d’´quilibre ? a e e ˙ (vii) Montrer que V ≤ 0. e e e L’entr´e du premier moteur est le couple τ1 et celle du moteur secondaire τ2 .2. Australia. ainsi que les rayons des poulies). pp. o` Ec est l’´nergie cin´tique du syst`me et Ep est l’´nergie potentielle. 39th IEEE Conference on Decision and Control. (vi) Pour augementer le domaine de stabilit´.19 Techniques de comparaison et majoration 105 Exercices 4. . Consid´rer tous les param`tres comme des valeurs e e e normalis´es ` un. En existe-t-il d’autres ? e (v) D´montrer en lin´arisant par la m´thode du d´veloppement de Taylor e e e e (cf.1. Le chariot comporte une poulie e a guidant le cˆble principal qui relie le moteur de treuillage (moteur principal a fix´ sur la structure fixe) ` la charge. Sydney. e (iii) Poser comme loi de commande ˙ ¯ τ1 = 1 − 2R + (R − R) ˙ + (L − L) ¯ τ2 = 1 − 2L o` R. (iv) Trouver le point d’´quilibre naturel. J. J.26 et 4.27 e e e 4. e e D´montrer les th´or`mes 4. Grue ` portique 2D1 a On consid`re une grue planaire ` portique. December 2000. Th´or`me de Krasovskii. Le chariot sup´rieur peut ´galement se e a e e d´placer sous l’action d’un autre cˆble reliant le chariot au moteur secondaire e a (ce dernier est ´galement mont´ sur la structure fixe). chapitre sur la lin´arisation si n´cessaire) que le syst`me est localement e e e exponentiellement stable.

en particulier est-ce que e ee e la fonction V est radialement non born´e ? Envisager divers compacts invae riants Ω et v´rifier que V est bien born´ inf´rieurement sur ces compacts. (x) En d´duire les propri´t´s de stabilit´ globale.106 4 Stabilit´ au sens de Lyapunov e ˙ (viii) D´terminer l’ensemble V = 0. En e e e particulier est-ce que V (x) ≤ l est-il un ensemble compact ? (xi) Illustrer l’ensemble des r´sultats obtenus ` l’aide de simulations. e a . e (ix) D´terminer le plus grand ensemble invariant compris dans cet ene semble.

la d´finition de cette classe de syst`mes. a contraint de proc´der par l’entremise d’une fonction suppl´mentaire e e e (seconde m´thode de Lyapunov). e a e soit conserv´e ou d´croissante dans le temps. ` la fois d’une entr´e et d’une sortie de dimension compae a e tible. l’´nergie e e e peu passer d’un syst`me ` un autre suivant une sorte de r´sonance. en quelque sorte. ainsi que leurs propri´t´s et restrictions. en particulier un certain type de comportement se trouve maintenu quelles que soient les connexions. e e Le pr´sent chapitre consiste. seules e a e e e les dynamiques d´pourvues d’entr´e ont fait l’objet d’une ´tude d´taill´e. Il e e e e e s’agit ici d’envisager la pr´sence d’une entr´e u suppl´mentaire.5 Passivit´ e Le chapitre pr´c´dent a d´fini la stabilit´ de mani`re formelle. d’autre part que cette fonction soit. la fonction d’´nergie e e e e repr´sente un minimum ` l’´quilibre et. Un syst`me ´tait stable lorsque. complique cependant les interpr´tations. e e e ˙ La pr´sence. e e . Par exemple. L’orgine de la r´flexion ´tait li´e ` la fonction e e e e a d’´nergie. de l’augmenter de e a mani`re arbitraire. en utilisant la nouvelle entr´e ` disposition. x = f (x. Cette particularit´ est ree marquable. En effet. il serait tout ` a fait possible. La nature mˆme e e e e de celle-ci rendait son traitement difficile . ` ´tendre le concept e a e d’´nergie ` une plus large classe de syst`me. u). Pourtant. d’une part. il existe une classe de syst`me pour lesquels bons nombres de e choses se passent bien. Au chapitre pr´c´dent. e e e e e l’application directe de la d´finition pr´sentait des difficult´s. mais surtout le besoin de connaˆ ıtre de mani`re explicite la solution des ´quations diff´rentielles repr´sentant le e e e e syst`me. Ce sont d’une part. La stabilit´ asymptotique ne e e e pouvant pas d´couler lorsque la fonction est conserv´e uniquement. bien que l’´nergie e e puisse avoir une tendance ` d´croˆ a e ıtre au cours du temps. Toutefois. e e ee qui seront maintenant ´tudi´es. mais impose des restrictions importantes. lors d’une connexion entre syst`mes. bien que e a e chaque syst`me pris isol´ment fasse d´croitre son ´nergie propre lorsque la e e e e connexion est rompue.

u) poss`de ` la fois une entr´e u et une sortie y = h(x.1. pour que la puissance soit dissip´e. e e 5. il faut que le produit entr´e e e sortie. On le notera ´galement V . l’exemple consid´r´ e e e e comporte une entr´e d’une seule dimension et une sortie d’une seule dimension. L’entr´e est utilis´e e a e e e pour injecter ou soutirer de la puissance. L’exemple simple de la r´sistance ´lectrique e e e u = Ri . u) ˙ y = h(x. Ainsi il ne peut pas y avoir de g´n´ration interne de puissance. e Ainsi. Un syst`me est passif si lorsque de e la puissance est soutir´e. La sortie est directement fonction de la valeur de la grandeur d’entr´e. u) ˙ y = h(x) d V dt ≤ Puissance Fournie Tableau 5. e e e 5. le soutirage se fait au d´triment du stock interne e e d’´nergie. Tableau distinctif pour la stabilit´ et la passivit´.108 5 Passivit´ e Lyapunov Syst`me sans entr´e : x = f (x) e e ˙ d V dt ≤0 Passivit´ e Syst`me entr´e-sortie : e e x = f (x. c’est-`-dire a ui soit positif. u). Pour simplifier encore d’avantage la pr´sentation. afin que la puissance soit consomm´e et dissip´e ` chaque instant e e a dans le syst`me statique.1 Notion intuitive Le syst`me e x = f (x.2 Exemple de syst`me statique passif e Les syst`mes passifs les plus simples sont ceux qui ne comportent pas e de dynamique. e e e Ce stock est en quel que sorte l’analogue de la fonction de Lyapunov du chapitre pr´c´dent.

4 Exemple de syst`me dynamique passif e 109 est donn´ ` la figure 5. La fonction V e est absente dans ce cas. 5.2. conform´ment ` ce qui est repr´sent´ e e a e e a ` la figure 5. La r´sistance ´lectrique est un syst`me statique passif e e e Un simple calcul donne ais´ment e ui = Ri2 et confirme que la puissance instantan´e est effectivement instantan´ment e e dissip´e dans la r´sistance ´lectrique. e e Ceci signifie que la caract´ristique statique doit n´cessairement se trouver e e dans le premier et le troisi`me quadrant. L’extension doit cependant prendre en e compte la n´cessit´ de dissiper instantan´ment la puissance que donne le e e e couple entr´e-sortie.4 Exemple de syst`me dynamique passif e Lorsque le syst`me comporte une partie dynamique.5. i i u u Fig. la puissance est dissip´e instane e e tan´ment. e e .3 Syst`me statique passif e L’exemple de la simple r´sistance ´lectrique peut s’´tendre par analogie e e e a ` une plus large classe de syst`mes.1 et illustre parfaitement ce cas de syst`me. Il n’y a pas la notion de stock interne de puissance. certaines variables e d’´tat sont associ´es au syst`me. En cons´quence. Le produit de l’entr´e par la sortie uT y. il est imp´ratif que e e e uy = g. ea e Etant donn´ que le syst`me est statique. g>0 lors de la pr´sence d’un syst`me statique passif. 5. ne e e e e suffit plus pour caract´riser la passivit´. e e e 5.1.

Cette puissance est alors dissip´e partiellement dans les r´sistances e e et stock´e dans les deux ´l´ments C (capacit´) et L (inductance). R1 L il u uc C R2 Fig. e e e a e e Pour mieux comprendre le ph´nom`ne. Repr´sentation graphique d’un syst`me passif statique : La caract´ristique e e e doit appartenir au secteur rerp´sent´ en vert solide.110 5 Passivit´ e y u Fig. e e En effet.3. Le circuit e ee e peut ´galement fournir de la puissance en entr´e en diminuant sont stock ine e terne d’´nergie. Le circuit est repr´sent´ e e e e a ` la figure 5. en diminuant soit la charge dans la capacit´ soit le champ e e magn´tique dans la bobine. Soit donc la fonction de stockage e V = La dynamique du syst`me est : e u = R1 il + L dil + uc dt 1 duc + uc i=C dt R2 1 2 1 2 Cu + Li 2 c 2 l . Un circuit ´lectrique RLC est un syst`me dynamique passif. e e Ce circuit peut recevoir de la puissance par l’entremise du couple entr´ee sortie u et i. ´tudions un circuit ´lectrique come e e e portant que des r´sistances.3. 5. 5. inductances et capacit´s.2. la puissance peut ˆtre emaganis´e dans les ´l´ments dynamiques. e e ee Elle peut ´galement ˆtre restitu´e ` l’entr´e du syst`me.

avec g(x) = R2 x2 + R2 x2 1 2 Ainsi la puissance en entr´e est e – soit stock´e e – soit dissip´e e 5. ces syst`mes se comportent tr`s bien lors de connexion e e . V > γ. Soit le syst`me. et.5 D´finition diff´rentielle de la passivit´ e e e L’exemple pr´c´dent rend possible une extension math´matique de la noe e e tion de passivit´. alors le syst`me est passif. u) ˙ y = h(x) S’il existe γ > −∞. En effet.6 Propri´t´s e e L’immense avantage des syst`mes passifs est leur plasticit´ lors de connexion e e en tout genre. e e a e D´finition 5.5. ˙ V = uT y − g avec g ≥ 0. tout comme cela a ´t´ le cas lors de la g´n´ralisation de la e ee e e r´sistance ´lectrique ` une plus large classe de syst`mes.6 Propri´t´s ee 111 En posant x1 = il et x2 = uc on arrive ` la repr´sentation d’´tat a e e R1 1 1 u− x1 − x2 L L L 1 1 x2 x2 = x1 − ˙ C R2 C x1 = ˙ On peut donc calculer l’´volution du stockage dans le temps : e ˙ V = Lx1 x1 + Cx2 x2 ˙ ˙ = ux1 − R2 x2 − x1 x2 + x2 x1 − 1 = ux1 − R2 x2 − 1 1 2 x R2 2 1 2 x R2 2 En consid´rant la sortie y = il = x1 : e 1 ˙ V = uy − g(x). e e x = f (x.1. e 5.

112 5 Passivit´ e en s´rie. Mais ils se comportent ´galement tr`s bien lors de connexion ` la e e a fois en parall`le et en r´troaction.1. g2 y2 y1 V1 .6.1. alors cet assemblage r´pond encore ` la mˆme d´finition 5. si l’on consid`re V = V1 +V2 comme fonction de stockage ase soci´ ` l’assemblage constitu´ par la connexion en parall`le des deux syst`mes ea e e e individuels. car les syst`mes agissent en quelque sorte ind´pendammant de leur e e e connexion. e 5. La passivit´ est donc e maintenue ! .1 Connexion parall`le e Lors d’une connexion parall`le. Ce dernier cas est important lors d’associae e tion de sous-syst`mes passif en retour de sortie. g1 + + y chacun des deux syst`mes comporte une fonction de stockage interne V1 e et V2 respectivement et ob´it ` la d´finition 5. Le calcul u e e montre donc que. en e a e e utilisant cette fois-ci V = V1 + V2 et g = g1 + g2 . e a e ˙ V1 = uT y1 − g1 1 ˙ V2 = uT y2 − g2 2 ˙ ˙ ˙ V = V1 + V2 = uT y1 + uT y2 − g1 − g2 1 2 = u T y1 + u T y2 − g1 − g2 = uT (y1 + y2 ) − g1 − g2 ˙ V = uT y − g. e u1 u u2 V2 . Ceci donne. o` l’on a fait l’usage de la particularit´ de la connexion parall`le.

un bouclage partiel peut transformer une sous-partie en une sous-partie passive. Nous examinerons de telles e techniques dans la section consacr´e ` la synth`se. s´rie ou par r´troaction n´gative) la stabilit´ e e e e e sera garantie par les propri´t´s de connexion ´labor´es ci-dessus. g2 u2 pour laquelle chacun des sous-syst`mes constitutifs ob´it ` la d´finition e e a e 5.6. e a e .5. En effet. e e u - u1 V1 . Remarque 5. Lorsque le syst`me complet admet (apr`s bouclage) e e une d´composition en syst`mes passifs (chaque sous-syst`me est connect´ aux e e e e autres par connexion parall`le. e ˙ V1 = uT y1 − g1 1 ˙ 2 = u T y2 − g2 V 2 ˙ ˙ ˙ V = V1 + V2 = uT y1 + uT y2 − g1 − g2 1 2 T = (uT − y2 )y1 + uT y2 − g1 − g2 2 = u T y1 − g1 − g2 ˙ V = uT y − g. g1 y1 y y2 V2 .1. T T = (uT − y2 )y1 + y1 y2 − g1 − g2 T T = u T y1 − y2 y1 + y1 y2 − g1 − g2 e Et la mˆme constatation que dans le cas de la connexion parall`le est e d´duite : Le syst`me est passif avec comme fonction de stockage V = V1 + V2 e e et terme de dissipation g = g1 + g2 . Lorsque ceci n’est pas e e a directement le cas. La propri´t´ de maintenir la passivit´ apr`s connexion par ee e e r´tro-action negative de deux syst`me passifs est extrˆmement utile pour e e e synth´tiser des lois de commande.2.2 Connexion par r´troaction e La connexion par r´troaction est plus pernicieuse ´tant donn´ que les deux e e e syst`mes interagissent d’amont en aval et ceci ` l’infini.6 Propri´t´s ee 113 5. il est possible d’identifier des e sous-syst`mes passifs dans un syst`me ` commander. En tenant compte de la particularit´ de la connexion. Ceci peree e e met de constituer une fonction de Lyapunov compliqu´e ` partir de fonctions e a plus simples associ´es aux sous-parties passives. Soit donc la connexion e a par r´troaction n´gative.

3.3). α > −∞ ∞ 0 u(τ )T y(τ )dτ > α alors le syst`me est passif.1 et 5. .3 D´finition int´grale de la passivit´ e e e Il est ´galement possible de donner une d´finition ´quivalente de la passie e e vit´ sous forme int´grale ne faisant pas intervenir de notion diff´rentielle. En fait. (il suffit e de prendre g ≡ 0).4. . V > γ et g ≥ 0 tel que si e ˙ V = uT y − g ceci implique ∃α ∈ R. e e e D´finition 5. . cette e e e e e propri´t´ peut se caract´riser en fonction de la caract´ristique fr´quentielle.6. e e Th´or`me 5. e e 5. s’appliquent aussi e e e bien aux syst`mes lin´aires que non-lin´aires. e Remarque 5. Ce stock est e e born´ inf´rieurement.5. .7 Passivit´ des syst`mes lin´aires SISO e e e Les deux d´finitions de la passivit´ (d´finition 5. G(s) = bm sm + bm−1 sm−1 + . ee e e e Soit une fonction de transfert donn´e comme une fraction rationnelle en vae riable de Laplace s. Pour les syst`mes lin´aires. γ > −∞. la d´finition int´grale signifie qu’il est impossible en jouant sur e e l’entr´e de rendre arbitrairement petit le stock interne d’´nergie. Le syst`me G(s) = e e e Y (s) U(s) est passif ⇔ ℜe[G(jω)] ≥ 0 . + a1 s + a0 Il est possible de caract´riser la propri´t´ de passivit´ en fonction de la e ee e r´ponse harmonique du syst`me. Pour voir la correspondance entre les deux d´finitions. + b1 s + b0 sn + an−1 sn−1 + . e e Cette d´finition sera utilis´e pour d´montrer un lien important entre la e e e propri´t´ de passivit´ et la caract´ristique fr´quentielle associ´e aux syst`mes ee e e e e e lin´aires par l’entremise de l’identit´ de Perseval. S’il existe γ ∈ R.114 5 Passivit´ e 5.

Ce probl`me a occup´ le centre de la sc`ne de e e e e e la recherche dans le domaine au cours des trois premiers quarts de si`cles du e si`cle dernier.6. Il est alors ais´ de constater que la partie r´elle de la r´ponse harmonique e e e est ` partie r´elle positive. Le r´sultat du th´or`me pr´c´dent n’a rien de surprenant si l’on e e e e e consid`re un circuit ´lectrique RLC. exhibant ainsi rien d’autre que la propri´t´ des a e ee signaux p´riodiques de nature sinuso¨ e ıdale d’ˆtre d´phas´ d’un angle de valeur e e e absolue toujours inf´rieure ou ´gale ` π .7 Passivit´ des syst`mes lin´aires SISO e e e 115 Remarque 5.4. Le ee 2 2 plus ´tonant est que ceci soit le cas. e ℑ ℜ G(jω) Fig. R2 = 10. e L = 1. le circuit ´l´ctrique e e ee RLC est reconsid´r´. La fonction de transfert est e e G(s) = I(s) R2 Cs + 1 = U (s) R2 CLs2 + (R1 R2 C + L)s + R1 + R2 Les valeurs num´riques suivantes sont choisies : R1 = 1.8.2. La synth`se d’un syst`me passif lin´aire quelconque ` l’aide e e e a d’un r´seau ´lectrique comportant uniquement des ´l´ments R. e e Exemple 5. e e Mentionnons. par ailleurs. que le probl`me inverse est encore plus int´ressant : e e Remarque 5.4. L ou C est e e ee d’une complexit´ consid´rable. quel que soit le syst`me passif. π ]. car le d´phasage induit par un quelconque e e e assemblage de tels ´l´ments ne pourra jamais sortir de l’interval [− π . C = 2.5. 5. Afin de confirmer la pr´c´dente remarque. Diagramme de Nyquist d’un syst`me lin´aire SISO passif.7. e e a 2 .

4 -0.2 -0.1 Preuve du lien entre passivit´ et r´ponse harmonique e e positive r´elle e Pour d´montrer le lien.6 -0.1 -0. e e e . La sortie par contre n’a aucune raison ee e a de revenir ` zero pour tout instant sup´rieur ` τ .2 Imaginary Axis 0.2 0.1 0 -0. Fig.5 -1 -0.4 0.6. a e a La cl´ de la d´monstration r´side dans le fait que le bilan de puissance e e e sur tout l’horizon temporel est ´gal au bilan sur tout le spectre.3 -0. 5.8 G(jω) Real Axis Fig. Illustration pour la d´monstration de la passivit´ e e Le syst`me est soumis ` un signal d’entr´e non nul sur un horizon temporel e a e de o ` τ .2 0 0. e e e e a u τ t G(s) y τ Preuve.5 0. Le c´l`bre e ee th´or`me de Perseval est donc utilis´.8 -0.6.4 0. 5.3 0. 5.6 0.4 -0.116 5 Passivit´ e Nyquist Diagrams 0. Diagramme de Nyquist pour un exemple particulier de circuit ´lectrique e passif. L’entr´e est nulle avant le temps initial t = 0 et ensuite abruptement a e arrˆt´ pour tout instant t sup´rieur ` τ . consid´rons les signaux repr´sent´s ` la figure 5.5.7.

e ea . c’est-`-dire que l’on e e a suppose que dans le syst`me viole le principe que la partie r´elle de la r´ponse e e e harmonique puisse avoir une partie r´elle n´gative. ∀ω > 0 ⇒ 0 u(τ )T y(τ )dτ > α. La partie r´elle est n´gative pour dans la plage fr´quentielle ]ω1 .5. Pire encore.8. e ea ℜe[G(jω)] ω1 ω2 ω Fig. α > −∞ La d´monstration proc`de maintenant par l’absurde. ω2 [. d`s lors.7. nous pourrions arbitrairement augmenter cette e ´nergie en jouant explicitement sur la fr´quence du signal d’excitation. ω2 ). Ainsi supposons que dans e e la plage de fr´quence ∃ω1 .7 Passivit´ des syst`mes lin´aires SISO e e e ∞ 0 117 u(τ )y(τ )dτ = = ∞ −∞ y(τ )u(τ )dτ ∞ −∞ ∞ −∞ 0 −∞ 0 ∞ 1 2π 1 = 2π = 1 2π Y (jω)U ∗ (jω)dω (Perseval) G(jω) | U (jω) |2 dω G(jω) | U (jω) |2 dω + 1 2π 1 2π ∞ 0 G(jω) | U (jω) |2 dω G(jω) | U (jω) |2 dω =− 1 2π G(−j ω ) | U (−j ω ) |2 d¯ + ¯ ¯ ω ∞ 0 donc ∞ 0 u(t) r´el → U (jω) = U ∗ (−jω) e | U (−jω) | = U (−jω)U ∗ (−jω) = U ∗ (jω)U (jω) =| U (jω) |2 2 u(τ )y(τ )dτ = 1 2π 1 = π 1 = π ∞ 0 ∞ 0 ∞ G(−jω) | U (jω) |2 dω + 1 2π ∞ 0 G(jω) | U (jω) |2 dω G(−jω) + G(jω) | U (jω) |2 dω 2 ℜe[G(jω)] | U (jω) |2 dω ∞ 0 ℜe[G(jω)] ≥ 0. e e e Il se pourrait. Ceci e e est repr´sent´ ` la figure 5. que de l’´nergie soit inject´e dans cette bande e e e de fr´quence.7. ∃ω2 → ℜe[G(jω)] < 0} ∀ω ∈ (ω1 . 5. Ce cas de e figure est repr´sent´ ` la figure 5.

8.118 5 Passivit´ e | U (jω) |2 ω1 ω2 ω Fig.8 Syst`me r´el positif e e Le th´or`me pr´c´dent conduit naturellement ` d´finir une classe de e e e e a e syst`mes lin´aires en fonction de la partie r´lle de leur r´ponse harmonique. En utilisant la contrapos´e. e e e e . ∀α > e −∞. (A ⇒ B ≡ A ⇐ B). e e e En cons´quence. e e ∞ 0 u(τ )y(τ )dτ = 1 π 1 + π 1 + π ω1 0 ℜe[G(jω)] | U (jω) |2 dω ω2 (≥ 0) (< 0) ⇓ (≥ 0). ∀ω > 0 e ∞ u(τ )T y(τ )dτ > α. (∀u(t)). L’´nergie dans la plage de fr´quence ]ω1 . et nous arrivons ` la conclusion a 0 de la proposition. 5. seul le terme du centre peut ˆtre rendu n´gatif. ∃u(t) tel que. ω2 [ est augment´e de mani`re e e e e arbitraire En ´crivant ceci de mani`re calculatoire. Toutefois. ∃ω2 → ℜe{G(jω) < 0} ∀ω ∈ (ω1 . si ∃ω1 . ω2 ) on a. ω1 ∞ ω2 ℜe[G(jω)] | U (jω) |2 dω ℜe[G(jω)] | U (jω) |2 dω De part le fait que la partie r´elle est n´gative seulement dans la plage e e e e ]ω1 . 5. ℜe{G(jω)} ≥ 0. ce terme peut ˆtre rendu arbitrairement n´gatif et donc l’int´grale peut ˆtre rendue e e e e aussi n´gative que d´sir´e. ω2 [. ∞ 0 u(τ )y(τ )dτ < α. en utilisant la d´finition int´grale de la passivit´ ?? e e e ⇐∃α > −∞.

11. G(s) est r´elle positive (RP) si. cette diff´rence sera toue e e jours consid´r´e positive ou nulle. e e ℜe [G(s)] ≥ 0. Il s’agit du concept de degr´ relatif et de minimum de phase. e Etant donn´ qu’un syst`me physique est causal.9. ∀ℜe[s] ≥ 0. e e Caract´ristique 5. (degr´ relatif ) Le degr´ relatif not´ do r est d´fini comme la e e e e e diff´rence e do r = n − m o` n est le nombre de pˆles de la fonction de transfert et m.8.9.e. e D´finition 5. Pour un syst`me physique. i.8 Syst`me r´el positif e e 119 D´finition 5. le nombre de u o z´ros. do r.10. ∃ǫ > 0 tel que G(s − ǫ) est (RP). . Deux notions jouent un rˆle fondamental dans ee e o cette analyse.5. Une fonction de transfert G(s) est (SRP) e e ⇔ 1. ou plus exactement pour rejeter ceux qui ne le sont pas. e G(s) = m i=0 (s − zi ) n i=0 (s − pi ) C’est en fonction de la caract´ristique de ces pˆles et z´ros qu’il est pose o e sible d’´tablir des crit`res de n´cessit´ pour que la r´ponse harmonique ait la e e e e e propri´t´ de la d´finition 5. ≥ 0. La e fonction de transfert peut ˆtre mise sous forme de fraction rationnelle de e polynˆmes factoris´s de telle sorte que les z´ros et les pˆles apparaissent de o e e o mani`re explicite. le degr´ relatif est toujours e e e positif ou nul. Le e premier est d´fini comme la diff´rence entre le nombre de pˆles et le nombre e e o de z´ros. e e e e e 5. G(s) est strictement stable (sans pˆle sur l’axe imaginaire) o 2. e Th´or`me 5.1 Degr´ relatif et minimum de phase e e Quelques crit`res simples sont ` disposition pour d´tecter les syst`mes e a e positifs r´els. ∀ω ≥ 0 ⇒ ℜe [G(jω)] > 0 Une d´monstration de ce th´or`me peut ˆtre trouv´e dans [Kha02].12. et strictement r´elle positive (SRP) si.

e e e . La partie r´elle de la r´ponse harmonique devient n´gative ` partir d’une e e e a certaine pulsation comme l’illustre la figure 5. Un coup d’oeil sur les pˆles montre que le syst`me est cependant e o e instable. . Le premier exemple correspond ` la fonction de transfert.120 5 Passivit´ e La deuxi`me notion est celle de minimum de phase. i. Exemple 5. d’une part de se familiariser avec ces notions et. Remarque 5. Exemple 5. (s + 1)(s + 1) dont la r´ponse harmonique est repr´sent´e ` la figure 5.13.16. Ceci est logique ´tant donn´ e e que l’instabilit´ n´cessite d’encercler le point −1. Ces quatres exemples pr´sentent chacun e e e une fonction de transfert type. La d´finition pr´c´dente de la notion de syst`me ` minimum e e e e a e de phase est valable pour les syst`mes lin´aires uniquement. ne faisant pas appel ` la notion de fonction de transfert. e Les quatre exemples qui suivent permettent. e e e Re(zi ) < 0. m. Cependant la partie r´elle de la e e e r´ponse harmonique comporte toujours une partie r´lle n´gative. . puisqu’un de ceux-ci se trouve en +1. comme le e e e montre le diagramme de Nyquist et la phase du diagramme de Bode. (s + 1)(s − 1) est de degr´ relatif 1. D´finition 5.14. d’illustrer les conditions n´cessaires pour la e e pr´sence d’un syst`me r´el positif. Le diagramme de Bode comporte un graphique pour l’amplitude et un pour la phase. Le syst`me est ´galement stable. existe e e a et elle sera donn´e au chapitre 7. e e e a En examinant les notions introduites ` la section pr´c´dente.15. d’autre part. Cette propri´t´ est li´e ` la position des z´ros e ee e a e dans le plan complexe.9.10.e. La r´ponse harmonique doit e e e donc n´cessairement entrer dans le deuxi`me ou troisi`me quadrant. Il est donc ` phase e e a minimale. . . mais il comporte cette fois un z´ro dont la partie r´elle e e e est n´gative. a G(s) = 1 . on constate a e e que le degr´ relatif vaut deux et ne comporte pas de z´ro. (minimum de phase) Un syst`me lin´aire est dit a minie e e ` mum de phase si tous ces z´ros ont une partie r´elle strictement n´gative. Les r´ponses harmoniques sont repr´sent´es e e e a ` la fois dans le diagramme de Nyquist et dans le diagramme de Bode. Elle joue ´galement e e un rˆle majeur lors de la commande de syst`me par lin´arisation entr´e-sortie o e e e et sera abord´e au chapitre 7. e G(s) = s+2 . Le deuxi`me exemple. Une d´finition e e plus g´n´rale. i = 1.

5 5 0 -5 Phase (deg). e e Exemple 5.9.3 -0. Le troisi`me exemple.5.2 -100 -0.5 0 Real Axis 0. c’est-`-dire e e ea a dans le demi plan complexe correspondant ` une partie r´elle positive. mais le syst`me est instable.6 10 0 10 1 -1 -0. e a . Mais il comporte un z´ro situ´ ` 2. Bode de 1/[(s+1)(s+1)] :-( Nyquist Diagrams :-( 0 -10 0.2 0.5 -1 Real Axis -0.8 Syst`me r´el positif e e Bode de (s+2)/[(s+1)(s-1)] :-( Nyquist Diagrams :-( 0.5 10 -1 121 -120 -140 -160 10 0 10 1 -2 -1.10.5 1 Frequency (rad/sec) Fig.17.4 0.4 -0. Toute la r´ponse harmonique poss`de une partie r´elle n´gative.4 -20 Phase (deg).3 0. Magnitude (dB) -10 Imaginary Axis -15 -20 -100 0. e G(s) = s−2 . Le a e syst`me n’est donc pas ` phase minimale.2 0 -50 -0.5 Frequency (rad/sec) Fig. (s + 1)(s + 1) est stable et de degr´ relatif 1.1 0 -0. e e e e Le degr´ relatif est do r = 1. Magnitude (dB) -30 -40 Imaginary Axis 0. Une partie de la r´ponse harmonique poss`de une partie r´elle n´gative.6 0. Le degr´ e e e e e relatif est do r = 2. 5.2 -0.4 -150 10 -1 -0.1 -0. 5.

11 et d´montre.5 -1 0 -50 10 -1 -1. e e a De plus.2 Lien entre Lyapunov et syst`me RP e Les quatre exemples pr´c´dents sugg`re que les crit`res suivants sont e e e e n´cessaires pour que le syst`me soit r´el positif. Le syst`me est donc positif r´el. La fonction de transfert comporte un z´ro dans le e e demi plan complexe gauche et donc repr´sente un syst`me ` phase minimale. ∀ω. a e La r´ponse harmonique est repr´sent´e ` la figure 5. e e a ℜe [G(jω)] ≥ 0. e e e 5. e e a La r´ponse harmonique est repr´sent´e ` la figure 5. Si la fonction de transfert est positive r´elle.122 5 Passivit´ e Bode de (s-2)/[(s+1)(s+1)]:-( Nyquist Diagrams :-( 1.12 et est ` partie r´elle e e e a a e positive sur tout l’ensemble des fr´quence. Une partie de la r´ponse harmonique poss`de une partie r´elle n´gative. 5.8. comme e e e a e dans le cas de l’exemple pr´c´dent. e e a . de degr´ relatif 1. e e e e Exemple 5. c.18. alors 1. Le dernier exemple G(s) = s+2 . Magnitude (dB) -10 0. que le syst`me n’est pas r´el positif.5 Imaginary Axis -15 -20 0 150 100 50 -0. mais il n’est pas ` phase minimale. (s + 1)(s + 1) est stable. Le syst`me est stable.-`-d.19. e e e Caract´ristique 5. le degr´s relatif est nulle ou ´gal ` 1 . e e e e Le degr´ relatif est do r = 1.5 5 0 1 -5 Phase (deg). les deux pˆles ont une partie r´elle strictement n´gative correspono e e dant ` syst`me est stable.11.5 10 0 10 1 -2 -1 Real Axis 0 Frequency (rad/sec) Fig.

2 0 -0. Magnitude (dB) -10 Imaginary Axis -15 -20 1 0. .6 0. e a e a 3.20. .21. e Remarque 5.4 -20 -40 -0.4 0. Le th´or`me et la preuve qui vont ˆtre pr´sent´s ci-apr`s vont e e e e e e ˆtre simplifi´ quelque peu pour ne consid´rer que les syst`mes lin´aires qui. e Il est alors int´ressant de s’interroger sur la structure de la repr´sentation e e d’´tat d’un syst`me lin´aire passif. rang B AB . La r´ponse harmonique est ` partie r´elle positive.6 -60 -80 10 -1 -0. le syst`me est stable . La passivit´ est alors impos´e par la relation entre l’entr´e u et la sortie y en relation e e e e e avec la solution P obtenue lors de la r´solution de l’´quation de Lyapunov. e a e Lemme 5. (Kalman-Yakubovich-Popov) Soit G(s) = C(sI − A)−1 B une matrice de transfert m × m avec m ∈ R correspondant a un syst`me qui est a ` e ` la fois commandable. 5. e e a 2.12. l’´quation de Lyapunov pour le syst`me lin´aire AT P + P A = −Q e e e admet toujours une solution P > 0 pour tout choix de matrice Q > 0.8 -1 10 0 10 1 -1 0 Real Axis 1 2 Frequency (rad/sec) Fig. Une diff´rence essentielle r´side dans le fait quee choix de Q ne peut plus se e e faire compl`tement arbitrairement. . .8 0. Le syst`me est stable. . (AT )n−1 C T = n. Comme le syst`me est n´cessairement e e e e e stable. D = 0 pour l’´quation de sortie y = Cx + Du).-`-d.2 -0. Il est ´galement ` phase minimale. Le degr´ relatif est e a e e do r = 1.8 Syst`me r´el positif e e Bode de (s+2)/[(s+1)(s+1)] :-) Nyquist Diagrams :-) 123 5 0 -5 Phase (deg). rang C T AT C T .5. An−1 B = n. et observable. ne contiennent pas d’influence instantan´e de e e e l’entr´e sur la sortie (c. e e e e e dans la repr´sentation d’´tat. il n’y a pas de z´ro ` partie r´elle positive (G(s) est ` phase minimale) .

(suffisance : ⇐) Par hypoth`se il existe une matrice P sym´trique d´finie positive (P = P T > 0) satisfaisant AT P + P A = −Q pour un certain e Q > 0 (´galement sym´trique).22. la fonction de transfert G(s) est strictement r´elle posie e tive si. e (n´cessit´ : ⇒) Comme la matrice de fonctions de transfert G(s) est e e connue. e e Etant donn´ que cette ´quation de Lyapunov est respect´e. avec en plus rang T (jω) = m. Par cons´quent. nous donee nons quelques indications sur la d´monstration. il existe deux matrices sym´triques d´finies positives e e P et Q telles que AT P + P A = −Q et P B = CT . Si une matrice V (. o` pour la derni`re ´galit´. La d´monstration de ce lemme est assez compliqu´e (cf. a e Posons Φ(s) = (sI − A)−1 de telle sorte que G(s) + GT (−s) = CΦ(s)B + B T Φ(−s)C T . alors il existe une matrice stable rationnelle T (.124 5 Passivit´ e Sous ces hypoth`ses. ∀ω. e G(s) + GT (−s) = B T P Φ(s)B + B T ΦT (−s)P B = B T Φ(−s)T (ΦT (−s))−1 P + P (Φ(s))−1 Φ(s)B = B T ΦT (−s) −AT P − P A) Φ(s)B = B T Φ(−s)T ((−sI − A)T P + P (sI − A) Φ(s)B = B T ΦT (−s)QΦ(s)B. l’origine de e e e x = Ax est asymptotiquement stable. Toutefois. il est possible de la factoriser sous la forme G(s) + GT (−s) = T (s)T T (−s) par l’interm´diaire du lemme suivant : e Lemme 5. Le syst`me e est donc bien positif r´el.) est rationnelle propre de dimension m×m de telle sorte que V (s) = V T (−s) et V (jω) > 0. On u e e e ee ee e conclut ainsi que G(s + GT (−s) ≥ 0 pour autant que ℜ(s) ≥ 0. par exemple e e [Kha02] et [Vid93] ainsi que les r´f´rences ci trouvant). et seulement si. ∀ω. . En utilisant le fait que P B = C T (par hypoth`se).) de dimension m × m telle que V (s) = T T (s)T (s). A n’a pas de valeur ˙ e propre ` partie r´elle strictement positive. la propri´t´ AT P + P A = −Q a ´t´ utilis´e. e e e Preuve.

4) Comme toutes les valeurs propres des r´alisations de G(s) et T (s) ont une e partie r´elle n´gative (les pˆles sont tous ` partie r´elle strictement plus petite e e o a e ¯ que z´ro de telle sorte que les valeurs propres de A et A le sont ´galement). apr`s la d´monstration. y = Cx avec G(s) = C(sI −A)−1 B. (5. J. and Moore. et celui de droite ` a e e a un syst`me ”sym´trique” compl`tement instable.2) ¯ En substituant cette expression dans (5.5) . il e e est possible d’identifier terme ` terme les expressions (5. par hypoth`se. Les stables et les instables e e e doivent donc ˆtre ´gaux . il existe une matrice sym´trique d´finie e e e ¯ positive R > 0 telle que ¯ ¯ ¯¯ ¯ ¯ AT R + RA = −C T C. commandable e e e et observable.3) ¯ ¯ ¯ ¯ ¯ ¯ ¯¯ = B T R(sI − A)−1 B + B T ((−sI − A)−1 )T RB ¯ T RΦ(s)B + B T ΦT (−s)RB. Le terme a de gauche correspond ` un syst`me compl`tement stable. D.1). on obtient en utilisant Φ(s) = ¯ −1 : (sI − A) T T (−s)T (s) ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ = −B T ΦT (−s) (sI + AT )R − R(sI − A) Φ(s)B ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ = −B T ((−sI − A)−1 )T −(−sI − A)T R − R(sI − A) (sI − A)−1 B T ¯ T −1 T ¯ −1 ¯ ¯ ¯ ¯ ¯ ¯ = B R + B ((−sI − A) ) R(sI − A) (sI − A) B (5. ¯¯ ¯ ¯ ¯ ¯¯ =B D’un autre cˆt´. De plus. On obtient e e par cons´quent e ¯ ¯ ¯ ¯ B T R(sI − A)−1 B = C(sI − A)−1 B.5. une illustration dans le cas monovariable est donn´e ` la remarque 5. e ˙ ¯ avec T (s) = C(sI − A)−1 B.23. B.1) Comme la r´alisation est observable. le produit e ˙ T T (−s)T (s) s’´crit ´galement sous la forme e e T T (−s)T (s) = G(s) + GT (s) = C(sI − A)−1 B + B T (−sI − AT )−1 C T (5.3) et (5. (5.4). ¯ ¯ ¯ ¯ ¯¯ ¯ ¯ ¯ ¯ −C T C = AT R + RA = (sI + AT )R − R(sI − A).8 Syst`me r´el positif e e 125 (Une preuve de ce lemme se trouve dans Anderson. 1979 . en consid´rant une r´alisation de G(s) (au lieu de celle de o e e e T (s)) donn´e par x = Ax+Bu. en posant Φ(s) = (sI − A)−1 . ¯ ¯ ¯ y = Cu ¯ ¯ Maintenant. B. O. ces deux propri´t´s sont ´galement vraies pour T (s). (5. Prentice-Hall. de telle ee e ¯ ¯ sorte que la matrice T (s) admet une r´alisation minimale x = Ax + Bu. ¯ ¯ ¯ ¯¯ ¯ T T (−s)T (s) = −B T ΦT (−s)C T C Φ(s)B.) e a e e Comme une r´alisation de G(s) est suppos´e. Optimal Filtering. on ne peut pas croiser les valeurs propres.

C)) donnent la mˆme matrice de transfert. . C = B T RM et B = M −1 B. G(s) + G (−s) = s+a a−s s+aa−s Le lemme 5. En −1 ¯ T ¯T ¯ cons´quence.23. on consid`re une e e petite perturbation de la fonction de transfert G(s). L’expression (5. e e e e Remarque 5. B. alors il e ˜ existe une matrice de changement de coordonn´e M telle que A = M −1 AM . e −1 ˜ ˜ . G(s − µ) demeure strictement r´el positif. en se souvenant que si deux r´alisations minimales ´quivalentes e e ˜ ˜ ˜ (disons (A.5) signifie qu’il existe une cerB = M B et C = CM ¯ ¯ ¯ ¯ taine matrice M telle que A = M −1 AM . et comme Q est visiblement d´finie positive. R. e Ceci revient ` consid´rer a e ǫ Aǫ = A + I 2 pour un petit param`tre ǫ > 0 qui continue ` satisfaire toutes les hypoth`ses. En fait on utilise non pas G(s) directement mais G(s − µ) avec µ variant entre 0 et un petit param`tre e δ > 0. et en adaptant ¯ les quantit´s M . Comme δ est choisi petit. Pour illustrer la factorisation polynomiale utilis´e dans la pare 1 tie de la suffisance.22 indique que cette factorisation a ´galement lieue en multivae riable. prenons le cas monovariable G(s) = s+a avec a > 0. C) et (A. le r´sultat est d´montr´. ǫ ǫ T ¯T ¯ (A + I)T P + P (A + I) = −Mǫ Cǫ Cǫ Mǫ 2 2 T ¯T ¯ AT P + P A = −Mǫ Cǫ Cǫ Mǫ − ǫP = −Q. en revenant vers A. e a e En utilisant Aǫ au lieu de A dans le raisonnement ci-dessus. ` savoir ´tablir e e ee a e AT P + P A = −Q avec Q une matrice d´finie positive. A en tenant compte du changement de A vers Aǫ .126 5 Passivit´ e Finalement. P B = P M B = M R B de telle sorte qu’avec e ¯ P = M T RT M l’´quation e P B = CT est respect´e. La factorisation T (s) est obtenue en consid´rant e √ √ 1 2a 2a 1 T + = = T (s)T T (−s). En ce qui concerne la derni`re propri´t´. B. nous e avons T ¯T T ¯T AT P + P Aǫ = AT Mǫ Rǫ Mǫ + Mǫ Rǫ Mǫ Aǫ ǫ ǫ −1 ¯ T T ¯T T ¯T −1 ¯ = (Mǫ Aǫ Mǫ ) Mǫ Rǫ Mǫ + Mǫ Rǫ Mǫ (Mǫ Aǫ Mǫ ) T ¯ ¯ ¯ ¯ = Mǫ (AT Rǫ + Rǫ Aǫ )Mǫ ǫ ¯ ¯ = −M T C T Cǫ Mǫ ǫ ǫ Finalement.

Dans une certaine mesure. 2 1 T x Px 2 Preuve.25.24. Si un syst`me lin´aire x = Ax + Bu. impliquant ainsi la non passivit´ selon la d´finition int´grale. et l’´quation e e de Lyapunov AT P + P A = −Q admet une solution P > 0 quel que soit le choix de la matrice Q > 0. e e e e Le th´or`me 5. les hypoth`ses de commandabilit´ et e e e d’observabilit´ sont alors clairement n´cessaires. une combinaison d’´tat non observable ne pourrait pas avoir d’impact sur e la sortie. En effet. Premi`rement pour garantir l’existence des r´alisations mie e nimales de G(s) et T (s) permettant l’existence de la matrice de passage M . e e e Ces ´l´ments seront abord´s dans les exercices ? ?. ¯ ¯ u mais ´galement lors de l’identit´ AT R + RA = −C T C o` l’observabilit´ de la e e ¯ ¯ ¯¯ e r´alisation de T (s) est utilis´e (d´coulant de celle de la r´alisation de G(s)).5. ee e Th´or`me 5. lorsque e y = bT P x = cT x. Comme mentionn´ plus haut. ce qui permettrait en utilisant l’entr´e u(t) de rendre arbitrairement e ∞ petit l’int´grale −∞ uT (τ )y(τ )dτ en injectant de l’´nergie dans la direction e e non observable. Ces hypoth`ses sont utilis´es e e e e e a ` deux reprises. 2 En cons´quence. C). la matrice A est stable.25 (pr´sent´ ci-apr`s) montre que la positivit´ r´elle implique e e e e e e e la passivit´. y = Cx admet deux e e e e ˙ matrices sym´triques d´finies positives P et Q qui satisfont les deux ´quations e e e AT P + P A = −Q P B = CT alors le syst`me est passif avec comme fonction de stockage interne e V = et comme terme de dissipation g= 1 T x Qx. La preuve du lemme montre la n´cessit´ de la commandabilit´ e e e et l’observabilit´ du syst`me lin´aire (A. B. si ce n’´tait pas le e e e cas. Posons V (x) = 1 xT P x et calculons sa d´riv´e e e 2 1 T ˙ x P x + xT P x ˙ ˙ V (x) = 2 1 (Ax + bu)T P x + xT P (Ax + bu) = 2 1 = xT (AT P + P A)x + ubT P x 2 1 = − xT Qx + ubT P x. .8 Syst`me r´el positif e e 127 Remarque 5.

2 D´finition de la stabilit´ absolue e e Un syst`me lin´aire en repr´sentation d’´tat est boucl´ par une none e e e e lin´arit´ statique u = −φ(y).27.9 Stabilit´ absolue e La stabilit´ trait´e dans cette section apparaˆ lorsqu’un syst`me lin´aire e e ıt e e est boucl´ par une non-lin´arit´ statique. e 5. en consid´rant uniquement l’´quation P b = c. e ıtre 1.9.9. la sym´trie de e e P n’a aucune raison d’ˆtre satisfaite.128 5 Passivit´ e on obtient 1 ˙ V = − xT Qx + uy 2 = uy − g. Les r´sultats ne seront pas approximatifs mais exacts. La stabilit´ d’un point d’´quilibre sera exclusivement trait´e. 2 Remarque 5. D’un autre cˆt´. Par exemple.1 Non-lin´arit´ statique de secteur e e D´finition 5. puis nous donnee e e rons une d´finition de ce type de stabilit´. o` y est la sortie du syst`me lin´aire et u son e e u e e entr´e : e . de telle sorte que le syst`me respecte bien la d´finition de passivit´ avec e e e V = 1 T x Px 2 et g = 1 T x Qx. e e Trois diff´rences essentielles vont apparaˆ entre les deux traitements. Seule une sera telle que P b = c. plusieurs possibilit´s o e e e e existent. k2 ] ∀y = 0 ⇒ k1 y ≤ φ(y) ≤ k2 y 5. e Nous commencerons pas d´finir le type de non-lin´arit´. mais elles conduisent ` de mauvais choix. e e e 3. Cette classe de syst`me a d´j` fait e e e e ea l’objet de l’´tude par la m´thode du premier harmonique dans le chapitre 3. La non-lin´arit´ appartient ` un secteur. e e 5. e e a 2.26. Plusieurs P sont n´cessairement obtenus par r´solution de la e e fonction de Lyapunov AT P +P A = −Q. Une non-lin´arit´ φ est une non-lin´arit´ de type secteur e e e e e [k1 . ´tant donn´ qu’elles ne a e e satisfont pas n´cessairement AT P + P A = −Q.

14.13. k2 ]. e a e e si le syst`me (5. k2 ]. Un secteur d´limite la r´gion dans laquelle la non-lin´arit´ statique peut e e e e se trouver.5. D´finition 5.6) est stable quel que soit la valeur de la fonction statique e comprise dans le secteur [k1 . Diagramme de blocs repr´sentant le syst`me lin´aire boucl´ par une e e e e non-lin´arit´ statique.6) La question de la stabili´ que l’on va traiter s’´nonce de la mani`re suie e e vante.9 Stabilit´ absolue e 129 φ(y) k2 y k1 y y Fig. 5. x = Ax − bφ(y) ˙ y = cT x (5. 5. Un syst`me lin´aire x = Ax + bu avec y = cT x est dit e e e ˙ stable de mani`re absolue vis-`-vis de la non-lin´arit´ φ de secteur [k1 . u - x = Ax + bu ˙ y = cT x φ Fig.28. e e .

alors le syst`me lin´aire e e e x = Ax + bu. a Th´or`me 5. L’id´e est de repr´senter. e Les restrictions sur le syst`me lin´aire doivent ˆtre plus s´v`res afin d’aboue e e e e tir ` une conclusion satisfaisante. k2 ] est stable. Si pour tout choix de gain k compris dans l’interval k ∈ e [k1 . Peut-on alors en d´duire.3 Conjecture de M. c. A. y = cT x boucl´ par une non-lin´arit´ secteur u = −φ(y) avec e e e ˙ φ(y) appartenant au secteur [k1 . Il est n´cessaire de e e a e e e d´finir un crit`re de stabilit´ de Nyquist plus exigeant. la stabilit´ e e du syst`me boucl´ ? Force est de constater que ceci n’est pas le cas. le secteur est suffisamment large de telle sorte que plusieurs pentes k diff´rentes peuvent y ˆtre inclues. mais un cercle e e dont les param`tres sont fonctions des deux gains d´limitant le secteur. la matrice A − bcT k est Hurwitz. boucl´ par une non-lin´arit´ statique de secteur [k1 . Ainsi. Aizerman Le secteur d´finit un lieu de points ` l’int´rieur duquel la caract´rstique e a e e statique non lin´aire doit se situer. non plus un point unique en −1. e e Hypoth`se 5.9. l’analyse s’en trouve alors facilit´e. apr`s remplacement des gains fixes par e e une caract´ristique statique quelconque comprise dans ce secteur. il se peut tr`s e e e e bien que. k2 ].29. elle ´voque une certaine e v´rit´. pour tout gain fixe compris entre k1 et k2 . En e e fonction du signe de ces gains. compris entre k1 et k2 . k2 ) e respectent certaines propri´t´s g´om´triques l’un par rapport a l’autre. Ceci fait l’objet du crit`re du cercle et du a e crit`re de Popov. que la partie r´elle de chaa e cune de ses valeurs propres est strictement n´gative.-`-d.9. Cette conjecture est fausse comme il le sera illustr´ dans les exercices. le syst`me lin´aire boucl´ e e e soit stable. ` condition d’en modifier quelque peu l’´nonc´. Si le secteur se r´tr´cit de telle sorte e e e qu’il se confonde avec une droite lorsque k1 → k2 . la r´ponse harmonique doit laisser le cercle ` e a un certain endroit par rapport ` lui. la e e question est de savoir si ces divers gains. e e e e est stable au sens absolu lorsque la r´ponse harmonique et le cercle D(k1 . k2 ]. Par cons´quent. ee e e ` En d´signant par Card[{λ|ℜe[λ] > 0}] = ρ le nombre de valeurs propres e a partie strictement positive associ´e a la fonction de transfert G(s).4 Crit`re du cercle e Bien que la conjecture d’Aizerman soit fausse.30. Le crit`re du cercle est e e e e une approche. Un syst`me entr´e-sortie dont la r´ponse harmonique est e e e e e d´finie par G(jω). Lorsque k1 = k2 . l’ensemble e e e e est lin´aire. bien que e e cette conjecture soit tr`s s´duisante. Etant donn´ que dans ce cas. nous ` e ` pouvons distinguer trois cas de figure : . e 5. assurent la stabilit´ du syst`me en boucle ferm´e. la caract´ristique statique e devient un simple gain.130 5 Passivit´ e 5.

alors le syst`me est stable au sens absolu. Si 0 < k1 < k2 et G(jω) ne rentre pas dans le disque D(k1 . e Pour comprendre le crit`re du cercle. si k1 < 0 < k2 et que tous les pˆles de G(s) sont a partie r´elle o ` e strictement n´gative et que G(jω) est enti`rement inscrit a l’int´rieur du e e ` e cercle D(k1 . G(jω) 1 − k1 Fig.16. Finalement. il e e e est important d’abord de comprendre le cas particulier du secteur φ ∈ [0. e D(k1 . Il s’agit alors de d´montrer e e e . e 3. Le u e e e crit`re exige simplement que G(s) soit positif r´el.9 Stabilit´ absolue e 131 1. e 2. 5. k2 ) et G(jω) encercle ρ fois dans le sens dans le sens trigonom´trique positif. k2 ). Crit`re du cercle lorsque k1 > 0 et k2 > 0. Crit`re du cercle lorsque k1 > 0 et k2 = 0. Si 0 = k1 < k2 G(s) et que tous les pˆles de G(s) ont une partie r´elle o e strictement n´gative et que le r´ponse harmonique G(jω) se trouve a droite e e ` 1 de la droite verticale d´fine passant par − k2 alors le syst`me est stable au e e sens absolu. +∞].5. o` le cercle d´g´n`re en une droite verticale. k2 ) G(jω) 1 − k1 1 − k2 Fig. On se situe dans le cas 2. alors le e syst`me est stable au sens absolu.15. 5. et ainsi en ´tablir sa d´monstration.

Par cons´quent. il existe une certaine matrice d´finie positive P satisfaisant simule tan´ment e AT P + P A = −Q P B = CT . on consid`re a e e e e la relation u = −φ(u) et la fonction de Lyapunov associ´e ` P . Pour ˆtre plus pr´cis. ceci revient e a e a ` admettre que G(s) est ` partie r´elle positive.132 5 Passivit´ e G(jω) 1 − k2 1 − k1 Fig. c. 2 . le cercle d´g´n`re en l’axe imaginaire. e e Pour aboutir ` la stabilit´ dans le sch´ma boucl´ ci-dessus. e que sous ces conditions. e a a V = dont la d´riv´e temporelle e e 1 T x P x.17. Crit`re du cercle lorsque k1 < 0 et k2 > 0. Il est important de noter que le choix de cette matrice est li´e aux propri´t´s e ee entr´e-sortie donn´ par les matrices B et C. 5. Le e e e crit`re du cercle exige de laisser le cercle ` gauche. On peut donc appliquer le a e th´or`me de Kalman-Yakubovich-Popov garantissant l’existence d’une fonce e tion pouvant jouer le rˆle d’une fonction de Lyapunov. Dans le cas k1 = 0 et k2 = +∞. On commence par ´tablir une repr´sentation d’´tat ` partir de la fonction e e e a de transfert G(s) = C(sI − A)−1 B. le syst`me est localement asymptotiquement stable e au sens de Lyapunov. o e e sous la condition que la partie r´lle de la r´ponse harmonique est sup´rieure e e e a e ` z´ro.-`-d.

φ(u) − k1 u. +∞] Fig.-`-d. En cons´quence. +∞]. a e e Les ´tapes pr´c´dentes sont r´sum´e en un calcul. le th´or`me de Lyapunov assure la stabilit´ en boucle ferm´e e e e e e quel que soit la non-lin´arit´ statique compris dans le secteur d´limit´ par e e e e k1 = 0 et k2 = ∞. k2 ] en une c e e nouvelle non-lin´arit´ de secteur [0. afin de transformer la non-lin´arit´ secteur [k1 . l’inverse de la none a 1 lin´arit´ ainsi obtenue conduit ` une nouvelle. e e a 1 Finalement. +∞]. e e Commen¸ons par modifier la non-lin´arit´ φ de secteur [k1 . 5. Maintenant. e e 1 1 ˙ ˙ ˙ V = xT P x + xT P x 2 2 1 = xT (AT P + P A)x + xT P Bu 2 1 = − xT Qx + xT C T u 2 1 = − xT Qx − y T φ(u) 2 montre que sous la condition φ ∈ [0.5. +∞] (de telle sorte que y T φ(y) ≥ 0) la d´riv´e de la fontion de Lyapunov est strictement plus petite que z´ro e e e ˙ V <0 x = 0.) : e e ea 1 1 − [φ] − k1 k2 − k1 . k2 − k1 ]. c. il suffit de construire des bouclages artificiels e e autour du sch´ma. le redressement est op´r´ par addition en parall`le du gain − k2 −k1 e e e conduisant ` une non-lin´arit´ de secteur [0. o` l’on note [φ] pour e e e e e u l’op´rateur entr´e-sortie associ´ ` la fonction φ(. Pour traiter le cas g´n´ral. mais de secteur [ k2 −k1 . Diagramme de blocs de la cascade entre un syst`me lin´aire et une e e non-lin´arit´ de secteur compris entre 0 et ∞. +∞]. Il suffit d’additionner en parall`le e e e a ` φ un gain n´gatif de −k1 . k2 ] en une e e e non-lin´arit´ secteur [0.9 Stabilit´ absolue e 133 u - G(s) y = cT x φ ∈ [0.18.

tous les bouclages introduits se compensent parfaitement. Ainsi.7) D´montrons le premier cas du crit`re du cercle o` k1 > 0 et k2 > 0.31.) Les e e e e e bouclages ne sont donc qu’artificiels et ne modifient en rien le comportement global du sch´ma initial. nous n’avons rien modifi´ (figure 5. +∞]. Bouclages permettant de modifier une non-lin´arit´ de secteur [k1 . 5. Toutefois. k2 > k1 (propri´t´ de la d´finition du secteur). Ceci transforme G(s) en une nouvelle fonction de ¯ transfert G(s).19. (Dans le bouclage initial.19 e ea 1 k2 −k1 + + φ + - k1 Fig. e e En renversant le sens des bouclages et en les appliquants ` la fonction de a transfert G(s). le second ee e . de nouveaux ´l´ments φ et e ee ¯ G(s) font leur apparition. 1 1 − k2 −k1 ([φ] − k1 ) mais qui se met sous la forme d’un bouclage repr´sent´ ` la figure 5. d’une part. (5. 1 [φ]−k1 1 − 1 k2 −k1 = [φ] − k1 .134 5 Passivit´ e En inversant cette expression.20). La cl´ consiste ` introduire des bouclages sur la non-lin´arit´ e a e e φ et des bouclages sur la partie lin´aire G(s) dans le sens oppos´. En fin de compte. en examinant la figure 5.20 et en isolant la non-lin´arit´ transform´e e e e par les bouclages.19. u est l’entr´e de la non-lin´arit´ φ et y la sortie du syst`me lin´aire G(s). k2 ] e e en une non-lin´arit´ de secteur [0. e Remarque 5. on obtient toujours une non-lin´arit´ secteur e e [0. e e u Comme. +∞]. conform´ment ` la figure 5. en red´finissant les ´l´ments φ et G(s) e e ee ¯ autour des bouclages nouvellement constitu´s. entraˆ ınant de la sorte une nouvelle condition sur G(s). de telle sorte e e que la relation u = −y annule l’effet des bouclages. un nouveau syst`me lin´aire e a e e ¯ G(s) est identifi´ e ¯ G(s) = G(s) 1 = + 1 + k1 G(s) k2 − k1 1 k2 1 k1 + G(s) + G(s) k2 1 k1 k2 − k1 .

tout comme le crit`re du cercle. Th´or`me 5. e e – ∀λ ℜe[λ(A)] > 0 et (A. une exploitation de e e la propri´t´ de passivit´ lors de l’interconnexion d’un syst`me lin´aire et d’une ee e e e non-lin´arit´ de type secteur. G(s) doit ˆtre strictement positif r´el. nous aboutissons ` la condition e e a Re 1 k2 1 k1 + G(jω) + G(jω) >0 ∀ω ∈ R. (5.20. 5. d’autre part. Les bouclages introduits se compensent parfaitement conduisant le sch´ma ci-dessus ` ˆtre identique au bouclage de G(s) par la non-lin´arit´ φ.7) est toujours positif. Nous donnons le r´sultat sans d´monstration. e ae e e ¯ facteur du dernier membre de (5.8) 5.9 Stabilit´ absolue e 1 k2 −k1 1 k2 −k1 135 + + φ - + - + - G(s) + k1 k1 Fig.5 Crit`re de Popov e Le crit`re de Popov est. Le plan consiste ` repr´senter en abscissee la partie r´elle de la a e e r´ponse harmonique Re G(jω) et l’ordonn´e la partie imaginaire multipli´e e e e 1 e par la pulsation ωIm G(jω). ℜ[(1 + jαω)G(jω)] + k ≥ ǫ pour une certaine valeur ǫ > 0 ⇒ 0 est globalement asymptotiquement stable . B) commandable – Non-lin´arit´ φ de type secteur e e – ∃α > 0 tel que 1 ∀ω ≥ 0. ǫ repr´sente la marge avant de toucher la droite. La droite passe par le point − k et poss`de une 1 e pente de α .9. et.32.5. e e e e L’utilisation du crit`re revient ` tracer une droite dans un plan convenable e a et de garantir que la r´ponse harmonique G(jω) demeure du bon cˆt´ de e o e la droite.

3. Crit`re du cercle. . Fitts Two Counterexamples to Aizerman’s Conjecture. et montrer que ces formules admettent l’interpr´tation correspone dant ` l’´nonc´ du crit`re du cercle.92 boucl´e par une contre r´action n´gative sur une zone morte d’´quation (u = e e e e φ(y) avec u l’entr´e de G et y sa sortie). en e for¸ant la sortie du syst`me ` z´ro. le crit`re e du cercle dans le cas 0 < k1 < k2 . e (iv) En utilisant la non-lin´arit´ en contre-r´action comme d´crit plus haut e e e e et en faisant varier les param`tres suivant le tableau e 1 Selon l’article de R. D´terminer une formule analogue pour les e autres cas. N´cessit´ de l’observabilit´. IEEE Trans. Les valeurs nominales des param`tres sont k = e e 10.5. D´montrer le crit`re de Popov. 1966. Discuter du cas o` le syst`me ` e e e u e a commander (en repr´sentation d’´tat) n’est pas commandable mais poss`de e e e une sortie pour laquelle la fonction de transfert associ´e donne lieu ` une e a r´ponse harmonique qui se situe dans le plan droit du plan complexe.136 5 Passivit´ e Exercices e a e 5. on Automatic Control. et simuler e e l’ensemble en boucle ferm´e. il existe une trajectoire non nulle associ´e c e a e e a ` une combinaison des ´tats qui n’est pas identiquement nulle. a e e e 5. Montrer que e le syst`me n’est pas passif dans ce cas. e 5. Est-ce e que le syst`me ob´it ` la d´finition de la passivit´ ? e e a e e 5.1. et b = 0.2. e e e 5. En somme. e  y>1 y − 1 0 −1 ≤ y ≤ 1 φ(y) =  y + 1 y < −1 (i) Obtenir une r´alisation d’´tat de la fonction de transfert G(s). (ii) V´rifier th´oriquement que pour un gain constant compris entre 0 et e e 1 le syst`me est stable. e (iii) Remplacer la non-lin´arit´ par un gain 0 et 1 et v´rifier par simulation e e e le r´sultat. pp.01. a = 0. E. Supposons qu’il ne soit pas possible de e e e discriminer la sortie nulle de l’´tat nul pour un syst`me lin´aire ayant une e e e r´ponse harmonique dans la partie droite du plan complexe.4. D´montrer ` partir de la formule (5. La conjecture d’Aizerman est fausse1 . N´cessit´ de la commandabilit´.8). Crit`re de Popov.12 ] [(s + b)2 + 0. Consid´rer la fonction de e transfert s(s + a) G(s) = ][(s + b)2 + 1. 553-556.

9 Stabilit´ absolue e 137 a b k 0.5.1 ≤ k ≤ 1000 0 0.02 0.75 montrer par simulation que le syst`me dynamique n’est pas stable et qu’il e y a pr´sence de cycles limites.01 ≤ b ≤ 0.01 10 0 0.01 10 0 ≤ a ≤ 0. e .

.

Partie II Synth`se e .

.

Ene e suite. e En cons´quence. les e e e e e ´quations diff´rentielles ne sont qu’un mod`le. il est possible au moyen d’une simple come e mande a priori d’assigner un tel historique ` cette sortie et donc ` l’ensemble a a de l’´tat. . L’existence d’un bouclage y ´tait admis sans savoir pr´cis´ment e e e e comment il est obtenu. e Nous avons donc un syst`me donn´ comme un ensemble d’´quations e e e diff´rentielles ordinaires du premier ordre e x = f (x). . e e la solution compl`te sera obtenue lorsque ces chaˆ e ınes d’int´grateurs seront e stabilis´es. suivi pr´cis et rapide d’une trajectoire) ou e en robustesse (p. ex. Pour commencer. m e e ˙ e e et et les sorties y1 . ex. . Si tel s’av`re ˆtre le cas. La poursuite consiste a e e a ` suivre une trajectoire pr´d´finie avec une erreure asymptotique nulle. Ce sont des fonctions de l’´tat correspondant le plus e e e souvent ` une grandeur particuli`re d’int´rˆt et mesurable dans la r´alit´. nous disinguerons principalement les probl`mes de r´gulation et de poursuite. i = 1. et cette modification de l’entr´e e e e e potentielle est sujette parfois ` des hypoth`ses suppl´mentaires qui n’ont pas a e e ´t´ prises en comptes pour ´laborer le mod`le. a e e e e e Mais il peut ´galement s’agir d’une sortie ”artificielle”. (Il y aura donc des e e e ´quations diff´rentielles suppl´mentaires. Dans ce chapitre et les suivants. . il ee e e e e faut alors compl´ter les ´quations diff´rentielles par les conditions n´glig´es e e e e e correspondantes et consid´rer l’entr´e comme un ´tat. on peut la e d´signer comme ´tant une entr´e u. les e e e e ´quations diffl´rentielles x = f (x) s’´crivent avec les entr´es ui . une variable xl que l’on peut instantan´ment modifier. . L’objectif est d’am´liorer le syst`me ` e e e a commander en performance (p. e e e Bien entendu. En effet. une fois les grandeurs d’entr´e et de sortie d´sign´es. La r´gulation e e e consiste ` ramener le syst`me vers un point d’´quilibre. dans cet ensemble d’´quations diff´rentielles a e e ordinaires. la construction de la loi de commande sera examin´e. .141 La partie pr´c´dente a ´t´ consacr´e ` l’analyse d’un syst`me dynamique e e ee e a e non lin´aire. Il s’agira de transformer le e e syst`me initial en un ensemble de chaˆ e ınes d’int´grateurs ind´pendants. rejet de perturbations). au sens o` l’objet de e u la r´alit´ ne poss`de pas n´cessairement les capteurs n´cessaires pour mesurer e e e e e cette grandeur. l’approche de lin´arisation sera envisag´e.) e e e Une fois les entr´es d´signe´es. Bien e a qu’elle puisse ne pas ˆtre mesur´e. ˙ Lorsqu’on a ` disposition. Ainsi. nous pouvons ´galement choisir des sorties e e e e particuli`res du syst`me. yp comme : . . Nous verrons qu’il est possible de constituer de telles sorties et qu’elles sont tr`s pratiques pour ´laborer un mouvement d’ensemble de l’´tat e e e par simple assignation de valeurs successives particuli`res ` cette sortie. nous devons faire attention ` ce que la modification de a cette variable puisse ˆtre physiquement r´alis´e dans la r´alit´.

etc. . i) l’assignation d’une trajectoire temporelle p(t) ` l’entr´e u (puisque pouvant instantan´ment ˆtre modifi´e). . . . . les entr´es du e e e syst`me de d´part seront assign´es aux sorties du controleurs et r´ciproquement : e e e e u1 = w1 . . . . . . wm . u1 . par e construction de m´canismes particulier. Nous avons ´galment le cas particulier ii) o` le controleur est d´pourvu de e u e dynamique de telle sorte que v = x : . um ) ˙ y1 = h1 (x) . . vp ) ˙ ¯ w1 = h1 (x) . vp = yp . ou par des module de synth`se analogiques ou biologiques. Il pourra ˆtre r´aliser dans e e e e un calculateur. . . . ou de mani`re plus condens´e : e e v = h(x) ¯ u = h(z). . . . v1 . . ¯ = hm (x). . yp = hp (x) Nous allons montrer dans le cours des chapitres de cette seconde partie comment nous pouvons fabriquer un nouvel ensemble d’´quations diff´rentielles e e ordinaires du premier ordre. . non-lin´aires qui constituera la loi de commande : e ¯ z = f (z. Nous avons comme cas particulier. . Cette a e e e e entr´e est alors d´finie de mani`re univoque ` chaque instant du temps e e e a u = p(t). . . . Il est important de remarque que cet ensemble est purement artificiel et ne correspond pas n´cessairement ` une repr´sentation d’un ph´nom`ne obsere a e e e vable existant (contrairement au mod`le de d´part). . . .142 x = f (x. e Afin que le controleur interagisse avec le syst`me de d´part. um = wm v1 = y1 .

Il e e e est important de souligner que la solution en fonction de l’objectif choisit n’est pas n´cessairement unique. e e Dans le cas g´n´ral la commande sera qualifi´e de dynamique. ou de commande a priori. la structure des a e e solutions. e L’objectif est li´ ` ce que d´sire l’utilisateur de la repr´sentation de la e a e e r´alit´ qu’il a obtenu en d´finissant son syst`me de d´part. il est important d’insister sur une r´serve. Contrairement ` l’analyse. e a e Cette non fixit´ du syst`me r´sultant rend la tˆche paradoxalement difficile e e e a et facile ` la fois : difficile. de la grandeur r´elle correspondant e e a ` l’entr´e. conduise ` l’observation du comportement d´sir´ sur la r´alit´. comme par exemple. en fonction du contexte. car l’objectif est souvent tr`s contraignant ` cause a e a de la complexit´ du syst`me de d´part .143 ¯ u = h(x). les solutions du syst`me d’´quations diff´rentielles ordie e e naires non lin´aires est modifi´ entre le cas o` les entr´es stont forc´es ` z´ro e e u e e a e et le cas o` elles suivent une de ces lois de commande. la possibilit´ de d´finir plusieurs objectifs potentiels. e e e Dans les deux cas. Dans le premier cas i) on parlera de commande en boucle ouverte. Dans le second cas ii). que e e e cel` soit la qualit´ de l’´volution temporelle des solutions. un but d´termin´. conduit ` l’existence d’une multitude de syst`mes. car la pr´sence de plusieurs e e e e choix de commande augmente n´cessairement les possibilit´s de synth`se. . c’est que la commande ´labor´e doit e e e en quelque sorte am´liorer le comportement du syst`me math´matique. e e e u en suivant la loi de commande ´tablie. e e e la cr´ation de cycle limite avec des param`tres bien d´finis. u Toute la question r´side alors dans la mani`re d’´laborer cette commande e e e afin d’atteindre un objectif. e e e la nature et le nombre de points d’´quilibres nouvellement form´s ou d´truits. e a e e e e Toutefois. facile. Les raisons sont e e e nombreuses et sont toutes essentiellement li´es ` la validit´ et l’applicabilit´ e a e e des ´quations diff´rentielles utilis´es pour repr´senter le ph´nom`ne. e e Pour l’instant. e e e Dans le cas oˆ le mod`le initial correspond fid`lement ` l’observation de u e e a la r´alit´ il y alors de grandes chances de succ`s. chacun n´cessitant e e e e une commande diff´rente. il n’est pas garantit que l’´volution du vrai syst`me mesur´ et observ´ e e e e sur la r´alit´ soit conforme avec les d´sirs du concepteur. ou les caract´ristiques du syst`me transform´. e e e e e e Ce que l’on peut dire n´anmoins. une prudence qu’il faut e observer. au sens o` la modification. o` le syst`me est en quelque sorte a u e fig´. il s’agit d’une loi de commande statique en boucle ferm´e (ou en contre-r´action). nous n’avons pas mentionn´ ce que nous entendons par e but ou objectif. e e e e e Ceci signifie que mˆme lorsque le probl`me math´matique est r´solut. et e e e e que la grandeur de commande est assign´e sur le syst`me r´el selon la loi e e e obtenue.

-`-d. e 4. mˆme objectif que le pr´c´dent. mais en exigeant que ceci se produise e e e quelque soit les conditions intiales et en pr´sence de perturbation . forcer les trajectoires des ´tats ` converger de mani`re stable vers un point e a e d’´quilibre bien d´fini (c. en pr´sence de perturbations. e e ee a Il est donc tr`s important d’ˆtre prudent lors de la phase d’implantation. Il e e faut bien se rendre compte qu’il n’y a absolument aucun moyen d’´viter cette e difficult´. Lorsque le controleur est e e e activ´. amener le syst`me d’un point de d´part (´tat initial) vers un point d’are e e riv´e final (´tat terminal). il se peut qu’il pousse le syst`me r´el au del` des conditions dans lese e e a quelles le mod`le initial a ´t´ ´tablit. 3. e e .144 En effet le mod`le n’est qu’une repr´sentation de la r´alit´ sous les condie e e e tions d’exp´rimentation effectu´es pour l’´laborer. forcer une sortie pr´´tablie (fonction particuli`re des ´tats) ` suivre une ee e e a trajectoire choisie ` l’avance pour un certain choix de conditions initiales a et en absence de perturbation . en l’absence de perturbation. e e 5. en pr´sence de perturbations potentielles) . amener le syst`me d’un point de d´part (´tat initial) vers un point d’are e e riv´e final (´tat terminal). et sans condition e e sur l’´volution de l’´tat durant la transition . et avec des condie e e tions sur l’´volution de l’´tat durant la transition. e e a e 2. e Dans le cours des chapitres L’objectif sera un de ceux donn´s ci-apr´s : e e 1. conduisant ` une catastrophe potentielle.

il est impossible de repr´senter de mani`re continue l’ensemble de d´part e e e par une seule carte. il ne sera pas question de syst`me e e e dynamique ` proprement parl´. Dans ces deux cas.6 Elements de G´om´trie e e 6. Loe ee e calement. l’ensemble complet (consistant en la r´union des ensembles locae lement euclidien) ne poss`de plus la propri´t´ euclidienne. e e Le cadre math´matique ad´quat est la g´om´trie diff´rentielle. Cette dise e e e e cipline ´tudie les surfaces (vari´t´s) selon un point de vue infinit´simal. L’id´e est d’introduire e des outils de formulation des conditions d’int´grabilit´ apparaissant ` la fois e e a dans le chapitre sur le probl`me de la lin´arisation par bouclage et de celui e e concernant la construction de fonction de Lyapunov. Chaque point e de la sph`re peut ˆtre mis en correspondance avec un point de la carte. Il est en effet possible de repr´senter (moyene e nant distortion) la surface de la sph`re par une carte plane. L’inverse de la e e correspondance doit ´galement ˆtre continue et diff´rentiable. au sens o` une coree a u respondance entre un point de la vari´t´ et un point d’un espace euclidien ee existe. La correspondance doit ˆtre continue et diff´rentiable. une vari´t´ ressemble ` un espace euclidien. Le point de vue sera d’abandonner momena e tan´ment la conception du temps en tant que variable particuli`re (sauf mene e tion explicite du contraire dans certains cas rares). . e e e Toutefois. Un exemple trivial e ee est la surface d’une sph`re.1 Introduction Contrairement aux pr´c´dents chapitres. Les e e m´ridiens et les parall`les sont alors perpendiculaires sur la carte (espace eue e clidien) bien que ceux-ci se coupent sur la sph`re (espace non euclidien). De e plus. la difficult´ essentielle est de remonter ` partir d’un vecteur ligne correspondant e a a ` un certain gradient vers la fonction dont le gradient est issu. La construction de la fonction n’est pas toujours possible et il est important d’avoir des outils permettant de d´terminer la possibilit´ ou non de la construire.

un voisinage de la taille de deux m´ridiens e de large de l’atole de Funafuti un peu au dessus du dixi`me parall`le tout ` e e a droite de la carte se retrouve ´galement partiellement repr´sent´ 40’ooo km ` e e e a gauche sur la carte (ceci en faisant confiance ` l’´chelle de la carte) ! Pour gaa e rantir la continuit´ dans la lecture de la carte. de telle sorte qu’un point se e trouvant ` l’extr´mit´ droite d’une carte poss`de un voisinage dans la vari´t´ a e e e ee qui n’est plus un ensemble connexe sur cette carte.1) . le vecteur vitesse peut ´galement prendre e n’importe quel module (pour autant que l’ a´rodynamique le permette). Une vari´t´ consiste en l’espace M avec une ee ensemble d’applications inversibles φi : Rn → M (6. e ee Si l’on consid`re un instant sp´cifique. Supposons une carte unique. c’est r´ellement un vecteur appartenant ` un espace euclidien propre e a aux vitesses. La difficult´ est que cet espace euclidien change de point en point e le long de la trajectoire. Cartes et Atlas e e e e Une vari´t´ M est un objet math´matique qui localement est repr´sentable ee par un espace euclidien Rn .2 Vari´t´. un tel ensemble est appel´ un atlas. si l’on prend une carte traditionnelle du monde. En e somme. Nous verrons comment un syst`me dynamique x = f (x. il faut d´cider quelles en seront les limites et on se heurte au e probl`me suivant. De plus.146 6 Elements de G´om´trie e e En effet. un peu comme les positions ee e e de l’avion sur la surface de la sph`re. e e Maintenant. il est n´cessaire d’avoir recours e e a ` plusieurs cartes chacune pour une r´gion particuli`re d’int´rˆt. si l’on consid`re la trajectoire d’un avion ´voluant au dessus e e de la surface de la terre. l’orientation du vecteur de vitesse peut e e a ` priori prendre n’importe quelle orientation dans un certain plan dit plan tangent de la vari´t´ au point en question (on consid`re que l’on ne connait pas a ee e priori la trajectoire avant l’instant et apr`s l’instant sp´cifique lorsqu’on exae e mine le point en question). tout comme en cartographie. Il y correspond ´galement e e e e une trajectoire plane sur la carte. on peut le repr´senter par une trajectoire sur la e sph`re (l’altitude de l’avion n’est pas consid´r´e). Une notion cl´ de la g´om´trie diff´rentielle e e e e est que les vitesses d’un objet le long d’une trajectoire d’une vari´te appare tiennent toujours ` un espace euclidien ! La courbure est en quelque sorte a absente lorsqu’on consid`re les espaces des vitesses en un point de la vari´t´. u) est repr´sent´ e ˙ e e a ` l’aide des outils g´om´triques de la g´om´trie diff´rentielle. Il sera alors e e e e e question de la vari´t´ dans laquelle l’´tat ´volue. et des vecteurs de vitesses associ´s ` e e a cette repr´sentation. e 6. Par exemple. En g´om´trie e e e e e e diff´rentielle.

1. En effet. e e e de telle sorte qu’un point est d´fini par trois coordonn´es x. Cartes et Atlas ee 147 o` n repr´sente la dimension de la vari´t´. e e a y 3 2 1 x -2 -1 -1 -2 -3 1 2 Fig. Ces cartes permettent de u e ee repr´senter un point de la vari´t´ m ∈ M par un ensemble de coordonn´es de e ee e Rn . ¯ ¯ ¯ nous avons la repr´sentation (6.1. y et z soumisent e e ¯ ¯ ¯ a ` la contrainte x2 + y 2 + z 2 = 1. il existe plusieurs repr´sentations e e ee e possibles de la carte φ1 . Courbe param´tr´e dans le plan. 2π[.2) o` x et y sont les coordonn´es sur la carte. il est ´galement possible d’utiliser les angles de latitude φ et e de longitude ψ pour repr´senter un point de S 2 . Dans ce cas. Si l’on consid`re la sph`re comme plong´e dans R3 . est repr´sent´e ` la figure 6.2) Cependant. e u e  cos( y ) cos( x ) 6 3 →  cos( y ) sin( x )  6 3 sin( y ) 6  φ1 : x y (6. il est possible de repr´senter e e une courbe plane sur la surface de la sph`re par une repr´sentation bidimene e sionnelle ` l’aide d’une carte. dans le cas d’une sph`re S 2 . la carte devient e . Un atlas Φ consiste en la r´union de toutes les cartes e Φ = ∪i φi Par exemple. 6. une courbe plane d´finie par a e x = sin t + 2 cos t y = cos t(1 − sin t) + 2 sin(2t) pour t ∈ [0.6.2 Vari´t´. e e Selon la mani`re de repr´senter la vari´t´ S 2 .

de le repr´senter ` l’aide de la carte qui n’est pas utilis´e. si ce n’est pour les pˆles qui sont o repr´sent´s par les lignes sup´rieure et inf´rieure d´limitant respectivement e e e e e le haut et le bas de la carte. (Ce probl`me est absent sur une e e carte traditionnelle unique du monde. disons respectivement xi et xj . En effet. e Par exemple. e a e Ainsi. Repr´sentation dans la vari´t´ S 2 de la courbe planaire de la figure 6. par cons´quent.1. afin que chaque point poss`de e e e au moins une carte dans laquelle le point en question admette un voisinage inclut dans la carte. si φi et φj admettent chacune un repr´sentant du mˆme point m ∈ e e M. ou plus pr´cis´ment le probl`me des e e e e points qui sont repr´sent´s par les bords verticaux de cette carte unique. e La vari´t´ ne peut en g´n´ral pas ˆtre d´crite par carte unique. 6. sauf lorsee e e e e qu’elle peut se mettre en correspondance bijective avec un espace Rn .) e e Ceci entraˆ ´galement que plusieurs points de la vari´t´ admettent pluıne e ee sieurs repr´sentants.1 est donn´e ` la figure a e a 6.148 6 Elements de G´om´trie e e φ1 : x y → φ = x/3 θ = y/6 (6.) Il faut. e ee donn´e localement dans une carte de l’atlas. (Ceci ´vite ainsi le probl`me de l’ˆ de Funafuti d´crit e e ıle e dans l’introduction du pr´sent chapitre. il est exig´ de pouvoir garantir l’existence d’un voisinage inclut dans la carte. alors il doit exister deux voisinages Vi et . au plus un par carte.2. sur les zones de recouvrement ee e e entre les deux cartes. que les cartes satisfassent des hypoth`se de compae e tibilit´. la sph`re n´cessite trois cartes. la figure correspondant ` celle 6.2. Lorsqu’une carte particuli`re est utilis´e pour d´crire un mouvement e e e e sur la vari´t´. Fig. il doit ˆtre ´galement possible.3) Dans les deux cas.

Exemple 6.2.3. la notion de changement de coordonn´es est rendue e e e e math´matiquement pr´cise par la d´finition suivante : e e e D´finition 6.6. Nous aurons ´galement besoin de changee e e ments de coordonn´es dans le chapitre consacr´ ` la lin´arisation.1 Diff´omorphisme e Les cartes correspondent ` des applications entre un espace euclidien et a la vari´t´ M. Il seront e ea e motiv´s ´galement par la volont´ de compenser les courbures inh´rentes ` la e e e e a repr´sentation du syst`me initial. e e φ−1 (φi (Vi )) = Vj j φ−1 (φj (Vj )) = Vi . Une e a e trajectoire rectiligne et plate sur la carte correspond ` une trajectoire courbe a dans l’espace d’origine. un changement de coordonn´e. dans l’espace de la vari´t´ M. De plus Φ et Φ−1 doivent ˆtre d´rivables. sur les zones de recouvrement.2. . e Lemme 6. ee De mani`re g´n´rale. (Diff´omorphisme) Une fonction Φ : Rn → Rn d´finie dans e e e ∂Φ ∂Φ une r´gion Ω est appel´e diff´omorphisme si ∂x1 . nous obee tenons. e e e ee 6.1. Soit l’application de R2 dans R2 donn´e par e Φ(x) = 2x1 + 5x1 x2 2 3 sin x2 de telle sorte que sa matrice Jacobienne ∂Φ = ∂x 2 + 5x2 10x1 x2 2 03 cos x2 . un peu comme les cartes d’un atlas classique e e rem´die quelque peu ` la courbure intrins`que de la surface de la terre. . . e e Si Ω = Rn alors c’est un diff´omorphisme global. Les e cartes se composent de mani`re univoque ` condition que les changements e a de coordonn´es soient bien d´finis. En composant une carte par l’inverse d’une autre. i Un ensemble de carte φi constituant un atlas ayant ces propri´t´s de comee patibilit´ d´finit compl`tement la vari´t´ M. Si ∂Φ est e e ∂x non singuli`re en x0 alors Φ(x) est un diff´omorphisme dans une sous r´gion e e e de Ω contenant x0 . Soit Φ(x) une fonction r´guli`re de Ω ⊆ Rn → Rn . Cartes et Atlas ee 149 Vj de xi et xj qui peuvent se mettre en correspondance ` l’aide des carte φi a et φj . ∂xn existent et si Φ−1 e e e existe.2 Vari´t´. Plus pr´cis´ment.

t) telle que Φ(x0 .3 Solution de l’´quation diff´rentielle e e L’´quation initiale x = f (x. a ee e e Cette trajectoire est une courbe param´tr´e Φ(x0 . t)) soit a dt ´gale au vecteur de vitesse en ce point f (Φ(xo . t) associ´e ` une certaine e e e a condition initiale x0 . Φ respecte les e e conditions de la d´finition de diff´omorphisme dans un voisinage du point e e (0. Trouver la solution ` l’´quation diff´rentielle ordinaire consiste ` ee a e e a trouver une courbe param´tr´e Φ(x0 . t). dt on peut attacher en chacun des points de la courbe param´tr´e Φ(x0 . a Trouver la solution de l’´quation diff´rentielle ordinaire x = f (x) revient e e ˙ donc ` trouver une trajectoire dans la vari´t´ d`s lors que f (x) est donn´. e e e consid´rons x = f (x). Il existe un vecteur f (x) et un seul pour chacun des points x de ee la vari´t´. meilleure est l’interpr´tation ee e e des trajectoires r´sultantes. t) un e e vecteur tangent ` cette courbe f (x0 . Plus l’ensemble est grand et plus le nombre d’´l´ments de droite est ´galement important. ee e e Comme cas particulier de l’´quation d´finissant la dynamique du syst`me. Le param`tre t permettant e e d’identifier le point sur la trajectoire. 03 Comme cette matrice est plein rang au point consid´r´.150 6 Elements de G´om´trie e e devienne au point (0. u) admet l’interpr´tation g´om´trique suie ˙ e e e ea ee vante. x2 ). Le plus souvent. x2 ) sur f1 (x1 . | x2 |< φ }. Ainsi.4 Champ de vecteurs Lors de l’´tude des syst`mes dans le plan de phase. 2 6. l’interpr´tation de e e e la dynamique f (x) fait apparaˆ ıtre l’importance de repr´senter l’´l´ment de e ee droite de pente correspondant au rapport entre f2 (x1 . La donn´e du syst`me d’origine f (x) est interpr´t´e e e ee g´om´triquement comme un ensemble de vecteurs de vitesse d´finit sur la e e e vari´t´. t)). On peut ´galement d´montrer que ce voisinage est contenu e e e e dans l’ensemble Ω = { (x1 . cette e vari´t´ est consid´r´e comme l’espace euclidien Rn . Une solution ` cette ´quation diff´rentielle ordinaire est e ˙ a e e une courbe param´tr´e par le temps x(t) = Φ(xo . t) = f (Φ(x0 . x2 ) en un maximum de nombre de points x.-`-d. e Dans le plan de phase il y a deux ´tats x1 et x2 et la dynamique s’´crit e e . une trajectoire) passant par e e a x0 ` l’instant t0 et telle que la vitesse le long de la trajectoire dΦ (Φ(x0 . t)) pour chaque point valeur du param`tre t. 0)T ⇒ ∂Φ = ∂x 20 . 6. 0)T consid´r´. t) (c. t0 ) = x0 e e e et dφ (x. L’´tat x est assimil´ ` un point d’une vari´t´.

. .    . x2 ) ˙ (6. Il est donc naturel de constituer l’espace dual a ee de cet espace vectoriel. x2 ) comme la composante d’un vecteur d´finit en ce point. chaque vecteur f (x) ´tant ate e tach´ au point x. e e . .  →   . Chaque application prend comme e a argument un vecteur et retourne un nombre scalaire. un espace vectoriel existe contenant les ee vecteurs tangents ` la vari´t´. constitue l’ensemble des vecteurs d’un espace vectoriel.xn )  x2   f2 (x1 . x2 . x2 . .6.4. . et il est not´ V ∗ . Un champ de vecteur est dit r´gulier si e e existent en tout point d´fini par x1 . β ∈ R e ` Φ(αx1 + βx2 ) = αΦ(x1 ) + βΦ(x2 ). il est possible de se constituer e ee une image visuelle d’une infinit´ de vecteurs. . a En alg`bre lin´aire. (Espace vectoriel dual V ∗ ) L’ensemble des applications e Φ:V →R et lin´aire en l’argument x. . . et quel que soit la dimension de la vari´t´ (ese e e ee pace). Si maine e ee tenant on consid`re la vari´t´ dans son entier. et f1 (x1 . e De mani`re plus g´n´rale. dans cette section. il est possible d’associer un ensemble d’applications e e associ´es ` un espace vectoriel arbitraire V . e ∂f1 ∂x1 (x1 . . . Nous rappelons bri`vement.  xn fn (x1 . Cet espace vectoriel appel´ le dual de l’espace V .6. f (x) repr´sente un vecteur en un point donn´ de cette vari´t´. . x2 .5 Espace dual 151 x1 = f1 (x1 .5. . e D´finition 6. x2 ) 6. . a savoir quel que soit α. D´finition 6.  .4) Math´matiquement on peut consid´rer x1 et x2 comme les coordonn´es e e e d’un point. x2 ) et f2 (x1 . xn ) D´finition 6. x2 ) ˙ x2 = f2 (x1 . xn )       . x2 ) et ∂f2 ∂x2 (x1 . x2 . la e notion d’espace dual ` un espace vectoriel quelconque. Ce concept est un champ de vecteurs. On appelle champ de vecteur une fonction e f : Rn → Rn    x1 f1 (x1 .5 Espace dual En chaque point de la vari´t´. .

8. disons e e v1 et v2 que l’on note v1 ⊗ v2 . A partir de deux espaces vectoriels identiques V . . .. un nouvel espace vectoriel e est constitu´ e n i=1 V = V ⊗ V ⊗ . . une application lin´aire e e f de V ∗ agit sur les vecteurs de bases pour fournir n nombres r´els f (e1 ). . il est d’usage de distinguer la somme directe . e ee D´finition 6. Un e e e vecteur de V ⊗ V est alors donn´ par la r´union de deux vecteurs de V . En r´sum´. . e f (e2 ).5) La valeur de l’application f pour un vecteur x de V est alors donn´e par e le produit scalaire entre le vecteur ligne (6. e2 . e ` Remarque 6. not´ V ⊗ V .9. Φ(αv1 + βv2 ) = αΦ(v1 ) + βΦ(v2 ). un nouvel espace vectoriel. Il est alors possible de repr´senter f . appel´ le produit vectoriel entre V et V . (6. ce qui prouve que V ∗ est bien un espace e a vectoriel. en de l’espace vectoriel V . est form´. e f est ´quivalent ` un vecteur ligne. qui est lin´aire : e ∀α. f (en ). . Par cons´quent. β ∈ R. appel´ le produit tensoriel entre espaces vectoriels V . Il est facile de g´n´raliser ceci au produit d’un e e nombre d´nombrable d’´l´ments de V .. Une forme lin´aire est donn´e par un application de V dans e e e R: ΦV → R. non plus comme une e application lin´aire en tant que telle. a ee a e e e e D´finition 6. En effet.6 Produit tensoriel et forme multilin´aire e L’espace des formes lin´aires d’un seul argument (appartenant ` un espace e a vectoriel V ) forme donc un espace vectoriel ` part enti`re. Lorsqu’un produit tensoriel contient une infinit´ de copies de e l’espace vectoriel V . ` a e e a e chaque forme lin´aire.5) et le vecteur x. . . f (en ) . comme e e cel` a ´t´ vu ` la section pr´c´dente. et r´ciproquement.7. ⊗ V. pour i = 1 a n. v2 ∈ V. not´ V ∗ . en consid´rant une base e e orthonorm´e e1 . . En effet. A partir d’un espace vectoriel V . un vecteur ligne est associ´. mais sous la forme d’un vecteur ligne e f (e1 ) f (e2 ) . 6.152 6 Elements de G´om´trie e e La propri´t´ de lin´arit´ implique que ces applications constituent ´galement ee e e e un espace vectoriel que l’on d´signe par V ∗ . . ∀v1 .

w1 . c. i=1 V . vr−1 . . seul un nombre fini de vecteurs est non nul. . . . . . . v2 ) = v1 Qv2 .. ∞ V . v2 = v21 v22 possible d’associer un nombre r´el correspondant ` leur produit scalaire : e a T v1 v2 = v11 v21 + v12 v22 = v T Iv. . ∀α. . . ⊗ V du produit direct ∞ i=1 ∞ V = V ⊗ V ⊗ . . . D´finition 6. qu’` toute forme lin´aire sym´trique et d´finie posia e e e tive.. . . Etant donn´ que seul un nombre fini de V est n´cessaire dans ce qui e e suit. . Il est ´galement e e e e possible de d´finir un produit ` partir d’une matrice d´finie positive Q > 0 e a e quelconque : T (v1 .6) On remarque alors. n}. .6. vr+1 . Ceci se g´n´ralise en e e e dimension plus grande que deux (section ??). vr+1 . . . vn ) = αΦ(v1 . . L’´criture ci-dessus met en ´vidence la matrice identit´. Φ(v1 . satisfaisant la lin´arit´. β ∈ R. vr−1 . Il est e e fond´ sur l’usage de d´terminants. vn ) + βΦ(v1 .10. vr−1 . w2 ∈ V . il existe une certain matrice Q qui lui est associ´. . . ⊗ V. (6. . . n. il est chaque couple de vecteurs v1 = v11 v12 . .7 Produit scalaire et produit ext´rieur en dimension deux e ∞ i=1 153 V = V ⊗ V ⊗ . αw1 + βw2 . . . e e Consid´rons pour commencer un espace vectoriel de dimension deux. . . i = 1. w2 . A e T T du plan.-`-d. 2. ∀w1 . . Dans le second. ∀vi ∈ V . vn ). 6. nous ne ferons pas cette distinction.7 Produit scalaire et produit ext´rieur en dimension e deux Le produit ext´rieur est utilis´ en association avec l’espace dual. . . Une forme multilin´aire est donn´e comme une application e e e d’un nombre fini de copies de V dans R : n Φ: i=1 V → R. . . e e a ∀r ∈ {1. vr+1 . . Dans le premier. un nombre d´nombrable (infini) d’´l´ments non nuls est e ee i=1 admis. .

. . u) et donc pij = pji . des formes dont le signe alterne lorsque les arguments sont e a permut´s. vn ) = i j (6. 6. . .154 6 Elements de G´om´trie e e Au lieu de consid´rer des formes d´finies positives et sym´triques (donnant e e e naissance ` des produits scalaires) il est possible de consid´rer des formes antia e sym´triques. Cette propri´t´ entraˆ que f (u. u2 . Pour que la forme bilin´aire f (u. e a e En dimension deux. Elle peut donc s’exprimer ` l’aide d’une matrice sym´trique a e P = (pij ) : f (u. .1 forme bilin´aire sym´trique e e Une forme bilin´aire sym´trique ` deux s´ries de variables u1 . . un . v) s’´crit sous la forme ee ıne e f (u.-`-d.7. v2 . . On constate alors que les termes sous le signe sommation sont des d´terminants : e . v) soit e sym´trique. .2 forme bilin´aire antisym´trique (altern´e) e e e La forme f (u.8) pij ui uj .. Elles donnent naissance ` des produits ext´rieurs. le produit ext´rieur entre deux vecteurs v1 et v2 est e d´fini comme le d´terminant constitu´ des composantes des vecteurs : e e e v1 ∧ v2 = v11 v21 = v11 v22 − v12 v21 v12 v22 (6. v1 . . . v) = uT P v. . v2 .7. un e e a e et v1 . u2 . Ce produit u e est bien anti-sym´trique e v2 ∧ v1 = v12 v21 − v11 v22 = −v1 ∧ v2 . v) est antisym´trique lorsque e f (u. vn s’´crit e f (u. .7) o` l’on reporte les composantes en vertical dans le d´terminant. c. v) = f (u1 . il faut que les coefficients aij soient tels que e f (u. avec pij ∈ R des coefficients fixes. v) = −f (v. u). . 6. . v) = i j aij (ui vj − uj vi ). . v) = f (v.

12.12) .12) ui uj = vi vj i j ai aj u i ∧ u j ¯ (6. v) = i j aij ui uj = vi vj i j aij ui ∧ uj . ¯ f (v) f (v) En utilisant les formes explicites f (u) = a1 u1 + a2 u2 + . leur produit ext´rieur est d´finit comme la forme bilin´aire antisym´trique associ´e au d´terminant e e e ¯ f (u) f (u) ¯ f (u) ∧ f (u) = . + an un ) ∧ (¯1 u1 + . (6.) de Rn → R.9) La derni`re ´galit´ est obtenue en ne reportant que les variables de la e e e premi`re ligne du d´terminant (` savoir ui et uj ) intercal´s du signe ∧ correse e a e pondant au produit ext´rieur. . .3 Produit ext´rieur de deux formes lin´aires e e D´finition 6. + an un ¯ f (u) = a1 u1 + a2 u2 + .6. Nous verrons la justification de cette notation e au prochain paragraphe.7.10) s’´crit ` partir des d´terminants des variables comme e a e ¯ f (u) ∧ f (u) = ai aj ¯ i j (6.10) (6. + an un ¯ ¯ ¯ le produit (6. . 6. . . on obtient (a1 u1 + . disons f (u) e e e ¯ e e e et f (u).11.11) (6. .14) i j et l’on constate que ce r´sultat aurait pu ˆtre obtenu directement en consid´rant e e e le produit ∧ avec la propri´t´ distributivit´ par rapport ` l’addition et la proee e a pri´t´ d’antisym´trie : ee e – a∧a=0 – a ∧ b = −b ∧ a (6.11) et (6. + an un ) = a ¯ ai aj u i ∧ u j ¯ (6.16) Il comporte ´galement d’autre propri´t´s en relation avec la multiplication e ee par une fonction Υ (. . .13) ¯ Remarque 6.7 Produit scalaire et produit ext´rieur en dimension deux e 155 f (u. Lorsque deux formes lin´aires sont donn´es. . En introduisant explicitement l’expression de f et f donn´es e par (6.15) – a ∧ (b + c) = a ∧ b + a ∧ c (6.

14) et en utilisant les e propri´t´s de non-commutativit´ et distributivit´ du produit ∧. u) = −f (u. o` seul u apparaˆ ainsi e u ıt. a joue en quelque sorte le rˆle d’´l´ment absorbant. e e e Nous donnons maintenant une construction alg´brique des formes multie lin´aires altern´es en utilisant la d´finition des formes multilin´aires donn´es e e e e e a ` la section (6. Une forme multilin´aire altern´e Φ de e e e n une forme multilin´aire de i=1 V dans R.17) ¯ Ceci justifie ´galement la notation f (u) ∧ f (u). i = j.13.9). que celle du paragraphe pr´c´dent (6. L’ensemble des ´l´ments annulateurs a est e ee a = {v1 ⊗ v2 ⊗ . u) = 0. ee e e Par induction. u) implique f (u. . . ee disons vi et vj .6). e e e En utilisant le produit ∧ nous pouvons constituer une forme multilin´aire ` e a partir d’un nombre fini de formes lin´aires en suivant (6. .156 6 Elements de G´om´trie e e Υ (x)(ω1 ∧ ω2 ) = ω1 ∧ (Υ (x)ω2 ) = (Υ (x)ω1 ) ∧ ω2 (6. ⊗ vn pour lequel deux vecteurs. e e D´finition 6. e e 6. C’est un sous ensemble de l’espace vectoriel qui est ferm´ pour l’addition vectorielle et qui est e ´galement ferm´ pour le produit de l’espace vectoriel. il est alors ´galement possible de construire le produit e ext´rieur de plusieurs formes ext´rieures de degr´ quelconque. . Ceci est notamment le cas pour une forme bilin´aire altern´e.8 Forme multilin´aire altern´e e e En ajoutant des s´ries de variables. e e Le produit ext´rieur de n copies de l’espace vectoriel V est alors donn´ e e par le quotient n n n V = i=1 n i=1 i=1 V /a n ce qui a pour effet d’envoyer tous les ´l´ments de a de i=1 V vers 0 dans ee V . sont identiques. L’id´e consiste ` remarquer qu’une forme multilin´aire Φ est altern´e e a e e lorsque elle annule un ´l´ment v1 ⊗ v2 ⊗ . e V dans R est . car f (u. j i = j vi = vj }. w) qui est telle qu’apr`s ´change de deux s´ries de variables. a constitue un module de l’espace vectoriel i=1 V . le signe change. . . o ee n i=1 D´finition 6. . v. . ⊗ vn | ∃i. nous aboutissons ` une forme multie a lin´aire altern´e e e f (u.14.

(6. Cet espace est un cas particulier d’espace vectoriel V . x2 ) ˙ (6.18) et (6. Le vecteur ligne f2 (x1 .9 Cotangent et les 1-forme diff´rentielles e 157 6. elle peut ´galement se e e repr´senter sous la forme d’un vecteur ligne en choisissant une base orthoe norm´e quelconque de Tx . 1 2 Par cons´quent. Il ∗ est alors naturel de construire son espace dual Tx . x2 ) −f1 (x1 .20) Le vecteur ligne repr´sente une contrainte sur les accroissements dx1 et e dx2 pour que le d´placement infinit´simal correspondant soit dans le sens de e e la solution de l’´quation diff´rentielle. D’une part. ou plus simplement cotangent. lorsque le temps est ´limin´ apr`s int´gration e e e e e du syst`me d’´quation (6. e Cette courbe solution est ´galement obtenue en envisageant le dual du e champ de vecteur f (x).19) a conduit ` deux solutions x1 (t) = Φ1 (t) et x2 (t) = Φ2 (t) d´crivant une a e courbe Φ(x1 . x2 ) −f1 (x1 . Tout comme dans le cas de V .19) e e e e T e d´finies par un champ de vecteur f (x) = f1 f2 et ´limination de la variable e ind´pendante t engendre une courbe solution. L’espace vectoriel associ´ Tx est appel´ espace e e ∗ e vectoriel cotangent. x2 ) annule le champ de vecteur f (x) : f2 (x1 . le syst`me e e e d’´quations diff´rentielles du premier ordre e e x1 = f1 (x1 . Exemple 6. a ee e Une telle application lin´aire est appel´e un covecteur tangent ou une 1e e forme diff´rentielle. l’´limination de la vae riable temporelle s’est fait de deux mani`res diff´rentes. e e la diff´rentielle dt a ´t´ ´limin´e et l’expression r´sultante directement int´gr´e. x2 ) f2 (x1 . x2 ) = x2 + x2 − x1 (0)2 − x2 (0)2 .18) (6.15.6. Les vecteurs de cet espace dual sont des applications lin´aires ayant comme argument un des vecteurs e tangent ` la vari´t´ au point x et retournant un nombre r´el. Pour le syst`me masse-ressort nous avons obtenu un cercle e Φ(x1 . x2 ) ˙ x2 = f2 (x1 . Dans le chapitre sur le plan de phase.19).9 Cotangent et les 1-forme diff´rentielles e Les vecteurs tangents en un point donn´ x de la vari´t´ appartiennent ` un e ee a espace vectoriel Tx .18) et (6. D’autre part. une courbe trajectoire dans le plan de e e phase est obtenue. e e . x2 ) f1 (x1 . x2 ) apr`s ´limination de la variable temporelle t. l’int´gration des ´quations diff´rentielles (6. e e ee e e e e Ces deux techniques sont maintenant r´examin´es selon l’angle du champ de e e vecteur f (x) de du covecteur associ´. x2 ) = 0. e Dans la premi`re technique.

xn ) : Rn → R les e d´riv´es partielles par rapport ` chacune des variables sont rassembl´es dans e e a e un vecteur ligne d´finissant une forme lin´aire par association de cette ligne e e avec l’application correspondante. En effet. x2 ) = x2 et f2 (x1 . . u 6. not´ Tx ..20) reste nulle et la diff´rentielle dt est dt ´limin´e : e e f2 (x1 . apr`s substitution de f1 = dx1 et a e dt e e f2 = dx2 la somme des quantiti´s (6. x2 )dx1 − f1 (x1 . . .20) permet donc d’associer ` un vecteur ligne. une application lin´aire est d´finie par le produit e e scalaire entre cette ligne et le vecteur auquel l’application lin´aire est ape pliqu´e. e e e L’expression (6. . x2 . x2 )dx2 .. . A partir d’un e e vecteur ligne quelconque. nous pouvons ´galement interpr´ter le gradient comme un e e e ∗ vecteur (covecteur) du cotangent Tx en un point x. . . x2 ) = −x1 .21) On obtient une expression diff´rentielle qui peut ˆtre directement int´gr´e e e e e conduisant ` la courbe solution. . est e e ∗ appel´ le cotangent au point x. x2 )dx1 − f1 (x1 . ∂h ∂xn .158 6 Elements de G´om´trie e e Le produit scalaire (6.10 Le gradient L’exemple pr´c´dent montre que la correspondance entre un vecteur ligne e e et une application lin´aire peut proc´der dans le sens contraire. o` ai (x). C’est un espace vectoriel dont les ´l´ments e ee sont les applications lin´aires de Tx dans R. une a forme lin´aire dont l’argument est un vecteur du champ de vecteur appartee nant ` Tx . . Dans le cas d’une fonction scalaire de h(x1 .21) est appel´e une 1-forme diff´rentielle. Un tel vecteur ligne est appel´ le gradient e et not´ e ∇h = ∂h ∂h ∂x1 ∂x2 . (6. . xn . Un vecteur correspondant est e appel´ une 1-forme diff´rentielle et not´ e e e a1 (x)dx1 + a2 (x)dx2 + . e e D´finition 6. x2 . + an (x)dxn . n. Par cons´quent. .. sont des fonctions des n variables x1 .16. o` C est une constante e a e u 1 2 1 d’int´gration sp´cifi´e par les conditions initiales C = − 2 (x1 (0)2 + x2 (0)2 ). . a e e Pour l’oscillateur masse ressort o` f1 (x1 . u l’expression diff´rentielle en question est −x1 dx1 − x2 dx2 qui conduit apr`s e e 1 1 int´gration ` l’´quation du cercle − 2 x2 − 2 x2 = C. x2 )dx2 = 0 conduisant ` la courbe solution apr`s int´gration. . La ligne en question est un vecteur cotangent appartenant a Tx a ` ∗ que l’on note f2 (x1 . i = 1. Le dual de l’espace tangent en un point x.

˙ G´om´triquement.22) La 1-forme dV repr´sente ´galement ce gradient sous la forme e e dV = ∂V ∂V ∂V dx1 + dx2 + . comme nous le verrons ` la section suivante. assure que le syst`me ´volue ee e e vers des courbes de niveau V = cte inf´rieures ou ´gales ` celle sur laquelle il e e a se trouve ` l’instant consid´r´. . .18.11 D´riv´e de Lie e e Au chapitre 4. .. x2 . C’est l` un avantage de la notation dh. . une fois f (x) e ˙ assimil´ ` un champ de vecteur. . en chaque point x de la vari´t´.. ∂x1 ∂x2 ∂x n tout en conservant la relation avec les coordonn´es x1 . ee a Exemple 6. . . . . xn dans le membre e de droite. En effet. Jusqu’` pr´sent. ıtre e e a e sur l’ensemble de la vari´t´ M..17. . xn : e ∇V (x) = ∂V ∂V ∂x1 ∂x2 . + dxn ∂x1 ∂x2 ∂xn (6. a e e ˙ En d’autres termes. (6.11 D´riv´e de Lie e e 159 Remarque 6. . nous avons vu que la deuxi`me condition du th´or`me de e e e ˙ stabilit´ de Lyapunov exige que V ≤ 0 afin que le syst`me dynamique x = f (x) e e ˙ soit stable. e Le gradient en tant que champ de co-vecteurs se marie naturellement avec un champ de vecteurs. la condition V ≤ 0 signifie simplement que ea le vecteur f (x). ` travers la compatibilit´ des cartes. Ce dh peut ˆtre d´finit.. e Toutefois. les notations rendent indispensable l’utilisaa e tion des coordonn´es x1 .23) rendant possible la d´finition de dV ind´pendamment des cartes locales utie e lis´es. lorsque V ≤ 0.. . + dxn . en ´crivant e dh = ∂h ∂h ∂h dx1 + dx2 + . ∂V ∂xn . a 6.6. Le gradient d’un candidat de Lyapunov s’obtient ` partir de a l’expression de V (x) en prenant les d´riv´es partielles en fonction des coore e donn´es x1 . En effet. nous nous en d´barrassons dans le membre de gauche en ne faisant e apparaˆ que dh. la notation V (x) n’est pas convaincante car la propri´t´ e e ee de d´croissance de la fonction V est de nature g´om´trique et la r´f´rence e e e ee a ` variable temporelle n’est pas vraiment n´cessaire. nous devons toujours utiliser e une carte locale pour exprimer le gradient ou une autre forme diff´rentielle. xn . f (x) forme un angle inf´rieur ou ´gal e e π e a ` 2 par rapport au gradient ∇V en chaque point de l’´tat. En somme. . x2 . .

entre le co-vecteur dh(x) du cotangent Tx e et le vecteur f (x) du tangent Tx . il est important de souligner cette diff´rence pour ´viter une confusion des concepts.24) Par cons´quent. en chacun des points x. fn . . Cependant. . . il est possible de e a d´river successivement : e L0 h = 0 f Li h = Lf (Li−1 h) = d(Li−1 h)f f f f i = 1. . . ∂h ∂xn  Comme le r´sultat est ` nouveau une fonction scalaire. ∂xn  = ∇V f  f1  f2    . Fondamentae a lement.160 6 Elements de G´om´trie e e ∂V ∂V d V = x= ˙ f dt ∂x ∂x = ∂V ∂V ∂x1 ∂x2 ∂V . Par abus.  f1  f2    . Notons que la d´riv´e de Lie Lf h est l’association naturelle e e ∗ par dualit´. not´e Lf h. appel´e d´riv´e de Lie de h e e e e e le long de f . le gradient n’appartient pas au mˆme espace vectoriel que le vecteur e f (x).19. nous repr´sentons souvent les deux dans le mˆme plan (en e e particulier lors de l’utilisation du plan de phase). fn (6. Cette fonction scalaire pourrait tout aussi bien s’´crire e Lf h = dhf. Cette d´riv´e repr´sente le taux d’´volution de la fonction e e e e le long du champ de vecteur f (x). si ` la fois un champ de vecteur e e e e a f (x) est donn´ ainsi qu’une fonction scalaire h(x). ..20. . Soit h une fonction et f un champ de vecteurs.. . ´gale au produit scalaire entre le gradient de cette fonction et le e champ de vecteur. e e D´finition 6. Remarque 6. alors il est possible de e d´finir une nouvelle fonction scalaire. et de mani`re g´n´rale. . La d´riv´e e e e de Lie de la fonction h(x) le long du champ d’un champ de vecteur f (x) est d´finie par e Lf h(x) = ∇h f = = ∂h ∂h ∂x1 ∂x2 ∂h f ∂x . ∗ mettant en exergue l’interpr´tation ` l’aide des espaces Tx et Tx . 2.

f2 ]. les deux champs de vecteurs [f. a ee En particulier. il sera question de manipuler des champs de vecteurs et de v´rifier des propri´t´s particuli`res de ceux-ci. [f. . . Plus pr´cis´ment.21. e e a ` savoir la possibilit´ qu’un ensemble de champ de vecteurs donn´s soient e e en relation ´troite avec une surface courbe. g] . nous introduisons la notation adjointe suivante e [f. il est n´anmoins utile d’avoir ` disposition e e a des moyens de manipulation et de formulation qui permettent une ´criture e compacte des conditions relatives ` leurs propri´t´s. La e d´riv´e de Lie des champs de vecteur f et g est donn´e par e e e [f.6. le champ sera e e e dit int´grable lorsqu’il est possible de construire une surface (courbe) pour e laquelle en tout point de la surface il est garantit que l’espace tangent ` cette a surface soit engendr´ par les vecteurs du champ en ce point. . e ee e Bien que ses propri´t´s soient essentiellement intrins`ques aux champs de ee e vecteurs que l’on va consid´rer. En effet. [f. [f. [f. par des propri´t´s des crochets de champs de vece ee teurs. g]]] s’expriment respectivement comme ad2 g et ad3 g. pour noter le r´sultat des op´rations [f. g]] et [f.12 Crochet de Lie 161 6. appel´ le crochet de Lie. g]] et [f. e Bien que cette propri´t´ est de nature essentiellement globale. [f. . et ainsi e e de suite. e comme suit : D´finition 6. il sera question de la question d’int´grabilit´ de ceux-ci. g] = ∂f ∂g f− g ∂x ∂x L’inconv´nient de cette notation est qu’elle devient lourde lorsqu’il est e n´cessaire d’it´rer le crochet par rapport ` un mˆme champ de vecteur. [f. . Par e e a e exemple. adi−1 g] f f = [f. . g]]]. . [f. g] = adf g qui s’applique inductivement ad0 g = g f adf g = [f. deux champs de vecteurs f1 et f2 peuvent ˆtre compos´s pour e e constituer un nouveau champ de vecteur [f1 . adi g = [f.12 Crochet de Lie Dans le courant de ce chapitre et le suivant. e . L’exposant f f indique le nombre de fois que le champ f apparaˆ ` l’int´rieur des crochets ıt a e imbriqu´s. . . (Crochet de Lie) Soit deux champs de vecteurs f1 et f2 . g]]. elle admet ee une caract´risation locale. Pour y rem´dier. A l’aide de cette nouvelle notation.

f ] = 0 par application directe de la e d´finition. α2 ∈ e a e R. La premi`re expression est nulle car [f. Cependant. En effet. g1 ] + α2 [f. α1 g1 + α2 g1 ] = α1 [f. e e a e 1. g] = a cos(2x1 ) 2 sin(2x1 )(2x1 − ax2 − sin x1 ) + cos x1 cos(2x1 ) 6. Soit les deux champs de vecteurs f (x) et g(x) d´finis par e f (x) = −2x1 + ax2 + sin x1 −x2 cos x1 g(x) = 0 .162 6 Elements de G´om´trie e e Remarque 6. g] [f. f ]. g]] ou [f. L’expression f f f g est parfois ´galement utilis´e pour d´signer e e e le champ de vecteur [f. g]]]. il est d’usage de lui associer un ordre de crochetage particulier. cette notation est d´conseill´e.22. [f. e devenant n´anmoins ainsi un moyen commode de noter le champ de vecteur e correspondant. g]]].12. g2 ] 2. e e ´tant donn´ la possible fausse interpr´tation.23. g] + α2 [f2 . cette expression poure e e rait signifier [[f. La seconde n’a pas de raison a priori d’ˆtre nulle. Lorsque f f f g e e est employ´. [f. alors [α1 f1 + α2 f2 . f ] . Anti-commutativit´ : e [f. Distributivit´ par rapport ` l’addition : Soit deux nombres r´els α1 . [f. Exemple 6. g] = −[g. g] = α1 [f1 .1 Propri´t´s du crochet de Lie e e Le crochet de Lie comporte plusieurs propri´t´s utiles pour les calculs et ee qui peuvent ˆtre ´tablies directement ` partir de la d´finition du crochet. [f. cos(2x1 ) Un calcul des Jacobiens multipli´s par le champ compl´mentaire donne e e ∂g f = ∂x ∂f g= ∂x 0 0 −2 sin(2x1 ) 0 −2x1 + ax2 + sin x1 −x2 cos x1 0 cos(2x1 ) −2 + cos x1 a x2 sin x1 − cos x1 de telle sorte que le crochet s’exprime finalement par [f. [f.

le gradient doit ˆtre normal ` l’ensemble des vecteurs. g.13 Diff´rentiation ext´rieure e e Pour l’instant. f ]] + [h. [g. les vecteurs de l’espace tangents o e peuvent ˆtre compos´s par diff´rentiation sp´ciale provoqu´e par le crochet e e e e e en de nouveaux vecteurs. L’avantage est e e a que l’obtention de cette condition est plus simple et plus directe que lors de l’utilisation des crochets. Ainsi. Nous verrons que l’existence de cette surface est a intimement li´e ` la propri´t´ des crochets des champs de vecteurs. si elle existe. En partiee culier. g]] = 0. la d´riv´e de Lie de la fonction e e selon chaque champ de vecteur est nul. est alors d´crite e par une ´quation. e a ee ´tablir cette condition directement est difficile. h]] + [g. nous nous interesserons ` la construction d’une a surface ` partir d’un ensemble de champ de vecteurs (distribution) de telle a sorte qu’en chacun point de la surface l’espace tangent est engendr´e par e les vecteurs de la distribution. [h.13 Diff´rentiation ext´rieure e e 163 3. en prenant le gradient de cette fonction. e Par contre. Chaque nouveau vecteur en un point x demeure dans l’espace tangent Tx . les champs de vecteurs se composent pour engendrer de nouveaux champs de vecteurs. si la e a surface est tangente aux champs de vecteurs. L[f. et h e [f. Toutefois. Au paragraphe suivant. Au lieu de crocheter les champs de vecteurs en restant dans l’espace vectoriel Tx . la quantit´ en question ne pouvant e pas changer lors d’un d´placement le long d’un des champs de vecteurs. [f. seul les formes diff´rentielles de degr´ un ont ´t´ envisag´es. En effet. D´riv´e de Lie le long d’un crochet : e e L[f. Identit´ de Jacobi : Soit trois champs de vecteurs f . lorsqu’il est e e e nul. correspond ` la surface. e e ee e Le gradient est un exemple. Cette surface. Ceci conduit alors ` une interpr´tation ` l’aide du e a e a ∗ dual Tx de la surface int´grale. engendre inductivement de nouvelles relations. D’un autre cˆt´. Pour que la surface soit tangente au champ de e vecteurs. nous construisons des formes diff´rentielles de degr´ sup´rieur par e e e . 4. une forme diff´rentielle e de degr´ un est obtenue.g] h = Lf Lg h − Lg Lf h La propri´t´ 4. Il est n´cessaire d’introduire un nouveau calcul permettant de trouver e une condition d’int´grabilit´ exprimable ` partir de celui-ci. Cette ´quation d´finit ainsi un scalaire qui.g]] h = L2 Lg h − 2Lf Lg Lf h − Lg L2 h f f 6.[f.6. e Cependant le calcul par crochets (valable sur l’espace tangent en consid´rant e les champs de vecteur) n’est plus disponible en tant que tel dans l’espace cotangent.

mais plutˆt par le lien entre cette e o op´ration et la propri´t´ d’int´grabilit´ qui alors abord´e en d´tail. (Rappelons que nous avons utilis´ ce th´or`me pour ´tablir une e e e e condition d’existence de cycle limite dans le chapitre consacr´ au plan de e phase : la condition de Bendixson. Cette op´ration est ´galement ` l’origine de la g´n´ralisation du th´or`me e e a e e e e de Stokes.25) o` les diff´rentielles dx1 . x2 . δx2 et δx3 . .1 Diff´rentielles e Lorsqu’on exprime la diff´rentielle d’une fonction. dx2 et dx3 peuvent e e e ˆtre vues que comme des fonctions des coordonn´es x1 . trois fonctions ind´pendantes y1 . x2 et x3 . Il est exprim´ par la relation e e dΥ = ∂Υ ∂Υ ∂Υ dx1 + dx2 + dx3 ∂x1 ∂x2 ∂x3 (6. dx2 et dx3 forment un syst`me de diff´rentielles. x2 et x3 et d’un autre ensemble de e variables. u e e e et correspondent g´n´ralement ` l’accroissement infinit´simal des quantit´s e e a e e g´om´triques x1 . x2 et x3 .) Il admet une g´n´ralisation en dimension e e quelconque et s’´nonce en utilisant la diff´rentiation ext´rieure. on entend par l` son e a accroissement infinit´simal. e e La raison de l’introduction de cette nouvelle op´ration ne provient pas e du lien entre ces deux types d’int´gration. x2 et x3 ). Supposons que nous adoptions comme variables ind´pendantes (` la place e a de x1 . Il est important e a e d’associer ` un ´l´ment de surface (ou volume) infinit´simal un sens positif ou a ee e n´gatif en fonction de son orientation. y2 et y3 de x1 . x3 et d’un nombre e e arbitraire de nouvelles fonctions. e e Cependant. e Nous conviendrons de continuer ` leur associer les mˆmes diff´rentielles a e e . En partant de Tx on e e e ∗ ∗ ∗ ∗ ∗ grimpe dans le produit tensoriel Tx ⊗ Tx et ainsi de suite Tx ⊗ Tx ⊗ .164 6 Elements de G´om´trie e e ∗ une op´ration que l’on appelle diff´rentiation ext´rieure. C’est la g´n´ralisation e e e e du th´or`me de Stokes. et en toute g´n´ralit´. ces expressions dx1 . disons δx1 . Celle-ci n’est pas unique et repose sur des choix. ⊗ Tx . .13. e ee e e e e 6. e La principale raison de l’alternance est li´e ` l’int´gration. qui sont ´galement e e e des fonctions (mais diff´rentes) de x1 . nous commen¸ons par revoir la e c notion de diff´rentielle. C’est ainsi que nous pouvons consid´rer un e autre syst`me de diff´rentielles. Ensuite nous introduisons l’op´ration de e e diff´rentiation ext´rieure permettant de passer d’une int´grale sur l’enveloppe e e e d’un espace donn´ (int´grale de contour le long d’un hyper-espace) vers une e e e e int´grale de l’espace consid´r´ (int´grale de volume). Puis e nous montrons que deux syst`mes de diff´rentielles se combinent pour fore e mer des expressions altern´es exactement comme deux ensembles de variables e engendrent des formes altern´es. e e e Pour introduire cette nouvelle op´ration.

2. Il est aussi important de pouvoir consid´rer ` la e a fois δdΥ et dδΥ . ∂x1 ∂x2 ∂x3 On d´duit de la r`gle de diff´rentiation des fonctions de fonctions que. si les symboles sont ´changeables. 2. grˆce ` e e e a a cette convention. x3 ). les symboles d et δ sont dits ´changeables. i = 1. dΥ est une quantit´ qui ne d´pend pas du choix des variables e e ind´pendantes.26) Par exemple si dxi = ξi (x1 . e e Apr`s le choix d’un autre syst`me de diff´rentielles. 3. 6.27) i=1 k=1 = 1≤i≤k≤3 . ils le sont ´galement apr`s changement e e e de variables. sont des accroissements infiniments petits. 3. 3. δx2 et δx3 . x2 et x3 dont d´pendent les dx1 . Nous supposerons toujours qu’il soit possible de e choisir les diff´rentielles de telles sortent que e δdxi = dδxi . alors (6. 3. il est possible de e e e prendre δΥ au lieu de dΥ . il est possible de d´finir les diff´rentielles δi . Quand cette relation est v´rifi´e. i = 1. Cette invariance de dΥ au cours d’un changement de variables e r´sume les r`gles qui indiquent comment un changement de varibles transforme e e les d´riv´es d’une fonction. le choix du syst`me de diff´rentielles est effectu´ en fonce e tion de l’interpr´tation naturelle (g´om´trique et analytique).13. dΥ est la partie principale de l’accroissement correspondant de Υ . dx2 et dx3 dont e d´pendent δx1 . i = 1. 2. 3 e e des variables autres que x1 . e Normalement. Ainsi.6. x2 . 2. ` savoir que si e e e a dxi . De e e e plus. x2 .13 Diff´rentiation ext´rieure e e 165 dyi = ∂yi ∂yi ∂yi dx1 + dx2 + dx3 . (6. δxi = ηi (x1 . i = 1.41) s’´crit e 3 k=1 ∂ηi ∂ξi ηk − ξk ∂xk ∂xk i = 1. 2. x3 ).2 D´rivation ext´rieure d’une 1-forme e e Soit la 1-forme ω = ω1 dx1 + ω2 dx2 + ω3 Et calculons la diff´rence dω − δω : e 3 dω − δω = = k=1 3 3 dωk δxk − δωk dxk ∂ωk (dx1 δxk − δxi dxk ) ∂xi ∂ωk ∂ωi − ∂xi ∂xk (dx1 δxk − δxi dxk ) (6.

28) On peut noter de fa¸on abr´g´e la diff´rence dxi δxj − δxi dxj sous la forme c e e e dxi ∧ dxj .44)..3 D´rivation ext´rieure e e Pour une fonction Υ . nous avons l’expression (6.13.j ωi ωj dxi ∧ dxj ¯ (ωi ωj − ωj ωi )dxi ∧ dxj ¯ ¯ Ainsi en d´notant dω au lieu de ω ′ : e ∂ωi ∂ωj − ∂xi ∂xj dω = 1≤i≤j≤3 dxi ∧ dxj (6. nous retombons bien sur l’expression (6.31) Comme dxi ∧ dxi = dxi δxi − δxi dxi = 0 et dxi ∧ dxj = dxi δxj − δxi dxj = −(dxj δxi −δxj dxi ) = −dxj ∧dxi . Le produit ext´rieur d’une 1-forme ω = e ωk dxk avec une autre 1-forme ω = ωk dxk est donn´ par ¯ ¯ e ω∧ω = ¯ = 1≤i≤j≤3 i.40). et en tenant compte de (6. . x2 . en appliquant (6. Par cons´quent. e on peut d´finir de mani`re inductive la diff´rentielle ext´rieure d’une forme e e e e de degr´ quelconque en partant d’une forme monˆme e o . .166 6 Elements de G´om´trie e e On d´finit la d´riv´e ext´rieure e e e e ω ′ = dω − δω (6. o` ω est une 1-forme et Υ une fonction : ee u d(Υ ω) = dΥ ∧ ω + Υ dω 6.29) Nous avons la propri´t´ suivante. . Pour une 1-forme ω = P dx + Qdy + Rdz. avec Υ une fonction arbitraire des variables x1 . nous obtenons dω = ( ∂P ∂P ∂P dx + dy + dz) ∧ dx ∂x ∂y ∂z ∂Q ∂Q ∂Q dx + dy + dz) ∧ dy +( ∂x ∂y ∂z ∂R ∂R ∂R +( dx + dy + dz) ∧ dz ∂x ∂y ∂z (6.40).30) (6. xn .45) sur chacun des termes.

distributivit´ par rapport ` l’addition : e a d(ω + ν) = dω + dν. la vari´t´ ee Γ . . e e e ee en utilisant des coordonn´es locales. . u (6. ∧ dxn .34) (6.32) Cette op´ration d´finie pareillement est la seule qui poss`de les propri´t´s e e e ee suivantes : 1. (6. . . La d´finition ci-dessus montre que cette op´ration est ind´pendante du e e e choix des coordonn´es et se d´finit de mani`re globale sur la vari´t´.4 Th´or`me de Stokes g´n´ralis´ e e e e e A l’aide de cette nouvelle propri´t´ de diff´rentiation. d est l’op´rateur de diff´rentiation usuel sur les 0-formes (le gradient sur e e les fonctions) .33) 3. Quel que soit la dimension n. 6. par dα = (dΥ ) ∧ dx1 ∧ dx2 ∧ dx3 ∧ . La d´monstration se trouve dans bon nombre de livres sur la g´om´trie e e e diff´rentielle et nous invitons le lecteur ` consulter par exemple [Boo75]. d(df ) = 0 sur les fonctions f .24.13 Diff´rentiation ext´rieure e e 167 α = Υ dx1 ∧ dx2 ∧ dx3 ∧ . La diff´rentielle ext´rieure d’une forme arbitraire ω = e e e n αj dxj est donn´e par e j=1 n n i=1 dω = j=1 ∂αj dxi ∂xi ∧ dxj . il est possible d’int´grer cette 1-forme e ee sur une hyper-surface. il est toujours vrai que ω= ∂Γ Γ dω.13. 4. Toutefois. sous-vari´t´ δΓ englobant un certain volume. e a . r`gle de Leibniz en tenant compte de l’anti-sym´trie : e e d(ω ∧ ν) = dω ∧ ν + (−1)p ω ∧ dnu o` ω est une p-forme. nous avons la d´finition de la diff´rentielle e e e ext´rieure d’une 1-forme arbitraire suivante : e D´finition 6. et en partant d’une ee e 1-forme ω quelconque en dimension n. 2. ∧ dxn .6.

168 6 Elements de G´om´trie e e 6. x3 .5 -0. e La figure 6. au sens o` on ne s’int´ressera pas de savoir si cette surface u e est d´finie partout dans l’espace.5 0 -1 -0. l’espace tangeant ` l’hypersurface mentionn´e a e pr´c´demment.35) avec une certaine constante C ∈ R. 1 2 3 (6.5 0 0.5 0 0. Nous n’envisagerons dans ce qui suit que le caract`re local de e cette hypersurface.25 Fig. . (6. x2 .3 repr´sente la surface ellipso¨ e ıdale 4x2 + x2 + 2x2 = 1.5 1 0. Cette hypersurface est une surface de dimension n−1 plong´e dans l’espace e de dimension n. . . xn ).36) 0. Nous reviendrons sur le caract`re local des e e r´sultats par la suite.3. e e Une hypersurface dans l’espace est repr´sent´e comme une seule ´quation e e e de tous les ´tats : e C = Υ (x1 . en tout point l’espace. Cette a derni`re repr´sente un champ de normales ` partir de laquelle la surface est e e a construite. 6.25 -0.5 -0. Illustration de l’ellipse d´finie par l’´quation 4x2 + x2 + 2x2 = 1 e e 1 2 3 .14 Int´grabilit´ e e Nous allons maintenant montrer sous quelles conditions il est possible de construire une hypersurface perpendiculaire ` une 1-forme unique. . Remarquons que ceci revient au mˆme que d’´tablir sous quelles conditions e e un ensemble de champ de vecteur (constituant de la sorte une distribution) engendre.

la valeur correspondant au membre de gauche de (6.36) ? ıde Si l’on reste sur la surface. e e Ainsi. e condition qui peut s’´crire comme l’annulation du prpduit scalaire : e   dx1 8x1 2x2 4x3  dx2  = 0.36) ne doit pas changer apr`s le d´placement et continuer de valoir un. 3 sont choisies afin de satisfaire cette ´quation. Les consid´rations ci-dessus montrent ´galement que l’on peut mettre en e e correspondance (isomorphisme) entre les deux entit´s : e 8x1 dx1 + 2x2 dx2 + 4x3 dx3 ↔ 8x1 2x2 4x3 . respecte la condition (6. le vecteur 8x1 2x2 4x3 repr´sente une normale ` la sure face. bien que cette quantit´ d´crit e e a ` proprement parl´ un champ d’´l´ments qui est dans le dual d’un champ de e ee vecteurs. i = 1. au sens ou chacun des ´l´ments en question est un dual d’un vecteur. (6. rien n’empˆche de prendre un autre d´placement infinit´simal e e e associ´ ` une valeur particuli`re des quantit´s dx1 = α1 . e Par contre. dx3 e a Par cons´quent. e ee . la condition sur les accroissements e 1 2 3 est ∂Υ ∂Υ ∂Υ dx1 + dx2 + dx3 ∂x1 ∂x2 ∂x3 = 8x1 dx1 + 2x2 dx2 + 4x3 dx3 = 0. un d´placement infinit´simal.36). si l’on se d´place e e e e le long de l’axe x1 . dΥ = (6. En effet. et uniquement le long de cet axe. dx2 = dx3 = 0 comme repr´sentant un tr`s petit d´placement e e e parall`le ` l’axe x1 et n’ayant aucune contribution le long des axes x2 et x3 . on quitte instantan´ment la e e e surface d´finie par (6. α2 et α3 ) afin que l’on demeure sur la surface correspondant ` l’´quation a e de l’ellipso¨ (6. on peut consid´rer e dx1 = ǫ > 0. en consid´rant un tel d´placement. Par exemple.38) La quantit´ de gauche est appel´e une 1-forme et le vecteur de droite un e e co-vecteur gradient ou co-vecteur normal selon les circonstances (et par abus de langage vecteur gradient ou vecteur normal.37) Les valeurs αi