République Algérienne Démocratique et Populaire

Ministère de l'Enseignement Supérieur et de la Recherche Scientifique

Université de Ghardaïa Filière : Automatique

Faculté des Sciences et de la Technologie Spécialité : Automatique et systèmes
Département d'Automatique et Électromécanique Module : Systèmes linéaires multivariables
Domaine: Sciences et Technologie Niveau: 1ère année Master

Cours:

Nacer HACENE

2021/2022
Systèmes linéaires multivariables

Avant propos

Au nom de Dieu, le Tout Miséricordieux, le Très Miséricordieux.

Les récentes tendances industrielles dans la mise en œuvre de systèmes de contrôle revendiquent une
perspective plus large dans la conception, pas seulement un ensemble de contrôleurs à boucle unique,
mais un système complexe avec plusieurs variables interdépendantes à contrôler et la possibilité de
manipuler plusieurs variables. La première étape dans cette direction consiste à envisager le contrôle de
systèmes à plusieurs variables.

Ce cours intitulé "Systèmes Linéaires Multivariables" s'adresse essentiellement aux étudiants de

première année Master en Automatique, il essayera de donner les concepts fondamentaux des systèmes
multivariables. Il est structuré sur cinq chapitres:

Le premier chapitre est un chapitre introductif qui met la base théorique de quelques notions
fondamentales telles que: la notion du système et ces différentes représentations, ainsi qu'un rappel
mathématique du calcul matriciel.

Le deuxième chapitre présente les différents types de représentations des systèmes linéaires, et la
résolution de l'équation d'état.

Les notions de commandabilité et d'observabilité des systèmes linéaires, ainsi que de la

décomposition de Kalman, font l'objet du troisième chapitre.

Le quatrième chapitre est consacré à la représentation de systèmes linéaires multivariables par les
matrices de transfert.

Le cinquième chapitre est dédié à la commande par retour d'état des systèmes linéaires multivariables.

Enfin, afin de solidifier les informations acquises, un exemple d'application a été proposé à la fin du
polycopié. Cet exemple est l'étude d'un système multivariable qui est le double pendule inversé.

Pour bien comprendre les concepts donnés, des exemples avec ces solutions ont été insérés, ainsi
qu'une série d'exercices à la fin de chaque chapitre.

Université de GHARDAIA N. HACENE Page I

Systèmes linéaires multivariables Table des matières

Table des matières

Avant propos………………………………………………………………………………………… I
Table de matières …………………………………………………………………………………… II
Chapitre I: Introduction ……………………………………………………………………………. 1
I.1. Rappel sur le calcul matriciel ………………………………………………………………….. 2
I.2. Rappel des notions de système et de l'approche d'état ……………………………………….. 4
I.3. Différents types de représentations des systèmes ………………………………………............ 4
I.3.1. La représentation externe (Fonction de Transfert) ……………………………………… 4
I.3.2. La représentation interne (représentation d'état)………………………………… 5
I.3.3. Passage d'une représentation interne à la représentation externe………………………. 7
I.3.4. Passage de la représentation externe à une représentation interne …………………….. 7
I.4. Systèmes monovariables (SISO) et systèmes multivariables (MIMO) ………………………... 8
I.5. Exercices ………………………………………………………………………………………. 9
Chapitre II: Représentation d'état des systèmes multivariables ………………………………… 10
II.1. Rappel ………………………………………………………………………………………… 11
II.1.1. Les valeurs propres et les vecteurs propres ……………………………………………. 11
II.1.2. Transformation similaire ………………………………………………………………. 12
II.1.3. Vecteurs propres généralisés …………………………………………………………… 12
II.2. Définitions …………………………………………………………………………………….. 16
II.3. Méthodes de mise en équations d'état d'un système à partir de sa fonction de transfert ….. 16
II.3.1. La méthode directe (la forme canonique de commande) …………………………….. 17
II.3.2. Méthode de Honer (la forme canonique d'observation) ………………………………. 18
II.3.3. La forme modale (modes propres) ……………………………………………………... 19
II.3.4. Forme de Jordan ………………………………………………………………………... 20
II.3.5. Le cas où le numérateur possède le même degré que le dénominateur ………………. 22
II.3.6. Remarques ……………………………………………………………………………… 23
II.4. Résolution de l'équation d'état ………………………………………………………………. 26
II.4.1. Calcul de la matrice de transition par la transformée de Laplace ……………………. 26
II.4.2. Calcul de la matrice de transition par diagonalisation ………………………………… 27
II.4.3. Calcul de la matrice de transition par développement en séries de Taylor …………….. 28
II.4.4. Propriétés de la matrice de transition …………………………………………………... 28
II.5. Exercices ……………………………………………………………………………………. 29
Chapitre III: Commandabilité et Observabilité ………………………………………………….. 31
III.1. Introduction ………………………………………………………………………………….. 32
III.2. Commandabilité ……………………………………………………………………………… 32
III.3. Observabilité …………………………………………………………………………………. 33
III.4. Dualité entre la commandabilité et l’observabilité …………………………………………. 33
III.5. Etude de quelques formes canoniques ……………………………………………………… 34
III.5.1. La forme canonique de commande ………………………………………………….. 34
III.5.2. La forme canonique d'observation …………………………………………………… 34
III.5.3. La forme diagonale ……………………………………………………………………. 35
III.6. Passage aux formes canoniques en utilisant les transformations similaires ……………….. 35
III.6.1. Passage à la forme compagne commandable ………………………………………… 35
III.6.2. Passage de la forme commandable à la forme diagonale (modale) …………………. 37
III.7. L'invarience de la commandabilité et l'observabilité ………………………………………… 38
III.8. Relation entre la contrôlabilité, l'observabilité et la fonction de transfert ………………….. 39
III.9. Décomposition de Kalman …………………………………………………………………... 44
III.10. Exercices ……………………………………………………………………………………. 47
Chapitre IV: Représentation des SM par matrice de transfert ………………………………….. 49
IV.1. Introduction ………………………………………………………………………………….. 50

Université de GHARDAIA N. HACENE Page II

Systèmes linéaires multivariables Table des matières

IV.2. Passage d’une représentation d’état à la représentation par matrice de transfert …………. 50
IV.3. Systèmes multivariables ……………………………………………………………………... 50
IV.4. Réalisation des systèmes multivariables ……………………………………………………. 51
IV.4.1. Réalisation diagonale en bloc …………………………………………………………. 51
IV.4.2. Réalisation sous forme canonique en blocs …………………………………………… 53
IV.4.3. Réalisation diagonale ………………………………………………………………….. 54
IV.5. Réalisations minimales ………………………………………………………………………. 56
IV.5.1. Méthode de Gilbert ……………………………………………………………………. 56
IV.5.2. Méthode des invariants (forme de Smith-McMillan) ………………………………… 61
IV.5.2.1. Décomposition de Smith ………………………………………………………... 61
IV.5.2.2. Algorithme de pseudo-diagonalisation …………………………………………. 61
IV.5.2.3. Opérations élémentaires ………………………………………………………… 62
IV.[Link]. Réduction de la première colonne ……………………………………….. 62
IV.[Link]. Réduction de la deuxième colonne ……………………………………….. 62
IV.[Link]. Réduction de la première ligne …………………………………………… 62
IV.[Link]. Réduction de la deuxième ligne ………………………………………….. 62
IV.5.2.4. Forme de Smith-Macmillan …………………………………………………… 63
IV.5.2.5. Méthode directe …………………………………………………………………. 67
IV.6. Exercices …………………………………………………………………………………...... 67
Chapitre V: Commande par retour d'état des systèmes multivariables ……………………….. 69
V.1. Principe général de la commande par retour d'état ………………………………………….. 70
V.2. Problème de placement de pôles par retour d’état …………………………………………… 70
V.2.1. Fonction de transfert en boucle fermée ………………………………………………… 71
V.2.2. Commandabilité en modes (Wonham 1960) ………………………………………….. 72
V.2.3. Cas des systèmes non commandables …………………………………………………. 72
V.3. Conception du régulateur par placement des pôles …………………………………………... 73
V.3.1. La méthode de comparaison directe ……………………………………………………. 73
V.3.2. La méthode de forme canonique commandable ……………………………………… 74
V.3.3. La méthode d'Ackermann ……………………………………………………………… 74
V.4. Observateurs et estimateurs d'état ……………………………………………………………. 76
V.4.1. La méthode de comparaison directe …………………………………………………… 78
V.4.2. La méthode de forme canonique observable ………………………………………….. 78
V.4.3. La méthode d'Ackermann ……………………………………………………………… 79
V.5. Effets de l'ajout de l'observateur sur un système en boucle fermée ………………………… 81
V.6. Fonction de transfert du contrôleur basé sur l'observateur …………………………………… 83
V.7. Exercices ……………………………………………………………………………………… 84
Exemple d'application: Étude d'un système multivariable "Double Pendule Inversé"………... 85
Exemple d'application (Étude d'un système multivariable "Double Pendule Inversé") …….. 86
Biographie …………………………………………………………………………………………… 102

Université de GHARDAIA N. HACENE Page III

Systèmes linéaires multivariables Chapitre I: Introduction

Chapitre I
Introduction
Ce chapitre introductif est consacré à la révision de quelques notions fondamentales. Nous
commençons par un rappel mathématique du calcul matriciel, puis nous donnons quelques notions
fondamentales sur les systèmes et leurs différentes représentations.

I.1. Rappel sur le calcul matriciel

On appelle matrice un tableau rectangulaire formé de mn nombres, formé de m lignes et de n colonnes:
a11 a12 ⋯ a1n
a21 a22 ⋯ a2n
𝐴=[ ⋮ ⋮ ⋯ ⋮ ] (I.1)
am1 am2 ⋯ amn
Si m = n, la matrice est dite carrée.
I.1.1. Le déterminant d'une matrice
Le déterminant d'une matrice qui nous le noterons ∆(A) ou det(A) est donné par:
𝑎11 𝑎12 ⋯ 𝑎1𝑛
𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑛 𝑖+𝑗
det(A) = | ⋮ ⋮ ⋯ ⋮ | = ∑𝑖=1(−1) 𝑎𝑖𝑗 𝑑𝑒𝑡(𝑀𝑖𝑗 ) (I.2)
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛
Dont 𝑀𝑖𝑗 est la matrice extraite de A en supprimant la ième ligne et la jème colonne.
(−1)𝑖+𝑗 𝑑𝑒𝑡(𝑀𝑖𝑗 ) est le cofacteur de 𝑎𝑖𝑗 .
Notons qu'une matrice non carrée ne possède pas de déterminant.
I.1.2. La matrice transposée
La matrice transposée notée 𝐴𝑇 ou 𝐴′ de la matrice A (m×n) est la matrice n×m en permutant les lignes et
les colonnes de A.
I.1.3. La matrice des cofacteurs (comatrice)
Le cofacteur d’indice i,j de A est :
(𝑐𝑜𝑚 𝐴)𝑖𝑗 = (−1)𝑖+𝑗 𝑑𝑒𝑡(𝐴𝑖𝑗 ) (I.3)
𝐴𝑖𝑗 est la sous-matrice carrée de taille n – 1 déduite de A en supprimant la ième ligne et la jème colonne. La
comatrice de A est la matrice de ses cofacteurs.
I.1.4. L'adjointe d'une matrice carrée
La matrice adjointe d'une matrice A est la matrice adj(A) obtenue en transposant la matrice des cofacteurs.
I.1.5. Inverse d'une matrice carrée
La matrice inverse d'une matrice carrée A est la matrice A-1 telle que:
𝑎𝑑𝑗(𝐴)
𝐴−1 = (I.4)
𝑑𝑒𝑡(𝐴)

Université de GHARDAIA N. HACENE Page 2

Systèmes linéaires multivariables Chapitre I: Introduction

 Une matrice est dite régulière si elle est inversible, autrement dit, si son déterminant est non nul.
Dans le cas contraire, elle est dite singulière.
I.1.6. Rang d'une matrice
Définition: on appelle mineur d'une matrice A le déterminant formé des éléments restants de la matrice
quand on supprime quelques lignes et quelques colonnes.
Exemple I.1:
Soit donnée la matrice
𝑎11 𝑎12 𝑎13 𝑎14
A = [𝑎21 𝑎22 𝑎23 𝑎24 ]
𝑎31 𝑎32 𝑎33 𝑎34
 On obtient les mineurs du troisième ordre de cette matrice après avoir supprimé une colonne et
calculé le déterminant de la matrice qui reste, il y en a quatre.
 On obtient les mineurs du deuxième ordre en supprimant deux colonnes et une ligne, il y en a 18.
 De même il y a12 mineurs du premier ordre.
Définition: on appelle rang d'une matrice A l'ordre maximal du mineur non nul de la matrice A.
Exemple I.2:
Calculer le rang de la matrice suivante
1 −1 0
A = [2 0 1]
1 1 1
Solution: 2.
Exemple I.3:
Calculer le rang de la matrice suivante
1 2 3
A=[ ]
3 6 9
Solution: 1.
 Remarque: Si A est une matrice carrée d'ordre n, le rang k de cette matrice vérifie la relation k ≤
n. si k = n, la matrice est dite régulière, si k < n la matrice est dite singulière.
I.1.7. Matrice carrée diagonale de dimension n
Une matrice carrée est dite diagonale si tous ses éléments 𝑎𝑖𝑗 avec i ≠ j sont nuls. Seule la diagonale
𝑎11 , 𝑎22 ,…, 𝑎𝑛𝑛 contient des éléments non nuls.
I.1.8. Matrice identité de dimension n
La matrice identité I est la matrice diagonale dont les éléments de la diagonale sont tous égaux à 1.
I.1.9. Addition des matrices
On ne peut additionner que des matrices de mêmes dimensions n × m.
C = A + B où 𝑐𝑖𝑗 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗 (I.5)
I.1.10. Multiplication des matrices
On ne peut multiplier une matrice A de dimension n × m que par une matrice B de dimension m × p, le
résultat donnant une matrice C de dimension n × p. la multiplication n'est pas commutative.
C = A . B où cij = ∑m
k=1 a ik bkj (I.6)

Université de GHARDAIA N. HACENE Page 3

Systèmes linéaires multivariables Chapitre I: Introduction

I.1.11. La matrice nilpotente

Une matrice A est dite nilpotente s'il existe un entier k tel que A𝑘 = 0 (matrice nulle). Toutes les
puissances de A supérieur à k sont nulles également.
Exemple I.4:
0 1 0 0
𝐴=[ ] et 𝐴2 = [ ]
0 0 0 0
I.2. Rappel des notions de système et de l'approche d'état

Notion de système
Un système, agrégation d'éléments interconnectés, est constitué naturellement ou artificiellement afin
d'accomplir une tâche prédéfinie. Le système est généralement représenté schématiquement par un
schéma fonctionnel (Figure I.1) consistant en un rectangle auquel les signaux d’entrée sont représentés
par des flèches entrantes et les signaux de sortie sont représentés par des flèches sortantes.

𝒖𝟏 (𝒕) 𝒚𝟏 (𝒕)
Grandeurs 𝒖 (𝒕) 𝒚𝟐 (𝒕) Grandeurs
𝟐
d'entrée ou Système de sortie ou
…

…
commandes observations
𝒖𝒎 (𝒕) 𝒚𝒏 (𝒕)

Figure I.1. Schéma fonctionnel d'un système

La variable t désigne le temps.
Un système est dit déterministe si, pour chaque entrée 𝑢(𝑡) il n'existe qu'une seule sortie 𝑦(𝑡). Au
contraire, pour un système indéterministe ou stochastique (ou encore aléatoire), il y a plusieurs sorties
possibles, chacune d'elles étant affectée d'une certaine probabilité.
Un système est dit continu si 𝑢(𝑡) et 𝑦(𝑡) sont des fonctions de variable continue, soit t. le système
est discret ou échantillonné si, le signal n'est transmis qu'à des instant discrets.
Un système est dit linéaire si, le principe de superposition s'applique, c'est-à-dire si:
S{𝑘1 𝑢1 (𝑡) + 𝑘2 𝑢2 (𝑡)} = 𝑘1 S(𝑢1 (𝑡))+𝑘2 S(𝑢2 (𝑡)) (I.7)
Un système est dit stationnaire ou invariant si les relations entre l'entrée et la sortie sont
indépendantes du temps (les caractéristiques du système sont invariantes dans le temps).
Un système est causal si la valeur de 𝑦(𝑡) à un instant 𝑡0 , soit 𝑦(𝑡0 ), ne dépend pas des valeurs de
𝑢(𝑡) pour 𝑡 > 𝑡0 ; notons que tous les systèmes physiques sont causaux.
Un système dynamique est un système classique qui évolue au cours du temps de façon à la
fois causale et déterministe.
I.3. Différents types de représentations des systèmes
On distingue deux types de représentations:
1. La représentation externe
2. La représentation interne
I.3.1. La représentation externe (Fonction de Transfert)
Cette représentation utilise directement la relation entrée-sortie. Considérons un système linéaire
stationnaire monovariable décrit par l'équation différentielle linéaire à coefficients constants suivante:
𝑑 (𝑛) 𝑦(𝑡) 𝑑 (𝑛−1) 𝑦(𝑡) 𝑑𝑦(𝑡) 𝑑 (𝑚) 𝑢(𝑡) 𝑑 (𝑚−1) 𝑢(𝑡) 𝑑𝑢(𝑡)
𝑎𝑛 𝑑𝑡 𝑛
+ 𝑎𝑛−1 𝑑𝑡 𝑛−1
+…+ 𝑎1 𝑑𝑡
+ 𝑎0 y(t)= 𝑏𝑚 𝑑𝑡 𝑚
+ 𝑏𝑚−1 𝑑𝑡 𝑚−1
+…+ 𝑏1 𝑑𝑡
+ 𝑏0 u(t) (I.8)

Université de GHARDAIA N. HACENE Page 4

Systèmes linéaires multivariables Chapitre I: Introduction

𝑎0 ,…,𝑎𝑛 et 𝑏0 ,…,𝑏𝑚 étant des constantes.

N.b.: L'équation ne contient pas de terme constant, car il est possible d'éliminer ce terme par un changement de
variable.
Si l'on admet que le système est initialement au repos (conditions initiales nulles), l'application de la
transformée de Laplace donne:
𝑎𝑛 𝑝𝑛 Y(p) + 𝑎𝑛−1 𝑝𝑛−1 Y(p) +…+ 𝑎1 𝑝 Y(p) + 𝑎0 Y(p) = 𝑏𝑚 𝑝𝑚 U(p) + 𝑏𝑚−1 𝑝𝑚−1 U(p) +…+ 𝑏1 𝑝 U(p) + 𝑏0 U(p) (I.9)
Où Y(p) et U(p) sont les transformées de Laplace de y(t) et (u(t).
Alors, on obtient:
𝒀(𝒑) 𝒃𝒎 𝒑𝒎 + 𝒃𝒎−𝟏 𝒑𝒎−𝟏 +⋯+ 𝒃𝟏 𝒑 + 𝒃𝟎
H(p) = =
𝑼(𝒑) 𝒂𝒏 𝒑𝒏 + 𝒂𝒏−𝟏 𝒑𝒏−𝟏 +⋯+ 𝒂𝟏 𝒑 + 𝒂𝟎
(I.10)

H(p) est appelée transmittance ou fonction de transfert.

Si l'on écrit la sortie sous la forme Y(p) = H(p) . U(p), et si l'on prend les originaux des deux membres, il
vient:
Y(t) = h(t) ∗ u(t) (I.11)
Où ∗ est l'opérateur de convolution.
I.3.2. La représentation interne (représentation d'état)

La représentation interne d'un système repose sur la notion d'état. L'état à un instant donné 𝑡0 , d'un
système, est constitué par les n valeurs prises par un ensemble de grandeurs que l'on doit posséder sur le
système à cet instant 𝑡0 pour pouvoir déterminer son évolution ultérieure (à t > 𝑡0 ), à partir de la seule
donnée des entrées ultérieures. Ces grandeurs sont appelées variables d'état, et sont rassemblées dans un
vecteur, appelé vecteur d'état.
L'état d'un système est décrit par un ensemble des équations différentielles de premier ordre en termes
de variables d'état (𝑥1 , 𝑥2 , …, 𝑥𝑛 ) et variables d'entrée (𝑢1 , 𝑢2 , …, 𝑢𝑚 ) en forme générale:
𝑑𝑥1
= 𝑎11 𝑥1 + 𝑎12 𝑥2 + … + 𝑎1𝑛 𝑥𝑛 + 𝑏11 𝑢1 + … + 𝑏1𝑚 𝑢𝑚
𝑑𝑡
𝑑𝑥2
= 𝑎21 𝑥1 + 𝑎22 𝑥2 + … + 𝑎2𝑛 𝑥𝑛 + 𝑏21 𝑢1 + … + 𝑏2𝑚 𝑢𝑚 (I.12)
𝑑𝑡
⋮
𝑑𝑥𝑛
{ 𝑑𝑡 = 𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + … + 𝑎𝑛𝑛 𝑥𝑛 + 𝑏𝑛1 𝑢1 + … + 𝑏𝑛𝑚 𝑢𝑚

Cette équation peut être écrite dans une forme matricielle comme suit:
𝑥̇ = A x + B u (I.13)
Cette équation est appelée l'équation d'état, d'où:
x = [𝑥1 , 𝑥2 ,…,𝑥𝑛 ]T est le vecteur d'état de n dimensions,
u = [𝑢1 , 𝑢2 ,…,𝑢𝑚 ]T est le vecteur de commande de m dimensions,
A (n×n) est la matrice d'état,
B (n×m) est la matrice de commande, d'où
𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑏11 𝑏12 ⋯ 𝑏1𝑚
𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑏21 𝑏22 ⋯ 𝑏2𝑚
𝐴 =[ ⋮ ⋮ ⋯ ⋮ ], 𝐵 = [
⋮ ⋮ ⋯ ⋮
] (I.14)
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑏𝑛1 𝑏𝑛2 ⋯ 𝑏𝑛𝑚
La sortie d'un système linéaire peut être reliée aux variables d'état et aux variables d'entrée comme suit:

Université de GHARDAIA N. HACENE Page 5

Systèmes linéaires multivariables Chapitre I: Introduction

y=Cx+Du (I.15)
Cette équation est appelée l'équation de sortie.
Alors, dans le cas d'un système linéaire invariant (stationnaire) la représentation d'état se met sous la
forme:
𝑥̇ = 𝐴 𝑥 + 𝐵 𝑢
{ (I.16)
𝑦 = 𝐶𝑥 + 𝐷𝑢
Un schéma fonctionnel de ce système est donné illustré dans la Figure I.2.

(a) (b)
Figure I.2. Schéma fonctionnel d'un système linéaire: a) cas monovariable, b) cas multivariable

Exemple I.5:
Considérons le système masse-ressort-amortisseur de la Figure I3.

K Frottement visqueux (f)

M 0: position de la masse M au repos

y
F = e(t)
Figure I.3. Système masse-ressort-amortisseur
Le système est régi par l'équation différentielle suivante:
e(t) = M 𝑦̈ + f 𝑦̇ + k y
a) représentation externe:
𝑌(𝑝) 1
=
𝐸(𝑝) 𝑀 𝑝2 + 𝑓 𝑝+𝑘
Avec conditions initiales nulles.
b) représentation interne:
Posons:
𝑥 = [𝑥𝑥1] = [𝑦𝑦̇]
2
Il vient:
𝑥̇ 1 𝑦̇ 0 1 𝑦 0
𝑥̇ = [ ] = [ ] = [− 𝑘 − 𝑓 ] [ ] + [ 1 ] 𝑒(𝑡)
𝑥̇ 2 𝑦̈ 𝑦̇
𝑀 𝑀 𝑀
𝑦
𝑦 = [1 0] [𝑦̇ ]
{
Alors,
0 1 0
A = [− 𝑘 − 𝑓 ], B = [ 1 ], C = [1 0] et D = 0.
𝑀 𝑀 𝑀

Université de GHARDAIA N. HACENE Page 6

Systèmes linéaires multivariables Chapitre I: Introduction

Remarques:
1. La représentation d'état est parfaitement adaptée à l'étude d'un système multivariable.
2. Elle permet d'accéder à la connaissance de variables internes, ce qui autorise, par exemple, la
prise en compte de contraintes internes.
3. Contrairement à la représentation externe, elle n'est pas unique, en obtient une autre, par exemple,
en permutant les définitions de variables d'état.
4. Le nombre de variables d'état minimal est l'ordre du système.
5. Contrairement à la représentation externe, elle ne suppose pas que les conditions initiales sont
nulles.
I.3.3 Passage d'une représentation interne à la représentation externe
Soit le système:
𝒖𝟏 (𝒕) 𝒚𝟏 (𝒕)
𝒖𝟐 (𝒕) 𝒚𝟐 (𝒕)
Système
…

…
𝒖𝒎 (𝒕) 𝒚𝒏 (𝒕)
m entrées (m×1) n sorties (n×1)
Figure I.4. Système
Supposons que l'on connaisse, de ce système, la représentation d'état (interne) suivante:
𝑥̇ = 𝐴 𝑥 + 𝐵 𝑢
{ (I.17)
𝑦 = 𝐶𝑥 + 𝐷𝑢
La représentation externe sera constituée par la matrice de transfert 𝑇(𝑝), telle que:
Y(p) = T(p) U(p) (I.18)
(n×1) = (n×m) (m×1)
L'élément 𝑇𝑖𝑗 de la matrice T est la fonction de transfert entre la sortie i et l'entrée j. la matrice de
transfert est donc la généralisation, au cas multivariable, de la notion de fonction de transfert. Comme par
celle-ci, le système est supposé initialement au repos.
Prenons les transformées de Laplace des deux membres de l'équation d'état, en imposent les conditions
initiale nulles, il vient:
𝑝 𝑋(𝑝) = 𝐴 𝑋(𝑝) + 𝐵 𝑈(𝑝)
{
𝑌(𝑝) = 𝐶 𝑋(𝑝) + 𝐷 𝑈(𝑝)
D'où
𝑋(𝑝) = (𝑝𝐼 − 𝐴)−1 𝐵 𝑈(𝑝)
{
𝑌(𝑝) = [𝐶 (𝑝𝐼 − 𝐴)−1 𝐵 + 𝐷] 𝑈(𝑝)
Alors,
𝑇(𝑝) = 𝐶 (𝑝𝐼 − 𝐴)−1 𝐵 + 𝐷
(I.19)
Les pôles des éléments 𝑇𝑖𝑗 de 𝑇(𝑝) sont des solutions de l'équation det (pI – A) = 0, c.-à-d. des
valeurs propres de la matrice A. la réciproque n'est forcément vraie, puisque certains pôles de (𝑝𝐼 − 𝐴)−1
peuvent être simplifiés au moment où l'on forme le produit 𝐶 (𝑝𝐼 − 𝐴)−1 𝐵.
I.3.4. Passage de la représentation externe à une représentation interne
Contrairement au précédent, ce passage n'est pas unique, puisqu'un système donné possède une infinité de
représentations internes. Notons que le nombre minimal de variables d'tat nécessaire pour représenter un
système est une caractéristique du système:
 Dans le cas monovariable, le nombre minimal de variables d'état est le nombre de pôles de la
fonction de transfert, c'est-à-dire l'ordre du système.

Université de GHARDAIA N. HACENE Page 7

Systèmes linéaires multivariables Chapitre I: Introduction

I.4. Systèmes monovariables (SISO) et systèmes multivariables (MIMO)

Un système possédant une seule entrée et une seule sortie est dit monovariable ou SISO (Single-
input single-output). Au contraire, les systèmes qui possèdent plusieurs entrées et plusieurs sorties sont
des systèmes multivariables ou MIMO (multiple-input multiple-output). Les différences entre eux
sont montrées par les figures I.5 et I.6.

𝒖(𝒕) 𝒚(𝒕)
Système
Monovariable
1 entrée 1 sortie

Modèle externe Modèles internes

Unicité Non unicité
Plusieurs
méthodes
Équation Transformation Fonction Équations
différentielle de Laplace de transfert d'état

𝑻(𝒑) = 𝑪 (𝒑𝑰 − 𝑨)−𝟏 𝑩 + 𝑫

𝒙 = 𝑴𝒙∗
𝒏 𝒅(𝒓) 𝒚(𝒕) 𝒎 𝒅(𝒑) 𝒖(𝒕) 𝒀(𝒑) 𝒃𝒎 𝒑𝒎 + ⋯ + 𝒃𝟏 𝒑 + 𝒃𝟎
∑ 𝒂𝒓 𝒓
=∑ 𝒂𝒑 𝑯(𝒑) = = 𝒙̇ = 𝑨 𝒙 + 𝑩 𝒖
𝒓=𝟎 𝒅𝒕 𝒑=𝟎 𝒅𝒕𝒑 𝑼(𝒑) 𝒂𝒏 𝒑𝒏 + ⋯ + 𝒂𝟏 𝒑 + 𝒂𝟎 {
𝒎≤𝒏 𝒚 = 𝑪𝒙 + 𝑫𝒖
𝒎≤𝒏

Figure I.5. Système monovariable

𝒖(𝒕) 𝒚(𝒕)
Système
Multivariable
m entrée n sortie

Modèles externes Modèles internes

Non unicité
Non unicité Unicité Plusieurs
méthodes
Système Transformation Matrice Équations
différentiel de Laplace de transfert d'état

𝑻(𝒑) = 𝑪 (𝒑𝑰 − 𝑨)−𝟏 𝑩 + 𝑫

𝒙 = 𝑴𝒙∗
𝒏 (𝒓) 𝒎 (𝒑)
𝒅 𝒚(𝒕) 𝒅 𝒖(𝒕)
{∑𝒓=𝟎 𝒂𝒓 𝒓
=∑ 𝒂𝒑 𝑻(𝒑) = 𝑫−𝟏 (𝒑) 𝑵(𝒑) 𝒙̇ = 𝑨 𝒙 + 𝑩 𝒖
𝒅𝒕 𝒑=𝟎 𝒅𝒕𝒑 {
⋮ 𝒚 = 𝑪𝒙 + 𝑫𝒖

Figure I.6. Système multivariable

Université de GHARDAIA N. HACENE Page 8

Systèmes linéaires multivariables Chapitre I: Introduction

I.5. Exercices:
Exercice 1:

Donner une représentation d'état des systèmes décrit par ses équations différentielles suivantes:
1. 𝑦̈ + 2 𝑦̇ + 3 y = u
2. 𝑦⃛ + 𝑎1 𝑦̈ + 𝑎2 𝑦̇ + 𝑎3 y = 𝑏0 u
3. 𝑦⃛ + 𝑎1 𝑦̈ + 𝑎2 𝑦̇ + 𝑎3 y = 𝑏0 𝑢
⃛ + 𝑏1 𝑢̈ + 𝑏2 𝑢̇ + 𝑏3 u

Exercice 2:

Pour le circuit RLC de la Figure I.7.

1. Trouver l'équation différentielle qui relie entre 𝑣1 (t)
et 𝑣2 (t).
2. Ecrire les équations d'état lorsque:
a. Les variables d'état sont 𝑣2 (t) et 𝑣̇ 2 (t).
b. Les variables d'état sont 𝑣2 (t) et i(t). Figure I.7. Circuit RLC

Exercice 3:

Soit le système de la Figure I.8.

1. Trouver sa fonction de transfert.
2. Donner une représentation d'état du système.

Figure 2. Circuit à base de AOP

Figure I.8. Circuit à base de AOP

Exercice 4:
Trouver l'équation d'état et l'équation de sortie du
système montré par la Figure I.9, dont les variables
d'état et les variables de commande sont: 𝑥1 = c(t),
𝑥2 = 𝑥̇ 1 et u = r(t).

Exercice 5: Figure I.9. Système à boucle

fermée
Soit un système décrit par sa fonction de transfert:
𝜙𝑎 𝑘
(s) = (𝑠+1)(𝑠2
𝛿𝑑 +0.7𝑠+2)

- Trouver l'équation d'état et l'équation de sortie du système en posant 𝑥1 = 𝜙𝑎 (t), 𝑥2 = 𝑥̇ 1 , 𝑥3 = 𝑥̇ 2 et u

= 𝛿𝑑 (t).

Université de GHARDAIA N. HACENE Page 9

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

Chapitre II
Représentation d'état des systèmes multivariables

II.1. Rappel
II.1.1. Les valeurs propres et les vecteurs propres
Les valeurs propres d'une matrice A (n×n) sont les racines de l'équation caractéristique:
|λI − A| = 0 (II.1)
Les valeurs propres sont aussi appelées les racines caractéristiques.
Exemple II.1:
soit la matrice
0 1 0
A=[ 0 0 1]
−6 −11 −6
L'équation caractéristique est:
λ −1 0
|λI − A| = |0 λ −1 | = λ3 + 6 λ2 +11 λ + 6 = (λ+1) (λ+2) (λ+3) = 0
6 11 λ + 6
Les valeurs propres sont les racines de l'équation caractéristique, c.-à-d., −1, −2 et −3.
Un vecteur propre v de composantes (𝑣1 ,𝑣2 , … , 𝑣𝑛 ) associé à la valeur propre doit vérifier la relation:
A v = v ⇔ (λI − A) (𝑣1 ,𝑣2 , … , 𝑣𝑛 )T = 0 (II.2)
Exemple II.2:
5 −3
Soit la matrice A = [ ], déterminer les valeurs propres et les vecteurs propres de cette matrice.
6 −4
Solution:

|λI − A| = 0 ⇔ [λ − 5 3
]=0
−6 λ + 4
⇔ (λ − 5) (λ + 4) + 18 = 0
⇔ λ2 − λ − 2 = 0
⇔(λ + 1) (λ − 2) = 0
⇔ λ1 = −1 et λ2 = 2

Les vecteurs propres 𝑣1 et 𝑣2 associés respectivement à λ1 et λ2 sont:

 Pour λ1 = -1
−6 3 𝑤 1
(λ1 I − A) 𝑣1 = 0 ⇔ [ ] [ ]= 0
−6 3 𝑤 2
⇔ −6 𝑤1 + 3 𝑤2 = 0
1
Choix d'un vecteur propre: 𝑣1 = [ ]
2
 Pour λ2 = 2

Université de GHARDAIA N. HACENE Page 11

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

−3 3 𝑠 1
(λ2 I − A) 𝑣2 = 0 ⇔ [ ] [ ]= 0
−6 6 𝑠 2
⇔ −3 𝑠1 + 3 𝑠2 = 0
1
Choix d'un vecteur propre: 𝑣2 = [ ]
1
II.1.2. Transformation similaire
Soit la matrice A (n×n), la matrice B (n×n) est dite similaire à la matrice A, s'il existe une matrice T
(n×n) telle que:
B = 𝑇 −1 A T (II.3)
Cette équation est appelée la transformation similaire. Notons que:
a. Si B est similaire à A, alors, A est similaire à B.
b. Les matrices similaires possèdent les même valeurs propres.
La transformation similaire est souvent a l'objectif de simplifier la matrice A. Cette simplification va
faciliter la résolution de certains problèmes.
Si le but de la transformation similaire est la diagonalisation de la matrice A, alors la détermination de la
matrice T dépend directement des valeurs propres et vecteurs propres de A; dans ce cas, on distingue:
1. Les valeurs propres sont distinctes: alors les vecteurs propres sont linéairement indépendants. Dans
ce cas la matrice de transformation similaire T est dénotée par M et possède la forme suivante: M = [𝑣1 ,
𝑣2 , …, 𝑣𝑛 ], cette matrice est appelée la matrice propre.
2. Les valeurs propres ne sont pas distinctes: c.-à-d., il y a des valeurs propres multiple, alors, la
matrice A ne peut pas être transformée à la forme diagonale, mais elle peut être transformée à une forme
pseudo-diagonale ou ce que l'on appelle la forme de Jordan, où la matrice de Jordan J a la forme
suivante:
𝐽1 0 ⋯ 0
0 𝐽2 ⋱ ⋮
J= (II.4)
⋮ ⋱ ⋱ 0
[0 ⋯ 0 𝐽𝑛 ]
où
− 𝜆𝑖 1 0 ⋯ 0
0 − 𝜆𝑖 1 ⋱ 0
𝐽𝑖 = ⋮ 0 ⋱ ⋱ ⋮ (II.5)
0 ⋯ ⋱ − 𝜆𝑖 1
[ 0 0 ⋯ 0 − 𝜆𝑖 ]
est la sous-matrice de Jordan
Alors, pour trouver la matrice de transformation similaire 𝑇, on va introduire la notion des vecteurs
propres généralisés.
II.1.3. Vecteurs propres généralisés
Pour éclairer l'idée, on va commencer par l'exemple suivant:
Exemple II.3:
Soit la matrice suivante:
0 1
𝐴=[ ]
−9 6

Université de GHARDAIA N. HACENE Page 12

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

L'équation caractéristique est:

|𝜆𝐼 − 𝐴| = |𝜆 −1
| = 𝜆(𝜆 − 6) + 9 = 𝜆2 − 6𝜆 + 9 = (𝜆 − 3)2
9 𝜆−6
La matrice 𝐴 possède une valeur propre double, alors, on peut assigner un seul vecteur propre, et on peut
pas calculer la matrice de transformation similaire, car elle deviendra: 𝑇 = [𝑣1 𝑣1 ]. Et cette matrice est
une matrice singulière, c.-à-d., son déterminant est nul.
On sait que la matrice résultante de cette transformation est la matrice de Jordan:
𝜆 1
𝐽=[ ]
0 𝜆
Et la matrice de transformation similaire vérifie la relation
𝐽 = 𝑇 −1 𝐴 𝑇 ⟹ 𝐴 𝑇 = 𝑇 𝐽 (II.6)
On écrit la matrice 𝑇 sous la forme:
𝑇 = [𝑣1 𝑣2 ] (II.7)
Et la relation (II.6) sera:

𝐴[𝑣1 𝑣2 ] = [𝑣1 𝑣2 ] [𝜆 1] ⟹ [𝐴𝑣1 𝐴𝑣2 ] = [𝜆𝑣1 𝜆𝑣2 + 𝑣1 ]

0 𝜆
𝐴𝑣 = 𝜆𝑣1
⟹ { 1
𝐴𝑣2 = 𝜆𝑣2 + 𝑣1
(𝜆𝐼 − 𝐴)𝑣1 = 0
⟹ {
(𝜆𝐼 − 𝐴)𝑣2 = −𝑣1
(𝜆𝐼 − 𝐴)𝑣1 = 0
⟹ {
(𝜆𝐼 − 𝐴)2 𝑣2 = −(𝜆𝐼 − 𝐴)𝑣1 = 0
Le vecteur 𝑣1 est un vecteur propre assigné à la valeur propre 𝜆. Le vecteur 𝑣2 est appelé un vecteur
propre généralisé, d'où la définition suivante:

Définition: un vecteur non nul 𝑣 qui satisfait la relation: (𝜆𝐼 − 𝐴)𝑝 𝑣 = 0 pour un scalaire 𝑝 positif est appelé
un vecteur propre généralisé de la matrice 𝐴 avec la valeur propre 𝜆.

Revenons à notre exemple,

𝑣
(𝜆𝐼 − 𝐴)𝑣1 = 0 ⟹ [3 −1] [𝑣11 ] = 0
9 −3 12
3𝑣 − 𝑣12 = 0
⟹ { 11
9𝑣11 − 3𝑣12 = 0
Si on pose 𝑣11 = 1, alors, 𝑣12 = 3, et donc:
1
𝑣1 = [ ]
3
Passons à la deuxième équation:
𝑣
(𝜆𝐼 − 𝐴)𝑣2 = −𝑣1 ⟹ [3 −1] [𝑣21 ] = [−1]
9 −3 22 −3
3𝑣 − 𝑣22 = −1
⟹ { 21
9𝑣21 − 3𝑣22 = −3
Si on pose 𝑣21 = 1, alors, 𝑣22 = 4, et donc:

Université de GHARDAIA N. HACENE Page 13

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

1
𝑣2 = [ ]
4
Et la matrice de transformation similaire s'écrit donc:
1 1
𝑇=[ ]
3 4
On peut vérifier les résultats,
1 1 −1 0 1 1 1 4 −1 3 4 3 1
𝑇 −1 𝐴 𝑇 = [ ] [ ][ ]=[ ][ ]=[ ]
3 4 −9 6 3 4 −3 1 9 15 0 3
Exemple II.4:
Soit la matrice
5 1 −4
𝐴 = [4 3 −5]
3 1 −2
- Transformer la matrice A à la forme diagonale ou de Jordan.
Solution:
L'équation caractéristique est:
𝜆 − 5 −1 4
|𝜆𝐼 − 𝐴| = | −4 𝜆 − 3 5 |
−3 −1 𝜆 + 2
2
= (𝜆 − 5)(𝜆 − 𝜆 − 1) + (−4𝜆 + 7) + 4(3𝜆 − 5)
= 𝜆3 − 6𝜆2 + 4𝜆 + 5 + (−4𝜆 + 7) + 4(3𝜆 − 5)
= 𝜆3 − 6𝜆2 + 12𝜆 − 8
= (𝜆 − 2)3
Alors, la matrice A possède une valeur propre triple 𝜆 = 2. On sait que la matrice résultante de cette
transformation est la matrice de Jordan:
𝜆 1 0
𝐽 = [0 𝜆 1]
0 0 𝜆
Et la matrice de transformation similaire vérifie la relation
𝐽 = 𝑇 −1 𝐴 𝑇 ⟹ 𝐴 𝑇 = 𝑇 𝐽 (II.8)
On écrit la matrice 𝑇 sous la forme:
𝑇 = [𝑣1 𝑣2 𝑣3 ] (II.9)
Et la relation (II.8) devient:
𝜆 1 0
𝐴[𝑣1 𝑣2 𝑣3 ] = [𝑣1 𝑣2 𝑣3 ] [0 𝜆 1] ⟹ [𝐴𝑣1 𝐴𝑣2 𝐴𝑣3 ] = [𝜆𝑣1 𝜆𝑣2 + 𝑣1 𝜆𝑣3 + 𝑣2 ]
0 0 𝜆
𝐴𝑣1 = 𝜆𝑣1
⟹ {𝐴𝑣2 = 𝜆𝑣2 + 𝑣1
𝐴𝑣3 = 𝜆𝑣3 + 𝑣2
(𝜆𝐼 − 𝐴)𝑣1 = 0
⟹ {(𝜆𝐼 − 𝐴)𝑣2 = −𝑣1
(𝜆𝐼 − 𝐴)𝑣3 = −𝑣2

Université de GHARDAIA N. HACENE Page 14

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

(𝜆𝐼 − 𝐴) 𝑣1 = 0
⟹ {(𝜆𝐼 − 𝐴)2 𝑣2 = 0
(𝜆𝐼 − 𝐴)3 𝑣3 = 0
Prenons la première équation:
−3 −1 4 𝑣11
(𝜆𝐼 − 𝐴) 𝑣1 = 0 ⟹ [−4 −1 5] [𝑣12 ] = 0
−3 −1 4 𝑣13
−3𝑣11 − 𝑣12 + 4𝑣13 = 0
⟹ { −4𝑣11 − 𝑣12 + 5𝑣13 = 0
−3𝑣11 − 𝑣12 + 4𝑣13 = 0
−3𝑣11 − 𝑣12 + 4𝑣13 = 0
⟹ {
−4𝑣11 − 𝑣12 + 5𝑣13 = 0
Posons v11 = 1, on obtient
−𝑣12 + 4𝑣13 = 3
⟹ {
−𝑣12 + 5𝑣13 = 4
𝑣12 = 1
⟹ {
𝑣13 = 1
Alors,
1
𝑣1 = [1]
1
Résolvons la deuxième équation:
−3 −1 4 𝑣21 1
(𝜆𝐼 − 𝐴)𝑣2 = −𝑣1 ⟹ [−4 −1 5] [𝑣22 ] = − [1]
−3 −1 4 𝑣23 1
−3𝑣21 − 𝑣22 + 4𝑣23 = −1
⟹ { −4𝑣21 − 𝑣22 + 5𝑣23 = −1
−3𝑣21 − 𝑣22 + 4𝑣23 = −1
−3𝑣21 − 𝑣22 + 4𝑣23 = −1
⟹ {
−4𝑣21 − 𝑣22 + 5𝑣23 = −1
Posons v22 = 1, on obtient
−3𝑣21 + 4𝑣23 = −1
⟹ {
−4𝑣21 + 5𝑣23 = −1
𝑣22 = 1
⟹ {
𝑣23 − 𝑣21 = 0
Alors,
0
𝑣2 = [1]
0
Résolvons la troisième équation:
−3 −1 4 𝑣31 0
𝑣
(𝜆𝐼 − 𝐴)𝑣3 = −𝑣2 ⟹ [−4 −1 5] [ 32 ] = − [1]
−3 −1 4 𝑣33 0

Université de GHARDAIA N. HACENE Page 15

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

−3𝑣31 − 𝑣32 + 4𝑣33 = 0

⟹ {−4𝑣31 − 𝑣32 + 5𝑣33 = −1
−3𝑣31 − 𝑣32 + 4𝑣33 = 0
−3𝑣31 − 𝑣32 + 4𝑣33 = 0
⟹ {
−4𝑣31 − 𝑣32 + 5𝑣33 = −1
Posons v32 = 0, on obtient
−3𝑣31 + 4𝑣33 = 0
⟹ {
−4𝑣31 + 5𝑣33 = −1
𝑣31 = 4
⟹ {
𝑣33 = 3
Alors,
4
𝑣3 = [0]
3
Et la matrice de transformation similaire s'écrit donc:
1 0 4
𝑇 = [1 1 0]
1 0 3
On peut vérifier les résultats,
1 0 4 −1 5 1 −4 1 0 4 2 1 0
−1
𝑇 𝐴 𝑇 = [1 1 0] [4 3 −5] [1 1 0] = [0 2 1]
1 0 3 3 1 −2 1 0 3 0 0 2
II.2. Définitions
L'état à un instant donné 𝑡0 , d'un système, est constitué par les n valeurs prises par un ensemble de
grandeurs que l'on doit posséder sur le système à cet instant 𝑡0 pour pouvoir déterminer son évolution
ultérieure (à t > 𝑡0 ), à partir de la seule donnée des entrées ultérieures. Ces grandeurs sont appelées
variables d'état, et sont rassemblées dans un vecteur, appelé vecteur d'état.
Dans le cas d'un système linéaire invariant (stationnaire) (Figure II.1) la représentation d'état se met
sous la forme:
𝑥̇ = 𝐴 𝑥 + 𝐵 𝑢
{ (II.10)
𝑦 = 𝐶𝑥 + 𝐷𝑢
𝒖𝟏 (𝒕) 𝒚𝟏 (𝒕)
𝒖𝟐 (𝒕) 𝒚𝟐 (𝒕)
Système
…

𝒖𝒎 (𝒕) 𝒚𝒏 (𝒕)
m entrées (m×1) n sorties (n×1)
Figure II.1. Système multivariable

La première équation est appelée l'équation d'état, et la deuxième l'équation de sortie.

Où:
x = [𝑥1 , 𝑥2 ,…,𝑥𝑛 ]T est le vecteur d'état de n dimensions,
u = [𝑢1 , 𝑢2 ,…,𝑢𝑚 ]T est le vecteur de commande de m dimensions,
A (n×n) est la matrice d'état,
B (n×m) est la matrice de commande, dont

Université de GHARDAIA N. HACENE Page 16

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑏11 𝑏12 ⋯ 𝑏1𝑚

𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑏21 𝑏22 ⋯ 𝑏2𝑚
𝐴 =[ ⋮ ⋮ ⋯ ⋮ ], 𝐵 =[
⋮ ⋮ ⋯ ⋮
] (II.11)
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑏𝑛1 𝑏𝑛2 ⋯ 𝑏𝑛𝑚
II.3. Méthodes de mise en équations d'état d'un système à partir de sa fonction de transfert
Considérons le cas d'un système continu, linéaire, stationnaire et déterministe. Dans ce cas, les
représentations d'état à établir sont de la forme:
𝑥̇ = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡)
{ (II.12)
𝑦 = 𝐶 𝑥(𝑡) + 𝐷 𝑢(𝑡)
Nous allons décrite différentes méthodes permettant d'obtenir une représentation d'état d'un système à
partir de sa fonction de transfert, dans le cas monovariable:

𝒀(𝒑)
𝒖(𝒕) Système 𝒚(𝒕) FT=𝑼(𝒑)
Commande Sortie
Figure II.2: Système monovariable
II.3.1. La méthode directe (la forme canonique de commande)
On considère le système décrit par son équation différentielle suivante:
𝑑 (𝑛) 𝑦(𝑡) 𝑑 (𝑛−1) 𝑦(𝑡) 𝑑𝑦(𝑡) 𝑑 (𝑛−1) 𝑢(𝑡) 𝑑 (𝑛−2) 𝑢(𝑡) 𝑑𝑢(𝑡)
+ 𝑎𝑛−1 +…+ 𝑎1 + 𝑎0 y(t) = 𝑏𝑛−1 + 𝑏𝑛−2 +…+ 𝑏1 + 𝑏0 u(t) (II.13)
𝑑𝑡 𝑛 𝑑𝑡 𝑛−1 𝑑𝑡 𝑑𝑡 𝑛−1 𝑑𝑡 𝑛−2 𝑑𝑡

La FT du système est, alors, donnée par:

𝑌(𝑝) 𝑏𝑛−1 𝑝𝑛−1 + 𝑏𝑛−2 𝑝𝑛−2 +⋯+ 𝑏1 𝑝 + 𝑏0
H(p) = = (II.14)
𝑈(𝑝) 𝑝𝑛 + 𝑎𝑛−1 𝑝𝑛−1 +⋯+ 𝑎1 𝑝 + 𝑎0
On introduit 𝑋(𝑝) de façon que:
𝑌(𝑝) 𝑋(𝑝) 𝑌(𝑝)
H(p) = = (II.15)
𝑈(𝑝) 𝑈(𝑝) 𝑋(𝑝)
Alors,
X(p) 1
=
U(p) pn + an−1 pn−1 +⋯+ a1 p + a0
{Y(p) (II.16)
n−1
= bn−1 p + bn−2 pn−2 + ⋯ + b1 p + b0
X(p)

C'est-à-dire:
𝑝𝑛 𝑋 = − 𝑎𝑛−1 𝑝𝑛−1 𝑋 − ⋯ − 𝑎1 𝑝 𝑋 − 𝑎0 𝑋 + 𝑢
{ (II.17)
𝑌(𝑝) = 𝑏𝑛−1 𝑝𝑛−1 𝑋 + 𝑏𝑛−2 𝑝𝑛−2 𝑋 + ⋯ + 𝑏1 𝑝 𝑋 + 𝑏0 𝑋

Si on applique la transformée de Laplace inverse, on obtient:

𝑥 (𝑛) = − 𝑎𝑛−1 𝑥 (𝑛−1) − ⋯ − 𝑎1 𝑥̇ − 𝑎0 𝑥 + 𝑢
{ (II.18)
𝑦 = 𝑏𝑛−1 𝑥 (𝑛−1) + 𝑏𝑛−2 𝑥 (𝑛−2) + ⋯ + 𝑏1 𝑥̇ + 𝑏0 𝑥
Posons:
𝑥1 = 𝑥
𝑥2 = 𝑥̇ 1 = 𝑥̇
𝑥3 = 𝑥̇ 2 = 𝑥̈
⋮ (II.19)
𝑥𝑛 = 𝑥̇ 𝑛−1 = 𝑥 (𝑛−1)
{ 𝑥̇ 𝑛 = 𝑥 (𝑛)
Alors, on obtient:

Université de GHARDAIA N. HACENE Page 17

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

𝑥̇ 𝑛 = − 𝑎0 𝑥1 − 𝑎1 𝑥2 − ⋯ − 𝑎𝑛−1 𝑥𝑛 + 𝑢
{ (II.20)
𝑦 = 𝑏0 𝑥1 + 𝑏1 𝑥2 + ⋯ + 𝑏𝑛−2 𝑥𝑛−1 + 𝑏𝑛−1 𝑥𝑛
Il en résulte la représentation d'état:
0 𝟏 0 ⋯ 0 0
0 0 𝟏 ⋱ ⋮ 0
𝑥̇ = ⋮ ⋱ ⋱ ⋱ 0 𝑥+ ⋮ 𝑢
0 ⋯ 0 0 𝟏 (II.21)
0
[− 𝑎0 − 𝑎1 ⋯ − 𝑎𝑛−2 − 𝑎𝑛−1 ] [1]
{𝑦 = [𝑏0 𝑏1 ⋯ 𝑏𝑛−2 𝑏𝑛−1 ] 𝑥 + [0] 𝑢
La représentation obtenue est appelée la forme canonique de commande.
Le système peut être représenté par un schéma de câblage (par exemple dans SIMULINK) comme suit:

an−1 an−2 a1 a0

u − 𝑥̇ 𝑛 𝑥𝑛 𝑥̇ 𝑛−1 𝟏 𝑥𝑛−1 𝑥̇ 2 𝑥2 𝑥̇ 1 𝑥1
𝟏 𝟏 𝟏
+ 𝐬 𝐬 𝐬 𝐬

bn−1 bn−2 b1 b0

Figure II.3: Schéma analogique correspond à la forme canonique de commande

II.3.2. Méthode de Honer (la forme canonique d'observation)

On reprend l'expression de la FT précédente.
𝑌(𝑝) 𝑏𝑛−1 𝑝𝑛−1 + 𝑏𝑛−2 𝑝𝑛−2 +⋯+ 𝑏1 𝑝 + 𝑏0
H(p) = = (II.22)
𝑈(𝑝) 𝑝𝑛 + 𝑎𝑛−1 𝑝𝑛−1 +⋯+ 𝑎1 𝑝 + 𝑎0
On devise par 𝑝𝑛 le numérateur et le dénominateur, il vient:
𝑌(𝑝) (1 + 𝑎𝑛−1 𝑝−1 + ⋯ + 𝑎1 𝑝−(𝑛−1) + 𝑎0 𝑝−𝑛 ) = 𝑈(𝑝) (𝑏𝑛−1 𝑝−1 + 𝑏𝑛−2 𝑝−2 + ⋯ + 𝑏1 𝑝−(𝑛−1) + 𝑏0 𝑝−𝑛 ) (II.23)
Alors,
𝑌(𝑝) = 𝑝−1 (𝑏𝑛−1 𝑈(𝑝) − 𝑎𝑛−1 𝑌(𝑝)) + 𝑝−2 (𝑏𝑛−2 𝑈(𝑝) − 𝑎𝑛−2 𝑌(𝑝)) + ⋯ + 𝑝−𝑛 (𝑏0 𝑈(𝑝) − 𝑎0 𝑌(𝑝)) (II.24)
D'où l'on tire:
𝑌(𝑝) = 𝑝−1 {(𝑏𝑛−1 𝑈(𝑝) − 𝑎𝑛−1 𝑌(𝑝)) + 𝑝−1 [(𝑏𝑛−2 𝑈(𝑝) − 𝑎𝑛−2 𝑌(𝑝)) + ⋯ + 𝑝−1(𝑏0 𝑈(𝑝) − 𝑎0 𝑌(𝑝))]…]} (II.25)
𝑥̇1
𝑥1
⋮

𝑥𝑛−1

𝑥𝑛
Posons:

Université de GHARDAIA N. HACENE Page 18

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

𝑥̇ 1 = 𝑏0 𝑢(𝑡) − 𝑎0 𝑦(𝑡)
𝑥̇ 2 = 𝑏1 𝑢(𝑡) − 𝑎1 𝑦(𝑡) + 𝑥1
⋮
(II.26)
𝑥̇ 𝑛−1 = 𝑏𝑛−2 𝑢(𝑡) − 𝑎𝑛−2 𝑦(𝑡) + 𝑥𝑛−2
𝑥̇ 𝑛 = 𝑏𝑛−1 𝑢(𝑡) − 𝑎𝑛−1 𝑦(𝑡) + 𝑥𝑛−1
{ 𝑦(𝑡) = 𝑥𝑛
Et on a donc:
𝑥̇ 1 = 𝑏0 𝑢(𝑡) − 𝑎0 𝑥𝑛
𝑥̇ 2 = 𝑏1 𝑢(𝑡) − 𝑎1 𝑥𝑛 + 𝑥1
⋮
( ) (II.27)
𝑥̇ 𝑛−1 = 𝑏𝑛−2 𝑢 𝑡 − 𝑎𝑛−2 𝑥𝑛 + 𝑥𝑛−2
𝑥̇ 𝑛 = 𝑏𝑛−1 𝑢(𝑡) − 𝑎𝑛−1 𝑥𝑛 + 𝑥𝑛−1
{ 𝑦(𝑡) = 𝑥𝑛
D'où la représentation d'état:
0 0 0 ⋯ − 𝑎0 𝑏0
𝟏 0 0 ⋱ − 𝑎1 𝑏1
𝑥̇ = ⋮ 𝟏 ⋱ ⋱ ⋮ 𝑥+ ⋮ 𝑢
0 ⋯ ⋱ 0 𝑎𝑛−2 𝑏𝑛−2 (II.28)
[0 0 ⋯ 𝟏 − 𝑎𝑛−1 ] [𝑏𝑛−1 ]
{ 𝑦 = [0 0 ⋯ 0 1] 𝑥 + [0] 𝑢
La représentation obtenue est appelée la forme canonique d'observation. Le schéma analogique de cette
représentation est montré dans la Figure II.4.

u
b0 b1 𝑥𝑛−1 bn−1

𝑥̇ 1 𝟏 𝑥1 𝑥̇ 2 𝟏 𝑥2 𝑥̇ 𝑛−1 𝟏 𝑥̇ 𝑛 𝟏 𝑥𝑛 = y
− 𝐬 − 𝐬 𝐬 𝐬
−

a0 a1 an−1

Figure II.4: Schéma analogique correspond à la forme canonique d'observation

II.3.3. La forme modale (modes propres)

On décompose la FT en éléments simples, de façon à faire apparaitre les différents modes propres du
système. Dans le cas où les pôles sont réels et simples, cela donne:
𝑌(𝑝) 𝛼1 𝛼2 𝛼𝑛
FT = = + +⋯+ (II.29)
𝑈(𝑝) 𝑝+𝜆1 𝑝+𝜆2 𝑝+𝜆𝑛
On définit les variables d'état par:
𝑈(𝑝)
𝑋𝑖 (𝑝) = (II.30)
𝑝+𝜆𝑖
Alors:

Université de GHARDAIA N. HACENE Page 19

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

P 𝑋𝑖 (𝑝) = −𝜆𝑖 𝑋𝑖 (𝑝) + U(p) (II.31)

Il en résulte:
𝑥̇ 𝑖 (𝑡) = − 𝜆𝑖 𝑥𝑖 (𝑡) + 𝑢(𝑡)
{ (II.32)
𝑦(𝑡) = 𝛼1 𝑥1 (𝑡) + 𝛼2 𝑥2 (𝑡) + ⋯ + 𝛼𝑛 𝑥𝑛 (𝑡)
D'où la représentation d'état:
− 𝜆1 0 0 ⋯ 0 1
0 − 𝜆2 0 ⋱ 0 1
𝑥̇ = ⋮ 0 ⋱ ⋱ ⋮ 𝑥+ ⋮ 𝑢
(II.33)
0 ⋯ ⋱ − 𝜆𝑛−1 0 1
[ 0 0 ⋯ 0 − 𝜆𝑛 ] [ 1]
{𝑦 = [𝛼1 𝛼2 ⋯ 𝛼𝑛−1 𝛼𝑛 ] 𝑥 + [0] 𝑢

Cette représentation peut être programmée de la façon suivante:

𝑥̇ 1 𝟏 𝑥1
𝛼1
𝐬
u(t) − y(t)
𝜆1

𝑥̇ 2 𝟏 𝑥2
𝛼2
𝐬
−

𝜆2

𝑥̇ 𝑛 𝟏 𝑥𝑛
𝛼𝑛
𝐬
−

𝜆𝑛

Figure II.5: Schéma analogique correspond à la forme modale

II.3.4. Forme de Jordan
Si le dénominateur de la fonction de transfert possède des pôles multiples, alors, dans ce cas la forme
modale doit être modifiée à la forme de Jordan. Supposons par exemple que les pôles 𝜆𝑖 sont distincts
sauf les trois premiers pôles. Alors, la TF est écrite par:
𝑌(𝑝) 𝑏𝑛 𝑝𝑛−1 + …+ 𝑏1 𝑝 + 𝑏0
FT = = (𝑝+𝜆 3
(II.34)
𝑈(𝑝) 1) (𝑝+𝜆4 ) (𝑝+𝜆5 ) ⋯ (𝑝+𝜆𝑛 )
Ou,
𝑌(𝑝) 𝛼 𝛼 𝛼3 𝛼 𝛼𝑛
FT = = (𝑝+𝜆1 )3
+ (𝑝+𝜆2 )2
+ + (𝑝+𝜆4 )2
+⋯+ (II.35)
𝑈(𝑝) 1 1 𝑝+𝜆1 4 𝑝+𝜆𝑛
On définit les variables d'état par:

Université de GHARDAIA N. HACENE Page 20

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

𝑈(𝑝)
𝑋𝑖 (𝑝) = 𝑝+𝜆 i=4,5,…,n (II.36)
𝑖

Alors:
P 𝑋𝑖 (𝑝) = −𝜆𝑖 𝑋𝑖 (𝑝) + U(p) (II.37)
Il en résulte:
𝑥̇ 𝑖 (𝑡) = − 𝜆𝑖 𝑥𝑖 (𝑡) + 𝑢(𝑡) (II.38)
Pour 𝑥3 (𝑡), on pose:
𝑈(𝑝)
𝑋3 (𝑝) = 𝑝+𝜆 ⟹𝑥̇ 3 (𝑡) = − 𝜆1 𝑥3 (𝑡) + 𝑢(𝑡) (II.39)
1

Pour 𝑥2 (𝑡), on pose:

𝑈(𝑝) 1 𝑈(𝑝)
𝑋2 (𝑝) = (𝑝+𝜆 2 ⟹ 𝑋2 (𝑝) = 𝑝+𝜆 (II.40)
1) 1 𝑝+𝜆1
1
⟹ 𝑋2 (𝑝) = 𝑝+𝜆 𝑋3 (𝑝)
1

⟹ 𝑥̇ 2 (𝑡) = − 𝜆1 𝑥2 (𝑡) + 𝑥3 (𝑡) (II.41)

Et de la même manière, on obtient 𝑥1 (𝑡):
𝑈(𝑝) 1 𝑈(𝑝)
𝑋1 (𝑝) = (𝑝+𝜆 3 ⟹ 𝑋1 (𝑝) = 𝑝+𝜆 (𝑝+𝜆 )2
1) 1 1
1
⟹ 𝑋1 (𝑝) = 𝑝+𝜆 𝑋2 (𝑝)
1

⟹ 𝑥̇ 1 (𝑡) = − 𝜆1 𝑥1 (𝑡) + 𝑥2 (𝑡) (II.42)

Et finalement, on a:
𝑥̇ 1 (𝑡) = − 𝜆1 𝑥1 (𝑡) + 𝑥2 (𝑡)
𝑥̇ 2 (𝑡) = − 𝜆1 𝑥2 (𝑡) + 𝑥3 (𝑡)
𝑥̇ 3 (𝑡) = − 𝜆1 𝑥3 (𝑡) + 𝑢(𝑡) (II.43)
𝑥̇ 𝑖 (𝑡) = − 𝜆𝑖 𝑥𝑖 (𝑡) + 𝑢(𝑡) 𝑖 = 4, … , 𝑛
{𝑦(𝑡) = 𝛼1 𝑥1 (𝑡) + 𝛼2 𝑥2 (𝑡) + ⋯ + 𝛼𝑛 𝑥𝑛 (𝑡)
D'où la représentation d'état:
− 𝜆1 1 0 0 ⋯ 0 0
0 − 𝜆1 1 ⋮ ⋱ 0 0
𝑥̇ = ⋮ 0 − 𝜆1 0 ⋱ ⋮ 𝑥+
1
u
0 ⋯ 0 − 𝜆4 ⋯ 0 1 (II.44)
⋮ ⋯ ⋮ ⋮ ⋱ ⋮ ⋮
[ 0 ⋯ ⋯ 0 ⋯ − 𝜆𝑛 ] [ 1]
{ 𝑦 = [𝛼1 𝛼2 ⋯ 𝛼𝑛−1 𝛼𝑛 ] 𝑥 + [0] 𝑢
Si on a plusieurs pôles multiples, la forme générale de la matrice de Jordan est donnée par:
𝐽1 0 ⋯ 0
0 𝐽2 ⋱ ⋮
(II.45)
⋮ ⋱ ⋱ 0
[ 0 ⋯ 0 𝐽𝑛 ]
où

Université de GHARDAIA N. HACENE Page 21

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

− 𝜆𝑖 1 0 ⋯ 0
0 − 𝜆𝑖 1 ⋱ 0
𝐽𝑖 = ⋮ 0 ⋱ ⋱ ⋮ (II.46)
0 ⋯ ⋱ − 𝜆𝑖 1
[ 0 0 ⋯ 0 − 𝜆𝑖 ]
est la sous-matrice de Jordan
La représentation obtenue est appelée la forme de Jordan. Le schéma analogique de cette représentation
est montré dans la Figure II.6.

𝛼3

𝛼2

𝟏 𝟏 𝟏
𝛼1
𝐬 + 𝛌𝟏 𝑥3 𝐬 + 𝛌𝟏 𝑥2 𝐬 + 𝛌𝟏 𝑥1
u(t) y(t)

𝑥̇ 4 𝟏 𝑥4
𝛼4
𝐬
−

𝜆4

𝑥̇ 𝑛 𝟏 𝑥𝑛
𝛼𝑛
𝐬
−

𝜆𝑛

Figure II.6: Schéma analogique correspond à la forme de Jordan

II.3.5. Le cas où le numérateur possède le même degré que le dénominateur

La causalité des systèmes dynamiques exige que le degré du numérateur soit inférieur ou égal au
degré du dénominateur. Jusqu'à présent, nous avons seulement considéré que le degré du numérateur était
inférieur au degré du dénominateur, mais on considère maintenant que le degré du numérateur est égal au
degré du dénominateur:
𝑌(𝑝) 𝑏𝑛 𝑝𝑛 + 𝑏𝑛−1 𝑝𝑛−1 + …+ 𝑏1 𝑝 + 𝑏0
FT = = (II.47)
𝑈(𝑝) 𝑝𝑛 + 𝑎𝑛−1 𝑝𝑛−1 +𝑎𝑛−2 𝑝𝑛−2 +⋯+ 𝑎1 𝑝 + 𝑎0
L'expression précédente peut s'écrire comme suit:
𝑌(𝑝)
FT = 𝑈(𝑝) =
𝑏𝑛 (𝑝𝑛 + 𝑎𝑛−1 𝑝𝑛−1 +𝑎𝑛−2 𝑝𝑛−2 +⋯+ 𝑎1 𝑝 + 𝑎0 )+(𝑏𝑛−1 −𝑏𝑛 𝑎𝑛−1 ) 𝑝𝑛−1 +(𝑏𝑛−2 −𝑏𝑛 𝑎𝑛−2 )𝑝𝑛−2 + …+(𝑏1 −𝑏𝑛 𝑎1 ) 𝑝 + (𝑏0 −𝑏𝑛 𝑎0 )
𝑝𝑛 + 𝑎𝑛−1 𝑝𝑛−1 +𝑎𝑛−2 𝑝𝑛−2 +⋯+ 𝑎1 𝑝 + 𝑎0

(II.48)

Université de GHARDAIA N. HACENE Page 22

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

Et donc
𝑌(𝑝) (𝑏𝑛−1 −𝑏𝑛 𝑎𝑛−1 ) 𝑝𝑛−1 +(𝑏𝑛−2 −𝑏𝑛 𝑎𝑛−2 )𝑝𝑛−2 + …+(𝑏1 −𝑏𝑛 𝑎1 ) 𝑝 + (𝑏0 −𝑏𝑛 𝑎0 )
FT = = 𝑏𝑛 + (II.49)
𝑈(𝑝) 𝑝𝑛 + 𝑎𝑛−1 𝑝𝑛−1 +𝑎𝑛−2 𝑝𝑛−2 +⋯+ 𝑎1 𝑝 + 𝑎0
Alors, on peut appliquer les différentes formes canoniques au deuxième terme du membre droit de
cette expression, où le terme 𝑏𝑛 forme la matrice D. Par exemple, on veut trouver la forme de commande,
alors, on trouve:
0 𝟏 0 ⋯ 0 0
0 0 𝟏 ⋱ ⋮ 0
𝑥̇ = ⋮ ⋱ ⋱ ⋱ 0 𝑥+ ⋮ 𝑢
0 ⋯ 0 0 𝟏 (II.50)
0
[− 𝑎0 − 𝑎1 ⋯ − 𝑎𝑛−2 − 𝑎𝑛−1 ] [1 ]
{ 𝑦 = [𝑏0 − 𝑏𝑛 𝑎0 𝑏1 − 𝑏𝑛 𝑎1 ⋯ 𝑏𝑛−2 − 𝑏𝑛 𝑎𝑛−2 𝑏𝑛−1 − 𝑏𝑛 𝑎𝑛−1 ] 𝑥 + [𝒃𝒏 ] 𝑢
La forme observable sera:
0 0 0 ⋯ − 𝑎0 𝑏0 − 𝑏𝑛 𝑎0
𝟏 0 0 ⋱ − 𝑎1 𝑏1 − 𝑏𝑛 𝑎1
𝑥̇ = ⋮ 𝟏 ⋱ ⋱ ⋮ 𝑥+ ⋮ 𝑢
0 ⋯ ⋱ 0 𝑎𝑛−2 𝑏𝑛−2 − 𝑏𝑛 𝑎𝑛−2 (II.51)
[0 0 ⋯ 𝟏 − 𝑎𝑛−1 ] [𝑏𝑛−1 − 𝑏𝑛 𝑎𝑛−1 ]
{ 𝑦 = [0 0 ⋯ 0 1] 𝑥 + [𝒃𝒏 ] 𝑢
Pour la forme modale, la fonction de transfert peut s'écrire comme suit
𝑌(𝑝) 𝛼1 𝛼2 𝛼𝑛
FT = = 𝑏𝑛 + + +⋯+ (II.52)
𝑈(𝑝) 𝑝+𝜆1 𝑝+𝜆2 𝑝+𝜆𝑛
Alors la forme modal reste la même sauf la matrice D qui sera [𝑏𝑛 ]:
− 𝜆1 0 0 ⋯ 0 1
0 − 𝜆2 0 ⋱ 0 1
𝑥̇ = ⋮ 0 ⋱ ⋱ ⋮ 𝑥+ ⋮ 𝑢
(II.53)
0 ⋯ ⋱ − 𝜆𝑛−1 0 1
[ 0 0 ⋯ 0 − 𝜆𝑛 ] [ 1]
{𝑦 = [𝛼1 𝛼2 ⋯ 𝛼𝑛−1 𝛼𝑛 ] 𝑥 + [𝒃𝒏 ] 𝑢
Et la même chose est dite pour la forme de Jordan; on peut l'écrire comme suit:
− 𝜆1 1 0 0 ⋯ 0 0
0 − 𝜆1 1 ⋮ ⋱ 0 0
𝑥̇ = ⋮ 0 − 𝜆1 0 ⋱ ⋮ 𝑥+
1
𝑢
0 ⋯ 0 − 𝜆4 ⋯ 0 1 (II.54)
⋮ ⋯ ⋮ ⋮ ⋱ ⋮ ⋮
[ 0 ⋯ ⋯ 0 ⋯ − 𝜆𝑛 ] [ 1 ]
{ 𝑦 = [𝛼1 𝛼2 ⋯ 𝛼𝑛−1 𝛼𝑛 ] 𝑥 + [𝒃𝒏 ] 𝑢

II.3.6. Remarques

1. Décomposition de la fonction de transfert en fractions simples

Soit:
𝑁(𝑝)
𝐻(𝑝) = 𝑞 (II.55)
(𝑝− 𝑝𝑞 ) (𝑝− 𝑝𝑞+1 )⋯(𝑝− 𝑝𝑛 )

Université de GHARDAIA N. HACENE Page 23

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

H(p) peut s'écrire comme suit:

𝛼1 𝛼2 𝛼𝑞 𝛼𝑞+1 𝛼
H(p) = 𝑞 + 𝑞−1 + ⋯+ (𝑝− 𝑝 ) + (𝑝− 𝑝 +⋯+ (𝑝− 𝑛𝑝 (II.56)
(𝑝− 𝑝𝑞 ) (𝑝− 𝑝𝑞 ) 𝑞 𝑞+1 ) 𝑛)

Dont,
1 di−1 𝑞
 𝛼𝑖 = (i−1)! dpi−1 {(𝑝 − 𝑝𝑞 ) 𝐻(𝑝) }|𝑝= 𝑝𝑞 pour i = 1,…,q (pôles multiples)
 𝛼𝑖 = (𝑝 − 𝑝𝑖 ) H(p) |𝑝= 𝑝𝑖 pour i > q (pôles simples)

2. Si nous disposons d'un système linéaire monovariable donné par sa représentation d'état et si nous
souhaitons obtenir sa forme modale, il nous faudra calculer sa fonction de transfert et la décomposer en
éléments simples. Si tous ces éléments simples sont de première espèce (c'est-à-dire que la fonction de
𝛼1 𝛼2 𝛼𝑛
transfert a la forme ( + +⋯+ + d) il est possible de mettre le système sous forme
𝑝+𝜆1 𝑝+𝜆2 𝑝+𝜆𝑛
modale (attention, fréquemment, cela n'est pas possible). La matrice de passage P peut être obtenue
aisément en prenant comme colonnes les vecteurs propres de la matrice d'état A.

3. La transformation A' = AT; B' = CT; C' = BT et D' = DT, nous fait passer de la forme canonique de
commande à celle d'observation et vice-versa. Elle ne change pas le système.

Pour cela, considérons le système S dont les matrices d'état sont (A,B,C,D) et le système S' dont les
matrices d'état sont (A' = AT, B' = CT, C' = BT, D' = DT). La matrice de transfert associée à S est:
𝐺(𝑝) = 𝐶 (𝑝𝐼 − 𝐴)−1 𝐵 + 𝐷
Et celle associée à S' est:
𝐺′(𝑝) = 𝐶′ (𝑝𝐼 − 𝐴′ )−1 𝐵′ + 𝐷′
= 𝐵 𝑇 ((𝑝𝐼 − 𝐴)−1 )𝑇 𝐶 𝑇 + 𝐷𝑇
= (𝐶 (𝑝𝐼 − 𝐴𝑇 )−1 𝐵)𝑇 + 𝐷𝑇
= (𝐶 (𝑝𝐼 − 𝐴𝑇 )−1 𝐵 + 𝐷)𝑇
= 𝐺 𝑇 (𝑝)
Or 𝐺(𝑝) est un scalaire et donc, 𝐺 𝑇 (𝑝) = 𝐺(𝑝) .
Propriétés,
(𝐴𝐵)−1 = 𝐵 −1 𝐴−1
(𝐴𝐵)𝑇 = 𝐵 𝑇 𝐴𝑇
(𝐴𝑇 )−1 = (𝐴−1 )𝑇
(𝛼 𝐴)−1 = (1/α) 𝐴−1

4. Passage à la forme modale ou la forme de Jordan

Pour obtenir la forme modale si les pôles sont distincts ou la forme du Jordan s'il existe des pôles
multiples, on utilise le passage:

A' = 𝑇 −1 A T

B' = 𝑇 −1 B

C' = C T

D' = D

Université de GHARDAIA N. HACENE Page 24

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

5. Résumé

la forme canonique de commande la forme canonique d'observation

0 𝟏 0 ⋯ 0 0 0 0 0 ⋯ − 𝑎0 𝑏0
0 0 𝟏 ⋱ ⋮ 0 𝟏 0 0 ⋱ − 𝑎1 𝑏1
𝑥̇ = ⋮ ⋱ ⋱ ⋱ 0 𝑥+ ⋮ u 𝑥̇ = ⋮ 𝟏 ⋱ ⋱ ⋮ 𝑥+ ⋮ u
0 ⋯ 0 0 𝟏 0 0 ⋯ ⋱ 0 𝑎𝑛−2 𝑏𝑛−2
[− 𝑎0 − 𝑎1 ⋯ − 𝑎𝑛−2 – 𝑎𝑛−1 ] [1] [0 0 ⋯ 𝟏 − 𝑎𝑛−1 ] [𝑏𝑛−1 ]
{𝑦 = [𝑏0 𝑏1 ⋯ 𝑏𝑛−2 𝑏𝑛−1 ] 𝑥 + [0] 𝑢 { 𝑦 = [0 0 ⋯ 0 1] 𝑥 + [0] 𝑢

La forme modale (modes propres) Forme de Jordan

− 𝜆1 0 0 ⋯ 0 − 𝜆1 1 0 0 ⋯ 0 0
1
0 − 𝜆2 0 ⋱ 0 0 − 𝜆1 1 ⋮ ⋱ 0 0
1
𝑥̇ = ⋮ 0 ⋱ ⋱ ⋮ 𝑥+ ⋮ u ⋮ 0 − 𝜆1 0 ⋱ ⋮ 1
𝑥̇ = 𝑥+ u
0 ⋯ ⋱ − 𝜆𝑛−1 0 1 0 ⋯ 0 − 𝜆4 ⋯ 0 1
[ 0 0 ⋯ 0 − 𝜆𝑛 ] [1] ⋮ ⋯ ⋮ ⋮ ⋱ ⋮ ⋮
[ 0 ⋯ ⋯ 0 ⋯ − 𝜆𝑛 ] [1]
{𝑦 = [𝛼1 𝛼2 ⋯ 𝛼𝑛−1 𝛼𝑛 ] 𝑥 + [0] 𝑢
{ 𝑦 = [𝛼1 𝛼2 ⋯ 𝛼𝑛−1 𝛼𝑛 ] 𝑥 + [0] 𝑢

Université de GHARDAIA N. HACENE Page 25

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

II.4. Résolution de l'équation d'état

Considérons l'équation différentielle du premier ordre:
𝑑𝑥
= a x(t) + b u(t) (II.57)
𝑑𝑡
Dont, x(t) et u(t) sont des fonctions scalaires du temps. Prenons, la transformée de Laplace des deux
membres de l'équation précédente, on obtient:
𝑝𝑋(𝑝)– 𝑥(0) = 𝑎 𝑋(𝑝) + 𝑏 𝑈(𝑝) (II.58)
Où, x(0) est la condition initiale, d'où:
𝑥(0) 𝑏
𝑋(𝑝) = 𝑝−𝑎 + 𝑝−𝑎
𝑈(𝑝) (II.59)

Appliquons, la transformée inverse de Laplace, on obtient:

𝑡
x(t) = 𝑒 𝑎𝑡 x(o) + ∫0 𝑒 𝑎(𝑡− 𝜏) 𝑏 𝑢(𝜏) 𝑑𝜏 (II.60)

Régime libre Régime forcé

(U = 0) (x(0) = 0)

Considérons, maintenant l'équation d'état

𝑥̇ = A x + B u (II.61)
Où, x(t), u(t), A et B sont des matrices, mais l'on convient que l'expression précédente reste valable. Cela
nous amène à considérer une fonction matricielle de type nouveau, 𝑒 𝐴𝑡 :
Φ(t) = 𝑒 𝐴𝑡 (II.62)
Qui s'appelle la matrice de transition.
Alors, le problème de la résolution des équations d'état se ramène au problème du calcul de la matrice de
transition.
II.4.1. Calcul de la matrice de transition par la transformée de Laplace
On a:
𝑥̇ (𝑡) = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡)
{ 𝑡 (II.63)
𝑥(𝑡) = 𝑒 𝐴𝑡 𝑥(𝑜) + ∫0 𝑒 𝐴(𝑡− 𝜏) 𝑏 𝑢(𝜏) 𝑑𝜏
Prenons, les transformée de Laplace de ces deux équations:
𝑝 𝑋(𝑝) − 𝑥(0) = 𝐴 𝑋(𝑝) + 𝐵 𝑈(𝑝)
{ (II.64)
𝑋(𝑝) = 𝛷(𝑝)𝑥(𝑜) + 𝛷(𝑝) 𝐵 𝑈(𝑝)

Il vient:
𝑋(𝑝) = (𝑝𝐼 − 𝐴)−1 [𝑥(𝑜) + 𝐵 𝑈(𝑝)]
{ (II.65)
𝑋(𝑝) = 𝛷(𝑝) [𝑥(𝑜) + 𝐵 𝑈(𝑝)]
En identifiant les deux expressions, il vient:
𝛷(𝑝) = (𝑝𝐼 − 𝐴)−1 (II.66)
Si l'on applique la transformée de La place inverse 𝐿−1 , on a finalement:

𝛷(𝑡) = 𝐿−1[(𝑝𝐼 − 𝐴)−1 ]

(II.67)

Théorème (Algorithme de Leverrier):

Le théorème calcule la matrice:

Université de GHARDAIA N. HACENE Page 26

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

𝑝𝑛−1 𝐹1 + 𝑝𝑛−2 𝐹2 + ⋯ + 𝑝𝐹𝑛−1 + 𝐹𝑛

𝛷(𝑝) =
𝑝𝑛 + 𝑎1 𝑝𝑛−1 + ⋯ + 𝑎𝑛−1 𝑝 + 𝑎𝑛
où 𝐹1 , 𝐹2 ,…,𝐹𝑛 et 𝑎1 , 𝑎2 ,…,𝑎𝑛 sont déterminés par:
𝐹1 = 𝐼 𝑎1 = −𝑡𝑟(𝐴𝐹1 )
1
𝐹2 = 𝐴𝐹1 + 𝑎1 𝐼 𝑎2 = − 2 𝑡𝑟(𝐴𝐹2 )
⋮
1
𝐹𝑛 = 𝐴𝐹𝑛−1 + 𝑎𝑛−1 𝐼 𝑎𝑛 = − 𝑛 𝑡𝑟(𝐴𝐹2 )
Après avoir 𝛷(𝑝), on décompose le dénominateur en fractions élémentaires, puis la matrice de transition
sera:
𝛷(𝑡) = 𝐿−1 [𝛷(𝑝)] (II.68)

II.4.2. Calcul de la matrice de transition par diagonalisation

Si A∗ est une matrice diagonale tellque:
𝜆1 0 ⋯ 0
0 𝜆2 ⋯ 0
A∗ = [ ] (II.69)
⋮ ⋮ ⋱ ⋮
0 0 ⋯ 𝜆𝑛
alors,
𝑒 𝜆1 𝑡 0 ⋯ 0
𝜆2 𝑡
𝑒𝐴 𝑡 = [ 0 𝑒 ⋯ 0 ]
∗
(II.70)
⋮ ⋮ ⋱ 0
0 0 ⋯ 𝑒 𝜆𝑛 𝑡
D'où l'idée de passer, par un changement de variable, de la représentation d'état initiale à une
représentation d'état dont la matrice d'état est diagonale.
Soit 𝑥 ∗ le nouveau vecteur d'état, M la matrice de changement de variable, dont:
x = M 𝑥∗ (II.71)
Alors,
𝑥̇ = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡) 𝑀 𝑥 ∗̇ = 𝐴 𝑀 𝑥 ∗ (𝑡) + 𝐵 𝑢(𝑡)
{ ⟹{
𝑦 = 𝐶 𝑥(𝑡) + 𝐷 𝑢(𝑡) 𝑦 = 𝐶 𝑀 𝑥 ∗ (𝑡) + 𝐷 𝑢(𝑡)
𝑥 ∗̇ = 𝑀−1 𝐴 𝑀 𝑥 ∗ (𝑡) + 𝑀 −1 𝐵 𝑢(𝑡)
⟹{
𝑦 = 𝐶 𝑀 𝑥 ∗ (𝑡) + 𝐷 𝑢(𝑡)
𝑥 ∗̇ = 𝐴∗ 𝑥 ∗ (𝑡) + 𝐵 ∗ 𝑢(𝑡)
⟹{ (II.72)
𝑦 = 𝐶 ∗ 𝑥 ∗ (𝑡) + 𝐷∗ 𝑢(𝑡)
Où,
A∗ = 𝑀−1 𝐴 𝑀
∗ −1
{𝐵 ∗ = 𝑀 𝐵 (II.73)
𝐶 = 𝐶𝑀
𝐷∗ = 𝐷
Supposons que la matrice d'état initiale A possède n valeurs propres distinctes 𝜆𝑖 , dans ce cas, on sait que
l'on obtiendra:
𝜆1 0 ⋯ 0
0 𝜆2 ⋯ 0
A∗ = [ ]
⋮ ⋮ ⋱ ⋮
0 0 ⋯ 𝜆𝑛

Université de GHARDAIA N. HACENE Page 27

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

Si l'on choisit 𝑀 = [𝑀1 𝑀2 ⋯ 𝑀𝑛 ], 𝑀𝑖 étant n vecteurs propres indépendants respectivement associés

aux n valeurs propres −𝜆𝑖 .
On a:
A∗ = 𝑀−1 𝐴 𝑀 ⟹ A = 𝑀 A∗ 𝑀−1
∗
⟹ 𝑒 𝐴𝑡 = 𝑀 𝑒 𝐴 𝑡 𝑀−1
𝑒 𝜆1 𝑡 0 ⋯ 0
𝜆2 𝑡
𝐴𝑡
⟹𝑒 =𝑀 [ 0 𝑒 ⋯ 0 ] 𝑀−1
⋮ ⋮ ⋱ 0
0 0 ⋯ 𝑒 𝜆𝑛𝑡

Alors,
𝑒 𝜆1 𝑡 0 ⋯ 0
𝜆2 𝑡
eAt = 𝑀 [ 0 𝑒 ⋯ 0 ] 𝑀−1
⋮ ⋮ ⋱ 0
0 0 ⋯ 𝑒 𝜆𝑛 𝑡
(II.74)

II.4.3. Calcul de la matrice de transition par développement en séries de Taylor

Considérons la partie homogène de l'équation d'état:
𝑥̇ = 𝐴 𝑥(𝑡) 𝑥(0) = 0 A∗ (II.75)
Alors, la matrice de transition 𝛷(𝑡) est une matrice 𝑛 × 𝑛 qui vérifie l'équation homogène:
𝛷̇(𝑡) = 𝐴 𝛷(𝑡) (II.76)
Pour déterminer la solution de l'équation d'état on suppose que le vecteur d'état prend la forme de séries
de Taylor:
𝑥(𝑡) = 𝑒0 + 𝑒1 𝑡 + 𝑒2 𝑡 2 + 𝑒3 𝑡 3 + ⋯ (II.77)
où 𝑒0 , 𝑒0 , 𝑒0 , 𝑒0 ,… sont des vecteurs constant inconnus de n dimensions. Pour déterminer ses vecteurs,
on dérive successivement l'équation précédente puis on évalue les dérivées à 𝑡 = 0. Alors, la zéro dérivée
du 𝑥(𝑡) à 𝑡 = 0 est 𝑥(0) = 𝑒0 , et la première dérivée du 𝑥(𝑡) à 𝑡 = 0 est 𝑥 (1) (0) = 𝑒1 , et on a:
𝑥 (1) (0) = 𝑒1 = 𝐴 𝑥(0)
𝑥 (2) (0) = 2𝑒2 = 𝐴 𝑥 (1) (0) = 𝐴2 𝑥(0)
⋮ (II.78)
(𝑘) (0)
𝑥 = 𝑘! 𝑒𝑘 = 𝐴 𝑥 (𝑘−1) (0) = 𝐴𝑘 𝑥(0)
{ ⋮
Alors, le vecteur 𝑥(𝑡) peut s'écrire:
1 1
𝑥(𝑡) = [𝐼 + 𝐴 𝑡 + 2! 𝐴2 𝑡 2 + 3! 𝐴3 𝑡 3 + ⋯ ] 𝑥(0) (II.79)
La série entre crochets définit la matrice de transition 𝑒 𝐴𝑡 , d'où:
1 1
𝛷(𝑡) = 𝑒 𝐴𝑡 = 𝐼 + 𝐴 𝑡 + 2! 𝐴2 𝑡 2 + 3! 𝐴3 𝑡 3 + ⋯ (II.80)
La série ci-dessus converge pour toute matrice carrée A. alors, la solution de l'équation d'état s"écrit
comme suit:
𝑥(𝑡) = 𝑒 𝐴𝑡 𝑥(0) (II.81)
Si on dérive les deux membres de l'équation précédente, on peut voir facilement que:
𝑥̇ (𝑡) = 𝐴 𝑒 𝐴𝑡 𝑥(0) = 𝐴 𝑥(𝑡) (II.82)

Université de GHARDAIA N. HACENE Page 28

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

II.4.4. Propriétés de la matrice de transition

Certaines propriétés de la matrice de transition sont données ci-dessous:
𝛷(0) = 𝐼 (II.83)
𝛷−1 (𝑡) = 𝛷(−𝑡) (II.84)
𝛷(𝑡2 − 𝑡1 )𝛷(𝑡1 − 𝑡0 ) = 𝛷(𝑡2 − 𝑡0 ) , ∀ 𝑡0 , 𝑡1 , 𝑡2 (II.85)
[𝛷(𝑡)]𝑘 = 𝛷(𝑘𝑡) (II.86)

II.5. Exercices

Exercice 1:

Diagonaliser les matrices suivantes:

0 1 0 0
0 1 0
0 1 0 0 1 0
[ ], [0 0 1], [ ]
−2 −3 0 0 0 1
0 1 0
0 2 1 2
Exercice 2:

Considérons le système décrit par les équations d'état suivantes:

4 −1/2 −1/2 1
𝑥̇ = [4 1 −1 ] 𝑥 + [ 2] 𝑢
{
4 −2 2 4
𝑦 = [2 1 1] 𝑥 + [0] 𝑢

- Trouver une représentation simple par deux manières différentes.

Exercice 3:

Soit la fonction de transfert:

𝑌(𝑝) 𝑝2 + 9𝑝 + 20
=
𝑈(𝑝) 𝑝3 + 6𝑝2 + 11𝑝 + 6

- Trouver les différentes formes canoniques du système.

Exercice 4:

Trouver les différentes formes canoniques du système.

𝑌(𝑝) 𝑝2 + 6𝑝 + 8
=
𝑈(𝑝) (𝑝 + 1)2 (𝑝 + 3)
Exercice 5:
Soit la fonction de transfert:
𝑌(𝑝) 3𝑝3 + 𝑝2 +9𝑝+20
=
𝑈(𝑝) 𝑝3 + 6𝑝2 +11𝑝+6

Université de GHARDAIA N. HACENE Page 29

Systèmes linéaires multivariables Chapitre II: Représentation d'état des systèmes multivariables

- Trouver les différentes formes canoniques du système.

Exercice 6:
Soit le circuit RLC de la Figure ci-contre.
Les variables d'état sont 𝑣𝑐 et 𝑖. Les conditions
initiales sont: 𝑥(0) = [0 1]𝑇 .
1. Déterminer une représentation d'état du système.
2. Déterminer la matrice de transition.
3. déterminer la solution de l'équation homogène.
4. Déterminer la solution générale.

Figure II.7: Circuit RLC

Exercice 7:
Pour l'exemple du système masse-ressort-amortisseur de la Figure I.3. La représentation d'état est
donnée par:
𝑥̇1 𝑦̇ 0 1 𝑦 0
𝑥̇ = [ ] = [ ] = [− 𝑘 − 𝑓] [ ] + [ 1 ] 𝑒(𝑡)
𝑥̇ 2 𝑦̈ 𝑦̇
𝑀 𝑀 𝑀
𝑦
𝑦 = [1 0] [𝑦̇ ]

- Trouver la matrice de transition 𝛷(𝑝) et 𝛷(𝑡), puis déterminer la réponse des variables d'état pour
les conditions initiales (y(0) = 1, 𝑦̇ = 0) en prenant: M = 1kg, f = 3Ns/m, k = 2 N/m et e(t) = 0.

Université de GHARDAIA N. HACENE Page 30

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

Chapitre III
Commandabilité et Observabilité

III.1. Introduction
La commandabilité (contrôlabilité) et l'observabilité représentent deux grands concepts de la théorie
moderne de contrôle des systèmes. Ces concepts à l'origine théoriques, introduits par R. Kalman en 1960,
sont particulièrement importants pour les mises en œuvre pratiques. Ils peuvent être définis
approximativement comme suit.
-Contrôlabilité: Afin de pouvoir faire ce que nous voulons avec la dynamique donné sous l'entrée de
commande, le système doit être contrôlable.
-Observabilité: Afin de voir ce qui se passe dans le système sous observation, le système doit être
observable.
Même si les concepts de contrôlabilité et d'observabilité sont presque abstraits, nous comprenons
maintenant intuitivement leurs significations. Le reste du problème est de produire des tests de contrôle
mathématique et de définir plus facilement la contrôlabilité et l'observabilité.
Dans ce chapitre, nous montrons que les concepts de contrôlabilité et d'observabilité sont liés aux
systèmes linéaires d'équations algébriques. Il est bien connu qu'un système soluble d'équations
algébriques linéaires a une solution si et seulement si le rang de la matrice du système est pleine. Les tests
de contrôlabilité et d'observabilité seront liés aux tests du rang des certaines matrices, connues sous le
nom de matrices de contrôlabilité et d'observabilité.
III.2. Commandabilité
La commande disponible sur le système devra rendre possible le passage du vecteur d'état d'un point
initial à un point final de l'espace d'état en un temps fini, et ceci quels que soit les points choisis; le
système sera alors dit commandable.
Définition: un système linéaire, décrit par les équations d'état:
𝑥̇ = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡)
{ (III.1)
𝑦 = 𝐶 𝑥(𝑡) + 𝐷 𝑢(𝑡)
est dit commandable (gouvernable) à l'instant t 0 si, quel que soit x(t 0 ), et quel que soit 𝑥𝑓 , il existe une
commande u(t),t ≥ t 0 , qui transfère l'état, de x(t 0 ) à 𝑥𝑓 , en un temps fini.

Condition nécessaire et suffisantes: dans le cas où le système est invariant (matrices A et B

indépendantes du temps), si n désigne l'ordre du système, c.à.d. le rang de la matrice A, le système est
commandable si seulement si la matrice:

Com = [B | AB | 𝐀𝟐 B | ⋯ | 𝐀𝐧−𝟏 B] (III.2)

est de rang n.

- dans le cas où la représentation d'état choisie est telle que la matrice d'état A est diagonale (espace d'état
modale), le système est commandable si et seulement si B ne possède pas de lignes nulles.

Université de GHARDAIA N. HACENE Page 32

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

Exemple III.1:
Soit le système décrit par les équations d'état suivantes:
0 1 −2 0 −1
𝑥̇ = [ 3 −4 5 ] 𝑥 + [2 −3] u
−6 7 8 4 −5
La matrice de commandabilité est:
0 −1 −6 7
Com = [[2 −3] | [ 12 −10] | A2 B]
4 −5 46 −55
Rang(Com) = 3, alors le système est commandable.
III.3. Observabilité:
La sortie du système devra permettre une observation correcte du vecteur d'état, c.à.d. que la
connaissance, durant un temps fini, des valeurs prises par la sortie devra suffire pour déterminer l'état du
système; celui-ci sera alors dit observable.
Définition: un système linéaire, décrit par les équations d'état:
𝑥̇ = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡)
{ (III.3)
𝑦 = 𝐶 𝑥(𝑡) + 𝐷 𝑢(𝑡)
est dit observable à l'instant t 0 si, quel que soit x(t 0 ), il existe un instant t −1, fini et inférieur à t 0 , tel que
la connaissance de y(t) pour tout t ∈ [t −1,t 0 ] soit suffisante pour déterminer x(t 0 ).

Condition nécessaire et suffisantes: dans le cas où le système est invariant, le système est observable
si seulement si la matrice:

Ob = [𝐂 𝐓 | 𝐀𝐓 𝐂 𝐓 | (𝐀𝐓 )𝟐 𝐂 𝐓 | ⋯ | (𝐀𝐓 )𝐧−𝟏 𝐂 𝐓 ] (III.4)

ou

𝐂
𝐂𝐀
Ob = 𝑪𝐀𝟐 (III.5)
⋮
[𝑪𝐀𝐧−𝟏 ]

est de rang n.
- dans le cas où la représentation d'état choisie est telle que la matrice d'état A est diagonale, le système
est observable si et seulement si C ne possède pas de colonnes nulles.

III.4. Dualité entre la commandabilité et l’observabilité

On appelle duaux les systèmes définis respectivement par les équations:
𝑥̇ = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡)
S{ (III.6)
𝑦 = 𝐶 𝑥(𝑡)

𝑧̇ = 𝐴𝑇 𝑧(𝑡) + 𝐶 𝑇 𝑣(𝑡)
S∗ { (III.7)
𝑠 = 𝐵 𝑇 𝑧(𝑡)
On peut montrer que si S est commandable à t 0 , alors S ∗ est observable à t 0 , et inversement, c.à.d. si S
est observable à t 0 , alors S ∗ est commandable à t 0 .
Il est donc possible de tester l'observabilité d'un système en vérifiant la commandabilité du système
dual.

Université de GHARDAIA N. HACENE Page 33

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

Exemple III.2:
Soit le système décrit par sa fonction de transfert suivante:
𝑌(𝑝) 𝑝+3 𝑝+3
= =
𝑈(𝑝) 𝑝3 +6 𝑝2 +11𝑝+6 (𝑝+1)(𝑝+2)(𝑝+3)

- Examiner la commandabilité et l'observabilité du système.

III.5. Etude de quelques formes canoniques
III.5.1. La forme canonique de commande
Cette forme de représentation est appelée aussi forme compagne commandable car la matrice de
commande du système contient, en une seule ligne, l'ensemble des coefficients du dénominateur de la
fonction de transfert. Elle est dite commandable car, bien que seule la variable 𝑥𝑛 soit directement
affectée par le signal d'entrée, toutes les variables d'état s'en trouvent influencées successives. Si un
système est completement commandable, alors on peut le mettre sous la forme compagne commandable.

a n−1 a n−2 a1 a0

u − 𝑥̇ 𝑛 𝑥𝑛 𝑥̇ 𝑛−1 𝑥𝑛−1 𝑥̇ 2 𝑥2 𝑥̇1 𝑥1

1 1 1 1
+ s s s s

bn−1 bn−2 b1 b0

Figure III.1: La forme canonique de commande (forme compagne commandable)

III.5.2. La forme canonique d'observation
Cette forme de représentation est appelée aussi forme compagne observable car, outre la matrice de
commande du système contient, en une seule colonne, l'ensemble des coefficients du dénominateur de la
fonction de transfert. On remarque que la sortie du système est égale à 𝑥𝑛 qui, par intégrations
successives, est bien influencée par toutes les variables d'état. Si un système est complètement
observable, alors on peut le mettre sous forme compagne observable.

b0 b1 𝑥𝑛−1 bn−1

𝑥̇1 𝟏 𝑥1 𝑥̇ 2 𝟏 𝑥2 𝑥̇ 𝑛−1 𝟏 𝑥̇ 𝑛 𝟏 𝑥𝑛 = y

− 𝐬 − 𝐬 𝐬 𝐬
−

a0 a1 a n−1

Figure III.2: La forme canonique d'observation (forme compagne observable)

Université de GHARDAIA N. HACENE Page 34

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

III.5.3. La forme diagonale

La matrice de commande est diagonale et les éléments de sa diagonale principale sont les valeurs
propres (les pôles de la fonction de transfert).

III.6. Passage aux formes canoniques en utilisant les transformations similaires

On peut utiliser les transformations similaires pour obtenir les formes canoniques à partir des
représentations d'état quelconques. Supposons que on a une représentation quelconque (𝐴, 𝐵, 𝐶, 𝐷), et on
veut la transformer à une autre forme usuelle (𝐴∗ , 𝐵 ∗ , 𝐶 ∗ , 𝐷∗ ) en utilisant une transformation similaire
comme suit:

𝑇
(𝐴, 𝐵, 𝐶, 𝐷) (𝐴∗ , 𝐵 ∗ , 𝐶 ∗ , 𝐷∗ )
𝑥 𝑧

III.6.1. Passage à la forme compagne commandable

On peut transformer une représentation d'état quelconque à la forme commandable si le système est
complètement commandables. Si la matrice de commandabilité Com (Eq. III.8)
𝐶𝑜𝑚 = [𝐵 | 𝐴𝐵 | 𝐴2 𝐵 | ⋯ | 𝐴𝑛−1 𝐵] (III.8)
est de rang plein c.-à-d., le rang égal l'ordre du système n, il existe une matrice de transformation 𝑇 qui
transforme la représentation donnée à la forme de commande. Cette matrice 𝑇 peut être calculé à partir de
sa matrice inverse:
𝑞
𝑞𝐴
𝑇 −1 = 𝑞 𝐴2 (III.9)
⋮
[𝑞 𝐴𝑛−1 ]
Où 𝑞 est la dernière ligne de la matrice 𝐶𝑜𝑚−1.

Démonstration:

Puisque 𝑥 = 𝑇 𝑧, il s'ensuit que: 𝑧 = 𝑇 −1 𝑥. On a aussi 𝑧1 = 𝑞 𝑥 et 𝑧̇1 = 𝑞 𝑥̇ .

Si on replace 𝑥̇ = 𝐴𝑥 + 𝐵𝑢, on obtient 𝑧̇1 = 𝑞 (𝐴𝑥 + 𝐵𝑢) = 𝑞𝐴𝑥 + 𝑞𝐵𝑢. De la structure de la matrice
d'état 𝐴∗ dans la forme de commande, il s'ensuit que: 𝑧̇1 = 𝑧2 , 𝑧̇2 = 𝑧3 ,…, 𝑧̇𝑛−1 = 𝑧𝑛 . Alors:

𝑧̇1 = 𝑧2 = 𝑞𝐴𝑥 + 𝑞𝐵𝑢

Puisque, selon la relation 𝑧 = 𝑇 −1 𝑥, les éléments de 𝑧 sont fonctions des éléments de 𝑥, alors, il en
résulte que 𝑞𝐵 = 0. Aussi, puisque: 𝑧̇2 = 𝑧3 = 𝑞𝐴𝑥̇ = 𝑞𝐴(𝐴𝑥 + 𝐵𝑢) = 𝑞𝐴2 𝑥 + 𝑞𝐴𝐵𝑢.
Il s'ensuit que: 𝑞𝐴𝐵 = 0. Si on répète cette procédure, on arrive à l'équation finale:

𝑧̇𝑛−1 = 𝑧𝑛 = 𝑞𝐴𝑛−2 𝑥̇ = 𝑞𝐴𝑛−2 (𝐴𝑥 + 𝐵𝑢) = 𝑞𝐴𝑛−1 𝑥 + 𝑞𝐴𝑛−2 𝐵𝑢

et, par conséquence, 𝑞𝐴𝑛−2 𝐵 = 0. Les résultat ci-dessus peuvent être résumés comme suit:

Université de GHARDAIA N. HACENE Page 35

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

𝑧 = 𝑇 −1 𝑥, avec
𝑞
𝑞𝐴
𝑇 −1 = 𝑞 𝐴2
⋮
[𝑞 𝐴𝑛−1 ]

où 𝑞 est pour le moment, un vecteur ligne arbitraire qui doit satisfaire la relations suivantes:

𝑞𝐵 = 𝑞𝐴𝐵 = 𝑞𝐴2 𝐵 = ⋯ = 𝑞𝐴𝑛−2 𝐵 = 0,

ou

𝑞[𝐵 |𝐴𝐵 | 𝐴2 𝐵 | ⋯ | 𝐴𝑛−2 𝐵] = 0

Pour le vecteur 𝐵 ∗ = 𝑇 −1 𝐵 pour être sous la forme commandable, il faut que:

𝑞𝐵 0
𝑞𝐴𝐵 0
𝐵 ∗ = 𝑇 −1 𝐵 = 𝑞 𝐴2 𝐵 = 0
⋮ ⋮
[𝑞 𝐴𝑛−1 𝐵] [1]

La relation ci-dessus est valable lorsque 𝑞 𝐴𝑛−1 𝐵 = 1, par conséquent, le vecteur 𝑞 doit satisfaire
l'équation:

𝑞[𝐵 |𝐴𝐵 | 𝐴2 𝐵 | ⋯ | 𝐴𝑛−2 𝐵|𝐴𝑛−1 𝐵] = 𝑞 𝐶𝑜𝑚 = [0 0 ⋯ 0 1]

D'où

𝑞 = [0 0 ⋯ 0 1] 𝐶𝑜𝑚−1

Qui implique que 𝑞 est la dernière ligne de la matrice 𝐶𝑜𝑚−1.

Exemple III.3:

Considérons le système:
1 −1 1
𝐴=[ ], 𝐵=[ ]
−1 2 1
Transformer le système à la forme commandable.
Solution

1 0
𝐶𝑜𝑚 = [𝐵 𝐴𝐵 ] = [ ]
1 1
La matrice 𝐶𝑜𝑚 est inversible car sa déterminant |𝐶𝑜𝑚| = 1 ≠ 0 est non nul (le rang(Com)= l'ordre du
système 2). Donc, le système peut être écrit sous la forme de commande.

Alors,

Université de GHARDAIA N. HACENE Page 36

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

1 0
𝐶𝑜𝑚−1 = [ ]
−1 1
La matrice
𝑞 −1 1 −3 1
𝑇 −1 = [𝑞 𝐴] = [ ] alors, 𝑇 = [ ]
−2 3 −2 1
On obtient, donc:

−1 1 1 −1 −3 1 −2 3 −3 1 0 1
𝐴∗ = 𝑇 −1 𝐴𝑇 = [ ][ ][ ]=[ ][ ]=[ ]
−2 3 −1 2 −2 1 −5 8 −2 1 −1 3
−1 1 1 0
𝐵 ∗ = 𝑇 −1 𝐵 = [ ][ ] = [ ]
−2 3 1 1
III.6.2. Passage de la forme commandable à la forme diagonale (modale)

Supposons que le système est déjà sous la forme canonique de commande et que nous voulons
diagonaliser la matrice 𝐴 du système. Une méthode générale pour diagonaliser toute matrice carrée est
donnée dans la Section II.1.2. Pour le cas particulier où la matrice 𝐴 est déjà sous la forme canonique de
commande, la diagonalisation est simple et peut être réalisée comme suit:

Une matrice de transformation similaire 𝑇, qui diagonalise la matrice 𝐴, peut être déterminée par:

𝐴∗ = 𝑇 −1 𝐴𝑇 ou 𝐴𝑇 = 𝑇𝐴∗

Donc,

0 1 0 ⋯ 0 𝑡1 𝑡1 𝜆1 0 0 ⋯ 0
0 0 1 ⋱ ⋮ 𝑡2 𝑡2 0 𝜆2 0 ⋯ 0
⋮ ⋱ ⋱ ⋱ 0 𝑡3 = 𝑡3 0 0 𝜆3 ⋯ 0
0 ⋯ 0 0 1 ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
[− 𝑎0 − 𝑎1 ⋯ − 𝑎𝑛−2 − 𝑎𝑛−1 ] [𝑡𝑛 ] [𝑡𝑛 ] [ 0 0 0 ⋯ 𝜆𝑛 ]

Alors,

𝑡2 = 𝑡1 𝐴∗

𝑡3 = 𝑡2 𝐴∗ = 𝑡1 𝐴∗ 2

𝑡4 = 𝑡3 𝐴∗ = 𝑡1 𝐴∗ 3

𝑡𝑛−1 = 𝑡𝑛−2 𝐴∗ = 𝑡1 𝐴∗ 𝑛−2

𝑡𝑛 = 𝑡𝑛−1 𝐴∗ = 𝑡1 𝐴∗ 𝑛−1

𝑡𝑛 𝐴∗ = 𝑎 𝑇

où 𝑎 = [− 𝑎0 − 𝑎1 ⋯ − 𝑎𝑛−2 − 𝑎𝑛−1 ]

posons: 𝑡1 = [1 1 ⋯ 1 1], alors la matrice 𝑇 prend la forme suivante:

Université de GHARDAIA N. HACENE Page 37

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

𝑡1 1 1 1 ⋯ 1
𝑡2 𝜆1 𝜆2 𝜆3 ⋯ 𝜆𝑛
𝑡3 𝜆1 2 𝜆2 2 𝜆3 2 ⋯ 𝜆𝑛 2
𝑇= ⋮= (III.10)
⋮ ⋮ ⋮ ⋱ ⋮
𝑡𝑛−1 𝜆1 𝑛−2 𝜆2 𝑛−2 𝜆3 𝑛−2 ⋯ 𝜆𝑛 𝑛−2
[ 𝑡𝑛 ] [𝜆1 𝑛−1 𝜆2 𝑛−1 𝜆3 𝑛−1 ⋯ 𝜆𝑛 𝑛−1 ]
Cette forme particulière de la matrice 𝑇 est connue sous le nom de la matrice de Vandermonde, et elle
est toujours régulière à condition que les valeurs propres soient distinctes.

Exemple III.4:

Diagonaliser la matrice A donnée sous la forme de commande.

0 1 0
𝐴 = [0 0 1]
6 11 6
Solution:

Le polynôme caractéristique 𝑝(𝑝) est donné par:

𝑝(𝑝) = |𝑝𝑖 − 𝐴| = 𝑝3 − 6𝑝2 − 11𝑝 − 6 = (𝑝 − 1)(𝑝 − 2)(𝑝 − 3)

Par conséquent, les valeurs propres sont: 𝜆1 = 1, 𝜆2 = 2 et 𝜆3 = 3.

La matrice de transformation sera:

1 1 1 1 1 1
𝑇 = [ 𝜆1 𝜆2 𝜆 3 ] = [1 2 3]
𝜆1 2 𝜆2 2 𝜆3 2 1 4 9

Alors,

1 1 1 −1 0 1 0 1 1 1 1 0 0
𝐴∗ = 𝑇 −1 𝐴𝑇 = [1 2 3] [0 0 1] [1 2 3] = [0 2 0]
1 4 9 6 11 6 1 4 9 0 0 3
III.7. L'invarience de la commandabilité et l'observabilité

Les propriétés de commandabilité et observabilités sont invariantes sous les transformations similaires
des vecteurs d'état. En effet, les matrices 𝐶𝑜𝑚∗ et 𝑂𝑏𝑠 ∗ sont reliées au matrice 𝐶𝑜𝑚 et 𝑂𝑏𝑠 comme suit:

𝐶𝑜𝑚∗ = [𝐵 ∗ | 𝐴∗ 𝐵 ∗ | (𝐴∗ )2 𝐵∗ | ⋯ | (𝐴∗ )𝑛−1 𝐵 ∗ ]

= [𝑇 −1 𝐵 |𝑇 −1 𝐴 𝑇 𝑇 −1 𝐵 | (𝑇 −1 𝐴𝑇)2 𝑇 −1 𝐵 | ⋯ | (𝑇 −1 𝐴𝑇)𝑛−1 𝑇 −1 𝐵]

= [𝑇 −1 𝐵 |𝑇 −1 𝐴 𝐵 | 𝑇 −1 𝐴2 𝐵 | ⋯ | 𝑇 −1 𝐴𝑛−1 𝐵]

= 𝑇 −1 [𝐵 |𝐴 𝐵 | 𝐴2 𝐵 | ⋯ | 𝐴𝑛−1 𝐵]

= 𝑇 −1 𝐶𝑜𝑚 (III.11)

Université de GHARDAIA N. HACENE Page 38

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

𝐶∗ 𝐶𝑇 𝐶𝑇 𝐶
∗ ∗ −1
𝐶 𝐴 𝐶 𝑇 𝑇 𝐴𝑇 𝐶 𝐴𝑇 𝐶𝐴
𝑂𝑏𝑠 ∗ = 𝐶 ∗ (𝐴∗ )2 = 𝐶 𝑇(𝑇 −1 𝐴𝑇)2 = 𝐶 𝐴2 𝑇 = 𝐶 𝐴2 𝑇 = 𝑂𝑏𝑠 𝑇 (III.12)
⋮ ⋮ ⋮ ⋮
[𝐶 ∗ (𝐴∗ )𝑛−1 ] [𝐶 𝑇(𝑇 −1 𝐴𝑇)𝑛−1 ] [𝐶 𝐴𝑛−1 𝑇] [𝐶 𝐴𝑛−1 ]

Les équations (III.11) and (III.12) montrent que si le système original est commandable et/ou
observable, alors, le sytème résultant d'une transformation similaire est aussi commandable et/ou
observable.

III.8. Relation entre la contrôlabilité, l'observabilité et la fonction de transfert

Il est clair que la matrice de fonctions de transfert 𝐻(𝑝) est une description entrée-sortie d’un
système, c'est-à-dire qu'elle relie le vecteur d'entrée 𝑈(𝑝) au vecteur de sortie 𝑌(𝑝) du système sans
nécessiter le vecteur d'état 𝑋(𝑝). A ce point, nous posons la question suivante: La matrice de transfert
𝐻(𝑝) est-elle affectée et comment par les propriétés de contrôlabilité et d'observabilité du système? La
réponse à cette question est d'une grande importance et constitue l’une des raisons fondamentales de la
préférence donnée aux équations d’état sur les matrices de transfert pour décrire les systèmes de contrôle.
Dans la suite, nous allons essayez de donner la réponse à cette question. Nous introduisons la définition
suivante:

𝐶𝑜𝑚𝑗 = [𝐵 |𝐴 𝐵 | 𝐴2 𝐵 | ⋯ | 𝐴𝑗−1 𝐵] (III.13)

𝑂𝑏𝑠𝑗 = [𝐶 𝑇 |𝐴𝑇 𝐶 𝑇 | (𝐴𝑇 )2 𝐶 𝑇 | ⋯ | (𝐴𝑇 )𝑗−1 𝐶 𝑇 ] (III.14)
Soit α et β les plus petits nombres entiers dont:

𝑟𝑎𝑛𝑔(𝐶𝑜𝑚𝛼 ) = 𝑟𝑎𝑛𝑔(𝐶𝑜𝑚𝛼+1 ) et 𝑟𝑎𝑛𝑔(𝑂𝑏𝑠𝛽 ) = 𝑟𝑎𝑛𝑔(𝑂𝑏𝑠𝛽+1 ) (III.15)

Alors,
𝑟𝑎𝑛𝑔(𝐶𝑜𝑚𝑖 ) = 𝑟𝑎𝑛𝑔(𝐶𝑜𝑚𝛼 ), ∀𝑖 >𝛼 (III.16)
et
𝑟𝑎𝑛𝑔(𝑂𝑏𝑠𝑖 ) = 𝑟𝑎𝑛𝑔(𝑂𝑏𝑠𝛽 ), ∀𝑖 >𝛽 (III.17)
Donc, l'indice 𝛼 est appelé l'indice de commandabilité et l'indice 𝛽 est appelé l'indice d'observabilité.
Il a été prouvé qu’il existe une forte relation entre les trois caractéristiques d'un système: a)
contrôlabilité et observabilité; (b) les matrices 𝐶𝑜𝑚 et 𝑂𝑏𝑠 et (c) la réalisation minimale de l'espace
d'états (voir chapitre IV). Cette relation forte est indiquée dans le théorème suivant:

Théorème III.1:
Pour un système donné par ces équations d'état, les trois propositions suivantes sont équivalentes:
a) Le système est observable et contrôlable - à savoir, le rang des deux matrices 𝐶𝑜𝑚 et 𝑂𝑏𝑠 est n.
b) 𝑟𝑎𝑛𝑔(𝑂𝑏𝑠𝛽 . 𝐶𝑜𝑚𝛼 ) = 𝑛.
c) La dimension n de la réalisation de l'espace d'états est minimale.

Université de GHARDAIA N. HACENE Page 39

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

Le théorème suivant relie les théories de contrôle classique et moderne, puisqu'il relie la description
classique entrée-sortie 𝐻(𝑝) à la description moderne d'un système dans l’espace d'état. Cette relation a
été mise au jour à partir des concepts de contrôlabilité et observabilité.

Théorème III.2:
Si la matrice de transfert d’un système implique des annulations de pôle-zéro, alors, le système est soit
incontrôlable ou non observable, ou les deux. Si la matrice de transfert n'implique aucune annulation
pôle-zéro, le système est à la fois contrôlable et observable.

Démonstration:
Considérons le système SISO suivant qui est déjà sous la forme diagonale:

𝑥̇ = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡)
{ (III.18)
𝑦 = 𝐶 𝑥(𝑡)
Pour ce système, on a:

𝑥̇ 𝑖 = − 𝜆𝑖 𝑥𝑖 (𝑡) + 𝑏𝑖 𝑢(𝑡), 𝑖 = 1,2, … , 𝑛 (III.19)

ou
1
𝑋𝑖 (𝑝) = 𝑝−𝜆 𝑈(𝑝) (III.20)
𝑖

où 𝑏𝑖 est le ième élément de 𝐵, donc:

𝑐 𝑏
𝑌(𝑝) = 𝐶 𝑋(𝑝) = ∑𝑛𝑖=1 𝑐𝑖 𝑋𝑖 (𝑝) = ∑𝑛𝑖=1 𝑝−𝜆
𝑖 𝑖
𝑈(𝑝) (III.21)
𝑖

où 𝑐𝑖 est le ième élément de 𝐶. La fonction de transfert du système possède la forme générale:

(𝑝−𝑧 )(𝑝−𝑧 )⋯(𝑝−𝑧 )

𝐻(𝑝) = 𝑘 (𝑝−𝜆1)(𝑝−𝜆2 )⋯(𝑝−𝜆𝑛 ) , 𝑚<𝑛 (III.22)
1 2 𝑛

Si on décompose 𝐻(𝑝) en fractions élémentaires, on obtient:

ℎ
𝐻(𝑝) = ∑𝑛𝑖=1 𝑝−𝜆𝑖 𝑈(𝑝) (III.23)
𝑖

Comparons (III.21) et (III.23), il en résulte:

ℎ𝑖 = 𝑐𝑖 𝑏𝑖 (III.24)
Par conséquent, si 𝐻(𝑝) implique l’annulation du pôle 𝜆𝑖 , il doit y avoir ℎ𝑖 = 0. De l'équation
(III.24), il s'ensuit que pour que ℎ𝑖 soit zéro, il doit alors y avoir soit 𝑏𝑖 = 0 ou 𝑐𝑖 = 0, ou même 𝑏𝑖 =
𝑐𝑖 = 0. Clairement, si 𝑏𝑖 = 0, le système est incontrôlable (car l'une des lignes de B vaut zéro) .Si 𝑐𝑖 = 0,
le système n'est pas observable (car une des colonnes de C vaut zéro). Enfin, si 𝑏𝑖 = 𝑐𝑖 = 0, le système
est alors à la fois incontrôlable et inobservable.
Si ℎ𝑖 ≠ 0, ∀ 𝑖, alors les 𝑏𝑖 et 𝑐𝑖 sont différents de zéro et donc le système est à la fois contrôlable et
observable.
Le théorème suivant est d'une grande importance pratique.

Université de GHARDAIA N. HACENE Page 40

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

Théorème III.3:
La matrice de transfert ne concerne que la partie contrôlable et observable d’un système.

L’importance pratique des théorèmes précédents, et en particulier du théorème III.2 est démontré par
les exemples suivants.
Exemple III.5:

Considérons le circuit de la Figure III.3. Déterminer la fonction de transfert et étudier la cas d'annulation
de pôle zéro.

Figure III.3: Circuit RC

Solution:

En appliquant le diviseur de tension, la fonction de transfert du circuit est:

𝑌(𝑝) 𝑍2 (𝑝)
𝐻(𝑝) = =
𝑈(𝑝) 𝑍1 (𝑝) + 𝑍2 (𝑝)

Avec:
1
𝑅1 (𝐶 𝑝) 𝑅1
1
𝑍1 (𝑝) = =
1
𝑅1 + 𝐶 𝑝 𝑅1 𝐶1 𝑝 + 1
1

1
𝑅2 (𝐶 𝑝) 𝑅2
2
𝑍2 (𝑝) = =
1
𝑅2 + 𝐶 𝑝 𝑅2 𝐶2 𝑝 + 1
2

Alors,
𝑅2
𝑌(𝑝) 𝑅2 𝐶2 𝑝 + 1 𝑅2 (𝑅1 𝐶1 𝑝 + 1)
𝐻(𝑝) = = =
𝑈(𝑝) 𝑅1 𝑅2 𝑅1 (𝑅2 𝐶2 𝑝 + 1) + 𝑅2 (𝑅1 𝐶1 𝑝 + 1)
𝑅1 𝐶1 𝑝 + 1 + 𝑅2 𝐶2 𝑝 + 1

Université de GHARDAIA N. HACENE Page 41

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

𝐻(𝑝) peut être réécrite comme suit:

1 1
𝑅1 𝑅2 𝐶1 (𝑝 + 𝑅 𝐶 ) 𝐶1 (𝑝 + 𝑅 𝐶 ) 𝐶1 𝑝+𝛼
1 1 1 1
𝐻(𝑝) = = =( )( )
𝑅1 𝑅2 (𝐶1 + 𝐶2 )𝑝 + 𝑅1 + 𝑅2 (𝐶 + 𝐶 ) (𝑝 + 𝑅1 + 𝑅2 𝐶1 + 𝐶2 𝑝 + 𝛽
1 2 )
𝑅1 𝑅2 (𝐶1 + 𝐶2 )

où
1 𝑅1 +𝑅2
𝛼= et 𝛽=
𝑅1 𝐶1 𝑅1 𝑅2 (𝐶1 +𝐶2 )

Si on choisit 𝑅1 , 𝑅2 , 𝐶1 et 𝐶2 tels que 𝑅1 𝐶1 = 𝑅2 𝐶2 , alors, 𝛼 = 𝛽, et par conséquent:

𝐶1 𝑅2
𝐻(𝑝) = = = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡
𝐶1 + 𝐶2 𝑅1 + 𝑅2

Les résultats ci-dessus indiquent que, en général, 𝐻(𝑝) est une fonction de 𝑝. Toutefois, dans le cas
particulier où 𝑅1 𝐶1 = 𝑅2 𝐶2 la fonction de transfert 𝐻(𝑝) se réduit à une constante. Dans ce cas, 𝐻(𝑝)
fournit des informations trompeuses sur le circuit, car on peut arriver à la conclusion que le circuit RC est
un circuit purement résistif, ce qui n'est pas. De plus, lorsque 𝑅1 𝐶1 = 𝑅2 𝐶2 , le circuit n’est ni contrôlable
(les tensions des condensateurs 𝐶1 et 𝐶2 ne peuvent pas être contrôlées) ni observable (la valeur initiale
des tensions des condensateurs 𝐶1 et 𝐶2 ne peuvent pas être estimées à partir des données d'entrée et de
sortie.

Exemple III.6:

Considérons le système SISO suivant:

0 1 0
𝑥̇ = [ ] 𝑥(𝑡) + [ ] 𝑢(𝑡)
{ 2 −1 1
𝑦 = [−1 1] 𝑥(𝑡)

Déterminer si le système est contrôlable et observable et trouver sa fonction de transfert.

Solution:

Le système étant déjà dans sa forme canonique de commande, il en résulte immédiatement qu'il est
contrôlable.
Pour déterminer si le système est observable, on construit la matrice d'observabilité.
𝐶 −1 1
𝑂𝑏𝑠 = [ ]=[ ]
𝐶𝐴 2 −2
|𝑂𝑏𝑠| = (−1)(−2) − 2 = 0. Alors, 𝑟𝑎𝑛𝑔(𝑂𝑏𝑠) < 2. Par conséquent, le système n'est pas observable.

La fonction de transfert du système est:

𝐻(𝑝) = 𝐶 (𝑝𝐼 − 𝐴)−1 𝐵 + 𝐷

Université de GHARDAIA N. HACENE Page 42

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

𝑝 −1 −1 0
= [−1 1] [ ] [ ]
−2 𝑝 + 1 1

𝑝+1 1
[ ]
2 𝑝 0
= [−1 1] [ ]
𝑝2 +𝑝−2 1
𝑝−1
=
𝑝2 +𝑝−2
𝑝−1
=
(𝑝−1)(𝑝+2)
1
=
(𝑝+2)
De toute évidence, comme le système n’est pas observable, on s’attendait à ce qu’au moins une
annulation pôle-zéro. L'annulation du facteur (𝑝 − 1), résulte en une annulation de la valeur propre "1".
Cela peut avoir des résultats extrêmement indésirables, en particulier dans des cas comme le présent
exemple, où le pôle de sortie annulé est dans la partie droite du plan complexe. Dans ce cas, si le système
était excité, les états du système augmenteraient avec le temps et pourraient même tomber en panne ou
brûler le système. En effet, pour simplifier, on prend 𝑢(𝑡) = 𝛿(𝑡)

On a:
𝑋1 (𝑝)
𝑌(𝑝) = [−1 1] 𝑋(𝑡) = [−1 1] [ ] = 𝑋2 (𝑝) − 𝑋1 (𝑝)
𝑋2 (𝑝)
On aussi
𝑌(𝑝) 𝑝−1 𝑝−1
= (𝑝−1)(𝑝+2)
⟹ 𝑌(𝑝) = (𝑝−1)(𝑝+2)
, car 𝑈(𝑝) = 1
𝑈(𝑝)

Alors, on peut conclure que:

𝑝−1
𝑋2 (𝑝) − 𝑋1 (𝑝) =
(𝑝 − 1)(𝑝 + 2)
On a aussi:
𝑋2 (𝑝) = 𝑝𝑋1 (𝑝)
alors
𝑝−1
𝑝𝑋1 (𝑝) − 𝑋1 (𝑝) =
(𝑝 − 1)(𝑝 + 2)
Et on obtient:
1
𝑋1 (𝑝) =
(𝑝 − 1)(𝑝 + 2)
Et donc
𝑝
𝑋2 (𝑝) =
(𝑝 − 1)(𝑝 + 2)

Appliquons la transformée de Laplace inverse aux 𝑋1 (𝑝) et 𝑋2 (𝑝), on obtient:

Université de GHARDAIA N. HACENE Page 43

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

1 𝑡
𝑥1 (𝑡) = (𝑒 − 𝑒 −2𝑡 )
3
1
𝑥2 (𝑡) = (𝑒 𝑡 + 𝑒 −2𝑡 )
3
Par conséquent, en raison du terme 𝑒 𝑡 , les deux états 𝑥1 (𝑡) et 𝑥2 (𝑡) augmentent avec le temps.
Maintenant, si on considère la sortie où
1
𝑌(𝑝) =
(𝑝 + 2)
Alors,
𝑦(𝑡) = 𝑒 −2𝑡

Clairement, le résultat donne des résultats très trompeurs sur le comportement du système: en réalité, le
système peut tomber en panne ou s’épuiser et la sortie nous laisse croire qu’il n’ya "pas de problème" et
que le comportement du système est décrit par la fonction décroissante 𝑦(𝑡) = 𝑒 −2𝑡 . Cela nous amène à
la conclusion que nous ne devrions pas "faire confiance" à 𝐻(𝑝) à moins que le théorème suivant soit
satisfait.

Théorème III.4:
Lorsqu'un système est contrôlable et observable, aucune annulation de pôle zéro ne prend lieu et sa
matrice de transfert constitue une description complète du système.

III.9. Décomposition de Kalman

Kalman a montré qu’il est possible d’introduire certaines coordonnées en utilisant une matrice de
transformation T, de telle sorte qu’un système puisse être décomposé comme suit:
𝐴11 𝐴12 0 0 𝐵1
0 𝐴22 0 0 0
𝑥̇ = [ ] 𝑥(𝑡) + [ ] 𝑢(𝑡)
𝐴31 𝐴32 𝐴33 𝐴34 𝐵3 (III.25)
0 𝐴42 0 𝐴44 0
{ 𝑦 = [𝐶1 𝐶2 0 0] 𝑥(𝑡)
où un 𝐴𝑖𝑗 , 𝐵𝑖 et 𝐶𝑖 sont des blocs de matrices de dimensions appropriées. Le vecteur 𝑥(𝑡) est par
conséquent décomposé en quatre sous-vecteurs, chacun d'eux correspond à l'un des quatre cas suivants:

 États qui sont à la fois commandables et observables

 États non commandables mais observables
 États commandables mais non observables
 États qui sont à la fois non commandables et non observables.

Le théorème suivant, lié aux résultats ci-dessus, est appelé le théorème de décomposition de Kalman.

Université de GHARDAIA N. HACENE Page 44

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

Théorème III.4:
Un système peut être décomposé en quatre sous-systèmes avec les propriétés suivantes:

 Sous-système SCO : Le sous-système commandable et observable (𝐴11 , 𝐵1 , 𝐶1 ).

 Sous-système SC̅O : Le sous-système non commandable mais observable (𝐴22 , 0, 𝐶2 ).
 Sous-système SCO̅ : Le sous-système commandable mais non observable (𝐴33 , 𝐵3 , 0).
 Sous-système SC̅O̅ : Le sous-système non commandable et non observable (𝐴44 , 0, 0).

La Figure III.4 montre le schéma de principe de la décomposition de Kalman, impliquant les quatre
sous-systèmes et la manière dont ils sont liés. De plus, il montre que l'entrée est liée à la sortie
uniquement via le sous-système SCO .

Commandable
et
Non Observable

Commandable
et
u Observable y

Non Commandable
et
Observable

Non Commandable
et
Non Observable

Figure III.4. Schéma de principe de la décomposition de Kalman

La matrice de transfert d'un système est unique et peut être déterminée à partir du sous système qui
est à la fois contrôlable et observable. En réalité, des calculs simples montrent que la matrice de fonctions
de transfert du système est donnée par:

𝐻(𝑝) = 𝐶1 (𝑝𝐼 − 𝐴11 )−1 𝐵1 (III.26)

La relation (III.26) ne contient que la partie contrôlable et la partie observable du système.

Exercice résolu:

Considérons les deux systèmes SISO suivants:

𝑝−1 𝑝2 +2𝑝−3
𝐻 (𝑝 ) = , 𝐺 (𝑝) =
𝑝2 +3𝑝+2 𝑝3 +6𝑝2 +11𝑝+6

Université de GHARDAIA N. HACENE Page 45

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

Examiner la commandabilité et l'observabilité de deux systèmes et comparer les résultats.

Solution:

On peut extraire la forme de commande directement.

𝑝−1 0 1 0
𝑥̇ = [ ] 𝑥(𝑡) + [ ] 𝑢(𝑡)
𝐻 (𝑝 ) = ⟹ { −2 −3 1
𝑝2 +3𝑝+2 𝑦 = [−1 1] 𝑥(𝑡)

0 1
𝐶𝑜𝑚 = [𝐵 𝐴𝐵 ] = [
1 −3
], |𝐶𝑜𝑚| = 1 ⟹ le système est commandable.

𝐶 −1 1
𝑂𝑏𝑠 = [
𝐶𝐴
]=[
−2 −4
], |𝑂𝑏𝑠| = 6 ⟹ le système est observable.

0 1 0 0
𝑝2 +2𝑝−3 𝑥̇ = [ 0 0 1 ] 𝑥(𝑡) + [ 0] 𝑢(𝑡)
𝐺 (𝑝) = ⟹ {
𝑝3 +6𝑝2 +11𝑝+6 −6 −11 −6 1
𝑦 = [−3 2 1] 𝑥(𝑡)

0 0 1
𝐶𝑜𝑚 = [𝐵 𝐴𝐵 𝐴2 𝐵 ] = [0 1 −6], |𝐶𝑜𝑚| = 1 ⟹ le système est commandable.
1 −6 25
𝐶 −3 2 1
𝑂𝑏𝑠 = [ 𝐶 𝐴 ] = [−6 −14 −4],
𝐶 𝐴2 24 38 10
−14 −4 −6 −4 −6 −14
|𝑂𝑏𝑠| = −3 | |− 2| | + 1| | = −36 − 72 + 108 = 0
38 10 24 10 24 38

⟹ le système est non observable.

𝑝2 + 2𝑝 − 3 (𝑝 − 1)(𝑝 + 3) (𝑝 − 1)
𝐺(𝑝) = 3 = = = 𝐻(𝑝)
𝑝 + 6𝑝2 + 11𝑝 + 6 (𝑝 + 1)(𝑝 + 2)(𝑝 + 3) (𝑝 + 1)(𝑝 + 2)

Parce que 𝐺(𝑝) = ℎ(𝑝), alors, on peut dire que les deux réalisations précédentes sont deux réalisation
pour le même système. Mais, la première réalisation est minimal c.-à-d. représentation car le système est
commandable et observable, tandis que la deuxième réalisation n'est pas minimale car elle est non
observable, ce qui implique l'existence d'une annulation pôle-zéro.

Remarque (indépendance linéaire):

Un ensemble de vecteurs est dit être linéairement dépendant si l'un des vecteurs de l'ensemble peut
être défini comme une combinaison linéaire des autres; Si aucun vecteur de l'ensemble ne peut être écrit
de cette manière, les vecteurs sont dits linéairement indépendants.
Les vecteurs d’un sous-ensemble 𝑆 = {𝑣⃗1 , 𝑣⃗2 , … , 𝑣⃗𝑘 } d'un espace vectoriel V sont dits linéairement
dépendants, s'il existe des scalaires 𝛼1 , 𝛼2 ,…, 𝛼𝑘 , pas tous nuls, tels que:

α1 v
⃗⃗1 + α2 v ⃗⃗k = ⃗⃗
⃗⃗2 + ⋯ + αk v 0
Autrement dit, chaque vecteur peut s'écrire comme une combinaison linéaire des autres vecteurs.

Université de GHARDAIA N. HACENE Page 46

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

−3 2 1
Dans l'exemple précédent, les trois vecteurs 𝑣⃗1 [−6], 𝑣⃗2 [−14] et 𝑣⃗3 [−4] sont linéairement
24 38 10
dépendants car il existe trois scalaires 𝛼1 , 𝛼2 et 𝛼3 tels que:

𝛼1 𝑣⃗1 + 𝛼2 𝑣⃗2 + 𝛼3 𝑣⃗𝑘 = ⃗0⃗

où 𝛼1 = 1, 𝛼2 = −3 𝑒𝑡 𝛼3 = 9

𝑣⃗1 − 3𝑣⃗2 + 9𝑣⃗𝑘 = ⃗⃗

0
c.-à-d., les trois vecteurs appartiennent au même plan décrit par l'équation:
2𝑥 + 3𝑦 + 𝑧 = 0

Figure III.5. (à gauche) les trois vecteurs, (à droite) vue latérale du plan contenant les trois vecteurs.

III.10. Exercices

Exercice 1:

Soit le système décrit par sa fonction de transfert suivante:

𝑌(𝑝) 𝑝+3 𝑝+3

= =
𝑈(𝑝) 𝑝3 +6 𝑝2 +11𝑝+6 (𝑝+1)(𝑝+2)(𝑝+3)

- Examiner la commandabilité et l'observabilité du système.

Exercice 2:

Soit le système donné par sa fonction de transfert:

𝑌(𝑝) 𝑝3 +5 𝑝2 +𝑝+2
H(p) = =
𝑈(𝑝) 𝑝3 +5 𝑝2 +𝑝+2

- Déterminer sa forme canonique de commande.

Université de GHARDAIA N. HACENE Page 47

Systèmes linéaires multivariables Chapitre III: Commandabilité et Observabilité

Exercice 3:

Considérons le système décrit par les équations d'état suivantes:

2 𝑝2 + 7𝑝 + 7
H(p) =
𝑝2 + 3𝑝 + 2

- Déterminer sa forme canonique de commande

- Etudier sa commandabilité et son observabilité

Exercice 4:

Soit un système monovariable, démontrer les deux propriétés suivantes:

1. Si on peut écrire une représentation d'état sous la forme de commande, alors, le système est
commandable.
2. Si on peut écrire une représentation d'état sous la forme d'observation, alors, le système est
observable.
Soutien: Calculer les matrices de commandabilité et d'observabilité et continuer avec la démarche ordinaire.

Université de GHARDAIA N. HACENE Page 48

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

Chapitre IV
Représentation des SM par matrice de transfert

IV.1. Introduction
Après avoir appris à écrire un système monovariable sous forme d'équations d'état, nous étendrons nos
connaissances au système multivariable.
On considère le système monovariable décrit par:
𝑁(𝑝)
𝐺(𝑝) = avec degré (𝑁(𝑝)) ≤ degré (𝐷(𝑝)) (IV.1)
𝐷(𝑝)
L'objectif est de trouver une représentation d'état:
𝑥̇ = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡)
{ (IV.2)
𝑦 = 𝐶 𝑥(𝑡)
Pour le cas des systèmes propres, on a:

𝑁(𝑝) 𝑅(𝑝)
𝐺(𝑝) = = + Q (IV.3)
𝐷(𝑝) 𝐷(𝑝)

(A,B,C) D
Où, Q est le quotient et 𝑅(𝑝) est le reste.
Exemple IV.1:
3 𝑝2 +9 𝑝+10
𝐺(𝑝) =
𝑝2 +4 𝑝+3
3( 𝑝2 +4 𝑝+3) −3 𝑝+1
= +
𝑝2 +4 𝑝+3 𝑝2 +4 𝑝+3
−3 𝑝+1
=3+
𝑝2 +4 𝑝+3
Alors,
0 1 0
𝑥̇ = [ ] 𝑥 + [ ] 𝑢(𝑡)
{ −3 −4 1
𝑦 = [1 −3] 𝑥 + 3 𝑢

IV.2. Passage d’une représentation d’état à la représentation par matrice de transfert

Pour un système MIMO donnée par sa représentation d'état (𝐴, 𝐵, 𝐶, 𝐷)qui possède m entrées et n
sorties, sa matrice de transfert 𝑇(𝑝) est de dimension n×m et peut se calculer par:
𝑇(𝑝) = 𝐶 (𝑝𝐼 − 𝐴)−1 𝐵 + 𝐷 (IV.4)

IV.3. Systèmes multivariables:

Soit un système décrit par sa matrice de transfert 𝐺(𝑝). On appelle:
Réalisation: un triplet (𝐴, 𝐵, 𝐶)tel que 𝐺(𝑝) = 𝐶 (𝑝𝐼 − 𝐴)−1 𝐵, avec A de dimension non minimale.

Représentation: un triplet (𝐴, 𝐵, 𝐶) tel que 𝐺(𝑝) = 𝐶 (𝑝𝐼 − 𝐴)−1 𝐵, avec A de dimension minimale.

Université de GHARDAIA N. HACENE Page 50

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

On peut alors distinguer plusieurs approches pour obtenir une représentation d'état représentée par la
figure suivante :

G(p) Réalisation
Méthode des
invariants
Méthode de Réduction
Gilbert

Représentation

Figure IV.1. Obtention des représentations d'état

IV.4. Réalisation des systèmes multivariables

La réalisation est le problème inverse de l'obtention de la matrice de transfert 𝐺(𝑝) à partir des
matrices d'état A, B, C et D, c'est l'obtention d'une représentation d'état à partir de la matrice de transfert.

Réalisation

G(p) {A, B, C, D}

Matrice de transfert
Figure IV.2. Problème de réalisation
Le quadruple (A, B, C, D) est appelé réalisation de 𝐺(𝑝).

Théorème IV.1:
Une matrice de transfert 𝐺(𝑝) est réalisable si seulement si elle est rationnelle propre.

Notons qu'une fonction de transfert est propre si le degré de numérateur est inférieur ou égal au degré
du dénominateur. Une matrice de transfert est propre si tous ces éléments sont propres.

IV.4.1. Réalisation diagonale en bloc

Un système multivariable MIMO peut être considéré comme la superposition de plusieurs SIMO
(Single-Input Multi-Output) systèmes:

𝑃(𝑝) [𝑃1 (𝑝) ⋯ 𝑃𝑚 (𝑝)]

G(p) = = (IV.5)
𝐷(𝑝) 𝐷(𝑝)
𝑃1 (𝑝) [1 0 ⋯ 0] 𝑃2 (𝑝) [0 1 ⋯ 0]
= + +…
𝐷(𝑝) 𝐷(𝑝)
𝑃𝑚 (𝑝) [0 0 ⋯ 1]
…+
𝐷(𝑝)

Université de GHARDAIA N. HACENE Page 51

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

On va obtenir une représentation pour chaque terme de la somme:

𝑃𝑖 (𝑝) [0 ⋯ 1 ⋯ 0]
𝑌𝑖 = 𝐷(𝑝)
U(p)

𝑃𝑖 (𝑝)𝑢𝑖 (𝑝)
= (IV.6)
𝐷(𝑝)
Alors,
𝑌 = 𝐺(𝑝)𝑈(𝑝) = 𝑌1 + 𝑌2 + ⋯ + 𝑌𝑚

La représentation d'état du terme 𝑦𝑖 est:

𝑥𝑖̇ = 𝐴𝑖 𝑥𝑖 (𝑡) + 𝐵𝑖 𝑢(𝑡)

{ (IV.7)
𝑦𝑖 = 𝐶𝑖 𝑥𝑖 (𝑡)
On peut utiliser par exemple les représentations canoniques du cas monovariable. Et donc la
représentation d'état finale du système sera:

𝐴1 0 0 0 𝐵1
0 𝐴2 0 0 𝐵2
𝑥̇ = [ ] 𝑥+ 𝑢
⋮ 0 ⋱ ⋮ ⋱ (IV.8)
0 0 ⋯ 𝐴𝑚 [ 𝐵𝑚 ]
{ 𝑦 = [𝐶1 𝐶2 ⋯ 𝐶𝑚 ] 𝑥 + [0] 𝑢
Exemple IV.2:

Considérons le système suivant:

1 −1
2 2
[𝑝 + 𝑝−4 2𝑝 − 𝑝−8]
𝑃(𝑝) 𝑝2 −4 2(𝑝2 −4)
G(p) = =
𝐷(𝑝) 𝑝 (𝑝+1)(𝑝+2)

Alors,
1 −1
𝑝 2 + 𝑝−4 2𝑝2 − 𝑝−8
[ ]
𝑝2 −4 2(𝑝2 −4)
Y(p) = U(p)
𝑝 (𝑝+1)(𝑝+2)

1 −1
2 2
[𝑝 + 𝑝−4] [ − 𝑝−8]
2𝑝
𝑝2 −4 2(𝑝2 −4)
= 𝑢1 + 𝑢2
𝑝 +3𝑝2 +2𝑝
3 𝑝3 +3𝑝2 +2𝑝

En utilisant la forme de commande, la représentation d'état du système sera:

Université de GHARDAIA N. HACENE Page 52

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

0 1 0 0 0 0 0 0
0 0 1 0 0 0 0 0
0 −2 −3 0 0 0 1 0
𝑥̇ = 𝑥+ 𝑢
0 0 0 0 1 0 0 0
0 0 0 0 0 1 0 0
[0 0 0 0 −2 −3] [ 0 1]
1 0 0 −1 0 0
𝑦 = [−4 1 1 −8 −1 2] 𝑥 + [0] 𝑢
{ −4 0 1 −8 0 2
IV.4.2. Réalisation sous forme canonique en blocs

On peut obtenir une forme canonique en bloc en utilisant les méthodes du cas monovariable, par
exemple la forme de commande:

0 𝟏 0 ⋯ 0 0
0 0 𝟏 ⋱ ⋮ 0
𝑥̇ = ⋮ ⋱ ⋱ ⋱ 0 𝑥+ ⋮ 𝑢
0 ⋯ 0 0 𝟏 (IV.9)
0
[− 𝑎0 − 𝑎1 ⋯ − 𝑎𝑛−2 − 𝑎𝑛−1 ] [1]
{ 𝑦 = [𝑏0 𝑏1 ⋯ 𝑏𝑛−2 𝑏𝑛−1 ] 𝑥 + [0] 𝑢
Soit le système multivariable qui possède q entrées p sorties:
𝑃(𝑝)
G(p) = (𝑃(𝑝) est la matrice polynomiale)
𝐷(𝑝)

𝐵𝑚 𝑝𝑚 + 𝐵𝑚−1 𝑝𝑚−1 +⋯+ 𝐵1 𝑝+ 𝐵0

= (IV.10)
𝑝𝑛 + 𝑎𝑛−1 𝑝𝑛−1 +⋯+ 𝑎1 𝑝 + 𝑎0

Où, les 𝐵𝑖 (i = 1,…,m) sont des matrices qui possèdent les mêmes dimensions que 𝑃(𝑝), m est le degré du
polynôme du degré le plus élevé dans la matrice 𝑃(𝑝).

Une réalisation analogue à la forme canonique de commande peut s'écrire comme suit:

0 𝑰𝒒 0 ⋯ 0 0
0 0 𝑰𝒒 ⋱ ⋮ 0
𝑥̇ = ⋮ ⋱ ⋱ ⋱ 0 𝑥+ ⋮ 𝑢
0 (IV.11)
0 ⋯ 0 0 𝑰𝒒
[− 𝑎0 𝑰𝒒 − 𝑎1 𝑰𝒒 ⋯ − 𝑎𝑛−2 𝑰𝒒 − 𝑎𝑛−1 𝑰𝒒 ] [𝑰𝒒 ]
{ 𝑦 = [𝐵0 𝐵1 ⋯ 𝐵𝑛−2 𝐵𝑛−1 ] 𝑥 + [0] 𝑢
Où, 𝐼𝑞 est la matrice identité d'ordre q (le nombre d'entrées du système).

Exemple IV.3:

Soit l'exemple précédent:

1 −1
2 2
[𝑝 + 𝑝−4 2𝑝 − 𝑝−8]
𝑃(𝑝) 𝑝2 −4 2(𝑝2 −4)
G(p) = =
𝐷(𝑝) 𝑝 (𝑝+1)(𝑝+2)

Université de GHARDAIA N. HACENE Page 53

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

0 0 0 0 1 −1
{[1 2]𝑝2 + [1 −1]𝑝+[−4 −8]}
1 2 0 0 −4 −8
=
𝑝3 +3𝑝2 +2𝑝

La réalisation sous la forme canonique de commande peut s'écrire comme suit:

0 𝑰𝟐 0 0
𝑥̇ =[ 0 0 𝑰 𝟐 ] 𝑥 + [0] u
− 0𝑰𝟐 − 2𝑰𝟐 − 3𝑰𝟐 𝑰𝟐
1 −1 0 0 0 0
𝑦 = [[−4 −8] [1 −1] [1 2]] 𝑥 + [0] 𝑢
{ −4 −8 0 0 1 2
ou
1 0
0 [ ] 0
0 1 0
1 0 0
𝑥̇ = 0 0 ] [
𝑥+[ ]u
0 1 1 0
[ ]
1 0 1 0 1 0 0 1
[− 0 [0 1
] − 2[
0 1
] − 3[
0 1
]]
1 −1 0 0 0 0
𝑦 = [[−4 −8] [1 −1] [1 2]] 𝑥 + [0] 𝑢
{ −4 −8 0 0 1 2
Finalement, on a:
0 0 1 0 0 0 0 0
0 0 0 1 0 0 0 0
0 0 0 0 1 0 0 0
𝑥̇ = 𝑥+ u
0 0 0 0 0 1 0 0
0 0 −2 0 −3 0 1 0
[0 0 0 −2 0 −3 ] [ 0 1]
1 −1 0 0 0 0
𝑦 = [−4 −8 1 −1 1 2] 𝑥 + [0] 𝑢
{ −4 −8 0 0 1 2
IV.4.3. Réalisation diagonale
On peut utiliser la méthode des résidus pour obtenir une forme diagonale de la matrice d'état. Soit la
matrice de transfert donnée par:
𝑃(𝑝)
𝐺(𝑝) = (IV.12)
𝐷(𝑝)
où, 𝑃(𝑝) est la matrice polynomiale (p×m) et 𝐷(𝑝) est le dénominateur commun.
On peut donc réécrire la matrice 𝐺(𝑝) comme suit:
𝑃(𝑝) 𝑅𝑖
G(p) = = ∑𝑛𝑖=1 (IV.13)
𝐷(𝑝) 𝑝− 𝜆𝑖
dont 𝑅𝑖 sont les matrices résidus, et 𝜆𝑖 sont les pôles ou les modes.

Exemple IV.4:
Soit le système multivariable, 2 entrées et 2 sorties:

Université de GHARDAIA N. HACENE Page 54

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

2(2𝑝2 + 4𝑝+1) 𝑝 (𝑝+2)

[ ]
𝑌(𝑝) 2 𝑝 (3 𝑝+5) (𝑝+2) (3 𝑝+1)
G(p) = =
𝑈(𝑝) 𝑝 (𝑝+1)(𝑝+2)

4𝑝2 + 8𝑝+2 𝑝 (𝑝+2)

𝑝 (𝑝+1)(𝑝+2) 𝑝 (𝑝+1)(𝑝+2)
= [ 2 𝑝 (3 𝑝+5) (𝑝+2) (3 𝑝+1)
]
𝑝 (𝑝+1)(𝑝+2) 𝑝 (𝑝+1)(𝑝+2)
1 2 1 0 1 0
+ + + +
𝑝 𝑝+1 𝑝+2 𝑝 𝑝+1 𝑝+2
= [0 4 2 1 2 0 ]
+ + + +
𝑝 𝑝+1 𝑝+2 𝑝 𝑝+1 𝑝+2
1 0 2 1 1 0
[ ] [ ] [ ]
0 1 4 2 2 0
= + +
𝑝 𝑝+1 𝑝+2
Alors,
1 0 2 1 1 0
𝑅1 = [ ], 𝑅 = [ ], 𝑅 = [ ]
0 1 2 4 2 3 2 0

On peut écrire:

𝑌1 (𝑝) [1 0] [2 1] [1 0]
[ ]=( 0 1 + 4 2 + 2 0 ) [𝑈1 (𝑝)]
𝑌2 (𝑝) 𝑝 𝑝+1 𝑝+2 𝑈2 (𝑝)
1 0 𝑈1 (𝑝) 2 1 𝑈1 (𝑝) 1 0 𝑈1 (𝑝)
[ ] [ ] [ ] [ ] [ ] [ ]
𝑌1 (𝑝) 0 1 𝑈2 (𝑝) 4 2 𝑈2 (𝑝) 2 0 𝑈2 (𝑝)
[
𝑌2 (𝑝)
]= + +
𝑝 𝑝+1 𝑝+2

𝑥1 𝑥2 𝑥3

𝑈1 (𝑝) 𝑈1 (𝑝) 𝑈 (𝑝)

[1 0 ] [ 1] [ ] ] [1 0] [ 1 ]
[2
𝑈2 (𝑝)𝑈2 (𝑝) 𝑈2 (𝑝)
𝑌1 (𝑝) = + +
𝑝 𝑝+1 𝑝+2
𝑈1 (𝑝) 𝑈1 (𝑝) 𝑈 (𝑝)
[0 1 ] [ ] [4 2] [ ] [2 0] [ 1 ]
𝑈2 (𝑝) 𝑈2 (𝑝) 𝑈2 (𝑝)
𝑌2 (𝑝) = + +
{ 𝑝 𝑝+1 𝑝+2

𝑥4 𝑥5 𝑥6
La représentation d'état s'écrire:

0 0 0 0 0 0 1 0
0 −1 0 0 0 0 2 1
0 0 −2 0 0 0 1 0
𝑥̇ = 𝑥 + 𝑢(𝑡)
0 0 0 0 0 0 0 1
0 0 0 0 −1 0 4 2
[0 0 0 0 0 −2] [2 0]
1 1 1 0 0 0 0 0
{ 𝑦 = [0 0 0 1 1 1
] 𝑥+[
0 0
]𝑢

Université de GHARDAIA N. HACENE Page 55

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

Un autre choix pour les variables d'état:

𝑥1 𝑥2 𝑥3

𝑈1 (𝑝)
𝑈1 (𝑝) 𝑈 (𝑝)
[1 0 ] [ 1] [ ] ] [1 0] [ 1 ]
[2
𝑈2 (𝑝)
𝑈2 (𝑝) 𝑈2 (𝑝)
𝑌1 (𝑝) = + +
𝑝 𝑝+1 𝑝+2
𝑈 (𝑝) 𝑈 (𝑝) 𝑈 (𝑝)
[0 1] [ 1 ] [4 2] [ 1 ] [2 0] [ 1 ]
𝑈2 (𝑝) 𝑈2 (𝑝) 𝑈2 (𝑝)
𝑌 (𝑝) = + +
{ 2 𝑝 𝑝+1 𝑝+2

𝑥4 2𝑥2 2𝑥3

Et on a:
0 0 0 0 1 0
0 −1 0 0 2 1
𝑥̇ = [ ]𝑥 + [ ] 𝑢(𝑡)
0 0 −2 0 1 0
0 0 0 0 0 1
1 1 1 0 0 0
{𝑦 = [0 2 2 1] 𝑥 + [0 0] 𝑢

IV.5. Réalisations minimales

Afin d'analyser les systèmes, il est avantageux de disposer d'une description compacte du système.
L'objectif de chercher un espace d’états minimal est de trouver un modèle de taille minimale du système
donné.
Comme la réalisation minimale est à la fois contrôlable et observable, c'est une bonne base pour la
conception d'un observateur qui estimer les états du système à partir de mesures de la sorties, et
également pour concevoir ultérieurement un contrôleur de retour d'état (en utilisant, par exemple, le
placement des pôles).

Théorème IV.2:
Une réalisation est minimale si elle est à la fois commandable et observable.

Théorème IV.3:
Toutes les réalisations minimales d'une matrice de transfert donnée sont similaires.

Il existe plusieurs méthodes pour obtenir une réalisation minimale. Deux méthodes sont présentées ci-
dessous.

IV.5.1. Méthode de Gilbert

On suppose que les racines du dénominateur de 𝐺(𝑝) sont réelles et distinctes (en multivariable ces
racines ne sont pas obligatoirement les pôles). On peut écrire:
𝑃(𝑝)
G(p) = (IV.14)
𝐷(𝑝)
Où, 𝑃(𝑝) est la matrice polynomiale (p×m) et 𝐷(𝑝) est le dénominateur commun qui possède des
pôles simples (distincts).

Université de GHARDAIA N. HACENE Page 56

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

On a, alors:
𝑃(𝑝) 𝑞 𝑅𝑖
G(p) = =𝐷 + ∑𝑖=1 (IV.15)
𝐷(𝑝) 𝑝− 𝜆𝑖
Où
𝐷 = 𝐺(∞) (IV.16)
Les pôles ou modes sont les 𝜆𝑖 et leur ordre de multiplicité est égal au rang(𝑅𝑖 ), dont 𝑅𝑖 sont les
matrices résidus de dimensions (p×m).

Si 𝑟𝑖 = 𝑟𝑎𝑛𝑔(𝑅𝑖 ), alors, il y a 𝑟𝑖 colonnes linéairement indépendantes dans la matrice 𝑅𝑖 , on les dénote

par 𝐶𝑖𝑗 , j= 1,…, 𝑟𝑖 . alors, chaque colonne de 𝑅𝑖 peut être exprimée comme une combinaison linéaire de
𝐶𝑖𝑗 et la matrice 𝑅𝑖 peut être décomposée en produit de deux matrices comme suit:
𝑅𝑖 = 𝐶𝑖 𝐵𝑖 (IV.17)
Où la matrice 𝐶𝑖 est de dimensions 𝑝 × 𝑟𝑖 et la matrice 𝐵𝑖 est de dimensions 𝑟𝑖 × 𝑚.
Pour déterminer 𝐵𝑖 , on pré-multiplie l'équation précédente par 𝐶𝑖 𝑇 , donc:
𝐶𝑖 𝑇 𝑅𝑖 = 𝐶𝑖 𝑇 𝐶𝑖 𝐵𝑖 (IV.18)
Alors, on obtient:
−1
𝐵𝑖 = (𝐶𝑖 𝑇 𝐶𝑖 ) 𝐶𝑖 𝑇 𝑅𝑖 (IV.19)
Et la réalisation minimale sera:
𝜆1 𝐼1 0 ⋯ 0 𝐵1
0 𝜆2 𝐼2 ⋱ ⋮ 𝐵
𝑥̇ = [ ]𝑥 + [ ⋮2 ] 𝑢(𝑡)
⋮ ⋱ ⋱ 0 (IV.20)
0 ⋯ 0 𝜆𝑞 𝐼𝑞 𝐵𝑞
{ 𝑦 = [𝐶1 𝐶2 ⋯ 𝐶𝑞 ] 𝑥 + 𝐷 𝑢
Où 𝐼𝑖 sont les matrices identité d'ordre 𝑟𝑖 . Alors, les pôles 𝜆𝑖 sont de multiplicité 𝑟𝑖 , et alors:
Ordre du système = n = ∑𝑞𝑖=1 𝑟𝑖 (IV.21)
Cette réalisation peut etre facilement vérifiée qu'elle est commandable et observable, autrement dit
minimale.
Remarques:
1. On peut utiliser la méthode de résidus pour calculer les matrice résidus 𝑅𝑖 .
2. La méthode de Gilbert est valable dans les deux cas où les pôles sont distincts ou multiples.
Exemple IV.4 (pôles distincts):
Soit la matrice de transfert suivante:
2𝑝+3 3𝑝+5
𝑌(𝑝) 𝑝2 +3𝑝+2 𝑝2 +3𝑝+2
𝐺(𝑝)= = [ −1 ]
𝑈(𝑝) 0
𝑝+1

Donner une réalisation minimale en utilisant la méthode de Gilbert.

Solution:

Université de GHARDAIA N. HACENE Page 57

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

𝑅1 𝑅2
𝐺(𝑝) = +
𝑝+1 𝑝+2
2𝑝+3 3𝑝+5
1 2
𝑅1 = (𝑝 + 1) 𝐺(𝑝)|𝑝= −1 = [ 𝑝+2 𝑝+2 ] =[ ]
−1 0 𝑝= −1 −1 0
2𝑝 + 3 3𝑝 + 5
𝑝+1 𝑝+1 1 1
𝑅2 = (𝑝 + 2) 𝐺(𝑝)|𝑝= −2 = =[ ]
−(𝑝 + 2) 0 0
0
[ 𝑝+1 ]𝑝= −2

Alors,

1 2 1 1
[] [ ]
𝐺(𝑝) = −1 0 + 0 0
𝑝+1 𝑝+2
𝑟𝑎𝑛𝑔(𝑅1 ) = 2, car la matrice 𝑅1 contient deux colonnes linéairement indépendantes, alors,
1 2 1 0 1 2 1 0
𝑅1 = 𝐶1 𝐵1 = [ ][ ], donc 𝐶1 = [ ] et 𝐵1 = [ ]
−1 0 0 1 −1 0 0 1
𝑟𝑎𝑛𝑔(𝑅2 ) = 1, car la matrice 𝑅2 contient deux colonnes linéairement dépendantes, alors
1
𝐶2 = [ ], et
0
−1 1 −1 1 1
𝐵2 = (𝐶2 𝑇 𝐶2 ) 𝐶2 𝑇 𝑅2 = ([1 0] [ ]) [1 0] [ ] = ([1])−1 [1 1] = [1 1]
0 0 0
Donc, la réalisation minimale est donnée par:
𝜆1 𝐼1 0 𝐵
𝑥̇ = [ ] 𝑥 + [ 1 ] 𝑢(𝑡)
{ 0 𝜆2 𝐼2 𝐵2
𝑦 = [𝐶1 𝐶2 ] 𝑥 + 𝐷 𝑢
On a donc:
−1 0 0 1 0
𝑥̇ = [ 0 −1 0 ] 𝑥 + [0 1] 𝑢(𝑡)
0 0 −2 1 1
1 2 1 0 0
𝑦 =[ ] 𝑥+[ ]𝑢
{ −1 0 0 0 0
Ordre du système = 𝑛 = ∑2𝑖=1 𝑟𝑖 = 𝑟1 + 𝑟2 = 2 + 1 = 3
Il est clair que la réalisation est commandable et observable, car la matrice 𝐵 ne contient pas de lignes
nulles et la matrice 𝐶 aussi ne contient aucune colonne nulle. Par conséquent, la réalisation est minimale.
On peut vérifier ce résultat en calculant les matrices de commandabilité et d'observabilité.

1 0 −1 0 1 0
2
𝐶𝑜𝑚 = [𝐵 |𝐴 𝐵 | 𝐴 𝐵] = [[0 1] [ 0 −1] [0 1]]
1 1 −2 −2 4 4
Il est évident que la matrice 𝐶𝑜𝑚 est de rang plein (𝑟𝑎𝑛𝑔(𝐶𝑜𝑚) = 3), car les trois lignes sont
linéairement indépendantes, autrement dit, le système est commandable

Université de GHARDAIA N. HACENE Page 58

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

1 2 1
[ ]
𝐶 −1 0 0
−1 −2 −2
𝑂𝑏𝑠 = [ 𝐶 𝐴 ] = [ ]
1 0 0
𝐶 𝐴2 1 2 4
[ [−1 0 ]
0 ]
Et aussi la matrice 𝑂𝑏𝑠 est de rang plein (𝑟𝑎𝑛𝑔(𝑂𝑏𝑠) = 3), alors la réalisation est observable.
La matrice
𝑌(𝑝) 𝑅1 𝑅2 𝑅1 𝑈(𝑝) 𝑅2 𝑈(𝑝)
𝐺(𝑝) = = + → 𝑌(𝑝) = + = 𝑦1 + 𝑦2
𝑈(𝑝) 𝑝+1 𝑝+2 𝑝+1 𝑝+2

Et la réalisation précédente peut être représentée par le schéma fonctionnel suivant:

𝒙̇ (t) 𝒀𝟏 (𝒑)
𝟏 𝑿𝟏 (𝒑)
𝟏 𝟎 𝟏 𝟐
[ ] [ ]
𝟎 𝟏 𝒔 −𝟏 𝟎

𝑼(𝒑) −𝟏 𝟎 𝒀(𝒑)
[ ]
𝟎 −𝟏

𝒙̇ (t)
𝟏 𝑿𝟐 (𝒑)
𝟏
[𝟏 𝟏] [ ]
𝒔 𝟎
𝒀𝟐 (𝒑)

−𝟐

Figure IV.3. Schéma fonctionnel de la réalisation de l'exemple VI.4.

Exemple IV.5 (pôles multiples):

Soit la matrice de transfert suivante:
1 2
𝑌(𝑝) (𝑝+1)2 𝑝+2
𝐺(𝑝)=
𝑈(𝑝)
= [ 1 4 ]
𝑝+1 (𝑝+1)2 (𝑝+2)

Donner une réalisation minimale en utilisant la méthode de Gilbert.

Solution:
On peut réécrire 𝐺(𝑝) sous la forme:
𝑌(𝑝) 𝑅1 𝑅2 𝑅3
𝐺(𝑝) = = 2
+ +
𝑈(𝑝) (𝑝 + 1) 𝑝+1 𝑝+2

Université de GHARDAIA N. HACENE Page 59

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

2(𝑝 + 1)2
1
𝑝+2 1 0
𝑅1 = (𝑝 + 1)2 𝐺(𝑝)|𝑝= −1 = =[ ]
4 0 4
𝑝+1
[ (𝑝 + 2) ]𝑝= −1

𝑟𝑎𝑛𝑔(𝑅1 ) = 2, car la matrice 𝑅1 contient deux colonnes linéairement indépendantes, alors,

1 0 1 0 1 0 1 0
𝑅1 = 𝐶1 𝐵1 = [ ][ ], donc 𝐶1 = [ ] et 𝐵1 = [ ]
0 4 0 1 0 4 0 1
(4𝑝 + 4)(𝑝 + 2) − 2(𝑝 + 1)2
1 𝑑2−1 0
(𝑝 + 2)2 0 0
𝑅2 = (𝑝 + 1)2 𝐺(𝑝)|𝑝= −1 = =[ ]
(2 − 1)! 𝑑𝑝2−1 −4 1 −4
1
[ (𝑝 + 2)2 ]𝑝= −1

𝑟𝑎𝑛𝑔(𝑅2 ) = 1, car la matrice 𝑅2 contient deux colonnes linéairement dépendantes, alors

0 1
𝑅2 = 𝐶2 𝐵2 = [ ] [1 −4] → 𝐶2 = [ ], et 𝐵2 = [1 −4]
1 0
(𝑝 + 2)
2
(𝑝 + 1)2 0 2
𝑅3 = (𝑝 + 2) 𝐺(𝑝)|𝑝= −2 = =[ ]
(𝑝 + 2) 4 0 4
[ 𝑝+1 (𝑝 + 1)2 ]𝑝= −2

𝑟𝑎𝑛𝑔(𝑅3 ) = 1, alors
2 2
𝑅3 = 𝐶3 𝐵3 = [ ] [0 1] → 𝐶3 = [ ] et 𝐵3 = [0 1].
4 4
1 0 0 0 0 2
[ ] [ ] [ ]
𝐺(𝑝) = 0 4 + 1 −4 + 0 4
(𝑝 + 1) 2 𝑝+1 𝑝+2
Et la realization sera:
𝜆1 𝐼1 𝐼1 0 0
𝑥̇ = [ 0 𝜆2 𝐼2 0 ] 𝑥 + [ 𝐼2 ] 𝑢(𝑡)
{ 𝐵3
0 0 𝜆3 𝐼3
𝑦 = [𝑅1 𝑅2 𝐶3 ] 𝑥 + 𝐷 𝑢
On a donc:
−1 0 1 0 0 0 0
0 −1 0 1 0 0 0
𝑥̇ = 0 0 −1 0 0 𝑥 + 1 0 𝑢(𝑡)
0 0 0 −1 0 0 1
[0 0 0 0 −2 ] [ 0 1]
1 0 0 0 2 0 0
{ 𝑦 = [0 4 1 −4 4
] 𝑥+[
0 0
]𝑢

Ordre du système = 𝑛 = ∑2𝑖=1 𝑚𝑖 𝑟𝑖 = 2𝑟1 + 𝑟2 = 2 × 2 + 1 × 1 = 5

où 𝑚𝑖 sont les multiplicités des modes 𝜆𝑖 .

Université de GHARDAIA N. HACENE Page 60

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

IV.5.2. Méthode des invariants (forme de Smith-McMillan)

On considère le système décrit par:
𝑃(𝑝)
𝐺(𝑝) = 𝐷(𝑝) (IV.22)

𝑃(𝑝): Matrice polynomiale p×m (c.-à-d. le système possède m entrées et p sorties)

𝐷(𝑝): Dénominateur commun.
Théorème: n'importe quelle matrice polynomiale 𝑃(𝑝) est équivalente à une matrice diagonale 𝑆(𝑝),
telles que:
𝑃(𝑝) = 𝐿(𝑝) 𝑆(𝑝) 𝑅(𝑝) (IV.23)
IV.5.2.1. Décomposition de Smith
Considérons plus particulièrement la matrice polynomiale 𝑃(𝑝). On définit la notion de matrices
équivalentes. 𝑆(𝑝) et 𝑃(𝑝) sont équivalentes s’il existe deux matrices unimodulaires (de déterminant
constant indépendant de p) telles que:

𝑃(𝑝) = 𝐿(𝑝) 𝑆(𝑝) 𝑅(𝑝)

p×p p×m m×m
⟹ 𝑆(𝑝) = 𝐿−1 (𝑝) 𝑃(𝑝) 𝑅−1 (𝑝) (IV.24)

𝑆(𝑝) est pseudo-diagonale:

𝛾1 (𝑝)
⋱
𝑆(𝑝) = 𝛾𝑟 (𝑝) (IV.25)
0
⋱
[ 0]
Il s'agit de la forme de Smith et le rang(S(p)) = rang(P(p)) = r, les 𝛾𝑖 (𝑝) sont les invariants (les
diviseurs invariants) de 𝑆(𝑝).

Il existe deux méthodes pour trouver 𝑆(𝑝):

 Algorithme de pseudo-diagonalisation qui permet de trouver simultanément 𝐿(𝑝), 𝑆(𝑝) et 𝑅(𝑝).

 Méthode directe permettant de trouver 𝑆(𝑝), mais pas 𝐿(𝑝)et 𝑅(𝑝).

IV.5.2.2. Algorithme de pseudo-diagonalisation

Utilise des opérations élémentaires sur la matrice polynomiale. Si on multiplie la matrice polynomiale
à gauche par une matrice élémentaire, on effectue une opération sur les lignes, si on multiplie à droite, on
effectue une opération sur les colonnes.

Remarques:

1. Toutes les matrices élémentaires sont régulières (non singulières) det≠0,

2. Le déterminant d'une matrice élémentaire est une constante det = constante,

Université de GHARDAIA N. HACENE Page 61

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

3. Le produit de plusieurs matrices élémentaires donne une matrice polynomiale avec déterminant
constant non nul.
4. Une matrice polynomiale avec déterminant constant non nul est appelée matrice unimodulaire,

Lemme: Toutes les matrices unimodulaires peuvent être écrites comme un produit de matrices
élémentaires.

IV.5.2.3. Opérations élémentaires

IV.[Link]. Réduction de la première colonne
1
𝑒21 (𝑝) 1 0
1
𝐿 (𝑝) = 𝑒31 (𝑝) 0 1 (IV.26)
⋮ ⋮ ⋱ ⋱
[𝑒𝑛1 (𝑝) 0 ⋯ 0 1]
Avec:
−𝑃𝑖1 (𝑝)
𝑒𝑖1 (𝑝) = (IV.27)
𝑃11 (𝑝)

IV.[Link]. Réduction de la deuxième colonne

1
0 1 0
2 0 𝑒
𝐿 (𝑝) = 32 (𝑝) 1 (IV.28)
⋮ ⋮ ⋱ ⋱
[0 𝑒𝑛2 (𝑝) ⋯ 0 1]
Avec:
−Pi2 (p)
ei2 (p) = (IV.29)
P22 (p)

IV.[Link]. Réduction de la première ligne

1 𝑒12 (𝑝) 𝑒13 (𝑝) ⋯ 𝑒1𝑛 (𝑝)
0 1 0
𝑅1 (𝑝) = 0 0 1 (IV.30)
⋮ ⋮ ⋱ ⋱
[0 0 ⋯ 0 1 ]
Avec:
−𝑃1𝑖 (𝑝)
𝑒1𝑖 (𝑝) = (IV.31)
𝑃11 (𝑝)

IV.[Link]. Réduction de la deuxième ligne

1 0 0 ⋯ 0
0 1 𝑒32 (𝑝) ⋯ 𝑒𝑛2 (𝑝)
𝑅 2 (𝑝) = 0 1 (IV.32)
⋮ ⋮ ⋱ ⋱
[0 ⋯ 0 1 ]
Avec:
−𝑃2𝑖 (𝑝)
𝑒𝑖2 (𝑝) = (IV.33)
𝑃22 (𝑝)

Université de GHARDAIA N. HACENE Page 62

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

Exemple IV.6:

1 1
Soit: P(p) = [ ]
𝑝 2𝑝 + 1

(i) on réduit la première colonne par une opération ligne:

1 0 1 1 1 1
𝑃1 (p) = 𝐿1 (p) P(p) = [ ][ ]=[ ]
−𝑝 1 𝑝 2𝑝 + 1 0 𝑝+1

(ii) on réduit la première ligne par une opération colonne:

1 1 1 −1 1 0
𝑃2 (p) = 𝑃1 (p) 𝑅1 (p) = [ ][ ]=[ ]
0 𝑝+1 0 1 0 𝑝+1
Alors,

𝑃(𝑝) = 𝐿(𝑝) 𝑆(𝑝) 𝑅(𝑝)

1 0 −1 1 0 1 −1 −1
=[ ] [ ][ ]
−𝑝 1 0 𝑝+1 0 1
L(p) S(p) R(p)
Alors, 𝛾1 (𝑝) = 1 et 𝛾2 (𝑝) = p + 1.

IV.5.2.4. Forme de Smith-Macmillan

Théorème:

N'importe quelle matrice de transfert peut se simplifier à une forme diagonale:

𝑃(𝑝) 𝐿(𝑝) 𝑆(𝑝) 𝑅(𝑝) 𝑆(𝑝)

G(p) = = =𝐿(𝑝) 𝑅(𝑝) (IV.34)
𝐷(𝑝) 𝐷(𝑝) 𝐷(𝑝)
S(p)
La matrice 𝐷(𝑝) est une matrice de fractions rationnelles diagonale. Les éléments de la diagonale peuvent
donner lieu à des simplifications entre le numérateur et le dénominateur.

Notons:

L(p) = [𝐿1 (𝑝) ⋯ 𝐿𝑝 (𝑝)] (IV.35)

𝑅1 (𝑝)
R(p) = [ ⋮ ] (IV.36)
𝑅𝑚 (𝑝)
𝜖1 (𝑝)
𝐷1 (𝑝)
⋱
𝑆(𝑝) 𝜖𝑟 (𝑝)
= 𝐷𝑟 (𝑝) (IV.37)
𝐷(𝑝)
0
⋱
[ 0]
 𝜖𝑖 (𝑝) et 𝐷𝑖 (𝑝) sont des premiers (pas de racines communes),

Université de GHARDAIA N. HACENE Page 63

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

 𝜖𝑖 (𝑝) divise 𝜖𝑖+1 (𝑝) et 𝐷𝑖 (𝑝) divise 𝐷𝑖+1 (𝑝).

 r = rang(G(p)),

La nouvelle forme de G(p) est appelée la forme de Smith-Macmillan.

On arrive à:
𝑆(𝑝)
G(p) = 𝐿(𝑝) 𝑅(𝑝)
𝐷(𝑝)
𝜖1 (𝑝)
𝐷1 (𝑝)
⋱ 𝑅1 (𝑝)
𝜖𝑟 (𝑝)
= [𝐿1 (𝑝) ⋯ 𝐿𝑝 (𝑝)] 𝐷𝑟 (𝑝) [ ⋮ ]
𝑅𝑚 (𝑝)
0
⋱
[ 0]
𝑅1 (𝑝)
𝜖 (𝑝) 𝜖𝑟 (𝑝)
= [𝐿1 (𝑝) 𝐷1 (𝑝) ⋯ 𝐿𝑝 (𝑝)
𝐷𝑟 (𝑝)
][ ⋮ ]
1
𝑅𝑚 (𝑝)

𝜖𝑖 (𝑝)
= ∑𝑟𝑖=1 𝐿𝑖 (𝑝) 𝑅𝑖 (𝑝) (IV.38)
𝐷𝑖 (𝑝)
 Les pôles de G(p) sont les racines de 𝐷𝑖 (𝑝),
 Les zéros de G(p) sont les racines de 𝜖𝑖 (𝑝).
 L'ordre du système est:
n = ∑𝑟𝑖=1 deg(𝐷𝑖 (𝑝)) (IV.39)
On peut écrire:
𝜖𝑖 (𝑝)
Y(p) = G(p) U(p) = ∑𝑟𝑖=1 𝐿𝑖 (𝑝) 𝑅𝑖 (𝑝) U(p) (IV.40)
𝐷𝑖 (𝑝)

= ∑𝑟𝑖=1 𝑌𝑖 (𝑝) (IV.41)

Donc,
𝜖𝑖 (𝑝)
𝑌𝑖 = 𝐿𝑖 (𝑝) 𝑅𝑖 (𝑝) U(p) (IV.42)
𝐷𝑖 (𝑝)

On obtient une représentation d'état pour chaque terme 𝑌𝑖 de la somme:

𝑥𝑖̇ = 𝐴𝑖 𝑥𝑖 (𝑡) + 𝐵𝑖 𝑢(𝑡)

{ (IV.43)
𝑦𝑖 = 𝐶𝑖 𝑥𝑖 (𝑡)
Et donc la représentation d'état finale du système sera:

𝐴1 0 0 0 𝐵1
𝑥̇ = [
0 𝐴2 0 0 𝐵
] 𝑥 + [ 2] 𝑢
⋮ 0 ⋱ ⋮ ⋮ (IV.44)
0 0 ⋯ 𝐴𝑟 𝐵𝑟
{𝑦 = [𝐶1 𝐶2 ⋯ 𝐶𝑟 ] 𝑥 + [0] 𝑢

Université de GHARDAIA N. HACENE Page 64

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

Exemple IV.7:

Soit le système décrit par:

1 −1
𝑝 2 + 𝑝−4 2𝑝2 − 𝑝−8
[ ]
𝑃(𝑝) 𝑝2 −4 2(𝑝2 −4)
G(p) = =
𝐷(𝑝) 𝑝 (𝑝+1)(𝑝+2)

1 −1
2
P(p) = [ 𝑝 + 𝑝−4 2𝑝2 − 𝑝 − 8]
2
𝑝 −4 2(𝑝2 − 4)

1 0 0 1 −1 1 −1
1 1 2 2 2 2
𝑃 (p) = 𝐿 (p) P(p) = [−𝑝 − 𝑝 + 4 1 0] [𝑝 + 𝑝 − 4 2𝑝 − 𝑝 − 8] = [0 3𝑝 − 12 ]
−𝑝2 + 4 0 1 𝑝2 − 4 2(𝑝2 − 4) 0 3(𝑝2 − 4)

1 −1 1 0
2 1 1
𝑃 (p) = 𝑃 (p) 𝑅 (p) = [0 3𝑝2 − 12 ] [1 1] = [0 3𝑝2 − 12]
0 1
0 3(𝑝2 − 4) 0 3𝑝2 − 12

1 0 0 1 0 1 0
3 2 (𝑝)𝑃2 2
𝑃 (p) = 𝐿 (𝑝) = [0 1 0] [0 3𝑝 − 12] = [0 3𝑝2 − 12]
0 −1 1 0 3𝑝2 − 12 0 0

Alors,

1 0 1 0 0 1 0 0
2 1 1
[0 3𝑝 − 12] = [0 1 0] [−𝑝 − 𝑝 + 4 1 0] 𝑃(𝑝) [
2 ]
2 0 1
0 0 0 −1 1 −𝑝 + 4 0 1
1 0 0
1 1
= [−𝑝2 − 𝑝 + 4 1 0] 𝑃(𝑝) [ ]
0 1
𝑝 −1 1
Il vient:
1 0 0 −1 1 0 −1
𝑃(𝑝) = 𝐿(𝑝) 𝑆(𝑝) 𝑅(𝑝) = ([ −𝑝 − 𝑝+4 2
1 0]) [0 3𝑝2 − 12] [1 1]
0 1
𝑝 1 1 0 0
1 0 0 1 0
2
= [𝑝 + 𝑝 − 4 1 0] [0 3𝑝2 − 12] [1 −1]
0 1
𝑝2 − 4 1 1 0 0

L(p) S(p) R(p)

2
Alors, 𝛾1 (𝑝) = 1 et 𝛾2 (𝑝) = 3𝑝 − 12.

La matrice de transfert est, donc:

1 0 0 1 0
2 +𝑝−4 1 0 1 −1
[𝑝 ][0 3𝑝2 −12][ ]
0 1
𝑝2 −4 1 1 0 0
𝐺(𝑝) =
𝑝 (𝑝+1)(𝑝+2)

Université de GHARDAIA N. HACENE Page 65

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

1 0
2
1 0 0 [0 3𝑝 −12]
𝑝 2
+ 𝑝 − 4 1 0] 0 0 1 −1
=[ [ ]
2
𝑝 −4 1 1
𝑝 𝑝+1 (𝑝+2) 0
( ) 1
1
0
1 0 0 𝑝 (𝑝+1)(𝑝+2)
𝑝 2
+ 𝑝 − 4 1 0] 3𝑝2 −12
1 −1
=[ [ ]
2 0 0 1
𝑝 −4 1 1 𝑝 (𝑝+1)(𝑝+2)
[ 0 0 ]
1
1 0 0 𝑝 (𝑝+1)(𝑝+2)
0
𝑝 2
+ 𝑝 − 4 1 0] 3(𝑝−2) 1 −1
=[ [ ]
2 0 0 1
𝑝 −4 1 1 𝑝 (𝑝+1)
[ 0 0 ]
1 0
[ 𝑝2 +𝑝−4 ] [1 −1] [1] 3(p−2) [0 1]
𝑝2 −4 1
= +
𝑝 (𝑝+1)(𝑝+2) 𝑝 (𝑝+1)
1 0
2
[𝑝 +𝑝−4] [1 −1] [3p−6] [0 1]
𝑝2 −4 3𝑝−6
= +
𝑝3 +3𝑝2 +2𝑝 𝑝2 +𝑝

Pour le premier terme, la représentation d'état est:

0 1 0 0 0
𝑥̇ = [ 0 0 1 ] 𝑥 + [0 0 ] 𝑢
0 −2 −3 1 −1
1 0 0
𝑦 = [−4 1 1] 𝑥 + [0] 𝑢
{ −4 0 1
Et pour le deuxième terme, la représentation d'état est:

0 1 0 0
𝑥̇ = [ ] 𝑥+[ ]𝑢
0 −1 0 1
0 0
𝑦 = [−6 3] 𝑥 + [0] 𝑢
{ −6 3
Finalement,
0 1 0 0 0 0 0
0 0 1 0 0 0 0
𝑥̇ = 0 −2 −3 0 0 𝑥 + 1 −1 𝑢
0 0 0 0 1 0 0
[0 0 0 0 −1] [0 1 ]
1 0 0 0 0
𝑦 = [−4 1 1 −6 3] 𝑥 + [0] 𝑢
{ −4 0 1 −6 3

Université de GHARDAIA N. HACENE Page 66

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

IV.5.2.5. Méthode directe

La méthode directe est la suivante:

1. Posons ∆0 = 1 et définissons ∆𝑖 (p) comme les plus grands communs diviseurs (PGCD) des
mineurs d'ordre i de S(p)
∆1 (𝑝) ∆2 (𝑝) ∆𝑖 (𝑝)
2. On a: 𝛾1 (𝑝) = , 𝛾2 (𝑝) = ,…, 𝛾𝑖 (𝑝) = ,…,
∆0 (𝑝) ∆1 (𝑝) ∆𝑖−1 (𝑝)

On notera que 𝛾𝑖 (𝑝) divise 𝛾𝑖+1 (𝑝).

Exemple IV.8:

Soit la matrice polynomiale:

1 −1
2
M(p) = [ 𝑝 + 𝑝−4 2𝑝2 − 𝑝 − 8]
2
𝑝 −4 2(𝑝2 − 4)

La structure de 𝑆(𝑝)est a priori la suivante:

𝛾1 (𝑝) 0
𝑆(𝑝)= [ 0 𝛾2 (𝑝)]
0 0
Appliquons l'algorithme:

 ∆0 = 1
 Les mineurs d'ordre 1 sont les éléments de la matrice. Leur PGCD est égal à ∆1 = 1.
 Les mineurs d'ordre 2 sont: 3𝑝2 − 12, 3𝑝2 − 12, 3𝑝3 − 12𝑝
Le PGCD est ∆2 (p) = 3𝑝2 − 12. On a donc:
∆1 (𝑝) 1 ∆2 (𝑝)
 𝛾1 (𝑝) = = = 1, 𝛾2 (𝑝) = = 3𝑝2 − 12 = 3(𝑝2 − 4)
∆0 (𝑝) 1 ∆1 (𝑝)
1 0
 Et S(p) = [0 3(𝑝2 − 4)]
0 0

IV.6. Exercices
Exercice 1:

Soit le système multivariable décrit par les équations différentielles suivantes:

𝑦̈ 1 + 𝑦̇ 2 + 𝑦2 = 𝑢1
{
𝑦̈ 2 + 𝑦̇ 1 − 𝑦1 = 𝑢2

1. Déterminer sa matrice de transfert.

2. Déterminer une réalisation du système.

Université de GHARDAIA N. HACENE Page 67

Systèmes linéaires multivariables Chapitre IV: Représentation des SM par matrice de transfert

Exercice 2:
Soit le système décrit par:
1 −1
𝑝3 +9𝑝2 +2 3𝑝+15 𝑝3 +9𝑝2 +2 3𝑝+15
𝑝2 − 𝑝−1 𝑝
G(p) = 𝑝3 +9𝑝2 +2 3𝑝+15 𝑝3 +9𝑝2 +2 3𝑝+15
𝑝2 +3 2𝑝
[𝑝3 +9𝑝2+2 3𝑝+15 𝑝3 +9𝑝2 +2 3𝑝+15]

1. Combien d'entrées et de sorties le système a-t-il?

2. Déterminer une réalisation du système en utilisant la méthode de Gilbert.

Exercice 3:
Soit le système décrit par:
1 −1 𝑝2 − 𝑝−8
𝑝3 +𝑝2 +2 𝑝+5 𝑝3 +𝑝2 +2 𝑝+5 𝑝3 +𝑝2 +2 𝑝+5
𝑝2 − 𝑝−1 𝑝 2
G(p) =
𝑝3 +𝑝2 +2 𝑝+5 𝑝3 +𝑝2 +2 𝑝+5 𝑝3 +𝑝2 +2 𝑝+5
𝑝2 +3 2𝑝 𝑝+2
[𝑝3 +𝑝2+2 𝑝+5 𝑝3 +𝑝2 +2 𝑝+5 𝑝3 +𝑝2 +2 𝑝+5]

 Déterminer une réalisation du système.

Exercice 4:
Soit le système décrit par:
𝑝+1 𝑝−1 𝑝
[ 2 ]
𝑃(𝑝) 𝑝 + 𝑝−4 𝑝−2 𝑝2 + 2𝑝+3
G(p) = =
𝐷(𝑝) 𝑝 (𝑝+1)(𝑝+2)

 Déterminer une réalisation du système en utilisant la méthode des invariants.

Université de GHARDAIA N. HACENE Page 68

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

Chapitre V
Commande par retour d'état des systèmes multivariables:
commande par retour d’état, observateur d'état et commande par
retour de sortie

V.1. Principe général de la commande par retour d'état

La commande par retour d'état est la commande des systèmes modélisés par leur représentation d'état,
tandis que la commande en boucle fermée est la commande des systèmes représentés par la fonction de
transfert. L'idée consiste toujours à piloter le système par un signal de consigne et à générer
automatiquement le signal de commande en confrontant en permanence la valeur de la consigne et le
comportement réel du système. L'écart entre consigne et comportement réel sert de base au signal de
commande du système. Dans la commande par retour d'état, nous n'allons pas mesurer le signal de sortie
pour le boucler sur l'entrée, mais nous allons nous servir du vecteur d'état complet pour prendre
connaissance du comportement du système. La figure V.1 présente une représentation schématique de ce
concept.
Signal de
Signal de commande Signal de Signal de Signal de Signal de
consigne sortie consigne commande
Système sortie
Contrôleur Système
− −
état du
Dispositif de système
retour

(a) (b)
Figure V.1. Principe de commande: (a) en boucle fermée (b) par retour d'état

V.2. Problème de placement de pôles par retour d’état

Le vecteur d'état étant supposé connu, le signal de commande du système (autrement dit l'écart) doit
être construit en soustrayant au signal de consigne un signal qui dépend du vecteur d'état. Ce vecteur
d'état étant composé de n signaux 𝑥1 (𝑡), 𝑥2 (𝑡),…, 𝑥𝑛 (𝑡), on le multiple par un vecteur ligne "K" appelé
vecteur de gain pour pouvoir faire cette soustraction. On a alors:

K = [𝑘1 𝑘2 ⋯ 𝑘𝑛 ] (V.1)
et
𝑥1
𝑥2
u(t) = e(t) – K x = e(t) − [𝑘1 𝑘2 ⋯ 𝑘𝑛 ] [ ⋮ ] (V.2)
𝑥𝑛
soit:
u(t) = e(t) − 𝑘1 𝑥1 − 𝑘2 𝑥2 −…− 𝑘𝑛 𝑥𝑛 (V.3)

Université de GHARDAIA N. HACENE Page 70

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

e(t) u(t) y(t)

Système
−

x(t)
K

Figure V.2. Bouclage du système par un vecteur de gain

V.2.1. Fonction de transfert en boucle fermée

On peut calculer la fonction de transfert en boucle fermée du système à partir de la représentation

d'état. Supposons que le système, en boucle ouverte, soit régi par les équations d'état suivantes:

𝑥̇ = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡)
{ (V.4)
𝑦 = 𝐶 𝑥(𝑡)
On a, alors:

𝑥̇ = 𝐴 𝑥(𝑡) + 𝐵 {𝑒(𝑡)– 𝐾 𝑥(𝑡)}

{ (V.5)
𝑦 = 𝐶 𝑥(𝑡)
Appliquons, la transformée de Laplace aux équations d'état:

𝑝 𝑋(𝑝) = (𝐴 − 𝐵𝐾)𝑋(𝑝) + 𝐵 𝐸(𝑝)

{ (V.6)
𝑌(𝑝) = 𝐶 𝑋(𝑝)
On tire:
{𝑝𝐼 − 𝐴 + 𝐵𝐾} 𝑋(𝑝) = 𝐵 𝐸(𝑝)
{ (V.7)
𝑌(𝑝) = 𝐶 𝑋(𝑝)
Soit:
𝑋(𝑝) = {𝑝𝐼 − 𝐴 + 𝐵𝐾}−1 𝐵 𝐸(𝑝)
{ (V.8)
𝑌(𝑝) = 𝐶 {𝑝𝐼 − 𝐴 + 𝐵𝐾}−1 𝐵 𝐸(𝑝)
d'où:
𝑌(𝑝)
H(p) = = 𝐶 {𝑝𝐼 − 𝐴 + 𝐵𝐾}−1 𝐵 (V.9)
𝐸(𝑝)

On peut aussi utiliser le schéma analogique (Figure V.3) pour calculer la fonction de transfert en boucle
fermée.

Université de GHARDAIA N. HACENE Page 71

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

e(t) u(t) y(t) e(t) u(t) 𝒙̇ (t) x(t) y(t)

Système
B ∫ C
− − +
x(t)
K A
Système

e(t) 𝒙̇ (t) x(t) y(t) e(t) 𝒙̇ (t) x(t) y(t)

B ∫ C B ∫ C
− + − − +

A
A-BK Système
Système
− B K

Figure V.3. Obtention de fonction de transfert en boucle fermée

En effet:
adj{𝑝𝐼−𝐴+𝐵𝐾}
{𝑝𝐼 − 𝐴 + 𝐵𝐾}−1 = (V.10)
det{𝑝𝐼−𝐴+𝐵𝐾}
D'où
𝑎𝑑𝑗{𝑝𝐼−𝐴+𝐵𝐾}
H(p) = C B (V.11)
𝑑𝑒𝑡{𝑝𝐼−𝐴+𝐵𝐾}
Les pôles de la fonction de transfert en boucle fermée sont donc les racines de l'équation
caractéristique 𝑑𝑒𝑡{𝑝𝐼 − 𝐴 + 𝐵𝐾} = 0, c'est-à-dire les valeurs propres de la matrice (𝐴 − 𝐵𝐾). La
possibilité de choisir le vecteur de gain K de manière à positionner ces pôles sur des valeurs voulues,
donc de conférer au système en boucle fermée les performances que l'on souhaite lui assigner, s'appelle la
commandabilité en modes du système.
V.2.2. Commandabilité en modes (Wonham 1960)

Théorème:

 Un système est commandable en modes en boucle fermée s'il est complètement commandable
en boucle ouverte.
Pour savoir s'il est possible d'assurer la commandabilité en modes du système en boucle fermée, il
suffira donc de calculer la matrice de commandabilité:
Com = [B | AB | A2 B | ⋯ | A𝑛−1 B] (V.12)
et de vérifier si elle est de rang n.
V.2.3. Cas des systèmes non commandables
Dans le cas où le système n'est pas complètement commandable, les équations d’état pouvaient se
mettre, grâce à un changement de base approprié, sous la forme suivante:

Université de GHARDAIA N. HACENE Page 72

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

𝑥̇̃ (𝑡) = 𝐴̃ 𝑥̃(𝑡) + 𝐵̃ 𝑢(𝑡)

{ (V.13)
𝑦(𝑡) = 𝐶̃ 𝑥̃(𝑡)
où
𝐴̃ = T A 𝑇 −1 , 𝐵̃ = 𝑇 −1 B et 𝑥̃(𝑡) = T x(t) (V.14)
On peut décomposer les matrices 𝐴̃ et 𝐵̃ comme suit:
̃
A ̃ 12
A ̃
𝐴̃ = [ 11 ] et 𝐵̃ = [B1 ] (V.15)
0 A ̃ 22 0
̃ 11 et B
Le sous système défini par la paire A ̃1 étant complètement commandable.

On a, alors en boucle fermée:

𝑥̇̃ (𝑡) = 𝐴̃ 𝑥̃(𝑡) + 𝐵̃ {𝑒(𝑡)– 𝐾

̃ 𝑥̃(𝑡)} (V.16)
Ou
̃
A ̃12
A ̃
𝑥̇̃ (𝑡) = [ 11 ] 𝑥̃(𝑡) + [B1 ] {𝑒(𝑡)– 𝐾
̃ 𝑥̃(𝑡)} (V.17)
0 A ̃ 22 0
Scindons les vecteurs en deux sous vecteurs, on tire:
𝑥̇̃ ̃
A ̃12 𝑥̃1
A ̃ 𝑥̃
[ 1 ] = [ 11 ] [ ] + [B1 ] {𝑒(𝑡)– [k̃1 k̃ 2 ] [𝑥̃1 ]} (V.18)
𝑥̇̃2 0 ̃ 22 𝑥̃2
A 0 2
Soit:
𝑥̇̃ ̃ − B
A ̃1 k̃1̃ 12 − B
A ̃1 k̃ 2 𝑥̃1 ̃
[ 1 ] = [ 11 ] [ ] + [B1 ] 𝑒(𝑡) (V.19)
𝑥̇̃2 0 ̃ 22
A 𝑥̃2 0
Cette expression apporte la preuve que le vecteur de gain ne peut agir que sur la partie complètement
commandable du système. En revanche, les modes non commandables du système ne seront pas affectés.
De cette propriété découle un résultat fondamental concernant la stabilité en boucle fermée des systèmes
non complètement comandables:

 Un système non complètement commandable est stable en boucle fermée si et seulement si les
modes non commandables sont stables, autrement dit si les valeurs propres qui correspondent à
ces modes sont à parties réelles négatives (i.e. si les pôles correspondant sont à parties réelles
négatives).
V.3. Conception du régulateur par placement des pôles
Le problème de placement des pôles est de déterminer la valeur de K qui donne les pôles désirés en
boucle fermée. Il existe plusieurs méthodes pour le placement des pôles:
V.3.1. La méthode de comparaison directe
Si les pôles désirés en boucle fermée sont: 𝑝1, 𝑝2 ,…, 𝑝𝑛 , alors
𝑑𝑒𝑡{𝑝𝐼 − 𝐴 + 𝐵𝐾} = (𝑝 − 𝑝1 )(𝑝 − 𝑝2 ) … (𝑝 − 𝑝𝑛 )
= 𝑝𝑛 + 𝛼𝑛−1 𝑝𝑛−1 +…+ 𝛼1 p + 𝛼0 (V.20)
Pour trouver les éléments de la matrice K, il nous suffit de résoudre l'équation précédente.

Université de GHARDAIA N. HACENE Page 73

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

V.3.2. La méthode de forme canonique commandable

La valeur de K peut être calculée directement en utilisant l'expression suivante:
𝐾 = [𝛼0 − 𝑎0 𝛼1 − 𝑎1 ⋯ 𝛼𝑛−1 − 𝑎𝑛−1 ]𝑇 −1 (V.21)
Où, T est la matrice de transformation qui transforme l'équation d'état du système à la forme canonique
commandable:
T = Com W (V.22)
Où, Com est la matrice de commandabilité:
Com = [B | AB | A2 B | ⋯ | An−1 B] (V.23)
Et:
𝑎1 𝑎2 ⋯ 𝑎𝑛−1 1
𝑎2 𝑎3 ⋯ 1 0
W= ⋮ ⋮ ⋰ ⋮ ⋮ (V.24)
𝑎𝑛−1 1 ⋯ 0 0
[ 1 0 ⋯ 0 0]
Notons, que T = I si le système est déjà sous la forme commandable.
V.3.3. La méthode d'Ackermann
La méthode d'Ackermann (1972) est une méthode directe applicable seulement sur les systèmes SISO, c.-
à-d. u(t) et y(t) sont des scalaires, la formule d'Ackermann est donnée par:
K = [0 0 ⋯ 0 1] Com−1 ϕ(A) (V.25)
Où:
ϕ(A) = 𝐴𝑛 + 𝛼𝑛−1 𝐴𝑛−1 +…+ 𝛼1 A + 𝛼0 I (V.26)
et A est la matrice d'état, 𝛼𝑖 sont les coefficient de l'équation caractéristique désirée en boucle fermée.
Exemple V.1:
Soit le système défini par sa fonction de transfert:
1
H(p) =
𝑝(𝑝+4)

1. Ecrire les équations d'état du système sous la forme commandable

2. Si on souhaite que les pôles du système en boucle fermée seront: 𝑝1 = -2 et 𝑝2 = -2, évaluer les
coefficients de la matrice du gain K en utilisant les trois méthodes.
Solution
La forme commandable est:
0 1 0
𝑥̇ = [ ] 𝑥(𝑡) + [ ] 𝑢(𝑡)
{ 0 −4 1
𝑦 = [1 0] 𝑥(𝑡)
L'équation caractéristique désirée en boucle fermée est:
(p+2)(p+2) = 0
Ou
𝑝2 + 4 𝑝 + 4 = 0

Université de GHARDAIA N. HACENE Page 74

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

c.-à-d.:
𝑝2 + 𝛼1 𝑝 + 𝛼0 = 0
D'où:
𝛼1 = 4 et 𝛼0 = 4
(1) La méthode de comparaison directe
𝑑𝑒𝑡{𝑝𝐼 − 𝐴 + 𝐵𝐾} = 𝑝2 + 4 p + 4
𝑝 0 0 1 0
|[ ]−[ ] + [ ] [𝑘1 𝑘2 ]| = 𝑝2 + 4 p + 4
0 𝑝 0 −4 1
𝑝 −1 0 0
|[ ]+[ ]| = 𝑝2 + 4 p + 4
0 𝑝+4 𝑘1 𝑘2
𝑝 −1
| | = 𝑝2 + 4 p + 4
𝑘1 𝑝 + 4 + 𝑘2
𝑝2 + (4 + 𝑘2 ) p + 𝑘1 = 𝑝2 + 4 p + 4
Et on tire:
𝑘1 = 4 𝑘 = 4
{ ⟹{ 1
4 + 𝑘2 = 4 𝑘2 = 0
(2) La méthode de forme canonique commandable
K = [𝛼0 − 𝑎0 𝛼1 − 𝑎1 ] 𝑇 −1

= [4 − 0 4 − 4] 𝑇 −1
= [4 0] 𝑇 −1
On a:
T = Com W
Où, Com est la matrice de commandabilité:

0 1
Com = [B | AB] = [ ]
1 −4
Et:
𝑎 1 4 1
W=[ 1 ]=[ ]
1 0 1 0
D'où:
0 1 4 1 1 0
T = Com W = [ ][ ]=[ ]=I
1 −4 1 0 0 1
T = I, ce qui prouve que le système est déjà sous la forme commandable. Alors, 𝑇 −1 = I et:
K = [4 0] 𝑇 −1 = [4 0] 𝐼 = [4 0]
(3) La méthode d'Ackermann
K = [0 1] Com−1 ϕ(A)

Université de GHARDAIA N. HACENE Page 75

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

On a:
0 1 −1 4 1
Com−1 = [ ] =[ ]
1 −4 1 0
Où:
ϕ(A) = 𝐴2 + 𝛼1 A + 𝛼0 I
0 1 2 0 1 1 0
=[ ] + 4[ ] + 4[ ]
0 −4 0 −4 0 1
0 −4 0 4 4 0
=[ ]+[ ]+[ ]
0 16 0 −16 0 4
4 0
=[ ]
0 4
Finalement, on a:
K = [0 1] Com−1 ϕ(A)
4 1 4 0
= [0 1] [ ][ ]
1 0 0 4
16 4
= [0 1] [ ]
4 0
= [4 0]

V.4. Observateurs et estimateurs d'état

Dans la section précédente (section 2), on a étudié le problème de placement de pôles, où, on a utilisé
le retour d'état qui suppose que les variables d'état sont mesurables. En pratique, ce n'est pas le cas à
cause de plusieurs raisons: le coût, l'état ne peut pas être mesurable physiquement, etc. sous ces
conditions, il devient nécessaire d'estimer ou d'observer les variables d'état.
Un observateur complet estime toutes les variables d'état du système. Si quelques variables d'état sont
mesurables, il peut être seulement nécessaire d'estimer quelques variables, ce que l'on appelle un
observateur d'état réduit (Figure V.4).
Comme la dynamique de l'observateur ne peut être jamais égale à la dynamique du système,
l'arrangement de la boucle ouverte signifie que les vecteurs x et 𝑥̂ graduellement divergent. Cependant, si
un vecteur de sortie 𝑦̂ est estimé est soustrait du vecteur de sortie actuel, la différence peut être utilisée
dans le sens de boucle fermée pour modifier la dynamique de l'observateur de manière à minimiser
l'erreur de sortie y−𝑦̂. Cet arrangement est parfois appelé l'observateur de Luenberger (1964), comme il
est indiqué par la Figure V.5.

Université de GHARDAIA N. HACENE Page 76

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

u(t) 𝑥̇ (t) x(t)

B ∫ C y(t)
+

Système

𝒙̇̂(t)
B ∫ ̂(t)
𝒙
+

Observateur

Figure V.4. Un observateur d'état simple.

Rappelons tout d'abord que le principe de base de l'observabilité d'un système consiste à proposer la
reconstruction du vecteur d'état à partir de la connaissance des signaux d'entrée et de sortie du système
sur un intervalle de temps donné. Considérons le système quelconque présenté par la Figure V.4 et régi
par les équations d'états:
𝑥̇ = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡)
{ (V.27)
𝑦 = 𝐶 𝑥(𝑡)
u(t) 𝑥̇ (t) x(t)
B ∫ C y(t)
+

+
𝑲𝒆
−
+
𝒙̇̂(t) ̂(t)
𝒙
B ∫ C ̂(t)
𝒚
+

Figure V.5. L'observateur d'état complet de Luenberger.

Université de GHARDAIA N. HACENE Page 77

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

Après multiplication du signal d'erreur par un vecteur colonne 𝑲𝒆 appelé matrice gain d'observateur,
on réinjecte cette erreur à l'entrée dans le calcul de 𝑥̇̂ (t) (Figure V.4). D'après la Figure V.4, on obtient:
𝑥̇̂ (𝑡) = 𝐴 𝑥̂(𝑡) + 𝐾𝑒 [𝑦(𝑡) – 𝐶𝑥̂(𝑡)] + 𝐵 𝑢(𝑡) (V.28)
Soit:
𝑥̇̂ (𝑡) = [𝐴 − 𝐾𝑒 𝐶] 𝑥̂(𝑡) + 𝐾𝑒 𝑦(𝑡) + 𝐵 𝑢(𝑡) (V.29)
or:
𝑥̇ (𝑡) = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡)
{ (V.30)
𝑦(𝑡) = 𝐶 𝑥(𝑡)
d'où:

𝑥̇̂ (𝑡) = [𝐴 − 𝐾𝑒 𝐶]𝑥̂(𝑡) + 𝐾𝑒 𝐶 𝑥(𝑡) + 𝑥̇ (𝑡) − 𝐴 𝑥(𝑡) (V.31)

Alors,

𝑥̇̂ (𝑡) − 𝑥̇ (𝑡) = [𝐴 − 𝐾𝑒 𝐶] {𝑥̂(𝑡) − 𝑥(𝑡)} (V.32)

Si on définit l’erreur d’estimation e par la différence entre l'état estimé et l'état réel du système, on
obtient:
e (t) = 𝑥̂(t) – x(t) (V.33)
On a donc:
𝑒̇ (𝑡) = [𝐴 − 𝐾𝑒 𝐶] 𝑒(𝑡) (V.34)
L'équation (V.34) montre que le comportement dynamique du vecteur d'erreur est déterminé par les
valeurs propres de la matrice [𝐴 − 𝐾𝑒 𝐶]. Si la matrice [𝐴 − 𝐾𝑒 𝐶] est une matrice stable, le vecteur
d'erreur convergera vers zéro pour tout vecteur d'erreur initial e (0). C'est-à-dire 𝑥̂(𝑡) convergera vers
𝑥(𝑡) quelles que soient les valeurs de 𝑥(0) et 𝑥̂(0). Si les valeurs propres de la matrice [𝐴 − 𝐾𝑒 𝐶] sont
choisis de telle sorte que le comportement dynamique du vecteur d’erreur soit asymptotiquement stable et
suffisamment rapide, tout vecteur d'erreur aura tendance à tendre vers zéro (l'origine) avec une vitesse
adéquate.
Le problème de la conception d'un observateur d'ordre complet devient celui de la détermination de la
matrice de gain de l'observateur 𝐾𝑒 telle que la dynamique d'erreur définie par l'équation (V.34) sont
asymptotiquement stables avec une vitesse de réponse suffisante. (la stabilité asymptotique et la vitesse
de réponse de la dynamique de l'erreur sont déterminées par les valeurs propres de la matrice [𝐴 − 𝐾𝑒 𝐶])
Par conséquent, la conception de l'observateur d'ordre complet devient celle de déterminer une matrice
gain 𝐾𝑒 appropriée telle que [𝐴 − 𝐾𝑒 𝐶] possède les valeurs propres souhaitées. Ainsi, le problème ici
devient le même que le problème de placement des pôles, et alors, des techniques similaires peuvent être
utilisées.
V.4.1. La méthode de comparaison directe
Si les pôles désirés (valeurs propres) en boucle fermée de l'observateur sont: 𝑝1, 𝑝2 ,…, 𝑝𝑛 , alors
𝑑𝑒𝑡{𝑝𝐼 − 𝐴 + 𝐾𝑒 𝐶} = (𝑝 − 𝑝1 )(𝑝 − 𝑝2 ) … (𝑝 − 𝑝𝑛 )
= 𝑝𝑛 + 𝛼𝑛−1 𝑝𝑛−1 +…+ 𝛼1 p + 𝛼0 (V.35)
Pour trouver les éléments de la matrice K, il nous suffit de résoudre l'équation précédente.
V.4.2. La méthode de forme canonique observable
La forme d'observation des équations d'état du système est donnée par:

Université de GHARDAIA N. HACENE Page 78

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

0 0 0 ⋯ − 𝑎0 𝑏0
𝟏 0 0 ⋱ − 𝑎1 𝑏1
𝑥̇ = ⋮ 𝟏 ⋱ ⋱ ⋮ 𝑥+ ⋮ u
0 ⋯ ⋱ 0 𝑎𝑛−2 𝑏𝑛−2 (V.36)
[0 0 ⋯ 𝟏 − 𝑎𝑛−1 ] [𝑏𝑛−1 ]
{𝑦 = [0 0 ⋯ 0 1] 𝑥
La valeur de la matrice gain d'observateur 𝐾𝑒 peut être calculée par:
𝛼0 − 𝑎 0
𝛼1 − 𝑎1
𝐾𝑒 = Q [ ⋮ ] (V.37)
𝛼𝑛−1 − 𝑎𝑛−1
Q est la matrice de transformation qui transforme l'équation d'état du système à la forme canonique
observable:
Q = (W. Ob)−1 (V.38)
Où, W est la matrice définie précédemment, Ob est la matrice d'observabilité:
C
CA
Ob = [ ] (V.39)
⋮
CA𝑛−1
Notons, que Q = I si le système est déjà sous la forme canonique observable.
V.4.3. La méthode d'Ackermann
Comme le problème de placement des pôles, cette méthode est applicable seulement dans le cas
monovariable. La matrice gain d'observateur peut être calculée par:
𝐾𝑒 = ϕ(A) Ob−1 [0 0 ⋯ 0 1]T (V.40)
ou:
C −1 0
CA 0
𝐾𝑒 = ϕ(A) [ ] [ ] (V.41)
⋮ ⋮
CA𝑛−1 1
Et ϕ(A) est définie précédemment.
Exemple V.2:
Soit le système décrit par:
0 1 0
𝑥̇ = [ ] 𝑥(𝑡) + [ ] 𝑢(𝑡)
{ −2 −3 1
𝑦 = [1 0] 𝑥(𝑡)
Concevoir un observateur d'état complet où les pôles désirés en boucle fermée sont:
𝑝1 = −2 + j 5√3 et 𝑝2 = −2 − j 5√3.
Solution
La matrice d'observabilité est:
𝐶 1 0
Ob = [ ]= [ ]
𝐶𝐴 0 1
On calcule le déterminant de la matrice Ob:

Université de GHARDAIA N. HACENE Page 79

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

1 0
det(Ob) = |
|=1
0 1
d'où, le système est complètement observable et le calcul de la matrice gain 𝐾𝑒 est réalisable.
Les pôles du système en boucle ouverte:
p 0 0 1 p −1
|pI − A| = |[ ]−[ ]|= | | = p2 + 3 p + 2
0 p −2 −3 +2 p +3
On a, donc:
a0 = 2 et a1 = 3
En boucle fermée:
(p + 2 − j 5√3) (p + 2 + j 5√3) = (𝑝 + 2)2 − (j 5√3) = 𝑝2 + 4 𝑝 + 79
et:
𝛼0 = 79 et 𝛼1 = 4
(1) La méthode de comparaison directe
𝑑𝑒𝑡{𝑝𝐼 − 𝐴 + 𝐾𝑒 𝐶} = 𝑝2 + 4 𝑝 + 79
𝑝 0 0 1 𝑘
|[ ]−[ ] + [ 1 ] [1 0]| = 𝑝2 + 4 𝑝 + 79
0 𝑝 −2 −3 𝑘2
𝑝 −1 𝑘 0
|[ ]+[ 1 ]| = 𝑝2 + 4 𝑝 + 79
2 𝑝+3 𝑘2 0
𝑝 + 𝑘1 −1
| | = 𝑝2 + 4 𝑝 + 79
2 + 𝑘2 𝑝+3
𝑝2 + (3 + 𝑘1 ) p +3𝑘1 +2+ 𝑘2 = 𝑝2 + 4 𝑝 + 79
Et on tire:
3 + 𝑘1 = 4 𝑘 = 1
{ ⟹{ 1
3𝑘1 + 2 + 𝑘2 = 79 𝑘2 = 74

(2) La méthode de forme canonique observable

𝛼0 − 𝑎0 79 − 2 77
𝐾𝑒 = Q [𝛼 − 𝑎 ] = Q [ ]=Q[ ]
1 1 4−3 1
On a:
Q = (W. Ob)−1
où:
𝑎 1 3 1
W=[ 1 ]=[ ]
1 0 1 0
et
1 0
Ob = [ ]
0 1
Ainsi:
Q = (W. Ob)−1

Université de GHARDAIA N. HACENE Page 80

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

3 1 1 0 −1
= ([ ][ ])
1 0 0 1
3 1 −1
= ([ ])
1 0
0 1
=[ ]
1 −3
Comme Q ≠ I, alors, A n'est pas sous la forme canonique observable.
77
𝐾𝑒 = Q [ ]
1
0 1 77
=[ ][ ]
1 −3 1
1
=[ ]
74
(3) La méthode d'Ackermann
0
𝐾𝑒 = ϕ(A) Ob−1 [ ]
1
1 0 −1 0
= [𝐴2 + 4 𝐴 + 79I] [ ] [ ]
0 1 1

0 1 2 0 1 1 0 0
= [[ ] + 4[ ] + 79 [ ]] [ ]
−2 −3 −2 −3 0 1 1

−2 −3 0 4 79 0 0
= [[ ] + [ ]+[ ]] [ ]
6 7 −8 −12 0 79 1
77 1 0
=[ ][ ]
−2 74 1
1
=[ ]
74
V.5. Effets de l'ajout de l'observateur sur un système en boucle fermée
Dans le processus de conception du placement des pôles, nous avons supposé que l'état réel 𝑥(𝑡) était
disponible pour le retour d'état. Cependant, dans la pratique, l'état actuel 𝑥(𝑡) peut ne pas être mesurable,
Il est donc nécessaire de concevoir un observateur et d'utiliser l'état observé pour le retour, comme
illustré à la Figure V.6. Le processus de conception devient donc un processus en deux étapes, la
première étape étant la détermination de la matrice de gain de rétroaction K pour obtenir l'équation
caractéristique souhaitée et la deuxième étape étant la détermination de la matrice de gain de l'observateur
𝐾𝑒 pour obtenir l'équation caractéristique souhaitée de l'observateur.
Examinons maintenant les effets de l'utilisation de l'état observé 𝑥̂(𝑡) plutôt que de l'état réel 𝑥(𝑡) sur
l'équation caractéristique d'un système de contrôle en boucle fermée.
Considérons le système complètement contrôlable et complètement observable défini par les
équations:
𝑥̇ (𝑡) = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡)
{ (V.42)
𝑦(𝑡) = 𝐶 𝑥(𝑡)

Université de GHARDAIA N. HACENE Page 81

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

Pour la commande par retour d'état basée sur l'observateur d'état 𝑥̂(𝑡),
𝑢 = −𝐾 𝑥̂(𝑡) (V.43)
u(t) 𝒙̇ (t) x(t)
B ∫ C y(t)
+

+
𝑲𝒆
−
+
𝒙̇̂(t) ̂(t)
𝒙
B ∫ C ̂(t)
𝒚
+

−𝑲

Figure V.6. Commande de rétroaction (boucle fermée) par observateur d'état complet.

Avec cette commande, l'équation d'état devient:

𝑥̇ = 𝐴 𝑥 − 𝐵 𝐾 𝑥̂ = (𝐴 − 𝐵𝐾)𝑥 + 𝐵𝐾(𝑥 − 𝑥̂) (V.44)

La différence entre l'état actuel 𝑥(𝑡) et l'état observé 𝑥̂(𝑡) a été définie comme l'erreur 𝑒(𝑡):
𝑒(𝑡) = 𝑥(𝑡) − 𝑥̂(t) (V.45)
Substituons (V.45) dans (V.44), on obtient:
𝑥̇ = (𝐴 − 𝐵𝐾)𝑥 + 𝐵𝐾𝑒 (V.46)
Notez que l'équation d'erreur de l'observateur a été donnée par l'équation (V.34), répétée ici:
𝑒̇ = [𝐴 − 𝐾𝑒 𝐶] 𝑒 (V.47)
Combinons les deux équations (V.46) et (V.47), on obtient:
𝑥̇ 𝐴 − 𝐵𝐾 𝐵𝐾 𝑥
[ ]=[ ][ ] (V.48)
𝑒̇ 0 𝐴 − 𝐾𝑒 𝐶 𝑒
L'équation (V.48) décrit la dynamique du système de contrôle en boucle fermée à état observé. L'équation
caractéristique du système est:
𝑝𝐼 − 𝐴 + 𝐵𝐾 −𝐵𝐾
| |=0 (V.49)
0 𝑝𝐼 − 𝐴 + 𝐾𝑒 𝐶
Ou
|𝑝𝐼 − 𝐴 + 𝐵𝐾||𝑝𝐼 − 𝐴 + 𝐾𝑒 𝐶| = 0 (V.50)

Université de GHARDAIA N. HACENE Page 82

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

Notez que les pôles en boucle fermée du système de contrôle de rétroaction à observateur d'état sont
constitués des pôles dus à la conception du placement des pôles uniquement et des pôles dus à la
conception de l'observateur uniquement. Cela signifie que la conception du placement des pôles et la
conception de l'observateur sont indépendantes l'une de l'autre. Ils peuvent être conçus séparément et
combinés pour former le système de contrôle de rétroaction à observateur d'état. Notez que, si l'ordre du
système est n, alors, l'observateur est également d'ordre n (si l'observateur d'état d'ordre complet est
utilisé) et l'équation caractéristique résultante pour l'ensemble du système en boucle fermée devient
d'ordre 2n.
V.6. Fonction de transfert du contrôleur basé sur l'observateur
Considérons le système défini par:
𝑥̇ (𝑡) = 𝐴 𝑥(𝑡) + 𝐵 𝑢(𝑡)
{ (V.51)
𝑦(𝑡) = 𝐶 𝑥(𝑡)
Supposons que le système est complètement observable. Supposons que nous utilisions le contrôle de
rétroaction à observateur d'état. Ensuite, les équations de l'observateur sont données par:
𝑥̂̇ = (𝐴 − 𝐾𝑒 𝐶 − 𝐵𝐾)𝑥̂ + 𝐾𝑒 𝑦 (V.52)
𝑢 = −𝐾𝑥̂ (V.53)
où l’équation (V.52) s'obtient en substituant (V.53) dans l'équation (V.29).
En prenant la transformation de Laplace de l’équation (V.52), en supposant une condition initiale
nulle, et en résolvant, nous obtenons:

𝑋̂̇(𝑝) = (𝑝𝐼 − 𝐴 + 𝐾𝑒 𝐶 + 𝐵𝐾)−1 𝐾𝑒 𝑌(𝑝) (V.54)

Substituons (V.54) dans (V.53), on obtient:
𝑈(𝑝) = −𝐾 (𝑝𝐼 − 𝐴 + 𝐾𝑒 𝐶 + 𝐵𝐾)−1 𝐾𝑒 𝑌(𝑝) (V.55)
Alors, la fonction de transfert 𝑈(𝑝)/𝑌(𝑝) peut s'obtenir comme suit:
𝑈(𝑝)
= −𝐾 (𝑝𝐼 − 𝐴 + 𝐾𝑒 𝐶 + 𝐵𝐾)−1 𝐾𝑒 (V.56)
𝑌(𝑝)
La Figure V.7 illustre la représentation sous forme de diagramme pour le système. Notez que la fonction
de transfert 𝐾 (𝐴 − 𝐾𝑒 𝐶 − 𝐵𝐾)−1 𝐾𝑒 agit en tant que contrôleur pour le système. Par conséquent, nous
appelons la fonction de transfert:
𝑈(𝑝)
= 𝐾 (𝑝𝐼 − 𝐴 + 𝐾𝑒 𝐶 + 𝐵𝐾)−1 𝐾𝑒 (V.57)
−𝑌(𝑝)
la fonction de transfert de contrôleur basé sur l'observateur ou, simplement, la fonction de transfert
d'observateur-contrôleur.

𝑹(𝒑) = 𝟎 𝒀(𝒑) 𝑼(𝒑) 𝒀(𝒑)

+ 𝑲 (𝒑𝑰 − 𝑨 + 𝑲𝒆 𝑪 + 𝑩𝑲)−𝟏 𝑲𝒆 Système
−

Figure V.7. Représentation schématique du système avec un contrôleur-observateur..

Université de GHARDAIA N. HACENE Page 83

Systèmes linéaires multivariables Chapitre V: Commande par retour d'état des systèmes multivariables

V.7. Exercices
Exercice 1:

Considérons la conception d'un système de régulation pour le système suivant:

0 1 0
𝑥̇ (𝑡) = [ ] 𝑥(𝑡) + [ ] 𝑢(𝑡)
{ −1 0 1
𝑦(𝑡) = [1 0] 𝑥(𝑡)

 Concevoir un système de régulation par placement de pôles pour que le système en boucle fermée
possède les pôles désirés suivants: 𝑝1 = −1 et 𝑝2 = −1.5.
Exercice 2:

Considérons la conception d'un système de régulation pour le système suivant:

0 1 0
𝑥̇ (𝑡) = [ ] 𝑥(𝑡) + [ ] 𝑢(𝑡)
{ 20.6 0 1
𝑦(𝑡) = [1 0] 𝑥(𝑡)

1. Concevoir un système de régulation par placement de pôles pour que le système en boucle fermée
possède les pôles désirés suivants: 𝑝1 = −1.8 + 𝑖2.4 et 𝑝2 = −1.8 − 𝑖2.4.
2. Supposons que les états du système ne sont pas disponibles. Concevoir un observateur d'état du
système. Les pôles désirés sont: 𝑝̂1 − 8 et 𝑝̂ 2 = −8

Exercice 3:

Soit le système suivant:

0 1 0 0
𝐴 = [0 0 1], 𝐵 = [0]
1 0 0 1
 Concevoir un système de régulation par placement de pôles pour que le système en boucle fermée
possède les pôles désirés suivants: 𝑝1 = −1, 𝑝2 = −2 et 𝑝3 = −2.
Exercice 4:

Considérons la conception d'un système de régulation pour le système suivant:

0 1 0 0 0
𝑥̇ (𝑡) = [−2 3 0] 𝑥(𝑡) + [1 3] 𝑢(𝑡)
5 1 3 0 1
0 0 7
𝑦(𝑡) = [ ] 𝑥(𝑡)
{ 7 9 0
 Trouver une matrice de rétroaction de sortie K telle que les pôles du système en boucle fermée
soient: 𝑝1 = −3, 𝑝2 = −3 et 𝑝3 = −4.

Université de GHARDAIA N. HACENE Page 84

Systèmes linéaires multivariables Exemple d'application

Exemple d'application: Étude d'un système

multivariable "Double Pendule Inversé"
V.1. Exemple d'application: Étude d'un système multivariable "Double Pendule Inversé"
L'exemple le plus répandu de pendule inversé stabilisé est sans doute un être humain. Une personne
debout agit comme un pendule inversé avec ses pieds comme pivot et, sans de petits ajustements
musculaires constants, elle tomberait. Le modèle à pendule inversé a été utilisé dans certains
transporteurs personnels récents, tels que les scooters à équilibrage automatique à deux roues (self
balancing scooter) et les monocycles électriques à une roue (Self-balancing unicycle) (voir Figure V.I.1).
Ces dispositifs sont cinématiquement instables et utilisent un système d'asservissement à rétroaction
électronique pour les maintenir en position verticale.

(a) (b) (c) (d)

Figure VI.1. Exemples de pendule inversé: (a) et (b) self-balancing scooter (c) et (d) Self-balancing
unicycle
Soit un chariot de masse M porte deux pendules inversés de longueurs 𝑙1 et 𝑙2 et qui portent deux
masses aux leurs extrémités 𝑚1 et 𝑚2 comme indiqué à la Figure V.2.

𝜽𝟏 𝒎

𝜽𝟐
𝒍𝟏
𝒍𝟐

𝒖
𝑴
𝒙

Figure VI.2. Modèle d'un double pendule inversé

Questions:
1. Établir les équations différentielles régissant le système.
2. Trouver la matrice de transfert du système.
3. Trouver une réalisation du système.

Université de GHARDAIA N. HACENE Page 86

Systèmes linéaires multivariables Exemple d'application

4. Réaliser le système sur Simulink.

5. Est-il toujours possible de contrôler les deux pendules, c'est-à-dire de les maintenir tous les deux
à la verticale, en utilisant l'entrée u?
6. Est-ce que le système est observable?
7. Concevoir un régulateur d'état par le placement de pôles en Supposant que les pôles désirés sont:
𝑝1 = −2, 𝑝2 = −3, 𝑝3 = −4, 𝑝4 = −5
8. Concevoir un régulateur d'état par observateur d'état.
Solution:
1. Les équations différentielles
Les équations de mouvement du système de double pendule inversé peuvent être dérivées à l'aide des
équations de Lagrange.
𝐿 =𝑇−𝑉
1 1 1
𝐿 = 𝑀𝑣 2 + 𝑚𝑣1 2 + 𝑚𝑣2 2 − 𝑚𝑔𝑙1 𝑐𝑜𝑠(𝜃1 ) − 𝑚𝑔𝑙2 𝑐𝑜𝑠(𝜃2 )
2 2 2
où 𝑣 est la vitesse du chariot, 𝑣1 est la vitesse de la masse m portée par le pendule de longueur 𝑙1 et 𝑣2 est
la vitesse de la masse m portée par le pendule de longueur 𝑙2 . 𝑣, 𝑣1 et 𝑣2 peuvent être exprimées en
termes de x et θ en écrivant la vélocité en tant que première dérivée de la position;
𝑣 2 = 𝑥̇ 2
2 2
𝑑 𝑑 2
𝑣1 2 = ( (𝑥 − 𝑙1 𝑠𝑖𝑛(𝜃1 ))) + ( (𝑙1 𝑐𝑜𝑠(𝜃1 ))) = 𝑥̇ 2 − 2𝑙1 𝑥̇ 𝜃1̇ 𝑐𝑜𝑠(𝜃1 ) + 𝑙1 2 𝜃1̇
𝑑𝑡 𝑑𝑡
2 2
𝑑 𝑑 2
𝑣2 2
= ( (𝑥 − 𝑙2 𝑠𝑖𝑛(𝜃2 ))) + ( (𝑙2 𝑐𝑜𝑠(𝜃2 ))) = 𝑥̇ 2 − 2𝑙2 𝑥̇ 𝜃2̇ 𝑐𝑜𝑠(𝜃2 ) + 𝑙2 2 𝜃2̇
𝑑𝑡 𝑑𝑡

Le Lagrangien est donnée par:

1 1 2 1 2
𝐿= 𝑀(𝑥̇ 2 ) + 𝑚 (𝑥̇ 2 − 2𝑙1 𝑥̇ 𝜃1̇ 𝑐𝑜𝑠(𝜃1 ) + 𝑙1 2 𝜃1̇ ) + 𝑚 (𝑥̇ 2 − 2𝑙2 𝑥̇ 𝜃2̇ 𝑐𝑜𝑠(𝜃2 ) + 𝑙2 2 𝜃2̇ ) − 𝑚𝑔𝑙1 𝑐𝑜𝑠(𝜃1 )
2 2 2
− 𝑚𝑔𝑙2 𝑐𝑜𝑠(𝜃2 )
1 1 2 1 2
𝐿= (𝑀 + 2𝑚)𝑥̇ 2 − 𝑚𝑙1 𝑥̇ 𝜃1̇ 𝑐𝑜𝑠(𝜃1 ) + 𝑚𝑙1 2 𝜃1̇ − 𝑚𝑔𝑙1 𝑐𝑜𝑠(𝜃1 ) − 𝑚𝑙2 𝑥̇ 𝜃2̇ 𝑐𝑜𝑠(𝜃2 ) + 𝑚𝑙2 2 𝜃2̇ − 𝑚𝑔𝑙2 𝑐𝑜𝑠(𝜃2 )
2 2 2
Les équations de mouvement sont:
𝑑 𝜕𝐿 𝜕𝐿
( )− =𝑢
𝑑𝑡 𝜕𝑥̇ 𝜕𝑥
𝑑 𝜕𝐿 𝜕𝐿
( )− =0
𝑑𝑡 𝜕𝜃1̇ 𝜕𝜃1
𝑑 𝜕𝐿 𝜕𝐿
( )− =0
{𝑑𝑡 𝜕𝜃2̇ 𝜕𝜃2
𝑑
((𝑀 + 2𝑚)𝑥̇ − 𝑚𝑙1 𝜃1̇ 𝑐𝑜𝑠(𝜃1 ) − 𝑚𝑙2 𝜃2̇ 𝑐𝑜𝑠(𝜃2 )) − 0 = 𝑢
𝑑𝑡
2 2
(𝑀 + 2𝑚)𝑥̈ − 𝑚𝑙1 𝜃1̈ 𝑐𝑜𝑠(𝜃1 ) + 𝑚𝑙1 𝜃1̇ 𝑠𝑖𝑛(𝜃1 ) − 𝑚𝑙2 𝜃2̈ 𝑐𝑜𝑠(𝜃2 ) + 𝑚𝑙2 𝜃2̇ 𝑠𝑖𝑛(𝜃2 ) = 𝑢
𝑑
(−𝑚𝑙1 𝑥̇ 𝑐𝑜𝑠(𝜃1 ) + 𝑚𝑙1 2 𝜃1̇ ) − (𝑚𝑙1 𝑥̇ 𝜃1̇ 𝑠𝑖𝑛(𝜃1 ) + 𝑚𝑔𝑙1 𝑠𝑖𝑛(𝜃1 )) = 0
𝑑𝑡
−𝑥̈ 𝑐𝑜𝑠(𝜃1 ) + 𝑙1 𝜃1̈ − 𝑔 𝑠𝑖𝑛(𝜃1 ) = 0

Université de GHARDAIA N. HACENE Page 87

Systèmes linéaires multivariables Exemple d'application

𝑙1 𝜃1̈ − 𝑔 𝑠𝑖𝑛(𝜃1 ) − 𝑥̈ 𝑐𝑜𝑠(𝜃1 ) = 0

Et de la même manière, on obtient:
𝑙2 𝜃2̈ − 𝑔 𝑠𝑖𝑛(𝜃2 ) − 𝑥̈ 𝑐𝑜𝑠(𝜃2 ) = 0
Finalement, les équations de mouvement sont:
2 2
(𝑀 + 2𝑚)𝑥̈ − 𝑚𝑙1 𝜃1̈ 𝑐𝑜𝑠(𝜃1 ) + 𝑚𝑙1 𝜃1̇ 𝑠𝑖𝑛(𝜃1 ) − 𝑚𝑙2 𝜃2̈ 𝑐𝑜𝑠(𝜃2 ) + 𝑚𝑙2 𝜃2̇ 𝑠𝑖𝑛(𝜃2 ) = 𝑢
{ 𝑙1 𝜃1̈ − 𝑔 𝑠𝑖𝑛(𝜃1 ) − 𝑥̈ 𝑐𝑜𝑠(𝜃1 ) = 0
𝑙2 𝜃2̈ − 𝑔 𝑠𝑖𝑛(𝜃2 ) − 𝑥̈ 𝑐𝑜𝑠(𝜃2 ) = 0

2. Matrice de transfert:

𝑀 + 2𝑚 𝑚𝑙2 1
𝜃1̈ = ( ) 𝑔 𝜃1 + ( ) 𝜃2̈ + 𝑢
(𝑀 + 𝑚)𝑙1 (𝑀 + 𝑚)𝑙1 (𝑀 + 𝑚)𝑙1
𝑀 + 2𝑚 𝑚𝑙1 1
𝜃2̈ = ( ) 𝑔 𝜃2 + ( ) 𝜃1̈ + 𝑢
{ (𝑀 + 𝑚)𝑙2 (𝑀 + 𝑚)𝑙2 (𝑀 + 𝑚)𝑙2

(𝑀 + 𝑚)𝑙1 𝑝2 Θ1 = (𝑀 + 2𝑚)𝑔 Θ1 + 𝑚𝑙2 𝑝2 Θ2 + 𝑈

{
(𝑀 + 𝑚)𝑙2 𝑝2 Θ2 = (𝑀 + 2𝑚)𝑔 Θ2 + 𝑚𝑙1 𝑝2 Θ1 + 𝑈

(𝑀 + 𝑚)𝑙1 𝑝2 Θ1 − (𝑀 + 2𝑚)𝑔 Θ1 − 𝑚𝑙2 𝑝2 Θ2 = 𝑈

{
(𝑀 + 𝑚)𝑙2 𝑝2 Θ2 − (𝑀 + 2𝑚)𝑔 Θ2 − 𝑚𝑙1 𝑝2 Θ1 = 𝑈

[(𝑀 + 𝑚)𝑙1 𝑝2 − (𝑀 + 2𝑚)𝑔 ] Θ1 − 𝑚𝑙2 𝑝2 Θ2 = 𝑈

{
−𝑚𝑙1 𝑝2 Θ1 + [(𝑀 + 𝑚)𝑙2 𝑝2 − (𝑀 + 2𝑚)𝑔] Θ2 = 𝑈

(𝑀 + 𝑚)𝑙1 𝑝2 − (𝑀 + 2𝑚)𝑔 −𝑚𝑙2 𝑝2 𝛩 1

[ 2 2 ] [ 1] = [ ] 𝑈
−𝑚𝑙1 𝑝 (𝑀 + 𝑚)𝑙2 𝑝 − (𝑀 + 2𝑚)𝑔 𝛩2 1

−1
𝛩 (𝑀 + 𝑚)𝑙1 𝑝2 − (𝑀 + 2𝑚)𝑔 −𝑚𝑙2 𝑝2 1
[ 1] = [ ] [ ]𝑈
𝛩2 −𝑚𝑙1 𝑝2 (𝑀 + 𝑚)𝑙2 𝑝2 − (𝑀 + 2𝑚)𝑔 1

(𝑀 + 𝑚)𝑙2 𝑝2 − (𝑀 + 2𝑚)𝑔 𝑚𝑙2 𝑝2

[ ]
𝛩1 𝑚𝑙1 𝑝2 (𝑀 + 𝑚)𝑙1 𝑝2 − (𝑀 + 2𝑚)𝑔 1
[ ]= [ ]𝑈
𝛩2 2 2 2 2
{(𝑀 + 𝑚)𝑙1 𝑝 − (𝑀 + 2𝑚)𝑔}{(𝑀 + 𝑚)𝑙2 𝑝 − (𝑀 + 2𝑚)𝑔} − {𝑚𝑙1 𝑝 }{𝑚𝑙2 𝑝 } 1

(𝑀 + 𝑚)𝑙2 𝑝2 − (𝑀 + 2𝑚)𝑔 𝑚𝑙2 𝑝2

[ ]
𝛩 𝑚𝑙1 𝑝2 (𝑀 + 𝑚)𝑙1 𝑝2 − (𝑀 + 2𝑚)𝑔 1
[ 1] = [ ]𝑈
𝛩2 (𝑀 + 𝑚)2 𝑙1 𝑙2 𝑝4 − (𝑀 + 𝑚)(𝑀 + 2𝑚)𝑔𝑙1 𝑝2 − (𝑀 + 𝑚)(𝑀 + 2𝑚)𝑔𝑙2 𝑝2 + (𝑀 + 2𝑚)2 𝑔2 − 𝑚2 𝑙1 𝑙2 𝑝4 1
(𝑀 + 𝑚)𝑙2 𝑝2 − (𝑀 + 2𝑚)𝑔 𝑚𝑙2 𝑝2
[ ]
𝛩 𝑚𝑙1 𝑝2 (𝑀 + 𝑚)𝑙1 𝑝2 − (𝑀 + 2𝑚)𝑔 1
[ 1] = [ ]𝑈
𝛩2 (𝑀2 + 2𝑀𝑚)𝑙1 𝑙2 𝑝4 − (𝑀 + 𝑚)(𝑀 + 2𝑚)𝑔(𝑙1 + 𝑙2 ) 𝑝2 + (𝑀 + 2𝑚)2 𝑔2 1
(𝑀 + 2𝑚)𝑙2 𝑝2 − (𝑀 + 2𝑚)𝑔
[ ]
𝛩1 (𝑀 + 2𝑚)𝑙1 𝑝2 − (𝑀 + 2𝑚)𝑔
[ ]= 𝑈
𝛩2 (𝑀2 + 2𝑀𝑚)𝑙1 𝑙2 𝑝4 − (𝑀 + 𝑚)(𝑀 + 2𝑚)𝑔(𝑙1 + 𝑙2 ) 𝑝2 + (𝑀 + 2𝑚)2 𝑔2
(𝑀 + 2𝑚)𝑙2 𝑝2 − (𝑀 + 2𝑚)𝑔
[ ]
𝛩 (𝑀 + 2𝑚)𝑙1 𝑝2 − (𝑀 + 2𝑚)𝑔
[ 1] = 𝑈
𝛩2 (𝑀 + 2𝑚){𝑀𝑙1 𝑙2 𝑝4 − (𝑀 + 𝑚)𝑔(𝑙1 + 𝑙2 ) 𝑝2 + (𝑀 + 2𝑚)𝑔2 }
𝑙2 𝑝2 − 𝑔
[ ]
𝛩 𝑙1 𝑝2 − 𝑔
[ 1] = 𝑈
𝛩2 𝑀𝑙1 𝑙2 𝑝4 − (𝑀 + 𝑚)𝑔(𝑙1 + 𝑙2 ) 𝑝2 + (𝑀 + 2𝑚)𝑔2

Université de GHARDAIA N. HACENE Page 88

Systèmes linéaires multivariables Exemple d'application

𝐷𝑒𝑛 = 𝑀𝑙1 𝑙2 𝑝4 − (𝑀 + 𝑚)𝑔(𝑙1 + 𝑙2 ) 𝑝2 + (𝑀 + 2𝑚)𝑔2 = 0

Posons:
𝑞 = 𝑝2

{𝑀𝑙1 𝑙2 𝑞 2 − (𝑀 + 𝑚)𝑔(𝑙1 + 𝑙2 ) 𝑞 + (𝑀 + 2𝑚)𝑔2 } = 0

∆= (𝑀 + 𝑚)2 𝑔2 (𝑙1 + 𝑙2 )2 − 4𝑀𝑙1 𝑙2 (𝑀 + 2𝑚)𝑔2

= 𝑔2 [(𝑀 + 𝑚)(𝑙1 + 𝑙2 ) + 2√𝑀𝑙1 𝑙2 (𝑀 + 2𝑚)] [(𝑀 + 𝑚)(𝑙1 + 𝑙2 ) − 2√𝑀𝑙1 𝑙2 (𝑀 + 2𝑚)]

(𝑀 + 𝑚)𝑔(𝑙1 + 𝑙2 ) + 𝑔√(𝑀 + 𝑚)2 (𝑙1 + 𝑙2 )2 − 4𝑀𝑙1 𝑙2 (𝑀 + 2𝑚)

𝑞1 =
2𝑀𝑙1 𝑙2
(𝑀 + 𝑚)2 (𝑙1 + 𝑙2 )2 − 4𝑀𝑙1 𝑙2 (𝑀 + 2𝑚) = (𝑀2 + 𝑚2 + 2𝑀𝑚)(𝑙1 2 + 𝑙2 2 + 2𝑙1 𝑙2 ) − 4𝑀𝑙1 𝑙2 (𝑀 + 2𝑚)

= (𝑀 2 + 𝑚2 + 2𝑀𝑚)(𝑙1 2 + 𝑙2 2 + 2𝑙1 𝑙2 ) − 4𝑀2 𝑙1 𝑙2 − 8𝑀𝑚𝑙1 𝑙2

(𝑀 + 𝑚)𝑔(𝑙1 + 𝑙2 ) − 𝑔√(𝑀 + 𝑚)2 (𝑙1 + 𝑙2 )2 − 4𝑀𝑙1 𝑙2 (𝑀 + 2𝑚)

𝑞2 =
2𝑀𝑙1 𝑙2

(𝑀 + 𝑚)𝑔(𝑙1 + 𝑙2 ) = 𝑔√(𝑀 + 𝑚)2 (𝑙1 + 𝑙2 )2 − 4𝑀𝑙1 𝑙2 (𝑀 + 2𝑚)

(𝑀 + 𝑚)2 𝑔2 (𝑙1 + 𝑙2 ) = 𝑔√(𝑀 + 𝑚)2 (𝑙1 + 𝑙2 )2 − 4𝑀𝑙1 𝑙2 (𝑀 + 2𝑚)

𝑀𝑙1 𝑙2 𝑞 2 − (𝑀 + 𝑚)𝑔(𝑙1 + 𝑙2 ) 𝑞 + (𝑀 + 2𝑚)𝑔2 = 0

Supposons que les paramètres du système sont:

𝑀 = 0.8 𝑘𝑔, 𝑚 = 0.2 𝑘𝑔, 𝑔 = 10, 𝑙1 = 1 m, 𝑙2 = 1.25 m

𝑝4 − 22.5 𝑝2 + 120 = 0
Les pôles en boucle fermée sont:

𝑝1 = −3.7164, 𝑝2 = −2.9476, 𝑝3 = 3.7164, 𝑝4 = 2.9476

3. Réalisation du système
Les équations de mouvement précédentes sont non linéaires, mais, puisque le but de contrôle est de
stabiliser les pendules autour la verticale, alors, les équations peuvent être linéarisées autour 𝜃1 ≈
0 et 𝜃1 ≈ 0, d'où:
𝑠𝑖𝑛(𝜃1 ) ≈ 𝜃1 𝑒𝑡 𝑐𝑜𝑠(𝜃1 ) ≈ 1,
𝑠𝑖𝑛(𝜃2 ) ≈ 𝜃2 𝑒𝑡 𝑐𝑜𝑠(𝜃2 ) ≈ 1,
2 2
𝜃1̇ ≈ 0 et 𝜃2̇ ≈ 0
Alors, les équations de mouvement deviendront:
(𝑀 + 2𝑚)𝑥̈ − 𝑚𝑙1 𝜃1̈ − 𝑚𝑙2 𝜃2̈ = 𝑢
{ 𝑙1 𝜃1̈ − 𝑔 𝜃1 − 𝑥̈ = 0
𝑙2 𝜃2̈ − 𝑔 𝜃2 − 𝑥̈ = 0
(𝑀 + 2𝑚)𝑥̈ − 𝑚𝑙1 𝜃1̈ − 𝑚𝑙2 𝜃2̈ = 𝑢
{ 𝑙1 𝜃1̈ − 𝑔 𝜃1 − 𝑥̈ = 0
𝑙2 𝜃2̈ − 𝑔 𝜃2 − 𝑥̈ = 0

Université de GHARDAIA N. HACENE Page 89

Systèmes linéaires multivariables Exemple d'application

𝑀 + 2𝑚 𝑚𝑙2 1
𝜃1̈ = ( ) 𝑔 𝜃1 + ( ) 𝜃2̈ + 𝑢
(𝑀 + 𝑚)𝑙1 (𝑀 + 𝑚)𝑙1 (𝑀 + 𝑚)𝑙1
𝑀 + 2𝑚 𝑚𝑙1 1
𝜃2̈ = ( ) 𝑔 𝜃2 + ( ) 𝜃1̈ + 𝑢
{ (𝑀 + 𝑚)𝑙2 (𝑀 + 𝑚)𝑙2 (𝑀 + 𝑚)𝑙2
𝑥1 = 𝜃1 → 𝑥̇ 1 = 𝜃̇1 = 𝑥2
𝑀 + 2𝑚 𝑚𝑙2 1 𝑀 + 2𝑚 𝑚𝑙2 1
𝑥̇ 2 = 𝜃̈1 = ( ) 𝑔 𝜃1 + ( ) 𝜃̈ + 𝑢=( ) 𝑔 𝑥1 + ( ) 𝑥̇ + 𝑢
(𝑀 + 𝑚)𝑙1 (𝑀 + 𝑚)𝑙1 2 (𝑀 + 𝑚)𝑙1 (𝑀 + 𝑚)𝑙1 (𝑀 + 𝑚)𝑙1 4 (𝑀 + 𝑚)𝑙1

𝑥3 = 𝜃2 → 𝑥̇ 3 = 𝜃̇2 = 𝑥4
𝑀 + 2𝑚 𝑚𝑙1 1 𝑀 + 2𝑚 𝑚𝑙1 1
𝑥̇ 4 = 𝜃̈2 = ( ) 𝑔 𝜃2 + ( ) 𝜃̈ + 𝑢=( ) 𝑔 𝑥3 + ( ) 𝑥̇ + 𝑢
(𝑀 + 𝑚)𝑙2 (𝑀 + 𝑚)𝑙2 1 (𝑀 + 𝑚)𝑙2 (𝑀 + 𝑚)𝑙2 (𝑀 + 𝑚)𝑙2 2 (𝑀 + 𝑚)𝑙2

𝑀 + 2𝑚 𝑚𝑙2 1
𝑥̇ 2 = ( ) 𝑔 𝑥1 + ( ) 𝑥̇ + 𝑢
(𝑀 + 𝑚)𝑙1 (𝑀 + 𝑚)𝑙1 4 (𝑀 + 𝑚)𝑙1
𝑀 + 2𝑚 𝑚𝑙1 1
𝑥̇ 4 = ( ) 𝑔 𝑥3 + ( ) 𝑥̇ 2 + 𝑢
{ (𝑀 + 𝑚)𝑙2 (𝑀 + 𝑚)𝑙2 (𝑀 + 𝑚)𝑙2
𝑀+2𝑚 𝑚 1
𝑎 = (𝑀+𝑚), 𝑏 = (𝑀+𝑚) , 𝑐 = (𝑀+𝑚)
𝑎 𝑏 𝑙2 𝑐
𝑥̇ 2 = 𝑔 𝑥1 + 𝑥̇ 4 + 𝑢
𝑙1 𝑙1 𝑙1
𝑎 𝑏 𝑙1 𝑐
𝑥̇ 4 = 𝑔 𝑥3 + 𝑥̇ 2 + 𝑢
{ 𝑙2 𝑙2 𝑙2
l1 ẋ 2 = ag x1 + b l2 ẋ 4 + cu
{
l2 ẋ 4 = ag x3 + b l1 ẋ 2 + cu
𝑙1 𝑥̇ 2 − 𝑏 𝑙2 𝑥̇ 4 = 𝑎𝑔 𝑥1 + 𝑐𝑢
{
−𝑏 𝑙1 𝑥̇ 2 + 𝑙2 𝑥̇ 4 = 𝑎𝑔 𝑥3 + 𝑐𝑢
𝑏𝑙1 𝑥̇ 2 − 𝑏 2 𝑙2 𝑥̇ 4 = 𝑎𝑏𝑔 𝑥1 + 𝑏𝑐𝑢
{
−𝑏 𝑙1 𝑥̇ 2 + 𝑙2 𝑥̇ 4 = 𝑎𝑔 𝑥3 + 𝑐𝑢
(1 − 𝑏 2 ) 𝑙2 𝑥̇ 4 = 𝑎𝑏𝑔 𝑥1 + 𝑎𝑔 𝑥3 + (1 + 𝑏)𝑐𝑢
{
−𝑏 𝑙1 𝑥̇ 2 + 𝑙2 𝑥̇ 4 = 𝑎𝑔 𝑥3 + 𝑐𝑢
𝑎𝑏𝑔 𝑎𝑔 (1 + 𝑏)𝑐
𝑥̇ 4 = 2
𝑥1 + 2
𝑥3 + 𝑢
(1 − 𝑏 ) 𝑙2 (1 − 𝑏 ) 𝑙2 (1 − 𝑏 2 ) 𝑙2
𝑙2 𝑎𝑔 𝑐
𝑥̇ 2 = 𝑥̇ 4 − 𝑥3 − 𝑢
{ 𝑏 𝑙1 𝑏 𝑙1 𝑏 𝑙1
𝑎𝑏𝑔 𝑎𝑔 (1 + 𝑏)𝑐
𝑥̇ 4 = 2
𝑥1 + 2
𝑥3 + 𝑢
(1 − 𝑏 ) 𝑙2 (1 − 𝑏 ) 𝑙2 (1 − 𝑏 2 ) 𝑙2
𝑙2 𝑎𝑏𝑔 𝑎𝑔 (1 + 𝑏)𝑐 𝑎𝑔 𝑐
𝑥̇ 2 = ( 2
𝑥1 + 2
𝑥3 + 2
𝑢) − 𝑥3 − 𝑢
{ 𝑏 𝑙1 (1 − 𝑏 𝑙2) (1 − 𝑏 𝑙2) (1 − 𝑏 𝑙2) 𝑏 𝑙1 𝑏 𝑙1
𝑎𝑏𝑔 𝑎𝑔 (1 + 𝑏)𝑐
𝑥̇ 4 = 𝑥1 + 𝑥 3 + 𝑢
(1 − 𝑏 2 ) 𝑙2 (1 − 𝑏 2 ) 𝑙2 (1 − 𝑏 2 ) 𝑙2
𝑎𝑏𝑔 𝑎𝑔 (1 + 𝑏)𝑐 𝑎𝑔 𝑐
𝑥̇ 2 = ( 2
𝑥1 + 2
𝑥3 + 2
𝑢) − 𝑥3 − 𝑢
{ 𝑏 𝑙1 (1 − 𝑏 ) 𝑏 𝑙1 (1 − 𝑏 ) 𝑏 𝑙1 (1 − 𝑏 ) 𝑏 𝑙1 𝑏 𝑙1

Université de GHARDAIA N. HACENE Page 90

Systèmes linéaires multivariables Exemple d'application

𝑎𝑏𝑔 𝑎𝑔 𝑐
𝑥̇ 4 = 2
𝑥1 + 2
𝑥3 + 𝑢
(1 − 𝑏 ) 𝑙2 (1 − 𝑏 ) 𝑙2 (1 − 𝑏) 𝑙2
𝑎𝑔 𝑎𝑔 𝑐 𝑎𝑔 𝑐
𝑥̇ 2 = 2
𝑥1 + 2
𝑥3 + 𝑢− 𝑥3 − 𝑢
{ 𝑙1 (1 − 𝑏 ) 𝑏 𝑙1 (1 − 𝑏 ) 𝑏 𝑙1 (1 − 𝑏) 𝑏 𝑙1 𝑏 𝑙1
𝑎𝑏𝑔 𝑎𝑔 𝑐
𝑥̇ 4 = 2
𝑥1 + 2
𝑥3 + 𝑢
(1 − 𝑏 ) 𝑙2 (1 − 𝑏 ) 𝑙2 (1 − 𝑏) 𝑙2
𝑎𝑔 𝑎𝑔 𝑏 𝑐
𝑥̇ 2 = 𝑥1 + 𝑥3 + 𝑢
{ 𝑙1 (1 − 𝑏 2 ) 𝑙1 (1 − 𝑏 2 ) 𝑙1 (1 − 𝑏)
Alors
𝑥̇ 1 = 𝑥2
𝑎𝑔 𝑎𝑔 𝑏 𝑐
𝑥̇ 2 = 2
𝑥1 + 2
𝑥3 + 𝑢
𝑙1 (1 − 𝑏 ) 𝑙1 (1 − 𝑏 ) 𝑙1 (1 − 𝑏)
𝑥̇ 3 = 𝑥4
𝑎𝑏𝑔 𝑎𝑔 𝑐
𝑥̇ 4 = 𝑥1 + 𝑥3 + 𝑢
{ (1 − 𝑏 2 ) 𝑙2 (1 − 𝑏 2 ) 𝑙2 (1 − 𝑏) 𝑙2

Donc, une réalisation est donnée par

0 1 0 0 0
𝑎𝑔 𝑎𝑏𝑔 𝑐
0 0
𝑙1 (1 − 𝑏 2 ) 𝑙1 (1 − 𝑏 2 ) 𝑙1 (1 − 𝑏)
𝑥̇ = 𝑥+ 𝑢
0 0 0 1 0
𝑎𝑏𝑔 𝑎𝑔 𝑐
0 0 [(1 − 𝑏) 𝑙2 ]
[(1 − 𝑏 2 ) 𝑙2 (1 − 𝑏 2 ) 𝑙2 ]
1 0 0 0 0
{ 𝑦= [ ] 𝑥 + [ ] 𝑢
0 0 1 0 0
𝑀+2𝑚 𝑚 1
Avec: 𝑎 = , 𝑏 = (𝑀+𝑚) , 𝑐 = (𝑀+𝑚)
(𝑀+𝑚)

𝑀 + 2𝑚
𝑎 (𝑀 + 𝑚) 𝑀 + 2𝑚 𝑀 + 2𝑚
= = 2 =
(1 − 𝑏 2 ) 𝑚 2 𝑚 𝑀 + 2𝑀𝑚 + 𝑚2 − 𝑚2
2
(1 − ( ) ) (𝑀 + 𝑚) (1 − 2 ) (𝑀 + 𝑚) ( )
(𝑀 + 𝑚) (𝑀 + 𝑚) (𝑀 + 𝑚)2
𝑀 + 2𝑚 𝑀+𝑚
= =
𝑀 + 2𝑚 𝑀
( )𝑀
(𝑀 + 𝑚)
𝑎𝑏 𝑀+𝑚 𝑚 𝑚
2
= =
(1 − 𝑏 ) 𝑀 (𝑀 + 𝑚) 𝑀
1
𝑐 (𝑀 + 𝑚) 1 1
= = =
(1 − 𝑏) 𝑚 (𝑀 + 𝑚 − 𝑚) 𝑀
(1 − )
(𝑀 + 𝑚)
Finalement, la réalisation est donnée par:

0 1
0 0 0
(𝑀 + 𝑚)𝑔 𝑚𝑔 1
0 0
𝑀𝑙1 𝑀𝑙1 𝑀𝑙1
𝑥̇ = 𝑥+ 𝑢
0 0 0 1 0
𝑚𝑔 (𝑀 + 𝑚)𝑔 1
0 0
[ 𝑀𝑙2 𝑀𝑙2 ] [ 𝑀𝑙2 ]
1 0 0 0 0
{ 𝑦= [ ] 𝑥 + [ ] 𝑢
0 0 1 0 0

Université de GHARDAIA N. HACENE Page 91

Systèmes linéaires multivariables Exemple d'application

Les valeurs propres:

Les valeurs propres sont les solutions de l'équation caractéristiques
0 1 0 0 𝜆 −1 0 0
(𝑀+𝑚)𝑔 𝑚𝑔 (𝑀+𝑚)𝑔 𝑚𝑔
0 0 − 𝑀𝑙 𝜆 − 𝑀𝑙 0|
| 𝑀𝑙1 𝑀𝑙1 | | 1 1
𝜆𝐼 − = =0
| 0 0 0 1| | 0 0 𝜆 −1|
𝑚𝑔 (𝑀+𝑚)𝑔 𝑚𝑔 (𝑀+𝑚)𝑔
[ 𝑀𝑙2
0
𝑀𝑙2
0] − 𝑀𝑙 0 − 𝜆
2 𝑀𝑙2
𝑚𝑔 (𝑀+𝑚)𝑔 𝑚𝑔
𝜆 − 0 − − 𝑀𝑙 0
𝑀𝑙1 𝑀𝑙1 1
𝜆 |0 𝜆 −1| + || 0 𝜆 −1||= 0
(𝑀+𝑚)𝑔 𝑚𝑔 (𝑀+𝑚)𝑔
0 − 𝑀𝑙2
𝜆 − − 𝜆
𝑀𝑙2 𝑀𝑙2
2 (𝑀+𝑚)𝑔 (𝑀+𝑚)𝑔 2 (𝑀+𝑚)𝑔 𝑚𝑔 𝑚𝑔
𝜆. 𝜆 (𝜆 − 𝑀𝑙2
)−𝑀𝑙1
(𝜆 −
𝑀𝑙2
) − 𝑀𝑙 =0
1 𝑀𝑙2
(𝑀+𝑚)𝑔 𝑙1 +𝑙2 (𝑀+𝑚)2 𝑔2 𝑚 2 𝑔2
𝜆4 − ( 2
)𝜆 + ( 2 )− 2 =0
𝑀 𝑙1 𝑙2 𝑀 𝑙1 𝑙2 𝑀 𝑙1 𝑙2
(𝑀+𝑚)𝑔 𝑙1 +𝑙2 𝑀(𝑀+2𝑚)𝑔2
𝜆4 − 𝑀
2
( 𝑙 𝑙 ) 𝜆 + ( 𝑀2 𝑙 𝑙 ) = 0
1 2 1 2
4. réalisation du système sur Similink
Le système est implémenté sur Simulink comme il est indiqué dans la Figure VI.3.

C
B

Figure VI.3. Le model de double pendules inversés.

Université de GHARDAIA N. HACENE Page 92

Systèmes linéaires multivariables Exemple d'application

Le système à double pendule inversé est instable. Si on suppose initialement que les deux tiges sont
alignées verticalement et qu'aucune force 𝑢 n'est appliquée, les deux tiges restent alors en position
verticale, comme illustré à la Figure VI.4.

Figure VI.4. Stabilité critique de deux tiges.

Cet état est appelé stabilité critique, car à la moindre force appliquée, le système se déstabilise. La
Figure VI.5 montre que les deux pendules tombent en dessous après l'application d'une impulsion.

Figure VI.5. Instabilité du système.

5. Verification
Pour vérifier est-ce qu'on peut maintenir les deux pendule à la position vertical, il faut calculer la
matrice de commandabilité et montrer que le système soit contrôlable à partir de l'entrée de commande u.
𝐶𝑜𝑚 = [𝐵 | 𝐴𝐵 | 𝐴2 𝐵 | 𝐴3 𝐵]

Université de GHARDAIA N. HACENE Page 93

Systèmes linéaires multivariables Exemple d'application

1 (𝑀 + 𝑚)𝑔 𝑚𝑔
0 0 2 +
𝑀𝑙1 𝑀2 𝑙1 𝑀2 𝑙1 𝑙2
1 (𝑀 + 𝑚)𝑔 𝑚𝑔
0 + 0
𝑀𝑙1 𝑀2 𝑙1 2 𝑀2 𝑙1 𝑙2
𝐶𝑜𝑚 =
1 (𝑀 + 𝑚)𝑔 𝑚𝑔
0 0 +
𝑀𝑙2 𝑀2 𝑙2 2 𝑀2 𝑙1 𝑙2
1 (𝑀 + 𝑚)𝑔 𝑚𝑔
0 + 0
[ 𝑀𝑙2 𝑀2 𝑙2 2 𝑀2 𝑙1 𝑙2 ]

1 (𝑀 + 𝑚)𝑔 𝑚𝑔
2 + 0
|𝑀𝑙1 𝑀2 𝑙1 𝑀2 𝑙1 𝑙2 |
1 (𝑀 + 𝑚)𝑔 𝑚𝑔
|𝐶𝑜𝑚| = − 0 0 + 2
𝑀𝑙1 𝑀2 𝑙2 2 𝑀 𝑙1 𝑙2
| 1 (𝑀 + 𝑚)𝑔 𝑚𝑔 |
+ 0
𝑀𝑙2 𝑀2 𝑙2 2 𝑀2 𝑙1 𝑙2
1 𝑚𝑔 (𝑀 + 𝑚)𝑔
0 2
+ 2
|𝑀𝑙1
2
𝑀 𝑙1 𝑀 𝑙1 𝑙2 |
(𝑀 + 𝑚)𝑔 𝑚𝑔 1
−( 2 2
+ 2 ) 0 0
𝑀 𝑙1 𝑀 𝑙1 𝑙2 𝑀𝑙 2
| 1 (𝑀 + 𝑚)𝑔 𝑚𝑔 |
0 2
+ 2
𝑀𝑙2 2
𝑀 𝑙2 𝑀 𝑙1 𝑙2

1 (𝑀 + 𝑚)𝑔 𝑚𝑔 1 (𝑀 + 𝑚)𝑔 𝑚𝑔 1 (𝑀 + 𝑚)𝑔 𝑚𝑔

|𝐶𝑜𝑚| = ( 2 + 2 ) [ ( 2 + 2 ) − ( 2 + 2 )]
𝑀𝑙1 𝑀2 𝑙2 𝑀 𝑙1 𝑙2 𝑀𝑙1 𝑀2 𝑙2 𝑀 𝑙1 𝑙2 𝑀𝑙2 𝑀2 𝑙1 𝑀 𝑙1 𝑙2
(𝑀 + 𝑚)𝑔 𝑚𝑔 1 1 (𝑀 + 𝑚)𝑔 𝑚𝑔 (𝑀 + 𝑚)𝑔 𝑚𝑔 1 1
−( 2 2
+ 2 )[ ( 2 2
+ 2 )−( 2 2
+ 2 ) ]
𝑀 𝑙1 𝑀 𝑙1 𝑙2 𝑀𝑙1 𝑀𝑙2 𝑀 𝑙2 𝑀 𝑙1 𝑙2 𝑀 𝑙1 𝑀 𝑙1 𝑙2 𝑀𝑙 2 𝑀𝑙2

1 (𝑀 + 𝑚)𝑔 𝑚𝑔 1 (𝑀 + 𝑚)𝑔 𝑚𝑔 1 (𝑀 + 𝑚)𝑔 𝑚𝑔

|𝐶𝑜𝑚| = ( 2 + 2 )[ ( 2 + 2 )− ( 2 + 2 )]
𝑀𝑙1 𝑀2 𝑙2 𝑀 𝑙1 𝑙2 𝑀𝑙1 𝑀2 𝑙2 𝑀 𝑙1 𝑙2 𝑀𝑙2 𝑀2 𝑙1 𝑀 𝑙1 𝑙2
1 (𝑀 + 𝑚)𝑔 𝑚𝑔 1 (𝑀 + 𝑚)𝑔 𝑚𝑔 (𝑀 + 𝑚)𝑔 𝑚𝑔 1
− ( + 2 )[ ( + 2 )−( + 2 ) ]
𝑀𝑙2 𝑀2 𝑙1 2 𝑀 𝑙1 𝑙2 𝑀𝑙 1 𝑀 𝑙22 2
𝑀 𝑙1 𝑙2 2 2
𝑀 𝑙1 𝑀 𝑙1 𝑙2 𝑀𝑙 2

1 (𝑀 + 𝑚)𝑔 𝑚𝑔 1 (𝑀 + 𝑚)𝑔 𝑚𝑔
|𝐶𝑜𝑚| = [ ( 2 + 2 ) − ( 2 + 2 )]
𝑀𝑙1 𝑀2 𝑙2 𝑀 𝑙1 𝑙2 𝑀𝑙2 𝑀2 𝑙1 𝑀 𝑙1 𝑙2
1 (𝑀 + 𝑚)𝑔 𝑚𝑔 1 (𝑀 + 𝑚)𝑔 𝑚𝑔
[ ( 2 2
+ 2 )− ( 2 2
+ 2 )]
𝑀𝑙1 𝑀 𝑙2 𝑀 𝑙1 𝑙2 𝑀𝑙2 𝑀 𝑙1 𝑀 𝑙1 𝑙2
2
1 (𝑀 + 𝑚)𝑔 𝑚𝑔 1 (𝑀 + 𝑚)𝑔 𝑚𝑔
|𝐶𝑜𝑚| = [ ( 2 + 2 )− ( 2 + 2 )]
𝑀𝑙1 2
𝑀 𝑙2 𝑀 𝑙1 𝑙2 𝑀𝑙2 2
𝑀 𝑙1 𝑀 𝑙1 𝑙2
Pour que le système soit commandable, il faut que:

1 (𝑀 + 𝑚)𝑔 𝑚𝑔 1 (𝑀 + 𝑚)𝑔 𝑚𝑔
( 2 + 2 )− ( 2 + 2 )≠0
𝑀𝑙1 𝑀2 𝑙2 𝑀 𝑙1 𝑙2 𝑀𝑙2 𝑀2 𝑙1 𝑀 𝑙1 𝑙2
1 (𝑀 + 𝑚)𝑔 𝑚𝑔 1 (𝑀 + 𝑚)𝑔 𝑚𝑔
⟹ ( 2 + 2 )≠ ( 2 + 2 )
𝑙1 2
𝑀 𝑙2 𝑀 𝑙1 𝑙2 𝑙2 2
𝑀 𝑙1 𝑀 𝑙1 𝑙2
(𝑀 + 𝑚)𝑔 𝑚𝑔 (𝑀 + 𝑚)𝑔 𝑚𝑔
⟹( 2 + 2 )≠( ) 2 +
𝑀2 𝑙2 𝑙1 𝑀2 𝑙1 𝑙2 𝑀2 𝑙1 𝑙2 𝑀2 𝑙1 𝑙2 2
(𝑀 + 𝑚)𝑔𝑙1 𝑚𝑔𝑙2 (𝑀 + 𝑚)𝑔𝑙2 𝑚𝑔𝑙1
⟹( 2 2 + 2 2 2) ≠ ( 2 2 + 2 2 2)
2
𝑀 𝑙2 𝑙1 𝑀 𝑙1 𝑙2 2
𝑀 𝑙1 𝑙2 𝑀 𝑙1 𝑙2

Université de GHARDAIA N. HACENE Page 94

Systèmes linéaires multivariables Exemple d'application

(𝑀 + 𝑚)𝑔𝑙1 + 𝑚𝑔𝑙2 (𝑀 + 𝑚)𝑔𝑙2 + 𝑚𝑔𝑙1

⟹( 2 2 )≠( )
𝑀2 𝑙2 𝑙1 𝑀2 𝑙1 2 𝑙2 2
⟹ (𝑀 + 𝑚)𝑔𝑙1 + 𝑚𝑔𝑙2 ≠ (𝑀 + 𝑚)𝑔𝑙2 + 𝑚𝑔𝑙1

⟹ [(𝑀 + 𝑚)𝑔 − 𝑚𝑔]𝑙1 ≠ [(𝑀 + 𝑚)𝑔 − 𝑚𝑔]𝑙2

⟹ 𝑙1 ≠ 𝑙2

Alors,
1. Si 𝑙2 = 𝑙1 , la réalisation est non commandable, par conséquent, on ne peut pas maintenir les deux
pendules à la position verticale.
2. Si 𝑙2 ≠ 𝑙1 , la réalisation est commandable, et on peut alors maintenir Si 𝜃1 = 𝜃2 = 0, par des choix
convenables de l'entrée.

6. L'observabilté:
Pour vérifier l'observabilité, on calcule la matrice d'observabilité:
1 0 0 0
0 0 1 0
0 1 0 0
0 0 0 1
(𝑀 + 𝑚)𝑔 𝑚𝑔
𝐶 0 0
𝑀𝑙1 𝑀𝑙1
𝐶𝐴
𝑂𝑏𝑠 = [ 2 ] = 𝑚𝑔 (𝑀 + 𝑚)𝑔
𝐶𝐴 0 0
𝐶𝐴3 𝑀𝑙2 𝑀𝑙2
(𝑀 + 𝑚)𝑔 𝑚𝑔
0 0
𝑀𝑙1 𝑀𝑙1
𝑚𝑔 (𝑀 + 𝑚)𝑔
0 0
[ 𝑀𝑙2 𝑀𝑙2 ]

Prenons les premières quatre lignes, on trouve qu'un mineur d'ordre 4 est non nul,
1 0 0 0
4 0 0 1 0
1𝑀 = | | = −1
0 1 0 0
0 0 0 1
Ce qui implique que le rang du système est 4. Alors, le système est observable (la matrice
d'observabilité est de rang plein, |𝑂𝑏𝑠| ≠ 0).
7. Conception d'un régulateur d'état par le placement des pôles
Les pôles désirés sont:

𝑝1 = −2, 𝑝2 = −3, 𝑝3 = −4, 𝑝4 = −5, alors

On utilise la méthode de comparaison directe, alors:

𝑑𝑒𝑡{𝑝𝐼 − 𝐴 + 𝐵𝐾} = (𝑝 − 𝑝1 )(𝑝 − 𝑝2 )(𝑝 − 𝑝3 )(𝑝 − 𝑝4 ) = 𝑝4 + 14 𝑝3 + 71 𝑝2 + 154 𝑝 + 120

Université de GHARDAIA N. HACENE Page 95

Systèmes linéaires multivariables Exemple d'application

0 1 0 0 0
(𝑀 + 𝑚)𝑔 𝑚𝑔 1
| 0 0 |
𝑀𝑙1 𝑀𝑙1 𝑀𝑙1
𝑝𝐼 − + [𝑘1 𝑘2 𝑘3 𝑘4 ] = 𝑝4 + 14 𝑝3 + 71 𝑝2 + 154 𝑝 + 120
0 0 0 1 0
| 𝑚𝑔 (𝑀 + 𝑚)𝑔 1 |
0 0
[ 𝑀𝑙2 𝑀𝑙2 ] [ 𝑀𝑙2 ]
0 1 0 0 0
12.5 0 2.5 0 1.25 [𝑘 𝑘 𝑘 𝑘 ] 4 3 2
|𝑝𝐼 − [ ]+[ ] 1 2 3 4 | = 𝑝 + 14 𝑝 + 71 𝑝 + 154 𝑝 + 120
0 0 0 1 0
2 0 10 0 1
𝑝 −1 0 0 0 0 0 0
−12.5 𝑝 −2.5 0 1.25 𝑘1 1.25 𝑘2 1.25 𝑘2 1.25 𝑘2
|[ ]+[ ]| = 𝑝4 + 14 𝑝3 + 71 𝑝2 + 154 𝑝 + 120
0 0 𝑝 −1 0 0 0 0
−2 0 −10 𝑝 𝑘1 𝑘2 𝑘3 𝑘4
𝑝 −1 0 0
1.25 𝑘1 − 12.5 𝑝 + 1.25 𝑘2 1.25 𝑘2 − 2.5 1.25 𝑘2
| | = 𝑝4 + 14 𝑝3 + 71 𝑝2 + 154 𝑝 + 120
0 0 𝑝 −1
𝑘1 − 2 𝑘2 𝑘3 − 10 𝑝 + 𝑘4
5𝑘2 5𝑘1 45
𝑝4 + (𝑘4 + ) 𝑝3 + ( + 𝑘3 − ) 𝑝2 + (−10𝑘2 − 10𝑘4 )𝑝 − 10𝑘1 − 10𝑘3 = 𝑝4 + 14 𝑝3 + 71 𝑝2 + 154 𝑝 + 120
4 4 2
Donc,
5𝑘2
𝑘4 + 4
= 14
5𝑘2 + 4𝑘4 = 56 10𝑘2 + 8𝑘4 = 112 𝑘4 = −133
5 𝑘1
+ 𝑘3 −
45
= 71 → 5 𝑘 1 + 4 𝑘 3 − 90 = 284 −10 𝑘 2 − 10 𝑘 4 = 154 −10 𝑘 2 − 10𝑘4 = 154
4 2 → →
−10𝑘2 − 10𝑘4 = 154 5𝑘1 + 4𝑘3 − 90 = 284 5𝑘1 + 4𝑘3 − 90 = 284
−10𝑘2 − 10𝑘4 = 154
{ −10𝑘1 − 10𝑘3 = 120 { −10𝑘1 − 10𝑘3 = 120 { −10𝑘1 − 10𝑘3 = 120
{−10𝑘1 − 10𝑘3 = 120
𝑘4 = −64 𝑘4 = −133
𝑘2 = 48.6 𝑘2 = 117.6
→ →
10𝑘1 + 8𝑘3 = 748 𝑘3 = −434
{−10𝑘1 − 10𝑘3 = 120 { 𝑘1 = 422
Le système sur simulink est illustré dans la Figure VI.6.

Figure VI.6. Retour d'état.

Université de GHARDAIA N. HACENE Page 96

Systèmes linéaires multivariables Exemple d'application

Après l'insertion du contrôleur, les résultats sont donnés dans la Figure VI.7.

(a) (b)
Figure VI.7. Résultats avec le contrôleur: a) l'excitation, b) les réponses.

On excite le système par une impulsion, c.-à-d., on applique un petit écart de la position verticale.
D'après la Figure VI.7, on peut voir que le système est stable et les deux pendules reviennent à la position
verticale après le déséquilibre.

8. Conception d'un régulateur d'état par l'observateur d'état

Les pôles désirés sont: 𝑝1 = −3, 𝑝2 = −3, 𝑝3 = −3, 𝑝4 = −3
On utilise la méthode de comparaison directe:
𝑑𝑒𝑡{𝑝𝐼 − 𝐴 + 𝐾𝑒 𝐶} = (𝑝 − 𝑝1 )(𝑝 − 𝑝2 ) … (𝑝 − 𝑝𝑛 )
= 𝑝𝑛 + 𝛼𝑛−1 𝑝𝑛−1 +…+ 𝛼1 p + 𝛼0
= 𝑝4 + 12 𝑝3 + 54 𝑝2 + 108 𝑝 + 81
Alors,
0 1 0 0
(𝑀 + 𝑚)𝑔 𝑚𝑔 𝑘1 𝑘5
| 0 0 |
𝑀𝑙1 𝑀𝑙1 𝑘 𝑘6 1 0 0 0
𝑝𝐼 − +[ 2 ][ ] = 𝑝4 + 12 𝑝3 + 54 𝑝2 + 108 𝑝 + 81
0 0 0 1 𝑘3 𝑘7 0 0 1 0
| 𝑚𝑔 (𝑀 + 𝑚)𝑔 |
𝑘4 𝑘8
0 0
[ 𝑀𝑙2 𝑀𝑙2 ]
0 1 0 0 𝑘1 0 𝑘5 0
12.5 0 2.5 0 𝑘 0 𝑘6 0
|𝑝𝐼 − [ ]+[ 2 ]| = 𝑝4 + 12 𝑝3 + 54 𝑝2 + 108 𝑝 + 81
0 0 0 1 𝑘3 0 𝑘7 0
2 0 10 0 𝑘4 0 𝑘8 0
𝑝 −1 0 0 𝑘1 0 𝑘5 0
−12.5 𝑝 −2.5 0 𝑘2 0 𝑘6 0
|[ ]+[ ]| = 𝑝4 + 12 𝑝3 + 54 𝑝2 + 108 𝑝 + 81
0 0 𝑝 −1 𝑘3 0 𝑘7 0
−2 0 −10 𝑝 𝑘4 0 𝑘8 0

Université de GHARDAIA N. HACENE Page 97

Systèmes linéaires multivariables Exemple d'application

𝑝 + 𝑘1 −1 𝑘5 0
𝑘2 − 12.5 𝑝 𝑘6 − 2.5 0
| | = 𝑝4 + 12 𝑝3 + 54 𝑝2 + 108 𝑝 + 81
𝑘3 0 𝑝 + 𝑘7 −1
𝑘4 − 2 0 𝑘8 − 10 𝑝
𝑝 + 𝑘1 −1 𝑘5 𝑝 + 𝑘1 −1 𝑘5
𝑘
| 2 − 12.5 𝑝 𝑘6 − 2.5| + 𝑝 | 𝑘2 − 12.5 𝑝 𝑘6 − 2.5| = 𝑝4 + 12 𝑝3 + 54 𝑝2 + 108 𝑝 + 81
𝑘4 − 2 0 𝑘8 − 10 𝑘3 0 𝑝 + 𝑘7
(𝑝 + 𝑘1 )𝑝(𝑘8 − 10) + (𝑘2 − 12.5)(𝑘8 − 10) − (𝑘4 − 2)(𝑘6 − 2.5) − 𝑘5 𝑝(𝑘4 − 2)
+𝑝 [𝑘3 (−𝑘6 + 2.5 − 𝑘5 𝑝) + (𝑝 + 𝑘7 )(𝑝2 + 𝑘1 𝑝 + 𝑘2 − 12.5)]
= 𝑝4 + 12 𝑝3 + 54 𝑝2 + 108 𝑝 + 81
𝑝4 + (𝑘1 + 𝑘7 )𝑝3 + (𝑘2 − 𝑘3 𝑘5 + 𝑘1 𝑘7 − 12.5 + 𝑘8 − 10)𝑝2
+(𝑘7 𝑘2 − 12.5𝑘7 + −𝑘3 𝑘6 + 𝑘3 2.5 + 𝑘1 (𝑘8 − 10) − 𝑘5 (𝑘4 − 2))𝑝
+(𝑘2 − 12.5)(𝑘8 − 10) − (𝑘4 − 2)(𝑘6 − 2.5) = 𝑝4 + 12 𝑝3 + 54 𝑝2 + 108 𝑝 + 81
𝑝4 + (𝑘1 + 𝑘7 )𝑝3 + (𝑘2 − 𝑘3 𝑘5 + 𝑘1 𝑘7 + 𝑘8 − 22.5)𝑝2
+(𝑘7 𝑘2 − 12.5𝑘7 + −𝑘3 𝑘6 + 𝑘3 2.5 + 𝑘1 (𝑘8 − 10) − 𝑘5 (𝑘4 − 2))𝑝
+(𝑘2 − 12.5)(𝑘8 − 10) − (𝑘4 − 2)(𝑘6 − 2.5) = 𝑝4 + 12 𝑝3 + 54 𝑝2 + 108 𝑝 + 81
Donc,
𝑘1 + 𝑘7 = 12
𝑘2 − 𝑘3 𝑘5 + 𝑘1 𝑘7 + 𝑘8 − 22.5 = 54
{ ……..…..(*)
𝑘7 𝑘2 − 12.5𝑘7 + −𝑘3 𝑘6 + 𝑘3 2.5 + 𝑘1 (𝑘8 − 10) − 𝑘5 (𝑘4 − 2) = 108
(𝑘2 − 12.5)(𝑘8 − 10) − (𝑘4 − 2)(𝑘6 − 2.5) = 81
On a quatre équations et huit inconnus, donc, on choisit quatre paramètres arbitrairement et on résout le
système (*) pour les restes.
Pour la simplification, on choisit:
𝑘2 = 𝑘4 = 𝑘5 = 𝑘7 = 0
𝑘1 = 12
𝑘8 = 76.5
(∗) ⟹ {
−𝑘3 𝑘6 + 𝑘3 2.5 + 𝑘1 (𝑘8 − 10) = 108
(−12.5)(𝑘8 − 10) − (−2)(𝑘6 − 2.5) = 81
𝑘1 = 12
𝑘8 = 76.5
(∗) ⟹ {
𝑘3 = 1.5127
𝑘6 = 458.625
𝑘1 𝑘5 12 0
𝑘2 𝑘6 0 458.625]
⟹ [ ]=[
𝑘3 𝑘7 1.5127 0
𝑘4 𝑘8 0 76.5
Le système sur simulink est donné dans la Figure VI.8.

Université de GHARDAIA N. HACENE Page 98

Systèmes linéaires multivariables Exemple d'application

Figure VI.8. Système de contrôle avec estimateur d'état.

Les résultats de cette simulation sont donnés dans la Figure VI.9.

D'après les résultats de simulation, on constate que le système avec l'estimateur d'état est stable. Mais,
les valeurs des angles prennent des valeurs très grandes, qui est physiquement impossible. Mais on peut
bénéficier de ces résultats que le contrôle est possible.

Université de GHARDAIA N. HACENE Page 99

Systèmes linéaires multivariables Exemple d'application

Figure VI.9. Résultats avec l'estimateur d'état: a) l'excitation, b) les réponses.

On peut prend un autre choix pour les valeurs des gains comme suit:
Posons:
𝑘3 = 𝑘4 = 𝑘7 = 𝑘8 = 0
En suivant la même démarche précédente et en identifiant les deux membres de l'équation (*) terme à
terme, on trouve:
𝑘1 = 12
𝑘 = 76.5
(∗) ⟹ { 2
𝑘5 = 114
𝑘6 = 363
Et finalement:
𝑘1 𝑘5 12 114
𝑘2 𝑘6 76.5 363]
[ ]=[
𝑘3 𝑘7 0 0
𝑘4 𝑘8 0 0
Les résultats de simulation sont illustrés dans la Figure VI.10.

Figure VI.10. Résultats avec l'estimateur d'état et avec autre choix de valeurs des gains: a) l'excitation, b)
les réponses.

Université de GHARDAIA N. HACENE Page 100

Systèmes linéaires multivariables Exemple d'application

Maintenant, d'après la Figure VI.10, le système est aussi stable et les angles prennent des valeurs plus
petites que le premier cas. Ainsi, nous pouvons faire d'autres choix pour les valeurs de gain, ou modifier
les pôles souhaités en leur donnant des valeurs situées dans la partie gauche du plan et loin de l'axe
imaginaire.

Université de GHARDAIA N. HACENE Page 101

Systèmes linéaires multivariables Bibliographie

Bibliographie

1. Katsuhiko Ogata. "Modern Control Engineering" Fifth Edition, Prentice Hall, New Jersey, USA ,
2010.
2. Albertos, P. & Sala, A. "Multivariable Control Systems: An Engineering Approach". Springer-Verlag
London Limited, 2004.
3. Burns, Roland S. . "Advanced Control Engineering". Butterworth-Heinemann, UK, 2001.
4. Paraskevopoulos, P. N. "Modern Control Engineering". Marcel Dekker Inc, New York, USA, 2002.
5. Cellier, E. François. "Lecture Notes on Linear System Theory", University of Arizona, 2002.
6. Siarry, Patrick. "Automatique de base". Edition BERTI, Alger, 1993.
7. Kailath Thomas. "Linear Systems". Prentice-Hall, INC, NJ, USA, 1980.
8. Piskounov, N. "Calcul differential et integrals, tome 2", 8ème edition, Editions MIR, Moscou, 1980.
9. Granjon, Yves. "Automatique". Dunod, Paris, 2010, 2ème edition.
10. Dahleh, Mohammed; Dahleh, Munther A.; & Verghese, George "Lectures on Dynamic Systems and
Control". Massachuasetts Institute of Technology, 2004.
11. Gilbert, Elmer, G. "Controllability and Observability in Multivariable Control Systems". Journal of
the Society for Industrial and Applied Mathematics Series A Control, vol. 2, no. 1, pp. 128–151,
1963.
12. Gantmacher, F. R. "The Theory of Matrices". Vol. 1, Chealsea Publishing company, NY, USA, 1960.
13. Frazzoli Emilio "Dynamic Systems and Control", cours, Massachusetts Institute of Technology
(MIT), 2011, USA.
14. Alazard, D. "Représentation et analyse des systèmes multivariables: Notes de cours". Institut
Supérieur de l'Aéronautique et de l'Espace, Université fédérale de Toulouse, France, 2000.
15. Maciejowski, J.M. "Multivariable Feedback Design", Addison-Wesley Publishing Company, USA,
1989.
16. Coughanower, Donald R. "Process Systems Analysis and Control". McGRAW-HILL, Inc, 2ème
edition, 1991.
17. Wonham, W. Murray "Linear Multivariable Controll: A Geometric Approach". 3ème edition,
Springer-verlag New York Inc, 1985.
18. Owens, D. H. "Feedback and Multivariable Systems". Peter Peregrinus Ltd, England, 1978.
19. Ostertag, E. "Mono- and Multivariable Control and Estimation". Springer-Verlag Berlin Heidelberg,
2011.
20. Apte, Y. S. "Linear Multivariable Control Systems". Edition: New Delhi, Tata McGraw-Hill,India,
1981.

Université de GHARDAIA N. HACENE Page 103