Théorie de Lyapunov Pour Les Systèmes Autonomes

Théorie de Lyapunov pour les Σ autonomes
Partie 2 : preuve de stabilité
Vincent MAHOUT
vincent.mahout@insa-toulouse.fr – p. 1/29
1er méthode de Lyapunov : principe
Cette première méthode est similaire à l’étude classique pour
la méthode dite du plan de phase.
On cherche à qualifier la stabilité d’un point d’équilibre d’un
système non linéaire à travers les propriétés du système
linéarisé autour de ce point d’équilibre .
Le système Ẋ = f (X) possède un développement limité au
voisinage d’un point d’équilibre x∗ qui s’écrit :

∂f
∆Ẋ = ∆X + fT DS (X)
∂x X=X ∗
où fT DS regroupe l’ensemble des termes de degré > 1.
Le système Ẋ = f (X) possède un développement limité au
voisinage d’un point d’équilibre x∗ qui s’écrit :

∂f
∆Ẋ = ∆X + fT DS (X)
∂x X=X ∗
où fT DS regroupe l’ensemble des termes de degré > 1.

On en déduit le système linéarisé autour du point d’équilibre :
∆Ẋ = A∆X
1er méthode de Lyapunov : le théorème
Théorème 2.1 Si le système linéarisé autour du point
d’équilibre X ∗ est strictement stable (c’est à dire que tous ses
pôles sont dans le 12 plan complexe gauche) alors le point
d’équilibre X ∗ du système non linéaire est stable
asymptotiquement .
asymptotiquement .
Si le système linéarisé est instable (c’est à dire qu’un au
moins de ses pôles est dans le 21 plan complexe droit) alors le
point d’équilibre X ∗ du système non linéaire est instable .
asymptotiquement .
Si le système linéarisé est instable (c’est à dire qu’un au
moins de ses pôles est dans le 21 plan complexe droit) alors le
point d’équilibre X ∗ du système non linéaire est instable .
Si le système linéarisé autour du point d’équilibre X ∗ est
marginalement stable (c’est à dire que tous ses pôles sont
dans les 12 plan complexe gauche mais une paire au moins
appartient à l’axe imaginaire) alors on ne peut pas conclure .
La stabilité du point d’équilibre X ∗ du système non linéaire
dépend des termes négligés par la linéarisation.
1er méthode de Lyapunov : remarques
Cette méthode permet dans la plupart des cas de conclure à
la stabilité locale d’un point d’équilibre.
Dans la cas où la système linéaire exhibe un centre , on ne
sait pas conclure car dans ce cas les termes non linéaires
deviennent prédominants (ils ont été négligés en oubliant
fT DS ).
Dans la cas où la système linéaire exhibe un centre , on ne
sait pas conclure car dans ce cas les termes non linéaires
deviennent prédominants (ils ont été négligés en oubliant
fT DS ).
La principale limitation de cette méthode vient du fait qu’en
cas de stabilité on a aucune idée sur la taille et la nature du
bassin d’attraction de ce point.
1er méthode de Lyapunov : exemples
Exemple simple de dimension 1: ẋ = ax + bx5
Le signe de a donne la nature de la stabilité
Si a est nul, il n’est pas possible de conclure.
Exemple du pendule pour la famille d’équilibre (π [2π] , 0)

0 1
La Jacobienne s’écrit A = g b
L
− M L2
q
Les racines sont λi = 12 − MbL2 ± Mb2 L4 + 4g
2
L
Exemple du pendule pour la famille d’équilibre (π [2π] , 0)

0 1
La Jacobienne s’écrit A = g b
L
− M L2
q
Les racines sont λi = 12 − MbL2 ± Mb2 L4 + 4g
2
L
q
Comme M 2 R4 + 4g
b2
L
> M
b 2
L , une racine est positive
Le système linéaire est instable.
La famille de points d’équilibre (π [2π] , 0) du système non
linéaire est donc instable.
Méthode directe : idée directrice
Idée de base : s’appuyer sur les principes de la dissipation
d’énergie .
Si pour un Σ mécanique ou électrique, l’énergie se dissipe
continûment alors le Σ va s’arrêter.
La notion de stabilité peut alors être étudiée à travers les
variations d’une fonction scalaire
Méthode directe : idée directrice
Idée de base : s’appuyer sur les principes de la dissipation
d’énergie .
Si pour un Σ mécanique ou électrique, l’énergie se dissipe
continûment alors le Σ va s’arrêter.
La notion de stabilité peut alors être étudiée à travers les
variations d’une fonction scalaire
Exemple : Σ masse-ressort-amortisseur
Ressort (k0,k1)
Masse m
x
Amortisseur (b)
mẍ + bẋ|ẋ| + k0 x + k1 x3 = 0
Méthode directe : exemple du ressort
Le système avec x1 = x et x2 = ẋ s’écrit:

ẋ1 = x2
k0 k1 3
ẋ2 = − Mb x2 |x2 | − M x1 − x
M 1

ẋ1 = x2
k0 k1 3
ẋ2 = − Mb x2 |x2 | − M x1 − x
M 1

0 1
Approche première méthode PE : (0, 0) et J(0,0) = k0
M
0
Le système linéaire est dans le cas critique ! Sans frottement
on invente le mouvement perpétuel !

ẋ1 = x2
k0 k1 3
ẋ2 = − Mb x2 |x2 | − M x1 − x
M 1

0 1
Approche première méthode PE : (0, 0) et J(0,0) = k0
M
0
Le système linéaire est dans le cas critique ! Sans frottement
on invente le mouvement perpétuel !
Énergies mises en œuvre :
Ec (t) = R12 M v 2 = 21 M x22

x
Ep (t) = 0 1 (k0 α + k1 α3 ) dα = 12 k0 x21 + 14 k1 x41
Pour ce système, l’énergie totale (cinétique + potentielle)
s’écrit :
1 1 1
ET (t) = Ec (t) + Ep (t) = mẋ + k0 x + k1 x4
2 2
2 2 4
Pour ce système, l’énergie totale (cinétique + potentielle)
s’écrit :
1 1 1
ET (t) = Ec (t) + Ep (t) = mẋ + k0 x + k1 x4
2 2
2 2 4
Cette fonction donne la représentation 3D suivante :
3.5
2.5
2
V
1.5
0.5
0
−1
0
0.05 0.1
1 −0.05 0
−0.1
Méthode directe : exemple du ressort (2)
De la fonction ET (t), on peut faire les remarques suivantes :
Elle est monotone décroissante.
Elle s’annule uniquement à l’origine.
L’énergie nulle correspond à l’origine, point d’équilibre du
système.
système.
La stabilité asymptotique implique d’avoir la convergence
de l’énergie vers 0.
système.
La stabilité asymptotique implique d’avoir la convergence
de l’énergie vers 0.
A l’inverse l’instabilité de l’origine se traduirait par une
augmentation de l’énergie .
On peut en déduite, que l’étude de cette fonction énergie
permet de prévoir que l’origine est une point d’équilibre stable.
dET
Étude de la variation de la fonction ĖT (t) = dt
ĖT = ∂E T dx
∂x dt
∂ET
= ∂x f (x)
= ∂E T
∂x1
ẋ 1 + ∂ET
ẋ
∂x2 2
k0 k1 3
= (k0 x1 + k1 x31 ) x2 + (M x2 ) − Mb x2 |x2 | −

M 1
x − x
M 1
= −bx22 |x2 |
= −b|ẋ32 | ≤ 0
dET
Étude de la variation de la fonction ĖT (t) = dt
ĖT = ∂E T dx
∂x dt
∂ET
= ∂x f (x)
= ∂E T
∂x1
ẋ 1 + ∂ET
ẋ
∂x2 2
k0 k1 3
= (k0 x1 + k1 x31 ) x2 + (M x2 ) − Mb x2 |x2 | −

M 1
x − x
M 1
= −bx22 |x2 |
= −b|ẋ32 | ≤ 0
L’énergie est une fonction décroissante lorsque le système

évolue.
Ce système mécanique va donc avoir une évolution qui va
l’amener à une vitesse nulle.
La méthode directe est une généralisation de ce concept avec
des fonctions scalaire V (x) non obligatoirement énergétique.
Les fonctions scalaires signées
La méthode fait appel au signe d’une fonction scalaire.
Définition 2.1 Une fonction scalaire V (x) est dite localement

définie positive si
• V (0) = 0
• Il existe un voisinage Ω de l’origine tq ∀x ∈ Ω, V (x) > 0
Si Ω = ℜ alors V(x) est dite globalement définie positive.
Les fonctions scalaires signées
La méthode fait appel au signe d’une fonction scalaire.

définie positive si
• V (0) = 0
• Il existe un voisinage Ω de l’origine tq ∀x ∈ Ω, V (x) > 0
Si Ω = ℜ alors V(x) est dite globalement définie positive.

semi définie positive si
• V (0) = 0
• Il existe un voisinage Ω de l’origine tq ∀x ∈ Ω, V (x) ≥ 0 .
Si Ω = ℜ alors V(x) est dite globalement semi définie positive.
Fonctions signées (2)
(resp. globalement) définie négative si −V (x) est localement
(resp. globalement) définie positive. De même, une fonction
scalaire V (x) est dite localement (resp. globalement) semi définie
négative si −V (x) est localement (resp. globalement) semi définie
positive
Fonction Définie Positive Fonction Semi Définie Positive
10
9
8
0.5
7
0.4
6
0.3
5
4 0.2
3 0.1
2 0
1 −0.1
−5
0 −4
−1 −2
−5 0 0
0 −4 2
0 −2
5 4 2 5 4
Fonction de Lypaunov pour un Σ
dynamique
Définition 2.4 Si dans un domaine Ω (par exemple une boule Br
de rayon r) la fonction V (x)
• est définie positive
• possède des dérivées partielles continues ,
• possède une dérivée par rapport au temps t le long de
n’importe quelle trajectoire du système qui est semi définie
négative (V̇ (x) ≤ 0)
alors V(x) est une fonction de Lyapunov pour le système.
Fonction de Lypaunov pour un Σ
dynamique
Définition 2.4 Si dans un domaine Ω (par exemple une boule Br
de rayon r) la fonction V (x)
• est définie positive
• possède des dérivées partielles continues ,
• possède une dérivée par rapport au temps t le long de
n’importe quelle trajectoire du système qui est semi définie
négative (V̇ (x) ≤ 0)
alors V(x) est une fonction de Lyapunov pour le système.
Cette définition fait intervenir les équations du système :
dV ∂V dx ∂V
V̇ (x) = = = f(x)
dt ∂x dt ∂x
Interprétation Géométrique
Soit Vi les courbes de niveau de la fonction scalaire définie
positive V (x) c.a.d V (x) = Vi = cste ∀x ∈ Ω, i = 1, 2, ... et
V1 < V2 < V3 < ...
V (x) est une fonction de Lyapunov pour le système
dynamique si pour toutes les trajectoires du systèmes, la
trajectoire de phase décrit une succession décroissante des
courbes de niveau.
1 V V V
1
2 3 V
4
x(t)
−1
−2
−3
−4
−4 −3 −2 −1 0 1 2 3 4
Stabilité par la méthode directe
La définition de la notion de fonction de Lyapunov se décline
en théorème pour la stabilité d’un point d’équilibre :
Théorème 2.2 (2de méthode de Lyapunov : stabilité locale)

Si dans un voisinage Ω de l’origine (par exemple une boule
Br de rayon r) il existe une fonction scalaire V (x) avec des
dérivées partielles continues et telle que :
• V (x) est une fonction définie positive localement dans Ω,
• V̇ (x) est semi définie négative localement dans Ω,
alors l’origine est un point d’équilibre localement stable pour
le système.
Si de plus V̇ (x) est définie négative localement dans Ω alors
la stabilité est asymptotique .
Quid de la stabilité globale
La stabilité globale peut paraître l’idéal : où qu’il soit, le
système va converger vers le point d’équilibre
Elle est souvent pourtant illusoire :
Il peut exister d’autres attracteurs, la stabilité globale
n’existe pas
n’existe pas
C’est une contrainte inutile car un système physique
évolue toujours dans un domaine (atteignable) borné.
n’existe pas
C’est une contrainte inutile car un système physique
évolue toujours dans un domaine (atteignable) borné.
Dans le théorème précédent, il ne suffit pas de considérer
que Ω = Rn il faut de plus vérifier
V (x) → ∞ quand kxk → ∞
10.x21
Considérons V (x) = 1+x21
+ x22
Cette fonction définie positive a le profil suivant :
35
30
25
20
15
10
−5 −5
−5
0 0
5 5
Il est alors possible, pour un système donné, que la trajectoire
décrive des courbes de niveau décroissantes de V (x) mais la
convergence vers l’origine n’est pas pour autant assurée
Remarques sur les fonctions de
Lyapunov
La difficulté majeure de la méthode : trouver une F.L. V (x) qui
va bien.
Lyapunov
va bien.
Il n’existe pas de moyen systématique pour en trouver une.
Lyapunov
va bien.
Ne pas la trouver ne veut pas dire qu’elle n’existe pas !
Lyapunov
va bien.
Si le PE est stable pour le système alors une F.L. existe
(théorème converse)
Lyapunov
va bien.
Si le PE est instable pour le système alors le(s) théorème(s)
sur l’instabilité (grossièrement V (x) et V̇ (x) de même signe)
s’applique(nt).
Lyapunov
va bien.
s’applique(nt).
Si V (x) est F.L. pour le système alors ρV (x)α l’est aussi.
Lyapunov
va bien.
s’applique(nt).
Si V (x) est F.L. pour le système alors ρV (x)α l’est aussi.
La stabilité simple V̇ (x) ≤ 0 se trouve plus facilement mais
généralement ne suffit pas ⇒ Théorème des ensembles
invariants
Théorème des ensembles invariants
Son utilisation permet de prouver la stabilité asymptotique
avec une fonction scalaire telle que V̇ (x) ≤ 0.
Avant de voir le théorème et son utilisation, définissons déjà
la notion d’ensemble invariant.
Cette notion est relative à un système dynamique donné .
Définition 2.5 (Ensemble invariant) : L’ensemble M ⊂ Rn
est un ensemble invariant pour le système ẋ = f (x) si pour
toute condition initiale x0 = x(0) ⊂ M , la trajectoire issue de
cette condition initiale x(t) = Φ(t, xO ) reste dans M
Définition 2.5 (Ensemble invariant) : L’ensemble M ⊂ Rn
est un ensemble invariant pour le système ẋ = f (x) si pour
toute condition initiale x0 = x(0) ⊂ M , la trajectoire issue de
cette condition initiale x(t) = Φ(t, xO ) reste dans M
L’espace entier est un ensemble invariant.

Un point d’équilibre, un cycle limite, un attracteur chaotique,
sont des ensembles invariants "naturels". C’est cette
propriété qui est exploitée par la suite.
Mon ensemble est-il invariant ?
Difficile de prouver qu’un ensemble M est invariant, il faut :
Soit que dMdt
= 0 (si M est défini par un égalité χ(x) = 0)
Soit que les trajectoires ne peuvent franchir la frontière de
M (M est défini par une inégalité χ(x) < 0)
Ex. : ensemble M défini par M = {(x, y) / y > x2 }
y
Ensemble M
Les trajectoires issues

de M restent dans M
La frontière définie
par y =2/x
est infranchissable
par le système
Principe d’invariance de Lasalle
Définition 2.6 Soit un système dynamique non linéaire autonome
ẋ = f (x), avec f continue et soit V (x) une fonction scalaire aux
dérivées partielles continues. Supposons :
• pour ℓ > 0 la région Ωℓ définie par V (x) < ℓ est bornée,
• V̇ (x) ≤ 0 ∀x ∈ Ωℓ
Soit R l’ensemble des points de Ωℓ où V̇ (x) = 0 et M l’ensemble
invariant le plus grand de R. Alors, toute solution x(t) partant de
conditions initiales dans Ωℓ tend vers M quand t → +∞
Stabilité utilisant la notion d’invariance
Théorème 2.3 (Extension à la stabilité de l’origine) Soit le
système dynamique non linéaire autonome ẋ = f (x) , avec f
continue et soit V (x) une fonction scalaire de classe C 1 .
Supposons qu’au voisinage de l’origine :
• V (x) est localement définie positive,
• V̇ (x) est semi définie négative ,
• l’ensemble R défini par V̇ (x) = 0 ne contient que la
trajectoire x(t) = 0,
alors l’origine est un point d’équilibre pour le système
asymptotiquement stable .
Stabilité utilisant la notion d’invariance
(2)
Théorème 2.4 (Extension à la stabilité globale de l’origine)
Soit le système dynamique non linéaire autonome ẋ = f (x), avec
f continue et soit V (x) une fonction scalaire de classe C 1 .
Supposons :
• V (x) → +∞ quand kxk → +∞
• V̇ (x) ≤ 0, ∀x ∈ ℜn
Soit R l’ensemble des points définis par V̇ (x) = 0 et M le plus
grand ensemble invariant de R.
Alors toute solution converge asymptotiquement vers M quand
t → +∞
Stabilité d’un cycle limite
Exemple (atypique) où l’équation algébrique régissant le lieu
du cycle limite est connu
Soit le système
ẋ1 = x2 − x71 [x41 + 2x22 − 10]

ẋ2 = −x31 − 3x52 [x41 + 2x22 − 10]
Soit l’ensemble M = {x ∈ R2 \ x41 + 2x22 − 10 = 0}
Soit le système
ẋ1 = x2 − x71 [x41 + 2x22 − 10]

ẋ2 = −x31 − 3x52 [x41 + 2x22 − 10]

dM
M est invariant car dt
=0
Soit le système
ẋ1 = x2 − x71 [x41 + 2x22 − 10]

ẋ2 = −x31 − 3x52 [x41 + 2x22 − 10]

dM
M est invariant car dt
=0
2
Soit V (x) = (x41 + 2x22 − 10)
Par le principe d’invariance de Lasalle, on prouve la stabilité
asymptotique du cycle limite.
Stabilité d’un cycle limite (2)
2
V (x) > 0 et V̇ (x) = −8 (x10 6 4 4
1 + 3x2 ) (x1 + 2x2 − 10) ≤ 0
Ensemble R : V̇ (x) = 0
10
x1 + 3x62 = 0 (a)
x41 + 2x42 − 10 = 0 (b)
(a) est vrai uniquement à l’orgine

(b) correspond au cycle limite
R est donc l’union de l’origine du cycle limite.
Origine
200
180
160
140
120
100
80
60
40
20
2
0 1
2.5
2 0
1.5
1
0.5 −1
0
−0.5
−1 −2
−1.5
−2
−2.5
Cycle Limite
Dans ce cas M ≡ R puisque R est l’union d’un PE et d’un
cycle limite
Il n’est pas possible de prouver que l’origine est instable (1er
méthode = cas critique)
Dans ce cas M ≡ R puisque R est l’union d’un PE et d’un
cycle limite
Il n’est pas possible de prouver que l’origine est instable (1er
méthode = cas critique)
Par contre si on considère Ω100 = {x ∈ R2 tq V (x) < 100}
100
80
Origine V(x ,x =0)
60 Ω 100 1 2
40 Cycle limite
20
0
−3 −2 −1 0 1 2 3
Ω100 est un domaine qui inclut le cycle limite mais qui exclut le
PE
Principe d’invariance de Lasalle
• pour ℓ > 0 la région Ωℓ définie par V (x) < ℓ est bornée, OUI
• V̇ (x) ≤ 0 ∀x ∈ Ωℓ OUI
• Soit R l’ensemble des points de Ωℓ où V̇ (x) = 0 et M
l’ensemble invariant le plus grand de R. Alors, toute solution
x(t) partant de conditions initiales dans Ωℓ tend vers M quand
t → +∞
Il ne reste dans le domaine Ω100 que le cycle limite comme
ensemble invariant.
Le cycle limite est stable , Ω100 définit un bassin d’attraction
pour ce cycle.
Corollaire : le PE est instable.

Théorie de Lyapunov Pour Les Systèmes Autonomes

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Théorie de Lyapunov Pour Les Systèmes Autonomes

Transféré par

Droits d'auteur :

Formats disponibles

Théorie de Lyapunov pour les Σ autonomes

Partie 2 : preuve de stabilité

où fT DS regroupe l’ensemble des termes de degré > 1.

où fT DS regroupe l’ensemble des termes de degré > 1.

Ec (t) = R12 M v 2 = 21 M x22

L’énergie est une fonction décroissante lorsque le système

Définition 2.1 Une fonction scalaire V (x) est dite localement

Définition 2.1 Une fonction scalaire V (x) est dite localement

Définition 2.2 Une fonction scalaire V (x) est dite localement

Cette définition fait intervenir les équations du système :

Théorème 2.2 (2de méthode de Lyapunov : stabilité locale)

V (x) → ∞ quand kxk → ∞

L’espace entier est un ensemble invariant.

Les trajectoires issues

ẋ1 = x2 − x71 [x41 + 2x22 − 10]

ẋ2 = −x31 − 3x52 [x41 + 2x22 − 10]

Soit l’ensemble M = {x ∈ R2 \ x41 + 2x22 − 10 = 0}

ẋ1 = x2 − x71 [x41 + 2x22 − 10]

ẋ2 = −x31 − 3x52 [x41 + 2x22 − 10]

Soit l’ensemble M = {x ∈ R2 \ x41 + 2x22 − 10 = 0}

ẋ1 = x2 − x71 [x41 + 2x22 − 10]

ẋ2 = −x31 − 3x52 [x41 + 2x22 − 10]

Soit l’ensemble M = {x ∈ R2 \ x41 + 2x22 − 10 = 0}

(a) est vrai uniquement à l’orgine

Vous aimerez peut-être aussi