Académique Documents
Professionnel Documents
Culture Documents
Supérieur et de la Recherche
Scientifique جامـــعة بشــار
Université de Bechar كلية العلوم والتكنولوجيا
Commande multivariable
Par
Mr : Dehini Rachid
S o m m a i re
Sommaire…………………………………………………………...………………………….. 1
1. Introduction …………………………………………..……………...……………………….. 2
4. Déterminants…………………..…………………………………………..............…………………. 9
5. Polynôme caractéristique…………………………………………………………...………………………….. 13
6. Normes………………………………….……………………….…………………………...………………………….. 14
8. Références bibliographie……………………….…………………………...……………………………….. 20
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 1
Algèbre linéaire 2013
1.1 Introduction.
L'apprentissage des outils de l'algèbre linéaire est essentiel avant de commencer le cours de la
commande multivariable. Nous présentons dans ce qui suit, les notions élémentaires de
l'algèbre linéaire.
Matrices
Une matrice à n lignes et p colonnes sur un corps K est un tableau d'éléments de K
comportant n lignes et p colonnes.
On note ai j l'élément d'une matrice A situé sur la ligne i et la colonne j. La matrice A s'écrit :
𝑎11 . . 𝑎1𝑝
. . . .
. . . . ou 𝑎𝑖𝑗 1≤𝑖≤𝑛 ou 𝑎𝑖𝑗 (1-1)
. . . . 1≤𝑗 ≤𝑝
𝑎𝑛1 . . 𝑎𝑛𝑝
On dit que A est de format (n,p), ou de type (n,p), ou de taille (n,p).L'ensemble des matrices à
n lignes et p colonnes, à coefficients dans K, est noté Mn,p(K).
Si p = 1, A est une matrice colonne que l'on peut assimiler à un vecteur de Kn.
Si n = 1, A est une matrice ligne que l'on peut assimiler à une forme linéaire appartenant à
(Kp)*
Si n = p, A est une matrice carrée d'ordre n. Mn,n(K) se note Mn(K). Les éléments a11,. . . ,ann
forment la diagonale principale de A.
Deux matrices A et B sont égales si elles sont de même format, et si ai j = bi j pour tout i ∈
{1, . . ., n} et pour tout j ∈ {1, . . ., p}.
Matrices particulières
Soit A = (ai j ) une matrice carrée d'ordre n.
– A est triangulaire supérieure si ai j = 0 pour i > j.
– A est triangulaire inférieure si ai j = 0 pour i < j.
– A est diagonale si ai j = 0 pour i ≠j.On peut alors la noter : A = diag(a11,. . . ,ann).
– A est scalaire si A = a In.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 2
Algèbre linéaire 2013
Produit de matrices
Si A est de format (n,p) et B de format (p,q), on définit la matrice C = AB, de format (n,q),
par :
𝑝
∀ 𝑖 ∈ 1, … . . , 𝑛 ∀ 𝑗 ∈ 1, … . . , 𝑞 𝑐𝑖𝑗 = 𝑘=1 𝑎𝑖𝑘 𝑏𝑘𝑗 (1-3)
NB :
-La condition d'existence de AB : nombre de colonnes de A = nombre de lignes de B.
-Ce produit est associatif et non commutatif.
Exemple1.1
2 3
1 −2 3 3 2 0 2
Soit les matrices 𝐴 = ;𝐵 = ;𝐶 = 0 1
4 5 −6 7 1 8 1
2 −1
Solution
1 −2 3 3 2 0
2𝐴 − 3𝐵 = 2 −3
4 5 −6 7 1 8
2 −4 6 9 6 0 −27 −10 6
2𝐴 − 3𝐵 = − =
8 10 −12 −21 3 24 29 7 −36
2 3
1 −2 3 2 7 −7
𝐴𝐶 = 0 1 = 2 2
4 5 −6 1 5 17
2 −1
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 3
Algèbre linéaire 2013
2 3 −9 11 12
2 3 2 0 2 2
𝐴𝐶 = 0 1 = −7 1 8
1 7 1 8 17
2 −1 2 0 −8
Si AB = BA, alors :
𝑚 𝑚 𝑚
∀𝑚 ∈ ℕ 𝐴+𝐵 = 𝑘=0 𝐴𝑘 𝐵𝑚−𝑘 (1-4)
𝑘
Matrices inversibles
Une matrice 𝐴 ∈ ℳ𝑛 ,𝑝 (𝕂) est inversible s'il existe 𝐵 ∈ ℳ𝑛 ,𝑝 (𝕂) telle que :
AB = BA = In. (1-5)
Si A est inversible, alors l'endomorphisme f de E, muni d'une base B, qui lui est associé est
inversible ; et A−1 est la matrice de f −1.
Dans ℳ𝑛 (𝕂) , pour que A soit inversible, il suffit qu'elle soit inversible à droite, ou à gauche.
1.2.4 Transposition
Définition
La transposée d'une matrice A de format (n,p), est la matrice de format (p,n), notée A t, de
terme général bi j :
∀ 𝑖 ∈ 1, … . . , 𝑝 ∀ 𝑗 ∈ 1, … . . , 𝑛 𝑏𝑖𝑗 = 𝑎𝑖𝑗 (1-7)
Elle est donc obtenue à partir de A en échangeant les lignes et les colonnes.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 4
Algèbre linéaire 2013
Propriétés
1 −2 3 −1 1 0 1
𝐴 = 2 −1 2 2 ; 𝐵 = 3 2 4
3 1 2 3 1 1 1
𝑡
Calculer 𝐴 × 𝐴 et 𝐵 × 𝑡 𝐵
Solution
1 2 3 1 3 1
𝑡
𝐴 = −2 −1 1 ; 𝑡
𝐵= 0 2 1
3 2 2 1 4 1
−1 2 3
1 2 3 1 −2 3 −1 14 −1 13 12
𝑡
𝐴×𝐴= −2 −1 1 2 −1 2 2 = −1 4 −6 3
3 2 2 3 1 2 3 13 −6 17 7
−1 2 3 12 3 7 14
1 0 1 1 3 1 2 7 2
𝑡
𝐵× 𝐵= 3 2 4 0 2 1 = 7 29 9
1 1 1 1 4 1 2 9 3
𝑛
𝑓 𝑒𝑗 = 𝑖=1 𝑎𝑖𝑗 𝑓𝑖 pour 1 ≤ 𝑗 ≤ 𝑝 , (1-8)
c'est-à-dire par la matrice A = (aij ) dont les vecteurs colonnes sont les composantes de f (ej )
dans la base de F qui a été choisie.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 5
Algèbre linéaire 2013
Si E est de dimension n, dans toute base l'identité de E est représentée par la matrice carrée In
qui comporte des 1 sur sa diagonale principale et des 0 ailleurs.
Y = MX. (1-9)
/ /
Soit 𝐵 = (𝑒1 , … … . , 𝑒𝑝 ) et 𝐵/ = (𝑒1 … … … . 𝑒𝑝 ) deux bases d'un espace vectoriel E de
dimension p. On appelle matrice de passage de la base B à la base B/, la matrice P dont les
/
colonnes Cj sont les composantes des vecteurs 𝑒𝑗 dans la base B.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 6
Algèbre linéaire 2013
Les matrices A et A/ sont dites équivalentes. Elles représentent la même application linéaire
dans des bases différentes.
Si E = F avec B = C et B/= C/, alors P = Q, soit A/ = P−1A P.
Les matrices A et A_ sont dites semblables.
Définition
Soit A une matrice de format (n,p), E un espace vectoriel de dimension p, F un espace
vectoriel de dimension n.
Quelles que soient les bases B et C choisies dans E et F, le rang de l'application linéaire f
associée à A est toujours le même. Ce rang est appelé rang de A.
C'est aussi le rang de vectrices colonnes de A, c'est-à-dire la dimension du sous-espace
vectoriel qu'ils engendrent.
Une matrice carrée d'ordre n est donc inversible si, et seulement si, son rang est égal à n.
Rang de la transposée
A et A t ont même rang. On peut donc définir le rang de A à partir de ses lignes.
Calcul du rang
Les opérations élémentaires sur les lignes, ou les colonnes, d'une matrice ne modifient pas le
rang. On les utilise pour se ramener à une matrice de rang connu.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 7
Algèbre linéaire 2013
1.3. 4 Trace
𝑡𝑟 𝑃𝑀𝑃−1 = 𝑡𝑟 𝑀 .
𝑥, 𝑦, 𝑧 ↦ 𝑥, 𝑥 + 𝑦, 𝑦 − 𝑧, 2𝑧
𝐶 = 𝑓1′ 1,1,1,1 , 𝑓2′ 0,1,1,1 , 𝑓3′ 0,0,1,1 , 𝑓4′ 0,0,0,1 une base de ℝ4 .
Solution
1) La matrice A dans 𝐵 = 𝑒1 , 𝑒2 , 𝑒3 , 𝐶 = 𝑓1 , 𝑓2 , 𝑓3 , 𝑓4
𝑓 𝑒1 = 1,1,0,0 = 𝑓1 +𝑓2
1 0 0
𝑓 𝑒2 = 0,1,1,0 = 𝑓2 + 𝑓3 𝐴= 1 1 0
0 1 −1
0 0 2
𝑓 𝑒3 = 0,0, −1,2 = −𝑓3 +2𝑓4
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 8
Algèbre linéaire 2013
2) La matrice P de B à 𝐵
𝑒1′ = 𝑒1 + 𝑒2 + 𝑒3
1 0 0
𝑒2′ = 𝑒2 + 𝑒3 ⇒𝑃= 1 1 0
1 1 1
𝑒3′ = 𝑒3
𝑓1′ = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4
1 0 0 0
𝑓2′ = 𝑓2 + 𝑓3 + 𝑓4 ⇒𝑄= 1 1 0 0
1 1 1 0
1 1 1 1
𝑓3′ = 𝑓3 + 𝑓4
𝑓4′ = 𝑓4
1 0 0 0
−1 1 0 0
𝑄 −1 =
0 −1 1 0
0 0 0 1
1 0 0
′
𝐴 =𝑄 −1
𝐴. 𝑃 = 1 1 0
−2 −1 −1
2 2 2
rangs de A et 𝐴
1 1 0
Vecteurs lignes 𝑉1 = 0 , 𝑉2 = 1 , 𝑉3 = 1 sont linéairement indépendant dans ℝ3
0 0 −1
donc rang(A)=3 𝐴 ⟶ 𝑙4 = −2𝑙1 +2𝑙2 −2𝑙3
1.4. Déterminants
.
1 4.1Formes multilinéaires alternées
Définitions
Soit E un K-espace vectoriel. Une application f, de En dans K, est une forme n linéaire si
chacune de ses applications partielles
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 9
Algèbre linéaire 2013
Cas où dim E = n
Soit E un 𝕂 − espace vectoriel de dimension n. Pour toute base (e1,. . . ,en) de E et tout 𝜆 ∈
𝕂, il existe une forme n-linéaire alternée unique f telle que
𝑓 𝑒1 … … . . 𝑒𝑛 = 𝜆 .
𝑥1 … … . . 𝑥𝑛 famille liée de 𝐸 ⟺ 𝑓 𝑥1 … … . . 𝑥𝑛 = 0
1.4.2Déterminants
Déterminant de n vecteurs
Soit E un 𝕂 − espace vectoriel de dimension n, et 𝐵 = 𝑒1 … … . . 𝑒𝑛 une base de E.On
appelle déterminant de n vecteurs x1,. . . ,xn de E, relativement à la base B de E, la valeur notée
detB(x1,. . . ,xn) de l'unique forme n-linéaire alternée detB telle que detB(e1,. . . ,en) = 1 .
𝑛
Si pour tout 𝑖 ∈ 1, … … … , 𝑛 , on décompose 𝑥𝑖 = 𝑗 =1 𝑎𝑖𝑗 𝑒𝑗 , alors :
Après avoir montré que deux matrices semblables ont le même déterminant, on appelle
déterminant d'un endomorphisme f, le déterminant commun à ses matrices représentatives
1.4.3 Propriétés des déterminants
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 10
Algèbre linéaire 2013
Transposée
det 𝐴 = det 𝐴𝑡
Les propriétés relatives aux colonnes sont valables pour les lignes.
– On ne change pas la valeur d'un déterminant en ajoutant à une de ses lignes (colonnes) une
combinaison linéaire des autres lignes (colonnes). Cette propriété est très utilisée pour faire
apparaître des 0 sur une colonne (ligne).
– Multiplier une ligne (ou une colonne) d'un déterminant par un scalaire, c'est multiplier le
déterminant par ce scalaire.
Si 𝐴 𝜖 ℳ𝑛 (𝕂) , on a donc det 𝜆𝐴 = 𝜆𝑛 det 𝐴 puisqu'on peut mettre λ en facteur dans
chacune des n colonnes de A.
– Toute transposition sur les lignes (ou les colonnes) transforme det 𝐴 en −det 𝜆𝐴 .
Produit
det 𝐴𝐵 = det 𝐴 × det 𝐵 . (1-15)
Définitions
On appelle mineur de l'élément ai j de Δ, déterminant d'ordre n, le déterminant d'ordre n − 1
obtenu en supprimant la i-ième ligne et la j-ième colonne de Δ, sans changer l'ordre des autres
rangées.
Notation : Di j.
On appelle cofacteur de l'élément ai j, le nombre Ai j = (−1)i+j Di j .
Théorème
Un déterminant est égal à la somme des produits deux à deux des éléments d'une rangée (ligne
ou colonne) par leurs cofacteurs.
On utilise ce résultat après avoir fait apparaître sur une même rangée le plus possible de zéros.
NB :
Ce mode de calcul peut aussi servir de définition par récurrence d'un déterminant après avoir
démontré que le résultat du développement est indépendant de la ligne, ou de la colonne,
considérée.
C'est une définition plus accessible pour tous ceux que rebute un trop grand formalisme
mathématique.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 11
Algèbre linéaire 2013
Application
Le déterminant d'une matrice triangulaire est égal au produit des éléments diagonaux.
𝐴 𝐶
Soit M une matrice carrée de la forme 𝑀 =
0 𝐷
𝐴 𝑖𝑛𝑣𝑒𝑟𝑠𝑖𝑏𝑙𝑒 ⟺ det 𝐴 ≠ 0.
Exemple1.4
1 0 2 1 2 3
2 5
𝐴= ; 𝐵 = 2 −1 3 ;𝐶 = 2 4 0
1 3
4 1 8 1 2 −1
Est-c les matrices que A, B et C sont inversible, si oui calculer leurs inverse.
Solution
𝑑é𝑡 𝐴 = 6 − 5 = 1
−1 3 2 −1
𝑑é𝑡 𝐵 = 1 × 𝑑é𝑡 + 2 × 𝑑é𝑡 = −11 + 2 × −2 = −15
1 8 4 1
2 4 1 2
𝑑é𝑡 𝐶 = 3 × 𝑑é𝑡 − 1 × 𝑑é𝑡 = 0+0 = 0
1 2 2 4
A et B sont deux matrices inversibles et C n’est pas inversible.
1 3 −1
𝐴−1 = . 𝑡 𝑐𝑜𝑚(𝐴) , avec 𝑐𝑜𝑚 𝐴 =
𝑑é𝑡 𝐴 −5 2
1 3 −5 3 −5
Donc 𝐴−1 = 1 . =
−1 2 −1 2
−11 −4 6
−1 1 𝑡
𝐵 = 𝑑é𝑡 . 𝑐𝑜𝑚(𝐵) , avec 𝑐𝑜𝑚 𝐵 = 2 0 −1 ,
𝐵
−2 1 −1
−11 2 −2
𝑡
donc 𝑐𝑜𝑚(𝐵) = −4 0 1
6 −1 −1
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 12
Algèbre linéaire 2013
11 −2 2
15 15 15
𝐵 −1
= 4 0 −1
15 15
−6 1 1
15 15 15
Valeur propre.
On appelle valeur propre de f tout élément 𝜆 de 𝕂 tel que 𝑑é𝑡 𝑓 − 𝜆𝐼 = 0, autrement dit tel
que 𝑓 − 𝜆𝐼 ne soit pas injective.
On appelle valeur propre de A tout élément 𝜆 de 𝕂 tel que 𝑑é𝑡 𝐴 − 𝜆𝐼 = 0autrement dit
tel que 𝐴 − 𝜆𝐼 ne soit pas inversible.
Vecteur propre.
On appelle vecteur propre de f (ou de A) associé à la valeur propre 𝜆 tout vecteur non nul de
ker
(𝑓 − 𝜆𝐼), c'est-à-dire tout vecteur v non nul de E tel que 𝑓 𝑣 = 𝜆𝑣 ou 𝐴𝑉 = 𝜆𝑉 si V est
la matrice de v dans la base B.
Si f est diagonalisable, alors E admet une base formée de vecteurs propres de f. Le spectre
d'un endomorphisme f ou d'une matrice A est l'ensemble de ses vecteurs propres. On les note
spec( f ) ou spec(A).
Espace propre.
On appelle espace propre de f associé à la valeur propre 𝜆 le sous-espace vectoriel ker(𝑓 −
𝜆𝐼) de E, c'est-à-dire le sous-espace formé par les vecteurs v de E tels que 𝑓 𝑣 = 𝜆𝑣.
Polynôme caractéristique.
On appelle polynôme caractéristique de f ou de A, le polynôme
𝜒 𝑓 = 𝑑é𝑡 𝑓 − 𝜆𝐼 = 𝜒 𝐴 = 𝑑é𝑡 𝐴 − 𝜆𝐼
C'est un polynôme de degré n en 𝜆.
Deux matrices semblables ont même polynôme caractéristique,
Exemple1.5
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 13
Algèbre linéaire 2013
14 −1 13 12
1 2 1
𝑎 𝑏
𝐴= ; 𝐵 = −2 −1 0 ; 𝐶 = −1 4 −6 3
𝑏 𝑎 13 −6 17 7
1 3 −1 12 3 7 14
Où a,b,c et d ∈ ℝ
Solution
𝑎 𝑏 2
𝐴= ; 𝑑é𝑡 𝐴 − 𝜆𝐼2 = 𝑎 − 𝜆 − 𝑏2
𝑏 𝑎
𝜆 = 𝑎 + 1, 𝜆 = 𝑎 − 𝑏 ,d’ordre 1
1 2 1
𝐵 = −2 −1 0 , 𝑑é𝑡 𝐵 − 𝜆𝐼3 = 𝜆 + 2 (−𝜆2 + 𝜆 − 4)
1 3 −1
𝜆 = −2, d’ordre 1
14 −1 13 12
𝐶= −1 4 −6 3 ; 𝑑é𝑡 𝐶 − 𝜆𝐼 = 𝜆2 𝜆 − 2𝑎 2
4
13 −6 17 7
12 3 7 14
1.6 Normes
Pour calculer les longueurs des vecteurs dans un espace vectoriel nous avons besoin de la
norme. Une norme d’un espace vectoriel F sur le champ de nombres réels R ou des nombres
complexes C est définie comme une fonction qui associe les vecteurs x avec des nombres
réels non négatifs 𝑥 , et qui satisfait les propriétés suivantes :
L’une des normes les plus importantes pour les vecteurs est p-norme. Elle est défini par :
1
𝑝 𝑝
𝑥 𝑝 = 𝑖 𝑎𝑖 𝑝≥1 (1-16)
1
2 2
Pour 𝑝 = 2 nous avons 2-norme ou la norme euclidienne i.e. 𝑥 2 = 𝑖 𝑎𝑖
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 14
Algèbre linéaire 2013
L’espace des fonctions continues sur l’intervalle [0,1] forme un espace vectoriel. Une norme
définie sur cet espace est le 1-norme :
1
1 2 2
𝑓(𝑡) 2 = 0
𝑓(𝑡) 𝑑𝑡 (1-18)
1
2 2
𝐴 𝐹 = 𝑖,𝑗 𝑎𝑖𝑗 (1-20)
-Norme élément Max (extension de max norme de vecteurs) est donnée par :
Une norme d’une matrice est appelée matrice norme si elle satisfait la condition suivante :
𝐴𝐵 ≤ 𝐴 . 𝐵 (1-22)
Une matrice complexe de m×n peut être considéré comme un opérateur sur (dimension finie)
espace vectoriel normé Cn qui forme un vecteur de l’espace vectoriel Cn sur l’espace vectoriel
Cm. La induite-norme de A est définie :
𝐴 𝑖𝑝 = max 𝑥 𝑝 =1 𝐴𝑥 𝑝 (1-23)
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 15
Algèbre linéaire 2013
Matrices unitaires
Propriété :
Si U est unitaire, alors 𝑈𝑥 2 = 𝑥 2.
𝐷 0
Σ= (1-26)
0 0
Où D est une matrice diagonale de r×r pour r ne dépassant pas la plus petite de m et n. (Si r
est égal à n et/ou m, toutes ou une partie des matrices nulles n'apparaîtra pas.)
Théorème1.2
Soit A une matrice mxn de rang r. Alors, il existe une matrice Σ mxn comme (1-26) où, les
éléments diagonaux de D sont les premières r valeurs singulières de A, et il existe deux
matrices orthogonales U mxm et V nxn de telle sorte que
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 16
Algèbre linéaire 2013
A = UΣV T (1-27)
Toute factorisation A = UΣVT , avec U et V sont orthogonales et Σ comme (1-11), est appelée
la décomposition en valeur singulière (SVD) de A. Les matrices U et V ne sont pas uniques,
mais les éléments diagonaux de Σ sont nécessairement les valeurs singulières de A.
Les colonnes de U dans une telle décomposition sont appelées vecteurs singuliers à gauche de
A, et les colonnes de V sont appelées vecteurs singuliers à droit de A.
Soit {𝑣1 … . . . , 𝑣𝑛 } une base orthonormée de Rn des vecteurs propres de (ATA), ordonnées de
telles sortes que les valeurs propres correspondantes de (ATA) respecter la condition suivante
𝜆1 ≥ 𝜆2 ≥ ⋯ ≥ 𝜆𝑛 .
Alors 𝜎𝑖 = 𝜆𝑖 = 𝐴𝑣𝑖 > 0 pour 1 ≤ 𝑖 ≤ 𝑟 et {𝐴𝑣1 … . . . , 𝐴𝑣𝑟 } est une base orthogonale
de col A. pour 1 ≤ 𝑖 ≤ 𝑟
1 1
𝑢𝑖 = 𝐴𝑣𝑖 = 𝜎 𝐴𝑣𝑖 (1-28)
𝐴𝑣𝑖 𝑖
Tel que
𝐴𝑣𝑖 = 𝜎𝑖 𝑢𝑖 (1 ≤ 𝑖 ≤ 𝑟) (1-29)
Alors {𝑢1 … . . . , 𝑢𝑛 } est une base orthonormée de Col A. Étendre cet ensemble à une base
orthonormée {𝑢1 … . . . , 𝑢𝑚 } de Rm, et soit
𝑈 = 𝑢1 𝑢2 … . . . , 𝑢𝑚 et 𝑉 = 𝑣1 𝑣2 … . . . , 𝑣𝑛
𝜎1 0
𝜎2 0
𝑈Σ = 𝑢1 𝑢2 … . . . , 𝑢𝑚
.
0 . 𝜎2
0 0
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 17
Algèbre linéaire 2013
= 𝜎1 𝑢1 𝜎2 𝑢2 … . . . , 𝜎𝑟 𝑢𝑟 0 … … … . .0 = 𝐴𝑉
UΣV T = AVV T =A
Exemple1.6
4 11 14
Trouver la décomposition en valeurs singulières de la matrice A : 𝐴 =
8 7 −2
Solution
4 8 80 100 40
4 11 14
𝐴𝑇 𝐴 = 11 7 = 100 170 140
8 7 −2
14 −2 40 140 200
Les valeurs propres de 𝐴𝑇 𝐴
𝜆1 = 360, 𝜆2 = 90, 𝜆3 = 0
80 100 40 𝑥1 𝑥1
𝐴𝑇 𝐴𝑉1 = 𝜆1 𝑉1 ⟹ 100 170 140 𝑥2 = 360 𝑥2
40 140 200 𝑥3 𝑥3
Avec 𝑉1 2 =1
On déduire
1 −2 2
3 3 3
𝑉1 = 2 3 , 𝑉2 = −1
3 , 𝑉3 =
−2
3
2 2 1
3 3 3
1
3
4 11 14 2 18
𝐴𝑉1 = 3 = 6 on a 𝐴𝑣𝑖 = 𝜎𝑖 = 𝜆1 = 360 = 6 10
8 7 −2
2
3
−2
3
4 11 14 −1 3
𝐴𝑉2 = 3 =
8 7 −2 −9
2
3
3
1 1 18 10
𝑢1 = 𝐴𝑉1 = =
𝜎1 6 10 6 1
10
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 18
Algèbre linéaire 2013
1
1 1 3 10
𝑢2 = 𝜎 𝐴𝑉2 = 3 =
2 10 −9 −3
10
6 10 0
𝐷= , Σ = 6 10 0 0
0 3 10 0 3 10 0
1 2 2
3 1 3 3 3
10 10 6 10 0 0 −2 −1 2
𝐴= 3 3 3
1 −3 0 3 10 0
10 10 2 −2 1
3 3 3
A= U Σ VT
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 19
Algèbre linéaire 2013
1-7Références bibliographie
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 20
Introduction au contrôle multivariable 2013
S o m m a i re
Sommaire…………………………………………………………...………………………….. 21
1. Introduction …………………………………………..……………...……………………….. 22
4. Zéros multivariables…………………………………………………..............…………………. 28
7. Références bibliographie……………………….…………………………...……………………………….. 43
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 21
Introduction au contrôle multivariable 2013
2.1 Introduction.
Les processus avec une seule sortie étant contrôlée par une seule variable manipulée sont
classés comme des systèmes à sortie unique et entrée unique (SISO). Cependant, de
nombreux processus ne vérifient pas une telle configuration de contrôle simple. Par exemple,
dans le processus industriel, n’importe quelle unité de traitement capable de fabriquer ou de
raffiner un produit ne peut pas le faire avec une boucle de régulation uniquement. En effet,
généralement chaque opération unitaire nécessite un contrôle avec au moins deux variables,
par exemple le taux de production et la qualité du produit. Par conséquent, Il ya au moins
deux boucles de régulation pour satisfaire ayant une telle opération. Les systèmes ayant plus
d'une boucle de contrôle sont connus comme plusieurs-sorties et plusieurs-entrée (MIMO) ou
les systèmes multivariables.Ce chapitre examine certains aspects importants des systèmes
multivariables. (MIMO) interconnexions, pôles et des zéros dans le système (MIMO), forme
Smith pour matrice polynomiale, Smith forme McMillan (SMM) forme.
𝑌 𝑠 = 𝐺 𝑠 . 𝑈(𝑠) (2-1)
𝑦1 𝑠 𝑢1 𝑠
𝑦2 𝑠 𝑢2 𝑠
𝑌 𝑠 = .. , , 𝑈 𝑠 = ..
. .
𝑦𝑙 𝑠 𝑢𝑚 𝑠
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 22
Introduction au contrôle multivariable 2013
Exemple2.1
𝑢1 𝑠 𝑔11 𝑠 𝑦1 𝑠
𝑔21 𝑠
Interconnexion
𝑔12 𝑠
𝑢2 𝑠 𝑔22 𝑠 𝑦2 𝑠
𝑌 𝑠 = 𝐺 𝑠 . 𝑈(𝑠)
𝑢1 𝑠 𝑔1 𝑠 𝑔2 𝑠 𝑦1 𝑠
𝑦 𝑠 = 𝐺 𝑠 . 𝑢(𝑠) = 𝑔2 𝑠 ∙ 𝑔1 𝑠 ∙ 𝑢 𝑠 (2-4)
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 23
Introduction au contrôle multivariable 2013
Notez que les matrices de transfert doivent avoir des dimensions appropriées.
𝑔1 𝑠
𝑢 𝑠 𝑦 𝑠
𝑔2 𝑠
𝑦 𝑠 = 𝐺 𝑠 . 𝑢 𝑠 = (𝑔2 𝑠 + 𝑔1 𝑠 ) ∙ 𝑢 𝑠 (2-5)
Notez que les matrices de transfert doivent avoir des dimensions appropriées.
L’interconnexion d’une boucle de retour des matrices de transfert est illustrée à la figure 2-4.
𝑢1 𝑠 𝑔1 𝑠 𝑔2 𝑠 𝑦1 𝑠
(a)
𝑦1 𝑠 (b)
𝑢1 𝑠 𝑔1 𝑠
𝑔2 𝑠
Notez que les matrices de transfert doivent avoir des dimensions appropriées.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 24
Introduction au contrôle multivariable 2013
La règle MIMO :
Pour tirer la sortie d'un système, commencer à partir de la sortie et écrire tous les blocs que
vous rencontrer lors du déplacement vers l'arrière (contre l’écoulement du signal) jusqu’à
l'entrée. Si vous quittez une boucle fermée alors incluez le terme (𝐼 − 𝐿)−1 ou (𝐼 + 𝐿)−1
selon le signe de la boucle où L est la fonction de transfert autour de cette boucle (évaluée
contre l’écoulement du signal à partir du point de sortie de la boucle). Les branches parallèles
doivent être traitées indépendamment et leurs contributions s'additionnent.
Exemple.2.2
𝑃22
𝑃21 K 𝑃12
W Z
𝑃11
Comme il y a deux voies parallèles à partir de l’entrée vers la sortie par le règle MIMO la
fonction de transfert est:
−1
𝑍 = 𝑃11 + 𝑃12 𝐾 𝐼 − 𝑃22 ∙ 𝐾 ∙ 𝑃21 𝑊
Nous définissons les pôles d'un système en termes de valeurs propres de la matrice de l'espace
d'état.
Définition 2.1:
Les pôles Pi d'un système avec représentation d’espace- état (A, B, C, D) sont les valeurs
propres λ i (A) = 1, 2, ...,n de la matrice A. Le polynôme des pôles ou le polynôme
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 25
Introduction au contrôle multivariable 2013
caractéristique φ (s) est défini comme φ (s) = det (sI - A). Ainsi, les pôles du système sont les
racines du polynôme caractéristique.
𝜑 𝑠 = det
(𝑠𝐼 − 𝐴) (2-9)
Notez que si A ne correspond pas à une réalisation minimale alors les pôles de cette définition
seront inclus, les pôles (valeurs propres) correspondant à des états incontrôlables et / ou non
observables.
Exemple2.3
1 0 −3 0
𝐴= 0 0 0 ,𝐵 = 0 ,𝐶 = 1 2 1 ,𝐷=0
0 2 −2 1
𝑠−1 0 3
𝑑𝑒𝑡 𝑠𝐼 − 𝐴 = 0 𝑠 0 = s(𝑠 − 1)(𝑠 + 2)
0 −2 𝑠+2
Les pôles de G (s) peuvent être un peu vaguement définis comme des valeurs finies s= p où
G (p) a une singularité (est infinie).
Théorème2.1
Le polynôme des pôles φ (s) correspondant à une réalisation minimale d'un système avec la
fonction de transfert G (s) est le plus petit dénominateur commun de tous les mineurs non
identiquement nuls de tous les ordres de G (s). Un mineur d'une matrice est le déterminant de
la matrice carrée obtenue en supprimant certains lignes et / ou colonnes de la matrice.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 26
Introduction au contrôle multivariable 2013
Exemple2.3
1 s−3 s
G s = .
0,5. s + 3 (s + 1) −8 s−1
Les mineurs d’ordre 1 sont les quatre éléments qui sont tous [(s+1) (s+3)] inclus dans le
dénominateur.
s − 3 s − 1 + 8s
det(G s ) =
0,5. s + 3 (s + 1) 2
Note l’élimination (pôle-zéro) lors de l’évaluation de déterminant. Le plus petit dénominateur
commun de tous les mineurs est alors
𝜑 𝑠 =
(𝑠 + 3)(𝑠 + 1)
Donc une réalisation minimale du système a deux pôles une à s = -3 et l'autre à s = -1.
Exemple2.4
1 s − 2 (s + 2) s − 2 (s + 2) − s + 2 (s + 3)
G s = .
s + 2 (s + 3) s − 2 s−2 2 0 s − 2 (s + 3)
Les mineurs d'ordre 1 sont les éléments de G (s), ils sont donc
1 1 −1 s−2 1
, , , ,
s+3 s+3 s−2 s + 2 (s + 3) s + 2
− s−2 1 2
2
, ,
s + 2 (s + 3) s + 2 (s + 3) s + 2 (s + 3)
En tenant compte de tous les mineurs, on trouve leur plus petit dénominateur commun
𝜑 𝑠 = s + 2 (𝑠 − 2)(s + 3)2
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 27
Introduction au contrôle multivariable 2013
Le système a donc quatre pôles deux à s = -3,un à s = -2 et un à s = 2 et.A partir des exemples
ci-dessus, nous voyons que les pôles multivariables sont essentiellement les pôles des
éléments. Toutefois, en regardant uniquement les éléments, il est impossible de déterminer la
variété des pôles.
Les zéros sont généralement calculés à partir de la réalisation de l’espace d’état du système.
Notons d'abord que les équations de l'espace étatiques d'un système peuvent être rédigées
comme
𝑥 𝑜 𝑠𝐼 − 𝐴 −𝐵
𝑃 𝑠 = 𝑦 , 𝑃 𝑠 = (2-10)
𝑢 𝐶 𝐷
Les zéros sont alors les valeurs de s = z pour lesquelles la matrice du système polynôme P (s)
perd rang résultant de la sortie de zéro pour une certaine entrée non nulle. Numériquement les
zéros sont trouvés comme des solutions signifiant au problème suivant
𝑥𝑧
𝑧𝐼𝑔 − 𝑀 𝑢𝑧 = 0 (2-11)
𝐴 𝐵 𝐼 0
Où 𝑀= , 𝐼𝑔 = .
𝐶 𝐷 0 0
Ceci est résolu comme un problème aux valeurs propres généralisé. (Dans le problème de
valeur propre conventionnelle nous avons𝐼𝑔 = 𝐼).
Les zéros résultant d'une réalisation minimale sont parfois appelés les zéros de transmission. Si nous
n'avons pas une réalisation minimale, les calculs numériques peuvent donner des invariants zéros
supplémentaires. Ces zéros invariants ainsi que les zéros de transmission sont parfois appelés les zéros
du système. Les zéros invariants peuvent être subdivisés en entrée et zéros de découplage de sortie.
Ces pôles cancel associés à des états incontrôlables ou inobservables et donc ont une signification
pratique limitée.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 28
Introduction au contrôle multivariable 2013
Si les sorties du système contiennent des informations directes sur chacun des états et pas de
connexion directe de l'entrée, alors il n'y a pas de zéros de transmission. Ce serait le cas si C=I
et D=0 , par exemple.
Pour les systèmes carrés avec (m =p) entrées et sorties et n Etats, les limites sur le nombre de
zéros de transmission sont:
Exemple1.5 :
𝑥 = 𝐴𝑥 + 𝐵𝑢
𝑦 = 𝐶𝑥 + 𝐷𝑢
Où
1 0 −3 0
𝐴= 0 0 0 ,𝐵 = 0 ,𝐶 = 1 2 0 ,𝐷=0
0 2 −2 1
Solution:
0
𝐶𝐵 = 1 2 0. 0 =0
1
Donc, puisque D = 0 selon l'équation 2-10 le système possède au plus ( n −2m+rang (CB)= 3
− 2 = 1) zéros.
1 0 −3 0 1 1 0 0
𝐴 𝐵 0 0 0 0 𝐼 0 0 1 0 0
𝑀= = , 𝐼𝑔 = =
𝐶 𝐷 0 2 −2 1 0 0 0 0 1 0
1 2 0 0 0 0 0 0
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 29
Introduction au contrôle multivariable 2013
𝑠−1 0 3 0
𝑧𝐼𝑔 − 𝑀 = 0 𝑠 0 0
0 −2 𝑠 + 2 −1
−1 −2 0 0
𝑠−1 0 3
𝑑𝑒𝑡 𝑧𝐼𝑔 − 𝑀 = −1 −1 0 𝑠 0 = 3(𝑠)
−1 −2 0
Par l'utilisation du problème des valeurs propres généralisées, on peut déduire les zéros.
Donc le système a un zéro en s = 0.
Exemple2.6 :
𝑥 = 𝐴𝑥 + 𝐵𝑢
𝑦 = 𝐶𝑥 + 𝐷𝑢
Où
1 0 0 0
𝐴= 0 0 2 ,𝐵 = 1 ,𝐶 = 3 2 0 ,𝐷=0
−2 0 −3 0
Solution:
0
𝐶𝐵 = 4 1 0. 0 =0
1
1 0 0 0 1 1 0 0
𝐴 𝐵 0 0 2 1 𝐼 0
𝑀= = , 𝐼𝑔 = = 0 1 0 0
𝐶 𝐷 −2 0 −3 0 0 0 0 0 1 0
3 2 0 0 0 0 0 0
Par l'utilisation du problème des valeurs propres généralisée,
𝑠−1 0 0 0
𝐴 𝐵 0 𝑠 −2 − 1
𝑠𝐼𝑔 − 𝑀 = =
𝐶 𝐷 2 0 𝑠+3 0
−3 −2 0 0
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 30
Introduction au contrôle multivariable 2013
𝑠 −2 −1
det 𝑠𝐼𝑔 − 𝑀 = 𝑠 − 1 . 0 𝑠 + 3 0
−2 0 0
0 𝑠+3
det 𝑠𝐼𝑔 − 𝑀 = − 𝑠 − 1 . = −2 𝑠 − 1 (𝑠 + 3)
−2 0
Théorème1.2
𝑥 = 𝐴𝑥 + 𝐵𝑢
Soit le système
𝑦 = 𝐶𝑥
Exemple2.7 :
𝑥 = 𝐴𝑥 + 𝐵𝑢
𝑦 = 𝐶𝑥 + 𝐷𝑢
Où
0 1 0 0
𝐴= 0 0 1 ,𝐵 = 0 ,𝐶 = 4 1 0 ,𝐷=0
0 −6 −5 1
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 31
Introduction au contrôle multivariable 2013
𝑠 0 0
𝑡 𝑡
𝑠𝐼 − 𝐴 = −1 𝑠 6 , 𝐹 = 𝑐𝑜𝑚 𝑠𝐼 − 𝐴
0 −1 𝑠+5
𝑠 6 −1 6 −1 𝑠
𝐹11 = = 𝑠 𝑠 + 5 + 6 , 𝐹12 = −1 = 𝑠 + 5 , 𝐹13 = =1
−1 𝑠+5 0 𝑠+5 0 −1
0 0 𝑠 0 𝑠 0
𝐹21 = −1 = 0 , 𝐹22 = = 𝑠 𝑠 + 5 , 𝐹23 = −1 = 𝑠,
−1 𝑠+5 0 𝑠+5 0 −1
0 0 𝑠 0 𝑠 0
𝐹31 = = 0 , 𝐹32 = −1 = −6𝑠 , 𝐹33 = = 𝑠2 .
𝑠 −6 −1 6 −1 𝑠
1 𝑠 𝑠+5 +6 𝑠+5 1
−1
𝑠𝐼 − 𝐴 = 2 0 𝑠 𝑠+5 𝑠
𝑠 𝑠 + 5 + 6𝑠
0 −6𝑠 𝑠2
−1
(4 + 𝑠)
𝐶 𝑠𝐼 − 𝐴 𝐵=
𝑠 2 𝑠 + 5 + 6𝑠
Exemple2.8 :
𝑥 = 𝐴𝑥 + 𝐵𝑢
𝑦 = 𝐶𝑥 + 𝐷𝑢
Où
1 0 0 0
𝐴= 0 0 2 ,𝐵 = 1 ,𝐶 = 3 2 0 ,𝐷=0
−2 0 −3 0
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 32
Introduction au contrôle multivariable 2013
0 2 𝑠−1 2
𝐹21 = −1 = −4 , 𝐹22 = = (𝑠 − 1) 𝑠 + 3 ,
−2 𝑠+3 0 𝑠+3
𝑠−1 0 0 2
𝐹23 = −1 = 2(𝑠 − 1), 𝐹31 = = −2𝑠 , 𝐹32 = 0 ,
0 −2 𝑠 0
𝑠−1 0
𝐹33 = = 𝑠(𝑠 − 1).
0 𝑠
1 𝑠 𝑠+3 0 0
−1
𝑠𝐼 − 𝐴 = −4 (𝑠 − 1) 𝑠 + 3 2(𝑠 − 1)
𝑠 𝑠−1 𝑠+3
−2𝑠 0 𝑠(𝑠 − 1)
−1
1
𝐶 𝑠𝐼 − 𝐴 = 3𝑠 𝑠 + 3 − 8 2 𝑠 − 1 𝑠 + 3 4 𝑠−1
𝑠 𝑠−1 𝑠+3
−1
2 𝑠−1 𝑠+3
𝐶 𝑠𝐼 − 𝐴 𝐵=
𝑠 𝑠−1 𝑠+3
Pour un système SISO les zéros zi sont les solutions de G (zi) = 0. En général, on peut
affirmer que les zéros sont les valeurs de s au cas ou G(s) perd rang. C'est la base pour la
définition suivante de zéros d'un système multivarié (MacFarlane et Karcanias).
Définition 2.2
Nous ne considérons pas les zéros à l'infini. Nous exigeons que zi est fini.
Rappelons que le rang normal de G (s) est le rang de G (s) à toutes les valeurs de s, sauf au
nombre fini de singularités (qui sont les zéros). Notons que cette définition des zéros est basée
sur la matrice de fonction de transfert correspondant à une réalisation minimale d'un système.
Ces zéros sont parfois appelés zéros de transmission, mais nous allons simplement les appeler
les zéros. Nous pouvons parfois utiliser le terme zéros de multivariables afin de les distinguer
des zéros des éléments de la matrice de fonction de transfert.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 33
Introduction au contrôle multivariable 2013
Le théorème suivant de MacFarlane et Karcanias est utile pour calculer manuellement les
zéros d'une matrice de fonction de transfert G (s) à la main.
Théorème2.3
Le polynôme des zéros z(s) correspondant à une réalisation minimale du système est le plus
grand diviseur commun de tous les numérateurs de tous les mineurs ordre-r de G (s) où r est
le rang normal de G (s) à condition que ces mineurs aient été ajustées de telle manière à avoir
le polynomiale polaire φ(s) comme leurs dénominateurs.
Exemple2.9 :
1 9 −2(s − 2)
G s = .
(s + 1) s − 2 −2
Le rang de G (s) est 2 et le mineur d'ordre 2 est le déterminant de G (s)
2
−18 + 2 s − 2 s−5
det G s = =2
s+1 2 s+1
D'après le théorème 1-1 le polynôme de pôle est φ(s)=s+1 et par conséquent, le polynôme de
zéro est z (s) = s - 5. Ainsi G (s) possède un seul RHP-zéro en s = 5.En général, cela montre
que, les zéros multivariables n'ont aucune relation avec les zéros de la fonction de transfer des
éléments. Ceci est également illustré par l'exemple suivant avec un système sans zéros.
Exemple2.10 :
1 s−3 s
G s = .
0,5. s + 3 (s + 1) −8 s−1
Selon l'exemple 1.3 le polynôme de pôle:
𝜑 𝑠 =
(𝑠 + 3)(𝑠 + 1)
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 34
Introduction au contrôle multivariable 2013
𝑠 − 3 𝑠 − 1 + 8𝑠 1
det 𝐺 𝑠 = =
(0.5 𝑠 + 3 𝑠 + 1 )2 0.52 𝑠 + 3 𝑠 + 1
Ainsi, le polynôme de zéro est donné par le numérateur qui est 1, et nous trouvons que le
système n’a pas de zéros multivariables.
Exemple2.10 :
Considérons le système
𝑠−2 𝑠−3
𝐺 𝑠 =
𝑠+2 𝑠+3
Le rang normal de G (s) est de 1 et puisqu'il n'y a pas de valeur de s pour lequel les deux
éléments deviennent zéro, G (s) n'a pas de zéros.
En général, les systèmes non carrés sont moins susceptibles d'avoir des zéros par rapport aux
systèmes carrés. Ce qui suit est un exemple d'un système de non-carrée qui a un zéro.
Exemple2.10 :
Considérons le système suivant
1 s − 2 (s + 2) s − 2 (s + 2) − s + 2 (s + 3)
G s = .
s + 2 (s + 3) s − 2 s−2 2 0 s − 2 (s + 3)
𝜑 𝑠 = s + 2 (𝑠 − 2)(s + 3)2
Les mineurs d'ordre 2 avec φ s coTapez une équation ici.mme leurs dénominateurs sont
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 35
Introduction au contrôle multivariable 2013
− s−2 2 (𝑠 − 2)(s + 3) 2 s + 3 (𝑠 − 2)
2
, ,
s + 2 (𝑠 − 2)(s + 3) s + 2 (𝑠 − 2)(s + 3) s + 2 (𝑠 − 2)(s + 3)2
2
Le plus grand diviseur commun de tous les numérateurs de tous les mineurs ordre 2 est z (s) =
s -2. Ainsi, le système a un RHP-zéro unique situé à s = 2.
D’après cet exemple on peut constater qu'une réalisation minimale d'un système MIMO peut
avoir des pôles et les zéros ont la même valeur de s à condition que leurs directions soient
différentes.
Supposons que Π (s) est une matrice polynomiale. La forme Smith de Π (s) est désignée par
Πs(s), et elle est une pseudo diagonal dans la forme ci-dessous
𝑠 = 𝑑𝑠 (𝑠) 0
𝑠
0 0
𝑑𝑠 (𝑠)=diag 𝜀1 𝑠 , 𝜀2 𝑠 , … … … … … . 𝜀𝑟 𝑠 (2-13)
Où 𝜒𝑖 dérivé par:
𝜒0 = 1
𝜒1 = 𝑔𝑐𝑑 tous les mineurs unitaires de degré 1
𝜒2 = 𝑔𝑐𝑑 tous les mineurs unitaires de degré 2
.
. (2-14)
.
𝜒𝑟 = 𝑔𝑐𝑑 tous les mineurs unitaire de degré r
(gcd) signifie le plus grand diviseur commun et l’unitaire est un polynôme où le coefficient de
son plus haut degré est un.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 36
Introduction au contrôle multivariable 2013
Pour la matrice polynomiale, Les trois opérations élémentaires sont utilisées pour retrouver la
forme Smith.
Ces opérations sont effectuées sur une matrice de transfert Π (s) soit par pré-multiplication ou
post-multiplication par des matrices de polynômes unimodulaires appelées matrices
élémentaires. Une matrice polynômiale est unimodulaire si son inverse est également une
matrice polynomiale. Les Pré-multiplication de Π (s) par un matrice élémentaire produit
l'opération de ligne correspondant, tandis que la post-multiplication produit une opération de
colonne.
Πs(s) est Smith forme de Π (s) et on dit qu’ils sont équivalents, indiqué par Πs (s)~Π(s) s'il
existe un ensemble de matrices élémentaires Li et Ri tels que
Exemple2.11 :
Considérons la matrice polynomiale suivante
−(s + 2) 1
Π s =
−2 2(s + 2)
𝜒 𝜒
𝜀1 𝑠 = 𝜒 1 = 1 et 𝜀2 𝑠 = 𝜒 2 = (𝑠 + 1)(𝑠 + 3)
0 1
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 37
Introduction au contrôle multivariable 2013
1 0
Πs s =
0 (𝑠 + 1)(𝑠 + 3)
Exemple2.12 :
Considérons la matrice polynomiale suivante
2 −(𝑠 − 2) −1
Π 𝑠 = 2 2
𝑠 − 2𝑠 − 3 2𝑠 − 𝑠 − 3 (𝑠 + 1)
𝜒 𝜒
𝜀1 𝑠 = 𝜒 1 = 1 et 𝜀2 𝑠 = 𝜒 2 = (𝑠2 − 1)
0 1
1 0 0
Πs s = 0 (𝑠2 − 1) 0
La forme de Smith-McMillan est utilisée pour déterminer les pôles et les zéros des matrices
de transfert des systèmes à plusieurs entrées et / ou sorties. La matrice de transfert est une
matrice de fonctions de transfert entre les différentes entrées et sorties du système. Les pôles
et les zéros qui sont d'intérêt sont les pôles et les zéros de la matrice de transfert elle-même, et
non pas les pôles et les zéros des différents éléments de la matrice. Sont disponibles par
l'inspection des fonctions de transfert individuelles, mais le nombre total des pôles et leur
multiplicité n'est pas. L'emplacement des zéros d’un système, ou même leur existence, ne sont
pas disponibles en consultant les éléments individuels de la matrice de transfert.
La matrice de transfert sera notée G (s). Le nombre de lignes de G (s) est égal au nombre de
sorties du système; qui sera désigné par m. Le nombre de colonnes dans G (s) est égal au
nombre d'entrées du système, qui sera désigné par p. Ainsi, G (s) est une matrice p × m de
fonction transfert. Le rang normal de G (s) est r, où r ≤ min {p, m}.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 38
Introduction au contrôle multivariable 2013
Le théorème suivant donne une forme diagonale pour une matrice rationnelle de fonction
transfert:
Soit 𝐺 𝑠 = [𝑔𝑖𝑗 (𝑠)] une matrice de fonction de transfert de m × p, où 𝑔𝑖𝑗 (𝑠) sont les
fonctions de transfert scalaire et rationnel, 𝐺 𝑠 peut être représenté par:
Π(𝑠)
𝐺 𝑠 =𝐷 (2-16)
𝐺 (𝑠)
Où Π(s) est une polynômiale matrice m×p de rang r et DG(s) est le plus petit commun
multiple des dénominateurs de tous les éléments de G (s).
Alors, 𝐺 (𝑠) est la forme de Smith McMillan de G (s) et peut être obtenu directement par
Où M (s) est:
𝜀 (𝑠) 𝜀 (𝑠)
𝑚𝑖𝑖 (𝑠) = 𝐷 𝑖 = 𝛿𝑖 (2-19)
𝐺 𝑠 𝑖 𝑠
Où 𝜀𝑖 (𝑠) sont des éléments diagonaux de Π s (s) (la forme de Smith of Π (s)) en tant que
𝑑𝑠 (𝑠)=𝑑𝑖𝑎𝑔 𝜀1 𝑠 , 𝜀2 𝑠 , … … … … … . 𝜀𝑟 𝑠 (2-20)
Nous rappelons qu'une matrice G (s), et sa forme Smith-McMillan 𝐺 𝑠 sont des matrices
équivalentes. Ainsi, il existe deux matrices unimodulaires, L (s) et R (s), de telle sorte que
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 39
Introduction au contrôle multivariable 2013
𝐺 𝑠 = 𝐿 𝑠 𝐺 𝑠 𝑅(𝑠) (2-21)
L (s) et R (s) sont les matrices unimodulaires qui convertissent Π (s) à sa forme Smith Πs(s).
Ensuite, il exister deux matrices 𝐿 𝑠 et 𝑅 𝑠 R, tels que
𝐺 𝑠 = 𝐿 𝑠 𝐺 𝑠 𝑅 (𝑠) (2-22)
Les pôles et les zéros de la matrice de transfert G (s) peuvent être trouvés à partir des
éléments de M (s).
Le pôle polynôme est défini comme étant
𝑟
∅ 𝑠 = 𝑖=1 𝛿𝑖 𝑠 = 𝛿1 𝑠 𝛿2 𝑠 … … … . . 𝛿𝑟 (𝑠) (2-24)
Les pôles répétés peuvent aussi être identifiés par l'inspection de ∅ 𝑠 . Le nombre total de
pôles dans le système est donné par le deg
(∅ 𝑠 ), qui est connu comme le degré de
McMillan. Il est de la dimension d’une représentation d’espace-état minimale de G (s).
La représentation d'espace d'états de G (s) peut être de l'ordre supérieur au degré de
McMillan, indiquant une annulation des pôles-zéros dans le système.
𝑟
𝑧 𝑠 = 𝑖=1 𝜀𝑖 𝑠 = 𝜀1 𝑠 𝜀2 𝑠 … … … . . 𝜀𝑟 (𝑠) (2-25)
Les racines de z(s) = 0 sont connus comme les zéros de transmission de G (s). On voit que
tout zéro de transmission du système doit être un facteur d'au moins l'un des
polynômes𝜀𝑖 𝑠 . Le rang normal de M (s) et G (s) est r. Il est clair que le cas échéant 𝜀𝑖 𝑠 est
nul, alors le rang de M (s) est diminué en dessous de r. Par conséquent, comme les rangs de M
(s) et G (s) sont toujours égaux, alors G (s) perd rang.Nous illustrons la forme Smith-
McMillan par un exemple simple.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 40
Introduction au contrôle multivariable 2013
Exemple2.12 :
Considérons la matrice polynomiale suivante
−1 1
(𝑠 + 1) (𝑠 + 1)(𝑠 + 2)
𝐺 𝑠 =
−2 2
(𝑠 + 1)(𝑠 + 2) (𝑠 + 1)
Π(𝑠) −(s + 2) 1
𝐺 𝑠 = , Π s = , 𝐷𝐺 𝑠 = (𝑠 + 1)(𝑠 + 2)
𝐷𝐺 (𝑠) −2 2(s + 2)
1 0
Πs 𝑠 =
0 (𝑠 + 1)(𝑠 + 3)
1
0
Πs (𝑠) (𝑠 + 1)(𝑠 + 2)
𝐺 𝑠 = = (𝑠 + 3)
𝐷𝐺 (𝑠)
0
(𝑠 + 2)
Exemple2.13 :
Prenons l'exemple suivant d'un système avec m = 3 sorties et p = 2 entrées. La matrice de
transfert est indiquée ci-dessous;
2 −(𝑠 − 2) −1
(𝑠 + 1)(𝑠 + 2) (𝑠 + 1)(𝑠 + 2) (𝑠 + 1)(𝑠 + 2)
G 𝑠 =
𝑠 2 − 2𝑠 − 3 2𝑠 2 − 𝑠 − 3 1
(𝑠 + 1)(𝑠 + 2) (𝑠 + 1)(𝑠 + 2) (𝑠 + 2)
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 41
Introduction au contrôle multivariable 2013
Π(𝑠) 2 −(𝑠 − 2) −1
𝐺 𝑠 =𝐷 ,Π 𝑠 = 2 ,
𝐺 (𝑠) 𝑠 − 2𝑠 − 3 2𝑠2 − 𝑠 − 3 (𝑠 + 1)
𝐷𝐺 𝑠 = (𝑠 + 1)(𝑠 + 2)
1 0 0
Πs 𝑠 = 0 (𝑠2 − 1) 0
1
0 0
Πs (𝑠) (𝑠 + 1)(𝑠 + 2)
𝐺 𝑠 = =
(𝑠 − 1)
𝐷𝐺 (𝑠)
0 0
(𝑠 + 2)
𝜙 𝑠 = (𝑠 + 2)2 (𝑠 + 1) , 𝑧 𝑠 = (𝑠 − 1)
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 42
Introduction au contrôle multivariable 2013
2-7Références bibliographie
5- Eric Ostertag ‹‹ Mono- and Multivariable Control and Estimation›› book, Library of
Congress Control Number: 2010936361 , Springer-Verlag Berlin Heidelberg 2011.
6-Y. Zhu ‹‹Multivariable System Identification for Process Control›› book, Publisher:
October 2001Elsevier Science & Technology Books.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 43
Stabilité des systèmes multivariables 2013
S o m m a i re
Sommaire…………………………………………………………...………………………….. 44
1. Introduction …………………………………………..……………...……………………….. 45
3. Stabilité interne………………………………………………………………..……………… 47
6. Références bibliographie……………………….…………………………...……………………………….. 61
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 44
Stabilité des systèmes multivariables 2013
3.1 Introduction.
Ce chapitre présente la structure de retour d’état et discute ses propriétés de stabilité.
L’arrangement de ce chapitre est la suivante: Section 3-1 présente la structure de retour d’état
et décrit la configuration de retour d’état générale et le bien posé de la boucle de retour d’état
est défini. Ensuite, la notion de stabilité interne est introduite et la relation est établie entre la
caractérisation de l'espace d'état de la stabilité interne et la caractérisation de la matrice de
transfert de la stabilité interne dans la section 3-2. Les factorisations premières stables des
matrices rationnelles sont également introduites dans la section 3-3. Section 3-4 traite
comment réaliser un contrôleur de stabilisation. Enfin, la section 4-5 introduit la stabilisation
forte et simultanée.
Nous allons examiner la configuration de retour d’état standard présenté dans la figure 3-1. Il
se compose d’un plan interconnecté P et un contrôleur K forcé par commande r, capteur de
bruit n, l'entrée du plan de perturbation di et la sortie du plan de perturbation d. En général,
tous les signaux sont supposés être multivariables, et toutes les matrices de transfert sont
supposées avoir des dimensions appropriées.
𝒅𝒊
𝒅
𝒚
r u 𝒖𝒑
K P
Supposons que le plan P et le contrôleur K dans la figure 3-1 sont des matrices de transfert
réel rationnelle fixés. Alors la première question que l'on peut se poser est de savoir si
l'interconnexion de retour d’état est physiquement réalisable. Pour être plus précis,
considérons un exemple simple où
𝑠−1
𝑃 = − 𝑠+2 , 𝐾 = 1
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 45
Stabilité des systèmes multivariables 2013
Sont deux fonctions de transfert approprié. Cependant, i.e., les fonctions de transfert à partir
des signaux externes r, n, d et di vers u ne sont pas appropriées.
𝑠+2 𝑠−1
𝑢= 𝑟−𝑛−𝑑 + 𝑑𝑖
3 3
Définition 3-1
Un système de retour d’état est dit être bien posé si toutes les matrices de transfert en boucle
fermée sont bien définîtes et appropriées.
Supposons maintenant que tous les signaux externes r, n, d et di sont spécifiés et que les
matrices de transfert de la boucle fermée à partir de ces signaux vers u sont respectivement
bien définies et appropriées.
Donc, y et tous les autres signaux sont également bien définis et les matrices de transfert liées
sont propres. En outre, comme les matrices de transfert à partir de d et n à u sont identiques et
diffèrent de la matrice de transfert à partir de r à u seulement par un signe, le système est bien
posé si et seulement si la matrice de transfert à partir de di et d à u existe et est approprié.
Théorème 3-1
Preuve. Comme nous l'expliquons, le système est bien posé si et seulement si la matrice de
transfert de di et d à u existe et est approprié. La matrice de transfert à partir de di-et d à u est:
𝑑
𝑢 = −(𝐼 + 𝐾𝑃)−1 𝐾 𝐾𝑃 𝑑
𝑖
Ainsi, bien posé est équivaut à la condition que (𝐼 + 𝐾𝑃)−1 existe et est appropriée. Mais ceci
équivalent à la condition que le terme constant de la matrice de transfert 𝐼 + 𝐾 ∞ 𝑃(∞) est
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 46
Stabilité des systèmes multivariables 2013
inversible. Il est facile de montrer que (3-1) est équivalente à l'une des deux conditions
suivantes:
𝐼 𝐾∞
est inversible
−𝑃 ∞ 𝐼
(3-2)
𝐼+𝐾 ∞ 𝑃 ∞ est inversible
La condition bien posée est simple à énoncer en termes de réalisations de l’espace d’état.
Introduire les réalisations de P et de K:
𝐴 𝐵
𝑃≅
𝐶 𝐷
(3-3)
𝐾≅ 𝐴 𝐵
𝐶 𝐷
Alors P (∞) = D et K (∞) = D. Par exemple, bien posé dans (3-2) est équivalent à la condition
que
Heureusement, dans la plupart des cas pratiques, nous aurons D = 0, et donc bien posé pour
les systèmes les plus pratiques à contrôle sont garantis.
Considérons un système décrit par le schéma standard dans la figure 3-1 et supposons que le
système est bien posé. En outre, supposons que les réalisations de P (s) et K (s) donnée dans
l'équation (3-3) sont aptes d’être stables et détectables.
Soit 𝒙 et 𝒙 désignant respectivement les vecteurs d'état pour P et K écrivons les équations
d'état en Figure 3-1 avec r, d, di et n mis à zéro:
𝑥 = 𝐴𝑥 + 𝐵𝑢
𝑦 = 𝐶𝑥 + 𝐷𝑢
(3-5)
𝑥 = 𝐴𝑥 − 𝐵 𝑦
𝑢 = 𝐶 𝑥 − 𝐷𝑦
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 47
Stabilité des systèmes multivariables 2013
Définition 3-2
Le système de la figure 3-1 est dit stable intérieurement si l'origine 𝒙, 𝒙 = (𝟎, 𝟎) est
asymptotiquement stable, c'est à dire, les états 𝒙, 𝒙 reviennent à zéro de tous les états
initiaux lorsque r = 0, d = 0, di = 0 et n = 0.
Notez que la stabilité interne est une notation de l'espace d’état. Pour obtenir une
caractérisation concrète de la stabilité interne, résoudre les équations (3-5) pour y et u:
𝑢 −1
𝐼 𝐷 0 𝐶 𝑥
𝑦 = −𝐷 𝐼 𝐶 0 𝑥
(3-6)
Notez que l'existence de l'inverse est garantie par la condition bien posée. Maintenant
substituons ceci dans (3-5) pour obtenir
−1
𝑥 𝐴 0 𝐵 0 𝐼 𝐷 0 𝐶 𝑥 𝑥
= + =𝐴 (3-7)
𝑥 0 𝐴 0 −𝐵 −𝐷 𝐼 𝐶 0 𝑥 𝑥
Où
−1
𝐴 0 𝐵 0 𝐼 𝐷 0 𝐶
𝐴= + (3-8)
0 𝐴 0 −𝐵 −𝐷 𝐼 𝐶 0
Ainsi, la stabilité interne est équivalente à la condition que 𝐴 a toutes ses valeurs propres dans
le demi-plan gauche ouvert. En fait, cela peut être considéré comme une définition de la
stabilité interne.
Théorème 3-2
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 48
Stabilité des systèmes multivariables 2013
La notion ci-dessus de la stabilité interne est définie en termes de réalisations d’espace d'états
P et K. Il est également important et utile de caractériser la stabilité interne à partir du point de
vue de la matrice de transfert. Notez que le système de rétroaction dans la figure 3-1 est décrit
en terme de la matrices de transfert, par
𝐼 𝐾 𝑢𝑝 𝑑
= 𝑖 (3-9)
−𝑃 𝐼 −𝑒 −𝑟
Notons que nous ignorons d et n comme entrées car ils produisent des matrices de transfert
similaires que l'équation 3-9.
Maintenant, il est intuitivement évident que si le système à la figure 3-1 est stable
intérieurement. Alors, pour toutes les entrées limitées (di,-r), les sorties (up, - e) sont
également limitées. Le théorème suivant montre que cette idée conduit à la caractérisation
d'une matrice de transfert de la stabilité interne.
Théorème 3-3
Le système de la figure 3-1 est stable intérieurement, si et seulement si la matrice de transfert
𝑥 𝐴 0 𝑥 𝐵 0 𝑢𝑝
= +
𝑥 0 𝐴 𝑥 0 −𝐵 −𝑒
𝑦 𝐶 0 𝑥 𝐷 0 𝑢𝑝
= +
𝑢 0 𝐶 𝑥 0 𝐷 𝑒
𝑢𝑝 0 𝐼 𝑦 𝑑
= + 𝑖
−𝑒 𝐼 0 𝑢 −𝑟
𝑦
La suppression de à partir des deux dernières équations, nous pouvons réécrire
𝑢
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 49
Stabilité des systèmes multivariables 2013
−1 −1
𝐼 𝐷 𝑢𝑝 = 0 𝐶 𝑥 + 𝑑𝑖 ⟹ 𝑢 𝑝 = 𝐼 𝐷 0 𝐶 𝑥 + 𝐼 𝐷 𝑑𝑖
−𝐷 𝐼 −𝑒 𝐶 0 𝑥 −𝑟 −𝑒 −𝐷 𝐼 𝐶 0 𝑥 −𝐷 𝐼 −𝑟
−1 −1
𝑥 𝐴 0 𝐵 0 𝐼 𝐷 0 𝐶 𝑥 𝐵 0 𝐼 𝐷 𝑑𝑖
= + +
𝑥 0 𝐴 0 −𝐵 −𝐷 𝐼 𝐶 0 𝑥 0 −𝐵 −𝐷 𝐼 −𝑟
−1 −1
𝑢𝑝 𝑥 𝑑𝑖
= 𝐼 𝐷 0 𝐶
+ 𝐼 𝐷
−𝑒 −𝐷 𝐼 𝐶 0 𝑥 −𝐷 𝐼 −𝑟
Supposons maintenant que ce système est stable intérieurement. Donc, les valeurs propres de
−1
𝐴 0 𝐵 0 𝐼 𝐷 0 𝐶
𝐴= +
0 𝐴 0 −𝐵 −𝐷 𝐼 𝐶 0
Sont dans le demi-plan gauche ouvert, il s'ensuit que la matrice de transfert à partir de (di,-r) à
(up,- e) donnée dans (3-10) est stable.
Inversement, supposons que (𝐼 + 𝑃𝐾) est inversible et la matrice de transfert (3-10) est stable.
Puis, en particulier (𝐼 + 𝑃𝐾)−1 est bon ce qui implique que 𝐼 + 𝐾 ∞ 𝑃 ∞ = (𝐼 + 𝐷𝐷 )
est réversible.
Par conséquent,
𝐼 𝐷
−𝐷 𝐼
est inversible. Maintenant des calculs de routine donnent la matrice de transfert à partir de
(di,-r) vers (up,- e) en ce qui concerne les réalisations de l'espace d'état:
−1
𝐼 𝐷 + 0 −𝐶 (𝑠𝐼 − 𝐴)−1 𝐵 0 𝐼 𝐷
−𝐷 𝐼 −𝐶 0 0 −𝐵 −𝐷 𝐼
0 −𝐶 (𝑠𝐼 − 𝐴)−1 𝐵 0
−𝐶 0 0 𝐵
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 50
Stabilité des systèmes multivariables 2013
Est une matrice de transfert stable. Enfin, puisque (𝐴, 𝐵, 𝐶) et (𝐴, 𝐵, 𝐶 ) sont stabilisables et
détectables,
𝐵 0 0 𝐶 )
(𝐴, ,
0 𝐵 𝐶 0
Est stabilisable et détectable. Il s'ensuit que les valeurs propres de 𝐴 sont dans le demi-plan
gauche ouvert.
Notez que pour vérifier la stabilité interne, il est nécessaire (et suffisante) pour tester si
chacune des quatre matrices de transfert dans (3-10) est stable. La stabilité ne peut être
conclue même si trois des quatre matrices de transfert dans (3.10) sont stables. Par exemple,
imaginons une fonction de transfert du système interconnecté par
𝑠−1 1
𝑃 = 𝑠+1 , 𝐾 = 𝑠−1
𝑠+1 𝑠+1
𝑢𝑝 𝑠 + 2 (𝑠 − 1)(𝑠 + 2) 𝑑𝑖
=
−𝑒 𝑠−1 𝑠+1 −𝑟
𝑠+2 𝑠+2
Ce qui montre que le système n'est pas stable intérieurement, bien que trois des quatre
fonctions de transfert sont stables. Cela peut aussi être vu par le calcul de la matrice A de la
boucle fermée avec toutes les réalisations P et K stabilisables et détectables.
Remarque: Il convient de noter que la stabilité interne est une condition de base pour un
système pratique de retour d’état. C'est parce que tous les systèmes interconnectés peuvent
être inévitablement soumises à une certaine condition initiales non nulle et certaines erreurs
(peut-être petites) et, il ne peut être toléré dans la pratique que de telles erreurs à certains
endroits mèneront à des signaux non bornés à quelques autres endroits dans le système de
boucle fermée. La stabilité interne Garantit que tous les signaux dans un système sont limités
à condition que le signaux injectés (à tous les endroits) sont bornés. Cependant, il ya certains
cas spéciaux particuliers dans lequel la détermination de la stabilité du système est simple.
Théorème 3-4
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 51
Stabilité des systèmes multivariables 2013
Supposons que K est stable. Ensuite, le système dans la figure 3-1est intérieurement stable si
et seulement si (𝐼 + 𝑃𝐾)−1 𝑃 est stable.
Preuve. La nécessité est évidente. Pour prouver la suffisance, il suffit de montrer que si
𝑄 = (𝐼 + 𝑃𝐾)−1 𝑃 est stable, donc les trois autres matrices de transfert sont également
stables:
𝐼 − 𝐾(𝐼 + 𝑃𝐾)−1 𝑃 = 𝐼 − 𝐾𝑄
−𝐾(𝐼 + 𝑃𝐾)−1 = −𝐾(𝐼 − 𝑄𝐾)
(𝐼 + 𝑃𝐾)−1 = 𝐼 + (𝐼 + 𝑃𝐾)−1 − 𝐼 = 𝐼 − (𝐼 + 𝑃𝐾)−1 𝑃𝐾 = 𝐼 − 𝑄𝐾
Ce théorème est en fait la base de la théorie du contrôle classique où la stabilité n’est vérifiée
que pour une fonction de transfert en boucle fermée avec l'hypothèse implicite que le
contrôleur lui-même est stable.
Théorème 3-5
Supposons que P est stable. Ensuite, le système à la figure 3-1 est stable intérieurement si et
seulement si 𝐾(𝐼 + 𝑃𝐾)−1 est stable.
Preuve. La nécessité est évidente. Pour prouver la suffisance, il suffit de montrer que si
𝑄 = 𝐾(𝐼 + 𝑃𝐾)−1 est stable, donc les trois autres matrices de transfert sont également
stables:
𝐼 − 𝐾(𝐼 + 𝑃𝐾)−1 𝑃 = 𝐼 − 𝑄𝑃
(𝐼 + 𝑃𝐾)−1 𝑃 = (𝐼 − 𝑃𝑄)𝑃
(𝐼 + 𝑃𝐾)−1 = 𝐼 + (𝐼 + 𝑃𝐾)−1 − 𝐼 = 𝐼 − 𝑃𝐾(𝐼 + 𝑃𝐾)−1 = 𝐼 − 𝑃𝑄
Théorème 3-6
Supposons que P et K sont à la fois stable. Ensuite, le système à la figure 3-1 est stable
intérieurement si et seulement si (𝐼 + 𝑃𝐾)−1 est stable.
Preuve. La nécessité est évidente. Pour prouver la suffisance, il suffit de montrer que si
𝑄 = (𝐼 + 𝑃𝐾)−1 est stable, donc les trois autres matrices de transfert sont également
stables:
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 52
Stabilité des systèmes multivariables 2013
(𝐼 + 𝑃𝐾)−1 𝑃 = 𝑄𝑃
𝐾(𝐼 + 𝑃𝐾)−1 = 𝐾𝑄
Plus généralement, nous avons la définition suivante pour les systèmes MIMO.
Définition 3.4
Deux matrices M et N dans l'ensemble des matrices de transfert stables sont premiers entre
elles à droite sur l'ensemble des matrices de transfert stables si elles ont le même nombre de
colonnes et si il existe deux matrices Xr et Yr dans l'ensemble des matrices de transfert stables
tels que
𝑋𝑟 𝑌𝑟 𝑀 = 𝑋𝑟 𝑀 + 𝑌𝑟 𝑁 = 𝐼 (3-17)
𝑁
De la même façon, deux matrices 𝑀 et 𝑁 dans l'ensemble des matrices de transfert stables
sont premiers entre eux à gauche sur l'ensemble des matrices de transfert stables si elles ont le
même nombre de lignes et s'il existe deux matrices Xl et Y l dans l'ensemble des matrices de
transfert stables tel que
𝑋𝑙
𝑀 𝑁 = 𝑀𝑋𝑙 + 𝑁𝑌𝑙 = 𝐼 (3-18)
𝑌𝑙
𝑀
Notez que ces deux définitions sont équivalentes à dire que la matrice est inversible à
𝑁
gauche dans l'ensemble des matrices de transfert stables et que la matrice 𝑀 𝑁 est
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 53
Stabilité des systèmes multivariables 2013
inversible à droite dans l'ensemble des matrices de transfert stables. Les équations 3-17 et 3-
18 sont souvent appelés identités de Bezout.
Maintenant, soit P une matrice réelle rationnelle appropriée. Une factorisation à droit co-
premier RCF (right-comprime factorisation) de P est un factorisation P = NM -1, où N et M
sont premiers entre eux à droite dans l'ensemble des matrices de transfert stables.
De la même façon,, une factorisation à gauche co-premier LCF (left-comprime factorisation)
de P est un factorisation 𝑃 = 𝑀 −1 𝑁 , où 𝑁 et 𝑀 sont premiers entre eux à gauche dans
l'ensemble des matrices de transfert stables.Une matrice P (s) dans l'ensemble des matrices de
transfert appropriés rationnelle est dite avoir double factorisation co-premier s'il existe une
factorisation à droite co-premier RCF P = NM -1 ,et une factorisation à gauche co-premier
LCF 𝑃 = 𝑀−1 𝑁 et Xr, Yr, Xl et Yl dans l'ensemble des matrices de transfert stables de telle
sorte que
𝑋𝑟 𝑌𝑟 𝑀 −𝑌𝑙
=𝐼 (3-19)
−𝑁 𝑀 𝑁 𝑋𝑙
Bien sûr contenu implicitement dans ces définitions est l'exigence que les deux M et 𝑀 être
des matrices carrées et inversibles.
Théorème 3-9
Supposons P (s) est une matrice réelle rationnelle et appropriée
𝑃 𝑠 =
𝐴 𝐵
𝐶 𝐷
P (s) est une réalisation stable et détectable. Soient F et L tels que A + BF et A + LC sont à la
fois stable, et définir
𝑀 −𝑌𝑙 𝐴 + 𝐵𝐹 𝐵 −𝐿
≅ 𝐹 𝐼 0 (3-20)
𝑁 𝑋𝑙
𝐶 + 𝐷𝐹 𝐷 𝐼
𝑋𝑟 𝑌𝑟 𝐴 + 𝐿𝐶 −(𝐵 + 𝐿𝐷) 𝐿
≅ 𝐹 𝐼 0 (3-21)
−𝑁 𝑀 𝐶 −𝐷 𝐼
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 54
Stabilité des systèmes multivariables 2013
𝒚
v u 𝒙 𝒙
B ʃ C
𝑥 = 𝐴𝑥 + 𝐵𝑢
𝑦 = 𝐶𝑥 + 𝐷𝑢
(3-22)
𝑢 = 𝑣 + 𝐹𝑥 (3-23)
𝑥 = 𝐴 + 𝐵𝐹 𝑥 + 𝐵𝑣
𝑢 = 𝐹𝑥 + 𝑣 (3-24)
𝑦 = (𝐶 + 𝐷𝐹)𝑥 + 𝐷𝑣
𝐴 + 𝐵𝐹 𝐵
𝑀 𝑠 ≅ (3-25)
𝐹 𝐼
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 55
Stabilité des systèmes multivariables 2013
𝐴 + 𝐵𝐹 𝐵
𝑁 𝑠 ≅ (3-26)
𝐶 + 𝐷𝐹 𝐷
En conséquence 𝑢 𝑠 = 𝑀 𝑠 𝑣 𝑠 et 𝑦 𝑠 = 𝑁 𝑠 𝑣 𝑠 donc
𝑦 𝑠 = 𝑁 𝑠 𝑣 𝑠 = 𝑁 𝑠 𝑀−1 𝑠 𝑢 𝑠 = 𝑃 𝑠 𝑢 𝑠 ⟹ 𝑃 𝑠 = 𝑁 𝑠 𝑀−1 𝑠
Théorème 3-10
Supposons que P est stable. Ensuite, l'ensemble des contrôleurs de stabilisation dans la figure
3-1 peut être décrit comme
Pour tout Q appartient l'ensemble des matrices de transfert stables et 𝐼 − 𝑃 ∞ 𝑄(∞) est non
singulière (inversible).
Puisque Q est stable donc 𝐾(𝐼 − 𝑃𝐾)−1 est stable et selon le théorème 3-5 le système de la
figure 3-1 est stable.
Nous devons montrer que chaque contrôleur de stabilisation peut être représenté comme 3-27.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 56
Stabilité des systèmes multivariables 2013
Considérons que le système dans la figure 3-1 est stable, puisque P est également stable, donc
selon le théorème 3-5 𝐾(𝐼 − 𝑃𝐾)−1 est stable. Définir 𝑄 = 𝐾(𝐼 − 𝑃𝐾)−1 = (𝐼 − 𝐾𝑃)−1 𝐾 nous
avons donc 𝑄 + 𝐾𝑃𝑄 = 𝐾. Il est clair que puisque 𝐼 − 𝑃 ∞ 𝑄(∞) est inversible K est
définie par
𝐾 = 𝑄(𝐼 − 𝑃𝑄)−1
Exemple 3-2
Pour le plant
1
𝑃 𝑠 =
𝑠 + 1 (𝑠 + 2)
Supposons que l'on désire trouver un contrôleur stable intérieurement de telle sorte que y suit
asymptotiquement une entrée de rampe.
Solution:
comme la plan est stable l'ensemble de tout contrôleur de stabilisation est dérivé à partir de
𝐾 = 𝑄(𝐼 − 𝑃𝑄)−1 , pour tout Q stable tel que, 𝐼 − 𝑃 ∞ 𝑄(∞) est inversible.
Soit
𝑎𝑠 + 𝑏
𝑄=
𝑠+3
Nous devons définir les variables a et b tels que y suit asymptotiquement une entrée de la
rampe, de sorte que la fonction de transfert de la sensibilité S doit avoir deux zéros à l'origine
(L doit être un système du type à deux).
𝑎𝑠 + 𝑏
𝑆 = 1 − 𝑇 = 1 − 𝑃𝐾(𝐼 − 𝑃𝐾)−1 = 1 − 𝑃𝑄 = 1 −
𝑠 + 1 𝑠 + 2 (𝑠 + 3)
𝑠 + 1 𝑠 + 2 𝑠 + 3 − (𝑎𝑠 + 𝑏)
=
𝑠 + 1 𝑠 + 2 (𝑠 + 3)
11𝑠 + 6
𝑄=
𝑠+3
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 57
Stabilité des systèmes multivariables 2013
11 𝑠 + 1 𝑠 + 2 (𝑠 + 12 22)
𝐾=
𝑠2 (𝑠 + 6)
Toutefois, si P (s) n'est pas stable, le paramétrage est beaucoup plus compliqué. Le résultat
peut être plus commodément indiqué en utilisant les représentations d’espace-état. Le
théorème suivant montre qu’un plan-rationnel approprié réel peut être stabilisé quel que soit
l'emplacement de ses RHP-pôles et RHP-zéros, à condition que le plan ne contienne pas de
modes cachés instables.
Théorème 3-11
Soit P une matrice réelle rationnelle appropriée et 𝑃 = 𝑁𝑀 −1 = 𝑀 −1 𝑁 être correspondant rcf
et lcf sur l'ensemble des matrices de transfert stables. Alors il existe un contrôleur de
stabilisation 𝐾 = 𝑌𝑙 𝑋𝑙−1 = 𝑋𝑟−1 𝑌𝑟 avec 𝑋𝑟 ,𝑌𝑟 ,𝑋𝑙 et 𝑌𝑟 dans l'ensemble des matrices de
transfert stables ( 𝑋𝑟 𝑀 + 𝑌𝑟 𝑁 = 𝐼 , 𝑁 𝑌𝑙 + 𝑀 𝑋𝑙 = 𝐼 ).
En outre, supposons
𝐴 𝐵
𝑃(𝑠) ≅
𝐶 𝐷
Théorème 3-12
Soit P une matrice réelle rationnelle appropriée et 𝑃 = 𝑁𝑀 −1 = 𝑀 −1 𝑁 être correspondant rcf
et lcf sur l'ensemble des matrices de transfert stables. Ensuite, l'ensemble des contrôleurs de
stabilisation dans la figure 3-1 peut être décrit comme
−1
𝐾 = 𝑋𝑟 − 𝑄𝑟 𝑁 (𝑌𝑟 + 𝑄𝑟 𝑀 ) 3-28
ou
𝐾 = (𝑌𝑙 + 𝑀𝑄𝑙 )(𝑋𝑙 − 𝑁𝑄𝑙 )−1 3-29
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 58
Stabilité des systèmes multivariables 2013
où 𝑄𝑟 est toute matrice de transfert stable et 𝑋𝑟 (∞) − 𝑄𝑟 (∞)𝑁(∞) est non singulière ou 𝑄𝑙
est toute matrice de transfert stable et 𝑋𝑙 (∞) − 𝑁(∞)𝑄𝑙 (∞) est aussi non singulière.
Exemple 3-3:
Pour le plan
1
𝑃 𝑠 =
𝑠 + 1 (𝑠 + 2)
0 1 0
𝐴 + 𝐵𝐹 𝐵 1
𝑁 𝑠 ≅ = −1 −2 1 𝑁 𝑠 =
𝐶 + 𝐷𝐹 𝐷 𝑠+1 2
1 0 0
0 1 0
𝐴 + 𝐵𝐹 𝐵 𝑠−2 𝑠−1
𝑀 𝑠 ≅ = −1 −2 1 𝑀 𝑠 =
𝐹 𝐼 𝑠+1 2
1 −5 1
0 1 7
𝐴 + 𝐵𝐹 −𝐿 108𝑠−72
𝑌𝑙 𝑠 ≅ = −1 −2 23 𝑌𝑙 𝑠 =
𝐹 0 𝑠+1 2
1 −5 0
0 1 7
𝐴 + 𝐵𝐹 −𝐿 𝑠 2 +9𝑠+38
𝑋𝑙 𝑠 ≅ = −1 −2 23 𝑋𝑙 𝑠 =
𝐶 + 𝐷𝐹 𝐼 𝑠+1 2
1 0 1
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 59
Stabilité des systèmes multivariables 2013
Maintenant, soit 𝑄𝑟 = 𝑄𝑙 alors conformément à le théorème 3-12 un des contrôleurs de
stabilisation est:
108𝑠 − 72
𝐾 = 𝑌𝑙 𝑋𝑙−1 = 𝑋𝑟−1 𝑌𝑟 =
𝑠2 + 9𝑠 + 38
3-7Références bibliographie
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 60
Stabilité des systèmes multivariables 2013
1-Ali Karimpour ‹‹ Lectures on Multivariable Feedback Control›› Department of
Electrical Engineering, Faculty of Engineering, Ferdowsi University of Mashhad (September
2009)
5- Eric Ostertag ‹‹ Mono- and Multivariable Control and Estimation›› book, Library of
Congress Control Number: 2010936361 , Springer-Verlag Berlin Heidelberg 2011.
6-Y. Zhu ‹‹Multivariable System Identification for Process Control›› book, Publisher:
October 2001Elsevier Science & Technology Books.
Dr. Dehini Rachid,Université de Béchar, Faculté des Sciences et Technologie, Année 2013/2014. Page 61