Représentation d'état

Automatique 1
 Contenu

! Notion de variables d'état

" Exemples
" Définitions

! Représentation d'état d'un système continu LTI

" Structure d'un modèle d'état
" Représentation schématique d'un modèle d'état
" Représentations d'état équivalentes

! Linéarisation d'un modèle d'état

" Modèle d'état d'un système non-linéaire
" Linéarisation autout d'un point de fonctionnement

Automatique 2
 Introduction à la notion d'état
! Exemple 1 : circuit RC
i(t) R
Entrée : u(t)
Sortie : y(t) = i(t)
C Vc(t)
u(t)
Posons x(t)=Vc(t)

! Modélisation du circuit RC
1 1
Ri (t ) + x(t ) = u (t ) RC x& (t ) + x(t ) = u (t ) x& (t ) = − x(t ) + u (t )
RC RC
1 1 1
x(t ) = ∫ idτ i (t ) = − x(t ) + u (t ) 1 1
C R R y (t ) = − x(t ) + u (t )
R R
x& (t ) = ax(t ) + bu (t ) (I)
Le modèle est de la forme
y (t ) = cx(t ) + du (t ) (II)
# (I) : équation dynamique du 1er ordre fonction de x(t)
# (II) : relation statique reliant la sortie y(t) et la variable x(t)
Pour établir une relation entre y(t) et u(t), on passe par la variable
Automatique intermédiaire x(t) (tension aux bornes du condensateur) 3
 Introduction à la notion d'état : exemple 1
! Réponse à une entrée échelon
# A l'instant t0, on ferme l'interrupteur u (t ) = U 0 Γ(t ) t > t0
# Tension initiale aux bornes du condensateur : x(t0 ) = Vc (t0 )
Solution des équations Réponse temporelle
x

t −t0  t −t0 
−  − U
x(t ) = e RC x(t
0 ) + 1 − e
RC x∞
 0
 
t0 t

y
1 1
y (t ) = − x(t ) + u (t )
R R
t0 t

Automatique 4
 Introduction à la notion d'état : exemple 1
! Remarques
# La connaissance de x(t) (et donc de y(t)) sur l'intervalle de temps [t0, t]
ne dépend que de la condition initiale x(t0) et des équations (I) et (II)
# La connaissance de x sur l'intervalle de temps ]-∞, t0] n'est pas
nécessaire pour déterminer x sur [t0, t]
# Si à l'instant t1, on applique un nouveau signal d'entrée u1(t),
l'évolution de x (t) et y (t) dans l'intervalle [t1, t] ne dépendra que de
x(t1) et de u1(t)

! Définitions

# x(t) est appelé l'état du circuit électrique

# L'état d'un système à un instant t représente la mémoire minimale
du passé nécessaire à la détermination du futur
# Les équations (I) et (II) définissent entièrement le comportement
dynamique du circuit électrique
Automatique 5
 Introduction à la notion d'état : exemple 2
! Exemple 2 : système mécanique (masse en translation)
z
Entrée : u(t) = F
.
Fr=f z m F
Sortie : y(t) = z(t)

! Modélisation dynamique : équation différentielle et FT

r r
∑ F = mγ
Z (s) 1
F = m&z& + fz& H ( s) = = Système d'ordre 2
F ( s ) s (ms + f )
! Représentation d'état

Etats du système x1 (t ) = z (t ) (1) et (2) sous forme matricielle

x2 (t ) = z& (t )  x&1 (t )  0 1   x1 (t )   0 
x&1 (t ) = z& (t ) = x2 (t ) (1)   = f   +  1 F
 x& 2 (t ) 0 − m   x2 (t )  m 

F = m&z& + fz& F = mx& 2 (t ) + fx2 (t )   x1 (t ) 
 y (t ) = [1 0] x (t )
F f   2 
x& 2 (t ) = − x2 (t ) (2)
Automatique m m 6
 Introduction à la notion d'état : exemple 2
! Représentation d'état
 x&1 (t )  0 1   x1 (t )   0 
  X& = AX + Bu  x1 (t ) 
 = 0 − f    +  1 F avec X (t ) =  
&
 x2 (t )    x2 (t )  m  
 m  y (t ) = CX + Du  x2 (t )
  x1 (t ) 
 y (t ) = [1 0] x (t ) 0 1  0
  2  A= f , B =  1 , C = [1 0], D = 0
 0 −
m   m 
! Remarques
# X(t) est appelé vecteur d'état du système
# Par rapport à la fonction de transfert, le modèle d'état donne des
informations sur la représentation interne du système (ici z& ) qui
n'apparaissent pas explicitement dans la fonction de transfert
# Le système d'ordre 2 est converti dans la représentation d'état en
une équation différentielle matricielle d'ordre 1 et une équation
statique matricielle
Automatique 7
 Représentation d'état d'un système
! Généralisation à un système multi-entrée, multi-sortie
 X& = AX + BU (I) (I) : équation d'état ou équation de commande

Y = CX + DU (II) (II) : équation de sortie ou équation d'observation

" Variables
# X(t) : vecteur d'état  x1 (t ) 
X (t ) ∈ Rn (n : nombre d'états) X (t ) =  M 
 
 xn (t )
# U(t) : vecteur des entrées
 u1 (t ) 
U (t ) ∈ Rm (m : nombre d'entrées) U (t ) =  M 
 u m (t )
# Y(t) : vecteur des sorties
 y1 (t ) 
 
Y (t ) ∈ R p (p : nombre de sorties) Y (t ) =  M 
 y p (t )
Automatique   8
 Représentation d'état d'un système
" Matrices de la représentation d'état
# A : matrice d'état # B : matrice d'entrée
A ∈ Rn×n (matrice carrée) B ∈ Rn×m

# C : matrice de sortie # D : matrice de couplage

C ∈ R p× n D ∈ R p×m Souvent D = 0
" Remarques
$ (I) : l'équation d'état est une équation dynamique d'ordre 1
$ (II) : l'équation de sortie est une équation statique linéaire
reliant les sorties aux entrées et aux états

Toute la dynamique interne du système est résumée dans

l'équation d'état, notamment dans la matrice A. En effet, si
U=0, on a le système libre caractérisé par X& = AX .

Les valeurs propres de A sont les pôles du système

Automatique 9
 Représentation schématique du modèle d'état
Equation de sortie
Equation d'état (partie dynamique) (partie statique)

X& X
B + ∫ C + Y
U
+ +
A

! Interprétation du schéma
" Equation d'état = vue interne du système

" A représente les interactions dynamiques entre les différents éléments

internes du système
" B représente l'action des entrées sur l'évolution dynamique du système

" C indique les capteurs permettent d'obtenir les sorties

" D indique le couplage direct entre les entrées et les sorties

Automatique 10
Non-unicité de la représentation d’état

∃ une infinité de représentations équivalentes.

Changement de variable régulier z = P −1 x :

d dz
(Pz) = P = APz + Bu,
dt dt
y = CPz + Du,
Non-unicité de la représentation d’état

Non-unicité de la représentation d’état

∃ une infinité de représentations équivalentes.

Changement de variable régulier z = P −1 x :

d dz
(Pz) = P = APz + Bu,
dt dt
y = CPz + Du,

soit :
dz
= P −1 APz + P −1 Bu,
dt
y = CPz + Du.
 Représentations d'état équivalentes
! Unicité de la représentation d'état ?
La représentation d'état d'un système est-elle unique ? Non !!
Le modèle d'état obtenu dépend du choix des états. On peut associer
à un même système, plusieurs vecteurs d'état conduisant ainsi à
différentes représentations d'états équivalentes
! Exemple : circuit RLC
i(t) R L
Lois de l'électricité
u(t) C Vc(t) di (t )
Ri (t ) + L + Vc (t ) = u (t )
dt
Entrée : u(t) q (t )
Vc (t ) =
Vc (t ) C
Sorties : Y (t ) =  
 i (t )  Charge : q (t ) = ∫0 i (τ )dτ
t

Etats : énergie stockée dans le circuit

Flux : φ (t ) = Li (t )
x1 (t ) = q (t ) : charge du condensateur
x2 (t ) = φ (t ) : flux dans l'inductance
Automatique 11
 Représentations d'état équivalentes
! Circuit RLC
1 1
Vc (t ) = q(t ) (a ) φ (t ) = Li (t ) i (t ) = φ (t ) (b)
C L
1
q (t ) = ∫0t i (τ )dτ q& (t ) = i (t ) = φ (t ) (c)
L
Ri (t ) + L
di (t )
+ Vc (t ) = u (t )
R
φ (t ) + φ&(t ) + 1 q (t ) = u (t ) ( d )
dt L C
Modèle d'état
 0 1L  0 
 X& = AX + Bu (c) et (d) A=  , B = 1 
q (t )   − 1 C − R L   
 avec X (t ) =  
Y = CX + Du φ (t ) 
(a) et (b) 1 C 0 
C=  , D=0
 0 1 L
! Remarques

# Pour avoir les sorties du système à partir des états, il faut

disposer de capteurs permettant de mesurer le flux et la charge
# N'ayant pas ces capteurs, changeons de variables d'état
Automatique 12
 Représentations d'état équivalentes
! Circuit RLC : autre modèle d'état
Vc (t ) 
Nouveaux états : X T (t ) =  
 i (t ) 
1 t
Vc (t ) = ∫ 0 i (τ )dτ V& (t ) = 1 i (t )
C c C
di (t ) di (t )
Ri (t ) + L + Vc (t ) = u (t ) = −
1
V (t ) −
R
i (t ) +
1
u (t )
dt dt L c L L
Nouveau modèle d'état
 0 1C   0 
 X& T = AT X T + BT u AT =   , BT =  
 avec − 1 L − R L  1 L 
Y = CT X T + DT u 1 0 
CT =  , DT = 0
 0 1 

# Est-il possible d'établir une relation entre la réalisation ( A, B, C , D)

et la réalisation ( AT , BT , CT , DT ) ?

Automatique 13
 Représentations d'état équivalentes

! Changement de variables

Vc (t ) q(t ) C  1 C 0  q(t )

X T (t ) =   = φ (t ) L  X T (t ) =  avec X (t ) = 
 i (t )     X (t )
φ 
 0 1 L  (t ) 

1 C 0 
Matrice de transformation T XT (t ) = T −1 X (t ) avec T −1 =  
 0 1 L
X& T = T −1 X& X& T = T −1( AX + Bu ) X& T = T −1 ATX T + T −1Bu

Y = CX + Du Y = CTX T + Du

& 1 C 0   0 1 L  C 0  1 C 0  0
XT =       XT +     u
 0 1 L  − 1 C − R L   0 L   0 1 L  1

 0 1C   0  On retrouve le
X& T =   X +
T   u résultat précédent
− 1 L − R L  1 L 
1 C 0  C 0 
Y =   0 L  X T + 0.u Y = I2 XT
Automatique  0 1 L   14
 Représentations d'état équivalentes
! Cas général
 X& = AX + BU
Soit  X (t ) ∈ Rn une représentation d'état d'un système
Y = CX + DU

" Changement de vecteur d'état

Transformation linéaire : X (t ) = TX T (t )
T : matrice de transformation T ∈ Rn×n
T est une matrice carrée d'ordre n régulière
" Représentation d'état équivalente
 X& T = AT X T + BT U AT = T −1 AT CT = CT
 avec
Y = CT X T + DT U BT = T −1B DT = D
" Remarque
# Les matrices A et AT sont semblables (A et AT ont les mêmes
valeurs propres) % la dynamique du système est préservée

Automatique 15
 Lien entre différentes représentations

Représentation d’état FT
Lien entre différentes représentations
Lien entre différentes représentations
Lien entre différentes représentations
Lien entre différentes représentations
Lien entre différentes représentations
Lien entre différentes représentations
Lien entre différentes représentations
 Passage FT " représentation d'état
! Position du problème
A partir d'une FT, est-il possible de déterminer une représentation d'état (une seule
ou la plus simple possible)? Ce problème est dénommé problème de réalisation

Y ( s ) bm s m + bm −1s m −1 + L + b1s + b0 ?
H (s) = = n −
,m < n ( A, B, C , D)
U (s) s + an −1s n 1 + L + a1s + a0

On peut trouver autant de représentations d'état qu'on veut. Néanmoins

il existent quelques formes remarquable exposées ci-après

! Forme canonique de commandabilité

# Cas simple : m=0 et b0=1
Y (s) 1
H ( s) = = n s nY ( s ) + an −1s n −1Y ( s ) + L + a1sY ( s ) + a0Y ( s ) = U ( s )
U ( s ) s + L + a1s + a0

Equation différentielle y ( n ) (t ) + an −1 y ( n −1) (t ) + L + a1 y (1) (t ) + a0 y (t ) = u (t )

y ( n ) (t ) = −an −1 y ( n −1) (t ) − L − a1 y (1) (t ) − a0 y (t ) + u (t )
Automatique 11
 Passage FT " représentation d'état
! Forme canonique de commandabilité : cas simple
Posons Dérivation Equations d'état
x1 (t ) = y (t ) x&1 (t ) = y (1) (t ) x&1 (t ) = x2 (t )
x2 (t ) = y (1) (t ) x&2 (t ) = y ( 2) (t ) x&2 (t ) = x3 (t )
M M M
xn −1 (t ) = y ( n − 2) (t ) x&n −1 (t ) = y ( n −1) (t ) x&n −1 (t ) = xn (t )
xn (t ) = y ( n −1) (t ) x&n (t ) = y ( n) (t ) x&n (t ) = −a0 x1 (t ) − a1x2 (t ) − L − an −1xn (t ) + u (t )

Forme canonique de commandabilité Remarques

 x&1   0 1 0 L L 0  x
 1  0 
 x&   0 0 1 0 L 0  $ Chaque variable d'état xi,
 2 = M OO M   x2  0
  i=2,…,n−1 est la dérivée de la
& M   M O O 0   M  +  M u (t )
0  variable précédente. On parle
 xn −1   0 0 1   n −1  1
x
 x&n  − a0 − a1 L L − an − 2 − an −1   xn    de variables de phase

 x1 
$ A cause de cette dépendance,
 x2  en faisant varier la commande
y (t ) = [1 0 L 0 0] M  u, tous les états sont modifiés :
x  le système est commandable
 n −1 
 xn 
Automatique 12
 Passage FT " représentation d'état
! Forme canonique de commandabilité
# cas simple : schéma de simulation
x&i (t ) = xi +1 (t ) pour i = 2,L, n − 1 xi (t ) = ∫ xi +1 (t )
x&n = −a0 x1 − a1x2 − L − an −1xn + u

+ x&n xn xn −1 xn − 2 x2 x1
u ∫ ∫ ∫ ∫ y
−
an −1 an − 2 an − 3 a1 a0

+ + + +
+ + + +
# Cas général : m<n et b0≠0

Y ( s ) bm s m + bm −1s m −1 + L + b1s + b0
H (s) = = n
U (s) s + an −1s n −1 + L + a1s + a0 V (s) 1
= n (I)
U ( s ) s + L + a1s + a0
Soit v une variable Y (s)
Y ( s) V ( s) = bm s m + bm −1s m −1 + L + b1s + b0 (II)
intermédiaire telle que H ( s ) = V (s)
V (s) U (s)
Automatique 13
 Passage FT " représentation d'état
! Forme canonique de commandabilité : cas général
$ Equation (I) $ Equation (II)
Y ( s)
Elle correspond au cas précédent = bm s m + bm −1s m −1 + L + b1s + b0
V (s)
x =v
1
x&1 = x2
x2 = v (1) x&2 = x3
Y ( s ) = (bm s m + L + b1s + b0 )V ( s )
M M
xn −1 = v ( n − 2) x&n −1 = xn y (t ) = bmv ( m ) (t ) + L + b1v (1) (t ) + b0v(t )
xn = v ( n −1) x&n = − ∑ n −1ai xi +1 + u
i =0
y (t ) = bm xm +1 (t ) + L + b1x2 (t ) + b0 x1 (t )
Représentation d'état
 x1 
 x&1   0 1 0 L L 0  x
 1  0   x2 
 x&   0 0 1 0 L 0   x2  0  M 
 M O O M 
 = y (t ) = [b0 b1 L bm 0 L 0] xm +1 
2
 M  +  M u (t )
&  M  M O O 0   x  0   
 xn −1   0 0 1   n −1  1  xm + 2 
 x&n  − a0 − a1 L L − an − 2 − an −1   xn     M 
 n 
x
Cette forme est dite compagne (de la FT) commandable. Les
Automatique coefficients de la FT sont éléments des matrices du modèle d'état 14
 Passage FT " représentation d'état
! Forme canonique de commandabilité : cas général
x&i = xi +1 pour i = 2,L, n − 1 xi = ∫ xi +1
x&n = − a0 x1 − a1x2 − L − an −1xn + u
y = bm xm +1 + L + b1x2 + b0 x1
+ + + y
Schéma de simulation
+ +
bm b1 b0

+ x&n xn xn −1 xn − 2 x2
u ∫ ∫ ∫ ∫ x1
xm+1
−
an −1 an − 2 an − 3 a1 a0

+ + + +
+ + + +

Notion de commandabilité : en agissant sur u, on fait évoluer xn, puis

les autres états par effet cascade. Les états du système peuvent donc
être commandés et modifiés
Automatique 15
 Passage FT " représentation d'état
! Forme canonique d'observabilité
Y (s) bm s m + L + b1s + b0
H ( s) = = ,m < n
U ( s ) s n + an −1s n −1 + L + a1s + a0

s nY ( s ) + an −1s n −1Y ( s ) + L + a1sY ( s ) + a0Y ( s ) = b0U ( s ) + b1sU ( s ) + L + bm s mU ( s )

s nY ( s ) = (b0U ( s ) − a0Y ( s )) + s (b1U ( s ) − a1Y ( s )) + L + s m (bmU ( s ) − amY ( s ))

− am +1s m +1Y ( s ) − L − an −1s n −1Y ( s )

Divisons cette équation par sn

b0U ( s ) − a0Y ( s ) b1U ( s ) − a1Y ( s ) bmU ( s ) − amY ( s ) am +1Y ( s ) an −1Y ( s )

Y ( s) = + + L + − − L −
sn s n −1 sn−m s n − m −1 s

Dessinons le schéma de simulation correspondant à cette équation

Automatique 16
 Passage FT " représentation d'état
u
Schéma de simulation
b0 b1 b2 bm

+ + . + . . + . .
x&1 1 x1 + x2 1 x2 + x3 1 xm+1 + xm+1 xn−1 1 xn−1 + xn 1 xn
y
− s s − s
− s s − −
a0 a1 a2 am an-1

! Modèle d'état
x&1 = −a0 xn + b0u  x&1  0 0 L L 0 − a0   x1   b0 
 x&  1 0 L L 0 − a1   x2   b1 
x&2 = x1 − a1xn + b1u  &2  0 1 0 L 0  
 x3  =  − a2   x3   M 
 +
M   M  bm 
M u (t )
 M  M OO M
 
x&m +1 = xm − am xn + bmu  x&n −1  0 L 0 1 0 − an − 2   xn −1   0 
M
 x&  0 0 L L 1
 n  − an −1   xn   0 
x&m + 2 = xm +1 − am +1xn  
M  x1  Connaissant y=xn, on peut
x&n = xn −1 − an −1xn x 
y (t ) = [0 0 L 1] 2  déduire les autres états par
y = xn M dérivation et différence : c'est
x 
 n l'observabilité.
Automatique 17
 Passage FT " représentation d'état
! Remarques
$ La commandabilité est la possibilité de modifier les états en appliquant la
commande appropriée. Cela est mise en évidence par la forme canonique
de commandabilité
$ L'observabilité est la possibilité de reconstruire les états à partir de la sortie
et de l'entrée. Ceci apparaît sur le schéma de la forme canonique
d'observabilité. Connaissant y=xn, on déduit les autres états en
parcourant le schéma à l'envers et à partir de l'entrée
$ Observabilité et commandabilité sont intrinsèques au système et ne
dépendent pas de la réalisation

! Dualité des formes canoniques de commandabilité et d'observabilité

Soit ( Ac , Bc , Cc , Dc ) : la réalisation canonique de commandabilité
Soit ( Ao , Bo , Co , Do ) : la réalisation canonique d'observabilité

On constate que ( Ac , Bc , Cc , Dc ) = ( AoT , CoT , BoT , Do )

Automatique 18
 Passage FT " représentation d'état
! Forme modale
# Cas 1 : le système admet n pôles distincts réels λi i = 1,L, n

bm s m + L + b1s + b0 bm s m + L + b1s + b0
H ( s) = n H ( s) =
s + an −1s n −1 + L + a1s + a0 ( s − λn )( s − λn −1 )L( s − λ2 )( s − λ1 )

% Décomposition en éléments simple

Y (s) µi U (s)
H ( s) = = ∑in=1 Y ( s ) = ∑in=1 µi
U (s) ( s − λi ) ( s − λi )

% Choix des états

U ( s)
X i ( s) = sX i ( s ) = λi X i ( s ) + U ( s )
( s − λi )
x&i (t ) = λi xi (t ) + u (t ) y (t ) = ∑in=1 µi xi (t )
pour i = 1,..., n

 x&1  λ1 0 L 0   x1  1  x1 

 x&   0 λ2 O M   x2  + 1u (t ) x 
 M2  =  M y (t ) = [µ1 µ 2 L µ n ] 2 
O O 0   M  M  M
&  0 L 0 λn   xn  1 x 
Automatique  n  
x  n
19
 Passage FT " représentation d'état
! Forme modale
# Remarques sur le cas 1
$ La représentation fait apparaître les pôles (ou modes) du système
$ La matrice A est diagonale " calcul simplifié de eAt
$ Soit (A, B, C, D) une réalisation. Si A admet n valeurs propres distinctes λi,
A est diagonalisable et il existe une matrice de transformation T telle que
λ1 0 L 0 
Am = T −1 AT Cm = CT  
avec Am =  0 λ2 O M  T : matrice des
M OO 0
Bm = T −1B Dm = D  0 L 0 λ  vecteurs propres de A
 n

+ x1 x1
∫ µ1
+
Chaque état xi est
λ1 +
+
Schéma de u
y indépendant des
+ autres
simulation
+ xn xn
∫ µn
+

Automatique
λn
20
 Passage FT " représentation d'état
! Forme modale
# Cas 2 : le système admet n pôles distincts réels et complexes
Soit λ1 = σ + jω et λ2 = σ − jω les pôles complexes conjugués du système

% Décomposition en éléments simples

a + jb a − jb µi
H (s) = + + ∑in=3
s − (σ + jω ) s − (σ − jω ) ( s − λi )

U (s) U (s) U (s)

Y ( s ) = (a + jb) + (a − jb) + ∑in=3 µi
s − (σ + jω ) s − (σ − jω ) ( s − λi )
% Choix des états
U ( s)
X1 ( s ) = sX1 ( s ) = (σ + jω ) X1 ( s ) + U ( s ) x&1 = (σ + jω ) x1 + u
s − (σ + jω )
U (s)
X 2 (s) = sX 2 ( s ) = (σ − jω ) X 2 ( s ) + U ( s) x&2 = (σ − jω ) x2 + u
s − (σ − jω )

x&i (t ) = λi xi (t ) + u (t ) On obtient des états à

Pas de problème coefficients complexes qui ne
pour i = 3,..., n pour les pôles réels signifient rien physiquement !!
Automatique 21
 Passage FT " représentation d'état
! Forme modale : cas des pôles complexes conjugués
% Transformation linéaire sur les états complexes
x1' = x1 + x2 sX 1' ( s ) = sX1 ( s ) + sX 2 ( s ) sX 1' ( s ) = σX 1' ( s ) + ωX '2 ( s ) + 2U ( s )
x '2 = j ( x1 − x2 ) sX '2 ( s ) = j ( sX1 ( s ) − sX 2 ( s )) sX '2 ( s) = −ωX 1' ( s ) + σX '2 ( s )

Sortie
x&1' = σx1' + ωx '2 + 2u
Y ( s ) = (a + jb) X1 ( s ) + (a − jb) X 2 ( s ) + ∑in=3 µi X i ( s )
x&2' = −ωx1' + σx '2

Y ( s ) = aX 1' ( s ) + bX '2 ( s) + ∑in=3 µi X i ( s ) y = ax1' + bx '2 + ∑in=3 µi xi

Couplage entre les états

correspondants aux pôles
complexes conjugués

 x& ' 
ω 0 L 0   x1  2  x' 
'
 & '1   σ  '1 
 x 2  − ω σ 0 L 0   x '  0  x 
 x3  =  0 0 λ3 O M   2  + 1 u (t ) y (t ) = [a b µ3 L µ n ] 2 
x x3
M   M M 0 O 0  3   M   M 
 x&   0 0 L 0 λn   M  1  x 
Automatique  n  xn   n
22
 Passage FT " représentation d'état
! Forme modale : cas des pôles multiples
Soit λ1 un pôle réel d'ordre k et λk+1,…, λn des pôles réels simples
% Décomposition en éléments simples
bm s m + L + b1s + b0 µ1 µ2 µk µi
∑
n
H (s) = H (s) = + + L +
( s − λ1 ) k ( s − λk +1 ) L ( s − λn ) ( s − λ1 ) k ( s − λ1 ) k −1 ( s − λ1 ) i = k +1 ( s − λ )
i

µ1U ( s) µ 2U ( s) µ kU ( s ) µiU ( s)
∑
n
Y ( s) = + + L +
( s − λ1 ) k ( s − λ1 ) k −1 ( s − λ1 ) i = k +1 ( s − λ )
i
% Choix des états
U ( s) X 2 ( s)
X1 ( s) = X1 ( s) =
( s − λ1 ) k ( s − λ1 ) x&1 = λ1x1 + x2
X 2 ( s) =
U (s) X 2 ( s) =
X 3 ( s) x&2 = λ1x2 + x3
( s − λ1 ) k −1 ( s − λ1 )
M
M M
U (s) X k ( s) x&k −1 = λ1xk −1 + xk
X k −1 ( s) = X k −1 ( s ) =
( s − λ1 ) 2 s − λ1 x&k = λ1xk + u
X k ( s) =
U ( s)
X k ( s) =
U ( s) x&i = λi xi + u , i = k + 1,L, n
( s − λ1 ) ( s − λ1 )
U ( s) U ( s)
X i (s) = , i = k + 1,L , n X i (s) = , i = k + 1,L , n y (t ) = ∑in=1 µi xi (t )
( s − λi ) ( s − λi )
Automatique 23
 Passage FT " représentation d'état

! Forme modale : cas des pôles multiples

x&1 = λ1x1 + x2 Bloc de Jordan
x&2 = λ1x2 + x3  x&1  λ1 1 L 0   x1  0
M  M  0 OO M 0  M  M 
 x&   M O λ 1   
 x  0 
x&k −1 = λ1xk −1 + xk  k& −1   1
 
k −1

 xk  =  0 L 0 λ1   xk  + 1u (t )
x&k = λ1xk + u  x&k +1   λk +1   xk +1  1
x&i = λi xi + u, i = k + 1,L, n  M   0 O  M  M 
 x&    1
n λn 
 xn 

y (t ) = ∑in=1 µi xi (t )
 x1 
y (t ) = [µ1 L µ n ] M 
 xn 
 

D'une façon générale, si le système admet r pôles d'ordre de multiplicité

kr, tel que k1+…+ kr=n, la forme modale de la matrice d'état est
Bloc de Jordan
 J k1 (λ1 ) 0 L 0 
 0 λi 1 0 0 
J k 2 (λ2 ) O M 
A=  avec J k (λi ) =  0 λi O M  J ki (λi ) ∈ Rki ×ki
 M O O 0  i  M OO 1
 0 L 0 J ( λ )
r  0 L 0 λ 
Automatique
kr
 i
24
 Passage représentation d'état " FT (MT) : exemple 1

1 0  0 1c   s −1 c 
sI 2 − A = s  −  sI 2 − A =  
0 1 − 1 L − R L  1 L s + R L 

Lc s 2 + Rcs + 1
det( sI 2 − A) = s ( s + R L) + 1 Lc det( sI 2 − A) =
Lc

s + R L − 1 L
com( sI 2 − A) =  
 1 c s 

s + R L 1 c   0  1
Ccom( sI 2 − A)T B = [1 0]   Ccom( sI 2 − A)T B =
 − 1 L s  1 / L  Lc

Ccom( sI 2 − A)T B H (s) =

1
H (s) =
det( sI 2 − A) Lc s 2 + Rcs + 1

Automatique 25
Notion de Commandabilité
Notion de Commandabilité
Notion de Commandabilité
Notion de Commandabilité
Notion de Commandabilité
Notion de Commandabilité
Notion de Commandabilité
 Notion d’observabilité

Observabilité d’un état

Dualité Commandabilité-observabilité
Notion d’observabilité
Notion d’observabilité
Notion d’observabilité
Notion d’observabilité
Dualité commandabilité-observabilité
Réponse d'un modèle d'état
 Contenu
! Réponse temporelle à partir de la fonction de transfert
! Calcul de la réponse temporelle à partir du modèle d'état
" Résolution de l'équation d'état
# Cas scalaire
# Cas matriciel
# Mise en évidence de la matrice de transition
" Calcul de la matrice de transition
# Propriétés de la matrice de transition
# Utilisation de la transformée de Laplace inverse
# Développement en série de Taylor
# Théorème de Caley-Hamilton
# Diagonalisation de la matrice d'état
! Exemple récapitulatif

Automatique 2
 Réponse temporelle à partir de la FT
! Cas de la fonction de transfert
Considérons un système mono-entrée, mono-sortie décrit par
une fonction de transfert H(s)
Y ( s)
H ( s) = Y (s) = H ( s) U ( s) y (t ) = L−1 (Y ( s ) ) = L−1 ( H ( s )U ( s ) )
U (s)
avec L−1 la transformée de Laplace inverse
Ce calcul n'est valable que si les conditions initiales sont nulles

Exemple
1
H ( s) =
(1 + T1s )(1 + T2 s )

Réponse indicielle
1 1 1
U (s) = Y ( s) =
s (1 + T1s )(1 + T2 s ) s
t t
− −
T e T1 − T2 e T2
y (t ) = 1 − 1 d'après les tables de TL
Automatique T1 − T2 3
 Réponse temporelle à partir d'un modèle d'état
! Cas scalaire
x& (t ) = ax(t ) + bu (t ) (I) La connaissance de x(t)
permet celle de y(t)
y (t ) = cx(t ) + du (t ) (II)

" TL de l'équation d'état

Condition initiale : x(0)

L (x& (t ) = ax (t ) + bu (t ) ) sX ( s ) − x (0) = aX ( s ) + bU ( s )
x(0) b
X (s) = + U (s)
s−a s−a
" Evolution de l'état
$ Rappels
#L ( )
e at =
1
s−a
x(t ) = e at x(0) + ∫0t e a (t −τ )bu (τ )dτ
Régime libre
# L ( f1 (t ) * f 2 (t ) ) = F1 ( s ) F2 ( s ) (u=0)
Régime forcé
(x(0)=0)
Automatique convolution
4
 Réponse temporelle à partir d'un modèle d'état
! Cas scalaire
" Réponse temporelle
y (t ) = cx(t ) + du (t ) y (t ) = ce at x(0) + c ∫0t e a (t −τ )bu (τ )dτ + du (t )

" Remarque

Si l'origine des temps est t0≠0, les équations précédentes

ont la forme générale suivante

x(t ) = e a (t −t0 ) x(t 0 ) + ∫tt e a (t −τ )bu (τ )dτ

0

y (t ) = ce a (t −t0 ) x (t 0 ) + c ∫tt e a (t −τ )bu (τ )dτ + du (t ) t > t0

0

! Généralisation au cas matriciel

X (t ) ∈ Rn
 X& = AX (t ) + BU (t ) A ∈ Rn×n C ∈ R p×n
 U (t ) ∈ Rm
Y (t ) = CX (t ) + DU (t ) B ∈ Rn×m D ∈R p×m
Y (t ) ∈ R p
Automatique 5
 Réponse temporelle à partir d'un modèle d'état
! Généralisation au cas matriciel
" TL de l'équation d'état
Conditions initiales : X(t0)
(
L X& (t ) = AX (t ) + BU (t ) ) sX ( s ) − X (t 0 ) = AX ( s ) + BU ( s )

X ( s ) = (sI n − A)−1 X (t 0 ) + (sI n − A)−1 BU ( s ) In : matrice identité d'ordre n

" Réponse temporelle : généralisation

(
X (t ) = L-1 (sI n − A)−1 X (t 0 ) + (sI n − A)−1 BU ( s ) )
X (t ) = e A(t −t0 ) X (t0 ) + ∫ e A(t −τ )BU (τ )dτ
t
t0

vecteur matrice vecteur matrice vecteur

Y (t ) = CX (t ) + DU (t ) Y (t ) = Ce A(t −t0 ) X (t 0 ) + C ∫tt e A(t −τ ) BU (τ )dτ + DU (t )

0
Automatique 6
 Matrice de transition
" Remarques
A(t − t 0 )
# La réponse temporelle dépend de l'exponentielle de matrice e
−1
# Pour U=0, on a X ( s ) = (sI n − A) X (t 0 ). D'où
X (t ) = e A(t −t0 ) X (t 0 ) = Φ (t 0 , t ) X (t 0 )

Φ (t 0 , t ) = e A(t −t0 ) est la matrice de transition du vecteur d'état

initial X(t0) au vecteur d'état X(t) pour U=0

! Propriétés de la matrice de transition

$ Φ (t0 , t ) = e A(t −t0 ) est une exponentielle de matrice. Φ (t0 , t ) ∈ Rn×n

$ Φ (t0 , t0 ) = e A×0 = I n avec In : matrice identité d'ordre n

$ 0 dt
(
& (t , t ) = d e A(t −t0 )
Φ ) & (t , t ) = Ae A(t −t0 )
Φ 0
& (t , t ) = AΦ (t , t )
Φ 0 0

$ Φ (0, t1 + t2 ) = Φ (0, t1) Φ (0, t2 ) = e At1 e At2

$ Φ (t0 , t ) −1 = Φ (t , t0 ) = e − A(t −t0 )

Automatique 7
 Calcul de la matrice de transition
! Utilisation de la transformée de Laplace inverse

e At = L−1 (sI n − A)−1

" Procédure de calcul
# Former la matrice sIn−A
# Calculer l'inverse de sIn−A ( sI n − A) −1 =
(comatrice ( sI n − A) )T
det ( sI n − A)
# Prendre la transformée de Laplace inverse de chaque élément de (sIn−A)−1

La procédure est applicable à la main si l'ordre n de la matrice A n'est pas élevé

Exemple
&  − 3 1 0  Calculer la matrice
Soit l'équation d'état X =   X (t ) +  U (t )
− 2 0 1  de transition

Automatique 8
 Calcul de la matrice de transition
! Développement en série de Taylor
" Développement en série d'une fonction exponentielle scalaire

a 2 t 2 a 3t 3 +∞ a i
e at = 1 + at + + +L = ∑ ti
2! 3! i =0 i!

" Généralisation à une exponentielle de matrice e At avec A ∈ Rn×n

+ ∞ Ai e At ∈ Rn×n
A 2t 2 A 3t 3
e At = I n + At + + +L = ∑ ti
2! 3! i =0 i! Ai = 1
A ×4
4 ×L
A24×4
3A ∈ Rn×n
i fois

La matrice de transition est une somme pondérée des termes de

puissance de la matrice A. On suppose que la somme est convergente

Le calcul est simplifié si A est nilpotente

Définition : la matrice carré A est dite nilpotente d'ordre k s'il

existe un entier k≥1 tel que pour tout entier r>k, Ar=0n =[0]
Automatique 10
 Calcul de la matrice de transition : dvl de Taylor
Exemple
Soit le système caractérisé par l'équation différentielle J&z&(t ) = u (t )
1
H (s) = Double intégrateur
Js 2
0 1   0 
$ Etats : x1 (t ) = z (t ) x2 (t ) = z& (t ) $ Equation d'état X& =   X +  u
0 0  1 J 
$ Calcul de la matrice de transition
0 1  0 1  0 1  0 0  0 0 
A=  A2 =  =  An =   ∀n ≥ 2
 0 0   0 0  0 0  0 0  0 0 

1 0 0 1 1 t
Par conséquent e At = I 2 + At + 02 e At =  + t e At = 
0 1  0 0  0 1
$ Solution de l'équation homogène X& = AX (t )
Conditions initiales X (t0 ) = [x1 (t0 ) x2 (t0 )]T

1 t − t0   x1 (t0 )   x1 (t0 ) + (t − t0 ) x2 (t0 )

X (t ) = e A(t −t0 ) X (t 0) X (t ) =    X (t ) =  
 0 1  2 0 
x (t )  x2 (t0 ) 
Automatique 11
 Calcul de la matrice de transition
! Théorème de Caley-Hamilton
+∞ i
A
Développement de Taylor e At = ∑ i! t i
i =0

Si la matrice A n'est pas nilpotente, le calcul est fastidieux. Le théorème de

Caley-Hamilton permet de limiter ce calcul à un nombre fini de termes

$ Equation caractéristique d'une matrice carrée

Soit A une matrice carrée d'ordre n. Son équation caractéristique est

PA (λ ) = det(λI − A) = λn + an −1λn −1 + L + a1λ + a0 = 0

Théorème de Caley-Hamilton
Toute matrice carrée A satisfait son équation caractéristique c'est-à-dire
PA ( A) = An + an −1 An −1 + L + a1 A + a0 I n = 0

On déduit du théorème la relation suivante

n −1
An = − an −1An −1 − L − a1 A − a0 I n A = − ∑ ai Ai
n

Automatique i =0
12
 Calcul de la matrice de transition : th de Caley-Hamilton
! Interprétation du théorème
Toute puissance k de A c'est-à-dire Ak tel que k>n−1 peut s'écrire comme la
combinaison linéaire des n−1 premières puissances de A.

n −1 n −1 n −1 n
An = − ∑ ai Ai An +1 = A × An = − ∑ ai A Ai An +1 = − ∑ ai Ai +1 = − ∑ ai −1 Ai
i =0 i =0 i =0 i =1
n −1 n −1 n −1
An +1 = − ∑ ai −1 Ai − an −1 An An +1 = − ∑ ai −1 Ai + an −1 ∑ ai Ai
i =1 i =1 i =0
n −1 n −1 n −1
An +1 = − ∑ ai −1 Ai + an −1a0 I n + an −1 ∑ ai Ai An +1 = ∑ (an −1ai − ai −1) Ai + an −1a0 A0
i =1 i =1 i =1

Cette relation peut alors se mettre sous la forme suivante

n −1 n −1
An +1 = ∑ (an −1ai − ai −1) Ai avec a−1 = 0 An +1 = ∑ bi Ai avec bi = (an −1ai − ai −1 )
i =0 i =0

On constate que An+1 est une combinaison linéaire de Ai (i=1, …, n−1)

De façon similaire, on peut calculer An+2, … en fonction des n−1 premières

Automatique puissances de A 13
 Calcul de la matrice de transition : th de Caley-Hamilton
! Corollaire du théorème
On peut trouver des fonctions αi(t) dépendant du temps telles que
+∞ i n −1
A
e At = ∑ i! ti = ∑ αi (t ) Ai Formule de Sylvester
i =0 i =0

Cette formule permet de limiter le calcul du développement de Taylor à un

nombre fini de termes. Si on connaît les fonctions αi(t) , on obtient eAt

Justification du corollaire
Ak tel que k>n−1 s'écrivant comme la combinaison linéaire des n−1 premières
puissances de A, eAt est aussi une combinaison linéaire des n−1 premières
puissances. Les coefficients sont dans ce cas des fonctions du temps
n −1
D'après le théorème Ak = ∑ bi Ai avec k = n,L, ∞
i =0
Ak k n −1 Ai k
On en déduit t = ∑ bi t avec k = n,L, ∞
k! i =0
k!
n −1
A2t 2 An −1t n −1 Ant n
D'où I n + At + +L+ + + L = ∑ α i (t ) Ai
2! (n − 1)! n! i =0
Automatique 14
 Calcul de la matrice de transition : th de Caley-Hamilton

! Calcul des fonctions αi(t)

" Cas 1

On suppose que la matrice carrée A d'ordre n admet n valeurs

propres distinctes λ j j = 1,L, n

On montre que les fonctions α i (t ) i = 0,L, n − 1 sont solutions du

système de n équations

 eλ1t = α 0 (t ) + λ1α1(t ) + L + λn −1α n −1(t )

 1
λ
e 2 = α 0 (t ) + λ2α1(t ) + L + λn −1α n −1(t )
t
 2
 M
eλnt = α (t ) + λ α (t ) + L + λn −1α (t )
 0 n 1 n n −1

La méthode nécessite la détermination préalable des valeurs propres

de la matrice A. On associe une équation à chaque valeur propre.

Automatique 15
 Calcul de la matrice de transition : th de Caley-Hamilton
Exemple

&  2 2 0 
X =  X (t ) +  U (t ) Calculer la matrice de transition
 − 1 5  1 
$ Valeurs propres de A : λ1 = 3 et λ2 = 4

$ Détermination des fonctions αi(t)

 eλ1t = α 0 (t ) + λ1α1 (t )  e3t = α 0 (t ) + 3α1 (t )  e3t  1 3 α 0 (t ) 
 λ t  4t  4t  =    
e 2 = α 0 (t ) + λ2α1 (t ) e = α 0 (t ) + 4α1 (t ) e  1 4 α1 (t ) 

−1
α 0 (t ) 1 3  e3t  α 0 (t )  4 − 3  e3t  α 0 (t ) = 4e3t − 3e 4t
  =    4t   =   4t  
α
 1  1 4 e 
( t ) α −
 1  
( t ) 1 1  e   α1 (t ) = −e3t + e 4t

$ Matrice de transition
1 0  2 2
e At = α 0 (t ) I 2 + α1 (t ) A = α 0 (t ) 
e At  + α1 (t )  
0 1  − 1 5
2e3t − e 4t − 2e3t + 2e 4t 
e =
At

 e − e − e + 2e 
Automatique 3t 4 t 3 t 4 t
16
 Calcul de la matrice de transition : th de Caley-Hamilton
! Calcul des fonctions αi(t)
" Cas 2 : la matrice A a des valeurs propres non distinctes

Soit λj une valeur propre simple. On lui associe l'équation

λ jt
e = α 0 (t ) + λ jα1 (t ) + L + λn −1α n −1 (t )
j

Soit λk une valeur propre multiple, d'ordre de multiplicité r

On lui associe les équations suivantes

eλk t = α 0 (t ) + λkα1 (t ) + L + λn −1α n −1 (t )

 k
λ
 de k t d
( n −1
 dλ = dλ α 0 (t ) + λkα1 (t ) + L + λ k α n −1 (t ) )
 k k
M
 d r e λk t
=
dr
 ( dλ ) r ( dλ ) r α 0 (t() + λk α1 (t ) + L + λn −1α
n −1 (t ) )
 k k
k

En procédant ainsi pour toutes les valeurs propres simples ou

multiples, on établit un système de n équations duquel on déduit les
fonctions αi(t)
Automatique 17
 Calcul de la matrice de transition : th de Caley-Hamilton
Exemple

& 0 1  1
X =  X (t ) +  U (t ) Calculer la matrice de transition
 − 1 − 2  0 
$ Valeurs propres de A : λ1 = −1 valeur propre double

$ Détermination des fonctions αi(t)

eλ1t = α 0 (t ) + λ1α1 (t )
 λt eλ1t = α 0 (t ) + λ1α1 (t ) e −t = α 0 (t ) − α1 (t )
 de 1  λt  −t
 dλ =
d
d
λ
(α 0 (t ) + λ1α1(t ) ) te 1 = α1 (t ) te = α1 (t )
1 1

α 0 (t ) = (1 + t )e −t

α1 (t ) = te −t
$ Matrice de transition
1 0 0 1 
e At = α 0 (t ) I 2 + α1 (t ) A e At = α 0 (t )   + α1 (t )  
0 1  − 1 − 2

(1 + t )e −t te −t 
e At = 
− − − −
 
te t (1 t ) e t
Automatique 18
 Calcul de la matrice de transition
! Matrice diagonale
Si la matrice carrée A d'ordre n est diagonale on a
λ1 0 eλ1t 0 
   
A= O  e =
At O 
0  λn t 
 λn   0 e 

! Matrice diagonalisable

Si la matrice carrée A d'ordre n admet n valeurs propres distinctes,

elle est diagonalisable c'est-à-dire

λ1 0
  T : matrice des vecteurs propres de A
A = TDT −1 avec D= O 
0 λn 


On montre que e At = Te DtT −1

Automatique 19
 Réponse temporelle : exemple
Exemple
 &  − 3 1 0 
Calculer la réponse X =   X (t ) +  U (t )
  − 2 0 1
indicielle du système  y = [0 1]X (t )


Automatique 20
 Linéarisation du modèle d'état
! Linéarisation autour du point ( X ,U )
On réalise un développement de Taylor au 1er ordre de f et g
$ Equations d'état
& ∂f1 ∂f1 ∂f1 ∂f1
 X = f ( X + x (t ), U + u (t )) ≈ f ( X , U ) + + L + + + L +
1 1 1 ∂X1 X ,U ∂X n X ,U ∂U1 X ,U ∂U m X ,U

M
& ∂f n ∂f n ∂f n ∂f n
X
 n = f ( X + x ( t ), U + u (t )) ≈ f ( X , U ) + + L + + + L +
n n ∂X1 X ,U ∂X n X ,U ∂U1 X ,U ∂U m X ,U


$ Equations de sortie
 ∂g1 ∂g1 ∂g1 ∂g1
1 Y = g ( X + x (t ), U + u (t )) ≈ g ( X , U ) + + L + + + L +
1 1 ∂X1 X ,U ∂X n X ,U ∂U1 X ,U ∂U m X ,U

M
 ∂g p ∂g p ∂g p ∂g p
Y p = g p ( X + x(t ), U + u (t )) ≈ g p ( X ,U ) + ∂X +L+
∂ X
+
∂U
+L+
∂U m
 1 X ,U n X ,U 1 X ,U X ,U

Automatique 21
 Linéarisation du modèle d'état
$ Forme matricielle Modèle d'état linéarisé
 & &
X (t ) = X (t ) + x& (t ) ≈ f ( X , U ) + FX x(t ) + FU u (t )  x& (t ) = FX x(t ) + FU u (t )

 Y (t ) = Y (t ) + y (t ) ≈ g ( X , U ) + G X x(t ) + GU u (t ) 
 y (t ) = G X x(t ) + GU u (t )
 ∂f1 ∂f1 
 ∂f1 ∂f1 
 ∂U1 L
 ∂X1 L ∂U m 
∂X n  ∂f
∂f FU = = M M 
FX = = M M  ∂U X ,U  
∂X X ,U   ∂
 n Lf ∂ f n 
∂f
 n L ∂ f n 
 ∂X1 ∂X n  X ,U  ∂U1 ∂U n  X ,U

 ∂g1 ∂g1   ∂g1 ∂g1 

 ∂U L
 ∂X L
∂X n  ∂U m 
∂g  1  ∂g  1

GX = = M GU = = M M 
∂X X ,U
M  ∂U
 ∂g p ∂g p 
X ,U
 ∂g p L ∂g p 
 ∂X1 L ∂X n   ∂U1 ∂U m  X ,U
X ,U
FX, FU, GX et GU sont les matrices jacobiennes des dérivées partielles
de f et g respectivement par rapport à X et U et évaluées au point ( X ,U )
Matrices du modèle : A = FX , B = FU , C = G X , D = GU
Automatique 22
 Linéarisation d'un modèle d'état
! Exemple : ressort à comportement non-linéaire
F
Equation différentielle
m m&z& = F + k1 z + k 2 z 3
Modèle d'état
ressort

z $ Entrée u (t ) = F $ Sortie y (t ) = z (t )
$ Etats du système x1 (t ) = z (t ) x2 (t ) = z& (t )
$ Modèle non-linéaire

x1 (t ) = z (t ) x&1 (t ) = z& (t ) = x2 (t )
k k F
m&z& = k1 z + k 2 z 3 + F x& 2 (t ) = 1 x1 + 2 x13 +
m m m

 x&1 (t )   x2 (t ) 
&  = f ( x1 (t ), x2 (t ), u (t ) ) =  k1 x (t ) + k 2 x (t ) 3 + u (t ) 
 x2 (t )  m 1 m 1 m 
y (t ) = h( x1 (t ), x2 (t ), u (t )) = x1 (t )
Automatique 23
 Linéarisation d'un modèle d'état

! Exemple
$ Détermination du point de fonctionnement ( X ,U )
On choisit comme point de fonctionnement, un point
&
stationnaire c'est-à-dire tel que X = f ( X (t ), U (t )) = 0
 x2  0 
f ( x1 (t ), x2 (t ), u (t ) ) = 0  k1 k2 3 u  =  
x + x +
 m 1 m 1 m  0

De plus, on prendra u = 0 . On a alors

x2 = 0
k1 k2 3
x + x =0 x1 = 0 ou x1 = ± − k1 k 2
m 1 m 1
 0    0  
Points de fonctionnement ( X ,U ):   , 
0  ou   , 0
 0  
    ± − k1 k 2  

Automatique 24
 Linéarisation d'un modèle d'état : exemple
$ Matrices
 ∂f1 ∂f 2 
 ∂x1 ∂x2   0 1  ∂h ∂h 
A= = C=  = [1 0]
∂f ∂f 2  + 2 ) m 0 ∂
 1x ∂x2  X ,U
 2   1
( k 3k x
2 1  X ,U
 ∂x1 ∂x2  X ,U

∂h
 ∂f1 
 0 
D=  =0
 ∂u  X ,U
B =  ∂u  = 
∂f 2 1 m 
 ∂u 
X ,U

Seule la matrice de commande A change

selon les points de fonctionnement

 0    0  
$ 
Premier point :  , 0  $ 
Deuxième point :  ± − k k , 0
 0 
    1 2 
 0 1  0 1
A=  A= 
1 
k 0
 − 2 k1 
0

Automatique 25