III- Notion d’état :

L’état d’un système rassemble toutes ses grandeurs internes susceptibles d’évoluer au cours du temps, que ce
soit sous l’effet d’un apport ou d’un transfert de matière, d’énergie ou d’information. En d’autres termes,
l’état correspond aux niveaux des réservoirs de matière, d’énergie ou d’information du système. Le
comportement d’un système dynamique dépend évidemment fortement de l’état dans lequel il se trouve. Le
choix des grandeurs qui caractérisent l’état n’est pas unique, le niveau d’une cuve de dimensions connues
représente aussi bien son état que le volume de cette cuve.

1. Concepts :

- Variables D’état : l’état d’un système dynamique est le plus petit ensemble de variables, de grandeurs,
tel que la connaissance de cet ensemble à l’instant t = t0, ainsi que celle du signal d’entrée pour t ≥ t 0,
suffit à déterminer complètement le comportement du système pour t ≥ t 0, C’est-à-dire l'état d'un
processus est l'information résumant parfaitement le passé du système puisqu'elle fixe toute évolution
future si les entrées sont spécifiées.
Plus généralement, les variables d’état dans les systèmes physiques sont les éléments aptes à
emmagasiner de l’énergie sous forme cinétique ou potentielle : inductances, capacités, masses,
ressorts..., ce sont les éléments ayant une capacité de "mémoire".

Soit un processus physique décrit par les équations différentielles et algébriques, possédant entrées
et sorties . Si un vecteur à
composantes (i.e. ) est proposé pour représenter l’état du système, cette
proposition sera pertinente s’il lui correspond un système d’équations de la forme suivante :

1
Les systèmes d’équations différentielles précédentes peuvent prendre la forme compacte suivante :

dite équations d’états

dite équations de sorties

Où :

et .

Dans cette représentation, est appelé vecteur d’état, est appelé vecteur de
commande, et est appelé vecteur de sortie.

Les équations d’états régissent le comportement dynamique du processus ; les équations de sorties
fournissent l’évolution de la sortie du processus. Notons que, dans la pratique, il est rare que intervienne
dans cette dernière. Ces deux systèmes d’équations forment le modèle d'état. Il est dit analogique, à temps
continu et différentiel.

Dans de nombreuses situations, la nature du processus ou encore le domaine (réduit) dans lequel évoluent les
variables sont tels que les fonctions et possèdent les propriétés particulières
suivantes :

 Elles sont stationnaires (ou invariantes dans le temps), en ce sens que le temps n’intervient pas
explicitement dans les équations. En d’autres termes, et
.
 Elles sont linéaires par rapport à leurs arguments ( (t) et (t)) soit encore
, , idem pour .
Dans ce cas la représentation d’état précédente pourra toujours se mettre sous la forme matricielle suivante :
’é

Figure 3.1 Schéma fonctionnel d'un système linéaire analogique.

Où :
– x(t) est appelée vecteur d’état du système de dimension n.
– u(t) est appelée vecteur d’entrée ou vecteur de commande du système de dimension ℓ.
– y(t) est appelée vecteur de sortie du système de dimension m.
– A est appelée matrice d’état du système de dimension n×n.
– B est appelée matrice d’entrée ou de commande du système de dimension n×ℓ.
– C est appelée matrice de sortie du système de dimension m×n.
– D est appelée matrice la matrice de transmission directe du système de dimension m×ℓ.
Cela signifie que, d’une manière générale, on peut exprimer l’évolution du système d’équations d’état et de
sortie, modélisée par un vecteur constitué des dérivées premières des composantes du vecteur d’état de
dimension n, en fonction du vecteur d’état du système.
Avec un vecteur de commande de dimension ℓ et un vecteur de sortie de dimension m.

2
Note: Dans le cas linéaire mais non invariant dans le temps, on obtient la représentation matricielle
précédente avec des matrices qui dépendent du temps, soit A(t), B(t), C(t) et D(t), la représentation d'état
devient alors :

Figure 3.2 Schéma fonctionnel d'un système linéaire analogique.

Remarques :
1- Dans le cas d’un système discret, ces équations prennent la forme suivante :

2- L’équation d'état est une équation dynamique d’ordre 1

3- L’équation de sortie est une équation statique linéaire reliant les sorties aux entrées et aux
états.
4- 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 .
5- Les valeurs propres de A sont les pôles du système
Exemple: considérons l’exemple suivant :

On décrit ce système par des équations différentielles comme suit :

3
 Dans ce cas, l’information nécessaire et suffisante pour résoudre le système d’équations différentielle
est liée aux conditions initiales : i(t0) et v(t0). Par conséquent, un ensemble possible de variables d’état
est . Où x(t) est vecteur d’état.
Le système d’équations différentielles peut s’écrire sous la forme matricielle suivante :

Représentation d’état d’une Matrice de Tansfert (Fonction de Transfert cas SISO) :

On considère le système LTI décrit par sa représentation d’état suivante :

Dans le cas général l’expression de la Matrice de Transfert G(s) ou Fonction de Transfert (cas SISO) peut
s’écrire en fonction des matrices A, B, C, D.

En appliquant la Transformée de Laplace aux équations d’état et de sortie, et on suppose que les conditions
initiales sont nulles, on obtient :

Finalement :

Avec In est la matrice identité de dimension n.

 Description de la Matrice de Transfert :

D’où vient :

4
Dans le cas d’un système (SISO), une seule entrée et seule sortie, l’expression de sa fonction de transfert
G(s) est donnée par :

Exemple : on considère le système LTI représenté par les équations

Reprenons l’exemple précédent :

Exemple2:

Donc La Matrice de transfert est donnée par :

Dans les exemples ci-dessus, nous observons que le déterminant de la matrice (sIn - A) est égal au polynôme
de dénominateur de G(s). C'est-à-dire que les pôles de la fonction de transfert correspondent aux zéros de
det(sIn - A) qui est aussi le polynôme caractéristique de la matrice d’état A. Par conséquent, les pôles de G(s)
sont les valeurs propres de la matrice d’état A.

5
II. Différentes Formes de Représentation des Systèmes Multivariables :
La représentation d’un système multivariable à temps continu peut être obtenue soit à partir de sa
représentation par équations différentielles soit à partir de sa représentation par Matrice de transfert.
Dans le traitement moderne de la théorie de la commande, différentes formes pour le modèle d’état sont
considérées :
A. Cas monovariable :
1. La Forme Canonique Modale :

2. Les Formes Canonique Compagnes :

B. Cas multivariable :
1. La Forme de Gilbert (Méthode de Gilbert)
2. La Forme de Smith-Mcmillan (Méthode des Invariants)
3. Méthode par réduction d’une réalisation

Figure 3.3 Lien entre les différentes formes d’une représentation

II.1. Représentation d’état à partir des équations différentielles ordinaires :

Pour obtenir une représentation d’état linéaire soit en manipulant le jeu d’équations préliminaires vu
dans la section précédente soit en opérant à partir de l’équation différentielle unique.
On effet 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 ou simplement
par changement de Base.
a- La Forme Canonique Compagne de Commandabilité (Horizontale): (Typiquement SISO)
Considérons le modèle général d’un système linéaire invariant représenté par une équation différentielle
d’ordre n

 1er Cas :
Afin d’obtenir une procédure systématique permettant de transformer une équation différentielle d’ordre
n en un modèle d’état, nous allons d’abord nous intéresser à une version simplifiée de l’équation
différentielle précédente où les dérivées de l’entrée u n’interviennent pas :

6
Introduisons maintenant le changement de variables suivant :

De l’équation différentielle on tire :

Soit, en utilisant le changement de variable précédent :

Soit sous forme vectorielle :

Exemple : soit l’équation différentielle suivante :

L’on obtient alors :

Nous allons maintenant étendre ce résultat au cas général. Pour cela, formons tout d’abord une équation
auxiliaire de l’équation différentielle précédente :

pour laquelle le changement de variables s’applique comme suit :

Du fait de la linéarité de l’opérateur L, il vient que :

7
En utilisant cette propriété, il vient que la solution s’écrit en fonction de ξ(t) :

Soit :

Or :

Ainsi :

La représentation d’état s’écrit donc :

Notons que lorsque bm = 0, ce qui presque toujours le cas, l’équation de sortie prend la forme simplifiée
suivante :

Exemple :
Considérons le système dynamique représenté par l’équation différentielle,

Déterminer sa représentation d’état.

L’on obtient alors :

 2ième Cas :

Reprenons l’équation différentielle précédente comme suit :

8
On suppose les conditions initiales et l’entrée u(t) pour un temps connues,
il est donc possible de choisir les variables d’état tels quelles puissent définir complètement le futur du
système. Il est nécessaire dans ce cas d’annuler les dérivées de l’entrée.
On peut donc choisir :

sont des coefficients à déterminer avec les expressions :

Avec ce choix de variables d’état on obtient la représentation d’état suivante :

; avec :

Exemple :
On reprend l’exemple précédent :

Où :

;
b- La Forme Canonique Compagne d’Observabilité (Verticale): (Typiquement SISO)
Considérons l’équation différentielle précédente qui décrit le système d’ordre ‘n’, Avec : n ≥ m.

Et choisissons pour variables d’état :

9
Et

Ceci nous conduit après quelques manipulations à une forme standard des équations d’état sous forme
matricielle, appelée Forme Canonique d’Observabilité.

Exemple :
Reprenons l’exemple précédent :

NB :
1- On note que ce qui permet de déduire de manière identique la matrice
de passage à la forma compagne d’observation.
2- La dimension du vecteur d’état est l’ordre (n) du modèle. Si la matrice de transmission directe D =
0 alors le modèle est dit strictement propre sinon il est dit propre (non strictement propre, D ≠ 0).
c- Généralisation à système multi-entrée, multi-sortie :
On a déjà vu que le choix des variables d’état n’est pas unique ce qui implique que l’espace d’état pouvait
correspondre à plusieurs représentations.
 Changement de Base :
Pour passer d’une représentation (ou réalisation) à une autre, on fait un changement de base dans l’espace
d’état Rn. en effet, si le vecteur d’état x(t) peut s’écrire sous la forme x(t) = P z(t) où z(t) est un nouveau
vecteur d’état et si la matrice P est inversible, alors cette transformation linéaire correspond à un
changement de base (de repère) dans l’espace d’état. La nouvelle représentation d’état s’écrit alors :

10
 Le quadruplet de matrice obtenu est donc . Comme il existe
une infinité de matrice de passage P utilisables, il existe aussi une infinité de réalisations
équivalentes qui correspondent toutes à la même Matrice de transfert. En effet :

Remarque :
- Les matrices sont semblables, donc ont les mêmes valeurs propres, c'est-à-dire la
dynamique du système est préservée.
- Il est passible de passer d’une réalisation à une autre ce qui peut se révéler utile quand la
seconde a une forme canonique (Modale, Commandable ou Observable). Le principe est de
déterminer la matrice de passage.

La Forme Modale (Diagonale ou Jordan) :

Dans le cas où la matrice a n valeurs propres distinctes (pôles à racines simples), il est
possible d’effectuer un changement de base la diagonalisant.
Théorème1 :
Si la matrice a n valeurs propres distinctes alors la matrice de passage composée
en colonnes des vecteurs propres associés, est telle que :
Où :
Dans le cas où une (ou plusieurs valeurs propres) est (sont) multiple(s) la situation est plus complexe.
Théorème2 :
Soit ayant k valeurs propres distinctes de multiplicité algébrique respective .
Soit la multiplicité géométrique associée à chaque valeur propre, c'est-à-dire le nombre de vecteurs
propres indépendants associés à chaque valeur propre.
Il convient de déterminer le nombre de blocs de Jordan dans . ce nombre est calculé par :

1- Si on définit un bloc diagonal de dimension et une matrice :

2- Si on définit un bloc Jordan de dimension

3- Si 1 < qi < mi , on définit un bloc diagonal Ji de dimension formé comme :

Où est un bloc de Jordan de taille inférieure à Il existe alors plusieurs possibilités qui
doivent être testées, une seule convenant.
Il est alors possible de déterminer une matrice de passage inversible telle
que :
La partition de P est identique à celle de J.
Dans le cas de dégénérescence d’une valeur propre multiple (cas 2 et 3), la matrice de passage
P doit être déterminée de la façon suivante :
Soit où est la colonne de P. il est possible de montrer que l’on doit vérifier :

Où est une valeur propre quelconque de A et La première colonne de chaque sous-

bloc est calculée avec et correspond à un vecteur propre associé à Les autres

11
colonnes du sous-bloc sont calculées en utilisant la récurrence avec Ces autres colonnes sont les
vecteurs propres généralisés associés à
Exemple :

Soit la matrice d’état :

On a le polynome caractéristique de A :

est une valeur propre simple. En résolvant on peut voir :

est une valeur propre double. Or, donc on sait que A est
diagonalisable. En résolvant on trouve :

III. Résolution de l’équation d’état :

1. Cas scalaire :
La connaissance de x(t) permet trouver y(t)
 Evolution de l’état :
En appliquant la Transformée de Laplace à l’équation d’état (I) et on suppose que les conditions initiales
sont nans nulle c.-à-d. x(0) ≠ 0, on aura :

 Réponse temporelle :
On substitut la relation de x(t) dans l’équation de sortie (II), on trouve :

- Remarque : si l’origine des temps est t0 ≠ 0, les équations précédentes ont la forme générale suivante :

12
2. Généralisation au Cas Matriciel (Multivariable) :

 Evolution de l’état :
On applique la transformée de Laplace à l’équation d’état (I) avec les conditions initiales x(t0) ≠ 0, on
obtient :

 Réponse temporelle :
On substitut la relation de x(t) dans l’équation de sortie (II), on trouve :

Remarques :
 La réponse temporelle dépond de l’exponentielle matricielle « »
 Pour u(t) = 0, on a . D’où :
est la Matrice de Transition du vecteur d’état initial x(t0) au vecteur d’état x(t)
pour u(t) = 0.
Propriétés de la Matrice de Transition :
 , Matrice Identité



Calcul la Matrice de Transition :
a. Utilisation de la Transformée de Laplace inverse :

- Procédure de Calcul :
 Calculer l’inverse de c.-à.-d.
 Prendre la transformée de Laplace inverse de chaque élément de
Exemple :
Soit l’équation d’état
Calculer la matrice de transition ?
b. Développement en série de Taylor :

Le développement en série d’une fonction exponentielle scalaire est donné par :

De même on peut généraliser le développement en série de Taylor au cas matricielle :

13
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 d’ordre k c.-à-d. s’il existe un entier
pour tout entier,

Exemple :
Soit le système caractérisé par l’équation différentielle suivante :
Calculer l’évolution de l’état en état libre avec conditions initiales non nulles ?
 La Fonction de Transfert de ce système est donnée par : Double intégrateur

 L’équation d’état de ce système est donnée par :

Calcul la Matrice de Transition :

Par conséquent :
Calcul x(t) :

14
15
16
  La réponse impulsionnelle : (Matrice de réponse impulsionnelle)

On sait que : , Où :

Ce qu’il vient :

17
 Finalement :

À chaque instant t, g(t) est une matrice de dimensions r × m. L’élément (i, j) donne la relation entre la jème
entrée et la ième sortie à l’instant t.

Pour des conditions initiales nulles x0 = 0, la réponse du système à une entrée quelconque u(t) est donnée
par :

De plus, la transformée de Laplace permet de relier la matrice de réponse impulsionnelle et la matrice de

transfert :

18
19