Académique Documents
Professionnel Documents
Culture Documents
Thème
Avant tous, nous tenons à remercier de tout cœur notre dieu "ALLAH" le tout puissant
de nous avoir donné la volonté et le courage pour la réalisation de ce travail.
sincèrement pour ses encouragements, ses conseils précieux et pour le temps qu’il m’a
Je suis très honoré par la présence à mon jury de ce mémoire de master et que je
remercie beaucoup
J’adresse des remerciements particuliers à Monsieur Dr. Rezzoug Imad, c’est un plaisir et
honneur pour moi de le remercier chaleureusement d’avoir accepté la présidence du jury
Je remercie également Monsieur Dr. Ousseif Taki-Eddine, membres de jury pour l’honneur
qu’ils m’on t’accorde en acceptant de juger mon travail
A
Mes Parents
Pour tous leurs sacrifices, leurs soutiens,
Leurs encouragements et leurs amours qui ont été la raison de ma
réussite.
Que dieu leur présente une bonne santé et une longue vie.
A
Mes frères
Pour leur disponibilité à entendre mes frustrations et les sources de
mon stress
Avec mes souhaits de bonheur et de réussite dans leur vie.
A
Tous ceux que j’aime et qu’ils m’aiment.
Qu’ils trouvent dans ce travail l’expression de mes sentiments les
plus affectueux.
***
ملخـ ـ ـ ـ ـ ـ ـ ـص
ولقد عززت هذه. تطرقنا الى دراسة مختلف أنواع االستقرار في االنظمة المحلية والموزعة،في هذه المذكرة
. اجسام3 وأخيرا أغلقتها بدراسة استقرار مشاكل الغرانج التي شملت،المذكرة بعدة أمثلة توضيحية
Résumé
Dans ce mémoire on a regardé les différents types de stabilité des systèmes localisés et
distribués. On a renforcé ce mémoire par plusieurs exemples explicatifs et enfin on a clôturé
ce mémoire par l'étude de stabilité de problème de Lagrange de 3 corps.
Mots clés :
Stabilité interne - Stabilité externe - Stabilisation - Stabilités en temps fini.
Abstract
Keywords :
Internal stability - External stability - Stabilization - Satability in finite time.
Table des matières
Introduction Général 1
i
Table des matières
Bibliographie 120
iv
ln Logarithme népérien.
B(a; r) La boule de centre a 2 Rn et de rayon r > 0, fx 2 Rn ; kx ak < rg :
n
h:; :i Produit scalaire de R :
<(:) La partie réelle d’un nombre complexe.
v
Introduction Générale
x(t)
_ = f (t; x(t); u(t)); (1)
ZT
J(u) = G(t; x(t); u(t))dt (2 )
0
où x(t) 2 X est l’état du système à l’instant t 2 [0; T ] et u(t) 2 U le contrôle qui réalisé un
objectif. Mais il existe aussi des systèmes modélisés par des équations aux dérivées partielles :
l’état du système est alors de dimension in…nie.
Toute étude concernant l’analyse d’un système dynamique est généralement suivie d’une étape
de contrôle, qui consiste à déterminer une commande qui permet de conduire le système étudié
à un certain objectif.
Deux problèmes importants se présentent : la stabilité et la stabilisation.
Le problème de stabilité : se pose lorsque l’équation (1) ne dépend pas du contrôle u. Qua-
litativement un système est stable si chaque fois qu’il est perturbé de son point d’équilibre,
il reste autour de ce point par la suite.
1
Un exemple typique d’un système stable est celui constitué d’une bille roulante sans frottement
au fond d’une coupelle ayant la forme d’une demi-sphère creuse : après avoir été écartée de sa
position d’équilibre (qui est le fond de la coupelle), la bille oscille autour de cette position, sans
s’éloigner davantage : la composante tangentielle de la force de gravité ramène constamment
la bille vers sa position d’équilibre. En présence d’un frottement visqueux (si l’on ajoute par
exemple un peu d’huile au fond de la coupelle), les oscillations de la bille sont amorties et celle-ci
revient à sa position d’équilibre au bout d’un certain temps (théoriquement in…niment long) :
cet amortissement est dû à la dissipation d’énergie sous forme de chaleur. Le système est alors
asymptotiquement stable.
Si maintenant, on retourne la coupelle, le sommet de celle-ci (ayant toujours la forme d’une
demi-sphère) est encore une position d’équilibre pour la bille. Mais à présent, si on écarte la bille
d’une quantité in…nitésimale en absence de frottement, cette bille se met à rouler sur la paroi
de la coupelle en tombant, elle s’écarte sans retour à sa position d’équilibre, car la composante
tangentielle de la force de gravité éloigne constamment la bille de sa position d’équilibre. Un tel
système est dit instable ( voir [42]).
Un exemple très concret est celui du balai qu’on essaie de le faire tenir en équilibre sur son
doigt. Si on ne part pas de l’équilibre, on peut amener le balai à cet équilibre et ensuite, si on
arrête de bouger le doigt, le balai devrait, en théorie, rester dans cette même position. Comme
on le voit expérimentalement, on n’y arrive pas dans la pratique : si on arrête de bouger le doigt,
le balai tombera. On bouge le doigt en fonction de la position du balai (et de sa vitesse) de façon
à l’empêcher de tomber : on applique un « feedback » , c.à.d. un contrôle dépendant de l’état,
stabilisant la position d’équilibre. Cette notion de feedback a une longue histoire dans les réalisa-
tions humaines. C’est surtout au XXe siècle que les feedbacks ont connu un essor fantastique.
Du point de vue théorique, on va montrer que tous les systèmes linéaires contrôlables peuvent
être stabilisés par des feedbacks linéaires. En dimension …nie, le problème de la stabilisation des
systèmes linéaires et non linéaires est aujourd’hui parfaitement établi, et a donné lieu à une
littérature riche ( Lasalle [26] etc.). Dans le cas des systèmes de dimension in…nie, les travaux
sur la stabilisation forte et/ ou faible des systèmes distribués sont dûs principalement à Slemrod
[35, 36].
De manière schématique, les systèmes de contrôle ci-dessus peuvent être décrits via la repré-
2
sentation systèmes de la Figure (1). En général, le contrôle est obtenu en temps réel à l’instant
t à partir de la connaissance de l’état (ou de manière plus réaliste d’une partie de l’état, appelée
sortie du système) aux dates antérieures. On parle de contrôle en boucle fermée ou contrôle par
feedback.
Il est classique, dans toute phase de modélisation de décrire les systèmes dynamiques suivant
deux approches
- L’une externe et consiste à modéliser un système à partir d’une étude expérimentale liant les
grandeurs d’entrée-sorties qui peuvent être soit des contrôles ou des perturbations que subit
le système, soit des mesures, qui correspondent aux observations qu’il est possible de faire
sur le comportement du système.
- L’autre interne et permet d’écrire, à partir des lois fondamentales, les équations d’évolution,
d’analyser certaines propriétés intrinsèques, etc.
3
peut nous aider à déterminer les signes des valeurs propres sans les calculer. Cependant, les
systèmes qu’on rencontre dans la pratique ne sont pas linéaires, nous introduisons cette section
deux méthodes pour ce genre de systèmes, la première est la méthode de linéarisation, qui permet
de tirer des conclusion sur la stabilité locale du système non-linéaire autour d’un point d’équilibre,
à partir des propriétés de stabilité de son approximation linéaire. La seconde méthode, celle
de Lyapunov, elle permet de déterminer les propriétés de stabilité d’un système non linéaire
par des fonctions spéciales, et plus que ça, elle a un caractère non local. Jusqu’à l’instant, il
n’y a pas de méthode générale donnée pour trouver ces fonctions pour un système non-linéaire.
Cependant, dans le cas des systèmes linéaires, nous avons transformé le problème de chercher une
fonction de Lyapunov à un problème algébrique. Nous introduisons dans la section 2.3 stabilité
des systèmes en répresentation externe nous caractérisons des méthodes suivant approche par
fonction de transfert, etude des fonctions de transfert et stabilité des systèmes en boucle fermé
‹‹feedback››. Dans la dernière section 2.4 nous citons la stabilité et stabilisation en temps …ni
consiste à certifer que le système, au bout d’un temps bien déterminé, atteint le point d’équilibre et
en y restant par la suite. La connaissance de l’instant où la trajectoire réelle rejoindra celle désirée
est notamment un aspect important dans les applications pratiques qui cherchent à garantir une
bonne performance qui utilisé deux cas les systèmes autonomes et non autonomes.
Chapitre 3 : Dans ce chapitre, on présente l’essentiel des résultats concernant la stabilité
et la stabilisation des systèmes linéaires par l’utilisation de la théorie du semi-groupe, où nous
rappelons les fondamentaux résultats.
Chapitre 4 : Dans ce chapitre, nous essayons d’appliquer les résultats concernant la sta-
bilité locale par la méthode de linéarisation, la stabilité globale par la méthode de Lyapunov, et
la stabilité globale par le principe de l’invariance de Lassale pour le système d’équations di¤é-
rentielles ordinaires modélisant le virus de l’hépatite B (VHB). Les points de Lagrange sont des
points d’équilibre dans la dynamique céleste, dans la 2 ème section, nous étudierons les points
de lagrange puis cet localisation, et par ma méthode de la linéairisation la stabilite des points de
lagrange.
Ce travail nous a ouvert la porte pour étudier d’autre système non-linéaire en dimension
in…nie.
4
Chapitre 1
Dans la théorie des systèmes dynamiques, notre objectif principal est de comprendre le com-
portement des états dans un système, étant donné une règle pour l’évolution de l’état. Les états
sont nos variables, en fait nous les appelons même des variables d’état. Tout ce que l’on pourrait
représenter avec un nombre pourrait être considéré comme un état, nous aborderons la dé…nition
des systèmes dynamiques [29], et étudée à la trasformation de Laplace et nous présentons le
problème de Cauchy-Lipschitz , aussi quelques notions d’analyse fonctionnelle, on parlera sur
quelques thérèmes importants et des espace fonctionnelle.
5
Chapitre 1. Notions préliminaires mathématiques
Les variables d’entrées de commande : Ce sont les variables que l’utilisateur peut changer
à sa guise. Ce sont les variables manipulées et déterminées par la stratégie de commande
que l’on cherche à déterminer.
Les variables d’entrées de perturbations : Ce sont des variables qui modi…ent le compor-
tement du système, et ils ont une di¤érence avec les variables de commande que l’utilisateur
ne peut pas les manipuler et ils sont di¢ ciles à modéliser.
Les variables de sortie : Le résultat des manipulations, c.à.d. l’évolution de comportement du
système en fonction des entrées du système est en général observé et évalué par l’utilisateur
via des variables particulières nommées variables de sortie. Celles-ci sont mesurées à l’aide
de capteurs.
qui donne la sortie du système à l’instant t due à l’entrée u(t). En général, on suppose que h
véri…e une propriété de causalité, c.à.d. qu’il ne dépend que des valeurs de u, antérieurs à t.
x_ (t) = f (t; x; u)
(1.2)
y = h (t; x)
La description interne des systèmes suppose donc une connaissance assez …ne des di¤érentes
composantes du système, de leurs comportements et de leurs interactions. Mathématiquement,
cette description peut être représentée sous la forme standard d’un ensemble d’équations dif-
férentielles, intégro-di¤érentielles, retards ou encore aux dérivées partielles, etc., dans le cas de
systèmes continus dans le temps. Dans le cas de systèmes discrets, ce sera une équation (ou un
système d’équations) aux di¤érences. C’est la représentation dite par vecteur d’état, ou encore
une équation d’état. Ainsi, quelle que soit sa nature, un système dynamique est alors la donnée
conjointe.
- D’une représentation d’état : Cette représentation décrite ce qui relève du domaine spatial.
Il s’agit d’une liste de variables, que l’on appelle vecteur d’état, permettant de décrire à
tout instant notre ensemble d’objets.
- D’un temps : Qui peut être discret (entiers relatifs) ou continu (réels).
- D’une loi d’évolution : C’est une fonction qui décrit ce qui relève du domaine temporel. Elle
décrit toutes les forces, contraintes élastiques, collisions, et plus généralement les échanges
d’énergie entre les objets.
u = tn ) du = ntn 1 dt
1 st
dv = e st ) v = e dt
s
alors, on a
Z+1
st n
F (s) = e t dt
0
+1 Z+1
1 st n n st n 1
= e t + e t dt
s 0 s
0
Les valeurs de la premiére intégrale sont nulles à chaque borne, la valeur de la seconde est
celle de la transformée de tn 1 :
Ainsi
n n (n 1) n!
L (tn ) = L tn 1
= 2
L tn 2
= :::: = n
L t0 (1.5)
s s s
mais
1
L t0 = (1.6)
s
en remplaçant (1.6) dans (1.5), on trouve
n!
L (tn ) =
sn+1
Exemple 1.2 On calcule la transformée de Laplace de la fonction f (t) = e2t
Z+1
st
L ff (t)g = F (s) = e f (t) dt
0
Z+1
st 2t
= e e dt
0
Z
+1
= e(2 s)t
dt
0
1
1 (2 s)t
= e
2 s 0
Donc
1 1
lim e(2 s)t
= lim e(2 s)t
(1.7)
t!1 2 s j2 s j t!1
Alors, si s > 2 la limite (1.7) est nulle. Ainsi, la valeur en la borne supérieure n’existe que
1
si s > 2 et vaut alors 0. Alors que la valeur en la borne inférieure vaut 2 s
:
Ainsi
1
L e2t =
2 s
Plus généralement
t 1
L e =
2
1
Véri…ons que la fonction f (t) = t
n’admet pas de transformée de Laplace
Z+1
st
L ff (t)g = F (s) = e f (t) dt
0
Z+1
st 1
= e dt
t
0
Z1 Z+1
1 st 1
= e st dt + e dt
t t
0 1
donc, on a
Z1 Z1
st 1 s 1
e dt e dt (1.8)
t t
0 0
Théorème 1.1 (Existance) [15] Soit f (t) une fonction continue par morceau sur l’intervalle
[0; a] (pour tout a > 0) et ayant un ordre exponentiel à l’in…ni s’il existe un couple de nombres
réelles > 0 et M > 0; tel que
t
jf (t)j Me 8t > 0; (1.9)
alors, la transformation de Laplace L(f ) existe est dé…nie pour < (s) > :
Preuve Soit f (t) une fonction continue par morceau sur l’intervalle [0; a] (pour tout a > 0).
D’après (1.3), on a
Z+1
st
jL ff g (s)j = e f (t) dt
0
Z+1
st
e jf (t)j dt
0
Z+1
M e( s)t
0
+1
M ( s)t
= e
s 0
Théorème 1.2 (Unicité) [15] Soient f (t) et g(t) deux fonctions continues par morceaux avec
un ordre exponentiel à l’in…ni.
Supposons que
L ff (t)g = L fg (t)g ; alors f (t) = g (t) ;
pour tout t 2 [0; d] et d > 0 sauf peut-être en un nombre …ni des pointes.
donc injective.
Proposition 1.1 Soient ; 2 C, si L ff g (s) et L fgg (s) existent resp. pour les fonctions f et
g. Alors, la transformée de Laplace est une application linéaire, telle que
d’où la linéarité.
2. Translation
sT sT
Si L ff g = F (s) ; alors L ff (t T )g = e F (s) : Tel que e est appelé facteur de retard.
at
3. La transformation de Laplace de (e f (t))
at
Si L ff g = F (s) ; alors L fe f (t)g = F (s + a)
Ce résultat permet de résoudre des équations di¤érentielles avec des conditions initiales non
nulles.
La transformation de Laplace étant un opérateur bijectif, sa bijection inverse existe. Elle est
unique et on l’appelle original de F , on a alors
1
L fF (s)g = f (t) (1.13)
Tout d’abord, il faut identi…er la valeur de a. Pour cela, il faut écrire le dénominateur sous
forme de somme (ou de di¤érence) de deux carrés, on a
s2 + 6s + 13 = (s + 3)2 9 + 13 = (s + 3)2 + 4
Remarque 1.1
Exemple 1.4 Cherchons à résoudre une équation di¤érentielle à coe¢ cients constants
y" 4y = 0
(1.14)
y(0) = 1; y 0 (0) = 2
On applique la transformation de Laplace à chaque membre, on obtient
s2 Y s 2 4Y = 0; (1.16)
d’où
s+2 1
Y (s) = = :
s2 4 s 2
Donc
y(t) = e2t :
y" 3y 0 + 2y = 4t 6
(1.17)
y(0) = 1; y 0 (0) = 3
9
L (y) = Y >
>
= 4
L (y 0 ) = sY y(0) ) l’équation devient s2 3s + 2 Y = + 4s 3
>
> s 3
L (y") = s 2
sy(0) y 0 (0) ;
d’où
1 1 2
Y = + + = L et + e2t + 2e3t :
s 1 s 2 s 3
Exemple 1.7 Soit le système di¤érentiel suivant
8
>
> 0 0 2t
< x y + x y = 2 + 3e
x0 + 2y 0 3x = 3 + 2e2t
>
>
: x(0) = 4; y(0) = 1
(
2
sX 4 sY + 1 + X Y = s
+ s 32
3
sX 4 + 2sY 2 3X = s
+ s 22
( (
1
X= s
+ s 11 + s 22 x(t) = 1 + et + 2e2t
d’où 1
donc
Y = s
+ s 11 + s 12 y(t) = 1 + et + e2t
Dé…nition 1.2 Le produit de convolution des deux fonctions continues f et g sur [ 1; +1],
noté f g est la fonction
Zt
f g= f (r)g(t r)dr; (1.22)
0
et on a f g = g f:
Dé…nition 1.3
1. Une équation di¤érentielle d’ordre n est une équation de la forme
- Une équation di¤érentielle linéaire est à coe¢ cients constants si les fonctions ai ci-dessus
sont constantes
a0 y + a1 y 0 + ::::: + an y (n) = g(t) (1.27)
où les ai sont des constantes réelles et g une fonction continue.
Exemple 1.8
1. y 0 + 5ty = et est une équation di¤érentielle linéaire du premier ordre avec second membre.
2. y 02 y = t ou y":y 0 y = 0 ne sont pas des équations di¤érentielles linéaires.
y (n) + n 1 (t) y (n 1)
+ ::::: + 1 (t) y 0 + 0 (t) y = g(t) (1.28)
0 1 0 10 1 0 1
x01 0 1 0 ::: 0 x1 0
B 0 C B CB C B C
B x2 C B 0 0 1 ::: 0 C B x2 C B 0 C
B C B CB C B C
B C B CB C B C
B : C B : : : ::: : CB : C B : C
B C B CB C B C
,B
B :
C=B
C B : : : ::: : CB :
CB
C+B : C
C B C
B C B CB C B C
B : C B : : : ::: : CB : C B : C
B C B CB C B C
B x0 C B 0 0 0 ::: 1 CB x C B 0 C
@ n 1 A @ A@ n 1 A @ A
x0n 0 (t) 1 (t) 2 (t) ::: n 1 (t) xn g(t)
Notons 0 1 0 1
x1 (t) 0
B C B C
B x2 (t) C B 0 C
B C B C
B C B C
B : C B : C
B C B C
B
X(t) = B : C et B (t) = B : C
C B C
B C B C
B : C B : C
B C B C
B x C B 0 C
@ n 1 (t) A @ A
xn (t) g(t)
Alors, le système peut se mettre sous la forme équivalente suivante
_
X(t) = A(t)X(t) + B (t) ; (1.29)
_
X(t) = A(t)X(t): (1.30)
Si tous les coe¢ cients ai 8i = 0; :::; (n 1) ne depend pas de t, la matrice A est une matrice
constante le système est autonome. Sinon A est une matrice dependant de t, le système est non
autonome.
Exemple 1.9 On écrit les équations suivantes sous forme système di¤érentielle
(
x1 = y x01 = y 0 = x2
on pose en va dérivée
x2 = y 0 x02 = y" = ay 0 (t) + by(t) + c
où ! !
0 1 0
A= et B = :
a b c
où !
0 1
A= :
5 2
3. y"(t) + sin(t)y 0 (t) 2y(t) = 0
Soit
X (t) = (x1 (t) ; x2 (t)) ;
(
x1 = y x01 = y 0 = x2
on pose en va dérivée
x2 = y 0 x02 = y" = sin(t)x2 + 2x1
le système sous forme
X 0 (t) = A(t)X(t);
où !
0 1
A (t) = :
2 sin(t)
1
4. y (3) (t) + cos(t)y"(t) + 2t2 +1
y(t) = t2 :
Soit
X (t) = (x1 (t) ; x2 (t) ; x3 (t)) ;
8 8
>
> >
> 0 0
< x1 = y < x1 = y = x2
on pose x2 = y 0 en va dérivée x02 = y" = x3
>
> >
>
: x = y" : x0 = y (3) = cos(t)x 1
x + t2
3 3 3 2t2 +1 1
où 0 1 0 1
0 1 0 0
B C B C
A(t) = B
@ 0 0 1 C ; et B(t) = B 0 C
A @ A
1
2t2 +1
0 cos(t) t2
Dé…nition 1.4
1. Soit v(x) voisinage de t0 dans I, on dit que x(t) solution locale de (1.31).
2. Si f est de classe C 1 sur I pour tout t0 2 I et x 2 , le problème de Cauchy possède
solution unique maximale.
3. Si I = R la solution unique du système est globale.
- Si f une fonction continue et localement lipschitzienne par rapport au seconde variable. Alors,
si t0 2 I et x0 2 sont donnés, le problème de Cauchy (1.31) admet une unique solution.
- Si de plus la fonction est lipschitzienne par rapport au seconde variable. Alors, la solution est
globale et unique.
1. e0 = I:
2. eA(t+s) = eAt eAs , 8 (t; s) 2 R2 :
1
3. eAt =e At
, 8t 2 R:
d
4. dt
eAt = AeAt :
X
+1
(At)n
At
5. e = n!
:
n=0
Preuve
0
Zt
At At uA
, 9C 2 Mn;1 (R)=8t 2 R; x(t) = e C + e e B(u)du
0
t ! A(t) 2 Mn (R)
t ! B(t)u(t) 2 R;
En analyse, les espaces Lp sont des espaces de fonction dont la puissance p-iéme est intégrable,
au sens de Lebesgue.
Dé…nition 1.6 Soit = ]a; b[ tel que ( 1 a<b +1) est un intérvalle borné ou non
borné de R. Pour 1 p 1.
On dé…nit l’espace Lp ( ) comme suit
1. Pour 1 p < 1; on a
8 9
< Z =
f 2 Lp ( ) () j f (x) jp dx < 1; f est mesurable :
: ;
0 1 p1
Z
k f kLp ( )=
@ j f (x) jp dxA ; est une norme sur Lp ( ) : Lp ( ) ; k : kLp ( ) est un
espace de Banach.
2. Pour p = 2; alors
8 9
< Z =
f 2 L ( ) () f 2 (x) dx < 1; f mesurable à carré intégrable sur
2
:
: ;
L2 ( ) , h:,.iL2 ( ) , est un espace de Hilbert, où h:; :iL2 ( ) est le produit scalaire dé…ni par
Z
hf; giL2 ( ) = f (x) :g (x) dx; 8f; g 2 L2 ( ) :
3. Pour p = 1; alors f est dite essentiellement bornée sur ; s’il exite M > 0 tel que
2. Pour k 1, on dé…nit
Ck ( ) = f 2 Ck ( ) ; fn 2 C ( ) ;
1
\
C1 ( ) = Ck ( ) :
k 0
Muni de la norme
X
k X
k
k f kC k ( ) = k f (n) kC( ) = max j f (n) (t) j; k = 1; 2; :::
t2
n=1 n=1
Théorème 1.5 (Théorème du graphe fermé) [23] Soient X et Y deux espaces de Banach.
Soit T un opérateur linéaire de X dans Y . On suppose que le graphe de T; G(T ); est fermé dans
X Y: Alors T est continu.
Dé…nition 1.8 Un opérateur linéaire sur X est une application linéaire A dé…nie sur un sous-
espace vectoriel D (A) X est appelé le domaine de l’opérateur A.
On note un tel opérateur par (A; D(A)).
Dé…nition 1.9 On dit qu’un opérateur (A; D(A)) est borné si D(A) = X et A : X ! X est
continue.
Dé…nition 1.10
(i) Le graphe d’un opérateur linéaire (A; D (A)) est le sous-espace de X X donné par
(ii) On dit que (A; D(A)) est fermé si son graphe G (A) est un fermé de X X:
Proposition 1.5 Un opérateur (A; D(A)) est fermé, si et seulement si pour toute suite (xn )n>0
d’éléments de D(A) telle que
xn ! x 2 X et Axn ! y 2 X: (1.40)
Alors, on a
x 2 D(A) et Ax = y: (1.41)
Ce chapitre est consacré à la stabilité des points d’équilibres des systèmes dynamiques régi
par des équations di¤érentielles en dimension …nie.
Premièrement, dans les sections 2.1 et 2.2, nous donnons une dé…nition intuitive du stabilité,
et après stabilité des systèmes en répresentation interne qui inclut une dé…nition topologique
(Stabilité au sens de Lyapunov). Et nous caractérisons les di¤érents types de stabilité pour les
systèmes linéaires, en sachant les signes des valeurs propres de la matrice de système, puis nous
citons le critère de Routh-Hurwitz qui peut nous aider à déterminer les signes des valeurs propres
sans les calculer.
Cependant, les systèmes qu’on rencontre dans la pratique ne sont pas linéaires, pour cela,
nous introduisons deux méthodes
- La méthode de linéarisation : qui permet de tirer des conclusion sur la stabilité locale du
système non-linéaire autour d’un point d’équilibre, à partir des propriétés de stabilité de
son approximation linéaire.
- La méthode direct de Lyapunov : c’est une méthode introduite au 19 ème siècle par
Lyapunov, elle permet de déterminer les propriétés de stabilité d’un système non linéaire
par des fonctions spéciales, et elle a une caractère non-locale. Jusqu’à l’instant il n’y a
pas de méthode générale donnée pour trouver ces fonctions pour un système non-linéaire.
Cependant nous donnons dans cette section des formes générales pour les systèmes linéaires.
Et nous citons une extension du méthode de Lyapunov aux systèmes dynamiques non
autonomes, et puis nous avons appliquer ce résultat au cas linéaire.
D’abord, la section 2.3 nous caractérisons l’aproche qu’est plus généralement faite par utilisation
de fonction de transfert, il est habituel dans le cas continu d’utiliser une transformée de
26
Chapitre 2. Stabilité en dimension …ni
(a) La bille revient toujours à son point d’équilibre quelque soit la perturbation envisagée (sta-
bilité asymptotique globale).
(b) La bille peut accepter de petites perturbations, mais une perturbation trop grande lui fait
quitter sa position d’équilibre (stabilité asymptotique locale).
(c) La bille lorsque elle est perturber ne reviendra pas à sa position d’équilibre, mais elle restera
par la suite dans un voisinage de ce point. Il y a stabilité mais non asymptotique.
(d) et (e) Correspondant à des équilibres instables.
Dé…nition 2.2 (Point d’équilibre) S’il est possible que la trajectoire d’un système corres-
ponde, à partir d’un certain moment, uniquement à un point, un tel point est appelé point d’équi-
libre.
si l’on pose
x(t) = (x1 (t); x2 (t)) ;
et
f (x(t)) = (f1 (x (t)) ; f2 (x (t))) = (x1 (t) ; 2x2 (t)) ;
si l’on pose
x(t) = (x1 (t); x2 (t)) ;
et
f (x(t)) = (f1 (x (t)) ; f2 (x (t))) = ( x1 (t) + 2x2 (t) ; 3x1 (t) + x2 (t)) ;
x_ (t) = f (x (t)) :
f1 (x (t)) = 0
f2 (x (t)) = 0
si l’on pose
x(t) = (x1 (t); x2 (t)) ;
et
f (x(t)) = (f1 (x (t)) ; f2 (x (t))) = x2 (t) ex2 (t) ; 1 x21 (t) ;
x_ (t) = f (x (t)) :
f1 (x (t)) = 0
f2 (x (t)) = 0
et
f (x(t)) = (f1 (x (t)) ; f2 (x (t))) = ((1 x2 (t) x1 (t))x1 (t) ; (1 x1 (t) + x2 (t))x2 (t)) ;
x_ (t) = f (x (t)) :
1 1+ 1
les solutions sont x = (0; 0), x = ; 0 et x = 1+
; 1+ :
x (1 x )=x ;
x1 (k + 1) = x1 (k) + x2 (k)2
x2 (k + 1) = x1 (k) + x2 (k)
solution du système
x 1 = x 1 + x 22
x2 = x1 + x 2
ce qui donne deux points d’équilibres
x = (0; 0) et x = (1 ) (1 )2 ; (1 ) (1 ) :
2. L’équilibre x est dite asymptotiquement stable s’il est stable et s’il existe > 0 tel que
3. L’équilibre x est dite marginalement stable (m.s) s’il est stable mais non (a.s).
4. L’équilibre x est dite exponentiellemnt stable s’il existe deux constantes strictement positives
et telles que
t
(9 > 0) ; k x0 x k )k x(t) x k e k x0 x k; pour tout t > 0: (2.6)
5. L’équilibre x est dite globalement asymptotiquement stable (g.a.s) s’il est asymptotiquement
stable pour tout x0 2 Rn :
6. L’équilibre x est dite globalement exponentiellemnt stable (g.e.s) s’il existe deux constantes
strictement positives et tel que pour tout x0 , on a
t
k x(t) x k e k x0 x k; pour tout t > 0: (2.7)
x(t)
x_ (t) = a 1 x(t)
c
Remarque 2.1 Les défnitions formulées ci-dessus (1,2,3,4) caractérisent le comportement local
du système, c.à.d. l’évolution de l’état lorsqu’il est perturbé de son point d’équilibre. Le concept
de la stabilité globale est donné par les formulées (5,6).
x0 e t
x(t) = ;
1 x0 e t
le système a deux points d’équilibre x = 0 et x = 1. Le point 1 est instable et 0 est (a.s)
mais non globalement asymptotiquement stable.
Remarque 2.2 Pour les systèmes linéaires autonomes, la stabilité asymptotique est toujours
globale et exponentielle.
x_ (t) = Ax(t)
(2.8)
x(0) = x0 2 Rn
où A 2 Mn (Rn ) :
Rappelons que d’après le chapitre préliminaire, nous avons que la solution de (2.8) est donné
par t ! eAt x0 :
Dé…nition 2.4 Le système (2.8) est dit stable si l’origine est stable et il est dit asymptotiquement
stable si l’origine est asymptotiquement stable. Dans ce cas, la matrice A est dite stable ou
asymptotiquement stable.
Remarque 2.3 Si le système (2.8) est stable, alors tout solution de (2.8) est bornée.
La stabilité des systèmes linéaires continus est caractérisée par le résultat suivant
x_ 1 (t) = x2 (t)
(2.9)
x_ 2 (t) = 0
La seule valeur propre de A est 0 de multiplicité 2 et dimE0 = 1, donc le système est instable.
Corollaire 2.1 Le système (2.8) est exponentiellement stable si et seulement si il est asympto-
tiquement stable.
Critère de Routh-Hurwitz
La stabilité d’un système linéaire autonome est liée à la nature des valeurs propres de la
matrice A et qui sont solutions d’une équation de la forme
n n 1
+ a1 + ::: + an = 0: (2.10)
Posons 0 1
a1 a3 a5 ::: 0
B C
B 1 a2 a4 ::: 0 C
B C
B ::: 0 C
RH = B 0 a1 a3 C (2.11)
B C
B : : : : C
@ : : : : A
0 0 0 ::: an
La matrice RH s’appelle la matrice de Routh-Hurwitz.
Routh-Hurwitz donnent le résultat suivant
Théorème 2.1 [20] Toutes les racines de ( 2.10) aient une partie réelle strictement négative si et
seulement si les mineurs diagonaux k, avec k = 1; :::; n de la matrice (2.11 ) soient strictement
positifs. Avec
a1 a3 a5 ::: :
1 a2 a4 ::: :
k = (2.12)
0 a1 a3 ::: :
0 0 0 ::: ak
pour k = 1; :::; n, les coe¢ cients à indices supérieurs à n ou inférieurs à 0 sont remplacés par
0 avec la convention a0 = 1.
donc, a0 = 1; a1 = 1; a2 = 7; a3 = 4; a4 = 10; a5 = 3:
On a
1 = 1>0
1 4
2 = =3>0
1 7
1 4 3
3 = 1 7 10 =5>0
0 1 4
1 4 3 0
1 7 10 0
4 = =8>0
0 1 4 3
0 1 7 10
De même 5 = 3 et 6 = 24 > 0.
Donc, toutes les valeurs propres de (2.13 ) sont à partie réelle strictement négative.
Le but de cette partie et de faire un liaison entre la stabilité des systèmes linéaires et qui le
ne sont pas. Soit x un point d’équilibre de (2.3)
x(t)
_ = f (x(t))
x(0) = x0 2 Rn
Supposons que la fonction f est de classe C 2 , nous allons montrer dans les deux théorèmes
suivants que l’étude des valeurs propres de la matrice Df (x ) permet généralement de trouver
une condition su¢ sante du stabilité asymptotique de l’équilibre.
Soit x(t) une solution de (2.3). Posons
y(t) = x(t) x;
alors, on a
y(t)
_ = f (x + y(t)) :
_ = f (x ) + Df (x ) :y(t) + o (k y k) :
y(t)
y(t)
_ = Df (x ) :y(t) + g(y);
avec
g(y) = o (k y k) :
Nous énonçons par la suite un théorème qui donne une condition su¢ sante de la stabilité
asymptotique.
Théorème 2.2 (Condition su¢ sante de la stabilité asymptotique) [20] Si toutes les va-
leurs propres de A sont de partie réelle strictement négative, alors x est un équilibre asymptoti-
quement stable.
S’il existe une valeur propre de A de partie réelle strictement positive, alors x est un équilibre
instable.
On a vu dans la partie précédente que la méthode de linéarisation parfois ne su¢ t pas, dans
cette partie nous introduisons la stabilité d’un système à l’aide d’une fonction convenablement
choisie, appelée fonction de Lyapunov. Cette méthode, dite directe est utile pour les systèmes
non linéaires et elle a l’avantage d’être applicable dans des situations non standards, mais le
problème qu’il n’y a pas de méthode générale pour trouver ces fonctions.
Dé…nition 2.6 Une fonction V dé…nie sur une région qui contient x est une fonction de
Lyapunov pour le système (2.3) et le point d’équilibre x si
Si x(t) est la trajectoire de (2.3) alors V (x(t)) représente la valeur de V le long de la trajec-
toire. A…n que V soit décroissante le long de la trajectoire, on doit avoir rV (x(t)) 0.
@V @V @V
V_ (x (t)) = x_ 1 (t) + x_ 2 (t) + ::: + x_ n (t) (2.16)
@x1 @x2 @xn
utilisant (2.3), on obtient
@V @V @V
V_ (x (t)) = f1 (t) + f2 (t) + ::: + fn (t) = rV (x (t))f (x (t)) (2.17)
@x1 @x2 @xn
1. V (x ) = 0:
2. V (x) > 0 si x 6= x :
3. V_ (x) 0 sur n fx g. Alors, l’équilibre x est stable. Si de plus V_ (x) < 0 sur n fx g,
alors x est asymptotiquement stable.
Preuve Pour toute condition initiale x0 dans B (x ; "), V est décroissante le long de la
trajectoire. Donc, V (x (t)) V (x0 ) pour tout t 0, ou encore x(t) 2 B (x ; ") :
Si maintenant, V_ (x) < 0 en tout point de B (x ; ") sauf x : Alors, V (x (t)) est positive et
décroît, donc converge.
Soit
lim V (x (t)) = l; alors lim V_ (x(t)) = 0:
t!+1 t!+1
Zt
V (x (t)) V (x (0)) = V_ (x (s))ds ta;
0
et par conséquent
V (x ) V (x (t)) V (x (0)) ta;
lim V_ (x (t)) = 0:
t!+1
lim V (x (t)) = V (x )
t!+1
Remarque 2.4 Dans le cas d’asymptotique stabilité, si de plus la fonction V dé…nie sur Rn ,
véri…e
V (x) ! +1 lorsque k x k! +1; (2.18)
alors, x est globalement asymptotiquement stable. En e¤et, la preuve est identique au cas
local, en considérant le fait que la fonction V est non bornée et que V_ < 0 sauf en x , on conclut
que pour une condition initiale donnée x0 , la trajectoire reste dans une région bornée dé…nie par
V (x) V (x0 ) :
x• + a x2 1 x_ + x = 0; a < 0:
et que
V_ < 0 sur fEg ;
On conclut donc, que le point d’équilibre E = (0; 0) est localement asymptotiquement stable.
V (x; y; z) = x2 + 2y 2 + z 2 sur R3 ;
on a
V_ = 2z 4 < 0; 8 (x; y; z) 2 R3 f(0; 0; 0)g ;
et puisque de plus
V (x) ! +1 lorsque k x k! +1;
x_ 1 = x2 x1 (x21 + x22 )
x_ 2 = x1 x2 (x21 + x22 )
L’origine est un point d’équilibre de ce système.
Soit la fonction V dé…nie par
V (x) = x21 + x22 ;
Proposition 2.3 Si le système (2.8) asymptotiquement stable c.à.d. (<( ) < 0 pour tout
valeur propre de A ). Alors, pour toute matrice Q dé…nie positive, il existe une unique matrice
P dé…nie positive solution de l’équation de Lyapunov.
Atr P + P A + Q = 0 (2.19)
Preuve Soit
Z1
tr
P = eA t QeAt dt
0
donc
Z1
M2
k P k k Q k M 2e 2 t
dt kQk :
2
0
3. On a
Z1
tr tr
Atr P + P A = Atr eA t QeAt + eA t QeAt A dt
0
c.à.d.
P = R:
Proposition 2.4 S’il existe une matrice Q dé…nie positive telle que l’équation (2.19) admet une
solution dé…nie positive. Alors, le système linéaire associé (2.8) est asymptotiquement stable.
V (x) = hP x; xi ; x 2 Rn :
On a
d
V (x(t)) = hP x_ (t) ; x(t)i + hP x (t) ; x(t)i
_
dt
= hP Ax(t); x(t)i + hP x(t); Ax(t)i
= hP Ax(t); x(t)i + Atr P x(t); x(t)
= P A + Atr P x(t); x(t)
= hQx(t); x(t)i < 0, 8t tel que x(t) 6= 0:
Corollaire 2.2 Le système linéaire (2.8) est asymptotiquement stable si et seulement si pour
toute matrice Q dé…nie positive, il existe une unique matrice P dé…nie positive solution de l’équa-
tion de Lyapunov (2.19).
Remarque 2.5 Le choix de la matrice dé…nie positive Q est arbitraire par conséquent, un choix
simple de Q sera la matrice identité.
Posons !
1 0
Q=I=
0 1
l’équation de Lyapunov (2.19) admet une solution P dé…nie positive. En e¤et, posons
" #
p11 p12
P = ;
p21 p22
Atr P + P A = I
Il arrive souvent qu’on trouve des fonctions de Lyapunov telle que V_ ne soit pas strictement
négative, ce qui n’est permet pas de conclure la stabilité asymptotique du point d’équilibre étudié,
nous énonçons dans cette section une autre extension du théorème de Lyapunov qui peut permet
de conclure.
Notons par x la solution du (2.3) partant de x0 2 Rn :
Dé…nition 2.7
b. On dit qu’un point z 2 Rn est un point limite de x s’il existe une suite ( i )i avec i ! +1
telle que x ( i ) ! z.
L’ensemble des points limites de x est appelé ensemble limite de x noté L.
c. Un sous ensemble M de Rn est dit invariant par rapport au système (2.3) si la solution partant
de M , alors x(t) 2 M , 8t 0.
Lemme 2.1 Si une solution x de (2.3) est bornée alors l’ensemble L est un ensemble non vide,
compact et invariant. De plus, on a
lim dL (x (t)) = 0:
t!1
Preuve L’ensemble L est non vide car x est bornée. Maintenant, on montre que L est
borné. Soit y 2 L; alors il existe (ti )i tels que ti ! +1 lorsque i ! +1 et x (ti ; x0 ) ! y lorsque
i ! +1, puisque
k x (ti ; x0 ) k< +1; 8i 2 N:
Donc
k y k< +1;
d’où L est borné. Puis, on montre que L est fermé. Soit (yi )i 1 une suite dans L tel que
yi ! y, montrons que y 2 L.
On a pour chaque i il existe une suite (ti;j )j 1 , telles que
1
j > t1;j et k x ( j ; x0 ) yj k ; 8j 1:
i
Alors
k x ( j ; x0 ) y k k x ( j ; x0 ) yj k + k yj y k;
d’où
x ( j ; x0 ) ! y quand j ! +1:
Ainsi, L est un fermé borné dans un espace de dimension …nie c.à.d. L compact.
Maintenant, on montre que L est invariant. Soit y 2 L, montrons que x(t; y) 2 L, 8t 0.
Puisque y 2 L, alors on a l’existence d’une suite (ti )i 1 et un x0 2 Rn tels que ti ! +1 lorsque
i ! +1 et x (ti ; x0 ) ! y lorsque i ! +1 par l’unicité de la solution, on a
x (t + ti ; x0 ) = x (t; x (ti ; x0 )) ; 8t 0:
Et par continuité
D’où
x (t; y) 2 L; 8t 0:
Théorème 2.4 (Théorème de stabilité par l’invariance de Lassale) [23] Soient D un ou-
vert de Rn , et U un sous ensemble de D positivement invariant du système (2.3) et compact.
Soit V 2 C 1 (D; R) telle que V_ (x) 0 sur U . Et soit M Rn le plus grand sous ensemble
invariant de E, avec n o
E := x 2 U=V_ (x) = 0 ; (2.21)
alors
lim dM (x (t; x0 )) = 0; (2.22)
t!1
Preuve Soit x une solution de (2.3) commençant dans U , on a V_ (x) 0 sur U . Alors,
V (x) est une fonction décroissante, de plus V (x) est continue sur le compact U . Alors, V (x) est
minorée sur U .
Donc, il existe a 2 R tel que V (x) ! a quand t ! +1.
Notons que l’ensemble limite L est inclus dans U (car U est un ensemble fermé dans Rn ).
D’autre part, on a pour chaque p 2 L, il existe une suite (tn )n 1 avec tn ! +1 et x (tn ) ! p
quand n ! +1.
Par la continuité de V , on a
alors
V (x) = a; sur L;
V_ (x) = 0, sur L;
ainsi
L M E:
lim dL (x(t)) = 0;
t!1
alors
lim dM (x(t)) = 0:
t!1
Corollaire 2.3 Le point d’équilibre x de (2.3) est asymptotiquement stable s’il existe U un
ouvert contient x , et une fonction V 2 C 1 (U; R) telle que
Dé…nition 2.9 Un point d’équilibre x du système (2.23) est dit stable si pour tous t0 0,
R > 0 il existe r = r(R; t0 ) > 0 tel que
Dé…nition 2.10 Un point d’équilibre x du système (2.23) est dit uniformément stable (u.s), si
pour tout R > 0, il existe r = r(R) > 0 indépendant de t0 . Tel que, pour tout t0
Dé…nition 2.11
1. Un d’équilibre x du système (2.23) est dit asymptotiquement stable (a.s) , s’il est stable, et
pour tout t0 , il existe r(t0 ) > 0, tel que si
alors
k x(t0 ) x k! 0; quand t ! 1: (2.27)
3. Un d’équilibre x du système (2.23) est dit exponentiellement stable (e.s) s’il existe et
positif tels que pour x(t0 ) proche de x , on a
(t t0 )
k x(t) x k k x(t0 ) x ke ; pour tout t t0 : (2.29)
4. Un d’équilibre x du système (2.23) est dit globalement exponentiellement stable (g.e.s) s’il
existe et positif tels que pour x(t0 )
(t t0 )
k x(t) x k k x(t0 ) x ke ; pour tout t t0 : (2.30)
x_ (t) = a(t)x(t):
La solution est
Zt
x(t) = x(t0 ) exp( a(r)dr);
t0
on conclut que
3. Le système est (e.s) s’ils existent T > 0, M > 0 tels que pour tout t 0, on a
Z
T +1
a(r)dr M;
T
où M > 0.
Cas particuliers
1
- Si a(t) = (1+t)2
; alors le système est stable mais non (a.s).
1
- Si a(t) = 1+t
; alors le système est (a.s) et non (e.s).
- Si a(t) = t; alors le système est (e.s).
a. (0) = 0:
b. (x) > 0 pour tout x > 0.
c. est croissante.
Théorème 2.5 [20] Supposons qu’il existe une fonction scalaire V (x; t) dé…nie sur un voisinage
d’un point d’équilibre x du système (2.23) continue, de dérivées partielles premières continues
et une fonction de classe K telles que
1. Pour tout x 6= x ; on a
_ (x; t)
2. W 0, 8t 0: Alors, le point d’équilibre est stable.
3. Si de plus, il existe dans K telle que
W (x; t) (k x x k) : (2.32)
_ (x; t)
W (k x x k) ; (2.33)
Preuve Soient R > 0, t0 0 d’après (1.) et (2.), on montre que le point d’équilibre x est
stable. Alors, on a
alors
k x (t) x k< (R): (2.37)
Par conséquent
k x (t) x k< R; pour tout t t0 : (2.38)
Donc, par dé…nition l’équilibre est stable. Maintenant, on montre que le point d’équilibre x
est uniformément stable. Alors, d’après (2.31) et (2.32), on a
soit R > 0, puisque et sont de classe K. Alors, d’après le théorème des valeurs intermé-
diaire il existe r(R) > 0 tel que (r) < (R), et soit t0 telle que d’après (2.36), on a
d’où
k x (t) x k< R; pour tout t t0 : (2.41)
Où le choix de r est indépendant de t0 , donc par dé…nition le point d’équilibre est uniformé-
ment stable.
Puis, on montre que le point d’équilibre x est asymptotiquement stable. Supposons que x(t)
ne converge pas vers x quand t ! +1, alors
En e¤et, x(t) ne converge pas vers x quand t ! 1, implique qu’il existe un " > 0, telque
pour tout t 0, on a
k x (t) x k "; (2.43)
donc
(k x (t) x k) (") ; pour tout t 0; (2.44)
Par conséquent
0 W (x (t) ; t) W (x (t0 ) ; t0 ) (t t0 ) a; (2.46)
V (x; t) = x21 + 1 + e t
x22 ; avec x = (x1 ; x2 ) :
Pour tout t, on a
donc
V_ (x; t) (x1 x2 )2 x21 x22 (k x k) = x21 x22 et 2 K;
Par conséquent 0 est asymptotiquement stable.
Rappelons qu’une condition nécessaire et su¢ sante pour qu’un système linéaire autonome
soit asymptotiquement stable est que toutes les valeurs propres de la matrice du système aient
leur partie réelle strictement négative. Cependant ce résultat n’est pas vrai pour les systèmes
linéaires non autonomes qui sont régi par l’équation
x(t)
_ = A(t)x(t)
(2.47)
x(0) = x0
Exemple 2.16 (Contre exemple) Considérons le système
(
x_ 1 (t) = x1 (t) + e2t x2 (t)
x_ 2 (t) = x2 (t)
la matrice A(t) associe à ce système est
!
1 e2t
A(t) =
0 1
Il est clair que ( 1) est une valeur propre double de cette matrice, cependant la solution de
ce système est (
x1 (t) = e t x1 (0) + 12 (et e t )x2 (0)
x2 (t) = e t x2 (0)
où
lim x1 (t) = 1, pour tout x2 (0) 6= 0;
t!1
Théorème 2.6 [20] Supposons qu’il existe > 0 tel que pour tout t 0 et pour toute valeur
tr
propre de A(t) + A(t) , on a . Alors, le système (2.47) est asymptotiquement stable.
V_ = xtr x_ + x_ tr x
= xtr A(t)x + xtr A(t)tr x
= xtr A(t) + A(t)tr x:
Par conséquent
V_ xtr x = V:
Donc, pour tout t 0 on a
Théorème 2.7 [23] L’origine du système (2.47) est (globalement ) exponentiellement stable si
et seulement si la résolvante du système véri…e
kR(t; t0 )k k exp ( (t t0 )) ; 8t t0 0:
x(t)
_ = f (x(t); t); (2.48)
de point d’équilibre x .
On pose f = (f1 ; f2 ; :::; fn ) et x = (x1 ; x2 ; :::; xn ) et on suppose que f est continûment
di¤érentiable par rapport à x. Pour t …xé, on considère l’approximation
@fi (x1 ; x2 ; :::; xn ; t)
fi (x1 + y1 ; x2 + y2 ; :::; xn + yn ; t) ' fi (x1 ; x2 ; :::; xn ; t) + y1 +
@x1
@fi (x1 ; x2 ; :::; xn ; t) @fi (x1 ; x2 ; :::; xn ; t)
y2 + ::: + yn :
@x2 @xn
Ainsi, on a
f (x + y; t) ' f (x ; t) + F (t)y; (2.49)
où F (t) est la matrice jacobienne de f au point x donnée par
2 3
@f1 @f1
::: @x
6 @x1 n
7
6 : : 7
4 : : 5
@fn @fn
@x1
::: @xn
où y = x x:
Si la fonction f peut être approchée par F (t). Autrement dit, si pour tout t positif, on a
k h (t; y) k
lim = 0; (2.51)
kyk!0 kyk
alors, le système
y_ = F (t)y; (2.52)
est appelé le linéarisé du système non linéaire (2.48) autour du point d’équilibre x . Dans
certains cas, la stabilité du système linéarisé assure la stabilité du système lui-même.
Théorème 2.8 [20] Si le système linéarisé (2.52) est uniformément asymptotiquement stable.
Alors, le point d’équilibre x de (2.48) est aussi uniformément asymptotiquement stable.
x(t)
_ = ax(t) + cx2 (t)
0 est un point d’équilibre pour tout a et c. Le système linéaire associé au point 0 est donné
par y(t)
_ = ay(t). Alors, on a
Pour a = 0; on a x(t)
_ = cx2 (t): Si c = 0, il est clair que 0 est marginalement stable.
Si c 6= 0 il est facile de déduire que 0 est instable. En e¤et, la solution s’écrit
x(0)
x(t) = :
1 cx(0)t
1
Pour t = cx(0)
la solution n’est pas dé…nie.
Théorème 2.9 [20] Si dans un voisinage de x , il existe une fonction V (x; t) continûment
di¤érentiable et deux fonctions V0 (x), V1 (x) telles que
1. V (x ; t) = 0, pour tout t t0 :
2. 0 < V0 (x) V (x; t) V1 (x) pour tout x 2 x et t t0 :
3. V (x; t0 ) > 0 et bornée dans :
4. V_ (x; t) > 0 dans :
Ainsi, V et V_ sont dé…nies positives, le théorème ci-dessus montre que le système est instable
(dans ce cas, comme le système est autonome, on a V0 (x) = V (x; t) = V1 (x)).
dans
= f(x1 ; x2 )=x1 > 0; x2 > 0g ;
on a, V > 0 et
2 2
V_ (x1 ; x2 ) = x21 (t) + x2 (t) + x1 (t) + x22 (t) > 0;
est dit stabilisable (par retour d’état linéaire, ou par feedback linéaire, ou aussi par régulateur
linéaire) s’il existe une matrice K 2 Mn;m (R) tel que le système bouclé par le feedback
u(t) = Kx(t);
c.à.d.
x_ (t) = (A + BK) x(t);
soit asymptotiquement stable, c.à.d. la matrice (A+BK) est de Hurwitz ou 8 2 spec (A + BK) ;
< ( ) < 0:
La matrice de feedback K s’appelle les gains.
x(t)
_ = Ax(t) + Bu(t);
est contrôlable, alors on peut le stalibiliser par un contrôle continu et même linéaire. En e¤et,
considérons le système non linéaire système non linéaire
x(t)
_ = f (x(t); u(t));
et soit x un point d’équilibre et soit u contrôle …xé, le système linéarisé autour de point
(x ; u ) est
y(t)
_ = Ay(t) + Bv(t); (2.53)
x(t)
_ = f (x(t); u(t)):
x(t)
_ = f (x(t); K(x (t) x ) + u ) = F (x):
On a
@F @f @f
(x ; u ) = (x ; u ) + (x ; u )K = A + BK:
@x @x @u
Donc, (x ; u ) est asymptotiquement stable pour le système linéarisé.
La méthode indirecte Lyapunov permet alors d’a¢ rmer que (x ; u ) est asymptotiquement
stable pour le système non linéaire x_ = F (x).
x2
x(t)
_ = = f (x; u);
sin (x1 ) + u sin (x1 )
x(t)
_ = (A + KB) x(t);
tel que !
0 1
A + KB = k1 k2
où ! !
0 1 0
A = Dx f (0; 0) = et B = Du f (0; 0) = 1
0
linéarisée autour de cet équilibre est donc, les valeurs propres de A + BK sont les solutions
de polynôme caractiristique
2 k2 k1
PA+BK ( ) = + + = 0:
En choisissant k1 et k2 on peut obtenir n’importe quelles valeurs pour les coe¢ cients de ce
polynôme, c.à.d. que l’on peut obtenir n’importe quelles valeurs pour les valeurs propres : Par
exemple, on peut choisir
k1 = ( + 1) ; k2 = 2 ;
et donc 1 comme valeur propre double de A + BK. L’équilibre 0 est alors asymptotiquement
stable pour l’équation linéaire
x(t)
_ = (A + BK)x(t)
u = Kx
x_ = f (x; Kx)
Cette dernière étant asymptotiquement stable, l’équation bouclée est elle-aussi asymptotiquement
stable donc stabilisable.
2.2.9 Exemples
Exemple 2.23 Modèle micro-économique. Dans un modèle d’économie de pure accumulation,
on ne fait pas apparaître explicitement le travail, toute production étant accumulée. Le modèle est
alors caractérisé par les fonctions de production des biens et par les coe¢ cients de dépréciation
des capitaux. Considérons par exemple un modèle comportant deux biens capitaux, 1 et 2. On
note Yi la quantité de bien i produite et ki la quantité de bien i entrant comme capital dans la
production. Les fonctions de production sont de la forme
(
Y1 = 1 k 1 1 k 2 1
Y2 = 2 k1
2
k2 2
Pour éviter des calculs fastidieux, on donne ci-dessous une équation di¤érentielle dont les
solutions présentent les mêmes caractéristiques dynamiques que celles de ce système, mais dont
l’étude est plus simple.
Considérons l’équation di¤érentielle
(
k10 = k2 k1 k13
k20 = k2 k1 k23
qui résulte d’un modèle micro-économique simpli…é, les variables k1 et k2 pouvant représenter
des stocks de capitaux. On étudie l’évolution des stocks de capitaux, que l’on suppose tous deux
strictement positifs (à justi…er).
et
(k2 k12 ) k1
f (k) =
(k1 k22 ) k2
Remarquons d’abord que f1 (k) = 0 sur l’axe Ok2 et que f2 (k) = 0 sur l’axe Ok1 , l’orbite
d’un point sur l’axe Ok1 est donc contenue dans Ok1 , de même pour Ok2 . Il est donc
impossible de traverser un axe, ce qui implique que, si les capitaux k1 et k2 sont positifs à
l’instant initial, ils le restent au cours du temps.
Un équilibre satisfait f (k) = 0. Or
c.à.d. que le seul équilibre dans ]0; +1[2 est k = (1; 1).
Calculons la di¤érentielle du f
" # " #
k2 3k12 k1 2 1
Df (k) = ) Df (k ) =
k2 k1 3k22 1 2
Comme detDf (k ) = 3 > 0, les deux valeurs propres de la matrice ont des parties réelles
strictement négatives. On en conclut que k est un équilibre asymptotiquement stable.
Exemple 2.24 L’analyse des circuits électriques RLC conduit à des équations di¤érentielles
sur R2 du type (
di
L dt = v h(i)
(I)
C dv
dt
= i
où h : R ! R est une fonction de classe C 1 . Les variables v et i sont resp. un voltage et une
intensité et les constantes positives L et C une résistance et une capacité. L’énergie du système
est
1
E(i; v) = (Li2 + Cv 2 ):
2
2. Supposons que h véri…e xh(x) > 0 pour x 6= 0. Montrer que l’équilibre est asymptoti-
quement stable.
Notons d’abord que l’hypothèse sur h implique h(0) = 0. L’équilibre est donc l’origine.
Essayons de montrer que l’énergie
1
E(i; v) = (Li2 + Cv 2 );
2
est une fonction de Lyapunov stricte en 0. On a déjà
- 0 est un minimum strict de E.
dE
- dt
= ih(i) < 0 si i 6= 0:
On a donc montré que, le long d’une trajectoire x(t) = (i(t); v(t)), la fonction E(x(t))
est strictement décroissante tant que i(t) 6= 0. Or, si x(t) n’est pas identiquement
dE
nulle, les instants t0 où i(t0 ) = 0 sont isolés puisqu’alors i0 (t0 ) = v(t0 ) 6= 0. Ainsi, dt
< 0 presque partout le long d’une trajectoire, on en déduit que E(x(t)) est strictement
décroissante.
Par conséquent la fonction E : R2 ! R est une fonction de Lyapunov stricte en 0, ce qui
montre que 0 est un équilibre asymptotiquement stable.
x0 (a by) x
=
y0 (f x c) y
1. Déterminer les équilibres de cette équation dans R2 et discuter leur stabilité, d’abord en étu-
diant le linéarisé, puis en cherchant si nécessaire une fonction de Lyapunov.
x0 = (a px) x; y0 = (c + qy) y
où p; q > 0 sont des constantes. On obtient de cette façon un nouveau modèle prédateur/proie
(
x0 (t) = (a by (t) px(t)) x(t)
y 0 (t) = ( c + f x(t) qy(t)) y(t)
c
On fera ici l’hypothèse que p est petit, et donc que f
< ap :
Notons
F (x; y) = ((a by)x; (f x c)y)
dé…ni par l’équation de Volterra. Les équilibres de l’équation (c.à.d. les zéros de F ) sont 0 et
c a
z = ;
f b
.
Calculons la di¤érentielle
!
a by bx
Df (x; y) =
fy fx c
Les linéarisés autour des équilibres 0 et z ont donc pour matrice, resp.
! !
a 0 0 bx
Df (0) = , et Df (z ) =
0 c fy 0
Les valeurs propres de DF (0) sont 1 = a et 2 = c. 1 = a étant positif, ceci montre que
l’équilibre 0 n’est pas stable (donc 1= a n’est pas asymptotiquement stable).
Les valeurs propres de DF (z ) sont imaginaires pures, on ne peut donc rien en conclure sur
la stabilité de l’équilibre z . On va alors chercher une fonction de Lyapunov. Soit V
et posons L(x; y) = V (x; y) V (z ). La fonction L : ]0; +1[2 ! R est une fonction de Lyapunov
(non stricte) pour l’équation de Volterra en z car
- L(z ) = 0 et L(x; y) > 0 pour tout (x; y) 6= z dans ]0; +1[2 , puisque z est un minimum strict
de V sur ]0; +1[2 .
- L est constante le long des solutions de l’équation.
On en conclut que l’équilibre z est stable. En revanche il n’est pas asymptotiquement stable
2. Déterminer les équilibres de cette équation dans R2+ et étudier leur stabilité.Notons
- En z1 : la di¤érentielle de G vaut
!
px1 bx1
DG (z1 ) =
f y1 qy1
dont la trace est (px1 + qy1 ) < 0 et le déterminant (pq + f b)x1 y1 > 0. Les valeurs propres
de cette matrice sont donc de partie réelle négative, ce qui entraîne que z1 est un équilibre
asymptotiquement stable.
- En z2 : la di¤érentielle de G vaut
!
(ab)
a p
DG (z2 ) = (f a)
0 p
(f a) c a
dont les valeurs propres sont a et c+ p
. Comme f
< p
, la deuxième valeur propre
est positive, c.à.d. que l’équilibre z2 n’est pas stable.
- En 0 : la di¤érentielle de G vaut !
a 0
Df (0) =
0 c
dont les valeurs propres sont a et c. L’équilibre 0 n’est donc pas stable.
alors
Zt
y(t) = CeA(t t0 )
x0 + CeA(t )
Bu ( ) d : (2.56)
t0
où
h (t ) = CeA(t )
B: (2.58)
Z+1
y(t) = h (t )u( )d : (2.59)
1
Puisque, pour un système physique, y(t) ne dépend pas des valeurs de u( ) pour > t. Avec
le changement de variable t = s, on a donc
Zt
y(t) = h (s) u (t s) ds; (2.60)
1
où Y (s), U (s) et H(s) sont les transformées de Laplace de la sortie y, l’entrée u et du système
h.
cas 1 : systeme avec condition initiale nulle Considérons un système linéaire quelconque
possédant une entrée u(t) et une sortie y(t).
On suppose qu’il est régi par une équation di¤érentielle de degré n :
dn y dy dm u du
an n
+ ::: + a1 + a 0 y (t) = b m m
+ ::: + b1 + b0 u (t) (2.64)
dt dt dt dt
où an ; :::; a1 ; a0 ; bm ; :::; b1 ; b0 sont des réels donnés.
Si nous appliquons la transformation de Laplace aux deux membres de cette équation, tout
en supposant nulles les di¤érentes conditions initiales, il vient
Avec n > m
d’où
Y (s) bm sm + ::: + b1 s + b0
= : (2.67)
U (s) an sn + ::: + a1 s + a0
Cette fraction rationnelle de deux polynômes de la variable complexe s est appelée fonction
de transfert du système notée
Y (s)
H(s) = ; (2.68)
U (s)
comme cette fonction est une fraction rationnelle de deux polynômes en s, il est possible de
factoriser ces deux polynômes dans le corps des complexes. On obtient
bm (s zm ) (s zm 1 ) ::: (s z1 ) N (s)
H(s) = = (2.69)
an (s pn ) (s pn 1 ) ::: (s p1 ) D(s)
Les racines zi qui annulent le numérateur sont appelés les zéros de la fonction de transfert. Les
racines pi qui annulent son dénominateur sont les pôles de la fonction de transfert. Ces paramètres
peuvent être complexes ou réels. Nous verrons plus loin que l’étude, le signe ou l’appartenance
à l’ensemble des réels de ces pôles ou zéros, jouent des rôles très importants dans l’étude des
systèmes.
cas 2 : systeme avec condition initiale non nulle Considérons le système dé…nie par l’équation
di¤érentielle suivante
( n m
an ddtny + ::: + a1 dy
dt
+ a0 y (t) = bm ddtmu + :::: +b1 du
dt
+ b0 u (t)
(2.71)
y(0) = y0 ; y 0 (0) = y1 ; :::; y (n 1)
(0) = yn 1 lorsque n > m
dk f
L = sk F (s) sk 1 f (0) ::: sf (k 2)
(0) f (k 1)
(0); (2.72)
dtk
et d’après la transformée de Laplace de (2.71). Après les calcules on en déduit que l’on peut
écrire
bm sm + ::: + b1 s + b0 Nk (s)
Y (s) =n
U (s) + n
; (2.73)
an s + ::: + a1 s + a0 an s + ::: + a1 s + a0
où Nk est un polynôme de degré n 1, d’où
N (s) Nk (s)
Y (s) = U (s) + : (2.74)
D(s) D(s)
Si les pi pour tout i = 1; ::; n sont les racine supposées réelles de D(s), alors D(s) s’écrit
A1 A2 An
YL (s) = + + ::: + ; (2.76)
s p1 s p2 s pn
où A1 ; A2 ; ::; An dépendent de y0 ; y1 ; :::; yn 1 . Par transformée inverse, on obtient
1
yL (t) = L (YL (s)) = A1 ep1 t + A2 ep2 t + :: + An epn t (2.77)
Répense forcée. On a
bm sm + ::: + b1 s + b0 B1 B2 Bn
YF (s) = H(s)U (s) = n
U (s) = + + ::: + U (s);
an s + ::: + a1 s + a0 s p1 s p2 s pn
(2.78)
ce qui donne
1 1 B1 B2 Bn
h(t) = L (H(s)) = L + + ::: + = B1 ep1 t +B2 ep2 t +::+Bn epn t : (2.79)
s p1 s p2 s pn
d’où
y(t) = yF (t) + yL (t) (2.82)
où yF (t) est la solution forcée (due à et imposée par u(t)) et yL (t) est la solution libre (ne
dépendant que des conditions initiales).
Modes dominants
Dé…nition 2.14
1. Les pôles de la fonction de transfert qui imposent la durée du transitoire s’appellent pôles
dominants.
2. Les modes correspondants s’appellent modes dominants.
Exemple 2.27 Prenons l’exemple d’un système dont la fonction de transfert présente deux pôles
it 1
notés p1 = 1 et p2 = 2: Chaque pôle si donne le mode Ai e : Si on note Ti = i
qui est
t
it
la constante de temps, alors Ai e = Ai e Ti
:
Si Ti petit ( i grand), alors le mode correspondant disparaît assez vite. Autrement dit, si
2t
1 > 2 (, T1 < T2 ) alors le mode A2 e est un mode dominant. Comme p2 = 2, le
pôle dominant est le pôle le plus proche de l’origine sur l’axe réel négatif.
Stabilité des solutions La solution du système (2.71) s’écrit sous la forme (2.82)
Pour étudier la stabilité, il su¢ t d’étudier la réponse libre yL (t). Dans le cas d’une représen-
tation externe, l’instabilité du système exprime le fait que, à partir de valeurs initiales non nulles
données, la réponse du système va tendre vers l’in…ni quand t tend vers l’in…ni (elle s’éloigne
indé…niment de la position d’équilibre).
N (s)
H(s) = ;
D(s)
Dé…nition 2.15 On dit qu’un système est stable s’il existe au moins i0 tel que < (pi0 ) = 0 et
< (pi ) < 0 pour i 6= i0 :
Dé…nition 2.16 On dit qu’un système est asymptotiquement stable si < (pi ) < 0 pour tout
i = 1; ::; n:
Dé…nition 2.17 On dit qu’un système est instable s’il existe au moins i0 tel que < (pi0 ) > 0:
N (s) k k
H(s) = = 2 = ;
D(s) s + 12s + 20 (s + 2) (s + 10)
k k 2t k 10t
yF (t) = (t) e (t) + e (t) :
20 16 80
Répense libre
Pour la répense libre, il faut remonter à l’équation di¤érentielle. A partir de
On a
d2 y (t) dy (t)
2
+ 12 + 20y(t) = ku(t);
dt dt
ce qui conduit à
Soit
s2 + 12s + 20 Y (s) = kU (s) + y(0) [s + 12] + y 0 (0) ;
et donc
k y(0) [s + 12] + y 0 (0)
Y (s) = U (s) + :
s2 + 12s + 20 s2 + 12s + 20
Le premier terme donnant la répense forcée yF (s) et le second la répense libre yL (s). Suppo-
sons, pour simpli…er, que y 0 (0) = 0 et y(0) 6= 0; alors
y(0) [s + 2] A B
Y (s) = = + ;
s2+ 12s + 20 s + 2 s + 10
ce qui donne
5 1
yL (t) = y(0)e 2t (t) y(0)e 10t (t);
4 4
la répense est conditionnée par le pôle p1 = 2. Ainsi, le mode dominant est donné par
5 2t
y(t) = e :
4
a. Etudier le système a travers la réponse temporelle qui est une fonction dépendant du tempe t.
Cela suppose la connaissance du modèle temporel et permet de déterminer l’état transitoire
ainsi que divers paramètres. Cela passe souvent par la résolution de systèmes di¤érentiels.
b. Etudier le système a travers la réponse fréquentielle qui est une fonction dépendant de la
pulsation !. Dans ce cas l’inttérêt réside dans une etude plus simple de certains aspects
tels que la stabilité et les problèmes de synthèse.
Nous allons étudier les systèmes décrits, à partir de leur représentation externe, par une
fonction de transfert donnée.
Réponse fréquentielle
N (s) N (s)
H(s) = = ;
D(s) (s pn ) (s pn 1 ) ::: (s p1 )
où p1 ; p2 ; :::; pn désignent les pôles de H(s). Etudions la ce système a une entrée sinusoïdale
de la forme
u(t) = u0 sin (!t) ;
A0 A0 A1 A2 An
Y (s) = + + + + ::: +
s i! s + i! s p1 s p2 s pn
Par identi cation, on trouve facilement
H (i!)
A0 = u0
2i
H ( i!)
A0 = u0
2i
A est le conjugué de A. D’où le réponse du système
Supposons que le système soit asymptotiquement stable (c.à.d. que < (pi ) < 0 pour tout i),
alors lim Ai epi t = 0. Finalement, pour t su¢ samment grand
t!1
Si on écrit
c.à.d. encore (
'= arg H (i!)
y1 (t) ' y(t) = y0 sin (!t + ') ;
y0 = u0 jH (i!)j
Dé…nition 2.18
F (s) = 1 + KG(s) = 0;
KG(s) est la fonction de transfert en boucle ouverte du système. Cela signi…e qu’il est possible
d’appréhender l’étude la stabilité d’un système en bouclé fermée à partir de sa fonction de
transfert en boucle ouverte.
Rappelons que le système est stable si et seulement si aucun pôle de H(s) n’est à partie réelle
positive.
Les pôles de la fonction de transfert en boucle fermée étant les zéros de cette fonction F (s),
le système en boucle fermé est asymptotiquement sable si les zéros de F (s) sont tous a partie
réelle< 0, le système en boucle fermé est stable si F (s) comporte un ou plusieurs zéros nuls, les
autres etant a partie réelle< 0.
Nous allons étudier le lieu décrit par les pôles de la fonction de transfert du système bouclé
l’utilisation de deux types de critère : le critère de Routh ( qui est un critère algèbrique ) et
critère de Nyquist ( qui est un critère géométrique).
Critère de Routh
Le critère algébrique de Routh autorise le diagnostic de stabilité pour des systèmes d’ordre
élevé et possédant de surcroît, un ou plusieurs paramètres :
Soit H(s) la fonction de transfert en boucle fermée et soit D(s) le dénominateur de H(s).
D(s) est un polynôme de degré n
D(s) = an sn + an 1 sn 1
+ ::: + a1 s + a0 :
On applique le critère de Routh en plaçant la suite de coe¢ cients ai dans un tableau, sur deux
lignes, dans l’ordre des n décroissants, alternativement une ligne sur deux. On e¤ectue ensuite un
calcul pour créer une ligne supplémentaire, selon l’algorithme présenté sur le schéma ci-dessous.
an an 2 an 4 ::: a1
an 1 an 3 an 5 ::: a0
an 1 an 2 an an 3 an 1 an 4 an an 5 an 1 a1 an a0
an 1 an 1
::: an 1
:::
On dispose alors d’un tableau de trois lignes, la troisième ligne possédant moins de termes
que les précédentes. On complète alors cette troisième ligne, à droite, par des zéros.
an an 2 an 4 ::: a1
an 1 an 3 an 5 ::: a0
bm bm 1 bm 2 b0 0
On recommence le même calcul sur les deux dernières lignes pour créer une quatrième ligne.
an an 2 an 4 ::: a1
an 1 an 3 an 5 ::: a0
bm an 3 an 1 bm 1 bm an 5 an 1 bm 2
bm bm
:::
On itère le processus jusqu’à ce qu’il n’y ai plus que des 0 sur la ligne.
Proposition 2.5 Le nombre de pôles à partie réelle positive, de la fonction de transfert H(s)
est égal au nombre de changements de signe dans la première colonne.
En conséquence, le système est stable en boucle fermée si tous les coe¢ cients de la première
colonne sont de même signe.
Remarque 2.7 Le nombre maximal de lignes est égal au nombre de termes dans le polynômes
D(s), autrement dit à l’ordre du système, plus 1.
D(s) = s(s2 + s + 3) + K = s3 + s2 + 3s + K:
1 3
1 K
3 K 0
K 0
1 3 0
3 1+K
(8 K)
3
1+K
il y a stabilité asymptotique si 8 K > 0 et 1+K > 0, c.à.d. pour 1 < K < 8. Comme le gain
est toujour considéré comme étant > 0; alors la stabilité asymptotique est vrai pour 0 < K < 8.
Critère de Nyquist
Le critère de Nyquist permet de savoir si le système en boucle fermé est stable en comptant le
nombre de tours que le lieu de transfert en boucle ouverte fait autour du point 1 quand ! varie
de 1 à +1: Rappellons que le dénomonateur de la fonction de transfert du système bouclé
est donne par F (s) = 1 + KGH(s), et dire que F (s) = 0 équivant à KGH(s) = 1
Pour simpli…er, notons
Alors évidemment le système sera stable si P = N , qu’on énonce sous la forme suivante.
Proposition 2.6 (Critère de Nyquist) Un système bouclé est stable si son lieu de transfert
en boucle ouverte, soit KGH(i!), entoure le point critique 1 un nombre de fois égal au nombre
de pôles instables de sa fonction de transfert en boucle ouverte.
Corollaire 2.5 Un système stable en boucle ouverte (P = 0) est stable en boucle fermé si son
lieu de transfert n’entoure pas le point 1 (N = 0).
Exemple 2.31 Soit un système de fonction de transfert en boucle ouverte G(p) placé dans une
boucle de régulation à retour unitaire, avec
K
KG(s) =
(s 1)(s + 10)2
La fonction de transfert en boucle ouverte KG(s) possède donc un pôle à partie réelle positive :
1 et un pôle double à partie réelle négative : 10.
Dans un premier temps, étudions la stabilité de ce système en boucle fermée à partir du critère
de Routh, calculons, pour ce faire, la fonction de transfert en boucle fermée
KG(s) K
L(s) = =
1 + KG(s) (s 1)(s2 + 20s + 100) + K
1 120
19 K 100
2380 K
19
0
K 100 0
diagramme de Nyquist
Remarque 2.8 Le tracé point par point de ces courbes peut être facilement obtenu à l’aide de
n’importe quel tableur ou logiciel graphique.
Parcourons l’image par KG(s) du contour de Nyquist dans le sens des ! croissants : nous
sommes dans le sens anti-horaire. Cette image fait un seul tour autour du point critique, le
système est donc bien stable étant donné que la fonction de transfert en boucle ouverte possède
un seul pôle à partie réelle positive.
ne faut pas confondre les terme "temps …ni" et "stabilité" avec les notions de stabilité pratique
et où les auteurs dé…nissent la stabilité sur un intervalle de temps …ni où l’état ne dépasse pas
une certaine limite pendant un temps fni, citons par exemple les travaux de Amato dans [17] et
les travaux de Lazarevic dans [1].
A présent, introduisons un exemple élémentaire d’un système stable en temps …ni dont on
connaît explicitement les solutions. Soit la dynamique suivante
avec x 2 R et 2 ]0; 1[ :
dont les solutions du système sont données par
( 1
jx0 j1
sgn (x0 ) (j x0 j1 t (1 )) 1 si 0 t 1
x (t; t0 ; x0 ) (2.87)
0 sinon
Ces solutions décroissent et …nissent par être nulles à partir d’un certain temps. L’origine du
système (2.86) est dit stable en temps …ni. Notons qu l’équation (2.86) n’est pas lipschitzienne
à l’origine. Dans ce cas, la stabilité e temps …ni ne peut être obtenue du fait de l’unicité des
solutions. Et pour cela la condition de non-lipschitzienne à l’origine est une condition nécessaire
pour la stabilité en temps …ni.
x_ = f (x): (2.88)
Dé…nition 2.19 L’origine du système (2.88) est dit stable en temps …ni s’il existe un voisinage
V de l’origine et une fonction T : V n f0g ! [0; +1[ appelée fonction temps d’établissement,
telles que
Rappelons un résultat élémentaire donné par Haimo sur la stabilité en temps …ni des systèmes
autonomes scalaires de la forme
x_ = f (x), x 2 R: (2.89)
où f : R ! R. Dans ce cas particulier, il existe une condition nécessaire et su¢ sante pour la
stabilité en temps …ni.
Théorème 2.11 [40] Supposons que l’origine soit un point d’équilibre du système (2.89) où f
est continue. Alors, l’origine est stable en temps …ni pour le système (2.89) si et seulement s’il
existe un voisinage de l’origine tel que pour tout x 2 n f0g véri…ant
1. xf (x) < 0.
Z0
dz
2. f (z)
< 1:
x
Exemple 2.32 On reprend l’exemple élémentaire (2.86), soit 2 ]0; 1[, considérons le système
x_ = ' (x) ;
et si x 2 R, alors
Z0
dz j x j1
= < 1:
sgn (z) j z j 1
x
Les hypothèses du théorème sont satisfaites. Donc, l’origine est stable en temps …ni et les
x jxj1
solutions ( ) tendent vers l’origine avec le temps d’établissement T (x) = 1
.
Théorème 2.12 [8] S’il existe une fonction de Lyapunov V (x) : Rn ! R telle que
(i) V est dé…nie positive.
(ii) Il existe un voisinage de l’origine U , tel que
Alors, l’origine du système (2.89) est stable en temps …ni et la fonction temps d’établissement
T (x) est continue et satisfait l’inégalité suivante
V (x (0))1
T (x) (2.91)
c (1 )
De plus, si = Rn et V_ est dé…nie négative sur Rn n f0g : Alors, l’origine du système (2.89)
est globalement stable en temps …ni.
Donc, l’origine est stable en temps …ni avec un temps d’établissement continu véri…ant
2 k x k21
T (x) ;
1
Le première théorème implique que pour un système stable en temps …ni et une fonction temps
d’établissement discontinue, il n’existe pas une fonction de Lyapunov satisfaisant les hypothèses
du 2 ème théorème. Dans le cas où la fonction temps d’établissement est continue, le théorème
suivant fournit un inverse au théorème précédent.
Théorème 2.13 [8] Supposons que l’origine du système (2.89) est stable en temps …ni et la
fonction temps d’établissement T est continue en 0. Soit U un voisinage de 0 et 2 ]0; 1[. Alors,
il existe une fonction V (x) : U ! R continue et véri…e
V_ + c (V (x)) 0, x 2 U (2.92)
lim x (t; t0 ; x0 ) = 0;
t!T (t0 ;x0 )
tels que, on a
L’idée est basée sur l’existence d’une fonction de Lyapunov V et d’une fonction continue
dé…nie positive r : R+ ! R+ véri…ant l’inégalité di¤érentielle suivante
Théorème 2.14 [40] S’il existe une fonction de Lyapunov continûment di¤erentiable V (t; x)
véri…ant la condition (2.93) telle que pour tout " > 0 pour lequel
Z"
dz
< +1; (2.94)
r(z)
0
alors, l’origine du système (2.23) est stable en temps …ni. La fonction temps d’établissement
pour ce système satisfait l’inégalité suivante
VZ(t;x)
dz
T0 (t; x) : (2.95)
r(z)
0
x_ = 1 + t2 ' (x) ;
avec
+1
r(V ) = 2' x2 et = ;
2
puisque
Z"
dz
< +1;
r(z)
0
le théorème assure que l’origine est stable en temps …ni avec la fonction temps d’établissement
4jxj1
du système T0 (t; x) 1
.
Dans le cas où la fonction temps d’établissement est continue, on a le théorème inverse suivant.
Théorème 2.15 [17] Soit 2 (0; 1) et U un voisinage ouvert de l’origine. Il existe une fonction
+
v : [0; r] ! R de classe K, avec r > 0, tel que pour t 0 on a x 2 Br (0) U , alors
k f (t; x) k v (k x k) (2.96)
Si l’origine est stable en temps …ni et le temps d’établissement T (:) est continu en (t; 0)
pour t 0, alors il existe une fonction (:) de classe K, une constante k > 0, une fonction
continue V : [0; +1) U ! R et un voisinage de l’origine M tel que V_ (t; x) est dé…nie et pour
(t; x) 2 [0; +1) R, on a
Dé…nition 2.20 Le système (2.97) est stabilisable en temps …ni s’il existe une commande u 2
C 0 ( ; Rm ) telle que
1. u (0) = 0:
2. L’origine du système bouclé (2.97) soit stable en temps …ni.
Dans ce chapitre, nous présentons l’essentiel des résultats concernant la stabilité des systèmes
linéaires par l’utilisation de la théorie du semi-groupe ( voir [11, 14, 24]) dont nous rappelons les
fondamentaux résultats.
Dans la section 3.1, nous dé…nissons le C0 -semi-groupes d’opérateurs linéaires bornés et son
générateur in…nitésimal. Après nous citons les essentiels résultats du théorie C0 -semi-groupe.
Dans la section 3.2, nous abordons la notion du stabilité des systèmes linéaires en dimension
in…nie qui sont régis par l’équation
(
z_ (t) = Az (t) t 2 [0; +1[
(3.1)
z(0) = z0
Où A est un opérateur de domaine D(A) qui génère un C0 -semi-groupe fT (t)gt>0 sur l’espace
de Banach X.
Nous dé…nissons 4 types de stabilité
- La stabilité exponentielle.
- La stabilité uniforme.
- La stabilité asymptotique (forte).
- La stabilité faible.
84
Chapitre 3. Stabilité et stabilisation des systèmes linéaires en dimension in…ni
Dé…nition 3.1 Une famille d’opérateurs linéaires bornés (T (t))t 0 de X dans X est dite un
C0 -semi-groupes (un semi-groupe fortement continu) sur X si
1. T (0) = Id (où Id est l’opérateur identité de X ).
2. T (t + s) = T (t)T (s), 8t; s > 0.
3. lim+ k T (t)z z k= 0; 8z 2 X:
t!0
Dé…nition 3.3 Le générateur in…nitésimal A d’un C0 -semi-groupe (T (t))t>0 sur X est dé…ni
par
T (t)z z
Az = lim ; (3.3)
t!0 t
sur le domaine D(A) l’ensemble des points z de X pour lesquels la limite (3.3) existe dans
X.
muni de la norme
k f kX = sup j f( ) j :
2[0;+1[
Dé…nissons
(T (t) f ) ( ) = f (t + ) ; 8t 0 et 2 [0; +1[ :
D(A) ff 2 X ; f 0 2 Xg :
Exemple 3.2 Soit p 2 [1; +1[; considérons l’espace X = Lp ([0; +1[) ; muni de la norme
0 +1 1 p1
Z
k f kp = @ j f ( ) jp d A :
0
Dé…nissons
(T (t)f ) ( ) = f (t + ); 8t; 0; et f 2 X:
On a
0 +1 1 p1 0 +1 1 p1
Z Z
kT (t)f kp = @ j (T (t)f ) ( ) jp d A = @ j f ( + t) jp d A
0 0
0 +1 1 p1 0 +1 1 p1
Z Z
= @ j f ( ) jp d A @ j f ( ) jp d A =k f kp ;
t 0
De plus, on a
lim k T (t)f f kp = 0:
t!0
= sup kf (s) f ( )k :
s2[ ; +t[
Preuve
1. Montrons d’abord que
9a > 0; 9M > 1 kT (t)k M; 8t 2 [0; a] (3.7)
Donc la suite (kT (tn )k)n2N est non bornée, alors d’après le théorème de Banach-Steinhaus [11]
il existe z0 2 X tel que (kT (tn )z0 k)n2N non bornée, ce qui contredit le fait que
car
k T (tn )z0 z0 k>k T (tn )z0 k k z0 k : (3.11)
donc
t
MM a
= M e!t :
4. On a
1
0 = inf log kT (t)k ;
t
soient t0 > 0 et t > t0 , alors
On a
1 1
log kT (t)k = log kT (qt0 + r)k
t t
q 1
log kT (t0 )k + log kT (r)k
t t
qt0 log kT (t0 )k 1
+ log kT (r)k
t t0 t
1 1
log kT (t0 )k + log kT (r)k ;
t0 t
donc
1 1
lim+ sup log kT (t)k log kT (t0 )k , 8t0 0;
t!0 t t0
ainsi
1
lim+ sup log kT (t)k 0:
t!0 t
D’autre part, on a
1
0 lim+ inf log kT (t)k ;
t!0 t
d’où l’égalité.
5. Soit ! > 0; on a
1
lim+ log kT (t)k = 0;
t!0 t
alors il existe t0 0 tel que 8t > t0 ; on a
1
log kT (t)k 0 ! 0;
t
donc
kT (t)k e!t ; 8t t0 :
D’autre part, soit t t0 , on a d’après l’assertion (1.), il existe M positive tel que
kT (t)k M;
kT (t)k M e!(t t0 )
!t0 !t
Me e ;
!t0
alors, il su¢ t de prendre M! = max (1; M; M e ):
1. On a
Zt+h
1
lim+ T (s)zds = T (t)z; 8t 0; 8z 2 X: (3.14)
h!0 h
t
Zt
2. Pour tout t > 0 et tout z 2 X, on a T (s)zds 2 D(A) et on a
0
0 1
Zt
A@ T (s)zdsA = T (t)z z: (3.15)
0
d
T (t)z = AT (t)z = T (t)Az: (3.16)
dt
Preuve
3. Soit z 2 D(A); on a
Corollaire 3.1 Soit A générateur in…nitésimal d’un C0 -semi-groupe fT (t)gt>0 sur X, alors
Preuve
Ainsi, D(A) = X:
2. Premièrement, on a A est un opérateur linéaire.
Soit (xn )n 0 une suite d’éléments de D(A) telle que xn ! x et Axn ! Ax lorsque n ! +1.
Montrons que x 2 D(A) et que Ax = y.
Puisque pour tout n 2 N, xn 2 D(A), alors d’après l’assertion (4.) du proposition 3.2, on a
Zt
T (s)xn xn = T (s)yds:
0
Donc
Zt
T (t)x x 1
= T (s)yds ! y lorsque t ! 0+ :
t t
0
D’où
x 2 D(A) et Ax = y:
Théorème 3.1 [21] Soient deux C0 -semi-groupe fT (t)gt>0 et fS(t)gt>0 sur X de générateurs
in…nitésimaux le même opérateur A. Alors
Alors
d d d
U (s)z = T (t s) S(s)z + T (t s) S(s)z
ds ds ds
= AT (t s) S(s)z + T (t s) AS(s)z = 0:
T (t)z = S(t)z; 8t 0 et z 2 X;
1
(A) = 2 C, I A : D(A) ! X est bijectif et ( I A) : X ! D(A) est borné :
(3.19)
2. On appelle spectre de A, l’ensemble (A) = C (A):
1
3. Pour 2 (A); l’opérateur linéaire borné R( ; A) = ( I A) est appelé la résolvante de
A au point :
Théorème 3.2 (Théorème de Hille-Yosida, cas général) [21] Un opérateur linéaire A est
le générateur in…nitésimal d’un C0 -semi-groupe fT (t)gt>0 sur X véri…ant
si et seulement si
Où A est un opérateur de domaine D(A) qui génère un C0 -semi-groupe fT (t)gt>0 sur l’espace
de Banach X:
1. Exponentiellement stable s’il existe deux constantes strictement positives M et tel que
kT (t)k M e t ; 8t 0: (3.24)
2. Uniformément stable si
lim kT (t)kL(X) = 0: (3.25)
t!+1
4. Faiblement stable
lim hT (t)z; yi = 0; 8 (z; y) 2 X X : (3.27)
t!+1
@
L’opérateur A = @t
avec D(A) = fz 2 H 1 (]0; +1[); z (0) = 0g engendre un C0 -semi-groupe
S(t); t 0 dé…ni par (S(t)z)(x) = z(x + t).
On a
Z+1
8z 2 L2 (]0; +1[), kS(t)zk2 = jz(x)j2 dx ! 0 quand t ! +1:
t
kS(t)kL(L2 (]0;+1[)) = 1; 8t 0;
@
L’opérateur A = @t
avec D(A) H 1 (]0; +1[) engendre un C0 -semi-groupe S(t); t 0
donné par (
z(x t) si x t
((S(t)z)(x)) =
0 sinon
On a
Z+1
kS(t)zk = kS(t)z(x)k2 dx
t
Z+1
= kz(x t)k2 dx
t
Z+1
= kz( )k2 d
0
= kzk:
Donc, le système (3.29) n’est pas asymptotiquement stable. Cependant ce système est faible-
ment stable, en e¤et 8z 2 L2 (]0; +1[), y 2 L2 (]0; +1[) deux fonctions à supports compacts,
pour t assez grand les supports de S(t)z et y sont disjoints, alors
Z+1
hS(t)z; yi = y(x + t)z(x)dx
0
= 0:
Maintenant, soit (y; z) 2 (L2 (]0; +1[))2 alors, ils existent yn et zn deux suites de fonctions
à supports compacts telles que
1 1
kz zn kL2 (]0;+1[ < et ky yn kL2 (]0;+1[ < ;
n n
alors
Remarque 3.2 En dimension …nie, les trois degrés de stabilité coïncident et de nombreux résul-
tats de caractérisation ont été établis, ces résultats sont basés sur des propriétés spectrales de la
dynamique du système A ou sur l’existence d’une fonction de Lyapunov, ce qui revient à établir
l’existence d’une solution d’une équation de Lyapunov.
Notation 3.2
Posons = sup f< ( ) ; 2 (A)g :
Proposition 3.5
Preuve Soit 2 (A) alors, d’après le lemme 3.2 il existe 2 X tel que k k= 1 et
t
T (t) = e ; 8t > 0;
donc
t
kT (t) k = e = e<( )t
k T (t) k :
Supposons que > 0, alors il existe 0 2 (A) tel que <( 0 ) > 0, et soit z la solution de
(3.23) satisfaisons au condition initial z0 = le vecteur propre associé à la valeur propre 0.
0t
Donc z(t) = T (t) = e , ce qui implique lim kz(t)k = +1 ce qui est absurde.
t!1
Proposition 3.6
La stabilité exponentielle )La stabilité asymptotique )La stabilité faible.
Exemple 3.5 Soit X = l2 (N ) : l’espace de Hilbert des suites à carrée sommable qui est muni
du produit scalaire dé…nit par
X
+1
hx; yi = xn zn ;
n=1
donc
X t 2
1 en x2n ;
n 1
Soit x 2 X, on a
X
1
2 nt
kT (t)xk = e x2n ! 0 lorsque t ! +1:
n=1
Donc, le système (3.23) dans le cas de cet exemple est asymptotiquement stable. Cependant
il n’est pas exponentiellemnt stable. En e¤et, soit t > 0
D’autre part, on prend fzj gj 1 la suite des éléments de X dé…nie par (zj )n = n;j : On a
!2
X
1
t
2 nt
kT (t)zj k = e x2n = e j ; 8j
n=1
D’où
t
kT (t)k = lim e n = 1:
n!1
Preuve Il est clair que a. implique b., et que b. implique c. D’autre part, on a d’après le
théorème 3.3 on a d. implique a., donc il nous reste que montrer que c. implique d., en e¤et,
supposons qu’il existe t0 > 0, tel que kT (t0 )k < 1; donc
alors
1
log kT (t0 )k < 0:
t0
D’où
1
0 = inf log kT (t)k :
t>0 t
Théorème 3.5 (Théorème de Datko) [21] Le système (3.23) est exponentiellement stable si
et seulement si
Z1
kT (t)zk2 < +1: (3.30)
0
Preuve
Le sens direct est claire.
Réciproquement supposons que
Z1
kT (t)zk2 < +1:
0
Pour m 2 N , l’opérateur Pm (y) = 1[0;m] (t) T (t)y 2 L (X; L2 (R+ ; X)) est bien dé…ni. Par
suite
Z+1
k(Pm y) (t)k2 = k(Pm y) (t)k2 dt am kyk2 ;
0
où
Zm
am = kT (t)k2L(H) dt;
0
Z1
et puisque kT (t)zk2 < +1, alors d’après le théorème de Banach Steinhaus
0
2 t Zt
1 e 2
kT (t)yk = e 2 (t s)
kT (t)yk2 ds
2
0
Zt
= e 2 (t s)
kT (t s)T (s)yk2 ds
0
Zt
2 (t s)
e k T (t s) k2L(X) k T (s)y k2 ds
0
M 2 a2 kyk2 :
k T (t) kL(X) k; 8t 0:
En plus, on a
Zt Zt
t k T (t)y k2 = k T (t)y k2 ds k T (t s) k2L(X) k T (s)y k2 ds;
0 0
donc
t k T (t)y k2 k 2 a2 kyk2 ;
alors
ka
k T (t) kL(X) p ;
t
ce qui donne
1
= inf log kT (t)kL(X) < 0;
t>0 t
Théorème 3.7 [21] Si X est de Hilbert, le système (3.23) est exponentiellement stable si et
seulement si il existe P 2 L(X) auto-adjoint positif solution de l’équation de Lyapunov
Preuve
)) Supposons que le système (3.23) est exponentiellement stable, considérons l’opérateur P
dé…ni par
Z1
P z = T (s) T (s)zds:
0
soit t > 0; on a
Zt Zt
T (s) T (s)zds kT (s) T (s)zk ds
0 0
Zt
MK
K M e t kzk ds ! k z k< 1 lorsque t ! +1:
0
Donc, P est bien dé…nie,et de plus P est auto-adjoint positif et il véri…e l’équation de Lya-
punov (3.33).
() Soit z 2 D(A) et soit la fonction positive
ainsi
Z1
k T (t)z k2 ds = V (0; z) < 1; 8z 2 X:
0
Alors, d’après le théorème de Datko on a (3.23) est exponentiellement stable.
et on a la dé…nition
Dé…nition 3.6 Le système (3.34) est dit faiblement (asymptotiquement, exponentiellement) sta-
bilisable, s’il existe un opérateur borné K 2 L(H; V ) tel que le système
(
dz(t)
dt
= (A + BK) z(t)
(3.35)
z(:; 0) = z0
Caractérisations de la stabilisation
3. Pour tout z0 2 H, il existe un contrôle v(t); tels que v(t) et la solution associée tendent
vers 0 quand t ! 1:
Remarque 3.5 En dimension …nie, la stabilisation du système (3.34) est équivalente à la contrô-
labilité de ses modes instables.
En dimension in…nie, le spectre d’un opérateur n’est pas réduit à sa partie ponctuelle et on
ne peut en général déplacer le spectre par une perturbation de rang …ni. De plus, la position du
spectre n’est pas directement liée à la stabilité du système.
104
Chapitre 4. Application sur la stabilité des systèmes dynamiques
que la cirrhose et le cancer du foie. Les traitements comprennent des antiviraux les médicaments
tels que la lamivudine, l’adéfovir, le ténofovir, la telbivudine et l’entécavir, et des modulateurs
du système immunitaire tels que l’interféron alpha. Toutefois, certaines personnes sont beaucoup
plus susceptibles de répondre que d’autres et cela peut s’expliquer par du génotype du virus
infectieux ou de l’hérédité du patient. Le traitement fonctionne en réduisant la charge virale, (la
quantité de particules virales telle que mesurée dans le sang), qui à son tour réduit la réplication
virale dans le foie.
où x(t), y(t) et z(t) sont les concentrations des cellules non infectées, les cellules infectées et
le virus à l’instant t, resp.
Dé…nition 4.1 Le taux de reproduction de base R0 est le nombre moyen des infections secon-
daires produites par un infecté durant la période d’infection dans une population entièrement
constituée de susceptible.
4.1. Application 1 : Dynamique virale dans l’infection par le virus de l’hépatite B (VHB)
105
Chapitre 4. Application sur la stabilité des systèmes dynamiques
k
Remarque 4.1 Dans le cas du système (4.1), R0 = da
:
Proposition 4.1
1. Si R0 1 le système (4.1) admet un unique point d’équilibre libre (sans maladie) Ef ( d ; 0; 0).
2. Si R0 > 1 alors le système (4.1) admet deux points d’équilibres, l’équilibre libre Ef et
l’équilibre chronique (endémique) E (x ; y ; z ) avec
x =
dR0
d (R0 1)
y =
k
d (R0 1)
z =
Proposition 4.2 Le point d’équilibre sans maladie est localement asymptotiquement stable si
R0 < 1, et il est instable lorsque R0 > 1.
avec x0 = d :
4.1. Application 1 : Dynamique virale dans l’infection par le virus de l’hépatite B (VHB)
106
Chapitre 4. Application sur la stabilité des systèmes dynamiques
On a
or
= (a + )2 4a (1 R0 )
= (a )2 + 4a R0 0:
s1 = d
p
(a + ) (a + )2 4a (1 R0 )
s2 =
p 2
(a + ) + (a + )2 4a (1 R0 )
s3 =
2
Il est clair que s1 et s2 sont négatives, mais s3 elle est strictement négative si R0 < 1, et elle
est strictement positive si R0 > 1.
D’où Ef est localement asymptotiquement stable si R0 < 1, et elle est instable si R0 > 1.
On a
d z 0 x
det (JE sI) = 0 , z a x =0
0 k
, s3 + a1 s2 + a2 s + a3 = 0;
4.1. Application 1 : Dynamique virale dans l’infection par le virus de l’hépatite B (VHB)
107
Chapitre 4. Application sur la stabilité des systèmes dynamiques
avec
a1 = d + z + a +
a2 = (d + z ) (a + ) + a k x
2
a3 = (d + z ) (a k x )+ kx z = da dk x + a z = a z ; (car x = ).
d
Puisque
1 = a1 > 0
a1 1
2 = = a1 a2 a3
a2 a3
= (d + z + a + ) ((d + z ) (a + ) + a k x) a z
= (d + z + a) (d (a + ) + a z + z ) + (d (a + ) + z ) > 0;
et, on a
a1 1 0
3 = a3 a2 a1 = a3 3 > 0;
0 0 a3
Donc, d’après le critère de Routh-Hurwitz E est localement asymptotiquement stable.
x a x a
V (t) = x +y+ z =x x0 x0 ln +y+ z
x0 k x0 k
4.1. Application 1 : Dynamique virale dans l’infection par le virus de l’hépatite B (VHB)
108
Chapitre 4. Application sur la stabilité des systèmes dynamiques
On a
x a
V_ = 1 x_ + y_ + z_
x0 k
x a
= 1 ( dx xz) + xz ay + (ky z)
x0 k
d a
= (x x0 )2 + x0 z
x k
d a
= (x x0 )2 + (R0 1) z:
x k
Alors, d’après théorème de Lyapunov
x y a z
W (t) = x +y + z
x y k z
4.1. Application 1 : Dynamique virale dans l’infection par le virus de l’hépatite B (VHB)
109
Chapitre 4. Application sur la stabilité des systèmes dynamiques
On a
d x y z
W = 1 x_ + 1 y_ + 1 z_
dt x y z
x y z
= 1 ( dx xz) + 1 ( xz ay) + 1 (ky z)
x y z
x xz a az az
= dx + dx + x z y + ay z y+
x y k z k
x xz a az
= 2dx + 3ay dx + xz y z y (car = dx + ay )
x y k z
x x (x )2 x ay z xz a az
= dx 2 +d + 3ay + y z y
x x x x z y k z
x x y x ay z xz a az
= dx 2 a + 3ay + y z y
x x x z y k z
(x )2 x y x
(car d = a )
x x x
x x x z xz z z y z z
= dx 2 + ay 3 + (car = )
x x x z ay ky zy z ky
x x x xy z z y
= dx 2 + ay 3 ;
x x x x yz yz
d
= (x; y; z) 2 R3+ , V =0
dt
x
x x xy z z y
(x; y; z) 2 ,2 et 3
x
x x x yz yz
x x x xy z z y
, = et = =
x x x x yz yz
z y
, x = x et = 1:
yz
Or
dx x z = 0 et dx xz = 0; alors z = z ;
4.1. Application 1 : Dynamique virale dans l’infection par le virus de l’hépatite B (VHB)
110
Chapitre 4. Application sur la stabilité des systèmes dynamiques
D’où
x = x et y = y et z = z :
On note ici par r1 et r2 les distances du mobile aux masses m1 et m2 , x01 et x02 désignant les
avec
1 2 1 1
U (x1 ; x2 ; x3 ) = x1 + x22 (1 );
2 r1 r2 2
est le potentiel du système et f = (f1 ; f2 ; f3 ; f4 ; f5 ; f6 ) est le champ de vecteurs du système.
- Deux points situés, dans le plan orbital des primaires formant avec les centres des primaires
deux triangles équilatéraux, et sont notés L4 et L5 .
X = (x1 ; x2 ; x3 ; x4 ; x5 ; x6 ) ;
tel que 8
>
> x4 = 0
>
>
>
>
>
> x5 = 0
>
>
< x6 = 0
x1 x01 x1 x02
>
> 2x5 + x1 (1 ) r13 r23
=0
>
>
>
>
>
> 2x4 + x2 (1 ) xr32 x2
r23
=0
>
> 1
: (1 ) xr33 x3
=0
1 r23
x1 x01 x1 x02
x1 (1 ) = 0
r13 r23
x2 x2
x2 (1 ) = 0
r13 r23
4.2.5 Localisation
Comme x2 = 0 annule la deuxième équation de notre système, on peut dans un premier temps
chercher les abscisses des points d’équilibre situés sur l’axe x, c.à.d. de L1 ; L2 et L3 . Il su¢ t de
trouver les solutions x1 de l’équation
x1 x01 x1 x02
x1 (1 ) r13 r23
=0
(1 )
, x1 (x1 )2 (x1 1+ )2
=0
Pour trouver les trois points de Lagrange, il su¢ t de trouver les solutions de ce polynôme de
degré 5 et où on ne peut trouver de solution générale explicite. On montre qu’il n’y a que trois
solutions réelles en utilisant la formule de Cauchy et en utilisant un chemin su¢ samment prés
de l’axe. On peut montrer que les solutions sont contenues dans une bande sur l’axe imaginaire
mais restreinte sur l’axe des abscisses grâce au critère de Routh.
Soient 1 et 2 les distances respectives de L1 et L2 à la plus petite des primaires m2 . Avec
ces notations, les abscisses des points L1 et L2 sont
xL1 = 1 1 et xL2 = 1 + 2;
(
5 4 3 2
1 (3 ) 1 + (3 2 ) 1 + 1 2 1 + =0
, 5 4 3 2
2 + (3 ) 2 + (3 2 ) 2 2 2 2 =0
f~ (x1 ; x2 ) :ub = 0
(x1 + ) x2 x1 x2 (x1 1 + ) x2 x1 x2
, (1 ) 3
+ =0
r1 r23
x2 (1 ) x2
, (1 ) 3 3
=0
r1 r2
1 1
, (1 ) x2
r1 r23
3
, r1 = r2
f~ (x1 ; x2 ) :ua = 0
(x1 + ) x1 x22 (x1 1 + ) x1 x22
, x21 x22 + (1 ) +
r13 r23
(1 ) (x21 + x22 + x1 ) + (x21 + x22 (1 ) x1 )
, x21 + x22 + (1 )
r13
1
, x21 + x22 1+
r13
, r1 = r2 = 1
Donc, on obtient …nalement des points qui sont équidistants de m1 et m2 et situés à la distance
1 de ces deux masses. Dans notre système d’unité, l’unité de longueur est la distance entre les
deux masses m1 et m2 . Par conséquent, les points d’équilibre L4 et L5 sont tels qu’ils forment
avec les masses m1 et m2 deux triangles équilatéraux symétriques l’un de l’autre par rapport à
l’axe x1 .
En terme de coordonnées dans notre système d’unité, on note L4 le point de Lagrange de
p p
1 3 1 3
coordonnées ;
2 2
et L5 le point de Lagrange de coordonnées 2
; 2
:
il su¢ t d’en trouver les valeurs propres, c’est-à-dire les solutions de l’équation
det (A I) = 0:
Ce déterminant s’écrit
0 1 0
0 0 1
@2U @2U
@x2
(Xi ) @x@y
(Xi ) 2
@2U @2U
@x@y
(Xi ) @y 2
(Xi ) 2
et il vaut
2
4 @2U @2U 2 @2U @2U @2U
+ (Xi ) + (Xi ) + 4 + (Xi ) + (Xi ) (Xi ) ;
@x2 @y 2 @x2 @y 2 @x@y
2
Cette équation peut se ramener à une équation polynomiale du second ordre en : Les
solutions de l’équation de départ sont donc deux couples de nombres opposés deux à deux. Pour
que deux nombres opposés soient négatifs ou nuls ou alors de partie réelle négative ou nulle,
il faut obligatoirement qu’ils soient des nombres imaginaires purs, donc que les solutions de
2
l’équation en soient réelles et négatives. Pour que ces solutions soient réelles, il faut donc que
le discriminant noté soit positif.
Soit ici
!
2 2
@2U @2U @2U @2U @2U
= (Xi ) + (Xi ) + 4 4 (Xi ) + (Xi ) (Xi ) > 0:
@x2 @y 2 @x2 @y 2 @x@y
Une fois ceci obtenu, il faut que les deux solutions réelles soient négatives, ce qui implique
que simultanément leur somme soit négative et leur produit positif, ce qui implique
@2U @2U
(Xi ) + (Xi ) + 4 > 0
@x2 @y 2
2
@2U @2U @2U
(Xi ) + (Xi ) (Xi ) > 0
@x2 @y 2 @x@y
Le but principal de ce mémoire est d’étudier les concepts de stabilité et stabilisabilité des
systèmes dynamiques.
Dans la première partie dans ce mémoire, on aborde le problème de stabilité des systèmes
dynamiques en dimension …nie. Nous obtenons les résultats suivantes
La stabilité dans le cas du système linéaire est revient à déterminer les signes des parties réelles
des valeurs propres de la matrice du système.
Les valeurs propres de la matrice du système ne sont pas toujours faciles à calculer, mais nous
citons le critère de Routh-Hurwitz, grâce à ce critère nous pouvons savoir les signes des
parties réelles des valeurs propres de la matrice du système sans les calculer.
La stabilité des systèmes non-linéaires est donnée par deux méthodes, la méthode de linéarisa-
tion qui permet de tirer des conclusion sur la stabilité locale du système autour d’un point
d’équilibre, à partir des propriétés de stabilité de son approximation linéaire. Et la méthode
de Lyapunov, elle permet de déterminer les propriétés de stabilité d’un système non-linéaire
par des fonctions spéciales, et elle a un caractère non-local.
Nous exposons un aperçu sur la stabilité et la stabilisation dans le cas de dimension in…nie, et
ceci à travers l’étude de stabilité des systèmes linéaires, à l’aide du théorie de semi-groupe.
119
Bibliographie
[1] F. Amato M. Ariola, C. Cosentino C. T. Abdallah, P. Dorato, "Necessary and Su¢ cient
Conditions for Finite-Time Stability of Linear Systems", American Control Conference, 4-6
June 2003.
[2] Grégory Archambeau, Thèse de Doctorat : Etude de la dynamique autour des points de
Lagrange, Soutenue le 26 Septembre 2008, Unv. PARIS-SUD XI.
[3] G. Bastin, Modélisation et Analyse des Systèmes Dynamiques, 14 juillet 2013.
[4] Ch. Bennani, Mémoire de Magister Stabilisation et Estimation de l’état des Systèmes Dy-
namiques non Linéaires et Applications, octobre 2011.
[5] S. P. Bhat and D. S. Bernstein, "Lyapunov Analysis of Finite Time Di¤erential Equations,"
Proc. of the ACC 1995 Conference, Seattle, WA, USA, 1995.
[6] S. P. Bhat and D. S. Bernstein, "Finite-time stability of homogeneous systems," Proc. of
the ACC 1997 Conference, Albuquerque, NM , USA, 1997.
[7] S. P. Bhat and D. S. Bernstein, "Continuous Finite-Time Stabilization of the Translational
and Rotational Double Integrator," IEEE Trans. Automat. Control, vol.43, 1998, pp 678–
682.
[8] S. P. Bhat and D. S. Bernstein, "Finite Time Stability of Continuous Autonomous Systems,"
SIAM J. Control Optim, vol.38, 2000, pp 751–766.
[9] B. Bhiri, Stabilité et stabilisabilité en temps …ni des systèmes dynamiques. Automatique/ Ro-
botique. Université de Lorraine, 2017. Français. ¤NNT : 2017LORR0100¤. ¤tel- 01643958¤.
[10] Barrow-Green, June (1997). Poincaré and the Three Body Problem. American Mathematical
Soc. pp. 8–12. Bibcode : 1997ptbp.book. B. ISBN 978-0-8218-0367-7.
[11] S. Chor…, Mémoire de Master : Théorie des semi-groupes, problème abstrait de cauchy et
équation d’évolution Faculté des Sciences Semlalia Marrakech, Juillet 2017.
120
Bibliographie
Bibliographie 121
Bibliographie
[27] G. Lau, M. Tsiang, J. Hou, S. Yuen, W. Carman, L. Zhang, C. Gibbs, S. Lam, Combination
therapy with lamivudine and famciclovir for chronic hepatitis B infected Chinese patients :
a viral dynamics study, Hepatology, (2000), 32 : 394399.
[28] Lazarevic, M. Debeljkovic, D. Nenadic, Z. et Milinkovic, S, "Finite-time stability of delayed
systems" J. Math. Control Inform, vol. 17 :101-109.
[29] A. Lesfari, Distributions, analyse de Fourier et transformation de Laplace Cours et exercices.
[30] Meyer, K. R., Hall, G.R., Introduction to Hamiltonian dynamical systems and the N-body
problem, Applied Mathematical Sciences 90, Springer-Verlag, New-York (1992).
[31] E. Moulay and W. Perruquetti, "Finite Time Stability of Non Linear Systems", In IEEE
Conference on Decision and Control, Hawaii, USA, 2003.
[32] M. Nowak, S. Bonhoe¤er, A. Hill, R. Boehme, H. Thomas, H. Mcdade, Viral dynamics in
hepatitis B infection, Proc Natl Acad Sci USA, (1996), 93 : 43984402.
[33] A. Perelson, Modelling viral and immune system dynamics, Nature Rev Immunol, (2002),
2 : 2836.
[34] A. Perelson, E. Herrmann , F. Micol, S. Zeuzem, New kinetic models for the hepatitis c
virus. Hepatology, (2005), 42 : 749754.
[35] Slemrod, M. A note on complete controllability and stability for linear control systems in
Hilbert space. SIAM. J. Control, 1974, 12 :pp 500-508.
[36] Slemrod, M. Feedback stabilisation of a linear control system in Hilbert space with a priori
bounded control. Math. Contr. Sign. Syst,1989, 2 : pp 265-285.
[37] Szebehely, V. G., Theory of orbits : the restricted problem of three bodies, Academic Press,
New-York (1967).
[38] E. Trélat et Th. Haberkorn Cours d’Automatique Master de Mathématiques, Université d’Or-
léans, premier trimestre.
[39] M. Tsiang, J. Rooney, J. Toole, C. Gibbs, Biphasic clearance kinetics of hepatitis B virus
from patients during adefovir dipivoxil therapy, Hepatology, (1999), 29 : 18631869.
[40] N. Zoghlami. Stabilité et stabilisation en temps …ni des systèmes dynamiques interconnectés
et problème de consensus en temps …ni. Systèmes dynamiques [math.DS]. Université d’Évry
Val d’Essonne, École nationale d’ingénieurs de Tunis (Tunisie), 2014. Français.
[41] https : //www.bibmath.net/dico/index.ph ?action=a¢ che&quoi=./a/arithmeticogeoineg.html
(date : 03 juin 2021. 15h :36min).
Bibliographie 122
Bibliographie
Bibliographie 123