La notion de distribution invariante sous un champ de vecteurs joue, en théorie des systèmes de contrôle non linéaires, un rôle analogue à celui de sous-espace invariant dans la théorie des systèmes linéaires. Plus précisément, une distribution A\mathcal{A} est dite invariante sous un champ de vecteurs ff si le crochet de Lie [f,r][f, r] de ff avec tout champ de vecteurs rAr \in \mathcal{A} appartient également à A\mathcal{A}, c’est-à-dire rA[f,r]Ar \in \mathcal{A} \Rightarrow [f, r] \in \mathcal{A}.

On peut exprimer cette condition de manière condensée en introduisant la distribution [f,A][f, \mathcal{A}], engendrée par tous les crochets [f,r][f, r] avec rAr \in \mathcal{A}. Ainsi, l’invariance s’écrit simplement [f,A]A[f, \mathcal{A}] \subset \mathcal{A}.

Lorsque la distribution A\mathcal{A} est régulière de dimension dd, on peut localement exprimer tout champ de vecteurs rAr \in \mathcal{A} comme une combinaison linéaire r=i=1dαi(x)Ti(x)r = \sum_{i=1}^d \alpha_i(x) T_i(x), où les TiT_i engendrent localement A\mathcal{A}. Il suffit alors que [f,Ti]A[f, T_i] \in \mathcal{A} pour tout i=1,,di = 1, \ldots, d pour garantir l’invariance. Cette condition est non seulement nécessaire (car les TiT_i appartiennent déjà à A\mathcal{A}), mais aussi suffisante : le développement du crochet [f,r][f, r], en utilisant la linéarité et la propriété du crochet de Lie, reste alors dans A\mathcal{A}.

Cela permet d’écrire que la somme A+[f,A]\mathcal{A} + [f, \mathcal{A}] est engendrée par les champs T1,,Td,[f,T1],,[f,Td]T_1, \ldots, T_d, [f, T_1], \ldots, [f, T_d], ce qui sera d’une utilité particulière dans les développements ultérieurs, notamment pour les procédures de prolongement de distributions invariantes.

Cette notion d’invariance s’inscrit dans une perspective plus large. En effet, dans le cas linéaire, un sous-espace VRnV \subset \mathbb{R}^n invariant sous une application linéaire AA (i.e. AVVAV \subset V) induit une distribution AV(x)=V\mathcal{A}_V(x) = V constante en tout point xx, et un champ vectoriel fA(x)=Axf_A(x) = Ax linéaire. On peut montrer alors que AV\mathcal{A}_V est invariante sous fAf_A. Pour cela, il suffit de considérer une base {v1,,vd}\{v_1, \ldots, v_d\} de VV, qui définit des champs Ti(x)=viT_i(x) = v_i, invariants par translation, et d’observer que [fA,Ti]=ATi[f_A, T_i] = AT_i, ce qui est encore un vecteur de VV, donc [fA,Ti]AV[f_A, T_i] \in \mathcal{A}_V.

L’intérêt profond de l’invariance d’une distribution se manifeste lorsqu’on considère des distributions involutives, c’est-à-dire complètement intégrables. Si une telle distribution A\mathcal{A} de dimension dd est également invariante sous ff, on peut alors, au voisinage de chaque point x0x^0, construire un changement de coordonnées z=ϕ(x)z = \phi(x), tel que ff prenne une forme triangulaire particulière.

Dans ce système de coordonnées adapté, les derniers ndn - d champs /zk\partial/\partial z_k, k=d+1,,nk = d+1, \ldots, n, engendrent l’orthogonal de A\mathcal{A}. Ainsi, tout champ rAr \in \mathcal{A} s’annule dans ses composantes zd+1,,znz_{d+1}, \ldots, z_n, et comme [f,r]A[f, r] \in \mathcal{A}, il en va de même pour le crochet, ce qui impose l’annulation des dérivées fk/zi\partial f_k / \partial z_i pour k>dk > d, idi \leq d. Autrement dit, la dépendance de fkf_k vis-à-vis des premières coordonnées z1,,zdz_1, \ldots, z_d est supprimée dans les équations correspondant aux zkz_k, k>dk > d.

Le système dynamique x˙=f(x)\dot{x} = f(x) s’écrit alors dans les nouvelles coordonnées :

{ξ˙=f1(ξ,ζ)ζ˙=f2(ζ)\begin{cases} \dot{\xi} = f_1(\xi, \zeta) \\ \dot{\zeta} = f_2(\zeta)
\end{cases}

où ( \xi = (z

Comment comprendre la dynamique des zéros dans les systèmes non linéaires ?

Dans les systèmes non linéaires, la dynamique des zéros joue un rôle crucial, souvent analogue à celui des "zéros" dans les systèmes linéaires. Lorsqu'on analyse un système non linéaire ayant un degré relatif r, il est essentiel de comprendre comment ce degré, qui représente la différence entre le nombre de pôles et de zéros dans une fonction de transfert, influence le comportement du système. Si ce degré est strictement inférieur à la dimension n du système, une dynamique particulière se manifeste. En effet, le système peut être décomposé en un sous-système linéaire, dont la dimension est r, et un sous-système non linéaire, de dimension n - r, dont le comportement n’affecte cependant pas la sortie du système.

Ce phénomène est au cœur des systèmes à entrée-sortie unique (SISO), où l’on cherche à simplifier l’analyse en reformulant ces systèmes sous une forme plus maniable, en utilisant des rétroactions linéarisantes. À cet égard, un retour d'état approprié peut être conçu pour rendre le système équivalent à un système linéaire dont la fonction de transfert est identique à 1, ce qui permet de traiter plus facilement son comportement.

La notion de "zéros" dans un système non linéaire se révèle particulièrement importante lorsque l’on considère les dynamiques qui ne sont pas directement observables dans les équations du système. Si un système a un degré relatif r inférieur à n, il est possible de reformuler le système sous une forme normale, ce qui permet de mieux comprendre son évolution en termes d’équilibre et de contrôlabilité. Dans cette forme, les variables qui ne modifient pas l'entrée ou la sortie peuvent être regroupées, ce qui simplifie l’analyse tout en préservant l’intégrité du système. L’importance de cette reformulation est cruciale pour déterminer l’influence des différentes composantes du vecteur d’état.

Il est important de souligner que, même dans les systèmes où r = n, les dynamiques internes du système peuvent toujours être soumises à des transformations mathématiques qui permettent de mieux comprendre leur comportement. En fait, il est toujours possible de choisir les valeurs de certaines coordonnées de l’état initial, ce qui conduit à une simplification du système tout en respectant les conditions d'équilibre. Ce choix stratégique des conditions initiales influence directement la manière dont l'état du système évoluera et, par conséquent, la réponse du système.

Un aspect particulier de l’étude des systèmes non linéaires est celui du problème de "zéro de la sortie". Ce problème consiste à trouver un état initial x° et une fonction d’entrée u(t), définie sur un voisinage de t = 0, de sorte que la sortie du système, y(t), soit identiquement nulle pour tout t dans ce voisinage. Il est crucial de ne pas se limiter à la solution triviale où x° = 0 et u(t) = 0, mais d'examiner également des solutions où l'état initial est non nul, mais l'entrée est ajustée de manière à rendre la sortie du système nulle. Cette analyse révèle que, lorsqu’on impose que la sortie soit nulle, les variables du système doivent évoluer selon des contraintes spécifiques, notamment la condition que certaines composantes de l’état doivent être nulles pendant toute l’évolution du système.

Les résultats obtenus à partir de cette analyse permettent de mieux comprendre les relations complexes entre l’état du système, ses entrées, et sa sortie. Le contrôle précis de l’entrée u(t), en fonction de l’état initial, devient une clé essentielle pour manipuler la sortie du système de manière désirée.

De plus, comprendre les dynamiques des zéros dans les systèmes non linéaires permet de concevoir des stratégies de commande plus efficaces, en réduisant l'impact des comportements non linéaires sur l’entrée-sortie, tout en conservant les caractéristiques essentielles du système. Cette maîtrise des dynamiques internes et externes d'un système est fondamentale pour le développement de systèmes de contrôle avancés et pour l'optimisation de la performance dans divers domaines d'application.