Chapitre 2 Modélisation des systèmes

linéaires
2.1. Introduction

Ce chapitre aborde la modélisation des systèmes asservis linéaires. Par modélisation,

nous entendons un formalisme mathématique permettant de décrire le comportement du
système, de l’analyser et de le concevoir. Plusieurs outils mathématiques existent pour la
modélisation des systèmes asservis, dans ce cours nous exploiterons la transformation de
Laplace, qui est un outil mathématique de résolution des équations différentielles, pour
modéliser les systèmes asservis. Nous aborderons par la suite la notion de fonction de
transfert qui est une modélisation mathématique permettant de lier la sortie { l’entrée
d’un système, c’est-à-dire une représentation décrivant la dynamique du système.

2.2. Modélisation mathématique

Les modèles mathématiques sont des concepts fondamentaux dans l’analyse et la

conception des systèmes automatiques. Comme nous l’avons vu au chapitre précédent, le
comportement dynamique d’un système physique est généralement décrit { l’aide des
équations différentielles ordinaires. Cependant la plupart des systèmes physiques sont des
systèmes non linéaires, il est donc nécessaire de les rendre linéaires { l’aide des
approximations de manière à obtenir des équations différentielles linéaires qui sont
facilement manipulables { l’aide des outils mathématiques comme la transformée de
Laplace.

Les équations différentielles décrivant le comportement dynamique d’un système physique

sont obtenues en appliquant les lois physiques régissant les processus. Cette approche
s’applique de la même manière aussi bien aux systèmes mécaniques, électriques,
thermodynamiques qu’{ d’autres types de systèmes.

Les principales lois physiques sont par exemple la loi de Newton pour les systèmes
mécaniques, la loi d’Ohm et les lois de Kirchhoff pour les systèmes électriques, etc. Le
tableau ci-dessus résume équations différentielles décrivant le comportement dynamique
de certains éléments physiques idéaux.

Les variables impliquées dans le système électrique sont le courant 𝑖 et la tension 𝑣. Pour les
systèmes mécaniques, il s’agit de la vitesse linéaire 𝑣, la force 𝐹, la vitesse angulaire 𝜔, et le
couple𝑇. Pour les systèmes fluides, il s’agit de la pression 𝑃, du taux volumétrique du flux 𝑄.
Pour les systèmes thermiques, on a le flux de chaleur q et de la différence de température.

Kuti Lusala Page 1

 Type Elément Equation Energie ou Symbole
d’élément physique Puissance

Inductance 𝑑𝑖 1 2
𝑣=𝐿 𝐸= 𝐿𝑖
électrique 𝑑𝑡 2

Ressort 1 𝑑𝐹 1 𝐹2
𝑣= 𝐸=
linéaire 𝑘 𝑑𝑡 2 𝑘
Inductif
Ressort 1 𝑑𝑇 1 𝑇2
𝜔= 𝐸=
rotatif 𝑘 𝑑𝑡 2 𝑘

Fluide 𝑑𝑄 1 2
𝑃21 = 𝐼 𝐸= 𝐼𝑄
inerte 𝑑𝑡 2

Capacitance 𝑑𝑣 1 2
𝑖=𝐶 𝐸= 𝐶𝑣
électrique 𝑑𝑡 2

Masse 𝑑𝑣 1
𝐹=𝑀 𝐸= 𝑀𝑣 2
linéaire 𝑑𝑡 2
Capacitif
Masse 𝑑𝜔 1 2
𝑇=𝐽 𝐸= 𝐽𝜔
rotative 𝑑𝑡 2

Capacitance 𝑑𝑃 1
𝑄 = 𝐶𝑓 𝐸= 𝐶 𝑃2
de fluide 𝑑𝑡 2 𝑓

Résistance 𝑣 1 2
𝑖= 𝒫= 𝑣
électrique 𝑅 𝑅

Amortisseur 𝐹 = 𝑏𝑣 𝒫 = 𝑏𝑣 2
linéaire
Dissipateurs
d’énergie Amortisseur 𝑇 = 𝑏𝜔 𝒫 = 𝑏𝜔2
rotatif

Résistance 1 1
𝑄= 𝑃 𝒫= 𝐶 𝑃2
de fluide 𝑅𝑓 2 𝑓

Kuti Lusala Page 2

2.3. Exemples de modélisation mathématique

Nous donnons ci-dessous quelques exemples de modélisation mathématique de quelques

systèmes.

2.3.1. Système mécanique

Soit le système mécanique ci-dessous constitué d’une masse M suspendue { l’aide d’un
ressort de coefficient de rappel ou raideur k. Le mouvement de la masse M est canalisé par
un mur dont le coefficient de frottement est noté b. On applique la force d’excitation r(t) au
centre de gravité de la masse M.

Le modèle mathématique du système ainsi constitué est établi en appliquant la deuxième loi
de Newton. Ainsi on obtient :

𝐹𝑖 = 𝑀𝑎

𝑑𝑦 𝑑2 𝑦
𝑟 𝑡 −𝑏 − 𝑘𝑦 = 𝑀 2
𝑑𝑡 𝑑𝑡
Ce qui se ramène { l’équation différentielle ci-dessous.

𝑑2 𝑦 𝑑𝑦
𝑀 2
+𝑏 + 𝑘𝑦 = 𝑟 𝑡 # 2.1
𝑑𝑡 𝑑𝑡
La résolution de cette équation permet de trouver l’évolution de la position y(t) de la masse

Kuti Lusala Page 3

M en fonction de la force d’excitation r(t), tenant compte bien sûr des conditions initiales. Si
nous identifions la force d’excitation r(t) comme l’entrée du système et la position y(t) de la
masse M comme la sortie du système, alors l’équation (2.1) est donc le modèle
mathématique de ce système. Les coefficients M, b et K étant strictement positifs et
supérieurs à zéro, la solution de cette équation différentielle a deux parties, une partie dite
homogène 𝑦𝑕 (𝑡) et une partie dite particulière 𝑦𝑝 (𝑡).

𝑏 𝑘
La solution homogène obtenue { partir de l’équation caractéristique 𝑝2 + 𝑀 𝑝 + 𝑀 = 0
𝑏 2 𝑘
dépend du signe du déterminant ∆= −4𝑀
𝑀

𝑏
Pour ∆ > 0, 𝑦𝑕 𝑡 = 𝑒 −𝜆𝑡 𝐴𝑒 𝛼𝑡 + 𝐵𝑒 −𝛼𝑡 avec 𝜆 = 2 𝑀 et 𝛼 = ∆. Cette solution est dite
régime périodique.

𝑏
Pour ∆ = 0, 𝑦𝑕 𝑡 = 𝑒 −𝜆𝑡 𝐴𝑡 + 𝐵 avec 𝜆 = 2 𝑀 . Cette solution est dite régime critique.

𝑏
Pour ∆ < 0, 𝑦𝑕 𝑡 = 𝑒 −𝜆𝑡 𝐴 cos 𝜔𝑡 + 𝐵 sin 𝜔𝑡 avec 𝜆 = 2 𝑀 et 𝜔 = −∆. Cette solution est
dite régime pseudopériodique ou régime avec amortissement.

Dans le cas de ∆ < 0, l’allure de la solution homogène est donnée ci-dessous.

La solution particulière est obtenue en fonction de l’entrée r(t) (voir cours de

mathématique).

Kuti Lusala Page 4

2.3.2. Système électrique

Soit le système électrique ci-dessous, constitué d’une résistance R et d’une capacitance C, le

tout alimenté par une tension continue E.

La loi de Kirchhoff donne:

𝐸 = 𝑣𝑅 + 𝑣𝐶 # 2.2

Avec :

𝑣𝑅 = 𝑅𝑖

1
𝑣𝐶 = 𝑖 𝑑𝑡
𝐶
𝑑𝑣𝐶
Dès lors 𝑖 = 𝐶 𝑑𝑡

𝑑𝑣𝐶
Ainsi 𝑣𝑅 = 𝑅𝑖 = 𝑅𝐶 𝑑𝑡

L’équation (2.2) devient alors :

𝑑𝑣𝐶
𝑅𝐶 + 𝑣𝐶 = 𝐸 # 2.3
𝑑𝑡

L’équation (2.3) est le modèle mathématique du système électrique représenté ci-dessus.Il

s’agit l{ d’une equation différentielle de premier ordre. L’entrée est représentée par la
tension continue E, alors que la tension aux bornes de la capacitance 𝑣𝐶 𝑡 est la sortie du
système. La solution de cette equation diférentielle est de la forme:

Kuti Lusala Page 5

 𝑡
𝑣𝐶 𝑡 = 𝐸(1 − 𝑒 −𝑅𝐶 )

Son allure est donnée par la figure ci-dessous.

2.3.3. Système électromécanique

Considérons le cas d’un moteur { courant continu { excitation indépendante comme le

montre la figure ci-dessous. Ce moteur entraine une charge tournante de moment d’inertie J.

La modélisation mathématique d’un tel système consiste { faire le lien entre les équations
décrivant la partie électrique, les équations décrivant la partie électromécanique et les
équations décrivant la partie mécanique. Rappelons que le principe de fonctionnement
d’une machine { courant continu { excitation séparée est largement décrit dans le cours des
machines électriques. Le stator est alimenté par une tension continue qui crée un champ
magnétique d’induction constant. Le rotor, également alimenté par une tension continue, est
parcouru par un courant dont l’interaction avec le champ magnétique créé par l’inducteur,
en vertu du principe de Laplace, crée un couple moteur 𝑇𝑚 𝑡 sur les enroulements du rotor.
Ce couple entraine la rotation du rotor, il est proportionnel au flux magnétique et au courant

Kuti Lusala Page 6

{ travers l’induit. Les enroulements du rotor étant en rotation dans un champ magnétique
de l’inducteur, sont le siège d’une force contre électromotrice induite 𝑒𝑚 𝑡 (Loi de Lenz),
laquelle est proportionnelle { la vitesse de rotation et au flux magnétique de l’inducteur.

Equation électrique de l’Induit (rotor)

𝑑𝑖𝑎 𝑡
𝑒𝑎 𝑡 = 𝑒𝑚 𝑡 + 𝑅𝑎 𝑖𝑎 𝑡 + 𝐿𝑎 # 2.4
𝑑𝑡

Equations électromécaniques

𝑇𝑚 𝑡 = 𝑘0 𝜙𝑓 𝑖𝑎 𝑡 = 𝑘𝑚 𝑖𝑎 𝑡 # 2.5

𝑒𝑚 𝑡 = 𝑘1 𝜙𝑓 𝜔 𝑡 = 𝑘𝑒 𝜔 𝑡 # 2.6

Equation mécanique

𝑑𝜔 𝑡
𝑇𝑚 𝑡 = 𝐽 + 𝑏𝜔 𝑡 # 2.7
𝑑𝑡

Où b est le coefficient de frottement visqueux (amortissement). Si on considère 𝜃(𝑡) la

position angulaire de la charge, on a que :

𝑑2 𝜃 𝑡 𝑑𝜃 𝑡
𝑇𝑚 𝑡 =𝐽 + 𝑏 # 2.8
𝑑𝑡 2 𝑑𝑡

En combinant toutes ces équations, on arrive { l’expression :

𝑑𝜃 𝑡 𝑇𝑚 𝑡 𝐿𝑎 𝑑𝑇𝑚 𝑡
𝑒𝑎 𝑡 = 𝑘𝑒 + 𝑅𝑎 +
𝑑𝑡 𝑘𝑚 𝑘𝑚 𝑑𝑡

𝑑2𝜃 𝑡 𝑑𝜃 𝑡
𝑑𝜃 𝑡 𝑅𝑎 𝑑2 𝜃 𝑡 𝑑𝜃 𝑡 𝐿𝑎 𝑑 𝐽 𝑑𝑡 2
+𝑏 𝑑𝑡
𝑒𝑎 𝑡 = 𝑘𝑒 + 𝐽 + 𝑏 +
𝑑𝑡 𝑘𝑚 𝑑𝑡 2 𝑑𝑡 𝑘𝑚 𝑑𝑡

𝐿𝑎 𝑑3 𝜃 𝑡 𝑑2 𝜃 𝑡 𝑅𝑎 𝑑2 𝜃 𝑡 𝑑𝜃 𝑡 𝑑𝜃 𝑡
𝑒𝑎 𝑡 = 𝐽 + 𝑏 + 𝐽 +𝑏 + 𝑘𝑒
𝑘𝑚 𝑑𝑡 3 𝑑𝑡 2 𝑘𝑚 𝑑𝑡 2 𝑑𝑡 𝑑𝑡

𝐿𝑎 𝑑 3 𝜃 𝑡 𝐿𝑎 𝑅𝑎 𝑑 2 𝜃 𝑡 𝑅𝑎 𝑑𝜃 𝑡
𝐽 + 𝑏 + 𝐽 + 𝑏 + 𝑘 𝑒 = 𝑒𝑎 𝑡 # 2.10
𝑘𝑚 𝑑𝑡 3 𝑘𝑚 𝑘𝑚 𝑑𝑡 2 𝑘𝑚 𝑑𝑡

L’équation (2.10) est donc le modèle mathématique du système électromécanique d’un

moteur à courant continu, dans lequel la position angulaire 𝜃(𝑡) est la sortie du système et
l’excitation électrique 𝑒𝑎 𝑡 est l’entrée du système.

Kuti Lusala Page 7

2.4. Analogie des systèmes

Deux systèmes (ou plusieurs) de type différent (mécanique, électrique, thermique, fluide,
etc.) sont dits analogues lorsqu’ils sont décrits par un même type d’équation différentielle
ou mieux lorsqu’ils sont décrits par un même modèle mathématique. Ainsi connaissant un
système de type donné on peut obtenir son équivalent dans un autre type de système.
Lorsque deux systèmes sont analogues ou équivalents, on a une correspondance directe
entre les variables impliquées dans le modèle mathématique. Ces variables sont également
dites analogues.

Pour illustrer cette notion d’analogie, considérons les systèmes électrique et mécanique ci-
dessous.

Pour le système électrique, le modèle mathématique est obtenu { l’aide des lois de Kirchhoff,
on obtient donc :

𝑣𝐿 + 𝑣𝑅 + 𝑣𝐶 = 𝑣 𝑡 # 2.11

𝑑𝑣𝐶 𝑡
𝑖 = 𝑖𝐿 = 𝑖𝑅 = 𝑖𝐶 = 𝐶 # 2.12
𝑑𝑡
𝑡
𝑑𝑖 𝑡 1
𝐿 + 𝑅𝑖 + 𝑖𝑑𝑡 = 𝑣 𝑡 # 2.13
𝑑𝑡 𝐶 0

L’équation différentielle décrivant le système mécanique a déjà été établi précédemment

(voir équation 2.1).

𝑑2 𝑦 𝑑𝑦
𝑀 + 𝑏 + 𝑘𝑦 = 𝑟 𝑡 # 2.14
𝑑𝑡 2 𝑑𝑡
𝑑𝑦
Elle peut s’écrire sous une forme faisant intervenir la vitesse de 𝑣 = de la masse M. Elle
𝑑𝑡

Kuti Lusala Page 8

devient alors :
𝑡
𝑑𝑣
𝑀 + 𝑏𝑣 + 𝑘 𝑣𝑑𝑡 = 𝑟 𝑡 # 2.15
𝑑𝑡 0

Par identification des paramètres et variables impliqués dans les équations différentielles
(2.14) et (2.15) on obtient la correspondance suivante :

La masse M correspond { l’inductance L et vice versa

L’amortisseur de coefficient de frottement visqueux b correspond à la résistance R, et vice

versa

Le ressort de coefficient de raideur k correspond à la capacitance C dont la valeur est

l’inverse de k, et vice versa.

La vitesse 𝒗(𝒕)de la masse M correspond au correspond au courant 𝒊(𝒕) circulant dans la

maille.

La force appliquée𝒓 𝒕 correspond à la tension 𝒗 𝒕 appliquée aux bornes du circuit.

L’analogie décrite ci-dessus est une analogie série dans laquelle un système mécanique est
transformé en un système électrique où les composants sont en série. Elle est illustrée par la
figure ci-dessous.

On peut également réalisé pour le même système mécanique une analogie parallèle où les
composants électriques sont en parallèle. En effet considérons le circuit électrique ci-
dessous:

Kuti Lusala Page 9

La loi de Kirchhoff de nœud donne :

𝑖 𝑡 = 𝑖𝐿 𝑡 + 𝑖𝑅 𝑡 + 𝑖𝐶 𝑡
𝑡
1
𝑖𝐿 𝑡 = 𝑣 𝑡 𝑑𝑡
𝐿 0

𝑣 𝑡
𝑖𝑅 𝑡 =
𝑅
𝑑𝑣(𝑡)
𝑖𝐶 𝑡 = 𝐶
𝑑𝑡

Dès lors
𝑡
1 𝑣 𝑡 𝑑𝑣 𝑡
𝑖 𝑡 = 𝑣 𝑡 𝑑𝑡 + +𝐶 # 2.16
𝐿 0 𝑅 𝑑𝑡

Par identification avec l’équation (2.15) il s’ensuit donc la correspondance suivante :

La masse M correspond à la capacitance C et vice versa

L’amortisseur de coefficient de frottement visqueux b correspond à la résistance R dont la

valeur est l’inverse de b, et vice versa.

Le ressort de coefficient de raideur k correspond { l’impédance L dont la valeur est l’inverse

de k, et vice versa.

La vitesse 𝒗(𝒕)de la masse M correspond au correspond à la tension 𝒗(𝒕) aux bornes des
composants électriques.

La force appliquée 𝒓 𝒕 correspond au courant 𝒊 𝒕 injecté dans le circuit.

Ainsi le système mécanique est transformé en un système électrique ci-dessous

Kuti Lusala Page 10

Le but de l’analogie est de permettre au concepteur d’étendre la solution d’un système {
tous les autres systèmes qui lui sont analogues. Autrement dit, les leçons tirées d’un système
électrique peuvent être étendues aux systèmes mécaniques, thermiques, fluides, qui lui sont
analogues.

Exemple

Trouver l’analogie électrique du système mécanique représentée sur la figure ci-dessous.

Analogie série

On peut soit établir les équations mécaniques et par la suite dériver le circuit électrique
analogue. Avec l’expérience, on peut directement établir le circuit électrique sans écrire les
équations mécaniques.

Commençons par établir les équations mécaniques

Si on note 𝑣1 , 𝑣2 et 𝑣3 les vitesses respectives des masses M1, M2 et M3, on a alors :

Masse M1
𝑡 𝑡
𝑑𝑣1
𝑀1 + 𝑏3 𝑣1 + 𝑘1 𝑣1 𝑑𝑡 + 𝑏1 𝑣1 − 𝑣2 + 𝑘2 𝑣1 − 𝑣2 𝑑𝑡 = 0
𝑑𝑡 0 0

Masse M2
𝑡 𝑡
𝑑𝑣2
𝑀2 + 𝑏4 𝑣2 + 𝑏1 𝑣2 − 𝑣1 + 𝑘2 𝑣2 − 𝑣1 𝑑𝑡 + 𝑏2 𝑣2 − 𝑣3 + 𝑘3 𝑣2 − 𝑣3 𝑑𝑡 = 0
𝑑𝑡 0 0

Masse M3
𝑡 𝑡
𝑑𝑣3
𝑀3 + 𝑏5 𝑣3 + 𝑘4 𝑣3 𝑑𝑡 + 𝑏2 𝑣3 − 𝑣2 + 𝑘3 𝑣3 − 𝑣2 𝑑𝑡 = 0
𝑑𝑡 0 0

Kuti Lusala Page 11

On a donc trois mailles. Les différences des vitesses sont donc communes à deux mailles. Il
s’ensuit le circuit électrique ci-dessous.

La tâche de produire le circuit électrique résultant de l’analogie parallèle est laissée au

lecteur.

2.5. Modélisation des systèmes non linéaires

Jusque-là, nous avons considéré les systèmes dont le comportement est décrit par des
équations différentielles linéaires. L’hypothèse de la linéarité de ces systèmes était implicite
dans le développement des modèles mathématiques. Dans cette section, nous allons
préciser les notions de linéarité et non linéarité. Par la suite nous verrons comment
linéariser un système non linéaire en vue de l’établissement de son modèle mathématique {
l’aide des équations différentielles.

Un système est linéaire lorsqu’il obéit aux deux propriétés ou principes ci-dessous :

 Superposition

 Homogénéité

La superposition signifie que la réponse d’un système (la sortie) { une somme des entrées
est la somme des réponses des entrées prises individuellement. Autrement dit, si un entrée
𝑥1 𝑡 produit une sortie 𝑦1 𝑡 , et qu’une sortie 𝑥2 𝑡 produit une sortie 𝑦2 𝑡 , alors une
entrée 𝑥1 𝑡 + 𝑥2 𝑡 produit une sortie 𝑦1 𝑡 + 𝑦2 𝑡 .

La propriété d’homogénéité stipule que la multiplication d’une entrée par un scalaire

produit une sortie multipliée par ce scalaire, autrement dit si une entrée 𝑥 𝑡 produit une
sortie 𝑦 𝑡 , alors une entrée 𝛽𝑥 𝑡 où 𝛽 est un scalaire doit produire une sortie 𝛽𝑦 𝑡 .

A titre d’illustration si la relation entrée -sortie d’un système est décrite par la
fonction𝑓 𝑥 = 2𝑥. Un tel système est donc linéaire car il satisfait aux deux principes
décrits ci-dessus.

Un système non linéaire ne satisfait pas { ces deux principes. A titre d’exemple un système

Kuti Lusala Page 12

décrit par la fonction 𝑓 𝑥 = 𝑥 2 ne satisfait pas aux principes de superposition et
d’homogénéité.

Plusieurs systèmes physiques sont non-linéaires, ce caractère non linéaire résulte par la
présence dans ces systèmes des composants non linéaires. Ces composants peuvent
cependant présenter des comportements linéaires dans une certaine plage de leur
caractéristique de sortie et des non linéarités dans la suite, c’est le cas par exemple des
amplificateurs électroniques, pour les étudier ou les modéliser { l’aide des équations
différentielles linéaires, des moteurs électriques, etc. il est donc nécessaire de les
approximer comme des systèmes linéaires, on parle alors de la linéarisation.

La première étape dans la linéarisation d’un système non linéaire consiste à identifier la
présence du composant non linéaire et d’écrire l’équation différentielle non linéaire le
décrivant. La linéarisation de l’équation différentielle non linéaire est faite autour du point
d’équilibre ou point de fonctionnement en considérant le modèle petit signal.

Pour illustration, considérons le système non linéaire suivant : 𝑦 = 𝑚𝑥 + 𝑏. Ce système est

non linéaire puisqu’il ne remplit pas les deux conditions de linéarité. Pour le linéariser,
supposons un point de fonctionnement (𝑥0 , 𝑦0 ). Considérons une excursion ∆𝑥 et∆𝑦 autour
du point d’équilibre, c’est-à-dire que quand 𝑥 = 𝑥0 + ∆𝑥, on a 𝑦 = 𝑦0 + ∆𝑦, dès lors :

𝑦0 + ∆𝑦 = 𝑚 𝑥0 + ∆𝑥 + 𝑏

𝑦0 + ∆𝑦 = 𝑚𝑥0 + 𝑏 + 𝑚∆𝑥

𝑦0 = 𝑚𝑥0 + 𝑏

∆𝑦 = 𝑚∆𝑥 # 2.17

L’expression (2.17) est donc linéaire. Ce qui, en fait, correspond tout simplement à un
changement d’axes, de (𝑦, 𝑥) vers (∆𝑦, ∆𝑥).

Pour généraliser la notion de linéarisation d’un système non linéaire, considérons un

système dont l’entrée (excitation) est notée 𝑥(𝑡), et la sortie (réponse) 𝑦(𝑡). Supposons que
la relation entre les deux variables soit exprimée sous la forme ci-dessous :

𝑦 𝑡 =𝑔 𝑥 𝑡 # 2.18

Avec 𝑔 𝑥 𝑡 une fonction continue dans la zone d’intérêt.

Soit 𝑥0 le point de fonctionnement du système. Puisque que la fonction 𝑔 𝑥 𝑡 est supposée

continue au point de fonctionnement, elle peut donc être développée en séries de Taylor
autour du point de fonctionnement. Ainsi la fonction 𝑔 𝑥 𝑡 peut s’écrire comme :

Kuti Lusala Page 13

 2
𝑥 − 𝑥0 𝑑𝑔 𝑥 𝑥 − 𝑥0 𝑑2 𝑔 𝑥
𝑦 = 𝑔 𝑥 = 𝑔 𝑥0 + + + ⋯ # 2.19
1! 𝑑𝑥 𝑥=𝑥 0
2! 𝑑𝑥 2 𝑥=𝑥 0

𝑑𝑔 (𝑥)
La pente de g(x) au point de fonctionnement 𝑚 = est une bonne approximation de la
𝑑𝑥 𝑥0
courbe pour une petite déviation autour du point de fonctionnement. Ainsi l’équation
(2.19), tenant compte de cette approximation, se ramène à :

𝑥 − 𝑥0 𝑑𝑔 𝑥
𝑦 = 𝑔 𝑥 = 𝑔 𝑥0 + # 2.20
1! 𝑑𝑥 𝑥=𝑥 0

Ce qui se ramène à :

𝑑𝑔 𝑥
𝑦 = 𝑦0 + 𝑥 − 𝑥0 = 𝑦0 + 𝑥 − 𝑥0 𝑚
𝑑𝑥 𝑥0

Dès lors

𝑦 = 𝑦0 + 𝑚 𝑥 − 𝑥0

𝑦 − 𝑦0 = 𝑚 𝑥 − 𝑥0

∆𝑦 = 𝑚∆𝑥# 2.21

Pour illustration, considérons les cas d’une masse posée sur un ressort comme le montre la
figure ci-dessous :

Le point d’équilibre est obtenu lorsque la force développée par le ressort devient égale au
poids de la masse M. Soit 𝑓 la force du ressort, { l’équilibre (point de fonctionnement), on a :
𝑓0 = 𝑀𝑔 où g est l’accélération de la gravité. D’autre part, l’expression de la force en fonction
de la position 𝑦 de la masse M est donnée par la relation :

𝑓 = 𝑦2

On peut donc calculer le point d’équilibre correspondant 𝑦0

𝑦0 2 = 𝑓0 = 𝑀𝑔

Kuti Lusala Page 14

 𝑦0 = 𝑀𝑔

La linéarisation autour de ce point d’équilibre donne :

∆𝑦 = 𝑚∆𝑥

𝑑𝑓
Avec 𝑚 = 𝑑𝑦 = 2𝑦 𝑦0 = 2𝑦0 = 2 𝑀𝑔
𝑦0

D’où

∆𝑦 = 2 𝑀𝑔∆𝑥

La figure ci-dessous illustre le processus de linéarisation du système masse posée sur un

ressort.

Pour un système dont la sortie 𝑦 dépend de plusieurs entrées 𝑥1 , 𝑥2 , 𝑥3 , … 𝑥𝑛 , la fonction

décrivant la relation entre la sortie et les entrées peut s’écrire comme :

𝑦 = 𝑔 𝑥1 , 𝑥2 , 𝑥3 , … 𝑥𝑛 # 2.22

Le développement en séries de Taylor autour du point d’équilibre 𝑥10 , 𝑥20 , 𝑥30 , … 𝑥𝑛 0 , en

négligeant les termes d’ordre supérieur s’écrit alors :

𝜕𝑔 𝜕𝑔 𝜕𝑔
𝑦 = 𝑔 𝑥10 , 𝑥20 , 𝑥30 , … 𝑥𝑛 0 + 𝑥 − 𝑥10 + 𝑥 − 𝑥20 +. . + 𝑥 − 𝑥𝑛 0
𝜕𝑥1 𝑥 =𝑥 0
𝜕𝑥2 𝑥=𝑥 0
𝜕𝑥𝑛 𝑥 =𝑥 0

Avec 𝑥0 = 𝑥10 , 𝑥20 , 𝑥30 , … 𝑥𝑛 0 le point d’équilibre.

Kuti Lusala Page 15

2.6. Transformée de Laplace

Soit f(t) une fonction du temps, sa transformée de Laplace est définie par l’expression
∞
𝐿𝑓 𝑡 =𝐹 𝑠 = 𝑓 𝑡 𝑒 −𝑠𝑡 𝑑𝑡 # 2.23
0

Où 𝑠 = 𝜎 + 𝑗𝜔 est une variable complexe, avec 𝜎 la partie réelle et 𝜔 la partie imaginaire.

La borne inférieure 0_ permet de prendre en considération des fonctions qui auraient une
discontinuité au point 0 et certaines distributions comme 𝛿(𝑡).

La définition de la transformée de Laplace n’est valable que si l’intégrale ainsi définie

converge.

On définit le plan de s, la représentation de la variable s dans un graphique cartésien où

l’axe des réels est indiqué par 𝜎 et l’axe des imaginaires par 𝑗𝜔. Le plan s est aussi appelé
plan de Laplace ou plan fréquentiel.

2.7. Propriétés de la transformée de Laplace

La transformée de Laplace dispose des propriétés intéressantes qui facilitent son utilisation dans les
systèmes linéaires. On peut aisément démontrer toutes ces propriétés à partir de la définition même
de la transformée de Laplace.

2.3.1 Théorème de Linéarité

Soient deux fonctions du temps t, f(t) et g(t), qui ont respectivement comme transformées de
Laplace, F(s) et G(s), alors

𝐿 𝛼𝑓 𝑡 + 𝛽𝑔(𝑡) = 𝛼𝐿 𝑓 𝑡 + 𝛽𝐿 𝑔 𝑡 = 𝛼𝐹 𝑠 + 𝛽𝐺 𝑠

2.3.2 Théorème de Proportionnalité ou changement d’échelle

𝑡 1 𝑠
𝐿 𝑓 = 𝐹( )
𝑎 𝑎 𝑎

2.3.3 Théorème de Translation dans le temps

𝐿 𝑒 −𝑎𝑡 𝑓 𝑡 = 𝐹(𝑠 + 𝑎)

2.3.4 Théorème de Retard temporel

𝐿 𝑓(𝑡 − 𝜏) = 𝑒 −𝑠𝜏 𝐹(𝑠)

Kuti Lusala Page 16

2.3.5 Théorème de la Dérivée

𝑑𝑓
𝐿 = 𝑠𝐹 𝑠 − 𝑓(0− )
𝑑𝑡

2.3.6 Théorème de la Dérivée seconde

𝑑2 𝑓
𝐿 2
= 𝑠 2 𝐹 𝑠 − 𝑠𝑓 0− − 𝑓 ′ 0−
𝑑𝑡

2.3.7 Théorème de la Dérivée d’ordre n

𝑛
𝑑𝑛 𝑓 𝑑 𝑘−1 𝑓 −
𝐿 = 𝑠𝑛 𝐹 𝑠 − 𝑠 𝑛 −𝑘 (0 )
𝑑𝑡 𝑛 𝑑𝑡𝑘−1
𝑘=1

2.3.8 Théorème de l’Intégrale

𝑡
1
𝐿 𝑓 𝜏 𝑑𝜏 = 𝐹(𝑠)
0− 𝑠

2.3.9 Théorème de la Valeur initiale

Soit une fonction du temps f(t), la valeur de cette fonction { l’instant t = 0+est connue dès lors que
l’on connait sa transformée de la Place F(s).

f 0+ = lim f t = lim sF s
t→0 s→∞

Pour que ce théorème soit valide, il faut que la fonction f t soit continue ou ait une discontinuité au
point t=0. Ce théorème permet de connaitre la valeur initiale au début du régime transitoire.

2.3.9 Théorème de la Valeur finale

Soit une fonction du temps f(t), la valeur de cette fonction { l’instant t = ∞est connue dès lors que
l’on connait sa transformée de la Place F(s).

f ∞ = lim f t = lim sF s
t→∞ s→0
Pour que ce théorème produise un résultat fini, il faut que la fonction F s ait des racines ayant la
partie réelle négative, et pas plus d’une racine { l’origine. Ce théorème permet de connaitre la valeur
finale en régime permanent.

Kuti Lusala Page 17

2.8. Transformée de Laplace de quelques fonctions

𝒇(𝒕) 𝑭(𝒔)

𝛿 𝑡 1

1
𝑢(𝑡)
𝑠
1
𝑒 −𝑎𝑡
𝑠+𝑎
𝑛!
𝑡𝑛
𝑠 𝑛 +1
1
𝑡𝑒 −𝑎𝑡 2
𝑠+𝑎

𝑛!
𝑡 𝑛 𝑒 −𝑎𝑡 𝑛+1
𝑠+𝑎
𝜔
sin 𝜔𝑡
𝑠2 + 𝜔2
𝑠
cos 𝜔𝑡
𝑠2 + 𝜔2

𝑑𝑘 𝑓 𝑡
𝑠 𝑘 𝐹 𝑠 − 𝑠 𝑘−1 𝑓 0− − 𝑠 𝑘−2 𝑓 ′ 0− − ⋯ − 𝑓 𝑘−1 0−
𝑑𝑡𝑘
𝑡 0
𝐹 𝑠 1
𝑓 𝑡 𝑑𝑡 + 𝑓 𝑡 𝑑𝑡
−∞ 𝑠 𝑠 −∞

𝜔
𝑒 −𝑎𝑡 sin 𝜔𝑡
𝑠 + 𝑎 2 + 𝜔2
𝑠+𝑎
𝑒 −𝑎𝑡 cos 𝜔𝑡
𝑠 + 𝑎 2 + 𝜔2
𝜔𝑛
𝑒 −𝜁𝜔 𝑛 𝑡 sin 𝜔𝑛 1 − 𝜁 2 𝑡
1− 𝜁2 𝜔𝑛 2
𝑠 2 + 2𝜁𝜔𝑛 + 𝜔𝑛 2
Avec 𝜁 < 1

La variable de Laplace « s » peut être considéré comme étant l’opérateur dérivée ou différentiel. On a
donc
d
s≡
dt

Kuti Lusala Page 18

Par conséquent l’inverse de la variable de Laplace est considéré comme l’opérateur intégral
t
1
≡ dt
s 0−

2.9. Transformation inverse de Laplace

La transformation inverse de Laplace consiste à calculer la fonction 𝑓 𝑡 connaissant sa

transformation de Laplace 𝐹 𝑠 . Notée ℒ −1 𝐹(𝑠) = 𝑓(𝑡), se calcule partant de la formule :

𝜎+𝑗 ∞
1
ℒ −1 𝐹 𝑠 =𝑓 𝑡 = 𝐹 𝑠 𝑒 𝑠𝑡 𝑑𝑠 # 2.24
2𝜋𝑗 𝜎−𝑗 ∞
𝑓 𝑡 est une fonction causale, c’est-à-dire une fonction qui est nulle pour 𝑡 < 0.
Rigoureusement, la transformation inverse de Laplace est multipliée par la fonction
échelon unité pour obtenir une fonction causale.

L’équation 2.24 est rarement utilisée pour le calcul de la transformation inverse de Laplace,
on préfère plutôt les différentes méthodes décrites ci-dessous :

Première Méthode

Utilisation de la table des transformées de Laplace

Deuxième Méthode : Développement en fractions simples

𝑁(𝑠)
Lorsque la transformée de Laplace se présente sous la forme 𝐹 𝑠 = 𝐷(𝑠), avec le degré de
𝑁(𝑠) inférieur à celui de 𝐷(𝑠), elle peut donc être développée en fractions simples. Si le
degré de 𝑁(𝑠) est plus grand que celui de 𝐷(𝑠), alors 𝑁(𝑠) doit être divisé par 𝐷(𝑠) jusqu’{
obtenir un reste dont le degré du numérateur est inférieur à celui du dénominateur.

Le dénominateur 𝐷(𝑠) est appelé polynôme caractéristique, l’équation 𝐷 𝑠 = 0 , qui

permet de calculer les racines de 𝐷(𝑠), est appelée équation caractéristique.Les racines de
l’équation caractéristique sont appelées « pôles » alors que les racines de l’équation
𝑁 𝑠 = 0, sont appelés « zéros ». En fonction de la nature des racines de l’équation
caractéristique, on distingue trois cas de développement en fractions simples.

Cas 1 : Les racines de l’équation caractéristique sont simples

Dans ce cas, 𝐹 𝑠 s’écrit sous la forme :

𝑁(𝑠) 𝑁(𝑠) 𝐾1 𝐾2 𝐾𝑛
𝐹 𝑠 = = = + +⋯+
𝐷(𝑠) 𝑠 + 𝑝1 𝑠 + 𝑝2 … . . (𝑠 + 𝑝𝑛 ) 𝑠 + 𝑝1 𝑠 + 𝑝2 𝑠 + 𝑝𝑛

Les coefficients 𝐾𝑖 , appelés résidus, sont calculés suivant la formule :

Kuti Lusala Page 19

 𝐾𝑖 = 𝑠 + 𝑝𝑖 𝐹 𝑠 𝑠=−𝑝 𝑖

Exemple : Trouver la transformée inverse de Laplace de la fonction ci-dessous

𝑠+1
𝐹 𝑠 =
𝑠2 + 11𝑠 + 30

𝑠+1 𝑠+1 𝐾1 𝐾2
𝐹 𝑠 = = = +
𝑠2 + 11𝑠 + 30 (𝑠 + 5)(𝑠 + 6) (𝑠 + 5) (𝑠 + 6)

𝑠+1 𝑠+1
𝐾1 = 𝑠 + 5 𝐹 𝑠 𝑠=−5 = 𝑠+5 = = −4
(𝑠 + 5)(𝑠 + 6) 𝑠=−5
(𝑠 + 6) 𝑠=−5

𝑠+1 𝑠+1
𝐾2 = 𝑠 + 6 𝐹 𝑠 𝑠=−6 = 𝑠+6 = =5
(𝑠 + 5)(𝑠 + 6) 𝑠=−6
(𝑠 + 5) 𝑠=−6

𝑠+1 𝑠+1 −4 5
𝐹 𝑠 = = = +
𝑠2 + 11𝑠 + 30 (𝑠 + 5)(𝑠 + 6) (𝑠 + 5) (𝑠 + 6)

−4 5 −4 5
𝑓 𝑡 = ℒ −1 𝐹 𝑠 = ℒ −1 + = ℒ −1 + ℒ −1
(𝑠 + 5) (𝑠 + 6) (𝑠 + 5) (𝑠 + 6)

1 1
𝑓 𝑡 = −4ℒ −1 + 5ℒ −1
(𝑠 + 5) (𝑠 + 6)

𝑓 𝑡 = −4𝑒 −5𝑡 + 5𝑒 −6𝑡

Cas 2 : Quelques ou toutes les racines de l’équation caractéristique sont multiples

L’expression de 𝐹 𝑠 peut être sous la forme :

𝑁(𝑠) 𝑁(𝑠)
𝐹 𝑠 = = 𝑟
𝐷(𝑠) 𝑠 + 𝑝1 𝑠 + 𝑝2 … . . (𝑠 + 𝑝𝑛 )

Avec 𝑝1 est un pôle de multiple 𝑟.

Le développement de 𝐹 𝑠 en fractions simples s’écrit :

𝐾1,1 𝐾1,2 𝐾1,𝑖 𝐾1,𝑟 𝐾2 𝐾𝑛
𝐹 𝑠 = 𝑟
+ 𝑟−1
+ ⋯+ + ⋯ + + ⋯ + + ⋯ +
𝑠 + 𝑝1 𝑠 + 𝑝1 𝑠 + 𝑝1 𝑟−𝑖+1 𝑠 + 𝑝1 𝑠 + 𝑝2 𝑠 + 𝑝𝑛

Les 𝐾𝑖,𝑗 sont des résidus associés aux pôles multiples, et se calculent comme suit :

Kuti Lusala Page 20

 1 𝑑 𝑖−1 𝑟
𝐾1,𝑖 = 𝑠 + 𝑝1 𝐹(𝑠)
𝑖 − 1 ! 𝑑𝑠 𝑖−1 𝑠=−𝑝1
Les résidus associés aux pôles simples sont calculés comme ans le premier cas.
Exemple :
𝑠+1
𝐹 𝑠 =
(𝑠 + 2)(𝑠 + 3)3

𝐾1,1 𝐾1,2 𝐾1,3 𝐾2

𝐹 𝑠 = + + +
(𝑠 + 3)3 (𝑠 + 3)2 (𝑠 + 3) (𝑠 + 2)

1−1
1 𝑑 𝑠+1
𝐾1,1 = 𝑠 + 3 3 𝐹(𝑠) = 𝑠+3 3
= −2
0! 𝑑𝑠1−1 (𝑠 + 2)(𝑠 + 3)3
𝑠=−3 𝑠=−3

1 𝑑 2−1 𝑑 𝑠+1 𝑑 𝑠+1

𝐾1,2 = 𝑠 + 3 3 𝐹(𝑠) = 𝑠+3 3
= =1
1! 𝑑𝑠 2−1 𝑠=−3
𝑑𝑠 (𝑠 + 2)(𝑠 + 3)3 𝑠=−3
𝑑𝑠 (𝑠 + 2) 𝑠=−3

1 𝑑2 1 𝑑2 𝑠 + 1 −2
𝐾1,3 = 𝑠 + 3 3 𝐹(𝑠) = = =2
2! 𝑑𝑠 2 𝑠=−3
2 𝑑𝑠 2 (𝑠 + 2) 𝑠=−3
(𝑠 + 2)3 𝑠=−3

𝑠+1
𝐾2 = 𝑠 + 2 𝐹 𝑠 𝑠=−2 = = −1
(𝑠 + 3)3 𝑠=−2
−2 1 2 1
𝐹 𝑠 = + + −
(𝑠 + 3)3 (𝑠 + 3)2 (𝑠 + 3) (𝑠 + 2)

1 1 1 1
𝑓 𝑡 = ℒ −1 𝐹 𝑠 = −2ℒ −1 3
+ ℒ −1 2
+ 2ℒ −1 − ℒ −1
(𝑠 + 3) (𝑠 + 3) (𝑠 + 3) (𝑠 + 2)

𝑓 𝑡 = −𝑡 2 𝑒 −3𝑡 + 𝑡𝑒 −3𝑡 + 2𝑒 −3𝑡 − 𝑒 −2𝑡

Cas 3 : Quelques ou toutes les racines de l’équation caractéristique sont complexes

(imaginaires)

Dans ce cas, 𝐹 𝑠 s’écrit comme :

𝑁(𝑠) 𝑁(𝑠)
𝐹 𝑠 = =
𝐷(𝑠) 𝑠 + 𝑝1 (𝑠 2 + 𝐴𝑠 + 𝐵)

Le développement en fractions simples donne alors :

Kuti Lusala Page 21

 𝐾1 𝐾2 𝑠 + 𝐾3
𝐹 𝑠 = +
𝑠 + 𝑝1 (𝑠 2 + 𝐴𝑠 + 𝐵)

Les coefficients 𝐾1 , 𝐾2 et 𝐾3 peuvent être calculés par identification.

Exemple :
1
𝐹 𝑠 =
𝑠(𝑠 2 + 2𝑠 + 2)

𝐾1 𝐾2 𝑠 + 𝐾3
𝐹 𝑠 = +
𝑠 𝑠2 + 2𝑠 + 2

𝐾1 𝑠 2 + 2𝑠 + 2 + 𝐾2 𝑠 + 𝐾3 𝑠 (𝐾1 + 𝐾2 )𝑠 2 + 2𝐾1 + 𝐾3 𝑠 + 2𝐾1

𝐹 𝑠 = =
𝑠(𝑠 2 + 2𝑠 + 2) 𝑠(𝑠 2 + 2𝑠 + 2)

Par identification :

𝐾1 + 𝐾2 = 0

2𝐾1 + 𝐾3 = 0

2𝐾1 = 1
On trouve donc :

1
𝐾1 =
2
1
𝐾2 = −𝐾1 = −
2

𝐾3 = −2𝐾1 = −1

1 1 1 1 1 1
− 𝑠−1 − 𝑠− −
2 2 2 2 2 2
𝐹 𝑠 = + = +
𝑠 𝑠2 + 2𝑠 + 2 𝑠 𝑠+1 2 +1

1 1 𝑠+1 1 1
𝐹 𝑠 = − −
2𝑠 2 𝑠 + 1 + 1 2 𝑠 + 1 2 + 1
2

1 1 𝑠+1 1 1
𝑓 𝑡 = ℒ −1 𝐹 𝑠 = ℒ −1 − ℒ −1 2
− ℒ −1
2𝑠 2 𝑠+1 +1 2 𝑠+1 2+1

1 1 −𝑡 1
𝑓 𝑡 = − 𝑒 cos 𝑡 − 𝑒 −𝑡 sin 𝑡
2 2 2

Kuti Lusala Page 22

2.10. Résolution des équations différentielles à l’aide de la transformation
de Laplace

Une des applications de la transformation de Laplace est la résolution des équations

différentielles linéaires. Considérons quelques équations différentielles établies à la section
2.3.
Pour un système mécanique d’une masse suspendue { l’aide d’un ressort, on a établi
l’équation suivante :
𝑑2 𝑦 𝑑𝑦
𝑀 2 +𝑏 + 𝑘𝑦 = 𝑟 𝑡
𝑑𝑡 𝑑𝑡

En prenant la transformation de Laplace, on obtient :

𝑑2 𝑦 𝑑𝑦
ℒ 𝑀 2
+𝑏 + 𝑘𝑦 = ℒ 𝑟 𝑡
𝑑𝑡 𝑑𝑡

𝑑2 𝑦 𝑑𝑦
𝑀ℒ 2
+ 𝑏ℒ + 𝑘ℒ 𝑦 = 𝑅(𝑠)
𝑑𝑡 𝑑𝑡

𝑀[𝑠 2 𝑌 𝑠 − 𝑠𝑦 0− − 𝑦 ′ 0− ] + 𝑏[𝑠𝑌 𝑠 − 𝑦 0− ] + 𝑘𝑌(𝑠) = 𝑅(𝑠)

𝑀𝑠 2 + 𝑏𝑠 + 𝑘 𝑌 𝑠 − 𝑠𝑀𝑦 0− − 𝑀𝑦 ′ 0− − 𝑏𝑦 0− = 𝑅(𝑠)

Considérons les conditions initiales suivantes

𝑦 0− = 𝑦0 = 2

𝑦 ′ 0− = 0

L’équation se ramène {

𝑀𝑠 2 + 𝑏𝑠 + 𝑘 𝑌 𝑠 − (𝑠𝑀 + 𝑏)𝑦0 = 𝑅(𝑠)

Si r(t)=0 donc 𝑅 𝑠 = 0, on obtient

𝑏
𝑠𝑀 + 𝑏 𝑦0 2 𝑠+𝑀
𝑌 𝑠 = = # 2.24
𝑀𝑠 2 + 𝑏𝑠 + 𝑘 𝑠 2 + 𝑏 𝑠 + 𝑘
𝑀 𝑀

𝑏 𝑘
Pour 𝑀 = 4 et 𝑀 = 3, on a

2(𝑠 + 4)
𝑌 𝑠 =
𝑠2 + 4𝑠 + 3

La résolution de cette équation se fait aisément { l’aide du développement en fractions

simples que nous avons abordé à la section précédente.

Kuti Lusala Page 23

 2(𝑠 + 4) 2(𝑠 + 4) 𝐾1 𝐾2
𝑌 𝑠 = = = +
𝑠 2 + 4𝑠 + 3 (𝑠 + 1)(𝑠 + 3) 𝑠+1 𝑠+3

2(𝑠 + 4) 2(𝑠 + 4)
𝐾1 = 𝑠 + 1 𝐹 𝑠 𝑠=−1 = 𝑠+1 = =3
(𝑠 + 1)(𝑠 + 3) 𝑠=−1
(𝑠 + 3) 𝑠=−1

2(𝑠 + 4) 2(𝑠 + 4)
𝐾2 = 𝑠 + 3 𝐹 𝑠 𝑠=−3 = 𝑠+3 = = −1
(𝑠 + 1)(𝑠 + 3) 𝑠=−3
(𝑠 + 1) 𝑠=−1

2(𝑠 + 4) 2(𝑠 + 4) 3 1
𝑌 𝑠 = = = −
𝑠 2 + 4𝑠 + 3 (𝑠 + 1)(𝑠 + 3) 𝑠+1 𝑠+3

3 1
𝑦 𝑡 = ℒ −1 𝑌 𝑠 = ℒ −1 − ℒ −1
𝑠+1 𝑠+3

𝑦 𝑡 = 3𝑒 −𝑡 − 𝑒 −3𝑡

L’équation (2.24) peut être écrite sous une forme générale :

𝑏
𝑠𝑀 + 𝑏 𝑦0 𝑦0 𝑠 + 𝑀 𝑦0 𝑠 + 2𝜁𝜔𝑛
𝑌 𝑠 = = 𝑏 𝑘 = # 2.25
𝑀𝑠 2 + 𝑏𝑠 + 𝑘 𝑠 2 + 𝑠 + 𝑠 2 + 2𝜁𝜔𝑛 𝑠 + 𝜔𝑛2
𝑀 𝑀

𝑏
Où 𝜁 = est le coefficient d’amortissement, il est sans dimension.
2 𝑘 𝑀

𝜔𝑛 = 𝑘 𝑀 est la fréquence naturelle du système.

Le type des racines de l’équation (2.25) dépendent de 𝜁.

𝑠1,2 = −𝜁𝜔𝑛 ± 𝜔𝑛 𝜁 2 − 1

Pour 𝜁 > 1, les deux racines sont réelles, la réponse du système est dite sur-amortie.

Pour 𝜁 < 1, les racines du système sont complexes conjuguées :

𝑠1,2 = −𝜁𝜔𝑛 ± 𝑗𝜔𝑛 1 − 𝜁 2

La réponse du système est dite sous-amortie

Pour 𝜁 = 1, la racine du système est réelle et de multiplicité 2.

Le cas Pour 𝜁 > 1 correspond au cas traité ci-dessus. Examinons à présent le cas 𝜁 < 1, il
faut noter que 𝜁est strictement positif. La représentation des pôles (racines) et de de zéro de
𝑌 𝑠 est montrée ci-dessous.

Kuti Lusala Page 24

On montre donc que cos 𝜃 = 𝜁

0 𝑦 𝑠+2𝜁 𝜔 𝑛
La transformée inverse de Laplace de 𝑌 𝑠 = 𝑠 2 +2𝜁 2 s’obtient aisément.
𝜔 𝑛 𝑠+𝜔 𝑛

En effet,

𝑦0 𝑠 + 2𝜁𝜔𝑛 𝑠 + 𝜁𝜔𝑛 + 𝜁𝜔𝑛

𝑌 𝑠 = = 𝑦0
𝑠2 2
+ 2𝜁𝜔𝑛 𝑠 + 𝜔𝑛 𝑠 + 𝜁𝜔𝑛 2 − 𝜁𝜔𝑛 2 + 𝜔𝑛2

𝑠 + 𝜁𝜔𝑛 + 𝜁𝜔𝑛
𝑌 𝑠 = 𝑦0 2
𝑠 + 𝜁𝜔𝑛 2 + 𝜔𝑛 1 − 𝜁 2

𝑠 + 𝜁𝜔𝑛 𝜁𝜔𝑛
𝑌 𝑠 = 𝑦0 2 + 𝑦0 2
𝑠 + 𝜁𝜔𝑛 2 + 𝜔𝑛 1 − 𝜁 2 𝑠 + 𝜁𝜔𝑛 2 + 𝜔𝑛 1 − 𝜁 2

𝑠 + 𝜁𝜔𝑛 𝜁 𝜔𝑛2
𝑌 𝑠 = 𝑦0 2 + 𝑦0 2
𝑠 + 𝜁𝜔𝑛 2 + 𝜔𝑛 1 − 𝜁 2 𝜔𝑛 𝑠 + 𝜁𝜔 2 + 𝜔𝑛 1 − 𝜁 2
𝑛

−1
𝑠 + 𝜁𝜔𝑛 𝜁 −1 𝜔𝑛2
𝑦 𝑡 = 𝑦0 ℒ 2 + 𝑦0 ℒ 2
𝑠 + 𝜁𝜔𝑛 2 + 𝜔𝑛 1 − 𝜁 2 𝜔𝑛 𝑠 + 𝜁𝜔𝑛 2 + 𝜔𝑛 1 − 𝜁 2

𝜁 𝜔𝑛
𝑦 𝑡 = 𝑦0 𝑒 −𝜁 𝜔 𝑛 𝑡 cos 𝜔𝑛 1 − 𝜁 2 𝑡 + 𝑦0 𝑒 −𝜁𝜔 𝑛 𝑡 sin 𝜔𝑛 1 − 𝜁 2 𝑡
𝜔𝑛 1− 𝜁2

𝜁
𝑦 𝑡 = 𝑦0 𝑒 −𝜁 𝜔 𝑛 𝑡 cos 𝜔𝑛 1 − 𝜁 2 𝑡 + 𝑦0 𝑒 −𝜁𝜔 𝑛 𝑡 sin 𝜔𝑛 1 − 𝜁 2 𝑡
1 − 𝜁2

Or cos 𝜃 = 𝜁, ainsi sin 𝜃 = 1 − 𝜁2

Kuti Lusala Page 25

Dès lors

cos 𝜃 −𝜁𝜔 𝑡
𝑦 𝑡 = 𝑦0 𝑒 −𝜁 𝜔 𝑛 𝑡 cos 𝜔𝑛 1 − 𝜁 2 𝑡 + 𝑦0 𝑒 𝑛 sin 𝜔 2
𝑛 1−𝜁 𝑡
sin 𝜃

𝑦0 𝑒 −𝜁 𝜔 𝑛 𝑡 sin 𝜃 cos 𝜔𝑛 1 − 𝜁 2 𝑡 + 𝑦0 𝑒 −𝜁𝜔 𝑛 𝑡 cos 𝜃 sin 𝜔𝑛 1 − 𝜁 2 𝑡

𝑦 𝑡 =
sin 𝜃

𝑦0 𝑒 −𝜁 𝜔 𝑛 𝑡
𝑦 𝑡 = sin 𝜃 cos 𝜔𝑛 1 − 𝜁 2 𝑡 + cos 𝜃 sin 𝜔𝑛 1 − 𝜁 2 𝑡
sin 𝜃
𝑦0
𝑦 𝑡 = 𝑒 −𝜁 𝜔 𝑛 𝑡 sin 𝜃 cos 𝜔𝑛 1 − 𝜁 2 𝑡 + cos 𝜃 sin 𝜔𝑛 1 − 𝜁 2 𝑡
1− 𝜁2

𝑦0
𝑦 𝑡 = 𝑒 −𝜁 𝜔 𝑛 𝑡 sin 𝜔𝑛 1 − 𝜁 2 𝑡 + 𝜃
1− 𝜁2

La figure ci-dessous montre l’évolution de la réponse pour les cas 𝜁 > 1 et 𝜁 < 1. On notera
les oscillations pour le cas 𝜁 < 1.

Kuti Lusala Page 26