13.10
Klassifizierung von Systemen-I
Linearität ist eine Systemeigenschaft, die durch eine direkte Input-Output-Beziehung gekennzeichnet ist, die Homogenität und Additivität kombiniert.
H…
Linearität ist eine Systemeigenschaft mit einer direkten Input-Output-Beziehung, die Homogenität und Additivität kombiniert.
Die Homogenität besagt, dass, wenn eine Eingabe mit einer Konstanten multipliziert wird, die Ausgabe mit derselben Konstante multipliziert wird. Additivität bedeutet, dass die Reaktion auf mehrere Eingaben die Summe ihrer individuellen Antworten ist.
Ein System, das sowohl Homogenitäts- als auch Additivitätseigenschaften aufweist, wird als lineares System klassifiziert.
Zu den linearen Systemen gehören Schaltungen mit Widerständen, Kondensatoren und Induktivitäten, die dem Überlagerungsprinzip folgen.
Umgekehrt werden Systeme, die sich nicht an die Linearitätsgleichung halten, als nichtlinear eingestuft, wozu häufig auch Geräte wie Gleichrichter und Dioden gehören.
Ein kausales System zeichnet sich durch eine aktuelle Reaktion aus, die unabhängig von zukünftigen Eingabewerten ist. Ein Beispiel kann die Bewegung eines Autos sein, die zukünftige Fahrvorgänge nicht vorhersagen kann.
Nichtkausale Systeme, wie z. B. ideale Filter, können nicht physikalisch realisiert werden und folgen nicht dem Prinzip der Kausalität.
Dynamische Systeme zeigen einen Speicher, bei dem die Ausgabe sowohl von vergangenen als auch von zukünftigen Eingaben beeinflusst wird.
Statische Systeme sind speicherlose oder momentane Systeme, bei denen die Stromausgabe ausschließlich auf der vorhandenen Eingabe basiert.
View the full transcript and gain access to JoVE Core videos
Q1: What are the two key properties that define a linear system?
Linear systems combine homogeneity and additivity. Homogeneity means multiplying an input by a constant multiplies the output by the same constant. Additivity means the response to multiple inputs equals the sum of individual responses. Together, these properties enable linear systems like resistor, capacitor, and inductor circuits to obey the superposition principle.
Q2: How does a causal system differ from a noncausal system?
A causal system's current response depends only on present and past inputs, not future values. A car's movement exemplifies causality—it cannot predict future driving actions. Noncausal systems like ideal filters depend on future inputs and cannot be physically realized because they violate the principle of causality.
Q3: What distinguishes dynamic systems from static systems?
Dynamic systems exhibit memory, where output depends on past, present, and future inputs. Electrical circuits with capacitors or inductors demonstrate this memory effect. Static systems are memoryless, producing output based solely on present input. A simple resistor circuit exemplifies a static system where output voltage directly reflects current input voltage.
Q4: Why are rectifiers and diodes classified as nonlinear systems?
Rectifiers and diodes fail to obey the linearity equation combining homogeneity and additivity. These devices do not maintain proportional input-output relationships or satisfy the superposition principle. Their nonlinear behavior makes them unsuitable for applications requiring predictable linear system responses.
Q5: What does the additivity property mean for system responses?
Additivity means that when multiple inputs are applied to a linear system, the total output equals the sum of individual outputs for each input separately. This property, combined with homogeneity, allows linear systems to satisfy the superposition principle, enabling engineers to analyze complex inputs by decomposing them into simpler components.
Q6: How does homogeneity relate to scaling inputs and outputs in linear systems?
Homogeneity dictates that scaling an input by a constant scales the output by the same constant. If input x(t) is multiplied by constant c, output y(t) is also multiplied by c. This scaling property is fundamental to linear systems and distinguishes them from nonlinear systems where this proportional relationship does not hold.
Q7: What role does memory play in characterizing dynamic versus static systems?
Memory determines whether a system's output depends on historical inputs. Dynamic systems possess memory, with outputs influenced by past inputs, such as circuits with capacitors or inductors. Static systems lack memory, producing instantaneous outputs based only on present input values, exemplified by simple resistor circuits.