13.10
Classification des systèmes - I
La linéarité est une propriété d'un système caractérisée par une relation entrée-sortie directe, combinant homogénéité et additivité.
L'homogénéité st…
La linéarité est une propriété du système avec une relation directe d’entrée-sortie, combinant homogénéité et additivité.
L’homogénéité dicte que si une entrée est multipliée par une constante, la sortie est multipliée par la même constante. L'additivité signifie que la réponse à plusieurs entrées est la somme de leurs réponses individuelles.
Un système qui a à la fois des propriétés d’homogénéité et d’additivité est classé comme un système linéaire.
Les systèmes linéaires comprennent des circuits avec des résistances, des condensateurs et des inductances qui adhèrent au principe de superposition.
À l’inverse, les systèmes qui ne respectent pas l’équation de linéarité sont classés comme non linéaires, y compris souvent des dispositifs tels que des redresseurs et des diodes.
Un système causal est caractérisé par une réponse actuelle indépendante des valeurs d’entrée futures. Un exemple peut être le mouvement d'une voiture, qui ne peut pas prédire les actions de conduite futures.
Les systèmes non causaux, tels que les filtres idéaux, ne peuvent pas être physiquement réalisés et ne suivent pas le principe de causalité.
Les systèmes dynamiques montrent la mémoire, où la sortie est affectée à la fois par les entrées passées et futures.
Les systèmes statiques sont des systèmes sans mémoire ou instantanés où la sortie de courant est uniquement basée sur l’entrée actuelle.
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.