‫‪Causal System‬‬

‫‪The output at time t 0depend on the input at time t ≤ t 0‬‬

‫يعني ايه الكالم ده؟؟‬

‫ازاي تعرف تعرف السيستم ده ‪Causal‬السيستم بيبقي و ال ال ‪ Causal...‬لما يكون ‪ Output‬معتمد علي‬

‫في الماضي) او بتساوي قيمة بتاعت ال ) قيم سابقة‪Input‬‬

‫‪Examples‬‬

‫‪y ( t ) =x2 ( t−1 ) Causal‬‬ ‫علشان كل القيم‪ output‬معتمده علي قيم سابقة في‪ Input‬زي مثال‬

‫)‪y [ 0 ] =x (−1‬‬
‫‪2‬‬

‫‪y ( t ) =x2 ( t+1 ) NonCausal‬‬ ‫علشان كل القيم‪ output‬معتمده علي قيم مستقبلية في‪Input‬‬

‫)‪y [ 0 ] =x (1‬‬
‫‪2‬‬

‫‪y [ n ] =x [−n ] NonCausal‬‬

‫وديه كده]‪ y [ 1 ] = y [−1‬هنا هتقولي طب ما ‪Causal‬‬

‫هقولك طالما في قيمة بثبت عكسها يبقي ‪ Non Causal‬و ديه كده معتمده المستقبل ]‪ y [ −5 ] = y [5‬زي مثال‬

‫)(‬
‫‪n+1‬‬
‫‪1‬‬
‫=]‪y [ n‬‬ ‫‪x 3 [n−1]Causal‬‬
‫‪2‬‬

‫‪Constant‬‬
Linearity

‫ ؟؟‬Linear‫امتي السيجنل تبقي‬

y 2 (t) ‫ لو دخلت علي السيستم‬x 1 (t) ‫ و طلعلي‬y 1 (t) ‫ ولو دخلت‬x 2 (t) ‫و طلعلي‬

‫اللي هما‬a x 1 ( t ) +b x 2 (t) ‫ يطلعلي‬Combination of input‫ لو دخلت علي السيستم‬Linear ‫بتبقي‬

ay 1 ( t ) +b y 2 (t )

Examples

1- y ( t ) =t x (t)

x 1 ( t ) → y 1 ( t )=t x1 (t )

x 2 ( t ) → y 2 (t )=t x2 (t )
x 3 ( t )=a x 1 ( t ) +bx 2 (t) Assumption

x 3 ( t ) → y 3 ( t ) =t x 3(t)

¿ t [ a x 1 ( t ) +bx 2 (t ) ]

¿ a t x 1 ( t ) +b tx 2 (t )

¿ a y 1 ( t ) +b y 2 (t)

∴ Linear

1- y ( t ) =x2 (t )
2
x 1 ( t ) → y 1 ( t )=x 1 (t)

x 2 ( t ) → y 2 (t )=x 22 (t)

x 3 ( t )=a x 1 ( t ) +bx 2 (t) Assumption

2
x 3 ( t ) → y 3 ( t ) =t x 3(t )
2
¿ t [ a x 1 ( t ) +bx 2 (t ) ]
2 2 2 2
¿ a x 1 ( t )+ b x2 ( t )+2 ab x 1 ( t ) x2 ( t )

≠ a y 1 ( t ) +b y 2 (t)

∴ Non Linear