19 

EEE 303: Signals and Linear Systems 
Convolve  x(t ) with  h(t ) as shown below where T = 3 sec.  

 
∞ ∞ ∞
y (t ) = h(t ) ∗ x(t ) = h(t ) ∗ ∑ δ (t − nT )   = ∑ h(t ) ∗ δ (t − nT ) = ∑ h(t − nT ) . 
n =−∞ n =−∞ n =−∞
The resulting output is shown in Figure (b) above. 
 

Periodic Convolution 
If  x1 (t ) and  x2 (t ) are both periodic signals with common period  T0 , the convolution of  x1 (t ) and  x2 (t ) does 
not converge. In this case we define periodic convolution of  x1 (t ) and  x2 (t ) as,  
T0
    y (t ) = x1 (t ) ⊗ x2 (t ) = ∫ x1 (τ ) x2 (t − τ )dτ . 
0

 
Frequency Response Function of a Linear System 
∞
Let,  x (t ) = e jωt . The convolution integral gives the output as,  y (t ) = ∫
−∞
h(τ )e jω (t −τ ) dτ . 

∞
∫ h(τ )e− jωτ dτ = H ( jω )e jω ,  
jωt
Or,  y (t ) = e
−∞
∞
Where we define,  H ( jω ) = ∫
−∞
h(τ )e− jωτ dτ = H ( jω ) e j∠H ( jω ) . 

j (ωt +∠H ( jω ))
The output  y (t ) is then expressed as,  y (t ) = H ( jω ) e . 

The output is a complex exponential of the same frequency as input multiplied by the complex constant
H ( jω ) . This  H ( jω ) is called the frequency response of the system. 

Similar things will happen for  sin ωt and  cos ωt input. The functions  e jωt ,sin ωt and cos ωt are called Eigen 
function, as we get the same function in the output as in the input. 
 20 
 
 Example 
1 − t / RC
The impulse response of a system is given as,  h(t ) = e u (t ) . Find the expression for the frequency 
RC
response. What will be the output of the system with,  x (t ) = cos 2000π t + cos 20000π t ? 
‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ 
1 ∞ −τ / RC 1 ∞ − ( jω +1/ RC )τ 1/ RC
H ( jω ) =
RC ∫−∞
e u (τ ).e − jωτ dτ =
RC ∫ 0
e dτ =
jω + 1/ RC
 

1/ RC −1
Or,  H ( jω ) = e − j tan (ω RC ) .   H ( jω1 ) = 0.707e − j 45 ; H ( jω2 ) = 0.995e− j 84.29 .  
o o

ω 2 + (1/ RC )
2

Thus,  y (t ) = 0.707 cos(2000π t − 45o ) + 0.995cos(2000π t − 84.29o ) . Ans 

Block Diagram Representation 
The impulse response and the differential equation descriptions represent only the input=output behavior of 
a system. On the other hand block diagram representation describes a different set of internal computations 
used to determine the system output.  

A  block  diagram  is  an  interconnection  of  elementary  operations  that  act  on  the  input  signal.  It  is  a  more 
detailed representation of the system as it describes how the system’s internal computations are ordered. 
Block diagram representations consist of an interconnection of three elementary operations on signals: 
1. Scalar multiplication:  y (t ) = cx(t ) , 
x(t) c y(t) x(t) ∑ y(t)
2. Addition:  y (t ) = x (t ) + w(t ) , and 
t
3. Integration:  y (t ) = ∫ x(τ )dτ .  t

−∞
x(t)
∫−∞
y(t) w(t)

 
d k y (t ) M
N
d k x(t )
An  Nth  order  system  is  represented  by  the  equation,  ∑ ak =∑ bk .  In  order  to  depict  the 
k =0 dt k k =0 dt k
system in terms of integration operation, let us assume M = N ,  aN = 1 and multiply both side of the above 
equation by  D − N . After rearrangement,  
y (t ) = bN x(t ) + D −1 (bN −1 x − aN −1 y ) + D −2 (bN − 2 x − aN − 2 y ) + LL + D − ( N −1) (b1 x − a1 y ) + D − N (b0 x − a0 y )
  
            (1)
Using the above equation we can draw the simulation diagram as, 
 

∑ ∫ ∑ ∫ ∑ ∫ ∑

 
This form of realization is called canonical realization. Differentiators are not used to simulate a system, as a 
differentiator enhances noise. On the other hand integrators smooth or suppress noise present in an input. 
 
 21 
 
Equation (1) in the previous page can be written in another form for N = 2 as,  
y (t ) = b2 x(t ) + b1 D −1 x(t ) + b0 D −2 x (t ) − a1 D −1 y (t ) − a0 D −2 y (t )                               (2) 

Direct form‐I and direct form‐II implementation of the system is shown in figures (a) and (b) below. 

Examples 
Construct the block diagram representation of the system below. 
 

⎡ 1 1 ⎤ 1 1 1 1
Or,  ⎢ D 2 + D+ ⎥ v(t ) = Di (t ) ;  here,     a1 = , a0 = ; b2 = 0, b1 = , b0 = 0 . 
⎣ RC LC ⎦ C RC LC C

The canonical block diagram representation of the system is shown below: 
 
 
The system can be simulated using multiplier, summer and 
integrator using OP‐AMP.  

State­variable Representation 
The  state‐variable  description  of  an  LTI  system  consists  of  a  series  of  coupled  first‐order  differential 
equations that describes how the state of the system evolves and an equation that relates the output of the 
system  to  the  current  state  variables  and  the  input.  These  equations  are  written  in  matrix  form.  State‐
variable analysis transforms an Nth order differential equation into N first‐order differential equations of a 
set of state variables. 
 
The state of a system is defined as a minimal set of signals that represents the system’s entire memory of 
the past. Given only the value of the state at a point in time t0 , and the input for the times t ≥ t0 we can 
 22 
 
determine the output for all times (or, t ≥ t0 ). The state of 
a system is not unique and there are many possible state‐
variable descriptions corresponding to a system with a 
given input‐output characteristic. 
Consider the electrical circuit shown in figure right. Derive 
the state‐variable description for this system if the input is 
x(t ) and the output is the current through the resistor y (t ) . Choose the state variables as the voltage across 
each capacitor.  
 
x(t ) = R1 y (t ) + q1 (t )
1 1  
or , y (t ) = − q1 (t ) + x(t )
R1 R1
 This equation expresses the output as a function of the state variables and the input. 
1 1
Let,  i2 (t ) be the current through R2 .  We get,  i2 (t ) = q1 (t ) − q2 (t ) . Also,  i2 (t ) = C2 q&2 (t ) . 
R2 R2
1 1
Thus,  q&2 (t ) = q1 (t ) − q2 (t )        
C2 R2 C2 R2
1 1
Again, current through  C1 is,  i1 (t ) = C1q&1 (t ) = y (t ) − i2 (t ) = y (t ) − q1 (t ) + q2 (t )  
R2 R2
Thus, 
1 1 1 1 1 1 1
q&1 (t ) = y (t ) − i2 (t ) = y (t ) − q1 (t ) + q2 (t ) = − q1 (t ) + x(t ) − q1 (t ) + q2 (t )
C1 C1 R2 C1 R2 C1 R1 C1 R1 C1 R2 C1 R2
⎛ 1 1 ⎞ 1 1
= −⎜ + ⎟ q1 (t ) + q2 (t ) + x (t )
⎝ C1 R1 C1 R2 ⎠ C1 R2 C1 R1
⎡ q&1 (t ) ⎤ ⎡ ⎛ 1 1 ⎞ 1 ⎤ ⎡ q1 (t) ⎤ ⎡ 1 ⎤
⎢ ⎥ ⎢− ⎜ + ⎟ ⎥⎢ ⎥ ⎢C R ⎥
    ⎢ ⎥ = ⎢ ⎝ C1 R1 C1 R2 ⎠ C1 R2 ⎥ ⎢ ⎥ + ⎢ 1 1 ⎥ x(t ) ;   State‐equation 
⎢ ⎥ ⎢ 1 1 ⎥ ⎢ ⎥ ⎢ ⎥
⎢ q&2 (t ) ⎥ ⎢ − ⎥⎢ ⎥ ⎢ ⎥
⎣ ⎦ ⎢⎣ C2 R2 C2 R2 ⎥⎦ ⎣q 2 (t) ⎦ ⎣ 0 ⎦
  
⎡ 1 ⎤ ⎡ q1 (t ) ⎤ ⎡ ⎤
⎢ − ⎥⎢ ⎥ ⎢ 1 ⎥
    y (t ) = R1 ⎢ ⎥ + ⎢ R ⎥ x(t ) ;          Output equation 
⎢ ⎥
⎢⎣ 0 ⎥⎦ ⎢⎣ q2 (t ) ⎥⎦ ⎢⎣ 1 ⎥⎦
 
q(t)
& = Aq(t) + Bx(t)
Or,   , where the matrices A, B, C and D describe the internal structure of the system.  
y(t) = Cq(t) + Dx(t)
Here, A is called the system matrix, B is called the input matrix, C is called the output matrix and D is called 
the transmission matrix.  
Find the state‐variable description of the circuit depicted in figure below. 
 

 (Ans) 

 
 23 
 
In block diagram representation, the state variable corresponds to the outputs of the integrators. Consider 
the following example: 

 
 
The block diagram above indicates that,  

For an Nth order system with m‐input and p‐output, the dimensions of A, B, C and D are as follows: 

A → ( N × N ), B → ( N × m), C → ( p × N ) and D → ( p × m) . 

State­space representation of a differential equation 
The general form of an Nth‐order differential equation is,  

   
Let us define N state variables  q1 (t ), q1 (t ), L , qN (t ) as, 
q1 (t ) = y (t ) q&1 (t ) = q2 (t )
q2 (t ) = y& (t ) q&2 (t ) = q3 (t )
            Then,   
M M
qN (t ) = y N −1 (t ) q& N (t ) = y N (t ) = − aN q1 (t ) − aN −1q2 (t ) − L − a1qN (t ) + x(t )
        And,               y (t ) = q1 (t ) . 
In matrix form the above two equations can be expressed as,  

 
 24 
 
Where,  

Solution of state equations 
Let us determine the solution of the state equation,  q(t)
& = Aq(t) + Bx(t); x(0) = x 0 . 
& − Aq(t) = Bx(t)  
Rewriting the equation,  q(t)
d − At
Multiplying both sides by  e − At we get,  e − At [q(t)
& − Aq(t)] = [e q(t)] = e − At Bx(t)  
dt
Integrating both sides between the limits  0 and t , we get 
t
e− At q(t) = ∫ e− Aτ Bx(τ )dτ  
t
 
0 0
t t
Or,         e
− At
q(t) − q(0) = ∫ e− Aτ Bx(τ )dτ     or,   q(t) = e At q(0) + ∫ eA (t −τ ) Bx(τ )dτ = e At q(0) + e At ∗ Bx(t )  
0 0

If the initial state is known at t = t0 , the above equation becomes, 
t
q(t) = e A ( t −t0 )q(t0 ) + ∫ e A ( t −τ ) Bx(τ )dτ . 
t0
At
The matrix function  e is known as the state transition matrix of the system. 
The output equation is given by,  
t
    y(t) = Ce At q(0) + ∫ Ce A (t −τ ) Bx(τ )dτ + Dx(t) . 
t0

The zero‐state response of the system is(when  q(0) = 0 ),      

Evaluation of  e At  
Let, A be an  ( N × N )  matrix and  I  be an  ( N × N )  identity matrix. The Eigen values  λi , i = 1, 2, L , N of A 
are the roots of the Nth‐order polynomial,  det[ A − λ I ] = 0 . 
Evaluation of the state transition matrix  e At is based on the Cayley‐Hamilton theorem. This theorem states 
that the matrix A satisfies its own characteristic equation, i.e., 
  If,       Q (λ ) = λ N + a N −1λ N −1 + L + a1λ + a0 = 0  
  Then,   Q ( A ) = A N + a N −1A N −1 + L + a1A + a0 I = 0     ⇒ A N = − a N −1A N −1 − L − a1A − a0 I       (1) 
A 2t 2 ANt N
  Now,       e At = I + At + +L+ +L  
2! 2!
Applying equation (1) ,  e At may be expressed as,  
    e At = β 0 I + β1A + β 2 A 2 + L + β N −1A N −1                                                                                     (2) 
If all  λi s are distinct we may write,  β 0 + β1λi + β 2 λi 2 + L + β N −1λi N −1 = e λi t from where we can found  β s 
as,  
 
 
We  can  also  calculate  e At using  Laplace 
transform. 
 
 25 
 
Example 
Find a state‐space representation of the system as shown in figure below. 

 
The  system  is  of  order  3.  We  assume  three  state  variables q1 (t ), q2 (t ) and q3 (t ) .  From  figure  above  we 
obtain,    

  (Ans) 

Example 
Find  a  state‐space  representation  of  the  circuit  shown  in  figure  below  assuming  that  the  outputs  are  the 
currents flowing in R1 and R2 . 

 
We  choose  the  state  variables  q1 (t ) = iL (t ) and q2 (t ) = vC (t ) .  Let,  x1 (t ) = v1 (t ) and x2 (t ) = v2 (t ) .  Also, 
y1 (t ) = i1 (t ) and y2 (t ) = i2 (t ) . 
Applying KVL to the two loops we get,    

 
 
 26 
 
Rearranging and writing in matrix form we get, 

                        (Ans) 
 
⎡0 1⎤
Example:  Find  e At for  A = ⎢ ⎥ using Cayley‐Hamilton theorem. 
⎣ −6 −5⎦
The characteristic polynomial of A is,  
λ −1
q (λ ) = λ I − A = = λ 2 + 5λ + 6 = (λ + 2)(λ + 3) . 
6 λ +5
Thus the Eigen values of A are,  λ1 = −2 and  λ2 = −3 . 
⎡ β0 β1 ⎤
Hence we have,  e At = β 0 I + β1A = ⎢ , where  β s are obtained as, 
⎣ −6 β1 β 0 − 5β1 ⎥⎦
β 0 − 2β1 = e −2t ⎪⎫
⎬  solving we get,  β 0 = 3e − 2e and  β1 = e − e . 
−2 t −3t −2 t −3t

β 0 − 3β1 = e −3t
⎪⎭

     (Ans)