주기함수의 라플라스 변환

주기함수의 일반적 개념과 중요성

시간에 대해 일정한 간격을 두고 동일한 패턴을 반복하는 함수를 주기함수라고 한다. 예를 들어, 전자공학에서 교류 회로에서 나타나는 정현파나 변조 신호, 제어 이론에서 사용되는 샘플링 펄스, 신호 처리에서 쓰이는 여러 파형 등이 모두 주기적인 성질을 갖는다. 이러한 함수를 해석할 때 라플라스 변환은 주파수 영역에서 분석하기에 매우 편리한 수단을 제공한다.

주기함수 $f(t)$가 $T>0$의 양의 주기를 갖는다면 모든 실수 $t$에 대해 $f(t+T) = f(t)$를 만족한다. 이때 $f(t)$가 적당한 적분 가능성을 갖는다고 가정한다면, 이를 라플라스 변환하면 특정한 형태가 나타난다. 특히 주기함수의 라플라스 변환은 고전적인 정의 $\displaystyle \mathcal{L}{f(t)} = \int_{0}^{\infty} e^{-st} f(t),dt$에서, 주기가 $T$인 점을 고려하여 적분을 구간별로 나누어 합산하는 형태로 전개된다.

주기함수의 라플라스 변환 공식

주기 $T$를 갖는 주기함수 $f(t)$에 대해, $t \ge 0$에서의 라플라스 변환은 다음과 같이 쓸 수 있다.

$$\mathcal{L}\{f(t)\} = \int_{0}^{\infty} e^{-s t} f(t)\,dt = \sum_{n=0}^{\infty} \int_{nT}^{(n+1)T} e^{-s t} f(t)\,dt$$

주기성에 의해 $f(t) = f(t - nT)$가 성립하므로 위 적분식은

$$\sum_{n=0}^{\infty} \int_{nT}^{(n+1)T} e^{-s t} f(t)\,dt = \sum_{n=0}^{\infty} \int_{0}^{T} e^{-s (u + nT)} f(u)\,du$$

와 같이 변수 치환 $u = t - nT$를 통해 간단히 표현할 수 있다. 이후 지수 항을 분리하면

$$= \sum_{n=0}^{\infty} e^{-s nT} \int_{0}^{T} e^{-s u} f(u)\,du$$

이므로 기하급수적 합 $\displaystyle \sum_{n=0}^{\infty} (e^{-sT})^n$을 사용하면

$$= \int_{0}^{T} e^{-s u} f(u)\,du \sum_{n=0}^{\infty} (e^{-sT})^n = \frac{\int_{0}^{T} e^{-s u} f(u)\,du}{1 - e^{-sT}}$$

따라서 주기 $T$를 갖는 주기함수 $f(t)$의 라플라스 변환은

$$\mathcal{L}\{f(t)\} = \frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du$$

로 정리할 수 있다. 이 공식은 주어진 주기 $T$ 내에서 $f(t)$를 한 주기만큼 적분한 후, 해당 적분값을 기하급수적 계수로 확장한 것과 같다. 따라서 주기함수를 다루는 상황에서는 이 공식이 매우 중요하게 활용된다.

적용 예시: 사각파

대표적인 주기함수의 예로 주기 $T$를 갖는 사각파(square wave)를 들 수 있다. 사각파는 주기 내에서 일정 구간 동안 일정한 값을 유지하고, 나머지 구간에서는 다른 값을 유지하는 단순하지만 중요한 형태의 함수를 제공한다. 예를 들어 높이가 1인 구간과 0인 구간을 번갈아가며 유지하는 사각파를 생각할 수 있다. 이러한 사각파는 디지털 신호 모델로도 해석 가능하므로, 실제 응용에서 매우 많이 활용된다.

예시로 $0 \le t < \alpha$에서 1의 값을 갖고, $\alpha \le t < T$에서는 0의 값을 갖는 사각파를 한 주기로 정의한다고 하자. 그러면 라플라스 변환 공식에 따라

$$\int_{0}^{T} e^{-s u} f(u)\,du = \int_{0}^{\alpha} e^{-s u} \cdot 1\,du + \int_{\alpha}^{T} e^{-s u} \cdot 0\,du = \int_{0}^{\alpha} e^{-s u} \,du$$

따라서

$$\int_{0}^{\alpha} e^{-s u}\,du = \left[ \frac{e^{-s u}}{-s} \right]_{0}^{\alpha} = \frac{1 - e^{-s\alpha}}{s}$$

이 되므로 사각파의 한 주기에 대한 적분은

$$\int_{0}^{T} e^{-s u} f(u)\,du = \frac{1 - e^{-s\alpha}}{s}$$

이를 주기함수 라플라스 변환 공식에 대입하면

$$\mathcal{L}\{f(t)\} = \frac{1}{1 - e^{-sT}} \cdot \frac{1 - e^{-s\alpha}}{s}$$

이 된다. 사각파의 라플라스 변환은 이렇게 간단한 닫힌 형태로 얻어진다. 실제 응용에서 사각파는 신호의 깜박임, 스위칭, 디지털 펄스 등을 모델링하므로 이러한 분석이 유용하다.

다른 주기적 신호 사례

사인파나 코사인파 등과 같은 일반적인 정현파도 사실상 주기함수이므로, 위 공식을 직접 적용할 수 있다. 그러나 사인파와 코사인파에 대해서는 이미 잘 알려진 라플라스 변환 공식이 존재하기 때문에 굳이 주기함수 일반 식을 활용할 필요 없이 고전적으로 바로 적용하는 편이 더 간편하다. 그럼에도 불구하고 주기함수가 더 복잡하거나, 일부분이 다른 형태로 정의된 혼합 주기함수 등이라면 위에서 유도한 주기함수 라플라스 변환 공식이 매우 큰 힘을 발휘한다.

조금 더 확장하여, 어떤 주기함수 $f(t)$가 구간마다 다른 형식을 갖거나, 구간마다 연속이 아닌 불연속점이 다수 존재하더라도 라플라스 변환은 적분형 정의에 의해 여전히 유효하다. 이때 주기 내의 각 구간을 나누어 적분하고, 결과를 합산하여 표현할 수 있으므로, 일반적인 구간별 정의 piecewise 함수에도 일관되게 적용이 가능하다.

주기함수의 라플라스 변환과 관련된 중요한 점은, 모든 주기함수가 라플라스 변환이 존재하는 것은 아니라는 것이다. 즉, $e^{-st} f(t)$가 $t \to \infty$에서 적분 가능한 형태(또는 적절히 감쇠하는 형태)를 가져야만 라플라스 변환이 유한한 값으로 존재한다. 주기함수라 할지라도, 만약 $T \to 0$인 극한 상황이나, $f(t)$가 특정 구간에서 무한대에 가까워지는 병목 현상 등이 있다면 적분이 발산하여 라플라스 변환이 존재하지 않을 수도 있다.

주기함수를 다루는 다른 관점

주기함수의 라플라스 변환은 가끔 Z-변환과도 연관되어 논의된다. 신호처리에서는 보통 샘플링을 통해 이산화된 주기신호의 Z-변환을 구한 뒤, 이를 연속-이산 혼합 영역에서 해석하기도 한다. 또한 푸리에 급수로 표현된 주기함수를 라플라스 변환하면, 각 푸리에 계수에 대해 일대일 대응하는 항의 라플라스 변환을 합산하는 형태로 유도할 수도 있다. 이러한 관점들은 제어 이론, 통신 이론, 디지털 신호 처리 등에서 매우 자주 등장한다.

영역(ROC) 관점에서의 해석

라플라스 변환은 보통 복소변수 $s = \sigma + j\omega$에 대하여, 적분이 수렴하는 $\sigma$의 구간을 영역(Region of Convergence, ROC)이라 부른다. 주기함수의 경우, 일반적으로 주기구간 내에서 크기가 무한정 커지지 않는다면(즉, 한 주기 내에서 통제 가능한 적분값을 갖는다면), 적절한 $\sigma$에 대해 변환이 존재한다.

주기 $T$를 갖는 $f(t)$에 대해, 다음과 같은 정리를 종종 인용한다: 주기함수 $f(t)$가 $t \to \infty$로 갈 때도 항상 같은 형태를 반복하므로,

$$\mathcal{L}\{f(t)\} = \frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du$$

가 성립하되, 이 식이 유도될 때 $\displaystyle \sum_{n=0}^{\infty} e^{-s nT}$가 수렴해야만 한다. 이는 기하급수열의 수렴 조건인 $\bigl| e^{-sT} \bigr| < 1$, 즉 $\Re(s) = \sigma > 0$ (보다 엄밀히는 $\Re(s)T > 0$)로부터 유도된다. 따라서 주기함수의 라플라스 변환이 존재하기 위한 필요조건은 일반적으로 $\sigma > 0$ (보다 구체적으로 $\sigma T > 0$)이다.

주기함수라는 특수성 때문에, 일부 함수들은 모든 양의 실수 영역에서 같은 형태가 반복되므로 $\sigma > 0$가 아니라도 변환이 존재하는 예외적 상황이 있을 수도 있다. 하지만 통상적으로는 $\sigma > 0$ 조건하에서 주기함수의 라플라스 변환을 정의하고, 그 영역을 초과하면 발산 문제가 발생한다고 간주한다.

푸리에 급수와의 연계

주기함수 $f(t)$는 $T$를 한 주기로 갖는 푸리에 급수를 통해 표현할 수 있다. 즉,

$$f(t) = \sum_{k=-\infty}^{\infty} c_k \, e^{j \frac{2\pi k}{T} t}$$

와 같은 표현이 가능하다. 이때 만약 라플라스 변환을 취하면, 적분과 급수의 교환을 정당화할 수 있는 조건(예: 절대 수렴 등)이 충족된다는 가정하에,

$$\mathcal{L}\{f(t)\} = \mathcal{L}\Bigl\{\sum_{k=-\infty}^{\infty} c_k \, e^{j \frac{2\pi k}{T} t}\Bigr\} = \sum_{k=-\infty}^{\infty} c_k \, \mathcal{L}\bigl\{e^{j \frac{2\pi k}{T} t}\bigr\}$$

라 할 수 있다. 여기서

$$\mathcal{L}\{e^{j\omega_0 t}\} = \int_{0}^{\infty} e^{-s t} e^{j\omega_0 t}\,dt = \int_{0}^{\infty} e^{-(s - j\omega_0)t}\,dt = \frac{1}{s - j\omega_0}, \quad \Re(s) > 0$$

가 되므로,

$$\mathcal{L}\{f(t)\} = \sum_{k=-\infty}^{\infty} \frac{c_k}{s - j\frac{2\pi k}{T}}$$

이론적으로는 이런 급수 형태로 표현할 수 있다. 그러나 이 급수 표현이 실제로 언제 유효한가는 변환 교환이 가능한가의 문제와 직결되며, 주어진 주기함수 $f(t)$의 부호화(푸리에 계수 $c_k$들의 형태)와 수렴 반경 등 엄밀한 조건을 따져야 한다.

이처럼 푸리에 급수와 라플라스 변환이 직접적으로 연결될 수 있으므로, 푸리에 급수를 통해 주기함수를 먼저 해석하고, 이를 라플라스로 확장할 때 교환 정당화를 거치는 절차가 이론적으로 매우 유의미하다. 특히 제어 이론이나 회로망 해석에서, 주기 구동이 들어가는 시스템 응답을 계산할 때, 두 관점(푸리에 vs. 라플라스)을 적절히 병행하여 살펴볼 수 있다.

복잡한 주기함수와 구간별 정의

주기함수 $f(t)$가 단순 사인파나 사각파가 아니라 여러 구간에서 다르게 정의된 경우, $[0,T]$ 구간의 적분을 직접 계산하기가 까다로울 수 있다. 이러한 상황에서는 구간을 세분하여,

$$\int_{0}^{T} e^{-s u} f(u)\,du = \int_{0}^{t_1} e^{-s u} f(u)\,du + \int_{t_1}^{t_2} e^{-s u} f(u)\,du + \cdots + \int_{t_{m-1}}^{T} e^{-s u} f(u)\,du$$

와 같이 쪼개어서 각 구간에서의 정의를 활용하면 된다. $f(u)$가 각 구간에서 다르게 표현되더라도 적분을 개별적으로 수행한 뒤 모두 합산하면,

$$\int_{0}^{T} e^{-s u} f(u)\,du$$

를 구할 수 있고, 이를

$$\mathcal{L}\{f(t)\} = \frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du$$

공식에 대입하여 최종 결과를 얻게 된다. 따라서 복잡한 파형에 대해서도 원칙적으로는 동일한 방식으로 처리 가능하다.

일부 파생 응용: 미분방정식에서의 주기구동

선형 시불변(LTI) 시스템을 나타내는 미분방정식에 주기함수 $f(t)$가 구동으로 들어오면, 해를 구할 때 라플라스 변환을 유용하게 활용한다. 특히 정상상태 해(steady-state solution)를 구하는 과정에서, 주기구동은 항등적으로 “계속 반복”되므로, 해도 어떤 특정 응답 형태가 시간에 따라 반복되거나, 초기조건이 충분히 큰 시간 후에 소멸하여 정상상태 해만이 남게 되기도 한다.

라플라스 변환을 적용하면, 주기구동을 변환한 후의 대수적 방정식을 풀어 그 일반해를 얻고, 필요하면 부분분수 분해(partial fraction decomposition)를 통해 역변환하여 시간영역 해를 구한다. 이 과정에서

$$\frac{1}{1 - e^{-sT}}$$

항이 나타나는 것은, 시간영역에서 무한히 이어지는 주기신호가 시스템을 지속적으로 구동한다는 사실과 대응된다.

샘플링 주기함수와 Z-변환과의 연관

신호처리 분야에서는 종종 연속신호를 일정 주기로 샘플링하여 이산화한다. 이 경우, 샘플링된 신호는 이산 시간에서의 주기구조(= $N$ 샘플마다 반복)로 나타나기도 한다. 이산 시간 영역에서의 주기함수는 Z-변환에서, 연속 시간 영역에 해당하는 경우와 유사한 주기 구조를 반영하면서도, $z$ 평면에서의 극(Poles) 구조나 잔차(Residues) 해석과 밀접히 연결된다.

라플라스 변환과 Z-변환을 상호 비교하면,

• 라플라스 변환: $s$ 평면(연속 신호)

• Z-변환: $z$ 평면(이산 신호) 에서의 주기적 성질이 공통적으로 기하급수적 계수 합 $\sum_{n=0}^{\infty} r^n$ 형태를 보인다는 점이 유사하다. 연속 신호에서는 $r = e^{-sT}$, 이산 신호에서는 $r = z^{-1}$ 형태가 되어, 이를 통한 수렴판단과 변환 공식이 각각 형성된다.

mermaid를 이용한 계단식 요약 예시

아래 다이어그램은 $f(t)$가 $T$ 주기로 반복될 때, 연속시간 상에서의 적분 구조를 요약적으로 나타낸다:

이 흐름도에서 보듯, 주어진 주기함수 $f(t)$를 한 주기만큼 적분한 뒤, 지수감쇠 항을 묶어서 기하급수열로 합산하는 원리를 시각적으로 정리할 수 있다.

부분분수 전개와 역변환

주기함수의 라플라스 변환에 나타나는 대표적 특징 중 하나는 계수 항에 기하급수 시리즈가 포함된다는 것이다. 예를 들어,

$$\frac{1}{1 - e^{-sT}}$$

와 같은 항이 있을 때, 이를 보다 세부적으로 분석하거나 역변환하려면 부분분수 전개(partial fraction decomposition)를 고려할 수 있다.

고전적인 부분분수 전개에서 다루는 다항식 분자는 주로 다항식 분모를 대상으로 하지만, 여기서는 지수함수 항이 포함된 복합적인 구조를 다룬다. 실제로

$$\frac{1}{1 - e^{-sT}}$$

를 직접 부분분수 형태로 쪼개는 것은 일반적인 유리함수(rational function) 전개와는 차이가 있다. 그러나 기하급수열 전개인

$$\frac{1}{1 - x} = \sum_{n=0}^{\infty} x^n, \quad |x|<1$$

를 그대로 사용하면, $x = e^{-sT}$라는 치환을 통해

$$\frac{1}{1 - e^{-sT}} = \sum_{n=0}^{\infty} e^{-sTn}, \quad \Re(s) > 0$$

와 같이 쓸 수 있다. 이 표현 자체가 이미 “부분분수 전개”와 유사한 역할을 하면서, 역변환 시에 유리한 형태를 제공한다. 즉, 주기함수의 라플라스 변환을

$$\mathcal{L}\{f(t)\} = \frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du$$

라 할 때,

$$\frac{1}{1 - e^{-sT}} = \sum_{n=0}^{\infty} e^{-sTn}$$

이므로,

$$\mathcal{L}\{f(t)\} = \left(\sum_{n=0}^{\infty} e^{-sTn}\right) \int_{0}^{T} e^{-s u} f(u)\,du = \sum_{n=0}^{\infty} \left[\int_{0}^{T} e^{-s(u+nT)} f(u)\,du \right].$$

이는 주기구조가 반영된 항들의 무한합으로 볼 수 있다. 이 상태에서 역변환 $\mathcal{L}^{-1}$을 취하면,

$$f(t) \longleftrightarrow \sum_{n=0}^{\infty} \left[\int_{0}^{T} e^{-s(u+nT)} f(u)\,du \right]$$

에 대응하는 시간영역 표현으로 해석되지만, 그 구체적 형태는 각 문제 상황(특정 $f(t)$, 특정 구간 정의 등)에 따라 달라진다.

이동된 델타함수 열과의 연관

위에서 본

$$\frac{1}{1 - e^{-sT}} = \sum_{n=0}^{\infty} e^{-sTn}$$

과 유사하게, 시간영역에서 델타함수 $\delta(t)$의 이동열(Dirac comb)과 관련된 식도 존재한다. 예를 들어, 이산적인 샘플링 시점에서만 값이 정의되는 $T$ 주기적 델타열

$$\delta_T(t) = \sum_{n=-\infty}^{\infty} \delta(t - nT)$$

를 생각하면, 이의 푸리에 변환은 사실상 주파수 영역에서 복수의 주파수성분이 기하급수적으로 나열되는 구조를 갖는다. 라플라스 변환 관점에서도, $t>0$에서만 $n=0,1,2,\dots$ 쪽 항이 살아 있는 식으로 표현될 수 있다.

단, 델타열은 분포(distribution) 개념에 속하므로, 엄밀한 차원에서 이의 라플라스 변환을 다루려면 분포 이론(Distribution Theory)의 틀을 거쳐야 한다. 하지만 개략적으로 보면, 무한합 형태의 지수함수로 표현되는 것이나 무한합 형태로 나열된 델타함수나, 주기구조를 가진다는 점에서 밀접한 유사성을 갖는다. 주기함수 해석에 델타열이 혼합되는 응용 분야(샘플링, 펄스열, 펄스 폭 변조 등)에서도 이런 접근이 자주 등장한다.

퍼센트 적분(Percent Integration) 개념

주기 $T$를 갖는 함수 $f(t)$를 단순 적분한다면 $t$ 구간 전체에 걸쳐서 누적되므로, 무한 구간에 대한 적분은 보통 발산할 수 있다. 그러나 라플라스 변환은 $e^{-st}$라는 감쇠 항을 포함하고, 여기에 주기구조가 더해져 결과적으로 변환값이 유한하게 존재할 수 있게 해 준다. 이를 때때로 “주기함수의 유효 감쇠”라고 부르기도 한다.

만일 $f(t)$가 비선형 시스템이나 특정 연산자를 통과한다면, 주기성이 완전히 유지되지 않을 수도 있지만, 선형 시불변(LTI) 계통의 경우에는 입력이 주기함수라면 정상상태에서 출력 역시 같은 주기(또는 그 배수)를 갖게 된다. 라플라스 변환의 초항에서 초기조건의 영향이 나타나고, 이후 정상상태 해는 본질적으로 $\frac{1}{1 - e^{-sT}}$와 같은 팩터를 포함하는 형태로 나타난다.

미분연산의 주기적 성분과 라플라스 변환

주기함수 $f(t)$에 대한 $n$차 미분 $\frac{d^n}{dt^n}f(t)$도 여전히 $T$ 주기를 유지한다면, 라플라스 변환의 성질 중 하나인

$$\mathcal{L}\Bigl\{\frac{d^n}{dt^n}f(t)\Bigr\} = s^n \mathcal{L}\{f(t)\} - s^{n-1}f(0) - s^{n-2}f'(0) - \cdots - f^{(n-1)}(0)$$

를 그대로 적용할 수 있다. 이때 초기조건( $f(0), f'(0), \dots$ )이 보통 어떤 일정한 값으로 주어지지만, 함수가 완벽히 주기적이라면 $f(0) = f(T)$, $f'(0) = f'(T)$ 등을 만족하게 된다. 실제 문제 상황에서는

• 시스템이 $t=0$ 이전부터 주기구동을 받았다고 가정하는 경우, 초기조건이 이미 주기상태값에 해당

• $t=0$ 이후에 주기신호가 걸리기 시작하는 경우, 엄밀히는 주기상태가 아닌 과도응답이 일부 나타난 뒤 정상상태로 진입

등이 달라질 수 있다. 그럼에도 불구하고 미분연산 후의 라플라스 변환이 그대로

$$s^n \cdot \left[\frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du\right]$$

형태를 갖거나, 추가 항(초기조건 관련 항)이 더해지는 식으로 전개된다는 점이 변하지 않는다.

복소해석 관점과 브로윗치 적분

주기함수 라플라스 변환의 역변환 $\mathcal{L}^{-1}{F(s)}$는 흔히 표준적인 부분분수 분해 후 표를 보고 역변환하거나, 멜린(Mellin) 역변환 공식을 사용하는 방법 등을 쓴다. 복소해석학적으로는 브로윗치(Bromwich) 적분이라 불리는

$$f(t) = \frac{1}{2\pi j} \int_{\gamma - j\infty}^{\gamma + j\infty} e^{st} F(s)\, ds$$

를 통해 정의된다. 이때 $F(s)$에 $1 / [1 - e^{-sT}]$와 같은 항이 있으면, $s$ 평면에서 기하급수적으로 분포된 특이점(pole) 구조가 형성될 수 있다. 예를 들어,

$$1 - e^{-sT} = 0 \quad \Longrightarrow \quad e^{-sT} = 1 \quad \Longrightarrow \quad sT = 2\pi j m \quad (m \in \mathbb{Z})$$

즉 $s = \frac{2\pi j m}{T}$ 꼴로 무한히 많은 수직선상의 극이 생긴다. 이 극들을 하나하나 계산해서 유Residue를 구해 합산해야 하는데, 이는 이론적으로 복잡도가 큰 작업이다.

그러나 실제 계산에서 대부분은 직관적으로 파악하기 쉬운 형태의 주기함수를 다루거나, 사각파 등 구간별로 단순한 표현을 갖는 주기함수를 사용하기 때문에, 일반적인 적분 변환 표나 부분합 기법을 적용하여 역변환을 얻는다. 특정 특이점을 이용한 잔여(residue) 해석은 이론적 관점에서 주기신호의 스펙트럼 구조(주파수 영역 극 배치)와 직접 대응된다는 점에서 유익하다.

주파수영역 해석과 샘플링 정리와의 접점

주기함수를 라플라스 영역에서 해석할 때, $s = \sigma + j\omega$를 허수축 근처로 제한하면 사실상 푸리에 변환에 가까운 해석을 얻게 된다. 즉 $\sigma = 0$에 대한 단면을 보면,

$$F(j\omega) = \int_{0}^{\infty} e^{-j \omega t} f(t)\,dt$$

인 푸리에 변환과 유사하다. 이런 점 때문에, $T$ 주기의 신호를 샘플링했을 때 나타나는 이산 푸리에 변환(Discrete-Time Fourier Transform, DTFT)이나 이산 푸리에 급수(DFS)와의 유사성이 부각된다. 샘플링 정리(Shannon-Nyquist Sampling Theorem) 관점에서, 주기함수가 갖는 대역폭(bandwidth)이 충분히 제한되어 있다면, 적절한 샘플링 주기로 이산화하여도 정보 손실 없이 복원 가능하다는 논의가 이어진다.

라플라스 변환은 푸리에 변환보다 더 일반적인 영역에서 정의되어(더 큰 ROC를 다룸), 과도응답이나 초기조건 반영, 인과성 해석 등에서 강력한 도구로 작동한다. 특히 시스템 식에 미분항이 들어간 선형 미분방정식을 주기신호로 구동할 때, 푸리에 변환만으로는 과도영역을 다루기 어려운 반면, 라플라스 변환을 통해 과도 + 정상상태 응답을 한 번에 처리할 수 있다.

시간영역 접합과 주기신호의 컨벌루션

주기함수 $f(t)$와 또 다른 신호 $g(t)$가 있을 때, 그 합성곱(컨벌루션) $f(t) * g(t)$의 라플라스 변환은 일반 성질에 의해

$$\mathcal{L}\{f*g\}(s) = \mathcal{L}\{f\}(s)\,\mathcal{L}\{g\}(s)$$

이 성립한다. 그러나 $f(t)$가 $T$ 주기함수라면, 직관적으로 보아도 $f*g$가 $T$ 주기를 그대로 갖는지는 $g(t)$의 특성에 좌우될 수 있다. 예컨대, $g(t)$가 지수감쇠적인(예: $e^{-at}$ 형태) 인과신호라면, $f(t) * g(t)$는 $t \to \infty$에서 완전히 사라지지는 않더라도, 주기적 성분이 반복적으로 겹치면서 특정 정상상태로 수렴하거나, 유효 파형의 초과합(오버랩) 효과가 생길 수 있다.

이 과정에서 라플라스 변환을 직접 구해보면, $f(t)$의 변환이

$$\mathcal{L}\{f\}(s) = \frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du$$

형태를 가지므로, $f*g$의 라플라스 변환은

$$\mathcal{L}\{f*g\}(s) = \left[\frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du\right] \cdot \mathcal{L}\{g\}(s).$$

결국 시간영역에서 $f*g$를 다시 역변환하려면, $\mathcal{L}{g}(s)$와 $\frac{1}{1 - e^{-sT}}$의 곱을 역변환해야 하는데, 이는 주기구조에 기인한 무한합 표현으로 풀어쓸 수 있다. 즉,

$$\mathcal{L}\{f*g\}(s) = \left[\sum_{n=0}^{\infty} e^{-sT n}\right] \int_{0}^{T} e^{-s u} f(u)\,du \; \cdot \; \mathcal{L}\{g\}(s),$$

에서 각 항을 역변환하면, 시간영역에서 $g(t)$가 여러 시점마다 반복적으로 “가중”되어 더해지는 형태가 나타난다. 이는 사실상 $T$ 주기적 충격열(pulse train)과 $g(t)$의 합성곱 해석과 밀접하게 닿아 있다.

주기함수와 임펄스 응답의 결합

선형 시불변(LTI) 시스템의 임펄스 응답 $h(t)$가 주어지면, 임의의 입력 $x(t)$에 대해 출력 $y(t) = h * x(t)$가 성립한다. 만약 입력이 $T$ 주기함수 $f(t)$라면, 출력도 시스템의 특성과 함께 주기적(또는 준주기적) 특성을 갖는다. 라플라스 변환을 통해 이를 해석할 때,

$$\mathcal{L}\{y(t)\} = \mathcal{L}\{h(t)\} \,\mathcal{L}\{f(t)\}$$

이 되므로,

$$Y(s) = H(s) \cdot \frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du.$$

초기조건이 모두 0이라고 가정하면, 이 단순 곱으로부터 $y(t)$의 정상상태 응답을 포함하여 전반적 시간영역 해가 결정된다. 만약 $h(t)$가 $e^{-at}$ 형태(1차 시스템의 임펄스 응답)라면,

$$H(s) = \frac{1}{s+a},$$

이므로

$$Y(s) = \frac{1}{(s+a)\left[1 - e^{-sT}\right]} \int_{0}^{T} e^{-s u} f(u)\,du.$$

이를 부분적으로 분해하거나, 기하급수형 전개로 나타낼 수 있고, 결국 역변환 시에 각 항이 $e^{-at}$로 감쇠하면서 주기 성분들이 겹치는 양상을 시간영역에서 확인할 수 있다. 이러한 주기적 구동 + 선형시스템 응답 구조는 전자공학, 제어, 통신 등 광범위한 분야에서 핵심적 패턴을 이룬다.

주기함수 변환에서의 시간 이동 성질

주기함수는 시간 이동에 대해서도 일정한 법칙을 따른다. 예컨대 $f(t)$가 $T$ 주기라면, $f(t - \tau)$ 역시 $T$ 주기를 갖는다. 라플라스 변환은 시간 이동에 대해

$$\mathcal{L}\{f(t - \tau) u(t - \tau)\} = e^{-s\tau} \mathcal{L}\{f(t)\},$$

형태를 기본적으로 만족한다($u(t)$는 단위 계단함수). 하지만 $f(t - \tau)$가 “주기함수이긴 하나 $t < \tau$에서는 0”인 식으로 정의될 경우, 실제 변환에선

$$\int_{0}^{\infty} e^{-st} f(t - \tau) u(t - \tau)\,dt = \int_{\tau}^{\infty} e^{-st} f(t - \tau)\,dt$$

로 바뀌므로, 이를 다시 $u = t - \tau$로 치환하면

$$= \int_{0}^{\infty} e^{-s(u + \tau)} f(u)\,du = e^{-s\tau} \int_{0}^{\infty} e^{-su} f(u)\,du.$$

이 관계가 주기함수에도 변함없이 적용되지만, 주기가 $T$라는 사실 때문에 $f(u)$가 $f(u+T)$와 동일함을 추가적으로 고려할 수 있다. 결국, 주기함수를 특정 시점만큼 지연시켜도 변환 결과는 단순 지수승 곱 $e^{-s\tau}$가 곱해지는 형태가 되며, $\tau$가 $T$의 정수 배라면 $f(t - nT) = f(t)$가 되므로 실제로 변환이 큰 차이를 보이지 않는다.

라플라스 변환 표와 주기항

일반적으로 라플라스 변환 표에는 사인, 코사인, 지수함수, 다항식, 임펄스, 계단함수 등 대표적인 항목들이 정리되어 있다. 주기함수 자체는 별도의 항목으로 정리된다기보다, 위에서 언급한

$$\mathcal{L}\{f(t)\} = \frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du$$

공식이 “주기함수 전용” 표 항목으로 간주될 수 있다. 실제 사용에서는 사각파, 톱니파, 삼각파 등 구간별 정의 함수에 대해 한 주기 적분을 구해 이 공식에 대입하는 식으로 처리한다.

사각파의 경우처럼, 각각의 구간에서 상수인 경우 적분이 단순 지수함수에 대한 적분이 되므로 쉽게 닫힌형 해를 얻는다. 톱니파(sawtooth wave)나 삼각파(triangular wave)는 구간에서 $t$에 선형적으로 비례하는 형태를 갖지만, 적분 역시 무난하게 처리 가능하다.

복잡한 주기함수라도 구간을 충분히 세분하면, 결국 유한 합의 형태(각 구간별 적분)로 구할 수 있으며, 이후 무한합 형식으로 확장하는 동일한 방법을 통해 라플라스 변환을 완성할 수 있다.

일반화 주기함수와 준주기성

어떤 상황에서는 $f(t)$가 엄밀히 $T$ 주기는 아니지만, 특정 구조로 인해 “사이클”을 갖고 반복하는 형식, 즉 준주기(quasiperiodic)나 부분주기(subharmonic) 특성을 보이기도 한다. 이런 경우에도 부분적으로

$$\sum_{n=0}^{\infty} e^{-s(nT)}$$

와 유사한 전개가 가능하지만, $f(t)$가 정확히 $f(t+T) = f(t)$인 것은 아니므로 엄밀한 라플라스 변환 식

$$\frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du$$

을 그대로 적용하기는 어렵다. 예컨대 $T_1$, $T_2$ 등 서로 다른 주기를 갖는 두 함수의 곱으로 구성된 신호라면, 전체 신호의 주기는 $T = \mathrm{LCM}(T_1, T_2)$ (최소공배수)일 수 있거나, 아니면 아예 무한히 반복되지 않는 복잡도가 생긴다. 이런 상황에서는 푸리에 급수 접근보다 확장된 푸리에-보호(Fourier-Bohr) 급수나, 다중주파수 성분으로의 분해 기법 등을 쓰고, 라플라스 변환 해석을 그 각각에 대해 독립적으로 하는 방식을 택한다.

미분방정식에서의 주기해와 안정성

선형 상미분방정식(ODE)에서 주기함수 구동을 받을 때, 해가 주기함수를 그대로 따라가며 구동되는 정상상태 해(steady-state solution)를 갖는지 여부는 시스템의 안정성과 관련된다. 만약 계수가 상수인 $n$차 선형미분방정식

$$a_n \frac{d^n y}{dt^n} + a_{n-1} \frac{d^{n-1}y}{dt^{n-1}} + \cdots + a_1 \frac{dy}{dt} + a_0 y = f(t),$$

에서 $f(t)$가 $T$ 주기함수라면, 라플라스 변환으로 문제를 풀 때, 우변의 라플라스 변환이

$$F(s) = \frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du$$

형태를 가진다. 이때 특성방정식의 근(극)들이 $\Re(s)<0$ 범위 안에 있으면(안정 계통) 해의 과도성분이 $t\to\infty$에서 사라져서 결국 $T$ 주기의 정상상태가 남는다. 반대로 특성방정식에 양의 실부분을 갖는 근이 존재하면(불안정 계통), 해는 계속 발산하거나 진동이 폭증하는 형태가 될 수 있으므로, 주기구동이 존재해도 정상상태가 나타나지 않을 수 있다.

시간영역의 순환적 적분 관점

주기함수에 대해 $\int_{0}^{\infty} e^{-st} f(t),dt$를 직접 전개할 때, 구간 $[0,T], [T,2T], \dots$을 순차적으로 적분하여 모두 합하는 방식이 기본 아이디어였다. 이 방식을 시간영역에서 시각적으로 해석해보면, $f(t)$는 $T$ 간격으로 똑같이 잘린 함수가 무수히 이어진 꼴이고, 각 조각을 지수감쇠 $e^{-st}$로 가중 적분한 뒤 모두 더한 셈이다.

결과적으로

$$\sum_{n=0}^{\infty} \int_{nT}^{(n+1)T} e^{-st} f(t)\,dt = \left(\int_{0}^{T} e^{-s u} f(u)\,du\right) \sum_{n=0}^{\infty} e^{-sTn}.$$

이 식에서 $\sum_{n=0}^{\infty} e^{-sTn}$의 수렴은 $\Re(s) > 0$을 요구한다. 이를 초과하는 다른 $s$ 영역에서는 이 무한합이 발산할 수 있다. 따라서 라플라스 변환의 존재 여부가 곧 이 수렴 조건과 직결된다.

수치적 계산 관점

실제로 주기함수의 라플라스 변환을 수치적으로 계산해야 할 때, 가장 직관적인 방법은 한 주기 적분값

$$\int_{0}^{T} e^{-s u} f(u)\,du$$

을 특정 $s$에 대해 직접 계산한 뒤, 이를

$$\frac{1}{1 - e^{-sT}}$$

로 곱하는 것이다. 이때 $s$가 복소수이면, 실수부 $\sigma = \Re(s)$를 충분히 크게 잡아 적분값이 안정적으로 수렴하도록 한다.

한편, $s$의 값이 허수축에 가까워지면(푸리에 변환과 유사해질수록), 지수감쇠가 약해지므로 수치적 적분 과정에서 주기함수가 여러 번 반복되는 효과를 고려해야 한다. 간혹 $T$가 매우 작은 경우나 $f(u)$가 급격히 변하는 경우에는 적분구간 내부에서 미세한 격자를 사용하여 정밀 계산을 수행해야 하며, 반면 $f(u)$가 상대적으로 매끄러운 파형이라면 적은 샘플로도 정확도를 확보할 수 있다.

다양한 실제 응용

주기함수의 라플라스 변환은 전력전자 분야(스위칭 전원 공급장치, 인버터, 컨버터 등)에서 매우 자주 마주친다. 스위칭 소자가 $T$ 주기(또는 그 정수 배)로 동작할 때, 회로 각 지점에서 발생하는 전압·전류 파형이 주기성을 갖게 되므로, 이를 라플라스 변환으로 분석하면 필터나 로드(load) 쪽의 응답 특성을 계산하기 수월해진다.

특히 P(WM) 방식 스위칭 시, 펄스 폭이 제어에 따라 변경되나 전체 주기는 고정인 상황이 많다. 이런 경우, 펄스 폭이 연속적으로 바뀌더라도 한순간의 $f(t)$는 “주기가 $T$인 사각파” 형태로 볼 수 있다. 제어 이론에서는 이를 동작점 주변의 작은 변화선형화(small-signal linearization)에 대입하여 임펄스 응답 또는 전달함수를 추정하기도 한다.

또 다른 대표적 예로, 교류전력 시스템에서 $f(t) = \sin(\omega t)$나 $\cos(\omega t)$ 같은 정현파가 본질적 주기구동으로 등장한다. 순수 정현파라면 직접 라플라스 변환 표에서

$$\mathcal{L}\{\sin(\omega t)\} = \frac{\omega}{s^2 + \omega^2}, \quad \mathcal{L}\{\cos(\omega t)\} = \frac{s}{s^2 + \omega^2}$$

이런 식으로 바로 구하지만, 그 외에 위상변이, 펄스 형태, 절반주기 제어 등 복잡한 변형이 있다면 결국 주기함수의 일반공식을 사용해 적분을 수행해야 한다.

경계값 문제와 주기함수

주기함수를 경계값 문제나 분포형 파라미터 시스템(예: 막대나 멤브레인 등의 연속체)을 다루는 편미분방정식(PDE) 해석에 적용할 때, 라플라스 변환은 시간축에 대해서만 변환을 취하고, 공간좌표에 대해서는 다른 방법(푸리에 변환 등)을 병행하여 해결하는 경우가 많다. 예컨대 진동막 문제나 열전도 문제에 $T$ 주기 구동이 포함되면, 시간축에 대해 라플라스 변환을 적용함으로써 초기조건과 주기적 외력이 모두 반영된 일반해를 구한 뒤, 공간좌표에 대해서는 분리변수법이나 그린함수를 활용한다. 이때 시간구동 항이 주기함수라면

$$F(s) = \frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u}\,f(u)\,du$$

형태가 나타나며, PDE 해는 (라플라스역변환) ×\times (공간해)로 구성된다. 문제에 따라 복잡한 모드해석(modal analysis)이 필요한 경우에도, 주기적 시간이력(time history)을 라플라스로 변환함으로써 모드 별 응답을 정리할 수 있다.

불연속점과 급수 전개의 조합

주기함수 $f(t)$가 불연속점을 갖는 경우(사각파, 톱니파 등)에도, 시간 구간을 적절히 분할한 뒤에 주어진 공식

$$\mathcal{L}\{f(t)\} = \frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du$$

을 적용할 수 있다. 문제는 $\displaystyle \int_{0}^{T} e^{-s u} f(u),du$에서 각 구간별로 불연속이 있을 경우, 적분값이 단순 지수함수에 대한 여러 조각의 합으로 표현된다는 점이다. 그러나 오히려 이 조각합이 명확히 계산 가능한 경우가 많아, 실제 계산은 복잡해 보여도 절차가 분명하다. 이는 사각파처럼 구간별 상수로 정의된 함수가 대표적이고, 톱니파처럼 구간별로 $u$에 선형 의존성을 갖는 경우도 본질적으로 어렵지 않다.

더불어 결과적 라플라스 변환식에 등장하는 $e^{-s(\cdot)}$ 항들은, 시간영역에서 본다면 각 구간의 시작 지점에서 발생하는 지연(delay) 해석과 연관된다. 그 덕분에, 주기함수의 불연속 시점을 중심으로 발달하는 과도 응답이나 고차 미분항에 따른 충격반응을 비교적 간단히 추적할 수 있다.

샘플링과 에일리어싱(aliasing) 문제

주기함수를 샘플링할 때, 샘플링 주기가 $T_s$라면, 이산 신호 $f[n] = f(nT_s)$가 이산 시간축에서 반복 구조를 형성하는가 여부는 $T$와 $T_s$의 관계에 달린다. 만약 $T$가 $T_s$의 정수배라면, 샘플링된 신호도 이산영역에서 주기를 갖게 되나, $T/T_s$가 유리수가 아닐 경우에는 샘플된 신호에서 명확한 주기가 보이지 않게 된다(이른바 “beat 현상”이나 “에일리어싱” 현상).

라플라스 변환과 직접적인 연결은, 샘플링된 신호가 실제로는 “디랙 델타열”과 원신호의 곱(또는 컨벌루션)으로 나타나는 이론적 모델을 사용할 수 있음을 통해 이루어진다. 연속신호의 라플라스 변환과 이산신호의 Z-변환 사이에 존재하는 대응 관계, 그리고 주기함수의 반복 구조가 샘플링을 통해 어떻게 변형되는가 하는 문제들은 디지털 제어, 디지털 신호처리에서 자주 다루는 핵심 주제이다.

지수함수적 주기(복합주기) 함수를 다룰 때

주기함수라 해도 그 형태가 지수함수와 결합되어 “감쇠 혹은 발산하는 주기성”을 가지는 함수를 생각할 수도 있다. 예를 들어,

$$f(t) = e^{-at} \sin(\omega t)$$

는 일반적으로 주기함수가 아니지만, $a=0$일 때 비로소 순수 정현파가 되어 주기함수가 된다. $a\neq 0$인 경우라면 $f(t)$는 엄밀히는 주기성이 깨진다. 그러나 “진폭이 지수적으로 변하는 주기 진동”으로 간주해 유사주기함수(quasi-periodic function)로 부르기도 한다. 이때 라플라스 변환은

$$\mathcal{L}\{e^{-at} \sin(\omega t)\} = \frac{\omega}{(s+a)^2 + \omega^2},$$

으로 잘 알려져 있다. 순수 주기성과 결합해 생각하면, $\sin(\omega t)$에서 $a=0$인 지점이 순수 주기함수를 의미하고, $a$가 조금이라도 양 또는 음의 값을 가지면 지수감쇠(또는 성장)가 포함되므로 $T$ 주기가 깨지게 된다.

복합주기성도 마찬가지로, 서로 다른 두 주파수 $\omega_1$, $\omega_2$가 있을 때,

$$f(t) = \sin(\omega_1 t) + \sin(\omega_2 t)$$

는 $T = 2\pi / \gcd(\omega_1, \omega_2)$ 꼴로 정의될 수도 있지만, $\omega_1/\omega_2$가 유리수가 아니면 완벽한 주기는 존재하지 않는다. 따라서 라플라스 변환을 통해 적분 구조를 전개할 때, “본질적 주기”가 없으면 무한 구간에서 단순 반복을 가정할 수 없다. 결국

$$\int_{0}^{\infty} e^{-st} \bigl[\sin(\omega_1 t) + \sin(\omega_2 t)\bigr] dt$$

형태의 직접 적분이 필요하며, 주기함수 해석에 쓰는

$$\sum_{n=0}^{\infty} e^{-sTn}$$

같은 기하급수적 확장은 의미를 잃는다.

복소함수 이론에서의 특이점(Poles) 분포

주기함수 변환에서 가장 중요한 특이점 중 하나는

$$1 - e^{-sT} = 0,$$

즉

$$e^{-sT} = 1 \quad\Longrightarrow\quad s = \frac{2\pi j n}{T},\quad n \in \mathbb{Z}.$$

이 식이 의미하는 것은, $s$-평면에서 수직선에 무한히 분포된 극(pole)들이 생긴다는 것이다. 이는 푸리에 급수 관점에서 “기본 주파수 $\frac{2\pi}{T}$의 정수배 성분”이 모두 존재하는 것과 동일하게 해석된다. 따라서 브로윗치 적분(Bromwich integral) 상에서 복잡한 잔여물(residue) 합계를 취해야 하며, 실제 계산은 이 극들의 적절한 경로 처리나 주파수 영역 전개의 관점에서 수행된다.

제어공학에서도, 주기함수를 시스템 입력으로 넣을 때, 출력이 특정 $\omega = \frac{2\pi n}{T}$ 주파수 성분들을 포함하게 되고, 이 중 어떤 주파수가 시스템의 공진주파수와 일치하면 큰 진폭이 발생할 가능성이 있다. 시스템 전이함수 $G(s)$의 극, 영점(zeros) 분포와 $F(s)$의 극 분포가 결합하여 새로운 수직선상의 극 배치를 형성하므로, 성능 해석 시에는 이 상호작용을 신중하게 분석해야 한다.

이산 라플라스 변환(잠재혼동)

실무에서 간혹 “이산 라플라스 변환(discrete Laplace transform)”이라는 용어를 언급하기도 한다. 하지만 이는 엄밀히 말하면 Z-변환과 혼동될 수 있는 표현이다. 보통 이산시간 신호에 대해서는 Z-변환을 사용하며,

$$X(z) = \sum_{n=0}^{\infty} x[n] z^{-n}$$

형태로 정의된다. “이산 라플라스 변환”이라는 용어는 학술적으로는 잘 쓰이지 않는다. 주기함수가 이산시간 영역에서 반복될 경우의 해석은 라플라스 변환이라기보다 Z-변환 표준 틀에서 다룬다. 특히 주기성은

$$x[n+N] = x[n],$$

같은 형태가 되는데, 이것이 Z-평면에서 $N$차 유한영역이나 유리함수적 구조로 연결된다. 따라서 혼동하지 말고, 연속시간 주기함수는 라플라스 변환, 이산시간 주기함수는 Z-변환이라는 체계를 구분 지어 사용하는 것이 일반적이다.

변환의 물리적 해석: 무한 반복과 중첩

주기함수의 라플라스 변환에서 등장하는

$$\sum_{n=0}^{\infty} e^{-sTn}$$

항은 물리적으로 “주어진 파형이 $nT$만큼 지연되어 무한히 반복되는 파형들의 중첩”으로 볼 수 있다. 실제로 시간영역에서 이를 합성하면, 각 주기 블록이 서로 뒤섞여(오버랩) 나타나므로, 시스템 응답이나 회로 응답을 구할 때 이 중첩효과가 중요한 역할을 한다. 신호가 감쇠되지 않고 순수하게 주기적이라면, 시간에 따라 계속 이어지는 입력을 시스템이 받으므로, 정상상태 응답이 특정 위상(phase)을 두고 반복될 가능성이 높다.

이 중첩이라는 관점은 주파수 영역(푸리에) 해석에서도 마찬가지로, 주파수 스펙트럼이 선형적으로 중첩되어 나타난다고 볼 수 있다. 그러나 라플라스 변환이 갖는 지수감쇠 특성 덕에, “중첩이 적분형태로 표현되고, $\Re(s)>0$ 조건이 붙음으로써 수렴이 정당화된다”는 차이가 있다.

엔지니어링 문제에서의 수렴판단

현실적인 주기신호는 종종 “계수적으로 감쇠하는 진폭”을 갖거나, “가끔씩 폭발적으로 증가하는 순간”을 포함할 수도 있다. 전력 전자 회로에서 펄스가 불규칙적으로 변화한다거나, 생체신호(뇌파 등)에서 부분적으로 비주기적 잡음이 섞이는 경우, 이론적인 “완벽한 주기함수”와 일치하지 않게 된다.

라플라스 변환을 적용해도 $\Re(s) > 0$ 범위 내에서 수렴이 유지되지 않는다면, 결과적으로 발산한다. 이때는 일반적인 변환 공식

$$\frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du$$

을 바로 사용할 수 없거나, 쓰더라도 무한대가 될 수 있다. 따라서 “주기가 존재한다”는 사실만으로 곧바로 라플라스 변환이 유한하다고 단정 짓지 않는다. 신호가 반복되더라도, 그 반복 패턴의 크기가 (예: 선형 또는 지수적으로) 커지는 방향으로 변하면, 사실상 유효한 라플라스 변환이 존재하지 않을 수 있다.

소신호선형화(small-signal linearization)에서의 활용

스위칭 전력회로나 비선형 제어 시스템에서 주기운동을 갖는 시스템 해를 근사적으로 선형화할 때, “소신호선형화(small-signal linearization)” 기법이 쓰인다. 여기서, 큰 틀에서 $f(t)$가 $T$ 주기로 동작한다고 보고, 그 주기 내에서 아주 작은 변화만 생긴다고 가정한다. 그리고 그 변화를 선형근사하여 라플라스 변환을 적용해 응답을 추정한다.

이 방식은 실제 작동점(operating point) 주변에서 성능 해석을 할 때 매우 유용하다. 예를 들어, 스위칭 컨버터가 특정 듀티비(duty ratio)로 동작하면서 $T$ 주기 펄스를 내보낸다면, 이때 들어오는 작은 교란 입력이나 참조값 변화에 대한 출력 응답을 해석하기 위해, $T$ 주기함수 구성 요소에 대해 라플라스 변환을 확장해 해석한다.

수치 시뮬레이션과 라플라스 변환

다양한 시뮬레이션 툴(예: MATLAB/Simulink, PSpice 등)에서 주기함수를 입력으로 설정하고 시스템 응답을 구동할 때, 툴 내부적으로는 보통 시분할적(step-by-step) 적분 방식을 쓴다. 라플라스 변환을 직접 사용하지 않더라도, 결과를 분석할 때는

$$F(s) = \mathcal{L}\{f(t)\}$$

를 언급하며 시스템 전달함수 $G(s)$와 곱을 취하는 방식으로 이론적 해를 비교할 수 있다. 특히 고정된 주기의 스위칭 소자 해석에서는, 주파수 영역 해석(푸리에 변환)과 함께 라플라스 변환의 이점을 결합해 과도 응답과 정상상태 응답을 동시에 이해할 수 있다.

주기함수 응답을 시뮬레이션으로 확인해보면, 초기에 과도영역이 지나고 난 뒤, 시뮬레이션 결과가 안정된 형태의 반복 파형이 계속 나타나게 된다. 이를 “시뮬레이션에서의 정상상태”라고 부르며, 이 상태에서의 파형은 보통

$$t \ge T_0$$

이후에는 완벽히 같은 모양이 $T$ 간격으로 반복된다. 이와 같은 시뮬레이션 결과는 라플라스 해석에서 $e^{-sT}$ 항이 무한히 반복되어 만들어진 비제한적 중첩이 실제로 시간영역에서 어떻게 표현되는지를 수치적으로 보여 준다.

추가적 연구 방향

주기함수의 라플라스 변환은 이미 고전적인 이론으로 정립되어 있지만, 다음과 같은 확장적 시도들이 끊임없이 이루어지고 있다.

• 비선형 연산자하에서의 변형 주기성

• 주기함수와 확률적 잡음이 섞인 반(半)주기함수 처리

• 2차원 이상 공간에서 “시간+공간” 혼합 주기문제에 대한 이중(이차원) 라플라스 변환

• 디지털 제어에서 고차 시변(system with periodic coefficients) 모델 해석

이들은 각각이 고급 주제이므로, 실제 설계나 해석에서 요구되는 수준에 맞추어 추가 학습이 이루어진다.

반복영역(Periodic Extension) 관점과 함수공간

주기함수 $f(t)$를 해석할 때, 흔히 $[0, T]$ 구간에 정의된 함수를 무한히 반복 연장시킨 것으로 간주한다. 함수공간 이론에서는 $L^1_{\text{loc}}$, $L^2$, 혹은 Sobolev 공간 등 다양한 노름(norm)에서 주기연장 함수를 정의하고, 그 성질을 연구한다. 이를테면 $f(t)$가 적분 가능하면,

$$\int_{0}^{T} \lvert f(u)\rvert \,du < \infty$$

형태가 성립한다면, 이를 주기연장했을 때도 국소적으로 적분 가능하다는 의미가 된다. 라플라스 변환을 적용하면, $\Re(s) > 0$ 하에서

$$\int_{0}^{\infty} \bigl|e^{-s t} f(t)\bigr| \,dt$$

이 유한해야 하므로, 결국 $[0,T]$에서의 적분 가능성과 $e^{-\sigma t}$ 감쇠항이 결합되어 전체 구간이 수렴 범위 안에 들어옴을 확인하게 된다.

함수공간 측면에서 볼 때, 주기함수의 라플라스 변환은 “주기연장 + 지수감쇠”라는 특성 덕분에, 넓은 범주의 실함수 또는 복소함수에 대해서도 동일한 논리가 적용될 수 있다. 예를 들어, 불연속점이 많아도(Dirichlet 조건을 만족하기만 하면) 주기함수로서 라플라스 변환은 존재할 수 있다. 반면, $f(t)$가 $t \to \infty$로 갈수록 주기가 유지되더라도 진폭이 무한정 커지면, $e^{-\sigma t}$가 이를 억제하지 못하는 상황이 발생할 수 있어 라플라스 변환이 발산할 위험이 있다.

테이블 메서드(Table Method)와 주기함수

라플라스 변환 문제를 푸는 전형적 방법 중 하나로 테이블 메서드가 있다. 표준 라플라스 변환 표와 그 조합법(선형성, 시간 이동, 주파수 이동, 미분, 적분 등)을 이용해 문제를 간단히 처리한다. 주기함수도 사각파, 삼각파, 톱니파처럼 표준 형태에 가까운 경우라면, 이미 잘 알려진 “구간별 적분”을 통해 표에 해당하는 식을 쉽게 얻는다.

특히 사각파의 경우

$$\mathcal{L}\{f(t)\} = \frac{1}{1-e^{-sT}} \cdot \frac{1-e^{-s\alpha}}{s}$$

꼴을 테이블에서 찾을 수 있는데, 여기서 $\alpha < T$는 한 주기 내에서 $f(t)$가 1을 유지하는 구간 길이다. 삼각파나 톱니파의 경우에도 각각 미분이나 적분을 통해 사각파로 환원해 해를 구하거나, 직접 구간별로 적분하여 같은 식을 유도할 수 있다.

테이블 메서드는 간단하고 빠르지만, 함수가 특이하게 정의된 주기구간을 갖거나, 복잡한 표현을 가지면 테이블만으로는 해결이 어려워진다. 이럴 때는 직접 적분 정의에 의존하거나, 푸리에 급수 표현 뒤에 항별 라플라스 변환을 더하는 방식을 사용해야 한다.

분포(Distribution)로서의 주기함수

주기함수를 더욱 일반화해 보면, 델타열처럼 분포(Generalized function) 형태의 주기구조를 가진 케이스를 생각할 수 있다. 가령

$$\delta_T(t) = \sum_{n=-\infty}^{\infty} \delta(t - nT)$$

는 음이 아닌 모든 $n$에 대해서만 합을 취하면

$$\delta_T^+(t) = \sum_{n=0}^{\infty} \delta(t - nT)$$

형태가 될 수 있다. 이것을 $t>0$ 영역에 대해 라플라스 변환하면,

$$\mathcal{L}\{\delta_T^+(t)\} = \int_{0}^{\infty} e^{-st} \left(\sum_{n=0}^{\infty} \delta(t-nT)\right) \,dt = \sum_{n=0}^{\infty} e^{-s(nT)} = \frac{1}{1 - e^{-sT}}, \quad \Re(s)>0.$$

이는 주기함수(라고 부를 수 있는, 사실상 분포)와 동일한 라플라스 변환 결과를 보여 주며, 우리가

$$\frac{1}{1 - e^{-sT}}$$

항을 해석할 때, “주기적으로 나타나는 델타열”의 변환과 동일한 구조라는 사실을 재확인하게 해 준다. 결국, 분포 이론 관점에서의 주기구조도 라플라스 변환을 통해 동일한 결과를 얻게 되며, 주기함수라는 개념이 분포까지 확장됨을 알 수 있다.

시간영역 오버랩(Overlap) 해석

주기함수 라플라스 변환이 나타내는 지수열 합

$$\sum_{n=0}^{\infty} e^{-s(nT)}$$

은 시간영역에서 서로 떨어진 구간들이 반복적으로 오버랩되어 누적되는 현상과 직결된다. 예컨대 $f(t)$가 한 주기 $[0,T]$에서만 특정 형상을 하고, 나머지 구간에서 0이라면, 이를 무한히 반복해서 이어붙인 것이 실제 $f(t)$가 된다. 이런 형태가 LTI 시스템을 통과할 때, 시스템 응답 역시 이전 주기의 응답이 아직 남아 있는 상태에서 다음 주기의 입력이 들어와 겹치게 된다.

이러한 해석은 컨벌루션 적분

$$y(t) = \int_{0}^{t} h(t-\tau)\, f(\tau)\,d\tau$$

에 그대로 반영되어, $t \in [nT, (n+1)T]$ 구간에서도 이전에 $(n-1)$번째, $(n-2)$번째 주기의 입력이 남긴 잔재가 겹쳐서 나오게 된다. 이를 주파수 영역에서 간결하게 요약해 주는 것이 바로

$$Y(s) = H(s)\, F(s)$$

이며, $F(s)$가

$$F(s) = \frac{1}{1 - e^{-sT}} \int_{0}^{T} e^{-s u} f(u)\,du$$

로 표현된다. 시스템 응답의 해석 난이도가 커질 때, 시간영역 오버랩 과정을 라플라스 영역에서 단 한 번에 처리할 수 있다는 점이 라플라스 변환을 사용하는 주요 장점 중 하나이다.

주파수응답(Function of jω)과의 교차점

주기함수의 라플라스 변환을 $\sigma=0$ 축으로 제약해서 본다면, 결국 푸리에 변환과 매우 흡사한 형태의 식이 된다. $s=j\omega$ 대입 시

$$F(j\omega) = \int_{0}^{\infty} e^{-j\omega t} f(t)\,dt.$$

주기함수라면, 순수 푸리에 변환(정의역 $(-\infty,\infty)$) 대신, 일반적으로 푸리에 급수 계수를 통해 부분적으로만 정의하거나, $t \ge 0$에서의 일방성(one-sided) 푸리에 변환을 정의하기도 한다. 실제로는 $f(t)$가 주기적이므로, 그 “진동 성분”이 특정 주파수들 $\omega_k = \frac{2\pi k}{T}$에 집중되어 있음을 안다. 그러나 라플라스 변환의 이점은 $\sigma>0$ 영역에서도 변환이 잘 정의되어, 초기조건이나 과도영역을 포함한 전 범위 해석이 가능하다는 것이다.

푸리에 해석만으로는 steady-state(정상상태) 부분을 손쉽게 분석할 수 있지만, 과도영역이나 인과성, 안정성 관련 연구에는 한계가 있다. 이 때문에 주기함수라도 시스템을 거친 후의 응답을 전적으로 파악하기 위해서는 라플라스 변환으로 접근한 뒤, 필요하다면 $\sigma=0$로 제한하여 주파수응답을 도출하는 방식이 자주 활용된다.

예제: 톱니파(sawtooth wave) 라플라스 변환

높이가 선형으로 증가했다가 주기마다 0으로 돌아가는 톱니파 함수 $f(t)$를 간단히 가정해 보면, 한 주기 $0 \le u < T$에서

$$f(u) = \frac{u}{T}, \quad 0 \le u < T$$

라 두자(주기 끝 점에서 불연속). 이때

$$\int_{0}^{T} e^{-s u} f(u)\,du = \int_{0}^{T} e^{-s u} \frac{u}{T}\,du = \frac{1}{T} \int_{0}^{T} u e^{-s u}\,du.$$

이 적분은 부분적분 등으로 해결 가능하다.

$$\int_{0}^{T} u e^{-s u}\,du = \left[-\frac{u}{s} e^{-s u}\right]_{0}^{T} + \int_{0}^{T} \frac{1}{s} e^{-s u}\,du = \left[-\frac{T}{s} e^{-s T}\right] + \frac{1}{s} \int_{0}^{T} e^{-s u}\, \\ = -\frac{T}{s} e^{-s T} + \frac{1}{s}\left[\left(-\frac{1}{s}\right) e^{-s u}\right]_{0}^{T} = -\frac{T}{s} e^{-s T} + \frac{1}{s}\left(-\frac{ e^{-s T} - 1}{s}\right) \\ = -\frac{T}{s} e^{-s T} - \frac{e^{-s T} - 1}{s^2}.$$

따라서

$$\int_{0}^{T} u e^{-s u}\,du = -\frac{T}{s} e^{-s T} - \frac{e^{-s T} - 1}{s^2}.$$

이를 $1/T$로 나누면

$$\int_{0}^{T} e^{-s u} \frac{u}{T}\,du = -\frac{T}{sT} e^{-s T} - \frac{e^{-s T} - 1}{s^2 T} = -\frac{ e^{-s T}}{s} - \frac{e^{-s T} - 1}{s^2 T}.$$

결국 톱니파 라플라스 변환은

$$\mathcal{L}\{f(t)\} = \frac{1}{1 - e^{-sT}} \left[-\frac{ e^{-s T}}{s} - \frac{e^{-s T} - 1}{s^2 T}\right].$$

이 식은 다소 복잡해 보여도, 실제로 기하급수적 전개 $\sum_{n=0}^{\infty} e^{-sTn}$를 곱해 펼치면, 톱니파 각 주기의 선형 상승 부분이 반복되는 것을 지수감쇠와 함께 반영하는 구조임을 알 수 있다. 구간별 정의가 선형이어도 적분을 통해 닫힌형 해를 얻을 수 있음을 확인한다.

실용적 관점: 점근적 행태와 진동 분석

주기함수가 입력으로 주어졌을 때, 시간영역 해석에서 가장 많이 궁금해하는 것은 $t \to \infty$에서의 응답이 어떻게 되는가이다. 라플라스 변환은 특정 $\Re(s) = \sigma$를 기준으로 수렴 범위를 설정하므로, $\sigma$가 충분히 클 때(감쇠가 큰 경우), 과도 성분이 더욱 빠르게 소멸해 정상상태만 두드러지게 남는다.

제어 시스템이나 회로에서 주기구동이 들어오면, 결과적으로 정상상태 응답이 동일 주기 또는 그 배수 주기로 반복되는지는 시스템 극(pole)의 위치에 달린다. 만약 안전하게 $\Re(\text{pole})<0$라면, $t \to \infty$에서 과도성분은 모두 사라지고, “주기적인 정상상태”가 남는다. 반대로 어떤 극이 $\Re(\text{pole}) \geq 0$에 있으면, 발산 혹은 커지는 진폭의 진동이 발생한다. 이때 라플라스 변환은 본질적으로 발산구간을 포함하여 해를 제대로 정의하기 어렵거나, 해가 분포적으로만 존재하게 될 수 있다.

추가 논의

위의 개념들을 종합하면, 주기함수의 라플라스 변환은 “한 주기 적분”과 “무한 기하급수열 합”이라는 두 가지 축을 통해 단순 명료하게 정의된다. 이 공식은 다양한 실제 상황(사각파, 톱니파, 삼각파, 불연속 파형 등)에서도 보편적으로 적용 가능하다. 주기함수를 다른 방식(푸리에 급수, 분포, 이산 샘플링 등)으로 해석하더라도, 결론적으로는 유사한 구조에 도달함을 알 수 있다.

확장적 시사점과 마무리 논의

주기함수를 라플라스 변환 관점에서 정리해 보면, 한 주기 적분과 기하급수적 합을 결합하는 기본 공식을 통해 대부분의 경우를 처리할 수 있음을 알 수 있다. 이때 $f(t)$가 $T$ 주기라는 사실을 이용하여 $[0,T]$ 구간에서의 적분만 잘 구하면, 나머지는 지수인자 $e^{-sT}$의 반복곱으로 구성되는 무한합으로 쉽게 전개할 수 있다.

주기함수를 해석할 때, 필요한 만큼 구간을 세분하거나 푸리에 급수를 활용하거나, 분포 이론 차원에서 델타열 모델을 사용하는 등 다양한 접근법이 가능하다. 각각은 문제 설정이나 계산 목적에 따라 장단점이 존재하나, 결과적으로는 동일한 구조를 공유한다.

시간영역 오버랩, 주파수영역 스펙트럼 중첩, 시스템 극(pole)의 안정성 해석 등 다양한 주제에 걸쳐, 라플라스 변환은 주기함수에 대한 강력한 도구로써 응용된다. 복잡한 실제 환경에서도, “주기는 유지하되 세부 구간의 함수 형태가 달라지는” 문제는 구간별 정의를 적분에 반영해 풀 수 있고, “주기가 불분명한 복합 진동” 문제는 부분적으로 푸리에 계수나 쌍주기, 혹은 준주기(quasiperiodic) 개념 등을 적용하여 확장 가능하다.

이 모든 흐름을 통해, 라플라스 변환이 갖는 지수감쇠 성질과 주기함수의 반복 구조가 만나, 여러 현실 문제에서 단일 수식으로 무한 반복의 효과를 다룰 수 있게 된다. 이는 시스템 해석이나 회로망 해석, 제어·신호처리, 분포 해석, 심지어 PDE나 생체신호 등 융합 학문 영역에서도 유효한 방식이다.