CONTRO DIGITAL

1. ANÁLISIS DE SISTEMAS EN TIEMPO DISCRETO

1.1. ANÁLISIS DE SISTEMAS DISCRETOS

1.1.1. Introducción a los sistemas en tiempo discreto

1.1.2. Métodos de transformación para análisis de sistemas discretos
1.1.3. Solución de ecuaciones en diferencia
1.1.4. Diagramas de simulación y flujo
1.1.5. Muestreo y reconstrucción de datos

1.1.1. Introducción a los sistemas en tiempo discreto

Se requiere que los controladores garanticen un comportamiento transitorio y estable

satisfactorio para los sistemas de ingeniería modernos. Para garantizar un rendimiento
satisfactorio en presencia de perturbaciones, la mayoría de los controladores en uso en la
actualidad emplean algún tipo de retroalimentación negativa, por lo que se necesita un
sensor para medir la variable controlada y comparar su comportamiento con una señal de
referencia. Entonces, la acción de control se basa en una señal de error definida como la
diferencia entre la referencia y los valores reales.

El controlador que manipula la señal de error para determinada acción deseada de control
ha sido clásicamente un sistema analógico, que incluye componentes eléctricos, fluidos,
neumáticos o mecánicos. Todos estos sistemas tienen entradas y salidas análogas, es
decir, sus señales de entrada y salida se definen de forma continua en un intervalo de
tiempo y tienen valores que están definidos en un rango continuo de amplitudes. En las
últimas décadas, los controladores analógicos han sido a menudo reemplazados por
controladores digitales cuyas entradas y salidas se definen en instancias de tiempo
discreto. Los controladores digitales están en forma de circuitos digitales, computadoras
digitales o microprocesadores.

Además, las variables de control (salidas del controlador) que cambian continuamente
obtienen un mejor control que las que cambian periódicamente. Si todos los demás
factores hubieran sido idénticos para el control digital y analógico, el control analógico
sería superior al control digital, por lo que se plantea la pregunta: ¿Cuál es, entonces, la
razón detrás del cambio de analógico a digital que ha ocurrido en las últimas décadas?.

Pero, el control digital ofrece claras ventajas sobre el control analógico que explican su
popularidad. Estas son algunas de sus muchas ventajas:

1. Precisión. Las señales digitales se representan en términos de ceros y unos con

típicamente 12 bits o más para representar un solo número. Esto implica un error muy
pequeño en comparación con las señales analógicas, donde el ruido y la derivación de
la fuente de alimentación siempre están presentes.

2. Errores de implementación. El procesamiento digital de señales de control implica

suma y multiplicación por valores numéricos almacenados. Los errores que resultan
de la representación digital y la aritmética son insignificantes. Por el contrario, el
procesamiento de señales analógicas se realiza utilizando componentes tales como

1
 resistencias y condensadores con valores reales que varían significativamente de los
valores nominales de diseño.

3. Flexibilidad. Un controlador analógico es difícil de modificar o rediseñar una vez

implementado en hardware. Un controlador digital se implementa en firmware o
software y su modificación es posible sin un reemplazo completo del controlador
original. Además, la estructura del controlador digital no necesita seguir una de las
formas simples que se usan típicamente en el control analógico. Las estructuras de
controlador más complejas implican algunas operaciones aritméticas adicionales y
son fácilmente realizables.

4. Velocidad. La velocidad del hardware de la computadora ha aumentado

exponencialmente desde la década de 1980. Este aumento en la velocidad de
procesamiento ha permitido muestrear y procesar señales de control a velocidades
muy altas. Debido a que el intervalo entre las muestras, el período de muestreo, puede
reducirse mucho, los controladores digitales logran un rendimiento que es
esencialmente el mismo basado en el monitoreo continuo de la variable controlada.

5. Costo. Aunque los precios de la mayoría de los bienes y servicios han aumentado
constantemente, el costo de los circuitos digitales continúa disminuyendo. Los
avances en la tecnología de integración a gran escala (VLSI) han permitido fabricar
circuitos integrados mejores, más rápidos y más confiables y ofrecerlos al consumidor
a un precio menor. Esto ha hecho que el uso de controladores digitales sea más
económico incluso para aplicaciones pequeñas y de bajo costo

1. Señales analógicas y digitales

En un sistema continuo (analógico) las señales vienen representadas por funciones

continuas, ver Figura 1.1.a. En un sistema discreto (digital) sin embargo, se representan
como secuencias discretas, ver Figura 1.1.b. En el caso del control digital, esas secuencias
discretas son una serie de números que provienen de tomar los valores instantáneos de
señales analógicas en instantes de tiempo concretos. Es lo que se denomina muestreo.
Esos instantes suelen estar equiespaciados por un tiempo T que se denomina periodo de
muestreo. A cada uno de los valores se les denomina muestras y se identifican por su
número de muestra k. En la figura 1.1.b se observa una secuencia y = {y0, y1,y2, …}, que
proviene de una señal analógica y (t), ver Figura 1.1.a, con la relación entre muestra k e
instante de tiempo kT.

La elección del periodo de muestreo es muy importante puesto que un valor demasiado
grande hace que se pierda información cuando se muestrean señales rápidas, que en el
caso de tratarse de un problema de control provendrán de sistemas rápidos.

2
Figura 1.1. (a) Señal analógica representada por función continua. (b) Señal digital
representada por secuencia discreta.

2. Estructura de un sistema de control digital

Para controlar un sistema o proceso físico usando un controlador digital, el controlador

debe recibir mediciones del sistema, procesarlas y luego enviar señales de control al
actuador que efectúa la acción de control. En casi todas las aplicaciones, tanto la planta
como el actuador son sistemas analógicos. Esta es una situación en la que el controlador
y el control no "hablan el mismo idioma" y se requiere alguna forma de traducción.

La configuración de un sistema de control digital en lazo de control cerrado, se muestra

en la Figura 1.2, teniendo en cuenta que el conjunto comparador-regulador se encuentra
dentro de un computador (procesador). Dicho conjunto comparador-regulador forma
parte de un programa dentro del computador. El comparador no es más que una resta
entre dos variables y el regulador es una serie de productos y sumas. Para unir este ámbito
de números dentro de un programa al ámbito físico del sistema a controlar se necesita una
interfaz. Esa es la labor que realizan precisamente los dos elementos nuevos que aparecen
en el esquema del control digital respecto al del control analógico: el conversor digital
analógico (CDA) y el conversor analógico digital (CAD). El CDA sirve para convertir el
valor de la acción de control calculado dentro del programa en una señal física (eléctrica)
que actúa sobre el proceso. A su vez el CAD sirve para convertir la señal que proporciona
el sensor (eléctrica) en un número dentro del programa.

También se debe tener en cuenta que la señal de Referencia o consigna del Procesador
corresponde a una señal digital.

Figura 1.2. Configuración de un sistema de control digital.

En resumen, La traducción del lenguaje del controlador (digital) al lenguaje de proceso

físico (analógico) se realiza mediante un convertidor digital a analógico (CDA). La

3
traducción del lenguaje de proceso al lenguaje de controlador digital se realiza mediante
un convertidor de analógico a digital (CAD). Se necesita un sensor para monitorear la
variable controlada para control de retroalimentación.

Las variaciones en esta configuración de control son posibles. Por ejemplo, el sistema
podría tener varias entradas de referencia y variables controladas, cada una con un lazo
similar al de la Figura 1.2. El sistema también podría incluir un lazo interno con control
digital o analógico. En la Figura 1.3 se muestra un sistema de control en tiempo discreto
con comparador analógico y un regulador digital en una planta con realimentación de
lazo cerrado.

Figura 1.3. Controlador con Comparador analógico y Regulador digital en una

planta con realimentación de lazo cerrado

Analizando las Figuras 1.3 se tiene lo siguiente: se parte de la una señal analógica (luego
de la comparación analógica) como se observa en la Figura 1.3a, a la cual se le digitaliza
mediante el Muestreador para obtener el vector de puntos de las muestras representadas
en la Figura 1.3b, a continuación se realiza el muestreo y retención (sampling and hold)
para que la señal sea continua como la Figura 1.3c, luego se aplica un filtro pasa bajo con
la frecuencia de corte a la mitad de la frecuencia de muestreo, para obtener la Figura 1.3d.
que es la señal análoga reconstruida para el control.

3. Ejemplos de sistemas de control digital

Control de un manipulador robótico

Los manipuladores robóticos son capaces de realizar tareas repetitivas a velocidades y

precisiones que exceden por mucho a las de los operadores humanos. Ahora son
ampliamente utilizados en procesos de fabricación como la soldadura por puntos y la

4
pintura. Para realizar sus tareas con precisión y fiabilidad, las posiciones y velocidades
de la mano del manipulador (efector final) se controlan digitalmente.

Cada movimiento o grado de libertad (D.O.F.) del manipulador se posiciona usando un

sistema de control de posición separado. Todos los movimientos son coordinados por una
computadora supervisora para lograr la velocidad y el posicionamiento deseado del
efector final. La computadora también proporciona una interfaz entre el robot y el
operador que permite programar los controladores de nivel inferior y dirigir sus acciones.
Los algoritmos de control se descargan de la computadora de supervisión a las
computadoras de control, que generalmente son microprocesadores especializados
conocidos como chips de procesamiento de señal digital (DSP). Los chips DSP ejecutan
los algoritmos de control y proporcionan control de lazo cerrado para el manipulador. En
la figura 1.4a se muestra un manipulador robótico simple, y en la figura 1.4.b se muestra
un diagrama de bloques de su sistema de control digital.

FIGURA 1.4. Sistema de control manipulador robótico. (a) 3-D.O.F. manipulador

robótico. (b) Diagrama de bloques de un sistema de control del manipulador.

Para simplificar, solo se muestra un lazo de control de movimiento en la Figura 1.4, pero
en realidad hay n lazos para un manipulador n-D.O.F.

1.1.2. Métodos de transformación para análisis de sistemas discretos

1. Características del control en tiempo discreto

En la mayoría de las aplicaciones de ingeniería, es necesario controlar un sistema o planta

física para que se comporte de acuerdo con las especificaciones de diseño dadas.

5
Típicamente, la planta es analógica, el control es por partes constante, y la acción de
control se actualiza periódicamente. Esta disposición da como resultado un sistema global
que se describe convenientemente mediante un modelo de tiempo discreto.

Las características del control en tiempo discreto son:

 La planta es continua pero el regulador trabaja en tiempo discreto.

 La estabilidad del sistema en tiempo discreto y la aproximación del sistema de tiempo
continuo a tiempo discreto dependen del periodo de muestreo T.
 El periodo de muestreo T provee aspectos como la estabilidad y exactitud del sistema
discreto con referencia al analógico.
 Existen dos casos típicos de control en tiempo discreto:

a) Emulación analógica
b) Diseño digital directo

A continuación se describen las dos maneras de tratar un control en tiempo discreto:

a) Emulación analógica: Primero se realiza el análisis y la síntesis del regulador en

tiempo continuo y luego se usa un proceso de discretización usando el periodo de
muestreo T, de la siguiente manera:

• La planta se modela en tiempo continuo

• El regulador se diseña en tiempo continuo usando los métodos conocidos.
• El regulador obtenido del proceso anterior se discretiza usando un período de
muestreo T y empleando alguna de las aproximaciones conocidas, tales como:

 Respuesta invariante (al escalón o al impulso)

 Transformación bilineal o de Tustin
 Mapeo de polos y ceros
 Retenedor de orden cero

b) Diseño digital directo. La planta en tiempo continuo es discretizada,

generalmente por el método del retenedor de orden cero, obteniéndose así una
aproximación digital y luego se calcula o sintetiza un compensador digital, de la
siguiente forma:

• La planta se modela en tiempo continuo

• La planta es discretizada usando el periodo de muestreo T y un método de
aproximación de los antes enumerados.
• El regulador se calcula o sintetiza directamente en tiempo discreto usando
cualquiera de los métodos siguientes:

 El lugar de las raíces

 Respuesta de frecuencia o gráficas de Bode (a través de una
transformación bilineal al plano W)
 Respuesta de orden n con cancelación de polos
 Dead-Beat

6
En la Figura 1.5 se muestra el proceso de la señal de tiempo continuo a tiempo discreto,
del muestreador-retenedor.

Figura 1.5. Proceso de la señal de tiempo continuo a tiempo discreto

Donde las funciones matemáticamente son:

𝑓𝑠 (𝑡) = 𝑓(𝑡). 𝛿𝑇 (𝑡)

∞

𝑓𝑠 (𝑡) = 𝑓(𝑡) ∑ 𝛿(𝑡 − 𝑘𝑇)

𝑘=0

^𝑓(𝑡) = 𝑓(𝑘𝑡) ; 𝑘𝑇 ≤ 𝑡 ≤ (𝑘 + 1)𝑇

2. Discretización de sistemas modelados por ecuaciones diferenciales

a) Discretización de la ecuación diferencial de primer orden

Cuando la ecuación diferencial es de primer orden, se plantea emplear el método de

Euler para discretizar la ecuación diferencial y encontrar la ecuación en diferencias
discreta.

La ecuación diferencial de primer orden, con una entrada u y salida y, se tiene

𝑦̇ + 𝑎𝑦 = 𝑏𝑢 ; 𝑎, 𝑏 = 𝑐𝑡𝑒

𝑦̇ = − 𝑎𝑦 + 𝑏𝑢

La ecuación diferencial en función del tiempo, sería:

𝑑𝑦
= −𝑎𝑦 (𝑡) + 𝑏𝑢 (𝑡)
𝑑𝑡

Se reemplaza t = kT para valores de k = 0, 1, 2...

7
 𝑑𝑦
Y despejando para obtener:
𝑑𝑡
𝑑𝑦
= (−𝑎𝑦 (𝑘𝑇) + 𝑏𝑢 (𝑘𝑇))|𝑡=𝑘𝑇
𝑑𝑡 |𝑡=𝑘𝑇

𝑑𝑦
= −𝑎𝑦 (𝑘𝑇) + 𝑏𝑢 (𝑘𝑇)
𝑑𝑡 |𝑡=𝑘𝑇
(1.1)
𝑑𝑦
Se aproxima la derivada por el método de Euler para una función y(t)
𝑑𝑡 |𝑡=𝑘𝑇
continua.

𝑑𝑦 𝑦 ((𝑘 + 1 )𝑇) − 𝑦 (𝑘𝑇 )

=
𝑑𝑡 |𝑡=𝑘𝑇 𝑇
(1.2)
La cual es una buena aproximación si el periodo T es pequeño. Igualando las
ecuaciones 1.1 y 1.2, se tiene:

𝑦 ((𝑘 + 1 )𝑇) − 𝑦 (𝑘𝑇 )

= −𝑎𝑦 (𝑘𝑇 ) + 𝑏𝑢 (𝑘𝑇 )
𝑇
Se multiplica a ambos lados por T de la ecuación anterior y se simplifica el resultado
escribiendo únicamente k en lugar de kT, se tiene:

y (kT ) = y (k) y u (kT ) = u (k)

y ((k+1 )T) = y (k + 1)

se obtiene:
y (k + 1) = −aT . y (k) + bT . u (k) + y (k)

Al reemplazar una vez más k − 1 = k:

y (k) = (1 − aT ) y (k − 1) + bT . u (k − 1)
(1.3)
Se obteniene como resultado la ecuación de diferencias correspondiente a la ecuación
diferencial de primer orden.

Comportamiento de un sistema discreto de primer orden

Los valores discretos y(k) = y(kT) de la solución de y(t) pueden ser calculados
resolviendo la ecuación de diferencias.

Primero se calcula la solución homogénea: u(k) = 0, ∀k por recursión:

k =1 y(1) = (1− aT) y(0)

k=2 y(2) = (1 − aT ) y(1) = (1 − aT )[(1 − aT ) y(0)]

y(2) = (1 − aT )2 y(0)

k=3 y(3) = (1 − aT ) y(2) = (1 − aT )3 y(0)

8
 y(k) = (1− aT)k y(0) ; k = 0, 1, 2 ...

Comparación de nuestra aproximación con la solución continua

y(t) = e-at y(0) ; t ≥ 0

Sustituir t = kT :

y(kT) = e-akT y(0) ; k = 0, 1, 2 ...

𝑦(𝑘) = (𝑒 −𝑎𝑇 )𝑘 𝑦(0) ; 𝑘 = 0, 1, 2, …

Desarrollando e−aT por una serie:

−𝑎𝑇
𝑎𝑇 𝑎2 𝑇 2 𝑎3 𝑇 3
𝑒 = 1− + − +⋯
1! 2! 3!

Sustituyendo se obtiene la solución exacta:

𝑘
𝑎2 𝑇 2 𝑎3 𝑇 3
𝑦(𝑘) = [1 − 𝑎𝑇 + − + ⋯ ] 𝑦(0) ; 𝑘 = 0, 1, 2, …
2! 3!

Si aT << 1 entonces, las potencias de aT serán mucho menores que (1-aT) y por lo
tanto se puede aproximar la solución a:

𝑦(𝑘) = (1 − 𝑎𝑇)𝑘 𝑦(0)

La cual es una buena aproximación a la solución exacta si aT << 1, y coincide con la

solución encontrada antes. Es conveniente mencionar aquí que con este método o con
otros que se verán más adelante, siempre se obtendrá una aproximación en tiempo
discreto al verdadero sistema en tiempo continuo; y que los diferentes métodos
proporcionan diferentes aproximaciones.

1
Para cumplir la condición |𝑎𝑇| << 1 se hace que T << |𝑎| con lo que se puede
escoger el periodo de muestreo como:

1 1
𝑇≤ .| |
10 𝑎

o se puede también utilizar la siguiente recomendación:

1
𝑓𝑠 = ≥ 20. 𝐵𝑊
𝑇

donde BW es el ancho de banda de lazo cerrado del sistema.

La solución completa obtenida por recursión, (procedimiento que se deja como

ejercicio al lector) es:

9
 𝑦(𝑘) = (1 − 𝑎𝑇)𝑘 𝑦(0) + ∑𝑘𝑖=1[(1 − 𝑎𝑇)𝑘−𝑖 𝑏𝑇 . 𝑢(𝑖 − 1)]

En la Figura 1.6 se muestra la sucesión de valores de salida y(kT) con 0 < (1-aT) < 1.

Figura 1.6. Sucesión de valores de salida y(kT) con 0 < (1-aT) < 1.

En la Figura 1.7 se muestra la sucesión de valores de salida y(kT) con (1-aT) > 1.

Figura 1.7: Sucesión de valores de salida y(kT) con (1-aT) > 1.

Se puede observar en la Figura 1.6: que la respuesta natural de y(kT) se amortigua al

aumentar el valor de k cuando 0 < (1 - aT) < 1 y en la Figura 1.7 se ve que la salida
crece sin límite al aumentar el valor de k cuando (1-aT) > 1.

De la ecuación de diferencias (1.3) se puede concluir que el valor (1 - aT) es la raíz

de la ecuación de diferencias de primer orden. También se puede observar que el valor
de esta raíz depende no sólo del coeficiente a de la ecuación diferencial; sino además
del periodo de muestreo T.

¿Cómo es la forma de la salida cuando (1− aT ) es negativo para los casos en que su
magnitud es menor que uno o mayor que uno?.

En conclusión, si las magnitudes de las raíces de la ecuación de diferencias son todas

menores que 1 el sistema discreto es estable y la estabilidad se ve afectada por el valor
escogido para el periodo de muestreo T.

Ejemplo:

Sea el sistema analógico dado por la ecuación diferencial:

𝑑𝑦
3 + 2𝑦 (𝑡) = 5𝑢 (𝑡)
𝑑𝑡

𝑑𝑦 2 5
= − 𝑦 (𝑡) + 𝑢 (𝑡)
𝑑𝑡 3 3

𝑑𝑦 2 5
= − 𝑦 (𝑘𝑇) + 𝑢 (𝑘𝑇)
𝑑𝑡 |𝑡=𝑘𝑇 3 3

Aplicando el método de Euler e igualando las diferenciales:

10
 𝑦 ((𝑘 + 1 )𝑇) − 𝑦 (𝑘𝑇 ) 2 5
= − 𝑦 (𝑘𝑇) + 𝑢 (𝑘𝑇)
𝑇 3 3

Multiplicando ambos lados por T:

2 5
𝑦 ((𝑘 + 1 )𝑇) − 𝑦 (𝑘𝑇 ) = − 𝑇𝑦 (𝑘𝑇) + 𝑇𝑢 (𝑘𝑇)
3 3

Agrupando:

2 5
𝑦 ((𝑘 + 1 )𝑇) = (1 − 𝑇) 𝑦 (𝑘𝑇) + 𝑇𝑢 (𝑘𝑇)
3 3

Al reemplazar kT = k y k - 1 = k, se tiene:

2 5
𝑦 (𝑘) = (1 − 𝑇) 𝑦 (𝑘 − 1) + 𝑇𝑢 (𝑘 − 1)
3 3

b) Sistemas de orden superior en el dominio del tiempo discreto

1. Sistema en tiempo continuo

Sea la ecuación diferencial

𝑑𝑛 𝑦 𝑑 𝑛−1 𝑦 𝑑𝑦 𝑑𝑛 𝑢 𝑑 𝑞−1 𝑢 𝑑𝑢
𝑎𝑛 𝑛
+ 𝑎𝑛−1 𝑛−1
+ ⋯ + 𝑎1 + 𝑎0 𝑦 = 𝑏𝑞 𝑛
+ 𝑏𝑞−1 𝑞−1
+ ⋯ + 𝑏1 + 𝑏0 𝑢
𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑑𝑡

A la cual le corresponde el siguiente modelo en variables de estado:

𝑥̇ = 𝐴 ⋅ 𝑥 + 𝐵 ⋅ 𝑢
𝑦 = 𝐶⋅𝑥+𝐷⋅𝑢
(1.4)
2. Sistema en tiempo discreto

Sea la ecuación de diferencias:

𝑎𝑛 𝑦(𝑘 − 𝑛) + ⋅⋅⋅ + 𝑎1 𝑦(𝑘 − 1) + 𝑎0 𝑦(𝑘) = 𝑏𝑞 𝑢(𝑘 − 𝑞) + ⋅⋅⋅ + 𝑏1 𝑦(𝑘 − 1) + 𝑏0 𝑢(𝑘)

A la cual corresponde el modelo en variables de estado mostrado a continuación:

𝑥(𝑘 + 1) = 𝐴𝑑 ⋅ 𝑥(𝑘) + 𝐵𝑑 ⋅ 𝑢(𝑘)

𝑦(𝑘) = 𝐶𝑑 ⋅ 𝑥(𝑘) + 𝐷𝑑 ⋅ 𝑢(𝑘)
(1.5)
3. Derivación del modelo en tiempo discreto a partir del modelo en tiempo
continuo

Dado el modelo en tiempo continuo en forma de un modelo en variables de estado

mostrado en las ecuaciones (1.4) y tomando en cuenta que se usa un período de muestreo
T, con la condición de que la entrada se mantenga constante durante la totalidad del
tiempo T:
11
 u(t) = u(kT) ; para kT ≤ t < (k +1)T ∀k ∈ N

Se desea encontrar las matrices Ad, Bd, Cd y Dd, de las ecuaciones (1.5), para lo cual se
parte de la ecuación de movimiento para el sistema en variables de estado, el cual se
evalúa en t = kT. (El desarrollo queda para el lector)

4. Sistema de segundo orden

Sea el sistema analógico dado por la ecuación diferencial:

𝑑𝑦 2 𝑑 𝑑𝑦
|𝑡=𝑘𝑇 = ⋅
𝑑𝑡 2 𝑑𝑡 𝑑𝑡 |𝑡=𝑘𝑇

La ecuación diferencial de segundo orden se puede aproximar en dos ecuaciones

diferenciales de primer orden, porque el punto está en la parte media del de T:

Reemplazando las ecuaciones diferenciales de primer orden del numerador y

simplificando, se tendría:

1.1.3. Solución de ecuaciones en diferencias

Pueden generarse o modificarse las señales en tiempo discreto mediante algoritmos (que
se concretan en un programa de ordenador).

Sistema en tiempo discreto: Define una regla para obtener cada valor de la salida y[k],
dados los valores de la entrada u[k] y las condiciones iniciales.

La ecuación en diferencias. Expresa el resultado del algoritmo (salida, y[k]) para cada
instante k como combinación lineal de valores de la entrada u[k] y de la salida en distintos
instantes. Para ser causal (ejecutable en tiempo real) estos valores deben ser pasados; se
admite también el valor presente de la entrada, lo cual requiere suponer que el tiempo de
cálculo es despreciable. En un sistema no causal, y[k] depende de u[k+1], u[k+2], ...

La ecuación en diferencia no lineal tiene la forma:

𝑦(𝑘 + 𝑛) = 𝑓[𝑦(𝑘 + 𝑛 − 1), 𝑦(𝑘 + 𝑛 − 2),⋅⋅⋅, 𝑦(𝑘 + 1), 𝑦(𝑘), 𝑢(𝑘 + 𝑛), 𝑢(𝑘 + 𝑛 − 1),⋅⋅⋅, 𝑢(𝑘 + 1), 𝑢(𝑘)]

forzando la función u(k) se dice que es de orden n porque la diferencia entre los
argumentos de tiempo más alto y más bajo de y(.) y u(.) es n. Las ecuaciones con las que
se trabaja son casi exclusivamente lineales y tienen la forma:

𝑦(𝑘 + 𝑛) + 𝑎𝑛−1 (𝑘 + 𝑛 − 1) + ⋅⋅⋅ + 𝑎1 𝑦(𝑘 + 1) + 𝑎0 𝑦(𝑘)

= 𝑏𝑛 𝑢(𝑘 + 𝑛) + 𝑏𝑛−1 𝑢(𝑘 + 𝑛 − 1) + ⋅⋅⋅ +𝑏1 𝑢(𝑘 + 1) + 𝑏𝑜 𝑢(𝑘)

12
Se supone además que los coeficientes ai, bi, i = 0, 1, 2, . . ., son constantes. La ecuación
de diferencia se conoce entonces como invariante de tiempo lineal, o LTI. Si la función
de forzamiento u(k) es igual a cero, se dice que la ecuación es homogénea.

Por ejemplo: Determinar el orden de la siguiente ecuación en diferencia:

5y (k + 4) - 4y (k + 2) + y (k + 1) + (k - 2)3 = 0

es de orden 4 – 1 = 3.

Porque en la expresión se obtienen términos y (k + a0) y y (k + a1) como el mayor y

menor, respectivamente, se dice que la ecuación en diferencias es de orden o = a0 - a1.

Origen de tiempo: Se usará como origen de tiempos k=0. Nótese que esto implica que la
primera iteración es k=0.

Condiciones iniciales: En una ecuación en diferencias, la primera iteración requiere el

conocimiento de n valores anteriores de la entrada y de la salida (2n en total). Si no se
especifica otra cosa, se entiende que las señales son causales, lo que quiere decir que las
condiciones iniciales son nulas.

Ejemplos

Para cada una de las siguientes ecuaciones en diferencia, determine el orden de la

ecuación. ¿Es la ecuación (a) lineal, (b) invariante en el tiempo, o (c) homogénea?

1. y(k + 2) + 0.8y(k + 1) + 0.07y(k)u(k)

2. y(k + 4) + sin(0.4k)y(k + 1) + 0.3y(k) = 0
3. y(k + 1) = -0.1y2(k)

Solución
1. La ecuación es de segundo orden. Todos los términos entran en la ecuación linealmente
y tienen coeficientes constantes. La ecuación es por lo tanto LTI. Una función de forzado
aparece en la ecuación, por lo que no es homogénea.

2. La ecuación es de cuarto orden. El segundo coeficiente depende del tiempo, pero todos
los términos son lineales y no hay función forzada. La ecuación es, por lo tanto, lineal en
tiempo variable y homogénea.

3. La ecuación es de primer orden. El lado derecho (RHS) es una función no lineal de y (k),
pero no incluye una función de forzado o términos que dependen explícitamente del
tiempo. La ecuación es por lo tanto no lineal, invariante en el tiempo y homogénea.

Solución de ecuaciones en diferencias

Una ecuación en diferencias es lineal si es una expresión de la forma:

p0 (k) y (k + n) + p1 (k) y (k + n - 1) + . . . + pn (k) y (k) = u (k)

El caso más sencillo es cuando los coeficientes pi (k) = ai, son constantes:

13
 a0y (k + n) + a1y (k + n - 1) + . . . + any (k) = u (k)

La ecuación en diferencias se dice que es homogénea si u (k) = 0 y es completa

si u (k) ≠ 0 .

Teorema (ecuaciones en diferencias)

Dada la ecuación en diferencias lineal de coeficientes constantes y de orden n:

a0y (k + n) + a1y (k + n -1) + . . . + any (k) = u (k)

El problema de encontrar una función y que verifique la ecuación, y tal que en los n
enteros consecutivos k0, k0 + 1, . . . , k0 + n - 1 tome valores dados c0, c1, . . . , cn-1, tiene
solución única.

Teorema (ecuaciones en diferencias)

Dada una ecuación en diferencias lineal homogénea de coeficientes constantes y de orden

n entonces, si la solución y es nula en n enteros consecutivos, es idénticamente nula.

Teorema (ecuaciones en diferencias)

Toda combinación lineal de soluciones de una ecuación en diferencias lineal homogénea

de coeficientes constantes y de orden n es también solución de dicha ecuación.

Teorema (ecuaciones en diferencias)

Sea {y1, y2, ... ,yn} un sistema fundamental de soluciones de una ecuación en diferencias
lineal. Entonces:

1. D (k) ≠ 0

2. Toda solución de la ecuación homogénea es combinación lineal de y1, y2, . . . , yn, es

decir:
𝑛

𝑦 (𝑘) = ∑ 𝑐𝑖 𝑦𝑖 (𝑘)
𝑖=1

3. Si z (k) es una solución de la ecuación completa, entonces toda solución de dicha

ecuación se puede escribir como la suma de z (k) y de la solución general de la
ecuación homogénea, esto es:
𝑛

𝑦 (𝑘) = 𝑧(𝑘) + ∑ 𝑐𝑖 𝑦𝑖 (𝑘)

𝑖=1

Por lo tanto, se tiene:

14
 y1 (k0) y2 (k0) … yn (k0)
y1 (k0 + 1) y2 (k0 + 1) … yn (k0 + 1)
D (k0) = … … … … ≠0
… … … …
y1 (k0 + n - 1) y2 (k0 + n - 1) … yn (k0 + n - 1)

1. Solución de la ecuación homogénea

Sea la ecuación en diferencias lineal homogénea de coeficientes constantes y de orden n.

Una ecuación en diferencias es lineal si es una expresión de la forma:

y (k) = (1 - aT) y (k - 1)

Se realiza por recursión:

k = 1 : y (1) = (1 - aT) y (0)
k = 2 : y (2) = (1 - aT)2 y (0)
k = 3 : y (2) = (1 - aT)3 y (0)
k = n : y (n) = (1 - aT)n y (0)

por lo que la solución está dada por: y (k) = (1 - aT)k y (0).

Al generalizar:

Una ecuación en diferencias es lineal si es una expresión de la forma:

a0y (k + n) + a1y (k + n - 1) + . . . + any (k) = 0

Se realiza un cambio de variable rk = y (k):

rk (a0rn + a1rn-1 + . . . + an) = 0

a0rn + a1rn-1 + . . . + an = 0

por lo tanto, r es la raíz de la ecuación característica a0rn + a1rn-1 + . . . + an = 0.

Por ejemplo: Encontrar la solución de:

y (k + 2) - 4y (k + 1) + 3y (k) = 0

también se sabe que: y (0) = 0 y y (1) = 1. La ecuación característica esta dada por:

r2 - 4r + 3 = 0 , entonces: r1 = 3, r2 = 1.

Por tanto:

y (k) = c13k + c21k = c13k + c2.

De donde al aplicar las condiciones iniciales:

15
 1 𝑘 1
𝑦 (𝑘) = 3 −
2 2

2. Solución de la ecuación completa

Se debe encontrar una solución particular y sumarle la solución general de la ecuación

homogénea.

Una ecuación en diferencias es lineal si es una expresión de la forma:

a0y (k + n) + a1y (k + n - 1) + . . . + any (k) = u (k)

El caso general en control está dado por: u (k) = akp (k), donde a es una constante y p es
un polinomio de grado m.

z (k) = akq (k)

donde q es un polinomio del mismo grado que p, si z no tiene factores comunes con la
solución general de la ecuación homogénea.

Por ejemplo: Encontrar la solución de:

y (k + 2) - y (k + 1) + y (k) = k

la solución de la ecuación homogénea es:

𝑘𝜋 𝑘𝜋
𝑦 (𝑘) = 𝑐1 cos + 𝑐2 sin
3 3

Por tanto:

y (k) = c13k + c21k = c13k + c2.

Una solución particular será de la forma z (k) = ak + b, por lo que se determina los valores
de a y b mediante:

a (k + 2) + b - a (k + 1) - b + ak + b = k , entonces ak + a + b = k
a=1
a + b = 0 , entonces b = -1

Lo que provee z (k) = k - 1.

En resumen la solución general será:

𝑘𝜋 𝑘𝜋
𝑦 (𝑘) = 𝑐1 cos + 𝑐2 sin +k−1
3 3

3. Solución de la ecuación completa

16
Por el método de la transformada Z.

Se emplean las propiedades de la transformada Z, en especial las de linealidad y

desplazamiento con el objetivo de obtener una ecuación algebraica. Ver Tabla 1.1.

Tabla 1.1. Propiedades de la transformada Z

Función discreta Transformada

y (k + 4) z4Y (z) - z4Y (0) - z3Y (1) - z2Y (2) - zY (3)
y (k + 1) zY (z) - zY (0)
y (k) Y (z)
y (k - 2) z - 2Y (z)

Por ejemplo: Encontrar la solución de:

y (k + 2) + 3y (k + 1) + 2y (k) = 0

las condiciones iniciales son:

Y (0) = 0 y Y (1) = 1

Se toma la transformada Z de la ecuación en diferencias:

z2Y (z) - z2Y (0) - zY (1) + 3zY (z) - 3zY (0) + 2Y (z) = 0.

Al simplificar se obtiene:

𝑧 𝑧
𝑌 (𝑧) = −
𝑧 + 1 𝑧 + 2

Obteniendo la inversa:

y (k) = (-1)k - (-2)k

ECUACIONES EN DIFERENCIA EN OTRA NOTACIÓN

Una ecuación en diferencias es una ecuación que relaciona varias secuencias con ellas
mismas desplazadas (o sea, una ecuación de recurrencia).

a 0 y k  a1 y k 1  a 2 y k  2    a n y k  n  b0 u k  b1u k 1  b2 u k  2    bm u k  m
n m

a y
i 0
i k i   b juk j
j 0

1.1.3.1. Diferencia Finita

Sea y  f [k ] una función para k  Z, se llama primera diferencia, o diferencia finita
de primer grado de y  f [k ] a la expresión dada por

17
 f [k ]  f [k  1]  f [k ] , gráficamente se muestra en la Figura 1.8.

Figura 1.8. Primera diferencia o diferencia finita

De esta manera se ve que  f [k ] corresponde al incremento que sufre y  f [k ]

cuando la variable k se incrementa en una unidad.

Ejemplo:

Si
y  [k ]  1  2k  3k 2
hallar la diferencia de primer orden.

Solución:

Yk  f [k ]  1  2k  3k 2

Yk 1  f [k  1]  1  2(k  1)  3(k  1)2  1  2k  2  3(k 2  2k  1)  6  8k  3k 2

 f [k ]  f [k  1]  f [k ]  (6  8k  3k 2 )  (1  2k  3k 2 )  5  6k

Como se observa, a partir del resultado del ejemplo anterior,  f [k ] es otra función que
depende de la misma variable k, por tanto se puede hablar de la segunda diferencia de
f [k ] (o primera diferencia de  f [k ] ). Esta se escribe:

 2 f [k ]   f [k  1]   f [k ]
y así sucesivamente para diferencias de orden mayor.

Ejercicios

Hallar la primera y segunda diferencia de cada una de las siguientes funciones.

1. f [ k ]  k 2  2k  1

18
2. g [k ]  1 / k
3. h [k ]  ln (k )
1.1.3.2. Ecuaciones de Diferencia Finita de Primer Orden
Una ecuación que relacione los valores de una función y  f [k ] con una o varias de
sus diferencias finitas, se llama ecuación de diferencia finita en f [k ] .

En adelante se llamará simplemente ecuaciones de diferencia. El orden de estas

ecuaciones lo determina la diferencia de mayor grado que se encuentre en la ecuación.

Ejemplos:

1. 3Yk 1  Yk  0

2. Yk 1  4Yk  k

3. Yk 1  Yk  3 (2)k
1.1.3.3. Modelaje de Sistemas de Tiempo Discreto Mediante Ecuaciones en
Diferencias
Como los sistemas de tiempo discreto que se usan aquí no son tomados del mundo físico
real (la naturaleza) sino que son una invención del hombre, normalmente no parten de
un modelo físico, como ocurría en los sistemas de tiempo continuo, sino que
directamente se representan mediante algún tipo de modelo matemático.

Lo más normal es que los sistemas de tiempo discreto se representen gráficamente

mediante diagramas de bloques, donde los elementos fundamentales son: multiplicación
por una constante, sumador y retardo. Así, un sistema de tiempo discreto puede
representarse mediante un diagrama de bloques con estos elementos básicos y de él se
puede obtener la ecuación en diferencias correspondiente. Se asume que uk es la
entrada, yk es la salida y n es el orden del sistema de tiempo discreto.

Ejemplo: Obtener un modelo matemático para los voltajes de nodo Vk (k= 1, 2, 3, …,

N) en la red de resistencias R-2R. Ver Figura 1.9.

Figura 1.9. Red de resistencias R-2R

Solución: Planteando la ecuación de suma de corrientes en l nodo k-1 (voltajes de

nodo) se obtiene:

19
 1 1 1 1 1
 
 R 2R R  V k 1  V k  2  Vk  0 
  R R
5 1 1
V k 1  V k  2  V k  0
2R R R
O mejor

2Vk  5Vk 1  2Vk 2  0 , para k=2, 3, 4, …, N

Que es la ecuación en diferencias que modela a los voltajes de nodo para la red R-2R.
En el nodo N se tiene la restricción impuesta por la ecuación:

1
VN  V N 1
2
Ejemplo: Obtener la ecuación en diferencias que modela al sistema de tiempo discreto
de la Figura 1.10.

Figura 1.10. Sistema de tiempo discreto.

Solución:

Del diagrama de bloques se obtiene: y k  u k  ay k 1

Y reorganizando queda la ecuación de diferencias así: y k  ay k 1  u k
Ejemplo: Obtener la ecuación en diferencias que permite modelar al sistema de tiempo
discreto representado por el diagrama de bloques de la Figura1.11.

Figura 1.11. Sistema de tiempo discreto representado por el diagrama de bloques

20
Solución:

Del diagrama de bloques se tiene que:

1 2
yk  y k 2  y k 3  u k  2u k  2
4 8
quedando la ecuación de diferencias así:

1 2
yk  y k 2  y k 3  u k  2u k  2
4 8
1.1.3.4. SOLUCIÓN DE ECUACIONES DE DIFERENCIA FINITA
Una función Y  f [k ] es una solución de la ecuación de diferencia finita si está definida
para todo k= 0, 1, 2, 3,... y satisface la ecuación dada. , .

Ejemplo: Probar que Yk  f [k ]  k 2  1 es una solución de la ecuación de

diferencia:

Yk 1  Yk  2k  1
Solución:

Yk 1  Yk  [(k  1)2  1]  [k 2  1]  2k  1
o sea que la función Y  f [k ] cumple con la ecuación de diferencia dada en el ejemplo.

Existen dos clases de soluciones para una ecuación de diferencia finita: la solución
particular y la solución general.

 Se llama solución particular a aquella que no tiene constantes arbitrarias y

cumple con la definición anterior de solución, como en el caso del ejemplo.

 Se llama solución general a aquella que teniendo una o varias constantes

arbitrarias, cumple con la definición anterior de solución.

Ejemplo: Yk  f [k ]  k 2  1  C , donde C es una constante arbitraria, es

también una solución de Yk 1  Yk  2k  1 .

EJERCICIOS.

Dada la función Yk  f [k ] averiguar si es la solución de la ecuación correspondiente

1. Yk  k ; Yk 1  Yk  1

21
2. Yk  4 (2)k ; Yk 1  2Yk  0

3. Yk  1  (k  1) * k ; Yk 1  Yk  2k  3

4. Yk  3 ; Yk 1  Yk  0

(1  k ) * k
5. Yk  C ; Yk 1  Yk  k
2

1
Yk  Yk 1  3Yk  1
6.
1 k ;

1  3k 1 Yk
7.
Yk  Y 
; k 1
2 1  Yk
k
 1
8.
Yk  1     ; 2Yk 1  Yk  3
 2

9. Yk  3(2k 1  1) ; Yk 1  2Yk  1

10. Yk  e k
; Yk 1  Yk  (1  e)Yk
1.1.3.5. ECUACIÓN DE DIFERENCIA LINEAL DE PRIMER ORDEN
Se llama ecuación de diferencia lineal de primer orden con coeficientes constantes en
Yk a toda expresión de la forma:

a1 Yk 1  a0 Yk  f [k ]
con a0, a1 constantes y f [k ] una función tal que k = 0, 1, 2, 3, …

Ejemplos:

1. 5Yk 1  3Yk  k  1

2. 2Yk 1  Yk  2k
22
La ecuación en diferencia de orden n es

an Yk  n  an 1 Yk  n 1    a1 Yk 1  a0 Yk  U k
Se recalca que estas ecuaciones son aplicables si y sólo si el valor de la función en un
período cualquiera, está relacionado o depende del valor de dicha función en el período
inmediatamente anterior, además la variable independiente debe tomar los valores
enteros 0, 1, 2, 3, …

Hasta aquí siempre se ha considerado el intervalo [k, k+1] y sus valores

correspondientes de Yk y Yk+1 en los extremos de este intervalo. Sin embargo, se puede
presentar otra notación, considerando el intervalo [k-1, k], cuyo valor de Yk  f [k ]
serán Yk-1 y Yk respectivamente, por tanto

 f [k ]  Yk 1  Yk
y la ecuación de diferencia lineal de primer orden con coeficientes constantes se
escribirá:

a1 Yk  a0 Yk 1  f1 [k ]

Donde a0, a1 son constantes y f1 [ k ] es una función que depende de k relacionada con
f [k ] . El manejo de estas ecuaciones es idéntico al de las anteriores, simplemente que
Yk de la primera ecuación corresponde a Yk-1 de la segunda y Yk+1 de la primera ecuación
corresponde a Yk de la segunda.

Ejemplo: En un instante cualquiera, una señal es igual a las tres cuartas partes de la
recibida en el periodo anterior aumentada en 0.2. Plantear una ecuación de diferencia
que relacione dos señales consecutivas.

Solución:

Yk 1  0.75Yk  0.2 ó también: Yk  0.75Yk 1  0.2

A manera de ejemplo, se considera una interesante población de caníbales a la cual se

le toma muestras de la población cada 15 años, esta crece la mitad en este periodo.
Además, el muestreo ha demostrado que dichos caníbales siempre se comen
(literalmente) el 80% de la población que había hace dos periodos de muestreo, es decir,
30 años y que además, caníbales inmigrantes de otros pueblos llegan a esta población.

Este es un típico problema de sistemas discretos y queremos modelarlo mediante un

ecuación de diferencia, para ello se supone un periodo de muestreo de 15 años y se
llama a y[k ] la salida, es decir, el periodo en que queremos conocer la población de
caníbales, donde k puede tomar valores de 0, 1, 2, 3,… etc., y u[k ] se asume como la
entrada, es decir los caníbales inmigrantes de otros pueblos, así la población de

23
caníbales en cualquier periodo k (recordar que un periodo son 15 años) y[k ] , está dada
por:

y[k ]  1.5 y[k  1]  0.8 y[k  2]  u[k ]

Donde y[k  1] y y[k  2] representan la población de caníbales de hace uno y dos
periodos respectivamente.

Se puede organizar la ecuación de tal forma que:

y[k ]  1.5 y[k  1]  0.8 y[k  2]  u[k ]

O también

y[k  2]  1.5 y[k  1]  0.8 y[k ]  u[k  2]

Las anteriores ecuaciones de diferencia modelan el sistema discreto propuesto.

1.1.3.6. SOLUCIÓN DE LAS ECUACIONES DE DIFERENCIA

Uso de la tabla

Un método para resolver una ecuación de diferencia, no muy práctico pero interesante
para conocer la dinámica del sistema es la construcción de una tabla en la cual se van
registrando las salidas y entradas para los respectivos periodos en el tiempo conforme
éste avanza.

Para explicar este método, se retoma el ejemplo de la población de caníbales y se calcula

cuál sería la población en 60 años, es decir 4 periodos de muestreo, suponiendo que en
un instante inicial la población existente son los 2 caníbales que cada periodo llegan,
inmigrantes de otros pueblos que se toman como entrada al sistema. Conociendo la
ecuación de diferencia:

y[k ]  1.5 y[k  1]  0.8 y[k  2]  u[k ]

Se construye la Tabla 1.2.

Tabla 1.2. Salidas y entradas para los respectivos periodos en el tiempo

k y[k ] y[k  1] y[k  2] u[k ]

0 2 0 0 2

1 5 2 0 2

2 7.9 5 2 2

3 9.85 7.9 5 2

4 10.45 9.85 7.9 2

De la Tabla 1.2, se llega a la conclusión de que la población de caníbales en 60 años es

de 10.45.

24
Como se puede observar, este método es muy conveniente para mirar la dinámica del
sistema, pero que tal si la pregunta fuera: ¿Cuál es la población en 1000 años?. La
construcción de la tabla para resolver esta inquietud es muy tediosa, de ahí que mejor
se empleen métodos matemáticos para resolver este tipo de ecuaciones de diferencia.

SOLUCIÓN DE ECUACIONES EN DIFERENCIA

1. SOLUCIÓN ECUACIÓN HOMOGÉNEA

En la Figura 1.12 se muestra los tipos de raíces de la ecuación característica.

Figura 1.12. Tipos de raíces de la ecuación característica.

Caso 1: Si todas las raíces ri son diferentes, la solución general es:

n
y[k ]   c i ri ,
k
k 0
i 1

De las condiciones iniciales se determinan las constantes ci:

n
y[k ]   c i ri ,
k
k= 0, 1, 2, …,n -1
i 1

 y[0]  1 1  1   c1 
 y[1]   r r2  rn  c 2 
  1
 y[2]        
   n 1 n 1 n 1   
 y[3] r1 r2  rn  c n 

25
Si todas las ri son diferentes, el conjunto de ecuaciones resultante de esta matriz siempre
se puede resolver. Es posible que algunas raíces así como algunas constantes sean
complejas conjugadas, pero para condiciones iniciales reales, la solución siempre será
real.

Caso 2: en caso de que se presenten raíces reales repetidas con multiplicidad m, se

tiene que adicionar a la solución y a la matriz, términos como:

ri , kri ,  , k m 1 ri
k k k

Ejemplo:

Resolver la siguiente ecuación homogénea:

y[k  3]  7 y[k  2]  16 y[k  1]  12 y[k ]  0

Con condiciones iniciales y[0]=1, y[1]=3, y[2]=0.

La ecuación característica r 3  7r 2  16r  12  0 tiene las siguientes raíces:

r1=3, r2 = r3 =2
La solución general está dada por:

y[k ]  c1 3 k  c 2 2 k  kc3 2 k ó y[k ]  c1 3k  (c 2  kc3 )2 k

Las constantes se calculan de:

1 1 1 0  c1 
 3   3 2 2   c 
    2 
0 9 4 8  c 3 

De donde c1=-8, c2=9 y c3=4.5. Obteniéndose la solución:

y[k ]  (8)3 k  (9  4.5k )2 k

Caso 3: En el caso de tener raíces conjugadas complejas, se puede probar que para
condiciones iniciales reales, las constantes ci son también conjugadas complejas. Esto
resultará en una solución real.

Por ejemplo si:

ri  Re j , ci  R0 e j0
ri 1  Re (  j ) , ci 1  R0 e (  j0 )
De la solución general:

26
 n
y[k ]   ci ri ,
k
k 0
i 1

Se tiene que:

ci ri  ci 1ri k1  R0 R k e j ( k 0 )  R0 R k e j ( k 0 )

k

ci ri  ci 1ri k1  2 R0 R k cos(k  0 )

k

Ejemplo: Supóngase la ecuación de diferencia de segundo orden:

y[k  2]  2ay[k  1]  y[k ]  0

Esta ecuación tiene como ecuación característica asociada a r 2  2ar  1  0 cuyas

raíces son:

r1 , r2  a  a 2  1
Lo que implica una solución homogénea de la forma:

y[k ]  c1 r1  c 2 r2
k k

Así:

 
k
y[k ]  c1 a  a 2  1  c 2 a  a 2  1 k

Dependiendo de a, la solución puede tener diferentes formas:

Si a <1, las raíces son complejas y significa que:

a 2 1  0  1  a 2  0
Por tanto:

r1, 2  a  j 1  a 2
De donde:

R  r1  a 2  (1  a 2 )  1
Las raíces se pueden escribir como:

27
r1  Re ( j ) r2  Re(  j )
 (1  a 2 ) 
R=1   tan 1  
 a 
 

La solución es y[k ]  2R0 cos(k   0 ) donde R0 ,  0 depende de las

condiciones iniciales.

 Si a=1 se tiene una raíz que se repite: r1  r2  1 , de donde la solución es:

y[k ]  (c1  c 2 k )1k

 Si a= -1 las raíces son: r1  r2  1 , de donde la solución es:

y[k ]  (c1  c 2 k )(1) k

 Si a>1 entonces tenemos raíces reales y se puede aplicar el caso 1.

2. La ecuación no homogénea
La solución de la ecuación general se obtiene mediante la adición de una solución
particular a la solución de la ecuación homogénea, dicha solución particular no
necesariamente satisface las condiciones iniciales. Una solución particular puede
encontrarse con el método de variación de parámetros o el método de parámetros
indeterminados. Este último método propone una solución particular semejante al lado
derecho de la ecuación pero con un parámetro indeterminado .

Algunas de las soluciones propuestas dependiendo del lado derecho de la ecuación se

muestran en la Tabla 1.3.

Tabla 1.3. Soluciones propuestas dependiendo del lado derecho de la ecuación

Lado derecho de la ecuación Solución propuesta
en un instante k

k kn
ak k nak
k n a k cos k 1k   0
sin(𝛼𝑘) 𝑜 𝑐𝑜𝑠(𝛼𝑡) 𝐴0 𝑐𝑜𝑠(𝑘𝛼 ) + 𝐴1 𝑠𝑖𝑛(𝑘𝛼 )

28
 Polinomio p(k) de
𝐴0 𝑘 𝑚 + 𝐴1 𝑘 𝑚−1 + ⋯ + 𝐴𝑚
grado m
n

 k
i 0
i
i
 ak

 n   n 
   i k i a k    i k i a k cos(k   0 )
 i 0   i 0 

1[k ] 1[k ]

(-1)K a(-1)K

Si a ó e  j son raíces de multiplicidad m de la ecuación característica, entonces la

solución propuesta debe ser multiplicada por km.

Ejemplo: Resolver la siguiente ecuación:

y[k  3]  7 y[k  2]  16 y[k  1]  12 y[k ]  (1) k

Con condiciones iniciales y[0]=1, y[1]=3, y[2]=0.

El lado derecho de la ecuación es una serie de potencias y por tanto se selecciona una
solución particular de la misma serie de potencias. Así, se puede seleccionar:

y[k ]   (1) k
Sustituyendo:

  (1) k 3  7  (1) k  2  16  (1) k 1  12  (1) k  (1) k

Lo que resulta en:

  (1) k (1) 3  7  (1) k (1) 2  16  (1) k (1) 1  12  (1) k  (1) k
De donde

 36  (1) k  (1) k

1
Por tanto    .
36
Teniendo en cuenta que la solución a la ecuación homogénea ya fue calculada en el
ejemplo anterior, la solución general es:

29
 1
y[k ]  c1 3 k  (c 2  kc 3 )2 k  (1) k ó
36
1
y[k ]  (1) k  c1 3 k  (c 2  kc 3 )2 k
36
Ahora se calcula las constantes ci

 37 / 36  1 1 0  c1 
107 / 36  3 2 2 c 
    2 
 1 / 36  9 4 8  c3 

279 156
Resultando c1   , c 2   316 , c 3   ,
36 36 36
Retomando ahora el problema de caníbales y conociendo su ecuación de diferencia dada
por:

y[k  2]  1.5 y[k  1]  0.8 y[k ]  u[k  2]

Se puede encontrar la solución de la anterior ecuación y de esa forma conocer la
población de caníbales en cualquier periodo k sin necesidad de construir una tabla. Para
ello, se empieza por la solución a la ecuación homogénea y por tanto se necesita conocer
las raíces de la ecuación característica:

r 2  1.5r  0.8  0
Cuyas raíces son: r1 , r2  0.75  0.4873 j o expresadas de otra forma:

R  (0.75) 2  (0.487 ) 2  0.894 y

 0.487  rad
  tan 1    33.14  0.576
 0.75  s
De donde:

r1  (0.894)e j 0.576 r2  (0.894)e  j 0.576

Lo que implica una solución homogénea de la forma:

y[k ]  c1 (0.894) k e ( j 0.576) k  c 2 (0.894) k e (  j 0.576) k

Ahora se soluciona la ecuación particular y[k ]   :

El lado derecho de la ecuación es una entrada paso de la forma 2(1[k]) y por tanto la
solución propuesta tendrá la forma (1[k]), así en la ecuación:

30
 y[k  2]  1.5 y[k  1]  0.8 y[k ]  u[k  2]
Se sustituye la solución propuesta y por tanto:   1.5  0.8  2
De donde   6.666

Por consiguiente la solución total será:

y[k ]  c1 (0.894) k e ( j 0.576) k  c 2 (0.894) k e (  j 0.576) k  6.666

Teniendo en cuenta las raíces complejas la solución se puede escribir como:

y[k ]  2R0 (0.894) k cos(k 0.576  0 )  6.666

Ahora con condiciones iniciales y[0]=2, y[1]=5 se tiene que:

2  2 R0 cos 0  6.666
5  2R0 (0.894) cos(0.576   0 )  6.666
Así se tiene que:

2 R0 cos  4.666
2R0 cos(  0.576)  1.864
De las ecuaciones anteriores y la relación: cos(a - b) = cos a cos b + sin a sin b, se
obtiene que:

2 R0 cos  4.666

2 R0 sen  3.763
Y así:

2 R0  5.994
  4.666 
  cos 1    3.82
 5.994 
De donde la solución total estará dada por:

y[k ]  5.994(0.894) k cos(k 0.576  3.82)  6.666

31
TRANSFORMADA Z DE FUNCIONES ELEMENTALES
1.1.3.1. ESCALÓN UNITARIO

Sea:

x(kT) =1, kT  0 ; y x(kT) = 0, kT  0

Reemplazando en la definición:

X ( z )   x(kT ) * z k ; donde x(kT )  1
k 0

 
X ( z )  1* z k
 z k  sk  1  z 1  z 2  z 3    z k
k 0 k 0
(1.6)

Si se multiplica la ecuación (1.6) en ambos miembros por Z-1, se tiene:

z 1sk  z 1  z 2  z 3  z 4    z ( k 1)
(1.7)

Si se resta la ecuación (1.7) - (1.6)

z 1sk  sk  1  z  k

sk ( z 1  1)  1  z  k

 1  z k
sk  1
z 1
11  1
lim S k  lim 
k  k   z 1  1 z 1  1
z
X ( z) 
z 1
(1.8)

La anterior relación se obtiene por Matlab de dos formas:

1. Utilizando la definición de la transformada Z

>> syms z k %se crean las variables simbólicas z,k
>> f=symsum(z^(-k),k,0,inf);
>> pretty(f) %se arregla la presentación
z

32
 ------
-1 + z

2. Utilizando el comando ztrans

>> syms z k %se crean las variables simbólicas z,k
>> g=1^(k); %se crea la función a transformar
>> f=ztrans(g); %se calcula la transformada z
>> pretty(f) %se arregla la presentación
z
------
-1 + z

Para graficar la señal escalón unitaria discreta por Matlab, se hace:

% GENERACIÓN DE ESCALÓN UNITARIO DISCRETO
x = ones (1,11); % define once valores de 1's
v = [0 10 0 2]; % define valores de ejes
axis (v);
plot (x,'ro') % grafica círculos de color rojo
xlabel ('k') % asigna rotulo al eje x
ylabel ('x(k)') % asigna rotulo al eje y
title (‘ESCALON UNITARIO DISCRETO’)
En la Figura 1.13 se muestra el gráfico escalón unitario dibujado
por Matlab.

Figura 1.13. Gráfico escalón unitario dibujado por Matlab.

1.1.3.2. RAMPA UNITARIA

Para graficar la señal rampa unitaria discreta por Matlab, se hace:

33
% GENERACIÓN DE LA RAMPA UNITARIA DISCRETA
k = 0:10; % define valores de k
x = k; % función rampa para x
axis([0 10 0 10]); % define ejes
grid % rejilla para grafica
plot(k, x,'ro') % grafica x en función de k
xlabel('k'); % rotulo para eje x
ylabel('x(k)'); % rotulo para eje y
title('RAMPA UNITARIA DISCRETA')
En la Figura 1.14 se muestra el gráfico rampa unitario dibujado
por Matlab.

Figura 1.14. Gráfico rampa unitario dibujado por Matlab.

Sea:

kT, para k  0, 1, 2, 3, ···

x (kT)   señal discreta
 0, para k  0

X(z)  Z[x(kT)]  Z[kT]   kT * z
k 0
-k

sk  0  z 1  2 z 2  3z 3    kz  k
(1.9)

34
Si se multiplica la ecuación (1.9) en ambos miembros por z -1

z 1sk  z 2  2 z 3  3z 4    (k  1) z ( k 1)
(1.10)

Si restamos la ecuación (1.10) - (1.9)

z 1sk  sk  z 2  2 z 3  3z 4    (k  1) z ( k 1)  z 1  2 z 2  3z 3    kz  k

sk ( z 1  1)   z 1  z 2  z 3    z  k

1 2 3 k z
De la ecuaciones 1.3 y 1.5 se tiene:  (1  z  z  z    z ) 
z 1
z 1 Tz
sk  * 1 
z  1 z  1 ( z  1) 2

Tz 1 Tz
X ( z)  
1  z 
1 2
z  12
La anterior relación se obtiene por Matlab de dos formas:

1. Utilizando la definición de la transformada Z

>> syms z k %se crean las variables simbólicas z,k
>> f=symsum(z^(-k)*k,k,0,inf);
>> pretty(f) %se arregla la presentación
z
---------
(-1 + z)2

2. Utilizando el comando ztrans

>> syms z k %se crean las variables simbólicas z,k
>> g=k; %se crea la función a transformar
>> f=ztrans(g); %se calcula la transformada z
>> pretty(f) %se arregla la presentación
z
---------
(-1+z)2

35
1.1.3.3. POTENCIAL: a k , (a = constante)
Para graficar la señal potencial a k (a = constante) discreta por Matlab, se hace:
%GENERACION DE LA FUNCION POTENCIAL x(k) = 2 k

k=linspace(0,5,20); % define valores de k

x=2.^ k; % función potencial

grid % rejilla para gráfica
plot(k, x,'ro') % gráfica x en función de k
xlabel('k'); % rotulo para eje x
ylabel('x(k)'); % rotulo para eje y
title('POTENCIAL DISCRETA')
En la Figura 1.15 se muestra el gráfico potencial 2k dibujado por
Matlab.

Figura 1.15. Gráfico potencial 2k.

Sea:

a k , para k  0, 1, 2, 3, ···
x (k)   señal discreta
 0, para k  0

X ( z )   a k z - k  sk  1  az 1  a 2 z 2  a 3 z 3    a k z k
k 0
(1.11)

36
Si se multiplica la ecuación (1.11) en ambos miembros por az 1

az 1sk  az 1  a 2 z 2  a 3 z 3    a k z  k  a k 1 z ( k 1)
(1.12)

Si se resta la ecuación (1.12) - (1.11)

az 1sk  sk  az 1  a 2 z 2  a 3 z 3    a k z  k  a k 1 z ( k 1)  1  az 1  a 2 z 2  a 3 z 3    a k z  k

 1  a k 1 z  ( k 1)
sk (az 1  1)  1  a k 1 z  ( k 1)  sk 
az 1  1
 1  a k a z 1 z  k  1  a  a z 1 1 z   1  a  a z 1 (0)
lim sk  lim  
k  k  az 1  1 az 1  1 az 1  1

 1  (0) 1 1 z z
lim sk     
k  az 1  1 az 1  1 az  1 a  z z  a
1 z
X ( z)  
1  az 1 z  a
La anterior relación se obtiene por Matlab de dos formas:

1. Utilizando la definición de la transformada Z

>> syms z k a %se crean las variables simbólicas z, k, a
>> f=symsum(z^(-k)*a^(k),k,0,inf);
>> pretty(f) %se arregla la presentación
z
- -----
a - z

2. Utilizando el comando ztrans

>> syms z k a %se crean las variables simbólicas z, k, a
>> g=a^(k); %se crea la función a transformar
>> f=ztrans(g); %se calcula la transformada z
>> pretty(f) %se arregla la presentación
z
------------
a (-1 + z/a)

37
1.1.3.4. EXPONENCIAL: e -akT , (a = constante)
Para graficar la señal potencial a -akT
(a = constante) discreta por Matlab, se hace:
%GENERACION DE LA FUNCION EXPONENCIAL x(k) = e -2k

k = linspace (1,5,20); % define valores de k con

% espaciamiento lineal
x = exp(-2* k); % función exponencial
grid % rejilla para gráfica
plot(k, x,'bo') % gráfica x en función de k
xlabel('k'); % rotulo para eje x
ylabel('x(k)'); % rotulo para eje y
title('EXPONENCIAL DISCRETA')
En la Figura 1.16 se muestra el gráfico potencial a-2k dibujado
por Matlab.

Figura 1.16. Gráfico potencial a-2k.

Sea:

e  akT , para k  0, 1, 2, 3, ···

x (k)   señal discreta
 0, para k  0

38
 
X ( z )   e akT z - k 
k 0

sk  1  e  aT z 1  e 2aT z 2  e 3aT z 3    e  akT z  k

(1.13)

Si multiplicamos la ecuación (1.13) en ambos miembros por: e  aT z 1

e aT z 1sk  e aT z 1  e2aT z 2  e3aT z 3    e aT ( k 1) z ( k 1)
(1.14)

Si restamos la ecuación (1.14) - (1.13)

e aT z 1 s k  s k  e aT z 1  e 2aT z 2  e 3aT z 3    e 2akT z ( k 1) 1  e aT z 1  e 2aT z 2  e 3aT z 3    e akT z k

sk (e aT z 1  1)  e aT ( K 1) z ( K 1)  1 

e  aT ( K 1) z 8 K 1)  1
sk 
e  aT z 1  1
e  aT ( K 1) z  ( K 1)  1 e aT 1 e  z 1 z   1 e aT (0) z 1 (0)  1
lim sk  lim  
k  k  e  aT z 1  1 e  aT z 1  1 e  aT z 1  1

1 1 z
lim s k   aT 1
  aT 1

k  e z 1 1 e z z  e  aT
1 z
X ( z)  
1  e  aT z 1 z  e  aT
La anterior relación se obtiene por Matlab de dos formas:

1. Utilizando la definición de la transformada Z

>> syms z k a T %se crean las variables simbólicas z k a T
>> f=symsum(z^(-k)*exp(-a*k*T),k,0,inf);
>> pretty(f) %se arregla la presentación
z exp(a T)
---------------
-1 + z exp(a T)

2. Utilizando el comando ztrans

39
 >> syms z k a T %se crean las variables simbólicas z k a T
>> g=exp(-a*k*T); %se crea la función a transformar
>> f=ztrans(g); %se calcula la transformada z
>> pretty(f) %se arregla la presentación
z
--------------------------
/ z \
exp(-a T) |-1 + ---------|
\ exp(-a T)/

1.1.3.5. SENOIDAL : sen(wkT)

Para graficar la señal senoidal sen(wkT) discreta por Matlab, se hace:

%GENERACION DE LA FUNCION SENO:
x(k) = sen(wkT)
k = linspace(1,20); % define valores de k con espaciamiento lineal
x = sin(k); % función senoidal
grid % rejilla para grafica
plot(k, x,'bo') % grafica x en función de k
xlabel('k'); % rotulo para eje x
ylabel('x(k) =seno(k)'); % rotulo para eje y
title('SENOIDAL DISCRETA')
En la Figura 1.17 se muestra el gráfico senoidal sen(wkT)dibujado
por Matlab.

Figura 1.17. Gráfico senoidal sen(wkT).

40
Sea:

sen(kT ) , para k  0, 1, 2, 3, ···

x (k)   señal discreta
 0, para k  0

X(z) = Z[x(k)] = Z[sen(wkT)]

Por la ecuación de Euler:

Sen(wkT) = (1/2j) ( e jwkT - e – jwkT), reemplazando,

Z[sen(wkT)] = Z[(1/2j)( e jwkT - e – jwkT)],

aplicando la transf_z de la exponencial,

1 1 1 1
X ( z)    
2 j 1  e jT z 1 2 j 1  e  jT z 1
reemplazando las exponenciales :

z 1 sen(T )
X ( z) 
1  2 z 1 cos(T )  z  2
1.1.3.6. PROPIEDADES Y TEOREMAS
1. MULTIPLICACIÓN POR UNA CONSTANTE
Z[a x(k)] = a Z[x(k)] = a X(z)
2. LINEALIDAD
Si x(kT) = a f(kT) + b g(kT), entonces,
X(z) = a F(z) + b G(z)
3. MULTIPLICACIÓN POR a k
Si y(kT) = a k x(kT), entonces,


Z[a k y(kT)] = 
k 0
a k x(kT) z – k


k 0
x(kT) (a -1
z) – k = X(a -1
z)

4. TEOREMA DE TRASLACIÓN
Si y(kT) = e - akT
x(kT), entonces,

41
 

Z[e - akT
x(kT)] = 
k 0
e -akT
x(kT) z – k


k 0
x(kT) (e aT
z) – k = X(e aT
z)

5. TEOREMA DEL CORRIMIENTO

 Corrimiento hacia atrás:
Z[x(k-n)T] = z – n Z[x(k)] = z –n
X(z)

 Corrimiento hacia adelante:

n 1

Z[x(k+n)T] = z n
[ X(z) – k 0
x(kT)*z –k ]

= z n
X(z) - z n
x(0) - z n-1
x(1) - z n-2
x(2) - ········· - z x(n-1)

Ejemplo:
Z[x(k+3)T] = z 3
X(z) - z 3
x(0) - z 2
x(1) - z x(2)

6. SUMA DE FUNCIONES
k

Sea y(k) = 
h 0
x(h) , para k = 0,1, 2, ······

y(k) = x(0) + x(1) + x(2) + ········ + x(k-1) + x(k)

y(k-1) = x(0) + x(1) + x(2) + ········ + x(k-1), restando estas dos expresiones,
y(k) - y(k-1) = x(k), sacando Transf._Z,
Y(z) – z –1
Y(z) = X(z), entonces despejando Y(z) se tiene que:
1
Y ( z)   X ( z)
1  z 1
7. TEOREMA DEL VALOR INICIAL
Si el límite lim X(z) existe, entonces el valor inicial de x(k) = x(0) es igual a:

x(0)  lim x(k )  lim X ( z )

k 0 z 

8. TEOREMA DEL VALOR FINAL

El valor final de x(k), o sea, cuando k   (Si X(z) es estable) , es:

42
 x()  lim x(k )  lim (1  z 1 ) X ( z )
k  z 1
 
Este se aplica si el sistema es estable.
EJEMPLO 1-1
Encontrar la transformada Z de una función escalón de amplitud 4 y desfase en atraso
de 3 periodos de muestreo.
Solución:
x(kT) = 4*u(kT- 3T), asumiendo T = 1 por simplicidad,
x(k) = 4u(k-3)
Z[4u(k-3)] = 4Z[u(k-3)] = 4 z -3
Z[u(k)]
aplicando teorema de corrimiento en atraso
X(z) = 4 z -3
(1/ (1-z –1
)) = 4 / (z 3 – z 2)

EJEMPLO 1-2
Obtener la transformada Z de y(k) = 5 k–2
para k = 1, 2, .... e igual a cero para k  0.
Solución:
Sea x(k) = 5 k, entonces y(k) = x(k – 2) = 5 k–2

Z[y(k)] = Z[5 k–2

] = Z[x(k -2)] = z –2
Z[x(k)] = z -2
Z[5 k ] = z – 2 * 1/(1 – 5 z –1
)
Z[5 k–2
] = 1 / (z 2 – 5 z)

EJEMPLO 1-3
Obtener la transformada Z de y(k) =k e – 5k
para k = 1, 2, .... e igual a cero para k ≤0.
Solución:
Sea x(k) = k, entonces, X(z) = z –1
/ (1 – z –1
) 2 , y además, y(k) = e – 5k
x(k ) ,
Aplicando teorema de traslación,
Z[y(k)] = Z[k e – 5k
] = X(e 5k
z )] , reemplazando 𝑧 = 𝑒 5𝑇 𝑧, en X(z) se tiene:
(𝑒 5𝑇 𝑧)−1 𝑒 −5𝑇 𝑧 −1
𝑌(𝑧) = =
(1 − (𝑒 5𝑇 𝑧)−1 )2 (1 − 𝑒 −5𝑇 𝑧 −1 )2

EJEMPLO 1-4
Determinar el valor inicial x(0) de una señal si su transformada Z es igual a:

(1  e 5 k ) z 1
X ( z) 
(1  z 1 )(1  e 5 k z 1 )
Aplicando el Teorema de valor inicial,

43
 (1  e 5k ) 1
x(0)  lim X ( z )  0
z  (1   1 )(1  e 5 k  1 )
EJEMPLO 1-5
Determinar el valor final x(∞) de una señal si su transformada Z es igual a:

1 1
X ( z)  
(1  z 1 ) (1  e 5 z 1 )
 1  z 1 
 1

x()  lim x(k )  lim (1  z ) X ( z )  lim 1   5 1 
1
k  z 1 z 1
 1  e z 
EJEMPLO 1-6
Obtener la transformada Z de la figura dada. Tiempo de muestreo = 1.0. Ver Figura
1.18.

Figura 1.18. Gráfico para obtener la transformada Z

Si x(k) = (1/3)k (rampa de pendiente 1/3)

y(k) = x(k) – x(k- 3), entonces,

Y(z) = z[y(k)] = z[(1/3)k] –z -3
z[(1/3)k]

1 z 1 1 z 3 * z 1 1 z 1 (1  z 3 )
Y ( z)      
3 (1  z 1 ) 2 3 (1  z 1 ) 2 3 (1  z 1 ) 2
1.1.3.7. TRANSFORMADA Z INVERSA
Con la transformada Z inversa se obtiene la señal discreta en los instantes de muestreo
x(kT). Los siguientes son los métodos más utilizados para obtener la transformada Z
inversa.

44
1. MÉTODO DE DIVISIÓN DIRECTA
El método consiste en arreglar la función X(z) en términos de z – 1 tanto el numerador
como el denominador, dividir algebraicamente el numerador entre el denominador y su
cociente mediante comparación con la definición de X(z) encontrar la señal x(kT).


 x(k ) z
k 0
k
 x(0) + x(1) z – 1 + x(2) z –2 + x(3) z – 3 + ······ + x(k) z – k

EJEMPLO 1-7
Obtener la transformada Z inversa x(k) de:
5 z  10 5 z  10
X ( z)   2
( z  0.8)( z  0.2) z  z  0.16
multiplicando numerador y denominador por z –2
,
5 z 1  10 z 2
X ( z) 
1  z 1  0.16 z  2
dividiendo numerador entre denominador, se tiene,
X(z) = 5 z –1
+ 15 z –2
+ 14.2 z –3
+ 11.8 z –4
+ ···
Comparando con la definición de X(z), se obtiene que:
X(0) = 0, x(1) = 5, x(2) =15, x(3) = 14.2, x(4) = 11.8, ···

Si se quiere obtener más muestras de la señal, es mejor aplicar Matlab de esta forma:
% EJEMPLO 1-6: DE TRANSFORMADA Z INVERSA
x = [1 zeros(1,40)]; % para k = 40 muestras

num = [0 5 10]; % coeficientes del numerador

den = [1 -1 0.16]; % coeficientes del denominador

y = filter(num,den,x) % obtención de las 40 muestras

k = 0:40;
plot(k,y,'ro',k,y,'-')
xlabel('k')
ylabel('y(k)')
Los 40 resultados obtenidos de x(0) hasta x(39) son:
0 5.0000 15.0000 14.2000 11.8000 9.5280 7.6400
6.1155 4.8931 3.9146 3.1317 2.5054 2.0043 1.6035
1.2828 1.0262 0.8210 0.6568 0.5254 0.4203 0.3363
0.2690 0.2152 0.1722 0.1377 0.1102 0.0882 0.0705

45
0.0564 0.0451 0.0361 0.0289 0.0231 0.0185 0.0148
0.0118 0.0095 0.0076 0.0061 0.0048 0.0039

La representación gráfica es la Figura 1.19.

Figura 1.19. Representación gráfica de la señal.

2. MÉTODO DE FRACCIONES PARCIALES
Consiste el método en expandir la función X(z) en fracciones parciales con el fin de que
queden términos más simples y luego encontrar a cada fracción la transformada Z
inversa.
EJEMPLO 1-8
Obtener la transformada Z Inversa de:

5 z 3  26 z 2  44 z  29
X ( z) 
z 3  6 z 2  11z  6
Para representar esta función en fracciones parciales usamos el comando Matlab
residue que encuentra los valores del vector r, del vector p y del término independiente
k según la siguiente expresión:
r1 r r
X ( z)   2  n  k
z  p1 z  p 2 z  pn
Usando Matlab se tiene:
num = [5 26 44 29];
den = [1 6 11 6];
[r, p, k] = residue(num,den)
% Los resultados son:
r = [-2 -5 3], p = [-3 -2 -1], k = 5,

por tanto, las fracciones parciales quedan:

46
 2 5 3
X ( z)    5
z  3 z  2 z 1
Multiplicando por z-1 :

 2 z 1  5 z 1 3 z 1
X ( z)    5
1  3 z 1 1  2 z 1 1  z 1
Si se supone que:
v(k) = ak
Z[a k–1
] = Z[v(k -1)] = z –1
Z[v(k)] = z -1
Z[a k ] = z – 1 * 1/(1 – a z –1
)
entonces ,
x(k) = -2(-3) k–1
-5(-2)k – 1 +3(-1)k – 1 + 5δk
donde δk es el delta kronecker (delta de Dirac en control continuo) cuya transformada
Z es igual a 1.
3. MÉTODO DE LOS RESIDUOS
El método plantea que:
m

x(kT) = i 1
(residuos de X(z) z k - 1 en el polo z = zi )

x(kT) = k1 + k2 +······· + km

a) Si X(z) z k – 1 tiene un polo simple en z = zi , entonces, el residuo es :


ki  lim ( z  zi ) * X ( z ) *z k 1
z  zi

b) Si X(z) z k – 1 tiene un polo múltiple en z = zi de orden q, entonces, el residuo es:

ki 
1
lim
 q 1
( q  1)! z  zi z q 1

( z  zi ) q * X ( z ) *z k 1 
EJEMPLO 1-9
a. CASO POLO SIMPLE.
z
X(z) =
(z − 2)(z − 3)(z − 1)

Se halla X(z)z k−1

𝑧𝑧 𝑘−1
𝑋(𝑧)𝑧 𝑘−1 =
(𝑧 − 2)(𝑧 − 3)(𝑧 − 1)

47
 𝑧𝑘
𝑋(𝑧)𝑧 𝑘−1 = , 𝑝𝑎𝑟𝑎 𝑘 = 0, 1, 2, …
(𝑧 − 2)(𝑧 − 3)(𝑧 − 1)

𝑋(𝑧)𝑧 𝑘−1 tiene tres polos simples en z=2, z=3, z=1

𝑋(𝑘) = 𝑘1 + 𝑘2 + 𝑘3
Calculo de 𝑘1

(𝑧 − 2)𝑧 𝑘 2𝑘
𝑘1 = lim = = −2𝑘
𝑧→2 (𝑧 − 2)(𝑧 − 3)(𝑧 − 1) (−1)(1)

(𝑧 − 3)𝑧 𝑘 3𝑘 3𝑘
𝑘2 = lim = =
𝑧→3 (𝑧 − 2)(𝑧 − 3)(𝑧 − 1) (1)(2) 2

(𝑧 − 1)𝑧 𝑘 1𝑘 1
𝑘3 = lim = =
𝑧→1 (𝑧 − 2)(𝑧 − 3)(𝑧 − 1) (−1)(−2) 2

3𝑘 1
𝑋(𝑘) = −2𝑘 + +
2 2

POR MATLAB
num=[0 0 1 0];% coeficientes del numerador hay que colocar los
ceros para hallar Xz1

den=[1 -6 11 -6];% coeficientes del denominador

Xz=tf(num,den,-1); % función de transferencia en términos de z

pole(Xz)% obtención de polos

% la función tiene polos simple en z =2, z=3 z=1

% se debe reconstruir la función para aplicar el

% comando limit de Matlab

syms z

Xz1 = sum(num.*[z^3 z^2 z 1])/sum(den.*[z^3 z^2 z 1])

% a) cálculo del residuo para k1,k2,k3 plos simples

syms z k

k1 =limit ((z-2)*Xz1*z ^(k-1),z,2)

k2=limit((z-3)*Xz1*z^(k-1),z,3)

k3=limit((z-1)*Xz1*z^(k-1),z,1)

48
 %X(k)=k1+k2+k3

b. CASO POLO MULTIPLE.

3z 2  9 z
X ( z)  3
z  1.8 z 2  1.05 z  0.2
X(k)=K1+K2
Hallamos K1 que corresponde al polo simple

 3z 2  9 z k 1 
k1  lim  z  0.8* * z 
z 0.8
 z  0.8z  0.52 
 3 z  9  k
k1  lim  * z 
z 0.8  z  0.52
 
3 * 0.8  3* 0.8 3 *  2.2* 0.8  6.6 * 0.8
k k k
k1   
0.8  0.52 0.32 0.09

k1  73.30.8
k

Ahora hallamos K2 que corresponde al polo múltiple

ki 
1
lim
 q 1
( q  1)! z  zi z q 1
( z  z i) q
* X ( z ) * z k 1

1 𝜕 (𝑧 − 0.5)2 (3𝑧 − 9)𝑧 𝑘
𝑘2 = lim [ ]
(2 − 1)! 𝑧→0.5 𝜕𝑧 (𝑧 − 0.5)2 (𝑧 − 0.8)
𝑑 3𝑧 𝑘+1 − 9𝑧 𝑘
𝑘2 = lim ( )
𝑧→2 𝑑𝑧 (𝑧 − 0.8)
(𝑧 − 0.8)[3(𝑘 + 1)𝑧 𝑘 − 9𝑘𝑧 𝑘−1 ] − [3𝑧 𝑘+1 − 9𝑧 𝑘 ](1)
𝑘2 =
(𝑧 − 0.8)2
(𝑧 − 0.8)[3𝑘𝑧 𝑘 + 3𝑧 𝑘 − 9𝑘𝑧 𝑘−1 ] − 3𝑧 𝑘+1 + 9𝑧 𝑘
𝑘2 =
(𝑧 − 0.8)2
(−0.3)[3𝑘 (0.5)𝑘 + 3(0.5)𝑘 − 9𝑘 (0.5)𝑘−1 ] − 3(0.5)𝑘+1 + 9(0.5)𝑘
𝑘2 =
(−0.3)2

49
 2.7𝑘 (0.5)𝑘
−0.9𝑘 (0.5)𝑘 − 0.9(0.5)𝑘 + − 3(0.5)(0.5)𝑘 + 9(0.5)𝑘
𝑘2 = 0.5
0.09

−0.9𝑘 (0.5)𝑘 − 0.9(0.5)𝑘 + 5.4𝑘 (0.5)𝑘 − 1.5(0.5)𝑘 + 9(0.5)𝑘

𝑘2 =
0.09

𝑘2 = −10𝑘 (0.5)𝑘 − 10(0.5)𝑘 + 60𝑘 (0.5)𝑘 − 16.66(0.5)𝑘 + 100(0.5)𝑘

𝑘2 = 50𝑘(0.5)𝑘 + 73.33(0.5)𝑘

Ahora se resuelve el mismo ejercicio por MAT-LAB

% EJEMPLO 1-9 : PROGRAMA EN MATLAB
num=[0 3 -9 0]; % coeficientes del numerador
den=[1 -1.8 1.05 -0.2];% coeficientes del denominador
Xz=tf(num,den,-1); % función de transferencia en
% términos de z
pole(Xz) % obtención de polos

% la función tiene un polo simple en z = 0.8 y un polo

% doble en z = 0.5
% se debe reconstruir la función para aplicar el
% comando limit de Matlab
syms z
Xz1 = sum(num.*[z^3 z^2 z 1])/sum(den.*[z^3 z^2 z 1]);

% a) cálculo del residuo para el polo simple

syms z k
k1 =limit ((z-0.8)*Xz1*z ^(k-1),z,0.8)
% k1 = -220/3*4^ k/(5^ k)

% b) cálculo del residuo para el polo doble

h=diff((z-0.5)^2*Xz1*z^(k-1),1) % primera derivada
k2=limit(h,z,0.5)

50
 %K2=1/3*(220+150*k)/(2^k)

x(k) = k1 + k2 = -220/3*4^ k/(5^ k) + 1/3*(220+150*k)/(2^k)

4. UTILIZANDO MATLAB PARA HALLAR Z INVERSA

Para calcular una transformada Z inversa se utiliza el comando iztrans
>> syms z k %se crean las variables simbólicas z,k
>> g=z/(z-1); %se crea la función a transformar
>> f=iztrans(g);%se calcula la transformada z inversa
>> pretty(f) %se arregla la presentación
>> syms z k %se crean las variables simbólicas z,k
>> g=z/(z-1)^2; %se crea la función a transformar
>> f=iztrans(g); %se calcula la transformada z inversa
>> pretty(f) %se arregla la present
>> syms z k a %se crean las variables simbólicas z,k
>> g=z/(z-a); %se crea la función a transformar
>> f=iztrans(g); %se calcula la transformada z
>> pretty(f) %se arregla la presentación

1.1.3.8. ECUACIONES EN DIFERENCIA

Considérese un sistema discreto LTI (Lineal e invariante en el tiempo) dado por la
ecuación en diferencias:
x(k) + a1 x(k-1) + a2 x(k-2) +··· +an x(k-n) = b0 u(k) + b1 u(k-1) + b2 u(k-2) +····+bn u(k-n)
donde u(k) es la entrada al sistema y x(k) es la salida.
La forma de solucionar esta ecuación en diferencia consiste en calcular la transformada
Z, luego aplicar las condiciones iniciales dadas y por último obtener la transformada Z
inversa. Se debe recordar que:
Z[x(k-n)T] = z – n Z[x(k)] = z –n
X(z), y,
n 1
Z[x(k+n)T] = z n
[ X(z) – 
k 0
x(kT)*z –k ] =

z n
X(z) - z n
x(0) - z n-1
x(1) - z n-2
x(2) - ········· - z x(n-1)

EJEMPLO 1-10
Resolver la siguiente ecuación en diferencias.
x( k +2) + 5x(k +1) + 6x(k) = 0
Condiciones iniciales: x(0) = 0, x(1) = 1

51
Solución :
a) Aplicando Transf._Z, se tiene:
[z 2
X(z) - z 2
x(0) - z x(1)] + 5[z X(z) - z x(0)] + 6 X(z) = 0
b) Sustituyendo condiciones iniciales:
[z 2
X(z) - z 2
(0) - z (1)] + 5[z X(z) - z (0)] + 6 X(z) = 0
=z 2
X(z) - z + 5z X(z) + 6 X(z) = 0
despejando X(z):
z z z
X ( z)    (fracciones parciales)
z  5z  6 z  2 z  3
2

c) Obtener la transf_z inversa :

Sabiendo que, z[ ak ] = 1/ (1 – a z –1
), entonces ,
1 1
X ( z)  1

1  2z 1  3z 1
Por tanto su Transf._Z inversa es:
x(k) = (-2)k – (-3)k

EJEMPLO 1-11
Resolver la siguiente ecuación en diferencias.
a) Aplicando Transf._Z, se tiene: x(k) + 5x(k-1) + 6x(k-2) = u(k), donde u(k) es el
escalón unitario
Solución :

X(z) + 5 z –1
X(z) + 6 z -2
X(z) = U(z), pero U(z) = 1 / (1 – z- 1)
Despejando X(z) :

1 z3
X ( z)  
(1  z 1 )(1  5 z 1  6 z  2 ) ( z  1)( z 2  5 z  6)
b) Obtener la transf_z inversa:
% Aplicando Matlab para encontrar las fracciones parciales
Xz = zpk([0 0 0 ], [1 -2 -3], 1, -1);
Xz = tf(Xz)
pole(Xz)
% tiene polos simples en : -3.0000 -2.0000 1.0000
[num,den]=tfdata(Xz,'v')
[r,p,k]=residue(num,den)
% r = -6.7500 2.6667 0.0833

52
 % p = -3.0000 -2.0000 1.0000
% k = 1

z  6.75 z  2.6667 z  0.0833

Con base en lo anterior, X ( z)    1
z 3 z2 z 1
Multiplicando por z-1 :

1  6.75 z 1 1  2.6667 z 1 1  0.0833 z 1

X ( z)    1
1  3z 1 1  2 z 1 1  z 1
Sabiendo que, z[ak] = 1/ (1 – a z –1
), entonces ,
x(k) = (-3)k + 6.75(-3)k - 1 + (-2)k - 2.6667(-2)k – 1 + (1)k – 0.0833(1)k – 1 + δk
= (-3)k + 6.75(-1/3)(-3)k + (-2)k – 2.6667(-1/2) (-2)k + 1 - 0.0833 + δk
x(k) = -5/4*(-3)k + 7/3*(-2)k + 0.9167 + δk

EJEMPLO 1-12
Resolver la siguiente ecuación en diferencias.
x (k + 2) + 0.5x (k + 1) + 0.2x(k) = u(k + 1) + 0.3u(k), (1)
Condiciones iniciales:
x(k) = 0, para k  0 y u(k) = 0, para k  0 y además,
u(0) = 1.5, u(1) = 0.5, u(2) = -0.5, u(k) =0 para k = 3, 4, 5, ·······
Solución :
a) Aplicando Transf._Z, se tiene:
[ z 2 X(z) – z2 x(0) – z x(1) ] + 0.5[ z X(z) – z x(0)] + 0.2 X(z)
= [z U(z) –z u(0)] + 0.3 U(z) (2)
b) Sustituyendo condiciones iniciales:
Como no se conoce x(1), se debe encontrar reemplazando k por -1 en la ecuación (1),
x(-1+2) + 0.5x(-1+1) + 0.2x(-1) = u(-1+1) + 0.3u(-1), entonces,
x(1) + 0.5 x(0) + 0.2 x(-1) = u(0) + 0.3 u(-1),
de las condiciones iniciales, x(0)=0, x(-1)= 0, u(0) = 1.5, u(-1) = 0,
reemplazando se tiene que,
x(1) = 1.5
encontrado x(1) se sustituyen condiciones iniciales en (2),
[ z 2 X(z) – z (1.5) ] + 0.5[ z X(z) ] + 0.2 X(z) = [z U(z) - z (1.5)] + 0.3 U(z) (2)
Despejando X(z):
z  0.3
X ( z)  U ( z)
z  0.5 z  0.2
2

53
 
U ( z )   u (k ) z  k u (0)  u (1) z 1  u (2) z  2  u (3) z 3   
k 0

k=0
= 1.5 + 0.5 z – 1 - 0.5 z – 2 , reemplazando,

( z  0.3)(1.5 z 2  0.5 z  0.5) 1.5 z 3  0.95 z 2  0.35 z  0.15

X ( z)  
( z 2  0.5 z  0.2) z 2 z 4  0.5 z 3  0.2 z 2

Para obtener la señal discreta por Matlab:

% OBTENER DIEZ VALORES DE LA SEÑAL
num = [0 1.5 0.95 -0.35 -0.15];
den = [1 0.5 0.2 0 0];
u = [1 zeros(1,10)];
xk = filter(num,den,u)
k = 0:10;
stem(xk, k) % grafica la señal muestreada
Valores x(k) dados por Matlab:
x(0)= 0, x(1)= 1.5000, x(2)= 0.2000, x(3)=-0.7500, x(4)= 0.1850, x(5)= 0.0575
x(6)= -0.0658, x(7)= 0.0214, x(8)= 0.0025, x(9)= -0.0055, x(10)= 0.0023

Ejemplo 1-13 canibales

y[k  2]  1.5 y[k  1]  0.8 y[k ]  u[k  2] (1)

Considerando la transformada Z de una secuencia desplazada en el tiempo, la TZ de
(1) será,

Y ( z ) z 2  1.5Y ( z ) z  0.8Y ( z )  U ( z ) z 2
De esta manera, se tiene que,
𝑌(𝑧)[𝑧 2 − 1.5𝑧 + 0.8] = 𝑈(𝑧)𝑧 2

De donde,
𝑈(𝑧)𝑧 2
𝑌(𝑧) = (2)
[𝑧 2 − 1.5𝑧 + 0.8]

Ahora bien, definiendo la transformada Z de la función de excitación (entrada),

54
 2𝑧
𝑈(𝑧) = (3)
𝑧−1
Considerando (3) en (2),
𝑧2 2𝑧
𝑌(𝑧) = 2
∙ (4)
[𝑧 − 1.5𝑧 + 0.8] 𝑧 − 1

Ahora bien, para que la función racional (4) sea una fracción propia, y se puede realizar
su descomposición en fracciones parciales, se transformara (4) como sigue:
𝑌(𝑧) 𝑧2 2
= 2 ∙ (5)
𝑧 [𝑧 − 1.5𝑧 + 0.8] 𝑧 − 1

𝑧2 2 𝐴 𝐵 𝐶
2
∙ = + + (6)
[𝑧 − 1.5𝑧 + 0.8] 𝑧 − 1 𝑧 − 1 𝑧 − 𝛼1 𝑧 − 𝛼2

Donde 𝛼1 y 𝛼2 serán numero complejos conjugados, considerando el

orden del polinomio de z.
Realizando la descomposición a través de MatLab se tiene,
>> num = [2 0 0 ];

>> den = [1 -2.5 2.3 -0.8];

>> [r ,p, k] = residue(num,den);

r =

6.6667

-2.3333 - 1.8810i

-2.3333 + 1.8810i

p =

1.0000

0.7500 + 0.4873i

0.7500 - 0.4873i

k =

[]

Donde la estructura [r, p, k] corresponde a los coeficientes –r-, los

polos de la fracción racional –p-, y los términos enteros –k-.De esta
manera se tiene que la expresión (5) se transforma en:

𝑌(𝑧) 6.6667 −2.3333 − 𝑗1.8810 −2.3333 + 𝑗1.8810

= + + (7)
𝑧 𝑧−1 𝑧 − (0.75 + 𝑗0.4873) 𝑧 − (0.75 − 𝑗0.4873)

55
Determinando la transformada inversa Z de la expresión (7) se tiene:

𝑌[𝑛] = 6.6667 + (−2.3333 − 𝑗1.8810)(0.75 + 𝑗0.4873)𝑛

+ (−2.3333 + 𝑗1.8810)(0.75 – 𝑗0.4873)𝑛
M-FILE asociado
function y = tz(x)
num = [2 0 0 ];
den = [1 -2.5 2.3 -0.8];
[r ,p, k] = residue(num,den);

y = (r(1))*(p(1).^x) + (r(2))* (p(2).^x) + (r(3))*(p(3).^x);

end

EJECUCION EN EL WORKSPACE
>> x = 0:1:15;
>> tz(x)
En la Figura 1.20 se muestra la ejecución en el WorkSpace.

Figura 1.20. Ejecución en el WorkSpace.

56
TRANSFORMADA Z MODIFICADA.

Los comportamientos entre los puntos de muestreo pueden ser investigados utilizando
la transformada Z modificada. Esta es la transformada Z ordinaria, solamente retrasada
mT segundos, la cual es una fracción del periodo de muestreo, ya que 0<m<1.


F ( z, m)   f ( KT  T  mT ) Z  K
k 0

Aplicando el teorema de corrimiento hacia atrás se tiene:


F ( z , m)  Z 1
 f ( KT  mT )Z
k 0
K

Ejemplo 1.14

Hallar la Z modificada de e  at

F ( z , m)  Z 1
 (e
k 0
 a ( kT  mT )
)Z K

z
F ( z , m)  Z 1e am T
z  e aT
e  am T
F ( z , m) 
z  e aT
La transformada Z modificada se puede calcular de dos formas:

Por tablas

Matemáticamente

Por la forma matemática se tiene


1
F ( z , m)  Z 1
 Re sidueF (s)e mTsZ
k 0 Z  e Ts con un polo de F(s)

F(Z)=lim Z*F(Z,m)

m=0

La transformada Z modificada también se utiliza cuando la función de transferencia de

un sistema, presenta un tiempo muerto o retardo 𝜃′.

Asumiendo que la función de transferencia del sistema está dada por:

′𝑠
𝐺𝑝 (𝑠) = 𝐺(𝑠)𝑒 −𝜃

57
En donde 𝐺(𝑠) no contiene tiempo muerto y 𝜃′ es el tiempo muerto, el procedimiento
para evaluar la transformada z de esta función es el siguiente:

Sea
𝜃 ′ = 𝑁𝑇 + 𝜃

En donde T es el periodo de muestreo y N es la parte entera del cociente:

𝜃′
𝑁=
𝑇
Reemplazando 𝜃′ en la función de transferencia de la planta se tiene:

𝐺𝑝 (𝑠) = 𝐺(𝑠)𝑒 −(𝑁𝑇+𝜃)𝑠

Aplicando la transformada z

𝐺𝑝 (𝑧) = ℑ{𝐺(𝑠)𝑒 −(𝑁𝑇+𝜃)𝑠 }

𝐺𝑝 (𝑧) = 𝑧 −𝑁 ℑ{𝐺(𝑠)𝑒 −𝜃𝑠 }

El termino ℑ{𝐺(𝑠)𝑒 −𝜃𝑠 } se define como la transformada z modificada de 𝐺(𝑠) y se denota

por ℑ𝑚 {𝐺(𝑠)} . Entonces:
𝐺𝑝 (𝑧) = 𝑧 −𝑁 ℑ𝑚 {𝐺(𝑠)} = 𝑧 −𝑁 𝐺(𝑧, 𝑚)

En donde
𝜃
𝑚 =1−
𝑇
EJEMPLO

Hallar la transformada z de la función

5𝑒 −1.3𝑠
𝐺𝑝 (𝑠) =
(𝑠 + 3)2

Asumir que el periodo de muestreo es T=1s.

SOLUCION
𝜃 ′ 1.3
𝑁= = =1
𝑇 1
𝜃 = 𝜃 ′ − 𝑁𝑇 = 1.3 − 1 = 0.3
𝜃 0.3
𝑚 =1− =1− = 0.7
𝑇 1
Por tabla transformada de Z modificada, se tiene:
1 𝑇𝑒 −𝑎𝑚𝑇 [𝑒 −𝑎𝑇 + 𝑚(𝑧 − 𝑒 −𝑎𝑇 )]
ℑ{ } =
(𝑠 + 𝑎)2 (𝑧 − 𝑒 −𝑎𝑇 )2
5
Ahora con N=1 y 𝐺(𝑠) = (𝑠+3)2 y utilizando la ecuación

58
𝐺𝑝 (𝑧) = 𝑧 −𝑁 ℑ{𝐺(𝑠)𝑒 −𝜃𝑠 }
Se tiene:
5 5 ∗ 0.12245[0.04978 + 0.7(𝑧 − 0.04978)]
𝐺𝑝 (𝑧) = 𝑧 −1 ℑ𝑚 { 2 }=
(𝑠 + 3) (𝑧 − 0.04978)2

0.42857(𝑧 + 0.02133)
𝐺𝑝 (𝑧) =
𝑧(𝑧 − 0.04978)2

Por Matlab se tiene:

sys=tf(5,[1 6 9])
set(sys,'outputdelaY',0.3)
gpz=c2d(sys,1,'impulse') %%1 es el periodo de muestreo
zpk(gpz)

Matlab entrega,

0.4286 (z+0.02134)

------------------

(z-0.04979)^2

Hay que multiplicar por el retardo Z-N que en este caso es: Z-1 .

En la Tabla 1.4 se muestra Transformada Z Modificada.

59
Tabla 1.4. Transformada Z Modificada.

EJERCICIOS

1) Clasifique los sistemas definidos por cada una de las relaciones entrada salida,
especificaciones.
y k  x k 1  2 x k
a)
y k  kx k 1
b)
yk  xk
c)

60
 y k  x k  sen( x k  k )
d)

e)
y k  y k 1  y k  2  x k  2 x k  2

2) Resuelva la siguiente ecuación es diferencias: 2 x(k )  2 x(k  1)  x(k  2)  u(k )

1, k  0,1,2
Donde x(k)=0 para k<0 y u (k )  
 0, k 0
3) Considere la ecuación en diferencias
x(k  2)  1.3679 x(k  1)  0.3679 x(k )  0.3679u(k  1)  0.2642u(k )

Donde x(k) es la salida y x(k)=0 para k  0 y donde u(k) es la entrada y está dada
por:

u(k)=0, k  0 u(k)=0, k=3, 4, 5, u(0)=1 u(1)=0.2142 u(2)=-0.2142

u(0)=1 u(1)=0.2142 u(2)=-0.2142

determine la salida x(k).

4) Obtenga la transformada z de la curva x(t) que se muestra en la figura

z 1
5) Dada la transformada z X ( z ) 
(1  z 1 )(1  1.3z 1  0.4 z  2 )

Determine los valores inicial y final de x(k). También encuentre x(k), la transformada z
inversa de X(z), en una forma cerrada

z 3
6) Obtenga la transformada z inversa de X ( z )  en una forma
(1  z 1 )(1  0.2 z 1 )
cerrada.

7) Resuelva la siguiente ecuación en diferencias:

x(k  2)  x(k  1)  0.25 x(k )  u(k  2)

Donde x(0)=1 y x(1)=2. La función de entrada u(k) está dada por

u(k)=1, k= 0, 1, 2, …

Resuelva este problema tanto de manera analítica como por MATLAB.

61
8) Desarrollar por fracciones parciales y por series de potencias
0.5 z
F ( z) 
( z  0.5)( z  0.7)
9) Deducir la transformada z, para f (t )  sent u (t )

z ( z  1)( z  2)
10) Encuentre f(kT) si F ( z ) 
( z  0.5)( z  0.7)( z  0.9)

11) Para cada F(z), encuentre f(kT) usando fracciones parciales

z ( z  3)( z  5)
F ( z) 
a)
( z  0.4)( z  0.6)( z  0.8)
( z  0.2)( z  0.4)
F ( z) 
b)
( z  0.1)( z  0.5)( z  0.9)
( z  1)( z  0.2)
F ( z) 
c)
( z  0.5)( z  0.6)

12) Repita el ejercicio anterior usando Matlab.

62
1.1.4. Diagramas de simulación y flujo

1. Diagrama de flujo

Representa un conjunto de ecuaciones algebraicas lineales simultáneas discretas.

En la Tabla 1.5 se indica el nudo y lo que representa a una variable o señal.

Tabla 1.5. Indica el nudo y lo que representa a una variable o señal.

Nudo representa a una variable o señal

Transmitancia ganancia entre dos puntos

Rama segmento de línea que tiene

dirección y une dos nudos
Nudo de entrada nudo que solo tiene ramas que salen
Nudo de salida nudo que solo tiene ramas que
entran

En la Tabla 1.6. Indica el nudo mixto y lo que tiene tanto entradas como salidas.

Tabla 1.6. Indica el nudo mixto y lo que tiene tanto entradas como salidas.

Nudo mixto tiene tanto entradas como salidas

Ganancia de lazo producto de las transmitancias de las
ramas de un lazo
Trayecto directo segmento de línea que tiene dirección
y une dos nudos
Nudo de entrada trayecto de un nudo de entrada a un
nudo de salida y que no cruza ningún
nudo más de una vez
Camino o trayecto recorrido de ramas conectadas en el
sentido de las flechas de las ramas

2. Propiedades de los gráficos de flujo

 Una rama indica la dependencia funcional de un nudo respecto a otro

 Un nudo suma las señales de todas las ramas que entran y transmite esta suma a
todas las ramas que salen
 Un nudo mixto puede ser considerado como un nudo de salida al que se le añade
una rama de transmitancia unitaria
 Para un sistema dado, el diagrama de flujo no es único

En la Figura 1.21 se muestra las propiedades gráficas de flujo.

63
Figura 1.21. Propiedades gráficas de flujo.

En la Figura 1.22 se indica las equivalencias de las gráficas de flujo.

Figura 1.22. Equivalencias de las gráficas de flujo.

3. Programación directa

Implementa la ecuación en diferencias del diagrama de flujo.

𝑌 (𝑧) 𝑏0 + 𝑏1 𝑧 −1 + 𝑏2 𝑧 −2 + . . . + 𝑏𝑚 𝑧 −𝑚
𝐷(𝑧) = =
𝑋 (𝑧) 𝑎0 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2 + . . . + 𝑎𝑝 𝑧 −𝑝

Y (z) [a0 + a1z -1 + a2z -2 + . . . + apz -p ] = X (z) [b0 + b1z -1 + b2z -2 + . . . + bmz -m ]

Al tomar la inversa de la transformada z:

𝑝 𝑚
(𝑘) (𝑘−𝑖)
𝑎0 𝑦 ∑ 𝑎𝑖 𝑦 = ∑ 𝑏𝑖 𝑥 (𝑘−𝑖)
𝑖=1 𝑖=1

64
de donde:

𝑝 𝑚
1 1
𝑦 (𝑘) = ∑ 𝑎𝑖 𝑦 (𝑘−𝑖) − ∑ 𝑏𝑖 𝑥 (𝑘−𝑖)
𝑎0 𝑎0
𝑖=1 𝑖=1

En la Figura 1.23 se muestra el diagrama de flujo del sistema.

Figura 1.23. Diagrama de flujo del sistema.

1.1.5. Muestreo y reconstrucción de datos

1. Tiempo de muestreo

Debe ser menor a la décima parte de la constante de tiempo dominante del sistema en lazo
cerrado. Como se indica a continuación:

1
𝑇𝑠 < 𝑇
10 𝑑𝑜𝑚
𝑡𝑟 𝑡𝑟
<T<
20 10
𝑡𝑠 𝑡𝑠
<T<
75 25

2. Muestreo y retención

Se parte de la señal analógica, la misma que se muestrea para obtener una función
"estrella" para finalmente proveerle "memoria". Ver Figura 1.24.

65
Figura 1.24. Muestreo de la señal analógica, para obtener una función "estrella" para
finalmente proveerle "memoria".

La función f* (t) sería de la siguiente forma:

∞

𝑓 ∗ (𝑡) = ∑ 𝑓(𝑘𝑇)𝛿(𝑡 − 𝑘𝑇)

𝑘=0
3. Tipos de retención

Existen algunos tipos de retenedores de señal.

1 − 𝑒 −𝑇𝑠
𝐺𝑧0ℎ (𝑠) =
𝑠
−𝑇𝑠 2
1− 𝑒 𝑇𝑠 + 1
𝐺𝑧1ℎ (𝑠) = ( )
𝑠 𝑇

4. Relación con la transformada Z

Si se realiza un cambio de variable z = eTs se obtiene:

∞
∗ (𝑡)
𝑓 = ∑ 𝑓(𝑘𝑇)𝛿(𝑡 − 𝑘𝑇)
𝑘=0
∞

𝐹 ∗ (𝑠) = ∑ 𝑓(𝑘𝑇)𝑒 −𝑘𝑇𝑠

𝑘=0
∞

𝐹 ∗ (𝑧) = ∑ 𝑓(𝑘𝑇)𝑧 −𝑘
𝑘=0

Que es la transformada z unilateral.

En la Figura 1.25 se indica el muestreo de la señal analógica y la señal muestreada y

mantenida ZOH.

Figura 1.25. Muestreo de la señal analógica y la señal muestreada y mantenida ZOH.

66
En la Figura 1.26 se indica el diagrama de bloques de muestreo y las señales ZOH y Z1H.

Figura 1.26.Diagrama de bloques de muestreo y las señales ZOH y Z1H.

En la Figura 1.27 se indica el diagrama de Bode en magnitud y fase.

Figura 1.27. Diagrama de Bode en magnitud y fase.

5. Varias discretizaciones

Dos funciones continuas se discretizan y están en cascada. Ver Figura 1.28.

Figura 1.28. Dos funciones continuas discretizadas en cascada.

67
La función G (z) será:

𝑌 (𝑧)
𝐺 (𝑧) = = 𝐺1 (𝑧) x 𝐺2 (𝑧) = 𝑍{𝐺1 (𝑠)} x 𝑍{𝐺2 (𝑠)}
𝑋 (𝑧)

6. Varias discretizaciones

Dos funciones continuas en cascada se discretizan. Ver Figura 1.29.

Figura 1.29. Dos funciones continuas en cascada se discretizan.

La función G (z) será:

𝑌 (𝑧)
𝐺(𝑧) = = 𝑍{𝐺(𝑠)} = 𝑍{𝐺1 (𝑠) x 𝐺2 (𝑠)}
𝑋 (𝑧)

68