Análisis de Sistemas en Tiempo Discreto

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
A continuación se presenta las siguientes definiciones: señales analógicas y digitales,

estructura de un sistema de control digital, y ejemplos de sistemas de control digital:
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
Ejemplo de un 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
Se presenta a continuación las características del control en tiempo discreto, y

discretización de sistemas modelados por ecuaciones diferenciales:
5
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.
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:
a. La planta se modela en tiempo continuo

b. El regulador se diseña en tiempo continuo usando los métodos conocidos.
c. 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:
d. La planta se modela en tiempo continuo

e. La planta es discretizada usando el periodo de muestreo T y un método de
aproximación de los antes enumerados.
f. 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)
6
 Respuesta de orden n con cancelación de polos
 Dead-Beat
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
Se analiza la discretización de la ecuación diferencial de primer orden, y sistemas de

orden superior en el dominio del tiempo discreto:
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:
7
𝑑𝑦
= −𝑎𝑦 (𝑡) + 𝑏𝑢 (𝑡)
𝑑𝑡
Se reemplaza t = kT para valores de k = 0, 1, 2...
𝑑𝑦
Y despejando para obtener:
𝑑𝑡
𝑑𝑦
= (−𝑎𝑦 (𝑘𝑇) + 𝑏𝑢 (𝑘𝑇))|𝑡=𝑘𝑇
𝑑𝑡 |𝑡=𝑘𝑇
𝑑𝑦
= −𝑎𝑦 (𝑘𝑇) + 𝑏𝑢 (𝑘𝑇)
(1.1)
𝑑𝑦
Se aproxima la derivada por el método de Euler para una función y(t)
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.
A continuación se analiza el comportamiento de un sistema discreto de primer orden,

y comparación de nuestra aproximación con la solución continua
I. 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.
8
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)
y(k) = (1− aT)k y(0) ; k = 0, 1, 2 ...
II. 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 𝑎2 𝑇 2 𝑎3 𝑇 3
𝑒 −𝑎𝑇 = 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:
9
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:
𝑘
𝑦(𝑘) = (1 − 𝑎𝑇)𝑘 𝑦(0) + ∑[(1 − 𝑎𝑇)𝑘−𝑖 𝑏𝑇 . 𝑢(𝑖 − 1)]

𝑖=1
En la Figura 1.6 se muestra la sucesión de valores de salida de función 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 de la función 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.
10
¿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:
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
Se analiza los siguientes puntos:
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
11
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:
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:
12
1.1.3. Solución de ecuaciones en diferencias
1.1.3.1. Solución de ecuaciones en diferencias finitas
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)
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:
13
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.
Se analiza a continuación la solución de ecuaciones en diferencias, y teoremas de las

ecuaciones en diferencias:
1. 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:
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 .
2. Teoremas de las ecuaciones en diferencias:
Los teoremas de las ecuaciones en diferencias son los siguientes:
a) 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 tomen valores dados c0, c1, . . . ,
cn-1, tiene solución única.
b) Teorema (ecuaciones en diferencias)
14
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.
c) 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.
d) 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:
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)
A continuación se realiza la solución de la ecuación homogénea y la solución de la

ecuación completa:
1. Solución de la ecuación homogénea
Sea la ecuación en diferencias lineal homogénea de coeficientes constantes y de orden n.
y (k) = (1 - aT) y (k - 1)
15
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:
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 está 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:
y (0) = 0 = c130 + c2 = c1 + c2
y (1) = 1 = c131 + c2 = 3c1 + c2
1 1
dnde: 𝑐1 = 2 y 𝑐2 = − 2, entonces y (k) será;
1 1
𝑦 (𝑘) = 3𝑘 −
2 2
16
2. Solución de la ecuación completa
Se debe encontrar una solución particular y sumarle la solución general de la ecuación

homogénea.
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
 Solución de la ecuación homogénea:
y (k + 2) - y (k + 1) + y (k) = 0
La ecuación característica está dada por:
1+√−3 1−√−3
r2 - r + 1 = 0 , entonces: 𝑟1 = y 𝑟2 = ,
2 2
Por tanto, al ser raíces imaginarias (se verá más adelante) la solución homogénea es:
𝑘𝜋 𝑘𝜋
𝑦 (𝑘) = 𝑐1 cos + 𝑐2 sin
3 3
Con las condiciones iniciales se determina las constantes c1 y 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
Para k = 0 y a = 1
a + b = 0 , entonces b = -1
Lo que provee z (k) = k - 1.
En resumen la solución general será:
17
𝑘𝜋 𝑘𝜋
𝑦 (𝑘) = 𝑐1 cos + 𝑐2 sin +𝑘−1
3 3
1.1.3.2. Solución de ecuaciones en diferencias con notación de subíndices
Una ecuación en diferencias es una ecuación que relaciona varias secuencias con ellas
mismas desplazadas (o sea, una ecuación de recurrencia).
a0 y k  a1 y k 1  a 2 y k 2    an 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
A continuación se realiza las diferentes definiciones para esta notación:
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
 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
hallar la diferencia de primer orden.
Solución:
Yk  f [k ]  1  2k  3k 2
18
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
2. g [k ]  1 / k
3. h [k ]  ln (k )
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
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.
19
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:
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.
20
Solución:
Del diagrama de bloques se obtiene: y k  u k  ayk 1

Y reorganizando queda la ecuación de diferencias así: y k  ayk 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
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
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
21
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
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
22
9. Yk  3(2k 1  1) ; Yk 1  2Yk  1
10. Yk  e k
; Yk 1  Yk  (1  e)Yk
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
La ecuación en diferencia de orden n es
an Yk  n  an 1 Yk  n 1    a1 Yk 1  a0 Yk  Uk
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
23
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

Ejemplo:
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 se quiere 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
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.
6. Solución de las Ecuaciones de Diferencia

La solución de las ecuaciones de diferencia se puede realizar por el uso de la tabla, y
analítico:
a) 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
24
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 1.1.
Tabla 1.1. 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 1.1, se llega a la conclusión de que la población de caníbales en 60 años

es de 10.45.
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.
b) Solución de Ecuaciones en Diferencia

I. Solución Ecuación Homogénea
En la Figura 1.12 se muestra los tipos de raíces de la ecuación característica.
25
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 ]   ci ri ,
k
k 0
i 1
De las condiciones iniciales se determinan las constantes ci:
n
y[k ]   ci 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 
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
26
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 3 k  (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)3k  (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:
n
y[k ]   ci ri ,
k
k 0
i 1
De la ecuación general, se tiene que:
ci ri  ci 1ri k1  R0 R k e j ( k 0 )  R0 R k e j ( k 0 )

k
𝑒 𝑖𝑥 + 𝑒 −𝑖𝑥
Aplicando la fórmula de Euler: cos 𝑥 = 2
27
ci ri  ci 1ri k1  2 R0 R k cos(k  0 )
k
(1.6)
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
De la solución general, lo que implica una solución homogénea de la forma:
y[k ]  c1 r1  c 2 r2
k k
Así:
  1  c a   1
k k
y[k ]  c1 a  a 2
2 a 2
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, las raíces son complejas y conjugadas:
r1, 2  a  j 1  a 2
De donde, R es el módulo de la raíz de r1 (raíz cuadrado de la suma de los cuadrados
de la parte real e imaginaria).
R  r1  a 2  (1  a 2 )  1
Las raíces se pueden escribir como:
r2  Re(  j )
Como R=1, se calcula el ángulo  con el tan-1 de la parte real e imaginaria de r1.
 (1  a 2 ) 
  tan 
1 
 a 
 
28
De la ecuación (1.6), 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  c2 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 se tiene raíces reales y se puede aplicar el caso 1.
 Si a>-1 y a < 1 entonces tiene raíces complejas conjugadas.
II. 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

de diferencias (en control digital corresponde a la entrda) se muestran en la Tabla
1.2.
Tabla 1.2. Soluciones propuestas dependiendo del lado derecho de la

ecuación de diferencias.
Lado derecho de la ecuación de
diferencia en un instante k (en Solución propuesta
control digital será la entrada)
k kn
ak k nak
k n a k cos k 1 k   0
sin(𝛼𝑘) 𝑜 𝑐𝑜𝑠(𝛼𝑡) 𝐴0 𝑐𝑜𝑠(𝑘𝛼) + 𝐴1 𝑠𝑖𝑛(𝑘𝛼)
Polinomio p(k) de grado m 𝐴0 𝑘 𝑚 + 𝐴1 𝑘 𝑚−1 + ⋯ + 𝐴𝑚

n
 k
i 0
i
i
 ak
29
 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  (1)k
 j
Si  ó e son raíces de multiplicidad m de la ecuación característica, entonces
la solución propuesta debe ser multiplicada por k m.
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:
1
y[k ]  c1 3k  (c2  kc3 )2 k  (1) k ó
36
1
y[k ]  (1) k  c1 3 k  (c 2  kc3 )2 k
36
Con la última ecuación y las condiciones iniciales y[0]=1, y[1]=3, y[2]=0, se calcula
las constantes ci :
30
 37 / 36  1 1 0  c1 
107 / 36  3 2 2 c 
    2 
 1 / 36  9 4 8  c3 
Resolviendo el sistema de ecuaciones se obtiene c1   279 , c2  316 , c3  156 .

36 36 36
La solución general será:
𝒚[𝑘] = −7,75 . 3𝑘  (8,77  4.33𝑘)2𝑘 − 0,027(−1)𝑘
Ejemplo:
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  c2 (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:
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
31
Por consiguiente la solución total será:
y[k ]  c1 (0.894) k e ( j 0.576) k  c2 (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  2R0 cos 0  6.666

5  2R0 (0.894) cos(0.576  0 )  6.666
Así se tiene que:
2R0 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:
2R0 cos   4.666
2R0 sen  3.763
Y así:
2R0  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
32
1.1.3.3. Transformada Z de Funciones Elementales
En la Figura 1.13 se muestra los espacios de trabajo de los sistemas de control digital:
Figura 1.13. Espacios de trabajo de los sistemas de control digital.
En la Figura 1.14 se muestra para cuales valores de z converge la transformada Z:
Figura 1.14. Valores de z para los que converge la transformada Z.
En control digital se va ha trabajar para señales de duración infinita en el caso de señales

causales, es decir las que parecen a partir de cero, porque en general los sistemas reales ofrecen
respuesta solamente cuando aparece un valor diferente de cero en la entrada, es decir no
ofrecen respuesta anticipándose al valor de la entrada.
1.1.3.3.1. Introducción
La transformada z es una herramienta matemática muy utilizada en el análisis y la síntesis de
control en tiempo discreto. El papel de la transformada z en sistemas en tiempo discreto es
similar al de la transformada de Laplace en sistemas de tiempo continuo. En un sistema de
control en tiempo discreto, una ecuación en diferencias lineal caracteriza la dinámica del
sistema. Para determinar la respuesta del sistema a una entrada dada, se debe resolver dicha
33
ecuación en diferencias. Con el método de la transformada z, las soluciones a las ecuaciones en
diferencias se convierten en un problema de naturaleza algebraica.
1.1.3.3.2. Definición de la Transformada Z

La transformada Z consiste en pasar una señal en el dominio del tiempo discreto a una
representación en el dominio de la frecuencia compleja.
Al considerar la transformada Z de una función del tiempo x(t), solo se toman en cuenta los
valores muestreados de x(t), esto es, x(0), x(T), x(2T),…, donde T es el periodo de muestreo.
La definición de la transformada Z de una función del tiempo x(t), donde t es positivo, o de la

secuencia de valores x(kT) donde k adopta valores de ceros o de enteros positivos y T es el
periodo de muestreo, es de la siguiente forma:
 La transformada Z bilateral es:

∞
𝑍[𝑥(𝑘)] = 𝑋(𝑧) = ∑ 𝑥(𝑘𝑇)𝑧 −𝑘

𝑘=−∞
 La transformada Z unilateral (señal causal), es:

∞
𝑍[𝑥(𝑘)] = 𝑋(𝑧) = ∑ 𝑥(𝑘𝑇)𝑧 −𝑘

𝑘=0
donde:
 La transformada Z se fefine para señales de tipo discreto donde existe la sucesión x(k).
 𝑥(𝑘𝑇) es la función en el dominio de tiempo discreto, que está muestreado
números enteros del periodo de muestreo T.
La representación en el tiempo discreto en una representación en el dominio de la

frecuencia compleja se puede hacer siempre y cuando la sumatoria infinita tenga
convergencia.
1.1.3.3.4. Transformadas Z de Funciones Elementales
A continuación se presenta la transformada Z de varias funciones elementales. Tener en

cuenta que en la teoría de la transformada Z unilateral, al muestrear una señal
discontinua x(t), se supone que la función es continua por la derecha; esto es, si la
discontinuidad se presenta en t=0, entonces se supone que x(0) es igual a x(0+):
1. Escalón Unitario
Sea la función escalón unitario:

1 , para t ≥ 0
𝑥(𝑡) = {
0 , para 𝑡 < 0
Debe tenerse en cuenta que en el muestreo de la función escalón unitario se supone

que esta función es continua por la derecha:
𝑥(𝑘𝑇) = 1, 𝑘 = 0, 1, 2, …
Hallar la transformada Z de la función escalón unitario.
34
Partiendo de la definición:
∞
𝑍[𝑥(𝑘)] = 𝑋(𝑧) = ∑ 𝑥(𝑘𝑇)𝑧 −𝑘

𝑘=0
Reemplazando la función x(kT) por 1, porque es una función escalón unitario,

∞
1 1 1 1
𝑍[𝑥(𝑘)] = ∑ 1𝑧 −𝑘 = 1 + + 2 + 3 + 4 +⋯
𝑧 𝑧 𝑧 𝑧
𝑘=0
Se debe hallar una expresión que hasta el infinito sea igual a la sumatoria anterior,
entonces se va a utilizar la serie de potencias, que se define así:
∞
1
∑ 𝑣𝑛 = = 𝑣 0 + 𝑣1 + 𝑣 2 + 𝑣 3 + ⋯
1−𝑣
𝑘=0
con el valor de absoluta convergencia si cumple que |𝑣| < 1.
Entonces se vuelve a representar el escalón unitario de la siguiente forma:

∞
𝑍 [𝑥(𝑘)] = ∑ 1𝑧 −𝑘 = 1 + 𝑧 −1 + 𝑧 −2 + 𝑧 −3 + ⋯
𝑘=0
(1.7)
Si se saca z -1 y se va dando los valores que van tomando k, va a quedar igual a la serie
de potencias, así:
∞
𝑍[ [𝑢(𝑘)] = ∑ 1𝑧 −𝑘 = (𝑧 −1 )0 + (𝑧 −1 )1 + (𝑧 −1 )2 + (𝑧 −1 )3 + (𝑧 −1 )4 + ⋯
𝑘=0
Entonces z -1
sería v de la serie de potencias, por lo que la sumatoria de la ecuación 1.7
quedaría:
∞
1 1 1 𝑧
∑ 𝑧 −1 = = = =
1−𝑧 −1 1 𝑧−1 𝑧−1
𝑘=0 1−
𝑧 𝑧
Por lo tanto la transformada Z de la función escalón unitario sería:
𝑧
𝑋(𝑍) =
𝑧−1
(1.8)
Obsérvese que la serie converge si |z|>1. Al encontrar la transformada Z, la variable z

actúa como un operador mudo. No es necesario especificar la región de z en la que X(Z)
converge. Es suficiente saber que dicha región existe. La transformada Z de X(Z) de una
función del tiempo x(t) que se obtiene de esta manera es válida en todo el plano Z
excepto en los polos de X(Z).
La anterior relación se obtiene por Matlab de dos formas:
1. Utilizando la definición de la transformada Z
35
>> % Script_1_1
>> syms z k %se crean las variables simbólicas z,k
>> f=symsum(z^(-k),k,0,inf);
% Devuelve la suma de la serie con los términos
% que especifica la expresión f= z^(-k), que dependen
% de la variable simbólica k. El valor de k
% varía de 0 a inf
>> pretty(f) % Imprime f en un formato de texto plano,
% se arregla la presentación
{ z
{ ----- if 1 < |z|
{ z - 1
{
{ Inf if (|z| in (0, 1) and z in (0, 1]) or z == 1
{
{ / / 1 \ \
{ z | | lim -- | - 1 |
{ | | k -> Inf k | |
{ \ \ z / /
{ - ------------------------- if ((|z| == 1 and 0 <= z) or (|z| in (0, 1) and
not z
{ z - 1
{ in (0, 1))) and z ~= 1
2. Utilizando el comando ztrans

>> % Script_1_2
>> 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) % Imprime f en un formato de texto plano
z
-----
z - 1
Para graficar la señal escalón unitaria discreta por MatLab, se hace:
% Script_1_3
% 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); % Establecer límites de eje y relaciones de aspecto
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 1.15 se muestra el gráfico escalón unitario

dibujado por Matlab.
Figura 1.15. Gráfico escalón unitario dibujado por Matlab.
36
2. Rampa Unitaria
Sea la función rampa unitaria:
𝑡 , para 𝑡 ≥ 0
𝑥(𝑡) = {
0 , para 𝑡 < 0
Debe tenerse en cuenta que:

𝑥(𝑘𝑇) = 𝑘𝑇, 𝑘 = 0, 1, 2, …
Hallar la transformada Z de la función rampa unitaria.
Las magnitudes de los valores de las muestras son proporcionales para el período de
muestreo T. La transformada Z de la función rampa unitaria, se puede escribir como:
∞ ∞ ∞
−𝑘 −𝑘
𝑋(𝑧) = ∑ 𝑥(𝑘𝑇)𝑧 = ∑ 𝑘𝑇𝑧 = 𝑇 ∑ 𝑘𝑧 −𝑘
𝑘=0 𝑘=0 𝑘=0
𝑋(𝑧) = 𝑇(𝑧 −1 + 2𝑧 −2 + 3𝑧 −3 + ⋯ )
(1.9)
Se multiplica ambos lados por z -1,

𝑧 −1 𝑋(𝑧) = 𝑇𝑧 −1 (𝑧 −1 + 2𝑧 −2 + 3𝑧 −3 + ⋯ )
𝑧 −1 𝑋(𝑧) = 𝑇(𝑧 −2 + 2𝑧 −3 + 3𝑧 −4 + ⋯ )
(1.10)
Realizar la restar (1.9) - (1.10),

𝑋(𝑧) − 𝑧 −1 𝑋(𝑧) = 𝑇(𝑧 −1 + 2𝑧 −2 + 3𝑧 −3 + ⋯ ) − 𝑇(𝑧 −2 + 2𝑧 −3 + 3𝑧 −4 + ⋯ )
𝑋(𝑧)(1 − 𝑧 −1 ) = 𝑇(𝑧 −1 + 𝑧 −2 + 𝑧 −3 + ⋯ )
Sacando z -1 del lado derecho de la ecuación, se tiene,

𝑋(𝑧)(1 − 𝑧 −1 ) = 𝑧 −1 𝑇(1 + 𝑧 −1 + 𝑧 −2 + 𝑧 −3 + ⋯ )
Expresando en la serie de potencias con z -1, así:

𝑋(𝑧)(1 − 𝑧 −1 ) = 𝑇𝑧 −1 ((𝑧 −1 )0 + (𝑧 −1 )1 + (𝑧 −1 )2 + (𝑧 −1 )3 + (𝑧 −1 )4 + ⋯ )
Entonces z -1 sería v de la serie de potencias, por lo que la sumatoria de la ecuación

anterior quedaría:
1
𝑋(𝑧)(1 − 𝑧 −1 ) = 𝑇𝑧 −1
1 − 𝑧 −1
Despejando 𝑋(𝑧):
𝑇𝑧 −1 𝑇𝑧 −1 𝑇𝑧 −1 𝑇𝑧 −1 𝑧 2
𝑋(𝑧) = = = =
(1 − 𝑧 −1 )2 1 2 𝑧−1 2 (𝑧 − 1)2
(1 − ) ( )
𝑧 𝑧
𝑇𝑧
𝑋(𝑧) =
(𝑧 − 1)2
37
(1.11)
Para graficar la señal rampa unitaria discreta por Matlab, se hace:

% Script_1_4
% 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 1.16 se muestra el gráfico rampa unitario dibujado

por Matlab.
Figura 1.16. Gráfico rampa unitario dibujado por Matlab.

>> % Script_1_5
>> f=symsum(z^(-k)*k,k,0,inf);
>> pretty(f)
{ 1
{ ------------ if 0 < |z| (|z| - 1)
{ / 1 \2
{ z | - - 1 |
{ \ z /

>> % Script_1_6
>> g=k; % se crea la función a transformar
z
--------
2
(z - 1)
3. Potencial: a k , (a = constante)
Sea la función potencial:
38
𝑎𝑘 , para 𝑘 = 0,1,2, …
𝑥(𝑘) = {
0 , para 𝑘 < 0
Donde a es una constante.
Hallar la transformada Z de la función potencial a k.
Con referencia a la definición de la transformada Z se obtiene:

∞ ∞
−𝑘
𝑋(𝑧) = ∑ 𝑥(𝑘)𝑧 = ∑ 𝑎𝑘 𝑧 −𝑘
𝑘=0 𝑘=0
𝑋(𝑧) = 1 + 𝑎𝑧 −1 + 𝑎2 𝑧 −2 + 𝑎3 𝑧 −3 + ⋯
Sacando (𝑎−1 𝑧) se tiene,
𝑋(𝑧) = 1 + (𝑎−1 𝑧)−1 + (𝑎−1 𝑧)−2 + (𝑎−1 𝑧)−3 + ⋯
Entonces (𝑎−1 𝑧) sería v de la serie de potencias, por lo que la sumatoria de la ecuación

anterior quedaría:
1
𝑋(𝑧) =
1 − (𝑎−1 𝑧)−1
Operando para eliminar z -1, se tendría:
1 1 𝑧
𝑋(𝑧) = −1
= −1
1 − 𝑎𝑧 1 − 𝑎𝑧 𝑧
𝑧
𝑋(𝑧) =
𝑧 −𝑎
(1.12)
Para graficar la señal potencial a k (a = constante) discreta por Matlab, se hace:

% Script_1_7
% 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
title('POTENCIAL DISCRETA')
En la Figura 1.17 se muestra el gráfico potencial 2k dibujado por
Matlab.
39
Figura 1.17. Gráfico potencial 2k.

>> % Script_1_8
>> syms z k a % se crean las variables simbólicas z, k, a
>> f=symsum(z^(-k)*a^(k),k,0,inf);
{ Inf if a == z and z ~= 0
{
{ / k \
{ | a |
{ z - z | lim -- |
{ | k -> Inf k |
{ \ z /
{ - --------------------- if a ~= z or z == 0
{ a – z

>> % Script_1_9
>> syms z k a % se crean las variables simbólicas z, k, a
>> g=a^(k); % se crea la función a transformar
z
- -----
a – z
4. Exponencial: e -akT , (a = constante)

Sea la función exponencial:
𝑒 −𝑎𝑡 , para 𝑡 ≥ 0
𝑥(𝑡) = {
0 , para 𝑡 < 0
Donde a es una constante.
Hallar la transformada Z de la función exponencial e-at.
puesto que,
𝑥(𝑘𝑇) = 𝑒 −𝑎𝑘𝑇 , para k = 0,1,2, …

se tiene que,
∞ ∞
−𝑘
𝑋(𝑧) = ∑ 𝑥(𝑘𝑇)𝑧 = ∑ 𝑒 −𝑎𝑘𝑇 𝑧 −𝑘
𝑘=0 𝑘=0
𝑋(𝑧) = 1 + 𝑒 −𝑎𝑇 𝑧 −1 + 𝑒 −2𝑎𝑇 𝑧 −2 + 𝑒 −3𝑎𝑇 𝑧 −3 + ⋯
Sacando (𝑒 𝑎𝑇 𝑧) se tiene,
𝑋(𝑧) = 1 + (𝑒 𝑎𝑇 𝑧)−1 + (𝑒 𝑎𝑇 𝑧)−2 + (𝑒 𝑎𝑇 𝑧)−3 + ⋯
Entonces (𝑒 𝑎𝑇 𝑧) sería v de la serie de potencias, por lo que la sumatoria de la ecuación

anterior quedaría:
1
𝑋(𝑧) =
1− (𝑒 𝑎𝑇 𝑧)−1
40
Operando para eliminar z -1, se tendría:
1 1 𝑧
𝑋(𝑧) = =
1− 𝑒 −𝑎𝑇 𝑧 −1 1− 𝑒 −𝑎𝑇 𝑧 −1 𝑧
𝑧
𝑋(𝑧) =
𝑧 − 𝑒 −𝑎𝑇
(1.13)
Para graficar la señal potencial a -akT

(a = constante) discreta por Matlab, se hace:
% Script_1_10
% 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
title('EXPONENCIAL DISCRETA')
En la Figura 1.18 se muestra el gráfico potencial a-2k dibujado

por Matlab.
Figura 1.18. Gráfico potencial a-2k.

>> % Script_1_11
>> 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
{ Inf if exp(-T a) == z
{
{ / / exp(-T a k) \ \
{ z exp(T a) | | lim ----------- | - 1 |
{ | | k -> Inf k | |
{ \ \ z / /
{ - ------------------------------------------- if exp(-T a) ~= z
{ z exp(T a) – 1

>> % Script_1_12
>> 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
41
z
-------------
z - exp(-T a)
5. Senoidal : sen(ωkT)
Sea la función senoidal:
sen(ω𝑡) , para 𝑡 ≥ 0
𝑥(𝑡) = {
0 , para 𝑡 < 0
Hallar la transformada Z de la función exponencial sen(ωt).
si se observa que,
𝑒 𝑗𝜔𝑡 = cos(ωt) + 𝑗𝑠𝑒𝑛(ωt)
𝑒 −𝑗𝜔𝑡 = cos(ωt) − 𝑗𝑠𝑒𝑛(ωt)

y se tiene que:
1
𝑠𝑒𝑛(ωt) = (𝑒 𝑗𝜔𝑡 − 𝑒 −𝑗𝜔𝑡 )
2𝑗
Como la transformada Z de la función exponencial es:
1
𝑋(𝑧) = 𝒵{𝑒 −𝑎𝑡 } =
1− 𝑒 −𝑎𝑇 𝑧 −1
se tiene,
1
𝑋(𝑧) = 𝒵{ 𝑠𝑒𝑛(𝜔𝑡)} = 𝒵 [ (𝑒 𝑗𝜔𝑡 − 𝑒 −𝑗𝜔𝑡 )]
2𝑗
1 1 1
𝑋(𝑧) = ( − )
2𝑗 1 − 𝑒 𝑗𝜔𝑇 𝑧 −1 1 − 𝑒 −𝑗𝜔𝑇 𝑧 −1
Operando,
1 (𝑒 𝑗𝜔𝑇 + 𝑒 −𝑗𝜔𝑇 )𝑧 −1
𝑋(𝑧) =
2𝑗 1 − (𝑒 𝑗𝜔𝑇 + 𝑒 −𝑗𝜔𝑇 )𝑧 −1 + 𝑧 −2
𝑧 −1 𝑠𝑒𝑛(ω𝑇)
𝑋(𝑧) =
1 − 2𝑧 −1 cos(ω𝑇) + 𝑧 −2
Eliminando z -1;
𝑧 𝑠𝑒𝑛(ω𝑇)
𝑋(𝑧) =
𝑧2 − 2𝑧 cos(ω𝑇) + 1
(1.14)
Para graficar la señal senoidal sen(ωkT) discreta por Matlab, se hace:

% Script_1_13
% GENERACION DE LA FUNCION SENO:
42
% x(k) = sen(wkT)
k = linspace(1,20); % define valores de k con espaciamiento lineal
x = sin(k); % función senoidal
plot(k, x,'bo') % grafica x en función de k
ylabel('x(k) =seno(k)'); % rotulo para eje y
title('SENOIDAL DISCRETA')
En la Figura 1.19 se muestra el gráfico senoidal sen(wkT)dibujado

por Matlab.
Figura 1.19. Gráfico senoidal sen(ωkT).

>> % Script_1_14
>> syms z k w T % se crean las variables simbólicas z k w T
>> f=symsum(z^(-k)*sin(w*k*T),k,0,inf);
>> pretty(f) % se arregla la presentación

>> % Script_1_15
>> syms z k w T % se crean las variables simbólicas z k w T
>> g=sin(w*k*T); % se crea la función a transformar
z sin(T k)
---------------------
2
z - cos(T k) z 2 + 1
6. Cosenoidal : cos(ωkT)
Sea la función cosenoidal:
cos(ω𝑡) , para 𝑡 ≥ 0
𝑥(𝑡) = {
0 , para 𝑡 < 0
Hallar la transformada Z de la función exponencial cos(ωt).
Si se procede de la misma forma en la forma en la que se trató a la transformada Z de la función

seno, se tiene:
43
1
𝑋(𝑧) = 𝒵{ 𝑐𝑜𝑠(𝜔𝑡)} = 𝒵 [ (𝑒 𝑗𝜔𝑡 − 𝑒 −𝑗𝜔𝑡 )]
2
1 1 1
𝑋(𝑧) = ( 𝑗𝜔𝑇 −1
− −𝑗𝜔𝑇
)
2 1−𝑒 𝑧 1−𝑒 𝑧 −1
Operando,
1 2 − (𝑒 𝑗𝜔𝑇 + 𝑒 −𝑗𝜔𝑇 )𝑧 −1
𝑋(𝑧) =
2𝑗 1 − (𝑒 𝑗𝜔𝑇 + 𝑒 −𝑗𝜔𝑇 )𝑧 −1 + 𝑧 −2
1 − 𝑧 −1 𝑐𝑜𝑠(ω𝑇)
𝑋(𝑧) =
1 − 2𝑧 −1 cos(ω𝑇) + 𝑧 −2
Eliminando z -1;
𝑧 2 − 𝑧 𝑐𝑜𝑠(ω𝑇)
𝑋(𝑧) =
𝑧 2 − 2𝑧 cos(ω𝑇) + 1
(1.15)
Para graficar la señal cosenoidal cos(wkT) discreta por Matlab, se hace:

% Script_1_16
% GENERACION DE LA FUNCION COSENO:
% x(k) = cos(wkT)
k = linspace(1,20); % define valores de k con espaciamiento lineal
x = cos(k); % función cosenoidal
plot(k, x,'bo') % grafica x en función de k
ylabel('x(k)=coseno(k)'); % rotulo para eje y
title('COSENOIDAL DISCRETA')
En la Figura 1.20 se muestra el gráfico cosenoidal

cos(ωkT)dibujado por Matlab.
Figura 1.20. Gráfico cosenoidal cos(ωkT).
1.1.3.4. Propiedades y Teoremas

1. Multiplicación por una Constante
Z[a x(k)] = a Z[x(k)] = a X(z)
44
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,

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 h = 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)
45
Restando estas dos expresiones,
y(k) - y(k-1) = x(k)
sacando la Transformada Z,
Y(z) – z – 1Y(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:

x()  lim x(k )  lim (1  z 1 ) X ( z)
k  z 1

Este teorema 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)
aplicando teoremas: multiplicación por una constante y corrimiento en atraso
Z[4u(k-3)] = 4Z[u(k-3)] = 4 z - 3Z[u(k)]
aplicando teorema suma de funciones
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 – 5 z)
2
Ejemplo 1-3
Obtener la transformada Z de y(k) =k e - 5k
para k = 1, 2, .... e igual a cero para k ≤0.
46
Solución:
Sea x(k) = k, entonces, X(z) = z –1
/ (1 – z –1
) 2 , y además, y(k) = e – 5k
x(k) ,
Aplicando el teorema de traslación:
Z[y(k)] = Z[k e – 5k
] = X(e 5T
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 5k ) z 1
X ( z) 
(1  z 1 )(1  e 5k z 1 )
Aplicando el Teorema de valor inicial,
(1  e 5 k ) 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 )
Dentro del límite se multiplica (1 – z -1) a las dos fracciones de X(z), se tiene:
 1  z 1 

x()  lim x(k )  lim (1  z ) X ( z )  lim1 1

5 1 
1
k  z 1 z 1
 1  e z 
Ejemplo 1-6
Obtener la transformada Z de la Figura 1.21. Tiempo de muestreo = 1.0.
Figura 1.21. Gráfico para obtener la transformada Z

47
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
1.1.3.5. 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:
1. Método de División Directa
2. Método de Fracciones Parciales
3. Método de los Residuos
4. Utilizando Matlab para hallar Z Inversa
A continuación se describe cada método:
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
+ ···
Ejemplo 1-7
Obtener la transformada Z inversa x(k) de:
5z  10 5z  10
X ( z)   2
( z  0.8)( z  0.2) z  z  0.16
multiplicando numerador y denominador por z –2
,
5z 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 desea obtener más muestras de la señal, es mejor aplicar Matlab para la división
del numerador y denominador, de esta forma:
% Script_1_17
% 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;
48
plot(k,y,'ro',k,y,'-')
xlabel('k')
ylabel('y(k)')
Los 40 resultados obtenidos de x(0) hasta x(39) obtenidos en Matlab son:

y=
Columns 1 through 9
0 5.0000 15.0000 14.2000 11.8000 9.5280 7.6400 6.1155 4.8931
Columns 10 through 18
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 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 1.22.
Figura 1.22. 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 se usa el comando de Matlab
residue, que encuentra los valores del vector r, del vector p y del término independiente
k; según la siguiente expresión:
r1 r rn
X ( z)   2  k
z  p1 z  p 2 z  pn
Usando Matlab para obtener los valores: vector r, vector p y k; se tiene:
49
% Script_1_18
num = [5 26 44 29];
den = [1 6 11 6];
[r, p, k] = residue(num,den)
% Los resultados son:
r =
-2.0000
-5.0000
3.0000
p =
-3.0000
-2.0000
-1.0000
k =
5
por tanto, las fracciones parciales quedan:
2 5 3
X ( z)    5
z  3 z  2 z 1
Multiplicando por z -1
el numerador y denominador de cada fracción parcial:
 2 z 1  5z 1 3z 1
X ( z)    5
1  3z 1 1  2 z 1 1  z 1
Si se supone que:
v(k) = a k, porque tiene la forma de la transformada Z de las fracciones parciales,
Entonces, se tiene:
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 , m es el número de polos.
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 (es el número de veces
que se repite el polo), entonces, el residuo es:
50
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, por lo que se multiplica a ambos lados por z k – 1:

𝑧𝑧 𝑘−1
𝑋(𝑧)𝑧 𝑘−1 =
(𝑧 − 2)(𝑧 − 3)(𝑧 − 1)
𝑧𝑘
𝑋(𝑧)𝑧 𝑘−1 = (𝑧−2)(𝑧−3)(𝑧−1) , 𝑝𝑎𝑟𝑎 𝑘 = 0, 1, 2, …
𝑋(𝑧)𝑧 𝑘−1 tiene tres polos simples en z=2, z=3, z=1

𝑋(𝑘) = 𝑘1 + 𝑘2 + 𝑘3
Se debe calcular 𝑘𝑖 , i = 1, 2, 3.
(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
𝑘
𝑋(𝑘) = −2 + +
2 2
Se resuelve el mismo ejercicio por Matlab
% Script_1_19
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,
% Ts = -1 para dejar el tiempo de muestra sin
% especificar.
pole(Xz) % obtención de polos
ans =
3.0000
2.0000
1.0000
% la función tiene polos simple en z =2, z=3 z=1

% se debe reconstruir la función para aplicar el
51
% comando limit de Matlab
syms z
% obtiene Xz1 dividiendo los polinomios formados por el numerador y
% denominador
% obtiene polinomio numerador: multiplica [0 0 1 0] y [z^3 z^2 z 1]
% y luego suma
% obtiene polinomio denominador:multiplica [1 -6 11 -6] y
% [z^3 z^2 z 1] y luego suma
Xz1 = sum(num.*[z^3 z^2 z 1])/sum(den.*[z^3 z^2 z 1])
Xz1 =
z/(z^3 - 6*z^2 + 11*z - 6)
% a) cálculo del residuo para k1,k2,k3 polos 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)
% X(k)=k1+k2+k3
k1 =
-2^k
k2 =
3^k/2
k3 =
1/2
X(k)=k1+k2+k3 = -2^k + 3^k/2 + 1/2
b) Caso Polo Múltiple.

3z 2  9 z
X ( z) 
z 3  1.8z 2  1.05 z  0.2
X(k)=K1 + K2, donde k1 = 0.8 corresponde al polo simple y K2 = 0,5 corresponde al polo
múltiple (2 polos), determinados por cualquier forma:
 Se debe hallar K1 que corresponde al polo simple
 3z 2  9 z 
k1  lim z  0.8* * z k 1 
z 0.8
 z  0.8z  0.52

 3z  9 
k1  lim  * zk 
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 se debe hallar K2 que corresponde al polo múltiple
ki 
1
lim
 q1
(q  1)! zzi z q 1

( z  zi ) q * X ( z ) *z k 1 
52
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→0.5 𝑑𝑧 (𝑧 − 0.8)
Aplicando las derivadas de un cociente y de una potencia:


(𝑧 − 0.8)[3(𝑘 + 1)𝑧 𝑘 − 9𝑘𝑧 𝑘−1 ] − [3𝑧 𝑘+1 − 9𝑧 𝑘 ](1)
𝑘2 = lim
𝑧→0.5 (𝑧 − 0.8)2
(𝑧 − 0.8)[3𝑘𝑧 𝑘 + 3𝑧 𝑘 − 9𝑘𝑧 𝑘−1 ] − 3𝑧 𝑘+1 + 9𝑧 𝑘
𝑘2 = lim
𝑧→0.5 (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
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
x(k) = k1 + k2
𝑋(𝑘) = −73.3(0.8)𝑘 + 50𝑘(0.5)𝑘 + 73.33(0.5)𝑘
Se resuelve el mismo ejercicio por Matlab
% Script_1_20
% 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
ans =
0.8000
0.5000
0.5000
% 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])
Xz1 =
53
-(- 3*z^2 + 9*z)/(z^3 - (9*z^2)/5 + (21*z)/20 - 1/5)
% 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)
k1 =
-(220*2^(2*k)/5^k)/3
% 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)
% K2=1/3*(220+150*k)/(2^k)
h =
(z^(k - 1)*(6*z - 9)*(z - 1/2)^2)/(z^3 - (9*z^2)/5 + (21*z)/20 -
1/5) - (z^(k - 1)*(2*z - 1)*(- 3*z^2 + 9*z))/(z^3 - (9*z^2)/5 +
(21*z)/20 - 1/5) - (z^(k - 2)*(- 3*z^2 + 9*z)*(k - 1)*(z -
1/2)^2)/(z^3 - (9*z^2)/5 + (21*z)/20 - 1/5) + (z^(k - 1)*(- 3*z^2 +
9*z)*(z - 1/2)^2*(3*z^2 - (18*z)/5 + 21/20))/(z^3 - (9*z^2)/5 +
(21*z)/20 - 1/5)^2
k2 =
(10/2^k*(15*k + 22))/3
k1 =
-(220*2^(2*k)/5^k)/3
x(k) = k1 + k2 = -(220*2^(2*k)/5^k)/3+(10/2^k*(15*k + 22))/3
x(k) = k1 + k2 = -220/3*4^k/(5^k) + 1/3*(220+150*k)/(2^k)
La representación gráfica de x(k) en Matlab se muestra a continuación:

% REPRESENTACIÓN GRÁFICA DE x(k)
k=0:0.1:30;
plot(k,X(k),’g.’)
title(‘GRÁFICA DE X(k)’);
grid;
xlabel(‘k’);
ylabel(‘X(k)’);
La representación gráfica es la Figura 1.23.
54
Figura 1.23. Representación gráfica de la señal.
c) Utilizando Matlab para hallar Z Inversa
Para calcular una transformada Z inversa se utiliza el comando iztrans
% Script_1_21
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 de la fución escalón
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 de la fución rampa
syms z k a %se crean las variables simbólicas z,k, a

g=z/(z-a); %se crea la función a transformar
f=iztrans(g); %se calcula la transformada z
pretty(f) %se arregla la presentación de la función potencia a^k
1
n
{ kroneckerDelta(n, 0) if a == 0
{
{ / n \
{ | a kroneckerDelta(n, 0) |
{ a | -- - -------------------- | + kroneckerDelta(n, 0) if a ~= 0
{ \ a a /
1.1.3.6. 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 diferencias consiste en:
a) Calcular la transformada Z,
b) Luego aplicar las condiciones iniciales dadas, y
55
c) 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)
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
Solución:
d) Aplicando Transformada_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
e) 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)    , luego se hace fracciones parciales.
z  5z  6 z  2 z  3
2
f) Obtener la transformada Z inversa:

Sabiendo que, z[ ak ] = 1/ (1 – a z –1
), entonces:
1 1
X ( z)  1

1  2z 1  3 z 1
Por tanto su Transformada Z Inversa es:
x(k) = (-2)k – (-3)k
Ejemplo 1-11
Resolver la siguiente ecuación en diferencias:
x(k) + 5x(k-1) + 6x(k-2) = u(k), donde u(k) es el escalón unitario
g) Aplicando Transformada Z, se tiene:
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)
h) Sustituir condiciones iniciales:
56
No es necesario.
i) Obtener la transformada Z inversa:
% Script_1_22
% Aplicando Matlab para encontrar las fracciones parciales
% Ganancia de polo y cero [1 -2 -3, con ganancia 1
Xz = zpk([0 0 0 ], [1 -2 -3], 1, -1);
Xz = tf(Xz)
pole(Xz)
% tiene polos simples em: -3.0000 -2.0000 1.0000
[num,den]=tfdata(Xz,’v’)
[r,p,k]=residue(num,den)
% r = -6.7500 2.6667 0.0833
% p = -3.0000 -2.0000 1.0000
% k = 1
Xz =
z^3
-------------------
z^3 + 4 z^2 + z – 6
Sample time: unspecified

Discrete-time transfer function.
Ans =
-3.0000
-2.0000
1.0000
num =
1 0 0 0
den =
1 4 1 -6
r =
-6.7500
2.6667
0.0833
p =
-3.0000
-2.0000
1.0000
k =
1
6.75 2.6667 0.0833
Con base en lo anterior, 𝑋 (𝑧) = − − +1
𝑧+3 𝑧+2 𝑧−1
Multiplicando por z -1 :
6.75𝑧 −1 2.6667𝑧 −1 0.0833𝑧 −1
𝑋(𝑧) = − − +1
1 + 3𝑧 −1 1 + 2𝑧 −1 1 − 𝑧 −1
Se sabe 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
57
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), (1.16)
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:
j) Aplicando Transformada 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) (1.17)
k) Sustituyendo condiciones iniciales:
Como no se conoce x(1), se debe encontrar reemplazando k por -1 en la ecuación (1.16),
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 (1.17),
[ 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)
Despejando X(z):
z  0.3
X ( z)  U ( z) (1.18)
z  0 . 5 z  0 .2
2

U ( z )   u (k ) z k u (0)  u (1) z 1  u (2) z 2  u (3) z 3   
k 0
Reemplazando las condiciones iniciales en U(Z), se tiene:

U(z) = 1.5 + 0.5 z – 1 - 0.5 z – 2 , reemplazando en (1.18) y multiplicando por z -2 al
numerador y denominador, se tiene:
( 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:

% Script_1_23
% 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
xk =
58
0 1.5000 0.2000 -0.7500 0.1850 0.0575 -0.0658 0.0214 0.0025 -0.0055 0.0023
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
En la Figura 1.24 se tiene la señal muestreada
Figura 1.24. Señal muestreada.

Ejemplo de los caníbales
y[k  2]  1.5 y[k  1]  0.8 y[k ]  u[k  2] (1) (1.17)
Considerando la transformada Z de una secuencia desplazada en el tiempo de (1.17) se

tiene:
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) =
[𝑧 2 − 1.5𝑧 + 0.8]
(1.18)
Ahora bien, definiendo la transformada Z de la función de excitación (entrada),
59
2𝑧
𝑈(𝑧) =
𝑧−1
(1.19)
Considerando (1.19) en (1.18),

𝑧2 2𝑧
𝑌(𝑧) = 2 ∙
[𝑧 − 1.5𝑧 + 0.8] 𝑧 − 1
(1.20)
Ahora bien, para que la función racional (1.20) sea una fracción propia, y se pueda
realizar su descomposición en fracciones parciales, se transforma (1.20) como sigue:
𝑌(𝑧) 𝑧2 2
= 2 ∙
𝑧 [𝑧 − 1.5𝑧 + 0.8] 𝑧 − 1
(1.21)
𝑧2 2 𝐴 𝐵 𝐶
∙ = + +
[𝑧 2 − 1.5𝑧 + 0.8] 𝑧 − 1 𝑧 − 1 𝑧 − 𝛼1 𝑧 − 𝛼2
Donde 𝛼1 y 𝛼2 serán números complejos conjugados, considerando el orden del

polinomio de z.
Realizando la descomposición a través de MatLab, se tiene,
>> % Script_1_24
>> 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

ri, los polos de la fracción racional pi, y los términos
enteros k. De esta manera se tiene que la expresión (1.21)
se transforma en:
𝑌(𝑧) 6.6667 −2.3333 − 𝑗1.8810 −2.3333 + 𝑗1.8810
= + +
𝑧 𝑧−1 𝑧 − (0.75 + 𝑗0.4873) 𝑧 − (0.75 − 𝑗0.4873)
(1.22)
Determinando la transformada inversa Z de la expresión
(1.22) se tiene:
60
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
% Función tz, almacenado en Script_1_25
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)
ans =
2.0000 5.0000 7.9000 9.8500 10.4550 9.8025
8.3398 6.6676 5.3296 4.6604 4.7268
5.3620 6.2615 7.1026 7.6448 7.7851
En la Figura 1.25 se muestra la ejecución en el WorkSpace.
Figura 1.25. Ejecución en el WorkSpace.
En la Tabla 1.3 se muestra Transformada Z comunes.
Tabla 1.3. Transformada Z comunes.
61
ROC (Region Of Convergence) = Región de Convergencia donde la Transformada
Z es válida.
62
Ejercicios
1) Clasifique los sistemas definidos por cada una de las relaciones entrada salida,
especificaciones.
a)
y k  xk 1  2xk
b)
y k  kxk 1
yk  xk
c)
d)
y k  xk  sen( xk  k )
e)
y k  y k 1  y k 2  xk  2xk 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 1.26
Figura 1.26. Obtiene la transformada Z de la curva x(t)

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
63
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.
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.
64
1.1.4. Diagramas de simulación y flujo
1. Diagrama de flujo
Representa gráficamente un conjunto de ecuaciones algebraicas lineales simultáneas

discretas.
En la Tabla 1.4 se indica el nudo y lo que representa a una variable o señal.
Tabla 1.4. 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 1.5 se indica el nudo mixto y lo que tiene tanto entradas como salidas.
Tabla 1.5. 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 1.27 se muestra las propiedades gráficas de flujo.
65
Figura 1.27. Propiedades gráficas de flujo.
En la Figura 1.28 se indica las equivalencias de las gráficas de flujo, que sirven para
reducir el diagrama de flujo.
Figura 1.28. Equivalencias de las gráficas de flujo.
66
3. Programación directa
Se obtiene la función de transferencia en el plano Z, a partir de la ecuación de diferencias

o del diagrama de flujo.
Se parte de la función de transferencia en Z expresada como el cociente de dos polinomios

y que representa la relación entre dos señales discretas.
𝑌 (𝑧) 𝑏0 + 𝑏1 𝑧 −1 + 𝑏2 𝑧 −2 + . . . + 𝑏𝑚 𝑧 −𝑚
𝐺(𝑧) = =
𝑋 (𝑧) 𝑎0 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2 + . . . + 𝑎𝑝 𝑧 −𝑝
Se multiplica en forma cruzada la expresión anterior:
Y (z) [a0 + a1z -1 + a2z -2 + . . . + apz -p ] = X (z) [b0 + b1z -1 + b2z -2 + . . . + bmz -m ]
Expresada en forma de una sumatoria ambos lados de la ecuación.

𝑝 𝑚
∑ 𝑎𝑖 𝑧 𝑌(𝑧) = ∑ 𝑏𝑖 𝑧 −𝑖 𝑋(𝑧)
−𝑖
𝑖=0 𝑖=0
Al tomar la inversa de la transformada Z de la expresión anterior:

𝑝 𝑚
∑ 𝑎𝑖 𝑦(𝑘 − 𝑖) = ∑ 𝑏𝑖 𝑥(𝑘 − 𝑖)
𝑖=0 𝑖=0
Despejamos el término y(k), sacándolo primero de la sumatoria y luego dividiendo toda

la ecuación entre el coeficiente de y(k).
𝑝 𝑚
𝑎0 𝑦(𝑘) + ∑ 𝑎𝑖 𝑦(𝑘 − 𝑖) = ∑ 𝑏𝑖 𝑥(𝑘 − 𝑖)

𝑖=1 𝑖=0
𝑝 𝑚
𝑎0 𝑦(𝑘) = − ∑ 𝑎𝑖 𝑦(𝑘 − 𝑖) + ∑ 𝑏𝑖 𝑥(𝑘 − 𝑖)

𝑖=1 𝑖=0
de donde:
𝑚 𝑝
1 1
𝑦(𝑘) = ∑ 𝑏𝑖 𝑥(𝑘 − 𝑖) − ∑ 𝑎𝑖 𝑦(𝑘 − 𝑖)
𝑎0 𝑎0
𝑖=0 𝑖=1
Obteniendo finalmente al expandir las sumatorias de la ecuación de diferencias mostrada

a continuación:
𝑏0 𝑏1 𝑏𝑚 𝑎1 𝑎2
𝑦(𝑘) = 𝑥(𝑘) + 𝑥(𝑘 − 1) + ⋯ + 𝑥(𝑘 − 𝑚) − [ 𝑦(𝑘 − 1) + 𝑦(𝑘 − 2)
𝑎0 𝑎0 𝑎0 𝑎0 𝑎0
𝑎𝑝
+ ⋯ + 𝑦(𝑘 − 𝑝)]
𝑎0
67
En la Figura 1.29 se muestra el diagrama de flujo del sistema.
Figura 1.29. Diagrama de flujo del sistema.
Ejemplo:
Encontrar la ecuación de diferencias para la función de transferencia dada.
(𝑧 + 𝑐)
𝐺(𝑧) = 𝑘𝑐
(𝑧 + 𝑎) (𝑧 + 𝑏)
Solución:
𝑌 (𝑧) (𝑧 + 𝑐)
𝐺(𝑧) = = 𝑘𝑐
𝑋 (𝑧) (𝑧 + 𝑎) (𝑧 + 𝑏)
Distribuir la expresión anterior:
𝑌 (𝑧)(𝑧 + 𝑎) (𝑧 + 𝑏) = 𝑘𝑐 (𝑧 + 𝑐)𝑋 (𝑧)
𝑌 (𝑧)(𝑧 2 + (𝑎 + 𝑏)𝑧 + 𝑎𝑏) = 𝑘𝑐 𝑧 𝑋 (𝑧) + 𝑘𝑐 𝑐 𝑋 (𝑧)
𝑧 2 𝑌 (𝑧) + (𝑎 + 𝑏)𝑧𝑌 (𝑧) + 𝑎𝑏𝑌 (𝑧) = 𝑘𝑐 𝑧 𝑋 (𝑧) + 𝑘𝑐 𝑐 𝑋 (𝑧)
68
Multiplicando por z-2
𝑌 (𝑧) + (𝑎 + 𝑏)𝑧 −1 𝑌 (𝑧) + 𝑎𝑏 𝑧 −2 𝑌 (𝑧) = 𝑘𝑐 𝑧 −1 𝑋 (𝑧) + 𝑘𝑐 𝑐𝑧 −2 𝑋 (𝑧)
Encontrar la transformada Z inversa.
𝑦(𝑘) + (𝑎 + 𝑏)𝑦(𝑘 − 1) + 𝑎𝑏 𝑦(𝑘 − 2) = 𝑘𝑐 𝑥(𝑘 − 1) + 𝑘𝑐 𝑐 𝑦 (𝑘 − 2)
Finalmente despejando y(k).
𝑦(𝑘) = −(𝑎 + 𝑏)𝑦(𝑘 − 1) − 𝑎𝑏 𝑦(𝑘 − 2) + 𝑘𝑐 𝑥(𝑘 − 1) + 𝑘𝑐 𝑐 𝑦 (𝑘 − 2)
El diagrama de flujo de la ecuación de diferencias será el mostrado en la Figura 1.30.
Figura 1.30. Implementación de la ecuación de diferencias.
En la Figura 1.31 se indica el flujo del sistema y la reducción de este diagrama flujo para
obtener la función de transferencia.
69
Figura 1.31. Flujo del sistema y la reducción para obtener la función de transferencia.
70
1.1.5. Muestreo y reconstrucción de datos
1. Tiempo de muestreo
Existen varias formas para implementar la ecuación de diferencias de un controlador

usando un computador digital; en todo caso, la ecuación se implementa usando memorias
para almacenar los valores anteriores de las muestras de entrada y salida y usando
convertidores analógico a digital para tomar las muestras x(k) a intervalos regulares dados
por el periodo T; y convertidores de digital a analógico para la salida y(k).
Existen varios problemas en la implementación de la ecuación de diferencias, que se

indican algunas de ellas a continuación:
a. El ruido de cuantización debido a la cuantización de las muestras

b. El ruido de redondeo debido al ancho de la palabra limitado en las operaciones de
cálculo (error de redondeo)
c. Se requiere una potencia de cálculo lo suficientemente grande como para que el
tiempo requerido para el cálculo desde la toma de la muestra x(k) hasta la salida
de y(k) sea menor a 1/10 del periodo T.
A continuación se describe cada uno de los problemas:
a. Para evitar problemas con el ruido de cuantización se debe de usar una resolución
del convertidor A/D lo suficientemente grande.
b. Para reducir los problemas con el redondeo se debe de realizar los cálculos
intermedios con una precisión mayor a la del resultado esperado. Esto es por
ejemplo, trabajar con doce bits y al final redondear a ocho bits el resultado.
c. Finalmente, para lograr realizar los cálculos en el tiempo establecido se debe de

escoger un tiempo de muestreo adecuado a la dinámica del sistema y lo
suficientemente grande como para acomodar todos los cálculos necesarios entre
dos muestras consecutivas. Para lograr además que la salida y(k) esté lista en el
tiempo establecido, se puede usar algoritmos especiales como el precálculo.
Por lo tanto, el tiempo de muestreo (Ts) debe ser menor a la décima parte de la
constante de tiempo dominante (Tdom) del sistema en lazo cerrado. Como se indica
a continuación:
1
𝑇𝑠 < 𝑇
10 𝑑𝑜𝑚
2. Muestro Mediante Impulsos y Retención de Datos

Las señales en Tiempo Discreto (TD) aparecen cuando se muestrea una señal analógica,
es decir, cuando se toman muestras de la señal a instantes discretos de tiempo.
El muestreo mediante impulsos es considerado también un muestreador ficticio. La salida

de este muestreador viene dada por un tren de impulsos el cual comienza en t = 0, posee
un período de muestreo igual a T y la magnitud de cada impulso igual al valor muestreado
71
de la señal en tiempo continuo en el instante de tiempo correspondiente. En la Figura 1.32
se puede observar un diagrama de un muestreador mediante impulsos.
Figura 1.32. Muestreador Ideal.

En donde:
fs : Frecuencia de muestreo. [Hz].
T = 1/ fs: Período de muestreo [s].
La salida del muestreador mediante impulsos se denotara con X *, esta salida es una
secuencia de impulsos, y es igual al producto de la señal de entrada en tiempo continuo
x(t) por el tren de impulsos unitario .
La señal muestreada se puede representar mediante una sumatoria infinita:
También se puede representar como:
El tren de impulsos unitarios se puede definir como ,o:
Considerando la transformada de Laplace de la ecuación (1):
(1)
se tiene:
72
(2)
Observe que si se define:
Entonces la ecuación (2) se convierte en:
Se puede escribir:
(3)
y entonces la ecuación (3) se convierte en:
Hay que tener presente que T es el período de muestreo y que la variable z es una variable
compleja. Es útil distinguir que la notación X(z) no significa X(s) remplazando por z, si
no que
3. Retención De Datos.
Un muestreador convierte una señal en tiempo continuo en un tren de pulsos que se
presenta en los instantes de muestreo t = 0, T, 2T,…, donde T es el período de muestreo.
La retención de datos es un proceso de generación de una señal en tiempo continuo

a partir de una secuencia en tiempo discreto . Se basa en convertir la señal
muestreada en una señal en tiempo continuo.
La señal durante el intervalo de tiempo se puede aproximar

mediante el polinomio en 1: de la siguiente manera:
Donde
73
(4)
En la ecuación (4) para n=0 se obtiene el retenedor más sencillo, y la ecuación quedaría
de la siguiente manera:
Donde: y k = 0,1,2, ...
3. Tipos de Retenedores
Existen algunos tipos de retenedores de señal, por ejemplo:
 Retenedor de orden cero (ZOH). El retenedor de orden cero, es el más usado en

la práctica, ya que mantiene la salida constante entre instante de muestreo. Este
retenedor es el que se usa en la mayoría de los sistemas de control. La ecuación
implica que el circuito retiene la amplitud de la muestra de un instante de muestreo
al siguiente. La salida de este retenedor es una función escalonada.
1 − 𝑒 −𝑇𝑠
𝐺𝑧0ℎ (𝑠) =
𝑠
 Retenedor de orden uno (FOH). Los retenedores de primer orden en lugar de

mantener la salida constante entre instantes de muestreo, se extrapola la última
pendiente. A pesar de que no es usado en sistemas de control, se mostrará su
función de transferencia:
2
1 − 𝑒 −𝑇𝑠 𝑇𝑠 + 1
𝐺𝑧1ℎ (𝑠) = ( )
𝑠 𝑇
A continuación se analiza cada uno de los retenedores.
a) Retenedor de Orden Cero (ZOH).
El retenedor de orden cero, es el más usado en la práctica, ya que mantiene la salida

constante entre instante de muestreo. Este retenedor es el que se usa en la mayoría de los
sistemas de control. La ecuación implica que el circuito retiene la
amplitud de la muestra de un instante de muestreo al siguiente. La salida de este retenedor
es una función escalonada como se muestra en la Figura 1.33.
74
Figura 1.33. Muestreador y Retenedor de Orden Cero.
Se puede observar mediante la figura anterior que la señal de entrada se muestrea en
instantes discretos y la señal muestreada se pasa a través del retenedor de orden cero. El
circuito del retenedor de orden cero visualiza la señal muestreada para producir la señal
, la cual es constante desde el último valor muestreado hasta que se pueda disponer
de la siguiente muestra.
Esto es,
, para
En la Figura 1.34 se tiene un muestreador real y un retenedor de orden cero, así como
también un muestreador mediante impulsos y una función de transferencia.
Figura 1.34. a) Muestreador Real y Retenedor de Orden Cero. b) Muestreador Mediante

Impulsos y una Función de Transferencia .
Analizando la figura del muestreador real y un retenedor de orden cero, Figura 1.34 (b),
se supone que la señal es cero para . Entonces la salida está relacionada
con x(t) como sigue:
(5)
Ya que:
75
Entonces la transformada de Laplace de la ecuación (5) se convierte en:
(6)
Analizando la figura del muestreador mediante impulsos y una función de transferencia,

se sabe que la salida de este modelo debe ser la misma del retenedor de orden cero real.
Así,
(7)
Además, de la Figura 1.34 (b) se tiene:
(8)
Puesto que:
(9)
La ecuación (7) se puede escribir de la siguiente manera:
Si se compara la ecuación (8) con la ecuación (9); se puede observar que la función de
transferencia del retenedor de orden cero es:
Se puede concluir que una vez que el muestreador real y el retenedor de orden cero se
remplazan de manera matemática por un muestreador mediante impulsos y la función de
transferencia, el sistema se convierte en un sistema en tiempo continuo, lo que trae como
consecuencia simplificar el análisis de los sistemas de control en tiempo discreto. El
retenedor de orden cero es el más sencillo de todos los circuitos de retención y el que se
utiliza con mayor frecuencia en la práctica.
b) Retenedor De Primer Orden (FOH).
76
Los retenedores de primer orden en lugar de mantener la salida constante entre instantes
de muestreo, se extrapola la última pendiente. Este retenedor no es usado en sistemas de
control, y su función de transferencia es:
(10)
La ecuación (10) describe la salida de un circuito de retención de n-ésimo orden. Si el

retenedor es de primer orden entonces n=1, sustituyendo este valor de n=1 en la ecuación
anterior se tiene que:
Donde: y
Mediante la siguiente condición se puede determinar el valor

de de la siguiente manera:
o también de la siguiente manera:
Con esto se puede observar que la ecuación se convierte en:
(11)
Para obtener la función de transferencia del circuito retenedor de primer orden, se asumirá
una función escalón unitario como x(t).
En la Figura 1.35 se tiene un muestreador real y un retenedor de primer orden, h(t) es la

salida del retenedor de primer orden y consiste en líneas rectas que son extrapolaciones
de los dos valores muestreados precedentes.
Figura 1.35. Muestreador Real en Cascada con un Retenedor de Primer Orden.
77
La curva de h(t) viene dada por la siguiente ecuación:
…(12)
La Figura 1.36 consiste en un muestreador mediante impulsos y , la salida de este

modelo es la misma del sistema real. Por ende, viene dada por la ecuación (12).
Figura 1.36. Modelo Matemático que consiste en Muestreador Mediante Impulsos y

.
La transformada de la place de la entrada al retenedor de primer orden es:
(13)
Entonces la función de transferencia quedaría de la siguiente manera:
4. Relación con la transformada Z
Se parte de la señal analógica, la misma que se muestrea para obtener una función
"estrella" para finalmente proveerle "memoria". Ver Figura 1.37.
Figura 1.37. Muestreo de la señal analógica, para obtener una función "estrella" para
finalmente proveerle "memoria".
La función f* (t) sería de la siguiente forma:
78
∞
∗ (𝑡)
𝑓 = ∑ 𝑓(𝑘𝑇)𝛿(𝑡 − 𝑘𝑇)
𝑘=0
Si se realiza un cambio de variable z = e-Ts 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
En la Figura 1.38 se indica el muestreo de la señal analógica y la señal muestreada y

mantenida ZOH.
Figura 1.38. Muestreo de la señal analógica y la señal muestreada y mantenida ZOH.
En la Figura 1.39 se indica el diagrama de bloques de muestreo y las señales ZOH y Z1H.
Figura 1.39. Diagrama de bloques de muestreo y las señales ZOH y Z1H.
79
En la Figura 1.40 se indica el diagrama de Bode en magnitud y fase.
Figura 1.40. Diagrama de Bode en magnitud y fase.
5. Varias discretizaciones
Pasos para la conversión de la transformada de Laplace a la transformada Z:
1. Combinar todos los elementos continuos que se encuentren en cascada en una

única función G(s).
2. Representar G(s) en fracciones parciales.
3. Convertir cada fracción parcial a su forma en Z usando la transformada Z de la
función exponencial.
En la Figura 1.41 se muestra dos funciones continuas en cascada son discretizadas.
Figura 1.41. Dos funciones continuas discretizadas en cascada.
La función G (z) será:
𝑌 (𝑧)
𝐺 (𝑧) = = 𝐺1 (𝑧) x 𝐺2 (𝑧) = 𝑍{𝐺1 (𝑠)} x 𝑍{𝐺2 (𝑠)}
𝑋 (𝑧)
En la Figura 1.42 se muestra dos funciones continuas son discretizadas y se encuentran

en cascada.
80
Figura 1.42. 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)
En general.
𝑍{𝐺1 (𝑠)} x 𝑍{𝐺2 (𝑠)} ≠ 𝑍{𝐺1 (𝑠) x 𝐺2 (𝑠)}
a) Diagramas de Bloques y Funciones de Transferencia En Z
Sea el diagrama de la Figura 1.43.
Figura 1.43. Circuito continuo con entrada discreta salida continua.
Aquí
Donde:
{ }
{G(s)}=
Ejemplo 1:
81
Ejemplo 2:
¿Qué ocurre si se elimina el muestreador central?
Cabe destacar que:
b) Función de Transferencia en Cadena Cerrada para un Sistema Discreto.
Considerando el siguiente sistema con realimentación:
82
Aquí se tiene;
Sustituyendo la primera ecuación en la segunda y muestreándola queda:
Así que
Finalmente,
Lo que culmina en la transformada Z, en:
Algunas configuraciones comunes:
83
Ejemplo:
Halla la función de transferencia para la Figura 1.44, con la entrada impulso.
Figura 1.44. Sistema de lazo cerrado.

Solución:
La función de transferencia directa en lazo abierto GT(z), es el producto de: retenedor

ZOH, escalón unitario y la planta:
, En transformada Z es el retenedor ZOH.

84
, En transformada de Laplace es el escalón unitario cuando t=1.
, En transformada de Laplace es la planta.
Entonces la GT(z) será:
Se conoce:
Por lo tanto, obteniendo la transformada Z de la transformada de Laplace,
Así;
Donde: Si R(z) = 1 y e = 2.718281828, entonces e -1= 0,367879441, se tiene:
, Respuesta impulsiva
85

Análisis de Sistemas en Tiempo Discreto

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Análisis de Sistemas en Tiempo Discreto

Încărcat de

Drepturi de autor:

Formate disponibile

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

1.1.1. Introducción a los sistemas en tiempo discreto

Se requiere que los controladores garanticen un comportamiento transitorio y estable

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

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

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

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

A continuación se presenta las siguientes definiciones: señales analógicas y digitales,

1. Señales analógicas y digitales

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

2. Estructura de un sistema de control digital

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

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

Figura 1.2. Configuración de un sistema de control digital.

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

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

3. Ejemplos de sistemas de control digital

Ejemplo de un control de un manipulador robótico:

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

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

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

1.1.2. Métodos de transformación para análisis de sistemas discretos

Se presenta a continuación las características del control en tiempo discreto, y

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

Las características del control en tiempo discreto son:

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

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

a. La planta se modela en tiempo continuo

 Respuesta invariante (al escalón o al impulso)

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

d. La planta se modela en tiempo continuo

 El lugar de las raíces

En la Figura 1.5 se muestra el proceso de la señal de tiempo continuo a tiempo discreto,

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)

^𝑓(𝑡) = 𝑓(𝑘𝑡) ; 𝑘𝑇 ≤ 𝑡 ≤ (𝑘 + 1)𝑇

2. Discretización de sistemas modelados por ecuaciones diferenciales

Se analiza la discretización de la ecuación diferencial de primer orden, y sistemas de

a) Discretización de la ecuación diferencial de primer orden

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

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

La ecuación diferencial en función del tiempo, sería:

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

𝑑𝑦 𝑦 ((𝑘 + 1 )𝑇) − 𝑦 (𝑘𝑇 )

𝑦 ((𝑘 + 1 )𝑇) − 𝑦 (𝑘𝑇 )

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

Al reemplazar una vez más k − 1 = k:

A continuación se analiza el comportamiento de un sistema discreto de primer orden,

I. Comportamiento de un sistema discreto de primer orden

k =1 y(1) = (1− aT) y(0)

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

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

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

II. Comparación de nuestra aproximación con la solución continua

y(t) = e-at y(0) ; t ≥ 0

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: