2

CAPITULO
C O N T R O L D I G I T A L / P R O F . S A T U R N O S A R M I E N T O

Herramientas de Análisis

A
Quí discutiremos las herramientas de análisis, que son de suma
importancia para el análisis y diseño de los sistemas de control digital.

Palabras Claves
Reconstructores de datos.
Mantenedor de datos
Mantenedor de orden cero.
Mantenedor de primer orden.
Muestreo de funciones conjuntas
Transformada Z
Transformada Z Inversa
Ecuaciones en diferencia lineales.

R( s) R( z ) E(z) U c ( z) m(t ) Y (s)

GC ( z ) GZOH ( s ) GP ( s )
T + T
−
G( z)
Y ( z)

1
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

2. RECONSTRUCTORES DE DATOS, TRANSFORMADA Z Y

ECUACIONES EN DIFERENCIA LINEAL.Equation Chapter 2 Section 2

2.1. EL MUESTREADOR MANTENEDOR DE DATOS.

En general, no es deseable aplicar una señal en forma muestreada, tal como un tren de pulsos
rectangulares, directamente a una planta, debido a los componentes de alta frecuencia
inherentemente presentes en la señal. Motivado a esto se inserta en el sistema, después del
muestreador, un dispositivo llamado reconstructor de datos o mantenedor de datos. El propósito de
este dispositivo es reconstruir la señal muestreada de tal forma que se parezca lo más posible a la
señal original. En la figura 2-1 se puede ver un esquema muestreador – mantenedor de datos.

fi (t ) fi * (t ) f 0 (t )
Mantenedor
Fi ( s ) δ T *
Fi ( s ) F0 ( s )

FIG. N° 2-1: Muestreador y mantenedor de datos.

La expresión matemática que describe al esquema de la figura 2-1 es:

∞ 
F0 ( s ) =  ∑ f i ( KT )e − KTS  [GHold ( s ) ] (2.1).
 K =0 
El primer factor de (2.1) se ve que es función de la señal de entrada fi(t) y del período de muestreo T.
Este factor es la función muestreada ya previamente discutida El segundo factor es independiente de
fi(t) y se considera una función de transferencia. Este dispositivo será objeto de estudio en lo que
sigue.

2.2. RECONSTRUCCIÓN DE DATOS Y FILTRADO DE

SEÑALES MUESTREADAS.
Las componentes armónicas de frecuencia más altas en una señal muestreada f*(t), que han resultado
de la operación de muestreo, deben ser removidas antes de que la señal sea aplicada a la porción
analógica del sistema.

En general, suele usarse un filtro paso bajo o un dispositivo de reconstrucción de datos para eliminar
estas componentes.

Uno de los filtros más populares, en sistemas de control, es el Muestreador – Mantenedor (S/H) de
datos discutido anteriormente.

El problema de reconstrucción de datos puede ser expresado como:

“Dada una secuencia de números, f(0), f(T), f(2T), …, f(KT), …, una señal de datos
continua f(t), para todo t ≥ 0, puede ser reconstruida desde la información en la secuencia”.

2
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

El proceso de reconstrucción de datos puede ser considerado como un PROCESO DE

EXTRAPOLACIÓN, ya que la señal de datos continua es reconstruida basándose en la
información disponible solamente en los instantes de muestreo pasados.

En general, la señal original f(t) entre dos instantes de muestreo consecutivos, KT y (K+1)T, es
estimada basándose en los valores de f(t) en todos los instantes de muestreo precedentes de KT, es
decir, (KT), (K-1)T, (K-2)T, …, 0; esto es, f(KT), f[(K-1)T], f[(K-2)T], …, f(0).

La figura 2-2 nos permitirá explicar el proceso de reconstrucción de datos.

f (t )
f [ ( K + 1)T ]
f [ ( K − 1)T ]
r (t ) f (t ) f * (t ) f K (t ) y (t )
f (T ) f (2T ) f (3T ) f ( KT ) Mantenedor Planta
+ T
−
f (0)

t
T 2T 3T KT

[( K − 1)T ]
[( K + 1)T ]

FIG. N° 2-2: Forma de onda y diagrama de bloque para explicar la reconstrucción de datos.

Un método comúnmente usado para reconstruir datos a partir de sus muestras es el método de
“EXTRAPOLACIÓN POLINOMIAL”. Este método consiste en lo siguiente:

Usando una expansión en series de potencia (expansión en series de Taylor) de la señal f(t)
en el intervalo entre los instantes de muestreo KT y [(K+1)T] se puede generar una
aproximación de la señal f(t) a partir de sus muestras.

De acuerdo a lo anterior la aproximación es escrita como:

f (2) ( KT )
f K (t ) ≅ f (t ) = f ( KT ) + f (1)
( KT )[t − KT ] + [t − KT ]2 + ... (2.2).
2!

Donde:

d n f (t )
f (n)
( KT ) = ∨ n = 1, 2,... (2.3).
dt n t = KT

fK(t) es definida como la versión reconstruida de f(t) para el Késimo período de muestreo, es decir,

f K (t ) ≅ f (t ) ∀ KT ≤ t < ( K + 1)T (2.4).

De esta manera fK(t) denota la salida del mantenedor de datos.

3
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

En vista de que f(t) entra al mantenedor de datos solamente en forma muestreada, los valores de las
derivadas no son conocidos. A pesar de esto las derivadas pueden ser aproximadas por una
“DIFERENCIA HACIA ATRÁS” (Backward Diference).

La primera derivada se aproxima así:

1
f (1) ( KT ) = [ f ( KT ) − f [( K − 1)T ]] (2.5).
T

La segunda derivada se aproxima así:

1 (1)
f (2) ( KT ) =  f ( KT ) − f (1) [( K − 1)T ] (2.6).
T

Aquí:

1
f (1) [( K − 1)T ] = [ f [( K − 1)T ] − f [( K − 2)T ]] (2.7).
T

Sustituyendo (2.5) y (2.7) en (2.6) se tiene:

1
f (2) ( KT ) = [ f ( KT ) − 2 f [( K − 1)T ] + f [( K − 2)T ]] (2.8).
T2

La aproximación para la tercera derivada será:

1
f (3) = { f ( KT ) − 3 f [( K − 1)T ] + 3 f [( K − 2)T ] − f [( K − 3)T ]} (2.9).
T

OBSERVACIONES 2-1:

a. Nótese que las derivadas requieren el uso de valores pasados.

b. La segunda derivada de f(t) en t=KT ha sido expresada en términos de f(KT) y los valores
muestreados en dos instantes de muestreo precedentes.

c. De ser necesario se puede expresar cualquier derivada de alto orden en términos de los valores
muestreados pasados de f(KT).

d. En general, mientras más alto sea el orden de la derivada a ser aproximada, mayor será el número
de pulsos de retardo requeridos (mayor será el número de valores pasados requeridos). Para
aproximar la f(n)(KT) se requieren “n+1” número de pulsos de datos retardados.

e. El dispositivo de extrapolación que hemos estado describiendo consiste esencialmente de una

serie de retardos de tiempo, y en teoría el grado de precisión del estimado de la función de
tiempo f(t), durante el intervalo de tiempo de (KT) a [(K-1)T], depende del número de retardos.

4
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

f. En sistemas de control los dispositivos reconstructores no son de tan alto grado por dos razones
fundamentales:

• La dificultad de implementación física y su alto costo que de esto se deriva.

• El efecto adverso que se deriva de los retardos de tiempo sobre la estabilidad de los sistemas
de control de lazo cerrado. En sistemas de control los retardos son contrarios a la estabilidad.

Basándose en (2.2), para generar f(t) a partir de sus muestras, se pueden definir diferentes
reconstructores de datos, y dicha definición dependerá del orden de aproximación que se desee. Esto
significa que dependiendo de los términos que se usen de (2.2) se tendrán reconstructores de orden
cero (si se usa solo el primer termino), de primer orden (si se usa solo los dos primeros términos), de
tercer orden (si se usa solo los tres primeros términos) y así sucesivamente.

Mientras mayor sea el orden del reconstructor más fiel será la señal reconstruida con la original, pero
tal como se puede ver de (2.2) mayor también serán los retrasos originados.

De acuerdo a lo anterior se discutirán dos reconstructores o mantenedores de datos: el de orden cero

y el de primer orden.

2.2.1. RECONSTRUCTOR DE ORDEN CERO (Zero Order Hold).

En el área de control de procesos se prefiere usar mantenedores de bajo orden por razones de costo y
complejidad de construcción, así como por razones de estabilidad ya que en control los retrasos afectan
fuertemente la estabilidad del sistema.

Debido a esto, en control, frecuentemente se utiliza el primer término de (2.2) para aproximar f(t) durante
el intervalo de tiempo KT ≤ t < [(K+1)T], es decir,

f K (t ) = f ( KT ) (2.10).

El dispositivo que realiza este tipo de extrapolación es conocido como EXTRAPOLADOR DE

ORDEN CERO ya que el polinomio usado es de orden cero. También se le conoce como
MANTENEDOR DE ORDEN CERO (ZOH), ya que este mantiene el valor del valor muestreado
f(KT) para KT ≤ t < [(K+1)T] hasta que el próximo muestreo f[(K+1)T] se realice.

2.2.1.1. FUNCIÓN DE TRANSFERENCIA DEL ZOH.

La F.T. del ZOH se deriva haciendo uso de la función impulsiva de la figura 2-3:

Sea fi(t) la función impulsiva de entrada al ZOH:

fi (t ) = δ (t ) (2.11).

Sea f0(t) la respuesta impulsiva de salida del ZOH:

f 0 (t ) = u (t ) − u (t − T ) (2.12).

5
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

Donde u (t ) representa el escalón unitario.

Aplicando T.L. a (2.12) tenemos:

1 e −TS
F0 = − (2.13).
S S

Sabiendo que la T.L. del impulso es:

Fi ( s ) = 1 (2.14).

De (2.13) y (2.14) se obtiene la F.T. del ZOH

F0 ( s ) 1 − e −TS
= GZOH ( s ) = (2.15).
Fi ( s ) S

fi (t ) = δ (t ) = impulso unitario
f 0 (t )

1 1

t T t
a.) b.)

fi (t ) fi * (t ) f 0 (t )
GZOH ( s )
Fi ( s ) δ T *
Fi ( s ) F0 ( s )

c .)

FIG. N° 2-3: Respuesta impulsiva del ZOH.

6
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

f (t )
f * (t )

Valor medio
f 0 (t )

t t
T 3T 5T T 3T 5T
a.) T
b.)
2

FIG. 2-4: Entrada - Salida del reconstructor de datos de orden cero.

2.2.2. RECONSTRUCTOR DE PRIMER ORDEN (First Order Hold).

Para estudiar el reconstructor de primer orden tomamos los dos primeros términos de la serie de potencia
hallada para fK(t) en (2.2):

f K (t ) = f (t ) = f ( KT ) + f (1) ( KT )[t − KT ] ∀ KT ≤ t < [( K + 1)T ] (2.16).

Aquí la primera derivada de f(KT) en t=KT es:

f ( KT ) − f [( K − 1)T ]
f (1) ( KT ) = (2.17).
T

Sustituyendo (2.17) en (2.16) tenemos:

f ( KT ) − f [( K − 1)T ]
f K (t ) = f (t ) = f ( KT ) + [t − KT ] ∀ KT ≤ t < [( K + 1)T ] (2.18).
T

(2.18) muestra que la salida de un FOH entre dos instantes de muestreo consecutivos es una función
rampa. La pendiente de la rampa es igual a la diferencia de f(KT) y f[(K-1)T].

2.2.2.1. FUNCIÓN DE TRANSFERENCIA DEL FOH.

Para derivar la F.T. del FOH hacemos uso de la respuesta impulsiva de la figura N° 2-5. De ella tenemos:

Sea fi(t) la función impulsiva de entrada al FOH:

fi (t ) = δ (t ) (2.19).

Sea f0(t) la respuesta impulsiva de salida del FOH:

7
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

t 2(t − T ) 1
f 0 (t ) = u (t ) + u (t ) − 2u (t − T ) − u (t − T ) + u (t − 2T ) + (t − 2T )u (t − 2T ) (2.20).
T T T

Aplicando T.L. a (2.20) tenemos:

2
1 + TS 1 − e −TS  1 + TS
[GZOH ( s)]
2
F0 ( s ) =   = (2.21).
T  S  T

De (2.14) y (2.21) se obtiene la F.T. del FOH:

2
F0 ( s) 1 + TS 1 − e −TS  1 + TS
[GZOH ( s)]
2
= GFOH ( s ) =   = (2.22).
Fi ( s) S  S  T

En la figura 2-5 se puede ver la señal de entrada, un impulso unitario, la señal de salida, una onda semi
triangular de ancho 2T, y el D.B. representativo del muestreador y el FOH.

f 0 (t )
fi (t ) = δ (t ) = impulso unitario
2

1
1 2T
T t
−1
t
a.) b.)

fi (t ) fi * (t ) f 0 (t )
GFOH ( s )
Fi ( s ) δ T *
Fi ( s) F0 ( s )

c.)

FIG. N° 2-5: Respuesta impulsiva del FOH.

En la figura 2-6 se pueden ver las formas de onda del mantenedor de primer orden. La entrada, una
función muestreada cualquiera, la salida, una onda semi triangular.

8
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

f 0 (t ) Salida del muestreador

f * (t )
Entrada al muestreador

t
T 2T 3T T 2T 3T 4T
a.) b.)

FIG. N° 2-6: Entrada - Salida del reconstructor de datos de primer orden.

2.3. MUESTREO DE FUNCIONES CONJUNTAS

Para cualquier tres funciones arregladas así A( s ) = B( s ) X * ( s ) , o de esta forma A( s ) = B( s ) X ( s ) , la

transformada muestreada será:

[ A( s)]
* *
=  B ( s ) X * ( s )  ⇔ A* ( s ) = B* ( s ) X * ( s ) (2.23).



[ A( s)] = [ B(s) X (s)]
* *
⇔ A* ( s ) = BX *( s ) (2.24).

2.4. TRANSFORMADA Z.
Si analizamos la expresión dada para la transformada muestreada, la cual reproducimos a continuación:
∞
F * ( s ) = ∑ f ( KT )e − KTS (2.25).
K =0

podemos observar que esta contiene un término exponencial, e− KTS , el cual revela la dificultad para usar la
transformada de LAPLACE en el tratamiento general de sistemas de datos muestreados, ya que la función
de transferencia en cuestión no será de forma algebraica como sucede en sistemas de datos continuos.
Debido a esto se hace necesario definir la transformada Z tal como sigue:

Si en la expresión (2.25) hacemos:

Z = eTS (2.26).

Donde

9
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

1
S= Ln Z (2.27).
T

Aquí S y Z son variables complejas que se relacionan mediante (2.26). En consecuencia tendríamos que:
∞
1
F * [S = Ln Z ] = F ( z ) = Ζ[ f * (t )] = ∑ f ( KT ) Z − K (2.28).
T Z = eTS K =0

Aquí F ( z ) es la transformada Ζ de f * (t ) y Ζ es el operador de transformada Z. La frase

transformada Z será abreviada por lo general como T.Z.

La expresión (2.28) es la definición de la transformada Ζ , herramienta fundamental usada para el manejo

de los sistemas de datos muestreados.

En la definición de la transformada Ζ de una función de tiempo f(t), donde t ≥ 0, consideramos

solamente los valores muestreados de f(t), es decir, f(0), f(T), f(2T), f(3T), …, donde T es el período de
muestreo.

Desarrollando (2.28) se obtienen las muestran de f(t) en cada instante de muestreo:

∞
F ( z ) = ∑ f ( KT )Z − K = f ( 0 ) + f (T ) Z −1 + f ( 2T ) Z −2 + f ( 3T ) Z −3 + ... (2.29)
K =0

La transformada Ζ de una función de tiempo f(t), donde t ≥ 0, o de una secuencia de valores f(KT),
donde K ∈ Z + (enteros positivos incluyendo el cero) y T es el período de muestreo, puede ser escrita de la
siguiente manera:

a) Para una función de tiempo f(t), donde f(t) ≠ 0 ∀ t < 0.

∞
F ( z ) = Ζ [ f (t )] = Ζ [ f ( KT )] = ∑
K =−∞
f ( KT ) Z − K (2.30).

Obsérvese que en (2.30) T aparece en forma explicita.

Un ejemplo que ilustra lo que se desea plantear es: considere la secuencia f ( KT ) = e −α KT válida para todo
Z
K=0, 1, 2, 3, …, con α ∈ \ como una constante. La T.Z. de f(KT) es: F ( z ) = −α T
∀ e−α T Z −1 < 1
Z −e

b) Para una secuencia de números f(K), donde f(K) ≠ 0 ∀ K < 0.

∞
F ( z ) = Ζ [ f ( K )] = ∑
K =−∞
f ( K )Z − K (2.31).

Obsérvese que en (2.31) T no aparece en forma explicita.

10
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

Un ejemplo que ilustra lo que se desea plantear es: considere la secuencia de números, como una secuencia
finita,

f ( K ) = {8,3, −2, 0, 4, −6}

↑
K =0
3
La T.Z de f(K) es: F ( z ) = ∑
K =−2
f ( K ) Z − K = 8Z 2 + 3Z − 2 + 0Z −1 + 4Z −2 − 6Z −3 .

2.5. TRANSFORMADA Z DE FUNCIONES CONJUNTAS.

Para cualquier tres funciones arregladas así A( s) = B( s) X * ( s) , o de esta forma A( s) = B( s) X ( s) , la T.Z

será:

Ζ [ A( s ) ] = Ζ  B( s ) X * ( s )  ⇔ A( z ) = B( z ) X ( z ) (2.32).



Ζ [ A( s )] = Ζ [ B ( s ) X ( s ) ] ⇔ A( z ) = BX ( z ) (2.33).

2.6. SIGNIFICADO DE Z −1 = e−TS .

Z −1 representa un retardo de un período de muestreo, es decir, un retardo de T segundos. De acuerdo a

esto, en forma más general, Z − i = e − iTS representa un retardo de i períodos. Dicho de otra forma la
cantidad e −TS representa un operador de retardo en el plano S. Esto corresponde a un retardo de la
cantidad de impulsos de f(t) en el dominio del tiempo de T segundos (un período de muestreo) tal como
se muestra en la figura 2-7.

f ( KT ) f [( K − 1)T ]

f (3T )
f (2T )
f (T )

f (0)
T 2T 3T 4T t

FIG. N° 2-7: Retrazo de una señal en el dominio Z.

11
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

2.7. DEFINICIÓN DEL PLANO Z Y REGIÓN DE CONVERGENCIA.

Basados en la variable compleja Z, donde:

Z = Re Z + j Im Z (2.34).

Z = Re 2 Z + Im 2 Z (2.35).

 Im Z 
θ = tan −1   (2.36).
 Re Z 

se define el plano complejo Z así:

j Im Z

r R .C
Re Z
R .D

FIG. N° 2-8: Plano complejo Z mostrando las regiones de convergencia (R.C.) y de divergencia (R.D.).

Si para una magnitud dada de Z, de acuerdo a la figura anterior, tenemos:

a) Z > r luego (2.30) y (2.31) tienen un valor finito. Este valor de Z por definición cae en la región de
convergencia (R.C.) del plano Z. La serie converge.

b) Z =< r luego (2.30) y (2.31) no tendrán un valor finito y estas no podrán ser definidas. Este valor de
Z por definición cae en la región de divergencia (R.D.). La serie no converge.

c) Z = r luego (2.30) y (2.31) pueden o no converger dependiendo de la secuencia f(KT) o f(K).

2.8. REPRESENTACIÓN DE F(z) EN EL PLANO Z.

Sea la función de transferencia siguiente:

N ( z) ( z − z1 )( z − z2 )...( z − zm )
F ( z) = K =K ∴m ≤ n (2.37).
D( z ) ( z − p1 )( z − p2 )...( z − pn )

Aquí p1, p2, …, pn y z1, z2, …, zm son llamados polos y ceros, respectivamente, de F(z). Estos valores
pueden ser reales o complejos.

12
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

Los símbolos “x” y “o” son usados para representar en el plano Z los polos y ceros de una función de
transferencia respectivamente.

j Im Z

p2
p1 z1 z2
Re Z

p3

FIG. N° 2-9: Representación en el plano Z de los polos y ceros de una función de transferencia.

OBSERVACIÓN 2-2:

La localización de polos y ceros en el plano Z determina la característica de la respuesta en el

tiempo de f(t).

2.9. TRANSFORMADA Z DE FUNCIONES ELEMENTALES.

2.9.1. FUNCIÓN ESCALÓN UNITARIO.

Sea f(t) = u(t) la función escalón unitario, la cual es conocida desde el curso de teoría de control o control
continuo. La T.Z. de f(t) es:

1 Z
F ( z ) = Ζ [u (t ) ] = Ζ   = (2.38).
 S  Z −1

2.9.2. FUNCIÓN RAMPA UNITARIA.

Sea f(t)= t la función rampa unitaria, la cual es conocida desde el curso de teoría de control o control
continuo. La T. Z. de f(t) es:

1  TZ
F ( z ) = Ζ [t ] = Ζ  2  = (2.39).
 S  ( Z − 1)
2

2.9.3. FUNCIÓN POLINOMIAL.

Sea f ( K ) = { a K ∀ K = 0, 1, 2, ...
0 ∀ K <0 ∴ a es una constante (2.40).

La T.Z. de f(K) es:

13
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

Z
F ( z ) = Ζ [ f ( K ) ] = Ζ  a K  = (2.41).
Z −a

2.9.4. FUNCIÓN EXPONENCIAL.

Sea f (t ) = e− at la función exponencial, la cual es conocida desde el curso de teoría de control continuo.
La T. Z. de f(t) es:

Z
F ( z ) = Ζ [ f (t ) ] = Ζ e− at  = (2.42).
Z − e − aT

2.9.5. FUNCIÓN SENO.

Sea f(t)= Sin(wt) la función seno. La T. Z. de f(t) es:

Z sin( wt )
F ( z ) = Ζ [ f (t ) ] = Ζ [ sin( wt ) ] = (2.43).
Z − 2Z cos( wt ) + 1
2

2.9.6. FUNCIÓN COSENO.

Sea f(t)= Cos(wt) la función coseno. La T. Z. de f(t) es:

Z 2 − Z cos( wt )
F ( z ) = Ζ [ f (t ) ] = Ζ [ cos( wt ) ] = (2.44).
Z 2 − 2 Z cos( wt ) + 1

2.10. PROPIEDADES Y TEOREMAS DE LA T.Z..

Para las definiciones de estas propiedades y teoremas de la T.Z., se asumirá que f(t) tiene T.Z. y que f(t) =
0 para todo t < 0. Las propiedades y teoremas aquí dadas no serán demostradas. Dichas demostraciones
pueden ser encontradas en cualquier libro de texto.

2.10.1. PROPIEDAD DE LA MULTIPLICACIÓN POR UNA CONSTANTE.

Si F(Z) es la T.Z. de f(t), entonces se tiene que:

Ζ[af (t )] = a Ζ[ f (t )] = aF ( z ) ∴ a es una constante (2.45).

2.10.2 PROPIEDAD DE LINEALIDAD DE LA TRANSFORMADA Z.

Si g(K) y h(K) son transformables en Z y α y β son escalares, entonces f(K) = α g(K) + β h(K)
también es transformable en Z:

F ( z ) = Ζ[ f ( K )] = α G ( z ) + β H ( z ) (2.46).

Aquí G(z) y H(z) son las T.Z. de g(K) y h(K) respectivamente.

14
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

2.10.3 PROPIEDAD DE LA MULTIPLICACIÓN POR a K .

Sea F(z) la T.Z. de f(K), entonces la T.Z. de a K f ( K ) será:

F ( z ) = Ζ[a K f ( K )] = F (a −1Z ) (2.47).

2.10.4. TEOREMA DE TRASLACIÓN REAL.

Si f(t) = 0 para todo t < 0 y f(t) tiene transformada Z, F(z), entonces se establece que:

a) Retardo de la función en el tiempo por KT períodos de muestreos:

Ζ[ f (t − KT )] = Z − K F ( z ) (2.48).

b) Adelanto de la función en el tiempo por KT períodos de muestreos:

 K −1

Ζ[ f (t + KT )] = Z K  F ( z ) − ∑ F ( KT ) Z − K  (2.49).
 K =0 

Aquí K pertenece a los enteros positivos incluyendo el cero.

2.10.5. TEOREMA DE TRASLACIÓN COMPLEJA.

Sea F(z) la T.Z. de f(t), entonces la T.Z. de e− at f (t ) será:

∞
Ζ[e− at f (t )] = ∑ e − aKT f ( KT )Z − K = F [eaT Z ] (2.50).
K =0

2.10.6. TEOREMA DEL VALOR INICIAL.

Si F(z) es la T.Z. de f(t) y si el lim F ( z ) ∃ , entonces el valor inicial de f(0) es:

z→∞

f (0) = lim F ( z ) (2.51).

z →∞

El teorema del valor inicial es útil para chequear el cálculo de la T.Z. de posibles errores. En muchos casos
f(0) es conocido y un chequeo del valor inicial por el lim F ( z ) puede fácilmente detectar un error en F(z)
z→∞
si este existe. Esto debe considerarse siempre como una condición necesaria pero no suficiente.

2.10.7. TEOREMA DEL VALOR FINAL.

Suponga que F(z) es la T.Z. de f(K), donde f(K) = 0 para todo K < 0, y que todos los polos de F(z) caen
dentro del circulo unitario, con la posible excepción de un polo simple en Z = 1, entonces el valor final de
f(K) puede ser hallado mediante la siguiente expresión:

15
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

lim f ( K ) = lim[(1 − Z −1 ) F ( z )] (2.52).

K →∞ Z →1

A la expresión (2.52) se le conoce como el Teorema del Valor Final de la T.Z.

2.11. TRANSFORMADA Z INVERSA.

La transformada Z inversa (T.Z.I.) nos permite hallar la secuencia de tiempo f(t) o f(K) de una función
F(z) dada.

Las siguientes observaciones deben ser tomadas en cuenta a la hora de hallar la T.Z.I. de una secuencia
dada:

a) Para una F(z) dada, la T.Z.I. de F(z) nos dará solo la secuencia de tiempo f(t) en los instantes de
muestreo.

b) La T.Z.I. de F(z) dará una única f(K), pero no dará una única f(t).

c) La T.Z.I. de F(z) nos dará una f(t) en los instantes de muestreo, pero no dirá nada de los valores de f(t)
en entre instantes de muestreo. Esto significa que muchas funciones de tiempo diferentes de f(t)
pueden tener la misma f(KT).

La T.Z.I. de una función puede hallarse por medio de tablas de T.Z.I. o mediante algunos de los siguientes
métodos:

a) Método de la división directa.

b) Método computacional.

c) Método de expansión en fracciones parciales.

d) Método de la integral de inversión.

De los cuatro métodos citados anteriormente, solamente trataremos aquí los dos primeros, haciendo
hincapié en el método de la división directa.

2.11.1. MÉTODO DE LA DIVISIÓN DIRECTA.

En este método se obtiene la T.Z.I. expandiendo F(z) en una serie infinita de potencias de Z-1. En este
caso los coeficientes de la serie infinita que se obtiene representan los valores de la función en los instantes
de muestreo. El método consiste en lo siguiente:

a) Analizamos la función F(z) y dependiendo como esta halla sido dada la rescribimos como una razón
de polinomios en Z-1.

b) Luego dividimos el numerador entre el denominador, tal como una división normal de polinomios.

c) Indicamos los valores de f(t) o f(K) para diferentes instantes de muestreo.

16
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

2.11.2. MÉTODO COMPUTACIONAL.

Se pueden usar paquetes tipo CAD tales como Program CC V5.0 o Matlab V6.5, los cuales poseen
comandos sencillos y fáciles de aplicar que permiten hallar la T.Z.I. de una determinada función.

2.11.3. MÉTODO DE EXPANSIÓN EN FRACCIONES PARCIALES.

Hay varias metodologías para ejecutar una expansión en fracciones parciales de una función en Z. El
método que discutiremos aquí es el más sencillo y requiere que todos los términos en la expansión en
fracciones parciales sean fácilmente reconocibles en la tabla de pares de transformada Z . Supongamos que
F(z) tiene la siguiente forma:

b0 Z m + b1Z m −1 + ... + bm −1Z + bm

F ( z) = , m<n (2.53).
Z n + a1Z 1 + ... + an −1Z + an

Un procedimiento que se sugiere es el siguiente:

a) Si F(z) tiene uno o más ceros en el origen, entonces se divide F(z) entre Z: F(z)/Z.

b) Se factoriza el polinomio denominador de F(z) y se encuentran los polos de F(z).

b0 Z m + b1Z m −1 + ... + bm −1Z + bm

F ( z) = (2.54).
( Z − p1 )( Z − p2 )...( Z − pn )

c) Expandimos F(z)/Z en fracciones parciales de tal forma que cada término sea reconocible en las tablas
de pares de transformada Z.

F ( z) a1 a2 an
= + + ... + (2.55).
Z Z − p1 Z − p2 Z − pn

Los coeficientes ai se pueden determinar de la siguiente expresión, siempre que se trate de polos simples:

 F ( z) 
ai =  ( Z − pi ) (2.56).
 Z  Z = pi

Si F(z)/Z envuelve polos múltiples, como por ejemplo un doble polo en Z = p1 y no otros polos, entonces
F(z)/Z tendrá la siguiente forma:

F ( z) c1 c2
= + (2.57).
Z ( Z − p1 ) Z − p1
2

En este caso los coeficientes c1 y c2 son determinados desde las siguientes expresiones:

 F ( z) 
c1 = ( Z − p1 ) 2 (2.58).
 Z  Z = p1

17
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

d  F ( z)  
c2 =   ( Z − p1 ) 2  (2.59).
 dz  Z  Z = p1

Resulta evidente, por conocimientos previos, que si F(z)/Z contiene un polo triple en Z = p1, entonces la
fracción parcial debe incluir un termino de la forma (Z+p1)/(Z-p1)3.

d) Finalmente la T.Z.I. de F(z) se obtiene como la suma de la T.Z.I. de las fracciones parciales anteriores.

2.11.4. MÉTODO DE LA INTEGRAL DE INVERSIÓN.

La integral de inversión, cuando es evaluada por residuos, es una técnica muy simple para obtener la
T.Z.I., siempre que X(z)ZK-1 no tenga polos en el origen, es decir, en Z = 0. Sin embargo, si F(z)ZK-1 tiene
un polo simple o un polo múltiple en Z = 0, entonces este método puede convertirse en laborioso y el
método de expansión en fracciones parciales puede ser más simple de aplicar.

La integral de inversión para la T.Z.I. es dada por:

1
Z −1 [ F ( z )] = f ( KT ) = f ( K ) =
2π j v∫ C
F ( z ) Z K −1dz (2.60).

En (2.60) C representa un circulo con centro en origen del plano Z, tal que todos los polos de F(z)ZK-1
caen dentro del circulo.

La expresión para la T.Z.I. en términos del teorema de los residuos es la siguiente:

f ( KT ) = f ( K ) = K1 + K 2 + ... + K m =
m (2.61).
= ∑  residuos de F ( z ) Z K −1 en los polos de Z = Z i de F ( z ) Z K −1 
i =1

En la expresión (2.61) K1, K2, …, Km denota los residuos de F(z)ZK-1 en los polos de Z1, Z2, …, Zm
respectivamente.

Si F(z)ZK-1 contiene un polo simple en Z = Zi entonces el residuo K correspondiente es:

(residuo) Z = Zi = K i lim  ( Z − Z i ) F ( z ) Z K −1  (2.62).

Z → Zi

Si F(z)ZK-1 contiene un polo múltiple en Z = Zj de orden q, entonces el residuo k es dado por:

1 d q −1
(residuo) Z = Z j = Kj = lim q −1 ( Z − Z j ) q F ( z ) Z K −1  (2.63).
( q − 1)! →Z j dz
Z

OBSERVACIONES 2.3.:

a. Los valores de k en (2.61), (2.62) y (2.63) son enteros no negativos.

18
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

b. Si F(z) tiene un cero de orden r en el origen, entonces F(z)ZK-1 en (2.61) tendrá un cero de orden
r+K-1 en el origen. Si r ≥ 1, luego r+K-1 ≥ 0 para todo K ≥ 0, y no hay polo en Z = 0 en F(z)ZK-1.
Sin embargo si r ≤ 0, luego habrá un polo en Z = 0 para uno o más valores no negativos de K. En
este caso una inversión separada de (2.61) se hace necesaria para cada valor de k.

2.12. RELACIÓN ENTRE F*(S) Y F(Z) (T.M. Y T.Z.).

Las siguientes relaciones son validas siempre que los polos de F(s) caigan en el semiplano izquierdo del
Q( s)
plano S y que F(s) pueda ser expresada como una razón de polinomios en S, F ( s ) = , cumpliéndose
P( s)
que F(s) sea una fracción perfecta, es decir, que el orden de P(s) > que el orden de Q(s). Partiendo de esto
definiremos dos situaciones generales.

2.12.1. PARA CUANDO NO HAY RETARDOS DE TIEMPO.

Usando el teorema de los residuos reproducimos la Ec. (1.10) dada en el capitulo 1:

 1 
F * ( s) = ∑
en los polos
 residuos de F (λ ) 1 − e −T ( S −λ )  (1.10).
de F ( λ )

Como se sabe de (1.10) se derivaron dos casos, los cuales fueron establecidos en (1.11) y en (1.12).

Si en (1.10) sustituimos eTS por Z tendremos:

 Z 
F ( z) = ∑
en los polos
 residuos de F (λ ) Z − eT λ  (2.64).
de F ( λ )

Si cambiamos en (2.64) la variable λ por la variable S tendremos:

 Z 
F ( z) = ∑
en los polos
 residuos de F ( s) Z − eTS  (2.65).
de F ( s )

Si asumimos que F(s) tiene polos en S1, S2, …, Sm, entonces de (2.65) se derivan dos casos:

a) Cuando hay polos simples se tiene que:

 Z 
K i = ( S − pi ) F ( s) (2.66).
 Z − eTS  S = pi

b) Cuando hay polos múltiples de multiplicidad rj se tiene que:

1  d j  Z  
r −1
rj
Kj =  rj −1  ( S − p j ) F ( s )  (2.67).
( rj − 1)!  dS  Z − eTS  S = p
j

19
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

2.12.2. PARA CUANDO HAY RETARDOS DE TIEMPO.

Aquí se considera que f(t) es retrazada un número entero de períodos de muestreo. Partiendo de la Ec. (1-
13) dada en el capitulo 1 se tiene que:

 Z 
F ( z ) = Ζ e − KTS F1 ( s )  = Z − K ∑
en los polos
 residuos de F1 ( s ) Z − eTS  (2.68).
de F1 ( s )

La solución para (2.68) es la misma que la dada para (2.65).

2.13. ECUACIONES EN DIFERENCIAS LINEALES (E.E.D.L.).

Las ecuaciones en diferencias lineales en los sistemas de tiempo discreto son la contra parte de las
ecuaciones diferenciales lineales en los sistemas de tiempo continuo. De acuerdo a esto las E.E.D.L. es
uno de los métodos que se usa, en el dominio del tiempo, para estudiar los sistemas discretos. Esta nos
permitirá encontrar la salida de un sistema de tiempo discreto desde una secuencia de entrada conocida.

Supongamos que el sistema de tiempo discreto transforma la secuencia de entrada de números uK en una
secuencia de salida yK de acuerdo a cierta formula recursiva o ecuación en diferencia:

y (k ) = u (k ) + 2u (k − 1) + 3u (k − 2) ∀ k = 0,1, 2,3,... (2.69)

Podemos preguntarnos que nos dice (2.69). La respuesta es:

(2.69) nos dice que se forma el k-ésimo miembro de la secuencia de salida y(k) adicionado la entrada
presente u(k), más 2 veces la entrada previa u(k-1) y más 3 veces la entrada retardada en 2 unidades de
tiempo u(k-2).

Una E.E.D.L. que describe un sistema tal como (2.69) también pudiera contener en su miembro derecho
términos pasados de la secuencia de salida yk.

2.13.1. REPRESENTACIÓN DE LA E.E.D.L. USANDO GRÁFICOS DE FLUJO DE

SEÑALES.

Supongamos que se desea representemos en GFS la ecuación (2.69). La representación deseada se muestra
en la figura N° 2-10.

20
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

u (k ) Unidad u (k − 1) Unidad u (k − 2)
de de
retardo retardo

1 2 3

+ +

y (k )

FIG. N° 2-10: Representación de una E.E.D.L. usando G.F.S.

2.13.2. REPRESENTACIÓN DE LA E.E.D.L. USANDO DIAGRAMA DE BLOQUES.

Suponga que se desea representar la siguiente E.E.D.L. usando D.B.:

y (k ) = u (k ) + α y (k − 1) ∀ k = 0,1, 2,3,... (2.70)

La representación queda como se indica en la figura N° 2-11.

y (k )

Unidad
u (k )
de
+ retardo
−

FIG. 2-11: Representación en D.B. de una E.E.D.L.

2.13.3. SOLUCIÓN DE E.E.D.L.

Hay tres formas básicas para resolver una E.E.D.L. las cuales son:

21
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

… Aproximación clásica: Consiste en encontrar una solución complementaria y una solución particular.
La suma de ambas soluciones forma la solución general.

Una E.E.D.L. como la siguiente:

y (k ) + b1 y (k − 1) + b2 (k − 2) + ... + bn y (k − n) = u (k ) (2.71)

se le conoce como E.E.D.L. no homogénea. Si el miembro derecho de (2.71) es cero entonces a (2.71) se
le conoce E.E.D.L. homogénea.

La solución complementaria es aquella que se encuentra a partir de la homogénea y se denota como y ( h ) .

La solución particular es aquella que se encuentra a partir de la ecuación no homogénea y se denota como
y ( p ) . La solución total de la E.E.D.L. será y (G ) = y ( h ) + y ( p ) . La aproximación clásica no será objeto de
estudio para nosotros.

… Usando un computador digital: Este forma de solución consiste en usar un computador digital y un
programa determinado o una herramienta tipo CAD. Supóngase que se desea encontrar m(k) para la
siguiente ecuación:

m(k ) = e(k ) − e(k − 1) − m(k − 1) ∀ k ≥ 0 (2.72)

Aquí e(k) se expresa como:

1 ∀ k ∈ pares 
e( k ) =   (2.73)
0 ∀ k ∈ impares 

Se asume que e(-1) = 0 y m(-1) = 0.

Si evaluamos manualmente la E.E.D.L. dada en (2.72) se obtendrán los siguientes valores como
solución:

Para k = 0 m(0) = 1
Para k = 1 m(1) = -2
Para k = 2 m(2) = 3
Para k = 3 m(3) = -4
Para k = 4 m(4) = 5
Para k = 5 m(5) = -6
.
.
.

Un programa que resuelva la ecuación (2.72) puede ser hecho usando MATLAB. El programa se
presenta a continuación:

22
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

mkmenos1 = 0;

ekmenos1 = 0;  Inicializan el proceso secuencial
ek = 1; 
for k = 0 : 20 
mk = ek-ekmenos1-mkmenos1;
[ k,mk ] 
 Lazo
mkmenos1 = mk; 
ekmenos1 = ek; 

ek = 1-ek; 
end

En el programa anterior se asumen las siguientes notaciones:

mkmenos1 m(k-1)

mk m(k)

ekmenos1 e(k-1)

ek e(k)

Si usamos MATLAB para resolver (2.72), empleando el programa anterior, encontraremos como solución
los mismos valores que se encontraron cuando se realizó la evaluación en forma manual.

… Usando Transformada Z: Esta forma de solución consiste en aplicar transformada Z a la E.E.D.L.

con el fin de despejar M(z) y posteriormente emplear la división directa para hallar los valores de
solución de la E.E.D.L.

Aplicando T.Z. a (2.72) tenemos:

Z −1
M ( z) = E( z) (2.74)
Z +1

Aplicando T.Z. a (2.73) tenemos:

1 Z2 Z2
E ( z ) = 1 + Z −2 + Z −4 + ... = = = (2.75)
1 − Z −2 Z 2 − 1 ( Z + 1)( Z − 1)

Sustituyendo (2.75) en (2.74) tenemos:

 Z −1   Z   Z −1   
2
Z2 Z2
M ( z) =   2   =   = (2.76)
 Z + 1   Z − 1   Z + 1   ( Z + 1)( Z − 1)  Z + 2Z + 1
2

23
C A P I T U L O 2 : H E R R A M I E N T A S D E A N Á L I S I S

Si expandimos M(z) en serie de potencia mediante división directa tendremos la solución:

M ( z ) = 1 − 2 Z −1 + 3Z −2 − 4Z −3 + 5Z −4 − 6 Z −5 + .... (2.77)

Los coeficientes de las potencias de Z en (2.77) representan la solución de la E.E.D.L., es decir, son los
valores de m(k). Obsérvese que estos valores son los mismos que se encontraron mediante la evaluación
manual y mediante el programa hecho con MATLAB.

24