Capitulo 8

SISTEMAS DISCRETOS
Y LA TRANSFORMADA Z 8
INTRODUCCIÓN
En el capítulo 7 se desarrollaron métodos clásicos para el análisis de señales y sistemas

LIT en tiempo discreto, usando herramientas algebraicas y gráficas para describir el
comportamiento dinámico del sistema. Aunque el uso de estos métodos exige un tratamiento
riguroso, tanto en la descripción algebraica de las señales discretas, como en el desarrollo del
modelo del sistema, permiten analizar y observar directamente las características dinámicas del
sistema en tiempo real, como es el caso de la causalidad y estabilidad. Sin embargo, cuando el
tamaño (orden) del sistema es muy alto, es necesario recurrir al uso de la simulación, mediante
herramientas computacionales como el programa MATLAB®.
Los métodos de transformación ofrecen ventajas respecto de los métodos de análisis en el

dominio del tiempo, tal como se demostró en los capítulos 4 y 5, con el uso de la transformada de
Laplace y la transformada de Fourier para los sistemas continuos. De manera similar, la
transformada Z y la transformada de Fourier en tiempo discreto, facilitan considerablemente el
análisis de sistemas discretos, no solo en aspectos relativos al desarrollo del modelo del sistema,
sino en la formulación algebraica de la relación entrada ⇔ salida. En este capítulo se presentará
la transformada Z (TZ) como herramienta para el análisis de un sistema en tiempo discreto. En
el capítulo 9 se hará algo similar con la transformada de Fourier en tiempo discreto (TFTD).
Usando la TZ se determinará la respuesta de sistemas discretos excitados por secuencias.

Los sistemas de datos muestreados, por sus características especiales serán tratados en el capítulo
10. Una de las principales aplicaciones de la TZ, será la solución de la ecuación en diferencias
(EED). Sin embargo, como en el caso de la transformada de Laplace, será necesario desarrollar
métodos para el cálculo de la transformada inversa Z. El uso del programa MATLAB® será de
gran ayuda en la interpretación y análisis de resultados en el dominio-z.
8.1 DEFINICIÓN DE LA TRANSFORMADA Z

En este párrafo se desarrollará la transformada Z, como una consecuencia de la respuesta
de un sistema discreto a una secuencia exponencial compleja. Similar al tratamiento que se
dio en la sección 3.1 a la transformada de Laplace, se presentará la definición formal de la
transformada Z bilateral aplicable en señales y sistemas no causales y la transformada Z
unilateral en señales y sistemas causales.
8-1
8-2 Capítulo 8 – SISTEMAS DISCRETOS Y LA TRANSFORMADA Z
Respuesta de un sistema LIT discreto a una secuencia exponencial compleja

La respuesta de un sistema discreto a una secuencia exponencial compleja es una forma
adecuada para llegar a la definición de la transformada Z. Asumimos en principio un
sistema discreto y estable, modelado a través de su respuesta impulso h[ n] , sometido a una
entrada exponencial de la forma x[ n] = Az n , donde A es una constante real y z una
constante compleja de la forma z = r e j θ . Aplicando convolución lineal (7.72) es posible
determinar su respuesta forzada, como
∞ ∞ ∞
y RF [ n] = ∑
k =−∞
h[ k] x[ n − k] = ∑
k =−∞
h[ k] Az n− k = Az n ∑ h[ k] z− k
k =−∞
Si representamos el término de la sumatoria, como

∞
H ( z) = ∑ h[ k]z
k=−∞
−k
(8.1)
la respuesta forzada es
y RF [ n] = H ( z) × Az n (8.2)
La ecuación (8.2) muestra una característica similar a la que se obtuvo en (3.1) para el
sistema continuo, en el sentido de que la respuesta forzada a una entrada exponencial
compleja, es la misma entrada exponencial compleja escalada en magnitud por el valor de
H ( z) , que se reconoce como la función característica del sistema. Aunque el desarrollo
anterior consideró solo secuencias, las ecuaciones (8.1) y (8.2) se pueden aplicar sin
limitación alguna al caso de sistemas de datos muestreados.
Ejemplo 8.1: Obtener la respuesta forzada de un sistema discreto estable y causal,

Respuesta representado por su respuesta impulso h[ n] = (0.8)n u[ n] , cuando es sometido
forzada de un
sistema discreto a una entrada x[ n] = 5 cos( π n / 3) .
ante una entrada
exponencial
compleja.
Solución: Expresamos x[ n] como la suma de 2 componentes exponenciales
x[ n] = 2.5 ( e j π n / 3 + e− j π n / 3 ) = 2.5 ( e j π / 3 ) + 2.5 ( e− j π / 3 ) = 2.5 z1n + 2.5 z2n

n n
donde, z1 = e j π / 3 y z2 = e− j π / 3 , conocidos como valores característicos. Usando

superposición y aplicando (8.2), la respuesta forzada tendrá 2 componentes:
y RF [ n] = 2.5 H ( z1 ) z1n + 2.5 H ( z2 ) z2n

Para calcular H ( z1 ) y H ( z2 ) , necesitamos obtener H ( z) . Aplicando (8.1)
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
8.1 – DEFINICION DE LA TRANSFORMADA Z 8-3
∞ ∞
H ( z) = ∑ (0.8)n u[ n]z− n = ∑(0.8)n z− n
n =−∞ n=0
Usando la serie geométrica del apéndice A.3, obtenemos

∞
1
H ( z) = ∑ (0.8 z−1 )n = −1
, 0.8 z−1 < 1
n=0 1 − 0.8 z
La expresión 0.8 z−1 < 1 establece el rango de valores de z que garantizan la

existencia de H ( z) . Evaluando para los valores característicos z1 y z2 ,
1
H ( z1 ) = = 0.7143 − j 0.8248 = 1.0911e− j 0.8571
1 − 0.8 ( e )
j π / 3 −1
1
H ( z2 ) = = 0.7143 + j 0.8248 = 1.0911e j 0.8571
1 − 0.8 ( e )
− j π / 3 −1
Sustituyendo en la expresión anterior de y RF [ n] , obtenemos
y RF [ n] = 2.5(1.0911)e− j 0.8571 e j n π / 3 + 2.5(1.0911)e j 0.8571 e− j n π / 3

Usando la identidad de Euler,
y RF [ n] = 5.4554 cos( nπ / 3 − 0.8571)
El ejemplo 8.1 muestra que la respuesta forzada de un sistema discreto ante una secuencia
senoidal tiene la misma forma de la entrada, modificando solo la amplitud y la fase, de
acuerdo con el valor de la expresión compleja H ( zk ) = H ( zk ) θ k .
Transformada Z bilateral
La expresión (8.1) se reconoce como la transformada Z bilateral (TZB) de h[ n] y puede

ser aplicada a una secuencia no causal x[ n] , definida formalmente como
∞
X ( z) ∑ x[ n]z
n =−∞
−n
(8.3)
donde z es una variable compleja de la forma z = x + jy = r θ , cuyos valores están

definidos en el plano-z. Para efectos de notación simbólica, la transformada Z (TZ) se
puede representar como
x[ n] ↔ X ( z) o X ( z) = Z{ x[ n]} (8.4)
Desarrollando la sumatoria en (8.3), X ( z) puede expresarse como
X ( z) = + x[ −2] z2 + x[ −1] z1 + x[0] + x[1] z−1 + x[2] z−2 + (8.5)
que se reconoce como la forma de desarrollo en serie de la TZ, la cual permite identificar
una característica muy particular, en el sentido de que la TZ se construye como una suma
ponderada de potencias de z, a partir de los valores de la muestras de la secuencia x[ n] .
Utilizando este resultado, en la sección 10.2 se presentará la TZ de un sistema de datos
muestreados.
Transformada Z unilateral
Cuando la secuencia x[ n] es causal, solo existe para n ≥ 0 y la sumatoria en (8.3) se

reduce al intervalo [0, ∞ ) . Por lo tanto
∞
X ( z) ∑ x[ n]z
n=0
−n
(8.6)
que se reconoce como la transformada Z unilateral (TZU) o simplemente la transforma Z

(TZ) de x[ n] y puede considerase como un caso particular de la TZB definida en (8.3). En
efecto la TZB es más general y se puede aplicar a secuencias causales y no causales. Sin
embargo, en la sección 8.3 se demostrará que es posible calcular la transformada Z
bilateral de una secuencia no causal, usando la expresión de la transformada Z.
Ejemplo 8.2: Dada la siguiente transformada Z,

Relación entre
las muestras de X ( z) = −3 z2 + z + 5 + 2 z−1 + 3 z−2 − 6 z−4 + 4 z−5
una señal
discreta y su TZ. obtener la secuencia x[ n] .
Solución: De acuerdo con (8.5) la forma de X ( z) corresponde a una secuencia x[ n] no

causal y finita, dada por
x[ n] = {−3, 1, 5, 2, 3, 0, − 6, 4}
↑
donde la flecha <↑ > se utiliza para indicar el origen de la base de tiempo
discreta.
Ejemplo 8.3: Obtener la transformada Z de las siguientes secuencias

TZ de secuencias
causales y a. Secuencia causal: x1[ n] = (0.8)n u[ n]
anticausales. b. Secuencia anticausal: x2 [ n] = (0.8)n u[ − n − 1] .
8.1 – DEFINICION DE LA TRANSFORMADA Z 8-5
Solución: Aplicando la TZU (8.6) a la secuencia causal x1[ n] , obtenemos

∞ ∞ ∞
1
X1( z) = ∑ x1[ n] z− n = ∑ (0.8)n z− n = ∑ (0.8 z−1 )n = , 0.8 z−1 < 1
n=0 n=0 n=0 1 − 0.8 z−1
La forma cerrada de X1( z) se logra aplicando la serie geométrica 1 del

apéndice A.3. Racionalizando la expresión anterior, obtenemos
z
X 1 ( z) = , z > 0.8
z − 0.8
La expresión z > 0.8 establece los valores de z que garantizan la existencia de
X1( z) , conocida como su región de convergencia (RC), formada en este caso
por los valores de z fuera del círculo de radio 0.8.
De modo similar, usando la TZB (8.3) para la secuencia anticausal x2 [ n]

∞ −1 0
X 2 ( z) = ∑
n =−∞
x2 [ n] z− n = ∑ (0.8)n z− n = −1 +
n =−∞
∑ (0.8 z
n =−∞
−1 n
)
Haciendo el cambio de variable n = − m

∞ ∞
1
X2 ( z) = −1 + ∑ (0.8 z−1 )− m = −1 + ∑ (1.25 z)m = −1 + , 1.25 z < 1
m=0 m =0 1 − 1.25 z
Simplificando obtenemos
z
X 2 ( z) = − , z < 0.8
z − 0.8
La región de convergencia corresponde a todos los valores de z dentro del
círculo de radio 0.8. Se observa que la diferencia entre X1( z) y X2 ( z) está en la
región de convergencia ( RC1 ≠ RC2 ) y en el signo negativo del resultado final.
Comentarios:
1. La RC de una secuencia causal corresponde a puntos fuera de un círculo.
2. La RC de una secuencia anticausal corresponde a puntos dentro de un círculo.
3. Dos secuencias con diferente causalidad pueden tener la misma TZ.
4. Para establecer la diferencia es necesario incluir la RC en expresión de la TZ.
Forma general de la región de convergencia de la TZ

En el ejemplo 8.3 se mostró que la región de convergencia (RC) de una función X ( z) en el
dominio-z, es la única forma de garantizar la unicidad de la TZ, es decir, que la relación
x[ n] ↔ X ( z) sea única.
La función x[ n] se reconoce como la transformada Z inversa de X ( z) y se evalúa

[Carlson98], como
1
x[ n]
2π j ∫ C
X (z) z n−1 dz (8.7)
donde C debe ser un contorno antihorario que incluya el origen y se encuentra dentro de la
RC de X ( z) . Por simplicidad, C puede ser un círculo dentro de la RC en el plano-z. Por otro
lado, se puede demostrar [Carlson98] que la RC de la combinación lineal de dos secuencias
es la intersección de las regiones de las dos componentes. Luego, si RC x 1 es la RC de
x1[ n] y RC x 2 la RC de x2 [ n] ,
x[ n] = a1 x1[ n] + a2 x2 [ n] → RC x = RC x 1 ∩ RC x 2 (8.8)
Como una secuencia no causal es la suma de una componente causal y de una componente
no causal, según (8.8) su RC debe ser de forma anular tal como se muestra en la figura 8.1,
donde Rxc es el radio de la componente causal y Rxa el radio de la componente anticausal.
Para que exista la TZ, Rxa > Rxc . Si Rxa < Rxc la RC es un espacio vacío y no existe la TZ.
jy
Rxa
Rxc
Figura 8.1 x
Forma general de la
región de
convergencia de la
transformada-z
Como se demostrará más adelante, la forma general de la variable compleja es

z = re j θ = z e j Ω , siendo Ω la frecuencia digital en radianes. En el caso particular de z = 1 ,
corresponde a un círculo de radio uno, conocido como el círculo unitario (c.u.) del plano-z.
Si la RC incluye el c.u., es posible calcular X ( z) para valores de z = e j Ω , como
∞
X ( z) z = e j Ω = X ( e j Ω ) = ∑ x[ n]e − jΩ
(8.9)
n =−∞
La ecuación (8.9) se reconoce como la transformada de Fourier en tiempo discreto

(TFTD). Según lo anterior, la condición para que exista la TFTD es que la RC de la TZ
incluya el círculo unitario. Esta conclusión es análoga a la formulada en la sección 4.1, en
el sentido de que la existencia de la transformada de Fourier en tiempo continuo (TFTC)
está condicionada a que la RC de la transformada de Laplace incluya el eje-jω. El análisis
y la presentación de la TFTD se harán en el capítulo 9.
8.2 – TRANSFORMADA Z DE SECUENCIAS ELEMENTALES 8-7
8.2 TRANSFORMADA Z DE SECUENCIAS ELEMENTALES

En esta sección se determinará la transformada Z (TZ) de secuencias elementales,
aplicando las definiciones (8.3) y (8.6). Estas secuencias se utilizan en el análisis de
sistemas LIT discretos y fueron definidas en la sección 7.1. La TZ de las señales
elementales muestreadas será considerado en la sección 10.2.
Secuencia impulso unitario

Sea δ[ n] la secuencia definida en (7.10). Utilizando (8.3) obtenemos
∞
δ[ n] ↔ ∑ δ[ n] z
n =−∞
−n
= 1, RC: todo z (8.10)
El resultado anterior es independiente de z y por lo tanto la TZ converge para todos los

valores de z. Luego, la RC de la secuencia impulso es todo el plano-z.
Secuencia exponencial causal

Sea x[ n] = a n u[ n], 0 < a < ∞ . Aplicando (8.3) y la serie geométrica 1 del apéndice A.3
∞ ∞
1
X ( z) = ∑ a n z− n = ∑ ( az−1 )n = −1
, | az−1 |< 1
n=0 n=0 1 − az
La condición para que exista X ( z) es az−1 < 1 , lo cual permite identificar la RC como
z > a . Simplificando el resultado anterior:
z
a n u[ n] ↔ , RC: | z|>| a| (8.11)
z− a
Si a < 1 , x[ n] es acotada y la RC incluye el círculo unitario tal como se muestra en la
figura 8.2, garantizando así la existencia de la TFTD.
x
a
Figura 8.2
Región de
convergencia de 0 0
xb
señales causales y
anticausales.
RC de una secuencia causal RC de una secuencia anti-causal
Secuencia exponencial anticausal

Sea x[ n] = b n u[ − n − 1], 0 < b < ∞ . Utilizando la TZB (8.3) y la serie geométrica 1 del
apéndice A.3, obtenemos:
−1 ∞
0
1
X ( z) = ∑
n =−∞
b n z− n = −1 + ∑ ( b / z) n = − 1 + ∑ ( z / b) n = −
n =−∞ n=0 1 − bz−1
, | b−1 z|< 1
Se observa que el resultado es prácticamente el mismo obtenido en (8.11). Sin embargo la

condición de existencia es b−1 z < 1 , con lo cual la RC es z < b . Simplificando,
z
b n u[ − n − 1] ↔ − , RC: | z|<| b| (8.12)
z−b
Si b < 1 , x[ n] es una secuencia no acotada y no incluye el círculo unitario tal como se
observa en la figura 8.2. Luego, para que x[ n] = b n u[ − n − 1] sea una secuencia acotada y
pueda calcularse su TFTD, se requiere que b > 1 .
Si en los dos últimos casos a = − b , la única diferencia entre (8.11) y (8.12) está en la RC.
Lo anterior implica que dos secuencias diferentes pueden tener la misma TZ. Una vez más,
la RC permite garantizar la relación única x[ n] ↔ X ( z) .
Secuencia escalón unitario

La secuencia escalón unitario u[ n] definida en (7.5), puede generarse a partir de la
secuencia exponencial causal si a = 1 . Por lo tanto
z
u( n) ↔ , z >1 (8.13)
z−1
Secuencia senoidal
Dada la secuencia senoidal x[ n] = cos( Ω n) u[ n] , es posible calcular su TZ, expresándola en
forma exponencial mediante la relación de Euler. En efecto
x[ n] = cos( Ω n) = 1
2 (e jΩn
+ e− j Ω n ) u[ n]
Aplicando (8.11) para a = e± j Ω , obtenemos
x[ n] = 0.5 ( e j Ω ) u[ n] + 0.5 ( e− j Ω ) u[ n]
n n
Considerando que la RC resultante es la intersección de las dos componentes

z z
X ( z) = 0.5 jΩ
+ 0.5 , RC: z > e j Ω ∩ z > e− j Ω
z− e z − e− j Ω
Como e± jΩ = 1 , la condición de convergencia es z > 1 . Simplificando,
8.2 – TRANSFORMADA Z DE SECUENCIAS ELEMENTALES 8-9
z2 − zcos( Ω)
cos( Ω n) u[ n] ↔ 2 , z >1 (8.14)
z − 2 zcos( Ω) + 1
De modo similar
z sen( Ω)
sen( Ω n) u[ n] ↔ , z >1 (8.15)
z − 2 zcos( Ω) + 1
2
La tabla 8.1 resume la TZ de las secuencias elementales de mayor uso, con su respectiva
RC. Otras secuencias se tratarán en la siguiente sección.
Tabla 8.1 – Transformada Z de secuencias elementales

No. Secuencia Transformada Z RC
T1 δ[ n] 1 Todo el plano-z
z
T2 u[ n] z >1
z−1
z
T3 u[ − n − 1] − z <1
z−1
z
T4 a n u[ n] z> a
z− a
z
T5 a n u[ − n − 1] − z< a
z− a
za
T6 na n u[ n] z> a
( z − a )2
za
T7 − na n u[ − n − 1] z< a
( z − a )2
z sen( Ω 0 )
T8 sen( nΩ0 )u[ n] z >1
z − 2 z cos( Ω 0 ) + 1
2
z2 − z cos( Ω0 )
T9 cos( nΩ0 )u[ n] z >1
z2 − 2 z cos( Ω0 ) + 1
8.3 EVALUACIÓN DE LA TRANSFORMADA Z

En los ejemplos anteriores se demostró la aplicación de la definición (8.3) y (8.6) para
obtener transformada Z (TZ) de secuencias anticausales y causales. Sin embargo, es
posible establecer un mecanismo más práctico de cálculo, que se basa en el uso de tablas de
pares de transformadas y de propiedades de la TZ. Por razones de aplicación práctica, solo
se hará referencia a secuencias causales, usando (8.6) para calcular su transformada Z
(TZ). Sin embargo, más adelante se desarrollará un procedimiento especial basado en (8.6),
para determinar la TZ de una secuencia anticausal, a través de su equivalente causal.
8 - 10 Capítulo 8 – SISTEMAS DISCRETOS Y LA TRANSFORMADA Z
Tablas de pares de transformadas

La tabla 8.2 presenta la TZ de secuencias causales, cuyo resultado es fácil de verificar
utilizando la definición (8.6) y las propiedades que serán analizadas en la sección 8.4.
Tabla 8.2 – Pares de transformadas causales
No. x[ n], n ≥ 0 X ( z) RC
T1 δ[ n] 1 Todo z
T2 δ[ n − n0 ] z− n0 z≠0
z
T3 u[ n] z >1
z−1
z
T4 n z >1
( z − 1)2
z( z + 1)
T5 n2 z >1
( z − 1)3
z
T6 an z> a
z− a
az
T7 n an z> a
( z − a )2
z
T8 na n − 1 z> a
( z − a )2
az( z + a )
T9 n2 a n z> a
( z − a )3
z2
T10 ( n + 1) a n z> a
( z − a )2
zsen( Ω 0 )
T11 sen[ Ω 0 n] z >1
z − 2 z cos( Ω 0 ) + 1
2
z[ z − cos( Ω0 )]
T12 cos[ Ω0 n] z >1
z − 2 z cos( Ω0 ) + 1
2
azsen( Ω0 )
T13 a n sen[ Ω 0 n] z> a
z − 2 az cos( Ω0 ) + a2
2
z[ z − acos( Ω0 )]
T14 a n cos[ Ω0 n] z> a
z − 2 az cos( Ω0 ) + a2
2
TZ de una secuencias anticausal a partir de su causal equivalente

Es posible calcular la TZ de una secuencia anticausal, a partir de su secuencia causal
equivalente. Para esto asumimos que la secuencia anticausal es xa [ n] = x[ n]u[ − n − 1] .
Aplicando la TZB (8.3), obtenemos
8.3 – EVALUACION DE LA TRANSFORMADA Z 8 - 11
∞ −1 0
X a ( z) = ∑
n =−∞
xa [ n] z− n = ∑
n =−∞
x[ n] z− n = − x[0] + ∑ x[ n]z
n =−∞
−n
Efectuando el cambio de variable n = − m

∞
X a ( z) = ∑ x[ − m]( z−1 )− m − x[0]
m =0
Cambiando z por z−1 y comparando con la TZU (8.6), la sumatoria de esta expresión es la
TZ de una secuencia causal, obtenida a partir de la reflexión de la secuencia anticausal.
Luego la solución está en calcular la TZ de la secuencia causal equivalente por reflexión de
la secuencia anticausal y finalmente efectuar la transformación
X a ( z) = Xce ( z) z= z−1 (8.16)
Esta expresión es consecuencia de la propiedad de reflexión del la TZ, que será demostrada
más adelante. El procedimiento para calcular la TZ de la secuencia anticausal, a partir de su
secuencia causal equivalente, puede resumirse en
1. Construir la secuencia causal equivalente por reflexión de secuencia anticausal:
xce [ n] = xa [ − n] = x[ − n]u[ n − 1] = x[ − n]u[ n] − x[0] δ[ n] (8.17)
En este paso, al cambiar u[ n − 1] por u[ n] es necesario restar la muestra en n = 0 .

2. Calcular la TZ unilateral de la señal causal equivalente: X ce ( z) ↔ xce [ n]
3. Efectuar la transformación (8.16).
Ejemplo 8.4: Obtener la TZ de la señal discreta no causal

TZ de una señal
anticausal, a x[ n] = (0.8)n u[ n] + (0.5)− n u[ − n − 1]
partir de su
causal utilizando el procedimiento anterior para calcular la TZ de la componente
equivalente. anticausal.
Solución: Aplicando T6 de la tabla 8.2 para la componente causal, obtenemos
z
xc [ n] = (0.8)n u[ n] ↔ X c ( z) = , z > 0.8
z − 0.8
La componente anticausal es xa [ n] = (0.5)− n u[ − n − 1] . Aplicando (8.17),
xce [ n] = (0.5)n u[ n − 1] = (0.5)n u[ n] − (0.5)0 δ[ n] = (0.5)n u[ n] − δ[ n]

Aplicando T1 y T6 de la tabla 8.2,
z 0.5
X ce ( z) = −1= , z > 0.5
z − 0.5 z − 0.5
Finalmente utilizamos la transformación (8.16),

0.5 0.5 z
X a ( z) = = −1 =− , z <2
z − 0.5 z= z−1 z − 0.5 z−2
que coincide con la T5 de la tabla 8.1. Sumando las 2 componentes
z z 1.2 z
X ( z) = − =− , 0.8 < z < 2
z − 0.8 z − 2 ( z − 0.8)( z − 2)
8.4 PROPIEDADES Y TEOREMAS DE LA TRANSFORMADA Z

La identificación de algunas propiedades facilita el cálculo de la TZ de secuencias
compuestas. A continuación enunciamos las más importantes y en la demostración, si las
secuencias son causales se aplicará la TZ; en caso contrario se utilizará la TZB.
P1. Linealidad
La TZ es una transformación lineal y por tanto satisface el principio de superposición:
a1 ⋅ x1[ n] + a2 ⋅ x2 [ n] ↔ a1 ⋅ X1( z) + a2 ⋅ X2 ( z) (8.18)
P2. Desplazamiento real

Si x[ n] ↔ X ( z) es causal y ocurre un atraso de k muestras en x[ n] ,
x[ n − k] u[ n − k] ↔ z− k X ( z) (8.19)
Para la demostración usamos la TZ unilateral (8.6)
∞
x[ n − k] ↔ ∑ x[ n − k] z
n=0
−n
Efectuando el cambio de variable m = n − k , obtenemos
−k ⎛ ⎞
∞ −1 ∞
∑
m =− k
x[ m ] z −( m + k )
= z ⎜∑
⎝ m=− k
x[ m ] z −m
+ ∑
m=0
x[ m] z− m ⎟
⎠
(8.20)
La ecuación (8.20) será aplicada en la sección 8.5 para resolver una ecuación en
diferencias (EED) mediante la TZ. Como x[ n] es causal, solo existe para n ≥ 0 .
Luego el primer término entre paréntesis es cero y (8.20) se reduce a (8.19).
En caso de adelanto de k muestras

⎛ k− 1
⎞
x[ n + k] u[ n] ↔ z k ⎜ X ( z) − ∑ x[ m] z− m ⎟ (8.21)
⎝ m=0 ⎠
Partiendo de la TZ unilateral (8.6), obtenemos
8.4 – PROPIEDADES DE LA TRANSFORMADA Z 8 - 13
∞ ∞
⎛ ∞ k−1
⎞
x[ n + k] ↔ ∑ x[ n + k] z
n=0
= ∑ x[ m] z− m + k = z k ⎜ ∑ x[ m] z− m − ∑ x[ m] z− m ⎟
−n
m= k ⎝ m=0 m=0 ⎠
que se reduce a (8.21), si se reconoce que el primer término entre paréntesis es X ( z) .
La figura 8.3 muestra la interpretación gráfica de la propiedad de desplazamiento real en

una secuencia causal x[ n] . El operador u[ n] permite incluir la condición de causalidad. El
atraso de 2 muestras se expresa como x[ n − 2] u[ n − 2] y como lo indica la figura 8.3, no
existe pérdida de muestras de la señal original. Luego el cálculo de X ( z) puede efectuarse
en el intervalo [0, ∞ ) usando la TZ unilateral (8.6), si se agrega el factor z− k mostrado en
(8.19) para indicar el número de muestras de atraso.
Figura 8.3
Interpretación del
adelanto y atraso de
muestras en una
señal discreta causal.
En el caso de adelanto de 1 muestra, la expresión analítica es x[ n + 1] u[ n] , donde el

operador u[ n] es indispensable para determinar X ( z) usando la TZ en el intervalo [0, ∞ ) .
Sin embargo, de acuerdo la figura 8.3 se perdería la muestra x[0] . Para compensar esta
situación, la ecuación (8.21) incluye el término de la sumatoria que permite recuperar las k
muestras que se perderían en el proceso de cálculo de X ( z) usando la TZ unilateral.
Una forma de evitar la pérdida de muestras, es utilizar la expresión x[ n + k] u[ n + k] tal

como se muestra en la figura 8.3. En este caso, es necesario usar la TZB (8.3)
TZB
x[ n + k] u[ n + k] ↔ z k X ( z)
evaluando X ( z) en el intervalo ( −∞, ∞ ) . Sin embargo, como se mencionó anteriormente, en

las referencias futuras, trabajaremos solo con señales y sistemas discretos y causales. Esta
propiedad será usada para transformar la EED en una ecuación algebraica en el dominio-z.
Ejemplo 8.5: Asumiendo x[ n] = a u[ n] , calcular la TZ de

n
Propiedad de
desplazamiento a. x1[ n] = x[ n − 1]
real de la TZ.
b. x2 [ n] = x[ n + 1]
z
Solución: Según la T6 de la tabla 8.2, x[ n] = a ↔ X ( z) =
n
z− a
Aplicando (8.19) a x1[ n]
⎡ z ⎤ 1
x1[ n] ↔ X1( z) = z−1 X ( z) = z−1 ⎢ ⎥ = , z> a
⎣ z− a⎦ z− a
De modo similar, aplicando (8.21) a x2 [ n] ,
⎡ z ⎤ az
x2 [ n] ↔ X2 ( z) = z ( X ( z) − x[0]) = z ⎢ − 1⎥ = , z> a
⎣z− a ⎦ z− a
P3. Reflexión real y señal anticausal

Si x[ n] ↔ X ( z) , la transformada Z de la señal reflejada x[ − n] viene dada por
x[ − n] ↔ X ( z−1 ) (8.22)
Como la secuencia reflejada puede existir para n < 0 , es necesario recurrir a la TZB.
Aplicando (8.3), obtenemos:
∞ ∞ ∞
∑
n =−∞
x[ − n] z− n = ∑
m =−∞
x[ m] z m = ∑ x[ m]( z )
m =−∞
−1 m
= X ( z) z= z−1
que es el resultado esperado. La ecuación (8.22) puede utilizarse para calcular la TZ de

una secuencia anticausal, a partir de una secuencia causal. En efecto usando el
procedimiento del ejemplo 8.4, es fácil demostrar que
x[ − n] u[ − n − 1] ↔ X ( z−1 ) − x[0] (8.23)
donde x[ n] ↔ X ( z) es una secuencia causal. La ecuación (8.23) es consistente con la

ecuación (8.16) utilizada anteriormente para calcular la TZ de la secuencia anticausal,
a partir de su equivalente causal.
P4. Escalamiento complejo

Existen dos variantes de esta propiedad, que conducen al escalamiento de la variable
compleja en el dominio-z.
Para una secuencia x[ n] ↔ X ( z) , se cumple que
a n x[ n] ↔ X ( z / a) = X ( z) z= z / a (8.24)
La demostración de (8.24) se obtiene a partir de la definición (8.6) de la TZ unilateral

∞ ∞
a n x[ n] ↔ ∑ a n x[ n]z− n = ∑ x[ n]( a−1 z)− n
n=0 n=0
Comparando el resultado anterior con la definición (8.6), se observa que corresponde a

la TZ de x[ n] , cambiando z por z / a , que es lo señalado en (8.24).
Ejemplo 8.6: Utilizando la propiedad de escalamiento complejo, demostrar la

Propiedad de
escalamiento
transformada T13 de la tabla 8.2, a partir de la transformada T11.
complejo.
Solución: De la tabla 8.2, la transformada T11 es
z sen ( Ω0 )
sen[ Ω0 n] u[ n] ↔ , z >1
z − 2 zcos (Ω 0 ) + 1
2
Aplicando la propiedad de escalamiento complejo (8.24)
z sen ( Ω0 ) ( z / a) sen ( Ω0 )
a n sen ( Ω0 n) ↔ =
z − 2 z cos ( Ω0 ) + 1 z= z / a ( z / a) − 2( z / a) cos ( Ω 0 ) + 1
2 2
Multiplicando el numerador y denominador por a2

za sen ( Ω0 )
a n sen ( Ω0 n) ↔ , z> a
z − 2 zacos ( Ω0 ) + a2
2
Que corresponde a la T13 de la tabla 8.2.
El Toolbox de Matemática Simbólica (TBMS) de MATLAB® incorpora la función

ztrans() que puede utilizarse para calcular la TZ de un señal discreta causal definida
como una expresión simbólica. Aplicando al ejemplo 8.6, obtenemos:
» syms a Wo n; un=sym('Heaviside(n)');
» xn=sin(Wo*n)*un; Xz=ztrans(xn)
Xz = z*sin(Wo)/(z^2-2*z*cos(Wo)+1)
» xn=a^n*sin(Wo*n); Xz=ztrans(xn); Xz=simplify(Xz)
Xz = z*sin(Wo)*a/(z^2-2*z*cos(Wo)*a+a^2)
P5. Multiplicación por n

Dada una secuencia causal x[ n] ↔ X ( z) , se cumple que
d
nx[ n] ↔ − z X ( z) (8.25)
dz
Para demostrar esta propiedad derivamos los dos lados de la TZ unilateral (8.6)
d d ∞ ∞ ∞
X ( z) = ∑ x[ n] z− n = ∑ − nx[ n] z− n−1 = − z−1 ∑ nx[ n] z− n
dz dz n=0 n=0 n=0
donde la sumatoria es la TZ de nx[ n] . Multiplicando los dos lados por − z , se llega a

la expresión (8.25).
El siguiente ejemplo muestra el uso de las propiedades y la tabla 8.2 para determinar la TZ
de secuencias compuestas sin necesidad de recurrir a la definición (8.6).
Ejemplo 8.7: Utilizando propiedades, obtener la TZ de las siguientes secuencias

Propiedades n−3
para evaluar la a. x1[ n] = (0.5) u[ n − 2] − (0.9) u[ n − 2]
n
TZ de señales b. x2 [ n] = ( n − 3)(0.25)n−2 cos[( n − 1)π] u[ n − 1]

compuestas.
Solución: En x1[ n] se identifica la propiedad (8.19) de desplazamiento real. Sin embargo,
antes de aplicarla es necesario modificar su expresión para lograr que todos los
factores tengan el mismo atraso. Tomando como referencia el factor u[ n − 2] :
x1[ n] = (0.5)2 (0.5)n−2 u[ n − 2] − (0.9)−1(0.9)n−2 u[ n − 2]
Para incluir el atraso de 2 muestras, calculamos la TZ de cada término usando

T6 de la tabla 8.2 y luego multiplicamos por z−2 :
z 10 z 0.25 1.1111
X1( z) = 0.25 z−2 − z−2 = −
z − 0.5 9 z − 0.9 z( z − 0.5) z( z − 0.9)
Simplificando, obtenemos
−0.8611( z − 0.3839) −0.8611z + 0.3306
X 1 ( z) = = 3
z( z − 0.5)( z − 0.9) z − 1.4 z2 + 0.45 z
Utilizando MATLAB® para la señal x1[ n] :
» syms n; un=sym('Heaviside(n)'); unm2=subs(un,n,n-2);
» x1n=(0.5)^n*unm2-(0.9)^(n-3)*unm2; X1z=ztrans(x1n)
X1z = 2*z/(2*z-1)+271/729+119/162/z-10000/6561*z/(10/9*z-1)
» [nX1z,dX1z]=sym2num(X1z)
nX1z = -0.8611 0.3306
dX1z = 1.0000 -1.4000 0.4500 0
que corresponde al resultado analítico mostrado anteriormente.
En la señal x2 [ n] se combinan 3 propiedades: desplazamiento real (8.19),
desplazamiento complejo (8.24) y multiplicación por n (8.25). Igual que en el
caso anterior, es necesario modificar la forma de x2 [ n] , antes de aplicar la

propiedad de desplazamiento real. Tomando como referencia u[ n − 1] :
x2 [ n] = ( n − 1)(0.25)−1(0.25)n−1 cos[( n − 1)π] u[ n − 1]
− 2(0.25)−1(0.25)n−1 cos[( n − 1)π] u[ n − 1]
Simplificando
x2 [ n] = 4( n − 1)(0.25)n−1 cos[( n − 1)π] u[ n − 1] − 8(0.25)n−1 cos[( n − 1)π] u[ n − 1]
xa [ n] xb [ n]
Si no se considera el atraso y la multiplicación por n, los dos términos de x[ n]

tienen un elemento en común, que corresponde a T14 de la tabla 8.2
z2 − z(0.25)cos( π) z
(0.25)n cos( nπ) ↔ =
z − 2 z(0.25)cos( π) + (0.25)
2 2
z + 0.25
Usando este resultado podemos determinar la TZ de xb [ n] , si se multiplica por

z−1 para incluir el atraso de 1 muestra:
z 8
X b ( z) = 8 × z−1 × =
z + 0.25 z + 0.25
Evaluando el efecto de multiplicación por n (8.25)
d ⎡ z ⎤ z
n(0.25)n cos( nπ) ↔ − z ⎢ ⎥ =−
dz ⎣ z + 0.25 z ⎦ ( z + 0.25)2
El lado izquierdo es xa [ n] si se atrasa 1 muestra. Luego, multiplicando por z−1
⎛ z ⎞ 4
X a ( z) = 4 z−1 ⎜ − 2 ⎟
=−
⎝ ( z + 0.25) ⎠ ( z + 0.25)2
Sumando y simplificando, obtenemos finalmente
8( z + 0.375) −8 z − 3
X2 ( z) = X a ( z) − Xb ( z) = − = 2
( z + 0.25)2
z + 0.5 z + 0.0625
Utilizando MATLAB® para la señal x2 [ n] :
» unm1=subs(un,n,n-1);
» x2n=(n-3)*(0.25)^(n-2)*cos((n-1)*pi)*unm1;
» X2z=ztrans(x2n)
X2z = 64*z/(4*z+1)^2+192*z/(4*z+1)-48
» [nX2z,dX2z]=sym2num(X2z)
nX2z = -8 -3 dX2z = 1.0000 0.5000 0.0625
que coincide con el resultado analítico de X2 ( z) .
Comentarios:
1. La función ztrans() del TBMS de MATLAB® es efectiva en el cálculo de la TZ de la

mayoría de las señales discretas causales.
2. Sin embargo, en la mayoría de las funciones que utiliza la matemática simbólica de
MATLAB® es necesario realizar algunas transformaciones algebraicas para interpretar
el resultado final.
Para facilitar lo anterior, en el ejemplo 8.7 se utilizó la función especial sym2num() que se
desarrolló para expresar el resultado simbólico X ( z) de ztrans(), como una fracción
racional numérica. Su descripción de presenta en el apéndice B y su sintaxis es:
[numX,denX] = sym2num(Xsym)
Introduciendo solo el nombre de esta función se consigue ayuda y un ejemplo de

aplicación. La función tf2zp() del Toolbox de Señales facilita la factorización del
numerador y denominador de X ( z) .
Las propiedades de la TZ son de gran utilidad, junto con la tabla 8.2, en la evaluación de la
TZ de señales discretas determinísticas en el dominio del tiempo discreto. Sin embargo,
como se muestra en el siguiente ejemplo, también es posible obtener la TZ de señales
representadas gráficamente.
Ejemplo 8.8: Obtener la TZ de la secuencia infinita y causal, cuya gráfica se muestra a

TZ de una continuación.
secuencia finita x[ n]
representada
gráficamente
1
… n
4
Solución: Aplicando la definición (8.6)
X ( z) = 0.25 z−1 + 0.5 z−2 + 0.75 z−3 + z−4 + z−5 +
X ( z) = 0.25( z−1 + 2 z−2 + 3 z−3 ) + z−4 (1 + z−1 + z−2 + )
El segundo término entre paréntesis es la señal escalón unitario U ( z) . Luego:

z 2 + 2 z + 3 −4 z 0.25( z + 1)( z2 + 1)
X ( z) = 0.25 + z =
z3 z−1 z3 ( z − 1)
Otra posible solución se logra utilizando el método directo de la sección 7.1,
para expresar x[ n] en función de cambios de pendiente:
x[ n] = 0.25 n u[ n] − 0.25[ n − 4] u[ n − 4]
Se observa que el segundo término de x[ n] está ajustado a la forma de

propiedad P2 de desplazamiento real, lo cual se logra al aplicar el método
directo para su descripción analítica. Aplicando T4 de la tabla 8.2, obtenemos
z −4 z 0.25( z + 1)( z2 + 1)
X ( z) = 0.25 − 0.25 z =
( z − 1)2 ( z − 1)2 z3 ( z − 1)
Utilizando MATLAB®:
» syms n z; un=sym('Heaviside(n)');
» unm4=sym('Heaviside(n-4)'); xn=0.25*n*un-0.25*(n-4)*unm4;
» Xz=ztrans(xn); [nXz,dXz]=sym2num(Xz)
nXz = 0.2500 0 0 0 -0.2500
dXz = 1 -2 1 0 0 0
Las propiedades que se mencionan a continuación son fundamentales en el modelado y

análisis de sistemas LIT en tiempo discreto.
P6. Teorema del valor inicial

Asumiendo que x[ n] ↔ X ( z) , entonces
x[0] = lim X ( z) (8.26)
z→∞
La demostración se obtiene a partir de la definición de X ( z) como serie de potencias,
X ( z) = x[0] + x[1] z−1 + x[2] z−2 + x[3] z−3 +
Se observa fácilmente que al evaluar el límite z → ∞ , el resultado es x[0] . La única

condición para aplicar esta propiedad, es que exista el límite.
P7. Teorema del valor final
Asumiendo que x[ n] ↔ X ( z) , entonces
x[ ∞] = lim( z − 1) X ( z) (8.27)
z→ 1
En esta propiedad la existencia del límite no garantiza un resultado válido para x[ ∞] .

El resultado de x[ ∞] a partir de (8.27) es válido solo si ( z − 1) X ( z) es analítica, lo cual
se consigue cuando las raíces de su denominador están dentro de círculo unitario.
Ejemplo 8.9: Calcular el valor inicial y final de la secuencia x[ n] , asumiendo que

Teorema del
z 3 + z2 + 2 z
valor inicial y X ( z) =
final ( z − 1)( z2 − z + 1)
Solución: Aplicando la propiedad P6 obtenemos como valor inicial:
z 3 + z2 + 2 z 1 + z−1 + 2 z−2
x[0] = = =1
( z − 1)( z2 − z + 1) z→∞ (1 − z−1 )(1 − z−1 + z−2 ) z→∞
Para el valor final, a partir de la propiedad P7 obtenemos
z 3 + z2 + 2 z z 3 + z2 + 2 z 1+ 1+ 2
x[ ∞] = ( z − 1) = 2 = =4
( z − 1)( z − z + 1) z →1
2
z − z + 1 z →1 1 − 1 + 1
Aunque existe el límite, no es válido porque las raíces del denominador de

( z − 1) X ( z) = z2 − z + 1 = 0
son z1,2 = 0.5 ± j 0.866 = 1 ± 60º y están sobre el c.u. Se dice entonces que la
función ( z − 1) X ( z) no es analítica y el resultado no es válido. Como veremos
en el ejemplo 8.21 , la forma analítica de x[ n] es:
x[ n] = 4 + 3.0551 cos( nπ / 3 − 2.9515), n ≥ 0
Se puede verificar que x[0] = 1 . Sin embargo, el valor de x[ ∞] no existe por la
componente senoidal sin amortiguamiento de x[ n] . La función zplane() del
TBS de MATLAB® permite obtener el diagrama de polos y ceros de ( z − 1) X ( z) :
» num=[1 1 2 0]; den=[1 -1 1]; zplane(num,den)
La figura 8.4 muestra que ( z − 1) X ( z) no es analítica, porque sus 2 polos caen

sobre el círculo unitario.
Figura 8.4
Diagrama de polos y
ceros para verificar
aplicación del TVF.
Utilizando matemática simbólica se pueden verificar los resultados anteriores:

» syms z, Xz=(z^3+z^2+2*z)/(z-1)/(z^2-z+1);
» x0=limit(Xz,z,inf), xinf=limit((z-1)*Xz,z,1)
x0 = 1 xinf = 4
P8. Teorema de convolución lineal

En la sección 7.5 se presentó la convolución lineal como una herramienta para calcular
la respuesta forzada en el dominio del tiempo de un sistema LIT discreto en reposo.
Este teorema establece que si x1[ n] ↔ X1( z) y x2 [ n] ↔ X2 ( z) , la convolución
lineal de x1[ n] y x2 [ n] , definida en (7.68) viene dada por
x1[ n] ∗ x2 [ n] ↔ X1( z) ⋅ X2 ( z) (8.28)
En otras palabras, la convolución lineal de 2 señales discretas se convierte en el

producto de sus transformadas en el dominio-z. Para demostrar (8.28), partimos de la
definición de la convolución lineal discreta (7.68) y de la definición (8.3) de la TZ
∞ ∞
⎡ ∞ ⎤ −n ∞
⎡ ∞ −n ⎤
∑
k =−∞
x1[ k] x2 [ n − k] ↔ ∑ ⎢∑ 1
n =−∞ ⎣ k =−∞
x [ k] x2 [ n − k] ⎥
⎦
z = ∑
k=−∞
x1 [ k] ⎢ ∑ x2 [ n − k] z ⎥
⎣ n=−∞ ⎦
donde, en la expresión final se ha invertido el orden de ejecución de las sumatorias.

Sustituyendo m = n − k , obtenemos:
∞ ∞
⎡ ∞ −( m + k ) ⎤
∞
−k ⎡
∞
−m ⎤
∑
k =−∞
x1[ k] x2 [ n − k] ↔ ∑
k =−∞
x1 [ k] ⎢∑ 2
⎣ m =−∞
x [ m ] z ⎥ ∑ 1
=
⎦ k=−∞
x [ k] z ⎢ ∑ x2 [ m] z ⎥
⎣ m=−∞ ⎦
La primera sumatoria es X1( z) y la segunda es X2 ( z) , lo cual conduce a (8.28).
Ejemplo 8.10: Resolver el ejemplo 7.18 usando la TZ. Se trata de calcular la convolución
Teorema de de las siguientes señales discretas no causales
convolución
lineal. x1[ n] = {2,5,0,4} y x2 [ n] = {4,1,3}
↑ ↑
Solución: Como son dos secuencias finitas no causales, conviene utilizar la forma de
desarrollo en serie para determinar la TZB,
X1( z) = 2 z2 + 5 z + 4 z−1 X 2 ( z) = 4 z + 1 + 3 z −1
Aplicando (8.28), la convolución de x1[ n] y x2 [ n] es
x1[ n] ∗ x2 [ n] ↔ X1( z) ⋅ X2 ( z) = (2 z2 + 5 z + 4 z−1 )(4 z + 1 + 3 z−1 )

Efectuando el producto de los 2 polinomios y ordenando términos,
X1( z) ⋅ X2 ( z) = 8 z3 + 22 z2 + 11z + 31 + 4 z−1 + 12 z−2
Interpretando este resultado como suma de potencias de z−1

x1[ n] ∗ x2 [ n] = {8, 22, 11, 31, 4, 12}
↑
que coincide con el valor obtenido en el ejemplo 7.18.
El teorema de convolución será utilizado nuevamente en la sección 8.5 para calcular la

respuesta forzada en el dominio-z, ante una entrada arbitraria x[ n] , de un sistema discreto
modelado por su respuesta impulso h[ n] .
La tabla 8.3 resume las propiedades desarrolladas en esta sección, para al caso particular de
secuencias. En el capítulo 10 se demostrará que la mayor parte de estas propiedades pueden
aplicarse a señales muestreadas, salvo casos especiales, donde el período de muestreo T
tiene un efecto en su aplicación.
Tabla 8.3 – Propiedades de la transformada Z

No. Nombre Dominio - n Dominio – z
P1 Linealidad a1 x1[ n] + a2 x2 [ n] a1 X1( z) + a2 X2 ( z)
x[ n − k] u[ n − k] z − k X ( z)
P2 Desplazamiento real
⎛ k− 1
⎞
x[ n + k] u[ n] z k ⎜ X ( z) − ∑ x[ m] z− m ⎟
⎝ m=0 ⎠
Reflexión real x[ − n] X ( z −1 )
P3
Señal anticausal x[ − n] u[ − n − 1] X ( z−1 ) − x[0]
Escalamiento X ( z / b) = X ( z ) z = z / b
P4 b n x[ n]
complejo
d
P5 Multiplicación por n nx[ n] −z X ( z)
dz
P6
Teorema del valor x[0] = lim x[ n] lim X ( z)
inicial n→0 z→∞
P7
Teorema del valor x[ ∞] = lim x[ n] lim( z − 1) X ( z)
final n →∞ z→ 1
P8 Convolución lineal x[ n] ∗ h[ n] X ( z ) ⋅ H ( z)
8.5 TRANSFORMADA INVERSA Z

En esta sección se abordará el problema relacionado con la obtención de x[ n] a partir de
X ( z) , conocido como cálculo de la transformada inversa Z (TIZ). La descomposición de
X ( z) en fracciones parciales es una herramienta efectiva para la determinación de su
8.5 TRANSFORMADA INVERSA Z 8 - 23
inversa x[ n] , similar a la estrategia que se utilizó en el cálculo de la transformada inversa

de Laplace x( t ) de X ( s) . Sin embargo, la naturaleza misma de la transformada Z
permitirá identificar otros métodos para calcular la TIZ, aplicables a secuencias de duración
finita o infinita. La identificación de la región de convergencia (RC) será fundamental para
lograr la unicidad de la relación X ( z) ↔ x[ n] y se determinará según el caso bajo estudio.
Inversión por desarrollo en serie de potencias

Este método se basa en la definición misma de la transformada Z, que según (8.5) es una
suma ponderada de potencias de z, donde los pesos corresponden al valor de las muestras
de x[ n] . Cuando X ( z) es representada por una fracción racional, una forma fácil de
calcular el valor de las muestras de x[ n] , consiste en efectuar la división entre el
numerador y el denominador de X ( z) . El siguiente ejemplo muestra el uso de esta
estrategia para calcular la transformada inversa Z.
Ejemplo 8.11: Utilizando el método de desarrollo en serie de potencias, calcular la TIZ de

TIZ por
desarrollo en z2
serie de Y ( z ) =
z2 + 2 z + 1
potencias.
Solución: Efectuando la división, obtenemos
Y ( z) = 1 − 2 z−1 + 3 z−2 − 4 z−3 + 5 z−4 +

Luego la TIZ es
y[ n] = { 1, − 2, 3, − 4, 5, …}
Observando la forma recurrente de y[ n] , es fácil verificar que
y[ n] = ( −1)n ( n + 1)
Utilizando matemática simbólica de MATLAB®:
» syms z, Yz=z^2/(z^2+2*z+1); yn=iztrans(Yz); yn=factor(yn)
yn = (1+n)*(-1)^n
Para facilitar la obtención de la TZ en forma de serie de potencias, se desarrolló la función

especial tzserie(). La descripción se presenta en el apéndice B y su sintaxis es
Yzs=tzserie(nYz,dYz,N)
Introduciendo solo el nombre de esta función se obtiene ayuda y un ejemplo demostrativo.

Aplicando al ejemplo 8.11 obtenemos:
» nYz=[1 0 0]; dYz=[1 2 1];
» Yzserie=tzserie(nYz,dYz,5)
Yzserie =(1)z^0 + (-2)z^-1 + (3)z^-2 + (-4)z^-3 + (5)z^-4
El método de desarrollo en serie de potencias de X ( z) es útil cuando es necesario obtener

algunos valores de las muestras de x[ n] .
Método de fracciones parciales

Una forma más general de obtener la TIZ consiste en descomponer Y ( z) en fracciones
parciales, similar al método usado en la sección 3.4 para calcular la TIL. La estrategia se
basa en asumir que Y ( z) es una fracción racional propia, formada por la relación de dos
polinomios B( z) y A( z) de orden M y N respectivamente, donde M < N . Considerando las
raíces de A( z) = 0 , conocidas como los polos de Y ( z) , se analizarán dos casos:
Caso 1: Polos simples, reales o complejos conjugados.

Si Y ( z) tiene N-polos simples reales o complejos conjugados, se puede demostrar
[Carlson98] que
B( z) R1 R2 Rk Rn
Y ( z) = = + + + + , M<N (8.29)
A( z) z − p1 z − p2 z − pk z − pn
donde p1 , p2 , …, p N son los polos y R1 , R2 , …, R N los residuos asociados con estos. Para
obtener el k-ésimo residuo Rk , se multiplican los dos lados de (8.29) por el factor del polo
( z − pk ) y se evalúa la expresión resultante para z = pk ,
Rk = ( z − pk ) Y ( z) z = p (8.30)
k
En (8.29) se observa que cada término se asemeja a la transformada T6 de la tabla 8.2, solo
que no existe z en el numerador. Sin embargo, la propiedad de desplazamiento real permite
interpretar que la falta de z en el numerador se debe al atraso de una muestra; luego:
Rk z
= z−1 Rk ↔ Rk ( pk ) n − 1 , n ≥ 1 (8.31)
z − pk z − pk
Esta forma de cálculo se reconocerá en adelante como el método directo de fracciones

parciales (FPD) y se caracteriza porque conduce a una solución de y[ n] válida para n ≥ 1 .
Ejemplo 8.12: Asumiendo una señal causal y usando el método FPD, obtener la TIZ de
TIZ por método
10 z
FPD con polos Y ( z) =
reales simples ( z − 1)( z − 0.2)
Solución: Considerando los dos polos simples y reales de Y ( z)

A B
Y ( z) = +
z − 1 z − 0.2
Aplicando (8.30) calculamos los residuos de cada polo
10 z 10(1) 10 z 10(0.2)
A= = = 12.5 B= = = −2.5
z − 0.2 z=1 0.8 z − 1 z=0.2 −0.8
Luego Y ( z) puede expresarse como
12.5 2.5 ⎛ z ⎞ −1 ⎛ z ⎞
Y ( z) = − = 12.5 z−1 ⎜ ⎟ − 2.5 z ⎜ ⎟
z − 1 z − 0.2 ⎝ z − 1⎠ ⎝ z − 0.2 ⎠
Aplicando T6 de la tabla 8.2 a los términos entre corchetes y la propiedad de
desplazamiento real para interpretar el factor z−1 , obtenemos
y[ n] = 12.5 − 2.5(0.2)n−1 , n ≥ 1
¿Qué sucede con la solución para n = 0 ? Se verá en el siguiente ejemplo.
Otra alternativa consiste en descomponer en fracciones parciales a Y ( z) / z .

Y ( z) B( z) R1 R2 Rk Rn
= = + + + + + (8.32)
z z A( z) z − p1 z − p2 z − pk z − pn
Esta forma de cálculo permite que M ≤ N en Y ( z) , porque al dividir por z, Y ( z) / z es una
fracción racional propia. Despejando Y ( z)
z z z z
Y ( z) = R1 + R2 + + Rk + + Rn , M≤N (8.33)
z − p1 z − p2 z − pk z − pn
De este modo se garantiza la existencia de z en el numerador de cada fracción parcial de

(8.33). Aplicando T6 de la tabla 8.2 para el k − ésimo término, obtenemos
z
Rk ( pk ) , n ≥ 0
n
Rk ↔ (8.34)
z − pk
Esta forma de cálculo se reconocerá en adelante como el método indirecto de fracciones

parciales (FPI) y se caracteriza porque la solución es válida para n ≥ 0 .
Ejemplo 8.13: Resolver el ejemplo anterior utilizando el método FPI

TIZ por método
10 z
FPI con polos Y ( z) =
reales simples ( z − 1)( z − 0.2)
Solución: Dividiendo Y ( z) por z y descomponiendo en fracciones parciales

Y ( z) 10 R1 R2
= = +
z ( z − 1)( z − 0.2) ( z − 1) ( z − 0.2)
Aplicando (8.30) obtenemos el residuo de cada fracción parcial, como
10 10
R1 = = 12.5 R2 = = −12.5
z − 0.2 z=1 z − 1 z=0.2
Restituyendo el factor z en Y ( z) , obtenemos
z z
Y ( z) = 12.5 − 12.5
z−1 z − 0.2
Finalmente, aplicando T6 de la tabla 8.2,
y[ n] = 12.5 − 12.5(0.2)n , n ≥ 0
En esta solución es posible comprobar que y[0] = 0 , valor que no se pudo

determinar usando el resultado del ejemplo anterior, dado que la solución
está restringida para n ≥ 1 . Aunque las 2 soluciones en apariencia son
diferentes, a continuación se demostrará que son equivalentes.
Comentarios:
1. La presencia del factor z−1 en cada fracción parcial del método FPD restringe la
solución para n ≥ 1 .
2. La solución del método FPI no tiene restricciones y es valida para n ≥ 0 .
3. Evaluando el resultado para n = 0 , del método FPI en el ejemplo anterior, se obtiene
y[0] = 0 . Luego, realmente las 2 soluciones existen solo para n ≥ 1 . En efecto,
desarrollando el segundo término del método FPI, obtenemos:
y[ n] = 12.5 − 12.5(0.2)(0.2)n−1 = 12.5 − 2.5(0.2)n−1 , n ≥ 1
Luego, las 2 soluciones son equivalentes.

4. El resultado y[0] = 0 se puede verificar si se efectúa la división del numerador y
denominador de Y ( z) . Usando la función tzserie()obtenemos:
Y ( z) = 0 + 10 z −1 + 12 z −2 + 12.4 z −3 +
5. El valor de y[0] se puede identificar sin necesidad de efectuar la división, si se

compara el orden del numerador M y denominador N de Y ( z) . En efecto, la única
forma de que y[0] ≠ 0 , es que M = N .
Definición 8.1: Muestras iniciales nulas en y[ n]

La diferencia N − M entre el orden del denominador ( N ) y el orden del
numerador ( M ) de Y ( z) , determina el número de muestras iniciales que
no existen en y[ n] .
En los ejemplos anteriores se consideró el caso de polos reales simples. Sin embargo los
métodos FPD y FPI pueden aplicarse al caso de polos complejos conjugados simples, tal
como se muestra en el siguiente ejemplo.
Ejemplo 8.14: Calcular la TIZ de la siguiente función causal usando el método de FPI
TIZ con polos
2z + 1
reales e Y ( z) =
imaginarios ( z − 1)( z2 + 0.25)
conjugados
Solución: Existe un polo real simple en p1 = 1 y un polo imaginario conjugado en
± jπ / 2
p2,3 = ± j 0.5 = 0.5 e . Como no existe un factor de z en el numerador es
necesario dividir los dos miembros por z, lo cual genera un polo adicional
Y ( z) 2z + 1 R1 R2 R3 R3*
= = + + +
z z( z − 1)( z2 + 0.25) z z − 1 z − j 0.5 z + j 0.5
Aplicando (8.30) para cada residuo obtenemos
2z + 1 1
R1 = = = −4
( z − 1)( z + 0.25) z=0 ( −1)(0.25)
2
2z + 1 3
R2 = = = 2.4
z( z + 0.25) z=1 (1)(1.25)
2
2z + 1
R3 = = 0.8 + j 2.4 R3* = 0.8 − j 2.4
z( z − 1)( z + j 0.5) z= j 0.5
Sustituyendo en Y ( z) / z y expresando los polos en forma exponencial

z z z
Y ( z) = −4 + 2.4 + (0.8 + j 2.4) jπ / 2
+ (0.8 − j 2.4)
z−1 z − 0.5 e z − 0.5 e− j π / 2
Aplicando T1, T3 y T6 de la tabla 8.2
y[ n] = −4 δ[ n] + 2.4 u[ n] + (0.8 + j 2.4) ( 0.5 e j π / 2 ) u[ n] + (0.8 − j 2.4) ( 0.5 e− j π / 2 ) u[ n]

n n
Agrupando términos en función de la identidad de Euler

y[ n] = −4 δ[ n] + 2.4 u[ n] + 1.6(0.5)n [ cos( nπ / 2) − 3 sen( nπ / 2)] u[ n]
Aplicando la identidad 6 del apéndice A.2:

y[ n] = −4 δ[ n] + 2.4 u[ n] + 5.0596(0.5)n cos( nπ / 2 + 1.2490) u[ n]
Sin embargo, como N − M = 2 , aplicando la definición 8.1, y[0] = y[1] = 0 .
Por lo tanto, la solución solo existe para n ≥ 2 y podría expresarse como

y[ n] = 2.4 + 5.0596(0.5)n cos( nπ / 2 + 1.2490), n ≥ 2
Usando MATLAB® verificamos que no existen las 2 primeras muestras de y[ n] :
» nYz=[2 1]; dYz=conv([1 -1],[1 0 0.25]);
» Yzserie=tzserie(nYz,dYz,5)
Yzserie = (0)z^0 + (0)z^-1 + (2)z^-2 + (3)z^-3 + (2.5)z^-4
» n=0:5; dn=impud(n); un=escad(n);
» yn=-4*dn+(2.4+1.6*(0.5).^n.*(cos(n*pi/2)-3*sin(n*pi/2))).*un;
» [n' yn']
0 0
1.0000 -0.0000
2.0000 2.0000
3.0000 3.0000
4.0000 2.5000
5.0000 2.2500
En el ejemplo anterior se utilizaron las funciones especiales impud() y escad() que fueron
presentadas en la sección 7.1, para la simulación de las señales discretas impulso y escalón.
Caso 2: Polos reales múltiples.

Si Y ( z) tiene un polo p0 de multiplicidad-m, se generan m-fracciones parciales. Usando el
método FPI, se puede demostrar [Carlson98] que
Y ( z) R R02 R0 m
= 01 + + + + Y R ( z) (8.35)
z z − p0 ( z − p0 )2 ( z − p0 )m otros polos
m fracciones parciales del polo múltiple
El último residuo del polo múltiple se puede obtener utilizando (8.30)

R0 m = ( z − p0 )m Y ( z) (8.36)
z = p0
Para calcular los otros residuos es necesario recurrir a la siguiente expresión [Phillips99]:
1 d m− k
R0 k = ( z − p0 )m Y ( z) , k = 1, 2, 3, …, m − 1 (8.37)
( m − k)! dz m − k z = p0
Sin embrago, es posible utilizar el método de sustitución [Carlson98] para evitar el cálculo
de las ( m − 1) derivadas. Este método se basa en evaluar numéricamente (8.35) como una
identidad, para ( m − 1) valores de z, diferentes a los polos de Y ( z) . El resultado conduce a
( m − 1) ecuaciones algebraicas simultáneas, suficientes para calcular los ( m − 1) residuos.
Ejemplo 8.15: Calcular la TIZ de la siguiente función causal, utilizando el método FPI.
TZI con polos
reales simples y 2 z3 + z
Y ( z) =
múltiples. ( z − 1)( z − 0.5)2
Solución: Existe un polo real simple en p1 = 1 y un polo real múltiple en p2 = 0.5 , con
multiplicidad m = 2 . Aplicando (8.35) para el método FPI obtenemos
Y ( z) 2 z2 + 1 A B C
= 2
= + +
z ( z − 1)( z − 0.5) z − 1 z − 0.5 ( z − 0.5)2
Para determinar A y C aplicamos (8.30) y (8.36) respectivamente
2 z2 + 1 2 z2 + 1
A= = 12 C= = −3
( z − 0.5)2 z= 1
z − 1 z=0.5
Usando el método de la derivada (8.37), calculamos B
1 d 2 z2 + 1 2 z2 − 4 z − 1 −2.5
B= = = = −10
(2 − 1)! dz z − 1 z=0.5 ( z − 1)2
z = 0.5
0.25
Sustituyendo en la expresión de Y ( z) / z y despejando Y ( z) , obtenemos

z z z
Y ( z) = 12 − 10 −3
z−1 z − 0.5 ( z − 0.5)2
Utilizando T2, T6 y T8, obtenemos
y[ n] = 12 − 10(0.5)n − 3 n(0.5)n−1 , n ≥ 0
El valor de B puede lograrse aplicando el método de sustitución. Evaluando los

2 lados de Y ( z) / z para z = 0 y los valores calculados de A y C
1 12 B 3
2
= + −
( −1)( −0.5) − 1 − 0.5 ( −0.5)2
Resolviendo esta ecuación, obtenemos B = −10 .
Transformada inversa Z usando MATLAB®
El programa MATLAB® incorpora la función básica residue() que permite obtener la

descomposición (directa) en fracciones parciales de una función racional. Su sintaxis es:
[R,p,C]=residue(num,den)
donde num y den son arreglos que contienen los coeficientes en orden descendente de
potencias positivas de z (forma estándar) del numerador y denominador de la función
racional a descomponer. Los argumentos de salida R y p son vectores columna que

contienen los residuos de las fracciones parciales y los polos de la fracción racional. C es un
arreglo que solo existe cuando la fracción a descomponer no es propia ( M ≥ N ) .
Los valores devueltos en R, p y C deben interpretarse como:

B( z) R1 R2 R01 R02 R0 m
= + + + + + + + C( z) (8.38)
A( z) z − p1 z − p2 z − p0 ( z − p0 )2 ( z − p0 )m
polo de multiplicidad m
donde B( z) / A( z) puede ser la representación de Y ( z) para el método FPD (8.29) o de
Y ( z) / z , para el método FPI (8.32). Los términos a partir de R01 se deben a un polo p0 de
multiplicidad-m, que genera m fracciones parciales. Si M ≥ N , el término C( z) es un
polinomio en z, cuya forma es:
M−N
C( z ) = ∑C z
k= 0
k
k
(8.39)
La función residue() permite reconstruir el numerador B( z) y el denominador A( z) en

(8.38), a partir de los valores de la descomposición en fracciones parciales. Su sintaxis es
[num,den]=residue(Ri,pi,C)
El siguiente ejemplo muestra el uso de la función residue() para los métodos FPD y FDI.
®
Ejemplo 8.16: Resolver el ejemplo 8.15, utilizando la función residue() de MATLAB .
Métodos FPI y
FPD usando 2 z3 + z
Y ( z ) =
residue()
®
( z − 1)( z − 0.5)2
de MATLAB .
Solución: Los comandos de MATLAB para la descomposición de Y ( z) / z , son
®
» num1=[2 0 1]; den=poly([1,0.5,0.5]);

» [R1,p1,C1]=residue(num1,den)
R1 = p1 = C1 =
12.0000 1.0000 []
-10.0000 0.5000
-3.0000 0.5000
Interpretando resultados, la descomposición FPI de Y ( z) es

Y ( z) 12 10 3
= − −
z z − 1 z − 0.5 ( z − 0.5)2
Restituyendo el valor de z:
z z z
Y ( z) = 12 − 10 −3
z−1 z − 0.5 ( z − 0.5)2
Utilizando T3, T6 y T7 de la tabla 8.2, obtenemos
y FPI [ n] = 12 − 10(0.5)n − 3 n(0.5)n−1 , n ≥ 0

Este resultado coincide con el obtenido en el ejemplo 8.15.
Aplicando residue() para la descomposición FPD de Y ( z) , obtenemos
» num2=[2 0 1 0]; [R2,p2,C2]=residue(num2,den)
R2 = p2 = C2 =
12.0000 1.0000 2
-8.0000 0.5000
-1.5000 0.5000
En este caso, la función residue() genera el término c2 = 2, porque Y ( z) no

es una fracción racional propia ( M ≥ N ) . Interpretando resultados obtenemos
la descomposición de Y(z) como
12 8 1.5
Y ( z) = − − +2
z − 1 z − 0.5 ( z − 0.5)2
Utilizando tablas obtenemos,
y FPD [ n] = 12 u[ n − 1] − 8(0.5)n−1 u[ n − 1] − 1.5( n − 1)(0.5)n−2 u[ n − 1] + 2δ[ n]
Aunque los resultados parecen diferentes, al evaluarlos numéricamente se

puede demostrar que son equivalentes. En efecto, para n = 0 , las dos soluciones
dan como resultado y[0] = 2 . Esto se puede verificar, expresando Y ( z) como
serie de potencias negativas de z. Usando tzserie()
» Yzs=tzserie(num2,den,5)
Yzserie = (2)z^0+(4)z^-1+(6.5)z^-2+(8.5)z^-3+(9.875)z^-4
Evaluando numéricamente las dos expresiones obtenidas para y[ n] , es posible

comprobar que son equivalentes. Utilizando MATLAB®:
» n=0:6; yFPIn=12-10*(0.5).^n-3*n.*(0.5).^(n-1);
» unm1=escad(n-1); dn=impud(n);
» yFPDn=12*unm1-8*(0.5).^(n-1).*unm1-...
1.5*(n-1).*(0.5).^(n-2).*unm1+2*dn;
» [n' yFPIn' yFPDn']
n yFPI[n] yFPD[n]
0 2.0000 2.0000
1.0000 4.0000 4.0000
2.0000 6.5000 6.5000
3.0000 8.5000 8.5000
4.0000 9.8750 9.8750
5.0000 10.7500 10.7500
6.0000 11.2813 11.2813
El Toolbox de Señales (TBS) de MATLAB®, incluye la función residuez() que puede ser
utilizada para obtener la descomposición FPI de Y ( z) . Su sintaxis es:
[R,p,C]=residuez(num,den)
La única diferencia con la función residue() está en que el numerador y denominador de

Y ( z) y sus fracciones parciales deben expresarse como potencias negativas ascendentes de
z (forma DSP). De este modo (8.33) se convierte en
B( z−1 ) R1 R01 R02 R0 q

Y ( z) = = + + + + + + C( z) (8.40)
A( z ) 1 − p1 z−1
−1
1 − p0 z −1
(1 − p0 z−1 )2 (1 − p0 z−1 )m
El polinomio C(z) solo existe cuando M ≥ N y se expresa en potencias negativas

ascendentes de z como
M−N
C( z ) = ∑C z
k=0
k
−k
(8.41)
De modo similar, es posible reconstruir el numerador y denominador de Y ( z) en la forma

DSP, utilizando como argumentos de entrada los valores de las fracciones parciales:
[num,den]=residuez(Ri,pi,C)
Ejemplo 8.17: Resolver el ejemplo 8.15 utilizando al función residuez() de MATLAB®

FPI usando para obtener la descomposición FPI. La función causal es
residuez de
MATLAB. 2 z3 + z
Y ( z) =
( z − 1)( z − 0.5)2
Solución: Antes de aplicar la función residuez() debemos expresar Y ( z) como

potencias negativas de z. Dividiendo el numerador y denominador por z3:
2 z3 + z 2 + z−2
Y ( z) = =
( z − 1)( z − 0.5)2 (1 − z− 1 )(1 − 0.5 z− 1 )2
Usando residuez() obtenemos
» num=[2 0 1 0]; den=poly([1,0.5,0.5]);
» [R,p,C]=residuez(num,den)
Ri = pi = C =
12.0000 1.0000 []
-4.0000 0.5000
-6.0000 0.5000
Interpretando resultados en la forma DSP
12 4 6 z z z2
Y ( z) = − − = 12 − 4 − 6
1 − z −1 1 − 0.5 z −1 ( 1 − 0.5 z −1 )2 z−1 z − 0.5 ( z − 0.5)2
Utilizando T3, T6 y T10 de la tabla 8.2 obtenemos finalmente

y[ n] = 12 − 4(0.5)n − 6( n + 1)(0.5)n , n ≥ 0
El resultado aparentemente difiere del ejemplo anterior. Sin embargo,

algebraicamente o usando MATLAB® se puede verificar que son equivalentes.
Comentarios:
1. Por conveniencia se ha modificado la notación de residue y residuez que presenta
MATLAB® cuando se utiliza el comando help.
2. La función residue() supone coeficientes del numerador y denominador en orden
descendente de potencias positivas de z (forma estándar).
3. La función residuez() asume coeficientes del numerador y denominador en orden
ascendente de potencias negativas de z (forma DSP).
4. El resultado obtenido con residuez() a partir de Y ( z) en la forma DSP, puede
diferir del que se logra con residue() a partir de Y ( z) / z en la forma estándar. Sin
embargo son equivalentes.
5. Estas funciones solo facilitan el cálculo de las fracciones parciales de los métodos
FPD y FPI. La expresión final de la TIZ se consigue aplicando tablas y propiedades.
6. Usando MATLAB® es posible verificar numéricamente el resultado analítico de y[ n] .
7. La condición de M ≥ N solo tiene interés práctico en el procesamiento digital de
señales (DSP), donde podría tener aplicación (8.39) y (8.41).
Otra herramienta de MATLAB® que puede ser útil en el cálculo de la TIZ es la función
iztrans() del Toolbox de Matemática Simbólica (TBMS), que se presentó al final del
ejemplo 8.11. Sin embargo el resultado puede ser difícil de interpretar cuando en la
expresión de la TIZ aparecen términos senoidales o de la función impulso unitario δ[ n] .
Aplicando al ejemplo 8.14 se obtiene el siguiente resultado:

» syms z, Yz=(2*z+1)/(z-1)/(z^2+0.25)
» yn=iztrans(Yz)
yn = -4*charfcn[0](n)+12/5+4/5*sum((1/_alpha)^n+...
6*(1/_alpha)^n/_alpha,_alpha = RootOf(4+_Z^2))
que no es fácil de reconocer porque está expresada en términos de funciones internas de

MAPLE® que utiliza el TBMS. Para facilitar el desarrollo de la TIZ en forma simbólica se
desarrolló la función especial tizsym() cuya descripción se presenta en el apéndice B. Si
se introduce solo el nombre se obtiene ayuda y un ejemplo demostrativo. Su sintaxis es:
» xn = tizsym(Xz)
Aplicando al ejemplo 8.14, obtenemos:

» syms z, Yz=(2*z+1)/(z-1)/(z^2+0.25); yn=tizsym(Yz)
yn = 2.4 + 5.0596*(0.5)^n*cos(1.5708*n+1.2490)-4*delta(n), n>=0
Aplicando al ejemplo 8.16, obtenemos:
» syms z, Yz=(2*z^3+z)/(z-1)/(z-0.5)^2; yn=tizsym(Yz)
yn = 12-10*(0.5)^n-3*n*(0.5)^(n-1)), n>=0
Tal como se muestra en el siguiente ejemplo, es posible obtener la descomposición FPD

usando las funciones int() y diff() que fueron presentadas en la sección 3.4.
Ejemplo 8.18: Verificar el resultado del ejemplo 8.17, usando matemática simbólica.
Método FPD y
TIZ usando
2 z3 + z
matemática Y ( z) =
simbólica de ( z − 1)( z − 0.5)2
MATLAB.
Solución: Para utilizar matemática simbólica de MATLAB® comenzamos construyendo

Y ( z) como un objeto simbólico:
» syms z, Yz=(2*z^3+z)/(z-1)/(z-0.5)^2; pretty(Yz)
3
2 z + z
------------------
2
(z - 1) (z - 1/2)
La descomposición FPD de Y ( z) se logra aplicando las funciones int() y

diff() en la siguiente forma:
» YzFPD=diff(int(Yz)); pretty(YzFPD)
YzFPD =
12 6 16
2 + ----- - ---------- - -------
z - 1 2 2 z - 1
(2 z - 1)
Este resultado concuerda con el obtenido por el método FPD en el ejemplo

8.17. Utilizando la función iztrans():
» yn=iztrans(Yz)
yn = 12-10*(1/2)^n-6*(1/2)^n*n
En este caso la función iztrans() del TBMS funciona adecuadamente y el

resultado es similar al ejemplo 8.17. En general la solución simbólica de
MATLAB® se asume válida para n ≥ 0 .
Teorema de residuos (*)

Conocido también como teorema de expansión de Heaviside [Cheng63] para calcular la
transformada inversa de Laplace (TIL), permite establecer un procedimiento sistemático
para la obtención directa de la TIZ a partir de Y ( z) , expresada en la forma estándar y sin
necesidad de recurrir al uso de tablas.
El método se fundamenta en la fórmula de inversión, desarrollada en la teoría de funciones

de variable compleja [Churchill65], donde x[ n] puede expresarse como
1
∫ Y ( z) z
n−1
y[ n] = dz (8.42)
2π j C
La integral debe efectuarse en un contorno cerrado C, en sentido antihorario y dentro de la

región de convergencia (RC) de Y ( z) . Por facilidad este contorno puede ser un círculo, que
incluya todos los polos pk de Y ( z) en el plano-z. Se puede demostrar [Proakis98] que
N N
y[ n] = ∑ Residuos Y ( z) z n−1 = ∑ rk [ n] , n ≥ 1 (8.43)
z = pk
k= 1 k=1
En esta expresión, cada polo pk tiene asociado un residuo rk [ n] , que es una expresión
algebraica en el dominio-n. Según el tipo de polo pk , pueden ocurrir dos casos:
Caso 1: Polos simples reales o complejos.

El residuo correspondiente a cada polo pk viene dado por
rk [ n] = ( z − pk )Y ( z) z n−1 , n≥1 (8.44)

z = pk
Se puede observar la similitud de esta expresión con la ecuación (8.30) utilizada por el
método FPD de descomposición en fracciones parciales.
Caso 2: Polos múltiples, con multiplicidad m.

El residuo correspondiente a cada polo múltiple p0 viene dado por
1 d m−1
rk [ n] = ⋅ m −1 ( z − p0 )m Y ( z) z n−1 , n≥1 (8.45)
( m − 1)! d z z = p0
también similar a la ecuación (8.37), usada en el método de FPD. En esta expresión es

necesario calcular la derivada antes de evaluarla para z = p0 .
Aunque este método puede exigir un tratamiento algebraico riguroso en el caso de polos
complejos y polos múltiples, ofrece la ventaja de que es posible llegar sistemáticamente a la
expresión de y[ n] sin necesidad de recurrir al uso de tablas de pares de transformadas.
Ejemplo 8.19: Resolver el ejemplo 8.13 utilizando el método de residuos.

TZI usando
teorema de 10 z
residuos, para Y ( z) =
polos reales ( z − 1)( z − 0.2)
simples.
Solución: Como Y ( z) tiene polos reales simples en p1 = 1, p2 = 0.2
10 z 10(1)
r1[ n] = ⋅ z n−1 = ⋅ (1)n−1 = 12.5, n ≥ 1
z − 0.2 z= 1 1 − 0.2
10 z n−1 10(0.2)
r2 [ n] = ⋅z = ⋅ (0.2)n−1 = −2.5(0.2)n−1 , n ≥ 1
z−1 z= 0.2 0.2 − 1
Sumando estos dos residuos, obtenemos
y[ n] = r1[ n] + r2 [ n] = 12.5 − 2.5(0.2)n−1 , n ≥ 1
que es el mismo resultado que se obtuvo en el ejemplo 8.13 usando FPD.
En el ejemplo anterior el factor de z en el numerador de Y ( z) podría utilizarse para

simplificar el término zn−1 . Sin embargo no se hizo para lograr una solución válida para
n ≥ 1 , en virtud de que M < N . La simplificación se justificaría si M = N para forzar una
solución válida para n ≥ 0 , como se observa en el siguiente ejemplo.
Ejemplo 8.20: Resolver el ejemplo 8.16 utilizando el método de residuos.

TZI usando
teorema de 2 z3 + z
residuos, para Y ( z) =
polos reales ( z − 1)( z − 0.5)2
simples y
múltiples.
Solución: La función tiene un polo real en p1 = 1 y un polo múltiple con multiplicidad
m = 2 en p2 = 0.5 . Aplicando (8.44) para el polo real simple
2 z3 + z n − 1 2 z2 + 1 n
r1[ n] = ⋅ z = ⋅z = 12, n ≥ 0
( z − 0.5)2 z= 1
( z − 0.5)2
z= 1
Como M = N , según la definición 8.1 existe y[0] y la solución será válida

para n ≥ 0 . Usando el factor común de z en Y ( z) , se simplificó el término z n − 1 ,
forzando así la solución para n ≥ 0 . Aplicando (8.45) para el polo múltiple
1 d 2 z2 + 1 n 2 z 2 − 4 z − 1 n 2 z2 + 1 n − 1
r2 [ n] = ⋅z = ⋅z + nz
(2 − 1)! dz z − 1 z = 0.5
( z − 1)2 z−1 z = 0.5
Simplificando, obtenemos
r2 [ n] = −10(0.5)n − 3 n(0.5)n − 1 , n ≥ 0
Sumando estos dos residuos
y[ n] = 12 − 10(0.5)n − 3 n(0.5)n − 1 , n ≥ 0
igual al resultado que se obtuvo usando el método FPI en el ejemplo 8.16.
Ejemplo 8.21: Usando el método de residuos obtener la TIZ de la siguiente función:

TIZ usando
teorema de z 3 + z2 + 2 z
X ( z) =
residuos, polos ( z − 1)( z2 − z + 1)
complejos simples.
Solución: Esta función se utilizó en el ejemplo 8.9 para evaluar los teoremas del valor
inicial y final. Tiene un polo real simple en p1 = 1 y un polo complejo
conjugado en p2,3 = 0.5 ± j 0.8667 = e± j π / 3 . Existen 3 residuos a calcular, luego:
x[ n] = r1[ n] + r2 [ n] + r2* [ n]
Aplicando (8.44) para el polo real simple y simplificando el término z n−1
z2 + z + 2 n 1+ 1+ 2
r 1[ n] = 2 ⋅z = ⋅ (1)n−1 = 4, n ≥ 0
z − z+1 z= 1
1− 1+ 1
Aplicando la misma ecuación (8.44) para el polo complejo simple, expresado

por conveniencia en la forma exponencial:
z2 + z + 2 3 − j nπ / 3
r 2[ n] = − jπ / 3
⋅ zn = − 21 (3 + j 3 )e , n≥0
( z − 1)( z − e ) z= e j π/3
Evaluando r2* [ n] y sumando con los otros 2 polos y aplicando la identidad 6

del apéndice A.2, obtenemos finalmente
x[ n] = 4 + 3.0551cos( nπ / 3 − 2.9515), n ≥ 0
que corresponde a la expresión del ejemplo 8.9. Este resultado puede

verificarse usando la función especial tizsym():
» syms z, Xz=(z^3+z^2+2*z)/(z-1)/(z^2-z+1); xn=tizsym(Xz)
xn = 4 + 3.0551*cos(1.0472*n-2.9515), n>=0
8.6 SOLUCIÓN DE ECUACIONES EN DIFERENCIAS USANDO LA TZ

En las secciones anteriores se presentaron las estrategias necesarias para el cálculo de la
transformada Z (TZ), así como de la transformada inversa Z (TIZ). En la sección 7.4 se
demostró que la solución de una ecuación en diferencias (EED) en el dominio del tiempo
discreto, puede presentar dificultades algebraicas, dependiendo del orden N del sistema y
del tipo de entrada.
En esta sección se mostrará la ventaja que ofrece la TZ en la solución de una EED, al

transformarla en una ecuación algebraica en el dominio-z, similar a lo que ocurrió en la
sección 3.5 con la solución de la ecuación diferencial (ED) en el dominio de Laplace.
Solución de una EED hacia adelante en el dominio-z

En la sección 7.4 se demostró que la ecuación en diferencias (EED) es el modelo
fundamental de un sistema discreto y su solución se entiende como el cálculo de la
respuesta y[ n] del sistema discreto LIT ante una entrada arbitraria x[ n] , asumiendo un
estado inicial caracterizado por sus condiciones iniciales.
Si la EED está formulada en términos de diferencias adelante, las condiciones iniciales se

establecen como y[0], y[1], …, y[ N − 1] , siendo N el orden de la EED. Aplicando la
propiedad de desplazamiento hacia adelante (8.21) de la TZ, es posible incluir
directamente estas condiciones iniciales en el término de la sumatoria, tal como se muestra
en el siguiente ejemplo.
Ejemplo 8.22: Obtener la solución completa de la siguiente EED, utilizando la TZ:

Solución de
EED hacia y[ n + 2] − 1.5 y[ n + 1] + 0.5 y[ n] = x[ n + 2], n ≥ 0
adelante
usando TZ. para x[ n] = (0.25)n u[ n] y asumiendo y[0] = 2, y[1] = 1.25 .
Solución: Llevando la EED al dominio-z y aplicando (8.21)
( z2 − 1.5 z + 0.5) Y ( z) = z2 X ( z) + z2 ( y[0] − x[0]) + z ( y[1] − 1.5 y[0] − x[1])
Los valores iniciales de la entrada x[0] = 1 y x[1] = 0.25 se pueden obtener a

partir de la expresión de x[ n] . Sustituyendo estos valores y las condiciones
iniciales del sistema y[0] y y[1] dadas en el enunciado, obtenemos
( z2 − 1.5 z + 0.5)Y ( z) = z2 X ( z) + z2 − 2 z
Sustituyendo X ( z) = z /( z − 0.25)
8.6 SOLUCION DE ECUACIONES EN DIFERENCIAS USANDO LA TZ 8 - 39
z3 z2 − 2 z 2 z3 − 2.25 z2 + 0.5 z
Y ( z) = + =
( z − 0.25)( z2 − 1.5 z + 0.5) z2 − 1.5 z + 0.5 ( z − 1)( z − 0.5)( z − 0.25)
Descomponiendo en FPI
2 z z 1 z
Y ( z) = + +
3 z − 1 z − 0.5 3 z − 0.25
Finalmente, utilizando la tabla 8.2
y[ n] = 23 + (0.5)n + 31 (0.25)n , n ≥ 0
La EED del ejemplo anterior es la misma que se resolvió por el método clásico en el
ejemplo 7.14, donde se cambió n por n + 2 y por lo tanto el resultado es el mismo.
Solución de una EED hacia atrás en el dominio-z

El ejemplo 8.22 demuestra que si la EED está formulada en términos de diferencias
adelante, la inclusión de las condiciones iniciales es automática. Sin embargo, en
aplicaciones prácticas de control digital y procesamiento de señales en tiempo real, la EED
del sistema se formula generalmente en términos de diferencias hacia atrás:
Si la EED se formula en diferencias hacia atrás, la propiedad (8.19) no puede aplicarse

directamente porque no existe forma de incluir las condiciones iniciales. Una alternativa
sería usar la transformada Z bilateral (TZB) [Oppnheim98]. Sin embargo, usando la
expresión intermedia (8.20) que se obtuvo al demostrar la propiedad de desplazamiento real
de una señal discreta, es posible incluir valores de y[ n] para n < 0 . En efecto, invirtiendo
por conveniencia el orden de la sumatoria, obtenemos
−k
y[ n − k] ↔ z− k Y ( z) + ∑ y[ m ] z
m =−1
−( k + m )
(8.46)
Ejemplo 8.23: Obtener la solución completa de la EED hacia atrás del ejemplo 7.14
Solución de
EED hacia y[ n] − 1.5 y[ n − 1] + 0.5 y[ n − 2] = x[ n], n ≥ 0
atrás en el
dominio-z. para x[ n] = (0.25)n u[ n] , asumiendo y[ −1] = 4, y[ −2] = 10 .
Solución: Llevamos la EED al dominio-z y utilizando (8.46)
Y ( z) − 1.5{ z−1 Y ( z) + y[ −1]} + 0.5{ z−2 Y ( z) + z−1 y[ −1] + y[ −2]} = X ( z)
Dejando en el lado izquierdo solo los términos de Y ( z) ,
(1 − 1.5 z−1 + 0.5 z−2 )Y ( z) = X ( z) + 1.5 y[ −1] − 0.5 y[ −2] − 0.5 y[ −1] z−1
Sustituyendo X ( z) = z /( z − 0.25)
z2 z z2 − 2 z 2 z3 − 2.25 z2 + 0.5 z
Y ( z) = 2 × + =
z − 1.5 z + 0.5 z − 0.25 z2 − 1.5 z + 0.5 ( z − 1)( z − 0.5)( z − 0.25)
Usando el método FPI de fracciones parciales:
2 z z 1 z
Y ( z) = + +
3 z − 1 z − 0.5 3 z − 0.25
El resultado anterior puede verificarse usando MATLAB®:
» nYz=[2.0000 -2.2500 0.5000 0]; dYz=poly([1 0.5 0.25]);
» [R,p,C]=residuez(nYz,dYz)
R = 0.6667 p = 1.0000 C = 0
1.0000 0.5000
0.3333 0.2500
Aplicando la tabla 8.2:
y[ n] = 23 + (0.5)n + 31 (0.25)n , n ≥ 0
que coincide con el resultado del ejemplo 7.14.
Comentarios:
1. La TZ facilita la solución de una EED al permitir la inclusión de las condiciones

iniciales, sea que se exprese en términos de diferencias hacia adelante (8.21) o de
diferencias hacia atrás (8.46).
2. La EED hacia atrás es más frecuente como modelo de sistemas causales, porque
facilita el desarrollo de algoritmos para su solución numérica en sistemas recursivos.
3. La solución del modelo de EED hacia atrás usando la TZ, permite incluir en (8.46)
las condiciones iniciales del sistema para n < 0 , en lugar de tener que calcular valores
equivalentes para n ≥ 0 , como lo exige el método clásico (ver ejemplo 7.14).
Componentes de la solución de una EED usando la TZ

En general, en la respuesta y[ n] de un sistema discreto LIT pueden identificarse dos
grupos de componentes:
- la respuesta natural y la respuesta forzada
- la respuesta transitoria y la respuesta permanente
Como quedó establecido en la sección 7.3, la respuesta natural o respuesta a entrada cero
se debe al efecto del estado inicial del sistema y se evalúa asumiendo que la entrada
X ( z) = 0 . Por otro lado, la respuesta forzada o respuesta a estado cero se logra asumiendo
que el sistema está en reposo. Una ventaja más de la TZ está en que al llevar la EED hacia
atrás al dominio-z, es fácil identificar directamente estas dos componentes, tal como se
demuestra en el siguiente ejemplo, en lugar de tener que calcularlas por separado cuando se
utiliza el método clásico (ver ejemplo 7.15).
Ejemplo 8.24: Calcular la respuesta natural y respuesta forzada del sistema LIT del
Respuesta ejemplo 8.23, cuya EED es:
natural y
respuesta y[ n] − 1.5 y[ n − 1] + 0.5 y[ n − 2] = x[ n], n ≥ 0
forzada usando
TZ.
para x[ n] = (0.25)n u[ n] , asumiendo y[ −1] = 4, y[ −2] = 10 .
Solución: Utilizando el resultado de Y ( z) del ejemplo 8.23, antes de sustituir X ( z) :
z2 z2 − 2 z
Y ( z) = 2 X ( z) + 2
z − 1.5 z + 0.5 z − 1.5 z + 0.5
respuesta forzada respuesta natural
El primer término solo depende de la entrada X ( z) y por lo tanto es la TZ de la

respuesta forzada del sistema. Del mismo modo, el segundo término se debe
solo a las condiciones iniciales y por lo tanto es la TZ de la respuesta natural
del sistema.
Sustituyendo X ( z) = z /( z − 0.25) , la forma estándar de la respuesta forzada es
z3 z3
YRF ( z) = =
( z2 − 1.5 z + 0.5)( z − 0.25) ( z − 1)( z − 0.5)( z − 0.25)
Aplicando el método FPI
8 z z 1 z
YRF ( z) = −2 +
3 z−1 z − 0.5 3 z − 0.25
Usando T3 y T6 de la tabla 8.2, obtenemos
y RF [ n] = 83 − 2(0.5)n + 31 (0.25)n , n ≥ 0
Aplicando el método FPI, la respuesta natural en forma estándar es

z2 − 2 z z z
YRN ( z) = = −2 +3
z − 1.5 z + 0.5
2
z−1 z − 0.5
Usando T3 y T6 de la tabla 8.2, obtenemos
y RN [ n] = −2 + 3(0.5)n , n ≥ 0
Estos resultados pueden verificarse usando MATLAB®:
» b=1; a=[1 -1.5 0.5]; Yi=[4,10];

» syms n, xn=(0.25)^n*sym('Heaviside(n)');
» [yFn,yNn]=respsym('z',b,a,xn,Yi)
yFn = 2.6667-2*(0.5)^n + 0.33333*(0.25)^n, n>=0
yNn = -2 + 3*(0.5)^n, n>=0
Sumando las 2 componentes, obtenemos la respuesta completa, como
y[ n] = y RN [ n] + y RF [ n] = 23 + (0.5)n + 31 (0.25)n , n ≥ 0
que coincide con el resultado del ejemplo 8.23.
El ejemplo 8.24 utilizó la función especial respsym() que se presentó en el ejemplo 3.18
para determinar las componentes forzada y natural de la respuesta de un sistema continuo
LIT modelado por su ecuación diferencial (ED).
El uso de la TZ a través de (8.46) genera el vector de condiciones iniciales xci que fue
requerido por la función filter() de MATLAB® para la solución numérica de la EED
hacia atrás ( ver ejemplo 7.13). Aplicando al ejemplo 8.24, obtenemos:
» b=1; a=[1 -1.5 0.5];
» Yi=[4,10]; xci=filtic(b,a,Yi)
xci = 1 -2
El vector anterior es el polinomio del numerador de la respuesta natural: YRN ( z) .
Si se evalúa la respuesta dinámica y[ n] de un sistema LIT absolutamente estable para

n = ∞ , es posible identificar otras dos componentes: la respuesta transitoria, que
desaparece con el tiempo y la respuesta permanente, que alcanza un valor final. Es fácil
verificar que la respuesta transitoria está asociada con los polos de Y ( z) que están dentro
del círculo unitario, mientras la respuesta permanente corresponde a los polos que están
sobre el círculo unitario. Aplicando al ejemplo 8.23, la respuesta completa y[ n] es:
y[ n] = 23 + (0.5)n + 31 (0.25)n , n ≥ 0
Interpretando este resultado en función de los polos p1 = 1 , p2 = 0.5 y p3 = 0.25 de Y ( z) ,

las otras dos componentes de y[ n] son
y RP [ n] = 2 y y RT [ n] = (0.5)n + 31 (0.25)n
3
Si la respuesta permanente es constante, puede lograrse aplicando el teorema del valor

final a Y ( z) . En efecto, aplicando al ejemplo 8.23
2 z3 − 2.25 z2 + 0.5 z 2 − 2.25 + 0.5

y RP [ n] = lim( z − 1)Y ( z) = = = 0.6667
z→1 ( z − 0.5)( z − 0.25) z=1 (0.5)(0.75)
Como se muestra en el siguiente ejemplo, si los polos de Y ( z) son complejos conjugados y

caen sobre el círculo unitario, la respuesta permanente es armónica, en cuyo caso no se
puede aplicar el teorema del valor final.
Ejemplo 8.25: Usando TZ, calcular las componentes de la solución de la siguiente EED:
Componentes y[ n] − 0.25 y[ n − 1] = x[ n], n ≥ 0
de la solución
de la EED
usando la TZ.
asumiendo x[ n] = cos( nπ / 3) u[ n] y y[ −1] = 2 .
Solución: Usando (8.46), llevamos la EED al dominio-z
Y ( z) − 0.25{ z−1 Y ( z) + y[ −1]} = X ( z)
Despejando Y ( z) y considerando que y[ −1] = 2

1 0.5 z 0.5 z
Y ( z) = −1
X ( z) + −1
= X ( z) +
1 − 0.25 z 1 − 0.25 z z − 0.25 z − 0.25
Aplicando T6 de la tabla 8.2, la respuesta natural es:
0.5 z
YRN ( z) = ↔ y RN [ n] = 0.5(0.25)n , n ≥ 0
z − 0.25
Usando T12 de la tabla 8.2, X ( z) = z( z − 0.5) /( z2 − z + 1) , la respuesta forzada es
z z( z − 0.5) z2 ( z − 0.5)
YRF ( z) = × 2 =
z − 0.25 z − z + 1 ( z − 0.25)( z2 − z + 1)
cuyos polos son p1 = 0.25 y p2, 3 = 0.5 ± j 0.8666 = 1 e± j π / 3 . Usando método FPI
z z z
YRF ( z) = (0.5385 − j 0.1332) jπ / 3
+ (0.5385 + j 0.1332) − jπ / 3
− 0.0769
z− e z− e z − 0.25
Aplicando la tabla 8.2
y RF [ n] = (0.5385 − j 0.1332)( e j π / 3 )n + (0.5385 + j 0.1332)( e− j π / 3 )n − 0.0769(0.25)n
Utilizando las identidades de Euler del apéndice A.2:
y RF [ n] = −0.0769(0.25)n + 1.1094 cos( nπ / 3 − 0.2426), n ≥ 0
Los resultados anteriores puede verificarse usando MATLAB®:
» b=1; a=[1 -0.25]; Yi=2;
» syms n; xn=cos(n*pi/3)*sym('Heaviside(n)');
» [yFn,yNn]=respsym('z',b,a,xn,Yi)
yFn = -0.07692*(0.25)^n + 1.1094*cos(1.0472*n-0.24256), n>=0
yNn = 0.5*(0.25)^n, n>=0
Sumando las dos componentes, la respuesta completa es
y[ n] = 0.4231(0.25)n + 1.1094 cos( nπ / 3 − 0.2426), n ≥ 0

A partir de este resultado, las otras dos componentes son
y RT [ n] = 0.4231(0.25)n , n ≥ 0
y RP [ n] = 1.1094 cos( nπ / 3 − 0.2426), n ≥ 0
La respuesta permanente es oscilatoria debido a la forma armónica de la entrada

y por lo tanto no puede aplicarse el teorema del valor final.
Se puede verificar que si la entrada de un sistema LIT es armónica, la respuesta permanente

también es armónica. Esta propiedad será analizada en la sección 9.5 como una aplicación
de transformada de Fourier en tiempo discreto (TFTD) y el resultado del ejemplo 8.24 será
comprobado en el ejemplo 9.20.
8.7 ANÁLISIS DE SISTEMAS DISCRETOS EN EL DOMINIO-z

En la sección anterior se evaluó la respuesta de un sistema discreto LIT en el dominio del
tiempo discreto, representado por su ecuación en diferencias (EED). Sin embargo, en
aplicaciones prácticas el modelo del sistema mediante una EED puede llegar a un cierto
nivel de complejidad algebraica. En esta sección, se desarrollará el concepto de función de
transferencia discreta (FTD), que es el modelo clásico para determinar la respuesta forzada
de un sistema discreto LIT en reposo, similar al modelo de función de transferencia (FT)
del sistema continuo en el dominio-s. Finalmente, se analizarán los conceptos de causalidad
y estabilidad a partir de la FTD, fundamentales para el análisis y diseño de un sistema LIT
en tiempo discreto.
Respuesta impulso usando TZ

La respuesta impulso fue presentada en la sección 7.5 como un modelo apropiado de un
sistema discreto en reposo, para obtener la respuesta forzada a una entrada arbitraria,
usando la convolución lineal. Es posible obtener la respuesta impulso h[ n] a partir de la
EED si hacemos x[ n] = δ[ n] y consideramos que el sistema está en reposo.
En efecto, aplicando la propiedad de desplazamiento real podemos llevar la EED (7.55) al

dominio-z, para condiciones iniciales cero, con x[ n] = δ[ n] y y[ n] = h[ n] , obtenemos:
N M
H ( z) + ∑ ak z− k H ( z) = ∑ bk z− k
k= 0 k=0
Despejando H ( z) , obtenemos
8.7 ANALISIS DE SISTEMAS DISCRETOS EN EL DOMINIO Z 8 - 45
∑b z k
−k
N ( z)
H ( z) = k=0
N
= (8.47)
D( z)
1 + ∑ ak z −k
k=1
Si H ( z) se expresa como una fracción racional, es posible obtener h[ n] = Z −1{ H ( z)}

usando los métodos presentados en la sección anterior. El siguiente ejemplo muestra esta
estrategia para calcular la respuesta impulso a partir de la EED, usando la TZ.
Ejemplo 8.26: Utilizando la TZ, calcular la respuesta impulso del sistema del ejemplo 8.23
Respuesta
impulso y[ n] − 1.5 y[ n − 1] + 0.5 y[ n − 2] = x[ n], n ≥ 0
usando la TZ.
Solución: Llevando la EED al dominio-z para x[ n] = δ[ n] y y[ n] = h[ n] , asumiendo
condiciones iniciales cero (sistema en reposo), obtenemos
H ( z) − 1.5 z−1 H ( z) + 0.5 z−2 H ( z) = 1

Despejando H ( z) y aplicando FPI
1 z2 z z
H ( z) = = 2 =2 −
1 − 1.5 z−1 + 0.5 z−2 z − 1.5 z + 0.5 z − 1 z − 0.5
Aplicando tablas, obtenemos la respuesta impulso
h[ n] = 2 − (0.5)n , n ≥ 0
que corresponde a un sistema IIR. Para verificar la estabilidad aplicamos (7.67)
∞ ∞ ∞
∑k=0
h[ k] = ∑ 2 − ∑ (0.5)k = ∞
k=0 k= 0
Luego se trata de un sistema inestable. Esta condición se puede comprobar

demostrando que la respuesta escalón no es acotada, tal como se observa en la
figura 8.5, la cual se obtuvo usando los siguientes comandos de MATLAB®:
» n=0:10; un=escad(n);
» b=1; a=[1 -1.5 0.5]; sn=filter(b,a,un);
Figura 8.5
Respuesta escalón
de un sistema
discreto inestable.
Función de transferencia discreta (FTD)

La figura 8.6 muestra un sistema discreto LIT, modelado por su respuesta impulso h[ n] y
sometido a una entrada arbitraria x[ n] . Aplicando convolución lineal (7.69) es posible
evaluar la respuesta forzada (reposo) del sistema como y[ n] = h[ n] ∗ x[ n] .
x[ n] h[ n] y[ n] X ( z) H ( z) Y ( z)
Figura 8.6
Modelo de un (reposo) (reposo)
sistema discreto
LIT en reposo.
Aplicando la propiedad de convolución (P8), la expresión equivalente en el dominio-z es

y[ n] = h[ n] ∗ x[ n] ↔ Y ( z) = H ( z) ⋅ X ( z) (8.48)
donde H ( z) se reconoce como la función de transferencia discreta (FTD), cuya definición

formal se presenta a continuación:
Definición 8.2: Función de transferencia discreta

La función de transferencia discreta (FTD) de un sistema discreto LIT,
viene dada por la relación entre la TZ de la salida Y ( z) y la TZ de la
entrada X ( z) , asumiendo que el sistema está en reposo,
Y ( z)
H ( z) (8.49)
X ( z) reposo
Si en (8.48) x[ n] = δ[ n] ↔ X ( z) = 1 , la respuesta del sistema es Y ( z) = H ( z) , que es la

respuesta impulso del sistema: h[ n] . Por lo tanto, en un sistema LIT existe una relación
directa entre la FTD y la respuesta impulso, que se define a continuación:
Definición 8.3: Relación entre función de transferencia discreta y respuesta impulso

La respuesta impulso de un sistema LIT es la transformada inversa Z
de la función de transferencia discreta (FTD). Luego,
h[ n] ↔ H ( z) (8.50)
El siguiente ejemplo muestra el cálculo de la FTD de un sistema discreto LIT, a partir del
modelo básico de EED y su aplicación para obtener la respuesta escalón del sistema.
Ejemplo 8.27: Obtener la FTD del sistema discreto LIT representado por la siguiente EED
FTD de un y a partir de esta calcular la respuesta escalón.
sistema discreto
LIT a partir de
su EED. 2 y[ n] − 2 y[ n − 1] + y[ n − 2] = x[ n]
Solución: Llevando la EED al dominio-z para condiciones iniciales cero, obtenemos

2 Y ( z) − 2 z−1Y ( z) + z−2 Y ( z) = X( z)
Aplicando la definición (8.49)
Y ( z) 1 z2 0.5 z2
H ( z) = = = =
X ( z) 2 − 2 z− 1 + z− 2 2 z2 − 2 z + 1 z2 − z + 0.5
Asumiendo una entrada escalón unitario, la respuesta debe ser
0.5 z2 z 0.5 z3
Y ( z) = ⋅ =
z2 − z + 0.5 z − 1 ( z − 1)( z2 − z + 0.5)
Descomponiendo en fracciones parciales FPI, en función de los polos p1 = 1 y

p2,3 = 0.5 ± j 0.5 :
Y ( z) 0.5 z2 A B B*
= = + +
z ( z − 1)( z − z + 0.5) z − 1 z − (0.5 + j 0.5) z − (0.5 − j 0.5)
2
0.5 z2 0.5 z2
A= =1 B= = −0.25 − j 0.25
z2 − z + 0.5 z=1 ( z − 1)[ z − (0.5 − j 0.5)] z=0.5 + j 0.5
El resultado anterior puede verificarse usando de MATLAB®

» nYz=0.5*[1 0 0 0]; dYz=conv([1 -1],[1 -1 0.5]);
» [R,p,C]=residuez(nYz,dYz)
R = p = C =
1.0000 1.0000 0
-0.2500 - 0.2500i 0.5000 + 0.5000i
-0.2500 + 0.2500i 0.5000 – 0.5000i
Por lo tanto
z z z
Y ( z) = − (0.25 + j 0.25) − (0.25 − j 0.25)
z−1 z − (0.5 + j 0.5) z − (0.5 − j 0.5)
Expresando los polos complejos en forma exponencial p2,3 = ( 2 / 2) e± j π / 4 y

aplicando T3 y T6 de la tabla 8.2, obtenemos
( ) ( )
n n
2 2
y[ n] = 1 − (0.25 + j 0.25) 2 e j n π / 4 − (0.25 − j 0.25) 2 e− j n π / 4
( 22 ) ( e ( 22 ) ( e
n n
j nπ / 4
y[ n] = 1 − 0.25 + e− j n π / 4 ) − j 0.25 j nπ / 4
− e− j n π / 4 )
Finalmente, aplicando la identidad de Euler:
( 22 ) [ cos( nπ / 4) − sen( nπ / 4)],

n
y[ n] = 1 − 0.5 n≥0
El modelo de FTD presenta las siguientes restricciones, similares a las mencionadas en la

sección 3.6 para la FT del modelo continuo:
1. Solo se aplica a sistemas LIT en tiempo discreto.

2. Es válida para sistemas discretos de una entrada y una salida o SISO (Single Input
Single Output).
3. El sistema para el cual se formula el modelo debe estar en reposo.
En el capítulo 6 se demostrará que usando el modelo de estado, el cual se formula en el

dominio del tiempo discreto, es posible incluir las condiciones iniciales de un sistema LIT,
para lograr la respuesta completa. Existen otras estrategias para superar estas restricciones,
basadas en herramientas clásicas del análisis y diseño de sistemas LIT [Kuo95], las cuales
están fuera del alcance de este libro.
Causalidad y estabilidad a partir de la FTD

El concepto de estabilidad BIBO definido en (7.49), garantiza que un sistema discreto es
absolutamente estable si la salida y[ n] del sistema es acotada para una entrada arbitraria
x[ n] también acotada. Esta condición se logra, según (7.65), cuando la respuesta impulso
h[ n] es absolutamente sumable.
Sin embargo, como se demostrará a continuación la condición de estabilidad está asociada

con la RC de la TZ y el tipo de causalidad del sistema. Considerando las propiedades
definidas en la sección 8.1 para la RC analizaremos a continuación 3 casos típicos:
Caso 1: Sistemas causales

Usando descomposición FPI y la tabla 8.1, la FTD de un sistema LIT discreto y causal de
orden-N, con polos diferentes, puede representarse como
z z N
z
H ( z) = R1 + + RN = ∑ Rk , | z|>| pk | (8.51)
z − p1 z − p N k= 1 z − pk
Para que la RC de H ( z) no incluya los polos, se requiere que
z > pk , k = 1, 2, …, N (8.52)
Si pmax representa el polo de H ( z) más lejano desde el origen, la condición (8.52) se

cumple si z > pmax . En otras palabras, la RC de un sistema discreto causal está formada
por los valores de z fuera del círculo delimitado por el polo pk de mayor magnitud, tal como
se muestra en la figura 8.7.
La respuesta impulso h[ n] del sistema causal, calculada como la TIZ de (8.51) es
N
h[ n] = ∑ Rk ( pk )n u[ n] (8.53)
k= 1
Para que h[ n] de un sistema causal sea acotada, la magnitud de cada polo en (8.53) debe
ser pk < 1 y por lo tanto los polos de H ( z) deben estar dentro del círculo unitario. Luego,
para garantizar la estabilidad BIBO de un sistema discreto causal, la RC de H ( z) debe
incluir el círculo unitario, tal como se muestra en la figura 8.7.
x x
x
x
Figura 8.7 x x x x x x x x
0 0 0
Relación entre polos
x x
de H(z), su RC y
causalidad del x x
sistema discreto.
CAUSAL ANTICAUSAL NO CAUSAL
Caso 2: Sistema anticausal

Usando descomposición FPI y la tabla 8.1, la FTD de un sistema LIT discreto y anticausal
de orden-N, con polos diferentes, puede expresarse como
z z z N
z
H ( z) = − R1 − R2 − − RN = − ∑ Rk , | z|<| pk | (8.54)
z − p1 z − p2 z − pN k= 1 z − pk
Para que la RC de H ( z) no incluya los polos, se requiere que
z < pk , k = 1, 2, …, N (8.55)
que se logra si z < pmin , siendo pmin el polo más cercano al origen. Luego, la RC de un
sistema discreto anticausal está formada por los valores de z dentro del círculo que pasa por
el polo pk de menor magnitud, tal como se muestra en la figura 8.7.
La respuesta impulso h[ n] del sistema anticausal, calculada como la TIZ de (8.54) es

N
h[ n] = ∑ Rk ( pk )n u[ − n − 1] (8.56)
k= 1
Para que h[ n] de un sistema anticausal sea acotada, la magnitud de cada polo en (8.56)
debe ser pk > 1 y por lo tanto los polos de H ( z) deben estar fuera del círculo unitario. Lo
anterior implica que para garantizar estabilidad BIBO en un sistema discreto anticausal, la
RC de H ( z) debe incluir el círculo unitario, tal como lo muestra la figura 8.7.
Caso 3: Sistema no causal

Los sistemas no causales son usados frecuentemente como un paso intermedio en el diseño
de sistemas para el procesamiento digital de señales. La respuesta impulso h[ n] de un
sistema LIT discreto y no causal puede descomponerse en una parte causal y otra
anticausal. Asumiendo N 1 polos causales y N − N 1 polos anticausales:
N1 N
h[ n] = hc [ n] + ha [ n] = ∑ Rk ( pc k )n u[ n] + ∑ Rk ( pa k )n u[ − n − 1] (8.57)
k= 1 k= N1 + 1
donde, pc k son los polos de la parte causal y pa k los polos de la parte anticausal. En
consecuencia, la FTD se puede expresar como
N1
z N
z
H ( z) = H c ( z ) + H a ( z) = ∑ R k − ∑ Rk , pc k <| z|< pa k (8.58)
k=1 z − pc k k= N1 + 1 z − pa k
Se observa que la RC es un segmento anular como se muestra en la figura 8.7, que no

incluye los polos de la parte causal ni de la parte anticausal. Aplicando las conclusiones de
los dos casos anteriores, para que los polos causales y anticausales de H ( z) no estén dentro
de la RC, el círculo menor ( Rhc ) deberá estar delimitado por el polo causal de mayor
magnitud y el círculo mayor ( Rha ) por el polo anticausal de menor magnitud. Esto criterios
se resumen en el principio de causalidad de la FTD, que se define a continuación.
Definición 8.4: Principio de causalidad.

Para que exista H ( z) sus polos no pueden estar dentro de la RC, excepto
el polo o los polos que se encuentran en su extremo.
Por otro lado, para garantizar estabilidad de un sistema no causal, los polos de la parte
causal deben estar dentro del círculo unitario, mientras que los de la parte anticausal deben
estar fuera del círculo unitario. Por lo tanto en un sistema no causal estable la RC de H ( z)
debe contener el círculo unitario, lo cual se resume en el principio de estabilidad, definido
a continuación:
Definición 8.5 Principio de estabilidad

Para que un sistema LIT discreto causal, no causal o anticausal sea
absolutamente estable, la RC de H ( z) debe incluir el círculo unitario.
Ejemplo 8.28: Aplicando el principio de causalidad y estabilidad, obtener la FTD de los

Principio de siguientes sistemas discreto, modelados por su respuesta impulso.
causalidad y
estabilidad
para calcular
a. h1[ n] = ( − 0.7)n u[ n] b. h2 [ n] = ( − 0.4)n u[ − n − 1]
H ( z) . c. h3 [ n] = 3(0.5)n u[ n] + 3(2)n u[ − n − 1]
Solución: a. El operador u[ n] caracteriza la respuesta impulso como causal. Por lo tanto

z
H 1 ( z) = , z > 0.7
z + 0.7
La RC z > 0.7 satisface el principio de causalidad, al no incluir el único
polo p1 = −0.7 de H ( z) . Además el sistema es absolutamente estable
porque la RC incluye el círculo unitario.
b. El operador u[ − n − 1] caracteriza al sistema como anticausal. Luego
z
H 2 ( z) = − , z < 0.4
z + 0.4
La RC z < 0.4 no incluye el único polo p1 = −0.4 y por lo tanto satisface el
principio de causalidad. Sin embargo, el sistema es inestable porque la RC
no incluye el círculo unitario.
c. Como existe una componente causal y un anticausal, el sistema es no causal.

3z 3z
H 3 ( z) = − , 0.5 < z < 2
z − 0.5 z − 2
La RC 0.5 < z < 2 satisface el principio de causalidad porque no incluye los
polos p1 = 0.5 y p2 = 2 . Además, esta RC incluye el círculo unitario y por
lo tanto el sistema es estable.
Si en el sistema h3 [ n] del ejemplo 8.28 se intercambian los polos de la componente causal

y anticausal, no es posible establecer una RC y por lo tanto no existiría H 3 ( z) . (ver
problema 8.25).
Ejemplo 8.29: Dada la siguiente FTD

Estabilidad y 6 z2 − 4 z
causalidad a H ( z) =
partir de FT y
z2 − 2.5 z − 1.5
su RC. Evaluar la estabilidad, causalidad y calcular h[ n] para las siguientes RC
a. z < 0.5 b. 0.5 < z < 3 c. z > 3
Solución: Usando el método FPI obtenemos

z z ⎧polos:
H ( z) = 4 +2 , ⎨
z−3 z + 0.5 ⎩ p1 = 3, p2 = − 0.5
Analizando cada caso a la luz del principio de causalidad y estabilidad:
a. Si z < 0.5 no se incluye el círculo unitario y el sistema es inestable. Para

que los polos estén fuera de la RC, el sistema debe ser anticausal con el polo
menor p2 = −0.5 en un extremo. La respuesta impulso es
h[ n] = − 4(3)n − 2( − 0.5)n , n ≤ −1
b. Para 0.5 < z < 3 el sistema es estable porque se incluye el círculo unitario.
Cada polo está en el extremo de la RC y por lo tanto el sistema es no causal,
con p1 = 3 como polo anticausal y p2 = − 0.5 como polo causal. Luego
h[ n] = − 4(3)n u[ − n − 1] + 2( − 0.5)n u[ n]
c. Si z > 3 no incluye el círculo unitario y por lo tanto el sistema es inestable.

Para que los dos polos estén fuera de la RC, el sistema debe ser causal con el
polo mayor p1 = 3 en un extremo. La respuesta impulso es:
h[ n] = 4(3)n + 2( − 0.5)n , n ≥ 0
Si la FTD del ejemplo 8.29 incluye un polo adicional en z = 0.8 , la RC del caso b. no
satisface el principio de causalidad y por lo tanto no existiría H ( z) . (ver problema 8.29).
En algunos casos es posible especificar la RC de manera indirecta al exigir, por ejemplo

que el sistema sea estable. Como la RC de un sistema discreto estable debe incluir el círculo
unitario, esta condición puede ser un indicador del tipo de respuesta impulso requerido.
Ejemplo 8.30: Asumiendo que los siguientes sistemas son estables, identificar el tipo de
Respuesta causalidad, calcular la respuesta impulso y verificar que es sumable.
impulso a partir
z
de la FTD, para a. H 1( z) =
lograr ( z − 0.4)( z + 0.6)
estabilidad. 2.5 z
b. H 2 ( z) =
( z − 0.5)( z + 2)
2.5 z
c. H 3 ( z) =
( z − 2)( z + 3)
Solución: La clave está en reconocer que la RC está delimitada por uno o varios polos de
H ( z) y que para ser estable debe incluir el círculo unitario. En cada caso
descomponemos la FTD usando el método FPI.
z z
a. H 1( z) = − , polos p1 = 0.4 y p2 = −0.6
z − 0.4 z + 0.6
Para satisfacer el principio de causalidad, existen tres alternativas: z < 0.4 ,

z > 0.6 o 0.4 < z < 0.6 . Sin embargo, solo la segunda propuesta incluye el
círculo unitario y garantiza estabilidad absoluta. Luego es un sistema causal
y su respuesta impulso es
h1[ n] = (0.4)n u[ n] − ( − 0.6)n u[ n]

Verificamos que h1[ n] es absolutamente sumable
∞ ∞ ∞
1 1
∑ h [ k] = ∑(0.4) − ∑( −0.6)
k =−∞
1
k=0
n
k=0
n
= −
1 − 0.4 1 + 0.6
= 0.7917
Luego el sistema es absolutamente estable.

z z
b. H 2 ( z) = − , polos p1 = 0.5 y p2 = −2
z − 0.5 z + 2
Según el principio de causalidad la RC puede ser: z < 0.5 , z > 2 o
0.5 < z < 2 . Solo la última propuesta incluye el círculo unitario y por lo
tanto se trata de un sistema no causal, cuya respuesta impulso es:
h2 [ n] = (0.5)n u[ n] + ( −2)n u[ − n − 1]
Verificamos que h2 [ n] es absolutamente sumable
∞ ∞ ∞ 1
∑
k =−∞
h2 [ k] = ∑ (0.5)
n =−∞
n
u[ n] + ( −2)n u[ − n − 1] < ∑ (0.5)n +
n=0
∑ ( −2)
n =−∞
n
Luego,
∞ ∞ ∞
1 1
∑
k =−∞
h2 [ k] < ∑ (0.5)n − 1 + ∑ ( −0.5)n =
n=0 n=0 1 − 0.5
− 1+
1 + 0.5
= 1.6667
z z
c. H 3 ( z) = − , polos p1 = 2 y p2 = −3
z−2 z+ 3
Las alternativas para que la RC satisfaga el principio de causalidad son:
z < 2 , z > 3 o 2 < z < 3 . Solo la primera solución incluye el círculo
unitario y se trata de sistema anticausal, cuya respuesta impulso es:
h3 [ n] = −(2)n u[ − n − 1] + ( − 3)n u[ − n − 1]
Verificamos que h3 [ n] es absolutamente sumable
∞ ∞ 1 1
∑
k =−∞
h3 [ k] = ∑
n =−∞
−(2)n u[ − n − 1] + ( −3)n u[ − n − 1] < ∑
n =−∞
−(2)n + ∑ (−3)
n =−∞
n
Simplificando
∞ ∞ ∞
1 1
∑
k =−∞
h3 [ k] < −1 + ∑ (0.5)n − 1 + ∑ (1/ 3)n = −2 +
n=0 n=0
+
1 − 0.5 1 − 1/ 3
= 1.5
Evaluación numérica de la transformada inversa Z
Aplicando el concepto de respuesta impulso es posible evaluar numéricamente la TIZ de

una señal Y ( z) . En efecto, si un sistema representado por H ( z) = Y ( z) es excitado por una
entrada x[ n] = δ[ n] , su respuesta es y[ n] . Usando esta estrategia es posible verificar
numéricamente el resultado analítico de y[ n] como la transformada inversa de H ( z) .
Aplicando la función filter() de MATLAB® presentada en la sección 7.4, el comando

para obtener la solución numérica de y[ n] es
yn = filter(nYz,dYz,delta)
donde nYz y dYz son arreglos del numerador y denominador de Y ( z) en la forma DSP y
delta es un arreglo con los valores de señal impulso δ[ n] , que puede crearse usando la
función especial impud() presentada en la sección 7.1. Como la respuesta impulso asume
condición de reposo, no es necesario incluir el vector de condiciones iniciales xci.
Otra posibilidad para obtener la solución numérica de la TIZ es mediante la función impz()
incluida en el Toolbox de Señales (TBS) de MATLAB®, que permite calcular la respuesta
impulso de sistemas tipo FIR o IIR en reposo. Las opciones más comunes son:
impz(nYz,dYz,Nm)
[yn,n] = impz(nYz,dYz,Nm)
[ynT,nT] = impz(nYz,dYz,Nm,1/T)
La primera opción reproduce la gráfica de la respuesta impulso del sistema discreto, donde
Nm es el número de muestras deseado de Y ( z) . La segunda opción permite capturar las
muestras de y[ n] y la base de tiempo discreta. La tercera opción es una variante de las dos
anteriores, para el caso de un sistema de datos muestreados, con período de muestreo T.
Ejemplo 8.31: Verificar numéricamente la TIZ del Ejemplo 8.27, donde

Verificación
0.5 z 3 0.5
numérica de la Y ( z) = =
TIZ. ( z − 1)( z − z + 0.5) 1 − 2 z + 1.5 z −2 − 0.5 z − 3
2 −1
Solución: Usando MATLAB® simulamos la expresión analítica de y[ n]

» n=0:7; yn=1-0.5*(sqrt(2)/2).^n.*(cos(n*pi/4)-sin(n*pi/4));
Ahora evaluamos numéricamente y[ n] a partir de Y ( z)

» nYz=[0.5 0 0 0]; dYz=[1 -2 1.5 -0.5];
» n=0:5; delta=impud(n); yns=filter(nYz,dYz,delta);
Comparando el resultado de las dos simulaciones:
n yn yns
0 0.5000 0.5000
1.0000 1.0000 1.0000
2.0000 1.2500 1.2500
3.0000 1.2500 1.2500
4.0000 1.1250 1.1250
5.0000 1.0000 1.0000
La figura 8.8 muestra la evaluación numérica de la TIZ usando impz().
Figura 8.8
Evaluación
numérica de la TIZ
usando MATLAB®.
8.8 DIAGRAMA DE SIMULACIÓN DE SISTEMAS DISCRETOS (*)

En las secciones anteriores se utilizaron 3 modelos para analizar un sistema discreto LIT: la
ecuación en diferencias (EED), la respuesta impulso y la función de transferencia discreta
(FTD), éstos dos últimos para el caso de condiciones iniciales cero (reposo). En esta
sección desarrollaremos una forma alternativa de modelar el sistema mediante diagramas
de simulación, similares a los utilizados en las secciones 3.7 y 6.4 para los sistemas LIT en
tiempo continuo. Una vez más, el uso de la fórmula de ganancia de Masón será de gran
utilidad en el cálculo de la FTD a partir del diagrama de simulación.
Diagrama de simulación a partir de la EED

La figura 8.9 muestra los cuatro elementos necesarios para la construcción del diagrama de
simulación (DS). El elemento fundamental es el retardo, que como su nombre lo indica se
utiliza para simular el atraso de las señales de entrada y salida que aparecen en la EED.
El multiplicador y el sumador se usan para lograr la combinación lineal de los términos de

la EED. La toma o derivación se requiere en casos especiales en los que una misma señal
debe ser transmitida a diferentes puntos del diagrama.
x[ n] x[ n − 1] x[ n] ax[ n]
Retardo: z −1 Multiplicador: a
x1[ n] x1[ n] + x2 [ n] x[ n] x[ n]
Figura 8.9
Elementos básicos Sumador: + Toma:
de un diagrama de x[ n]
simulación. x2 [ n]
El siguiente ejemplo muestra el uso de los elementos básicos de l figura 8.9 en la

construcción del diagrama de simulación (DS) de un sistema LIT discreto.
Ejemplo 8.32: Desarrollar el DS de un sistema LIT discreto, cuya EED es

Diagrama de
simulación de y[ n] − 0.5 y[ n − 1] = 2 x[ n]
una EED.
Solución: Despejando y[ n] , obtenemos
y[ n] = 2 x[ n] + 0.5 y[ n − 1]
que puede ser simulada a través del siguiente diagrama.

x[ n] y [ n]
2 +
z−1
0.5
Los comandos MATLAB® necesarios para la simulación digital de la respuesta

escalón de la estructura anterior, son los siguientes:
» %dominio de la solución y valores de x[n]
» n=0:10; x=escad(n); L=length(n);
» %simulación digital
» ynm1=0; for k=1:L, yn=2*x(1)+0.5*ynm1; y(k)=yn; ynm1=yn;end
» [x.',y.']
1.0000 2.0000
1.0000 3.0000
1.0000 3.5000
1.0000 3.7500
1.0000 3.8750
1.0000 3.9375
1.0000 3.9688
1.0000 3.9844
1.0000 3.9922
1.0000 3.9961
1.0000 3.9980
8.8 DIAGRAMA DE SIMULACION DE SISTEMAS DISCRETOS 8 - 57
Se puede observar que la simulación digital de la estructura del ejemplo 8.31 utiliza el
mismo algoritmo aplicado para obtener la solución recursiva de la EED del ejemplo 7.13.
Sin pérdida de generalidad, consideramos el caso de una EED de orden-2:

y[ n] + a1 y[ n − 1] + a2 y[ n − 2] = b0 x[ n] + b1 x[ n − 1] + b2 x[ n − 2] (8.59)
Para facilitar el desarrollo sistemático del DS, despejamos en (8.59) el término que se
refiere a la salida del sistema en el instante actual:
y[ n] = b0 x[ n] + b1 x[ n − 1] + b2 x[ n − 2] − a1 y[ n − 1] − a2 y[ n − 2] (8.60)
El DS se muestra en la figura 8.10, el cual se desarrolla en dos partes: el módulo de la

izquierda para simular los términos de la entrada en la ecuación (8.60) y el módulo de la
derecha que simulan los términos de la salida. El número de elementos de retardo de cada
modulo, conectados en cascada, depende del orden mayor de la diferencia a simular.
x[ n] y [ n]
b0 +
z −1 z −1
x[ n − 1] y[ n − 1]
b1 + − a1
z−1 z−1
Figura 8.10
Estructura Directa I
x[ n − 2] y[ n − 2]
del DS de una EED de b1 + − a2
orden-2.
Esta estrategia para el desarrollo del DS se reconoce como descomposición directa de la

EED, dado que en el mismo aparecen los coeficientes del lado izquierdo y del lado derecho.
El DS de la figura 8.10 se reconoce como estructura Directa I no canónica [Oppnheim98],
porque utiliza un número de retardos mayor que el orden de la EED. Como se verá a
continuación las formas canónicas utilizan un número de retardos igual al orden de la EED.
A partir de este DS se puede desarrollar el GFS que se muestra en la figura 8.11,

seleccionado un número suficiente de nodos que garantice la representación de todas las
señales de entrada a cada bloque. Para facilitar la lectura del grafo a las ramas unitarias no
se les asigna ningún valor de ganancia.
x[ n] b0 y [ n]
z−1 z−1
b1 − a1
Figura 8.11
Estructura Directa I
del GFS de una EED z−1 z−1
de orden-2. b2 − a2
Una de las ventajas que ofrecen el DS y el GFS es la posibilidad de aplicar la fórmula de

ganancia de Mason (FGM) presentada en la sección 3.7 para el sistema en tiempo continuo,
en el cálculo de la FTD en sistemas discretos con múltiples lazos de control tipo SISO o
tipo MIMO. Asumiendo que se desea obtener la ganancia entre el nodo de entrada x[ n] y
el nodo de salida y[ n] , la FGM establece que:
NTD
∑ T ( z) ⋅ Δ ( z)
k k
Y ( z)
T ( z) = k=1
= (8.61)
Δ( z) X ( z)
donde: Δ( z) = determinante del sistema.

Tk ( z) = trayectorias directas válidas para la relación x[ n] → y[ n] .
Δ k ( z) = cofactores de cada trayectoria.
Ejemplo 8.33: Desarrollar el DS como GFS de un sistema representado por la siguiente

DS a partir de la EED, para obtener la FTD utilizando la FGM.
EED y uso de la
FGM para
obtener la FTD. 2 y[ n] − 2 y[ n − 1] + y[ n − 2] = x[ n − 1]
Solución: Despejando y[ n] , obtenemos
y[ n] = 0.5 x[ n − 1] + y[ n − 1] − 0.5 y[ n − 2]
módulo LI módulo LD
Utilizando como referencia la figura 8.11, obtenemos

x[ n] y [ n]
z−1 z−1
0.5 z−1
−0.5
Aplicando el procedimiento sugerido en la sección 3.7
1. Determinante del sistema: existen 2 lazos conexos (grupos simples).

Δ( z) = 1 − ( z−1 − 0.5 z−2 ) = 1 − z−1 + 0.5 z−2
2. Ganancia de trayectorias directas: existe 1 trayectoria desde el nodo de

entrada x[ n] hasta el nodo de salida y[ n] : T1 = ( z−1 )(0.5) = 0.5 z−1 .
3. Cofactores de cada trayectoria directa: la única trayectoria toca a los dos
lazos. Luego el cofactor Δ 1 = 1 .
4. Ganancia o FTD: aplicando la fórmula de ganancia de Mason
T1 ⋅ Δ 1 0.5 z−1 0.5 z

T ( z) = = −1 −2
= 2 = H ( z)
Δ 1 − z + 0.5 z z − z + 0.5
El resultado anterior puede verificarse aplicando la definición (8.49) de FTD.
Llevando la EED al dominio-z y asumiendo el sistema en reposo,
2 Y ( z) − 2 z−1 Y ( z) + z−2 Y ( z) = z−1 X ( z)

Despejando la relación Y ( z) / X ( z) , obtenemos
Y ( z) z−1 0.5 z
= −1 −2
= 2
X ( z) 2 − 2 z + z z − z + 0.5
Estructuras canónicas directas a partir de la FTD

El DS de la figura 8.10 y el GFS de la figura 8.11 utilizan ( M + N ) elementos de retardo
para simular la EED. Es posible modificar estos diagramas para lograr formas canónicas,
que utilizan un número de elementos de retardo igual al orden N del sistema ( M ≤ N ) .
El DS y el GFS en forma canónica se pueden desarrollar por descomposición directa de la

función de transferencia del sistema. Para esto, llevamos la EED (8.59) al dominio-z,
asumiendo que el sistema está en reposo (condiciones iniciales cero),
Y ( z) + a1 z−1 Y ( z) + a2 z−2 Y ( z) = b0 X ( z) + b1 z−1 X ( z) + b2 z−2 X ( z)

Aplicando la definición (8.49), obtenemos
H ( z) =
Y ( z) b0 + b1 z−1 + b2 z−2
= =
∑ T ( z) ⋅ Δ ( z )
k k
(8.62)
X ( z) 1 + a1 z−1 + a2 z−2 Δ( z)
Interpretando la FGM en (8.62) para la relación x[ n] → y[ n] , el denominador de H(z)

permite identificar 2 lazos conexos (no existen grupos de 2) con ganancias − a1 z −1 y
− a2 z−2 , respectivamente. De modo similar, el numerador se puede interpretar como el
resultado de 3 trayectorias directas, con ganancias b0 , b1 z−1 y b2 z−2 , respectivamente, y
cofactores unitarios, por ser conexas con los lazos del determinante Δ( z) . Utilizando estas
interpretaciones, la figura 8.12 muestra el DS.
x[ n] y [ n]
+ b0 +
z−1
+ − a1 b1 +
Figura 8.12
Estructura canónica z−1
directa II del DS de
una FTD de orden-
+ − a2 b2 +
El DS de la figura 8.12 se reconoce como estructura canónica Directa II [Oppnheim98],

similar a la forma canónica controlable (FCC) presentada en la figura 6.7 para el diagrama
de estado del sistema en tiempo continuo. A partir del DS de la figura 8.12, es posible
desarrollar el GFS mostrado en la figura 8.13.
x[ n] b0 y [ n]
z −1
− a1 b1
Figura 8.13
Estructura canónica
directa II del GFS de z−1
− a2 b2
una FTD de orden-2.
En la construcción de esta estructura se identifican dos partes: el módulo izquierdo que

representa los lazos de la FGM y el módulo derecho que corresponde a las trayectorias
directas de la FGM.
La simulación digital de la estructura directa de la figura 8.13 se reduce a desarrollar un

algoritmo para la evaluación numérica de la ecuación (7.59). La función filter() del
Toolbox de Señales de MATLAB®, que fue aplicada en el ejemplo 7.13 para la solución
numérica de una EED, utiliza este algoritmo.
Existe una diferencia fundamental en el DS de la figura 8.12 respecto de la figura 8.10, en

el sentido de que no es posible identificar en la salida de un bloque de retardo, las señales
de atraso de la entrada x[ n] y de la salida y[ n] , que sí se pueden lograr en el caso de la

figura 8.10. Sin embargo, los dos diagramas conducen a la misma FTD.
Ejemplo 8.34: Desarrollar el DS en la forma canónica Directa II para el sistema del ejemplo
Forma anterior, cuya FTD es
canónica
directa 1D a
0.5 z
partir de la H ( z) =
FTD. z − z + 0.5
2
Solución: Expresando la FTD en la forma DSP, obtenemos

0.5 z 0.5 z−1 T1Δ 1
H ( z) = = −1 −2
=
z − z + 0.5 1 − z + 0.5 z
2
1 − ( L1 + L2 )
La interpretación de la FGM, sugiere la presencia de 2 lazos L1 = z−1 y

L1 = − 0.5 z−2 , además de una trayectoria directa T1 = 0.5 z−1 , con Δ 1 = 1 .
Utilizando estos resultados, el DS es el siguiente:
x[ n] y [ n]
z−1
0.5
z−1
− 0.5
Estructura canónica por descomposición indirecta de la FTD

Existen otras opciones que se basan en la descomposición indirecta de la FTD, conocidas
como estructura en cascada y estructura en paralelo, similares a las que se presentaron en
la sección 6.4 para el desarrollo del diagrama de estado de un sistema en tiempo continuo.
Estas estructuras utilizan módulos de orden-1 para polos reales y módulos de orden-2 para
polos complejos conjugados, representados en la forma Directa II, y su interpretación
gráfica se muestra en las figuras 8.14 y 8.15.
X ( z) Y ( z)
Figura 8.14 H2(z) H1(z)
Descomposición
indirecta de la FTD
en cascada.
H ( z) = H 1( z) × H 2 ( z)
X(z) + Y(z)
H1(z)
Figura 8.15 +
Descomposición H ( z) = H 1 ( z ) + H 2 ( z )
indirecta de la FTD
en paralelo. H2(z)
Estas estructuras serán referidas nuevamente en el capítulo 11 cuando se desarrolle el

modelo de estado de un sistema en tiempo discreto. Los siguientes ejemplos muestran la
descomposición en cascada y en paralelo, para la descomposición indirecta de la FTD.
Ejemplo 8.35: Desarrollar el DS para la estructura en cascada de un sistema LIT discreto

Forma cuya FTD es
canónica en
cascada a
2( z + 0.2)
partir de la H ( z) =
FTD. ( z − 1)( z2 − 0.5 z + 1)
Solución: Para simular el polo real de H ( z) utilizamos un módulo de orden-1 y para el
polo complejo conjugado un módulo de orden-2. Expresando en forma DSP
2 z + 0.2 2 z−1 z−1 + 0.2 z−2

H ( z) = × = ×
z − 1 z2 − 0.5 z + 1 1 − z−1 1 − 0.5 z−1 + 1z−2
Interpretando la FGM, desarrollamos los módulos de cada componente en la
forma Directa II y los conectamos como lo indica la figura 8.14.
x[ n] 1 1 y [ n]
z−1 z−1
1 2 0.5 1
z−1
−1 0.2
Ejemplo 8.36: Desarrollar el DS para la estructura en paralelo del sistema LIT discreto del
Forma ejemplo 8.35.
canónica en
paralelo a
partir de la
FTD.
Solución: Utilizando el método de fracciones parciales FPD, representando:

2( z + 0.2) 1.6 −1.6 z + 1.2
H ( z) = = +
( z − 1)( z − 0.5 z + 1) z − 1 z2 − 0.5 + 1
2
Para la interpretación de Mason, expresamos H ( z) en la forma DSP:
1.6 z−1 −1.6 z−1 + 1.2 z−2

H ( z) = +
1 − z−1 1 − 0.5 z−1 + z−2
Combinando en paralelo el módulo de orden-1 y el módulo de orden-2:
x[ n] 1 y [ n]
z−1
1 1.6
z −1
0.5 − 1.6
z −1
−1 1.2
Los resultados anteriores se pueden verificar usando MATLAB®:

» nHz=2*[1 0.2]; dHz=conv([1 -1],[1 -0.5 1]);
» [R,p,C]=residue(nHz,dHz)
R = 1.6000 p = 1.0000 C = []
-0.8000 - 0.4131i 0.2500 + 0.9682i
-0.8000 + 0.4131i 0.2500 - 0.9682i
» [nH2z,dH2z]=residue(R(2:3),p(2:3),[])
nH2z = -1.6000 1.2000
nH2z = 1.0000 -0.5000 1.0000
Diagrama de simulación cuando existen polos múltiples

Cuando existen polos múltiples, la descomposición en paralelo de la FTD exige un
tratamiento especial para lograr un modelo en forma canónica. En efecto, considerando el
caso particular en que H ( z) tiene un polo real simple en z = p1 y un polo real doble en
z = p2 , la descomposición FPD daría como resultado:
R1 R R22
H ( z) = + 21 + (8.63)
z − p1 z − p2 ( z − p2 )2
Para desarrollar el DS a partir de (8.63) se requieren 4 elementos de retardo para H ( z)

siendo de orden N = 3 , lo cual conduciría a una estructura no canónica. Una manera
posible de obviar este problema consiste en agrupar las fracciones parciales del polo
múltiple, logrando la descomposición de H ( z) como:
R1 B z + B0
H ( z) = + 1 (8.64)
z − p1 ( z − p2 )2
Los valores de B1 y B0 se pueden obtener sumando las dos fracciones del polo múltiple o
utilizando el método de sustitución propuesto en la sección 8.5. Siguiendo un
procedimiento similar se puede aplicar al caso de polos reales cuya multiplicidad sea
superior a 2. El siguiente ejemplo muestra la aplicación de esta estrategia.
Ejemplo 8.37: Desarrollar la estructura en paralelo para el DS de un sistema LIT discreto

Forma cuya FT es.
canónica en
2( z + 0.2)
paralelo para H ( z) =
polos ( z − 1)2 ( z − 0.4)
Solución: Usando el método de fracciones parciales FPD representamos H ( z) , como:
R1 B z + B0
H ( z) = + 1
z − 0.4 ( z − 1)2
Aplicando (8.30) para calcular R1 y sustitución para B1 y B0 , obtenemos:
10 − 10 22 10 z−1 − 10 −1 22 −2
3 3 z+ 3 3 3 z + 3 z
H ( z) = + = +
z − 0.4 z2 − 2 z + 1 1 − 0.4 z−1 1 − 2 z−1 + z−2
Representando los dos módulos en la forma Directa II, obtenemos:
x[ n] 1 y [ n]
z−1 10
0.4 3
z−1
2 − 10
3
z−1
22
−1 3
El resultado anterior puede verificarse usando MATLAB®:

» nHz=2*[1 0.2]; dHz=poly([1 1 0.4]);
» format rat, [R,p,C]=residue(nHz,dHz)
R = -10/3 p = 1 C = []
4 1
10/3 2/5
» [nH2z,dH2z]=residue(R(1:2),p(1:2),[]), format
nH2z = -10/3 22/3 dHz = 1 -2 1
La descomposición en paralelo de polos múltiples usando (8.64) presenta el inconveniente

de que el DS resultante no contiene todos los polos del sistema, aspecto que puede ser
importante en el análisis y diseño de sistemas de control. Para salvar este inconveniente,
modificamos (8.64) de la siguiente forma:
R1 R R22 R1 z−1 z −1 ⎡ R22 z−1 ⎤

H ( z) = + 21 + = + ⋅ R
⎢ 21 + ⎥ (8.65)
z − p1 z − p2 ( z − p2 )2 1 − p1 z−1 1 − p2 z−1 ⎣ 1 − p2 z−1 ⎦
La parte correspondiente a los polos múltiples se puede representar por la combinación en

cascada de los 2 factores de orden-1 mostrados en (8.65). El siguiente ejemplo muestra la
aplicación de esta estrategia.
Ejemplo 8.38: Desarrollar la estructura en paralelo del sistema LIT discreto del ejemplo
Forma 8.37, preservando la representación de todos los polos del sistema.
canónica en
paralelo
incluyendo
todos los polos
múltiples.
Solución: Utilizando la descomposición en fracciones parciales FPD del ejemplo 8.37:
10 10
3 3 4
H ( z) = − +
z − 0.4 z − 1 ( z − 1)2
Factorizando el término 1/( z − 1) :
1
3 1 ⎡ 10 4 ⎤
H ( z) = − +
z − 0.4 z − 1 ⎣ 3 ( z − 1)2 ⎥⎦
⎢
Expresando en la forma DSP para facilitar la interpretación de Mason:

1 −1
3z z−1 ⎡ 10 4 z−1 ⎤
H ( z) = + − +
1 − 0.4 z −1
1 − z−1 ⎢⎣ 3 1 − z−1 ⎥⎦
El resultado se muestra a continuación

x[ n] 1 y [ n]
z −1
0.4 10 − 103
3
1 1
z −1 z −1
1 1 1 4
RESUMEN
En este capítulo se presentó la transformada Z, como una herramienta fundamental para el

análisis de un sistema LIT en tiempo discreto. Su definición formal se obtuvo al evaluar la
respuesta de un sistema discreto LIT modelado por su respuesta impulso h[ n] , ante una entrada
exponencial compleja. Se identificaron dos versiones de esta definición: la transformada Z
bilateral (TZB), aplicada a señales discretas no causales, y la transformada Z unilateral (TZ)
aplicada a señales causales.
Aplicando estas definiciones de evaluó la transformada Z de secuencias elementales

causales y anticausales, donde la región de convergencia (RC) fue indispensable para garantizar
la diferencia en el resultado final. En este sentido, se demostró que la RC permite garantizar la
unicidad de la relación x[ n] ↔ X ( z) .
Aunque el uso de tablas es una forma conveniente para evaluar la TZ, se comprobó que la
aplicación de propiedades, así como el uso de la matemática simbólica de MATLAB®, pueden
facilitar este trabajo, especialmente en el caso se señales compuestas formadas por la
combinación de señales elementales. Se verificó además la utilidad de los teoremas del valor
inicial y valor final. En este último caso se demostró que el resultado solo es valido solo si la
expresión ( z − 1) X ( z) es analítica, lo cual se consigue si sus polos están dentro del círculo
unitario. Usando el teorema de convolución lineal se facilitó considerablemente la evaluación de
la convolución de dos secuencias finitas o infinitas.
Usando el método de fracciones parciales fue posible evaluar la transformada inversa Z

(TIZ). Se demostró que existen dos estrategias: la descomposición directa (FPD) que conduce a
una solución válida para n ≥ 1 y la descomposición indirecta (FPI) cuya solución es válida para
n ≥ 0 . Se comprobó que el uso de las funciones residue() y residuez() de MATLAB® facilita
RESUMEN, TERMINOS Y CONCEPTOS IMPORTANTES 8 - 67
la evaluación de la descomposición en fracciones parciales. Se verificó además que la TZ facilita

el cálculo de las componentes de la solución de una EED: respuesta natural, respuesta forzada,
respuesta transitoria y respuesta y permanente.
El teorema de residuos permitió establecer un método sistemático para evaluar la

transformada inversa Z (TIZ) de una fracción racional, sin necesidad de recurrir al uso de tablas.
Se verificó su similitud con el método de fracciones parciales y se comprobó que su aplicación
puede dificultarse en el caso de polos múltiples.
Usando la TZ se calculó la respuesta impulso h[ n] de un sistema LIT en reposo, modelado

por su EED. Aplicando el teorema de convolución se desarrolló la función de transferencia
discreta (FTD) H ( z) , como un modelo equivalente del sistema discreto LIT en el dominio-z,
donde se cumple la relación h[ n] ↔ H ( z) . El modelo de FTD fue utilizado para evaluar la
respuesta forzada de un sistema LIT en reposo, reconociendo tres limitaciones en su aplicación:
sistemas LIT, sistemas en reposo y sistema de una entrada y una salida (SISO).
Se demostró que la causalidad y estabilidad de un sistema discreto LIT están asociadas con
la RC de la FTD. Usando este resultado se llegó a la conclusión de que la FTD solo existe si sus
polos están fuera de la RC, enunciado como el principio de causalidad. De modo similar, para
que un sistema sea estable, la RC debe contener el círculo unitario, conocido como el principio
de estabilidad.
Los ejemplos desarrollados con el apoyo de MATLAB, demostraron la versatilidad y

facilidad de uso de este programa en el análisis de la respuesta de los sistemas discretos.
Aprovechando la capacidad de procesador numérico y con base en la relación que existe entre la
FTD y la respuesta impulso, se desarrolló una técnica que permitió evaluar numéricamente la
TIZ, mediante el uso de las funciones impz() y filter() del Toolbox de Señales (TBS). Las
funciones especiales desarrolladas a lo largo del capítulo son solo una muestra de la potencialidad
que ofrece este programa para el análisis y diseño de los sistemas discretos.
Utilizando el concepto de diagramas de bloque (DB), se desarrolló un modelo gráfico para

la representación de la EED de un sistema discreto LIT, reconocido como el diagrama de
simulación (DS). A partir del DS fue posible desarrollar el gráfico de flujo de señales (GFS) al
cual se aplicó la fórmula de ganancia de Mason (FGM), para determinar sistemáticamente la FTD
del sistema. De este modo el DS puede considerarse como el modelo gráfico de la FTD.
Aunque la mayor parte del material desarrollado en este capítulo hizo referencia a señales
y sistemas modelados por secuencias, es posible aplicarlo a sistemas de datos muestreados. Sin
embargo, es necesario analizar con mayor profundidad los aspectos relacionados con el proceso
de muestreo y reconstrucción de una señal continua, los cuales serán tratados en el capítulo 11.
TERMINOS Y CONCEPTOS IMPORTANTES
A continuación se presenta una relación de los términos y conceptos que fueron abordados
en este capítulo y que pueden ser una buena referencia para la evaluación del aprendizaje de los
temas desarrollados.
1. Respuesta de un sistema discreto a una entrada exponencial compleja: función

característica H ( z) .
2. Transformada Z bilateral (TZB): señales no causales.
3. Transformada Z unilateral (TZ): señales causales.
4. Forma general de la región de convergencia (RC): segmento anular.
5. RC equivalente de la combinación lineal de dos secuencias: intersección.
6. TZ de secuencias elementales: impulso, exponencial causal, exponencial anticausal,
escalón discreto y rampa discreta.
7. Tabla de pares de transformadas.
8. TZ de una secuencia anticausal a partir de su causal equivalente.
9. TZ usando matemática simbólica de MATLAB®: función ztrans().
10. Propiedades de la TZ: facilitar evaluación de la TZ en señales compuestas.
11. Propiedad de desplazamiento real: muestras hacia adelante y muestras hacia atrás.
12. Propiedad de reflexión real: TZ de una señal anticausal.
13. Propiedad de escalamiento complejo: multiplicación por a n .
14. Propiedad de multiplicación por n: derivada respecto de z.
15. Teorema del valor inicial: evaluación de x[0] a partir de X ( z) .
16. Teorema del valor final: evaluación de x[ ∞] a partir de X ( z) . Condición para que el
resultado sea válido: ( z − 1) X ( z) debe ser analítica.
17. Teorema de convolución: convolución de señales discretas desde el dominio-z.
18. Métodos para evaluar la transformada inversa Z (TIZ): desarrollo en serie de potencias,
fracciones parciales directo (FPD) e indirecto (FPI), y teorema de residuos.
19. Diferencia fundamental entre los métodos FPD y FPI.
20. TIZ usando MATLAB®: funciones residue() y residuez(). Matemática simbólica:
función iztrans().
21. Teorema de residuos: evaluación de la TIZ sin recurrir a tablas.
22. Solución de una EED hacia adelante usando TZ. Condiciones iniciales: y[0], y[1], ...
23. Solución de una EED hacia atrás usando TZ. Condiciones iniciales: ..., y[ −2], y[ −1]
24. Componentes de la solución usando TZ: respuesta natural y respuesta forzada.
RESUMEN, TERMINOS Y CONCEPTOS IMPORTANTES 8 - 69
25. Respuesta transitoria y respuesta permanente.

26. Respuesta permanente: estabilidad y teorema del valor final.
27. Polinomio del numerador de la respuesta natural: vector de condiciones iniciales xci
requerido en filter().
28. TZ para evaluar la respuesta impulso como solución de la EED: x[ n] = δ[ n] .
29. Convolución lineal discreta en el dominio-z: función de transferencia discreta (FTD).
30. Definición de la FTD: H ( z) = Z{h[ n]} .
31. Limitaciones en la aplicación del modelo de FTD: sistemas LIT, en reposo y SISO.
32. Principio de causalidad: para que existe H ( z) sus polos deben estar fuera de la RC.
33. Principio de estabilidad: para que un sistema LIT sea estable, la RC de H ( z) debe
incluir el círculo unitario.
34. Evaluación numérica de la TIZ: funciones impz() y filter().
35. Elementos básicos de un diagrama de simulación (DS) de un sistema discreto.
36. DS a partir de la EED. Forma no canónica.
37. DS a partir de la FTD: forma canónica controlable y forma canónica observable.
38. DS por descomposición de la FTD: cascada y paralelo.
39. Modificación del DS cuando existen polos múltiples.
PROBLEMAS DE REFUERZO
Definición de la transformada Z
P8.1 Utilizando la definición y las series geométricas del apéndice A, obtenga la forma cerrada
de la TZ de las siguientes secuencias finitas. Exprese cada resultado como una fracción
racional en la forma estándar y verifíquelo usando matemática simbólica de MATLAB®.
a. x1[ n] = u[ n − 2] − u[ n − 6]
b. x2 [ n] = 3 ⋅ ( u[ n] − u[ n − 5]) + 5 ⋅ ( u[ n − 2] − u[ n − 4])
P8.2 Utilizando las funciones especiales impud() y escad() de MATLAB® genere las siguientes
señales y utilice la forma de desarrollo en serie de potencias z, para obtener la TZ. Exprese
cada resultado como una fracción racional en la forma estándar.
a. x1[ n] = 3δ[ n] − δ[ n − 2] + 2δ[ n − 4] − 5δ[ n − 8]

b. x2 [ n] = n ⋅ ( u[ n] − u[ n − 5]) + ( u[ n − 2] − u[ n − 4])
P8.3 Utilizando la definición verifique las transformadas T4 y T11 de la tabla 8.2.

Sugerencias: En T4 use desarrollo en serie de potencias. En T11 use la identidad de Euler.
Propiedades y teoremas para evaluar la TZ

P8.4 Utilice tablas y propiedades para obtener la TZ de las siguientes señales discretas. Verifique
su resultado usando matemática simbólica de MATLAB®.
a. x[ n] = (0.5)n u[ n − 2] + n ⋅ (0.2)n u[ n − 5]
b. y[ n] = (0.25)n cos[( n − 1) π2 )u[ n]
Verifique el resultado usando matemática simbólica de MATLAB®.

P8.5 Utilizando la definición de la TZ, desarrolle una expresión que generalice el teorema del
valor inicial, para calcular el valor de x[1] de una secuencia causal x[ n] , a partir de X ( z) .
Calcule y[1] en la siguiente expresión y verifique su resultado usando tzserie().
2 z 3 + 6 z2
X ( z) = 3
4 z − 2 z + 13
P8.6 Calcule x[0] para la secuencia x[ n] , asumiendo que es cero para n > 0 y su TZ es:
5z + 1
X ( z) =
z + 2 z − 0.5
2
Sugerencia: Utilice el desarrollo en serie de potencia de la TZB.

P8.7 Dada la siguiente función
0.2 z3 − 1.8 z
Y ( z) =
z 3 − 2 z2 + 2 z − 1
a. Usando la función zplane() del TBS, obtenga el diagrama de polos y ceros de
( z − 1)Y ( z) , para verificar si es analítica o no.
b. Utilizando la función especial tzserie() obtenga las primeras 5 muestras de Y ( z) .
c. Verifique el valor de y(0) aplicando el teorema del valor inicial.
d. Obtenga el valor de y( ∞ ) aplicando el teorema del valor final. De acuerdo con la
gráfica obtenida en a. ¿es válido este resultado?
e. Verifique el resultado de c. y b. utilizando matemática simbólica.
P8.8 Dadas las siguientes señales causales:

x1[n] x2[n]
2 2
Figura P8.9 …
1 2 3 4 n 1 2 3 4 n
PROBLEMAS DE REFUERZO 8 - 71
a. Utilizando el método directo obtenga la expresión analítica de x1[ n] .

b. Verifique gráficamente el resultado de a. y b.
c. Aplicando propiedades de la TZ, obtenga X1( z) y X2 ( z) .
d. Repita la parte c. considerando que x1[ n] y x2 [ n] son secuencias finitas.
e. Verifique el resultado de c. utilizando matemática simbólica a partir de las expresiones
analíticas obtenidas en a.
Transformada inversa Z (TIZ)
P8.9 Utilizando el método directo de fracciones parciales FPD, obtenga la TIZ de las siguientes
señales discretas causales. Verifique el resultado de las fracciones parciales usando
®
residue() y evalúe numéricamente la TIZ usando filter() de MATLAB .
0.5 z 0.5 z
a. X1( z) = b. X2 ( z) =
( z − 1)( z − 0.6) ( z − 1)2 ( z − 0.6)
0.5 z 0.5( z + 1)
c. X2 ( z) = d. X4 ( z) =
( z − 1)( z2 − z + 1) ( z − 0.5)( z + 0.5)( z − 0.25)
Sugerencias: En el caso de polos múltiples utilice el método de sustitución. Cuando se

trate de polos complejos conjugados expréselos en forma exponencial.
P8.10 Repita el problema P8.10 utilizando el método de fracciones parciales indirecto FPI.
Verifique el resultado de las fracciones parciales usando residuez() y la forma analítica
de la TIZ utilizando la función especial tizsym().
P8.11 Evalúe numéricamente el resultado de los problemas P8.10 y P8.11, para demostrar que
las soluciones analíticas obtenidas por los métodos FPD y FPI son equivalentes.
P8.12 Repita el problema P8.10 utilizando el método de residuos. Compare el resultado con las
expresiones obtenidas en el problema P.8.11.
P8.13 Utilice la propiedad de la derivada para obtener la TIZ de las siguientes expresiones:
a. X1( z) = ln(1 − 2 z), z < ½ b. X2 ( z) = ln(1 − 21 z−1 ), z > 1
2
Solución de ecuaciones en diferencias (EED) usando la TZ

P8.14 Utilizando la TZ obtenga la solución de la siguiente EED. Compare y comente el
resultado con el problema P7.21.

Capitulo 8

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capitulo 8

Cargado por

Copyright:

Formatos disponibles

SISTEMAS DISCRETOS

En el capítulo 7 se desarrollaron métodos clásicos para el análisis de señales y sistemas

Los métodos de transformación ofrecen ventajas respecto de los métodos de análisis en el

Usando la TZ se determinará la respuesta de sistemas discretos excitados por secuencias.

8.1 DEFINICIÓN DE LA TRANSFORMADA Z

Respuesta de un sistema LIT discreto a una secuencia exponencial compleja

Si representamos el término de la sumatoria, como

Ejemplo 8.1: Obtener la respuesta forzada de un sistema discreto estable y causal,

x[ n] = 2.5 ( e j π n / 3 + e− j π n / 3 ) = 2.5 ( e j π / 3 ) + 2.5 ( e− j π / 3 ) = 2.5 z1n + 2.5 z2n

donde, z1 = e j π / 3 y z2 = e− j π / 3 , conocidos como valores característicos. Usando

y RF [ n] = 2.5 H ( z1 ) z1n + 2.5 H ( z2 ) z2n

Usando la serie geométrica del apéndice A.3, obtenemos

La expresión 0.8 z−1 < 1 establece el rango de valores de z que garantizan la

Sustituyendo en la expresión anterior de y RF [ n] , obtenemos

y RF [ n] = 2.5(1.0911)e− j 0.8571 e j n π / 3 + 2.5(1.0911)e j 0.8571 e− j n π / 3

La expresión (8.1) se reconoce como la transformada Z bilateral (TZB) de h[ n] y puede

donde z es una variable compleja de la forma z = x + jy = r θ , cuyos valores están

Desarrollando la sumatoria en (8.3), X ( z) puede expresarse como

X ( z) = + x[ −2] z2 + x[ −1] z1 + x[0] + x[1] z−1 + x[2] z−2 + (8.5)

Cuando la secuencia x[ n] es causal, solo existe para n ≥ 0 y la sumatoria en (8.3) se

que se reconoce como la transformada Z unilateral (TZU) o simplemente la transforma Z

Ejemplo 8.2: Dada la siguiente transformada Z,

Solución: De acuerdo con (8.5) la forma de X ( z) corresponde a una secuencia x[ n] no

Ejemplo 8.3: Obtener la transformada Z de las siguientes secuencias

Solución: Aplicando la TZU (8.6) a la secuencia causal x1[ n] , obtenemos

La forma cerrada de X1( z) se logra aplicando la serie geométrica 1 del

De modo similar, usando la TZB (8.3) para la secuencia anticausal x2 [ n]

Haciendo el cambio de variable n = − m

Forma general de la región de convergencia de la TZ

La función x[ n] se reconoce como la transformada Z inversa de X ( z) y se evalúa

Como se demostrará más adelante, la forma general de la variable compleja es

La ecuación (8.9) se reconoce como la transformada de Fourier en tiempo discreto

8.2 TRANSFORMADA Z DE SECUENCIAS ELEMENTALES

Secuencia impulso unitario

El resultado anterior es independiente de z y por lo tanto la TZ converge para todos los

Secuencia exponencial causal

RC de una secuencia causal RC de una secuencia anti-causal

Secuencia exponencial anticausal

Se observa que el resultado es prácticamente el mismo obtenido en (8.11). Sin embargo la

Secuencia escalón unitario

Aplicando (8.11) para a = e± j Ω , obtenemos

Considerando que la RC resultante es la intersección de las dos componentes

Tabla 8.1 – Transformada Z de secuencias elementales

8.3 EVALUACIÓN DE LA TRANSFORMADA Z

Tablas de pares de transformadas

Tabla 8.2 – Pares de transformadas causales

TZ de una secuencias anticausal a partir de su causal equivalente

Efectuando el cambio de variable n = − m

X a ( z) = Xce ( z) z= z−1 (8.16)

En este paso, al cambiar u[ n − 1] por u[ n] es necesario restar la muestra en n = 0 .

Ejemplo 8.4: Obtener la TZ de la señal discreta no causal

xce [ n] = (0.5)n u[ n − 1] = (0.5)n u[ n] − (0.5)0 δ[ n] = (0.5)n u[ n] − δ[ n]

Finalmente utilizamos la transformación (8.16),

8.4 PROPIEDADES Y TEOREMAS DE LA TRANSFORMADA Z

P2. Desplazamiento real

Efectuando el cambio de variable m = n − k , obtenemos

En caso de adelanto de k muestras

La figura 8.3 muestra la interpretación gráfica de la propiedad de desplazamiento real en

En el caso de adelanto de 1 muestra, la expresión analítica es x[ n + 1] u[ n] , donde el

Una forma de evitar la pérdida de muestras, es utilizar la expresión x[ n + k] u[ n + k] tal

evaluando X ( z) en el intervalo ( −∞, ∞ ) . Sin embargo, como se mencionó anteriormente, en

Ejemplo 8.5: Asumiendo x[ n] = a u[ n] , calcular la TZ de

P3. Reflexión real y señal anticausal