BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA

FACULTAD DE CIENCIAS DE LA ELECTRÓNICA

MÉTODOS MATEMÁTICOS PARA SISTEMAS LINEALES

“TRANSFORMADA Z”

Presentan:
CONTRERAS GONZALEZ FERNANDO
MORA ITA ERICK
PEREZ ALVARADO VICTOR MANUEL
TELLEZ RIVERA DANIEL OMAR

PROF: DR. ESTEBAN MOLINA FLORES

PUEBLA, PUE. PRIMAVERA 2018

1
Contenido:

1.-Definiciones
1.1.- Señal discreta……………………………………………………………………………3
1.2.-Sistema LTI discreto……………………………………………………………………..4
1.3.-Series Convergentes Infinitas…………………………………………………………..5
2.- ¿Qué es la transformada Z?.........................................................................................6
3.- Deducción de la transformada Z……………………………………………………………7
4.- Propiedades de la transformada Z………………………………………………………....8
5.- Demostraciones de funciones discretas……………………………………………….…10
6.- ¿Qué es la ROC?..................................................................................... ..................16
7.- Importancia de cada una de las propiedades de la ROC……………………………….17
8.- Ejemplos de sistemas discretos……………………………………………………………18
9.- Ejercicios resueltos de la transformada Z…………………………………….…………..21
10.- Describa el proceso de convolución discreta……………………………….…………..26
11.- Conclusión grupal………………………………………………………………………….27
12.- Referencias y sitios de internet…………………………………………………………..28

2
1.1.-Señal Discreta:
Una señal en tiempo discreto x(n) es una función de una variable independiente entera.
Gráficamente se representa como en la Figura de abajo. es importante destacar que una señal
en tiempo discreto no está definida para instantes entre dos muestras sucesivas. Igualmente
es incorrecto pensar que x(n) es igual a cero si n no es un entero, simplemente la señal x(n)
no está definida para valores no enteros de n.

Además de la representación gráfica de una señal en tiempo discreto o

secuencia como se ilustra en la Figura 2. existen otras representaciones
alternativas que para fines de manipulación matemática. Los formatos más
convenientes a utilizar son:

a) Representación funcional

b) Representación tabular

c) Representación como secuencia. Una señal de duración infinita con el origen de tiempo
(n= 0) indicado por una flecha se representa como

3
 1.2.-Sistema LTI Discreto:
Un sistema LTI (Linear Time-Invariant) o sistema lineal e invariante en el tiempo, es aquel
que, como su propio nombre indica, cumple las propiedades de linealidad e invarianza en el
tiempo.
La dinámica de los sistemas LTI se representan mediante ecuaciones en diferencias lineales
y de coeficientes constantes.

Una forma de representar sistemas LTI discretos es mediante diagramas de bloques. Estos
facilitan la interpretación de su comportamiento en forma gráfica.

4
Ejemplo: diagrama de bloques del sistema y[n] = 3x[n] + 5x[n-1] -2y[n-1]

1.3.-Series Convergentes Infinitas y Semi-infinitas

Una serie es una sucesión de elementos que, ordenados, mantienen un cierto vínculo entre sí.
La noción de infinito, por su parte, se vincula a aquello que carece de fin.

Una serie infinita, por lo tanto, es una seguidilla de unidades que no tiene final. El concepto
opuesto es el de serie finita, que se caracteriza por finalizar en un determinado momento.

Podemos comprender la noción de serie infinita si pensamos en ciertas series numéricas.

Tomemos el caso de la serie numérica compuesta por los números múltiplos de 2. Dicha serie
es una serie infinita ya que los números múltiplos de 2 son infinitos: 0, 2, 4, 6, 8, 10, 12…

Puede entenderse a las series como conjuntos. La serie numérica de números positivos
impares menores a 10, en este sentido, es el conjunto que incluye los números 1, 3, 5, 7 y
9. Como se puede advertir, se trata de una serie finita. En cambio, si quisiéramos hacer
referencia a la serie de números impares, será una serie infinita: un conjunto con
componentes infinitos.

Dado que los números son infinitos, podemos enumerar todo tipo de series numéricas
infinitas. Incluso es posible considerar series infinitas descendentes: por ejemplo, si
mencionamos la serie compuesta por los números menores a 1: 0, -1, -2, -3, -4, -5, -6…

Además de todo lo expuesto, no podemos pasar por alto el hecho de que son muchos y
diversos los tipos de series infinitas que existen. No obstante, entre los más significativas
podemos destacar, por ejemplo, a los siguientes:

•Serie armónica.

5
• Serie geométrica. Bajo esta denominación se halla, por ejemplo, una serie de tipo infinito
que se caracteriza por el hecho de que cada término se obtiene a partir de lo que es la
multiplicación del término anterior por una constante determinada.

• Serie convergente. A la hora de poder determinar si una serie infinita es convergente o no,
se puede recurrir al uso de variadas herramientas. En concreto, entre las más habituales están
las p-series, que son sumatorias de funciones; el teorema de las series geométricas, el criterio
de comparación directa, el criterio de comparación por paso del límite del cociente, el criterio
de la integral de Cauchy, el criterio de d´Alembert y el criterio de Leibniz, entre otras muchas.

Lo habitual es que, en el ámbito de las matemáticas, las series infinitas surjan a partir de
diferentes algoritmos, fórmulas o reglas. De este modo las series infinitas pueden servir para
la representación de funciones.

2.- ¿Qué es la transformada Z?

la transformada Z convierte una señal real o compleja definida en el dominio del tiempo
discreto en una representación en el dominio de la frecuencia compleja.

El nombre de transformada Z procede de la variable del dominio, al igual que se podría llamar
"Transformada S" a la Transformada de Laplace. Un nombre más adecuado para la TZ podría
haber sido "Transformada de Laurent", ya que está basada en la serie de Laurent. La TZ es a
las señales de tiempo discreto lo mismo que Laplace a las señales de tiempo continuo.

Para una secuencia general x[n] =... x[-2], x[-1], x[0], x[1], x[2], ... la transformada z , X(z) de
x[n] se define como:

6
3.- Deducción de la Transformada Z

También podemos deducir la transformada z mediante un argumento de función propia y

valor propio asociado.

Sea la secuencia aplicada a la entrada de un sistema caracterizado por su respuesta

al impulso h[n], la salida y[n] se obtiene mediante la convolución:

Donde se puede considerar como una función propia y como el valor propio
asociado que corresponde con la transformada z de la respuesta al impulso del sistema.

función propia ® zn =valor propio ® = transformada z

de la respuesta impulsional del sistema.

Sólo se tratarán secuencias causales para las que x[n] = 0 para n < 0, sin contribuir al
sumatorio la historia anterior a n=0, de manera que la suma se pueda realizar a partir de n=0:

en este caso se dice que la transformada z es unilateral.

Así la transformada z es una serie de potencias de z-1 cuyos coeficientes son los valores de
las muestras de la secuencia x[n]. Por ejemplo, la transformada z de la secuencia finita: x[n]
= 3, 2, 1, 0, 0, 0, 0, ... es simplemente la suma: X(z) = 3 z0 + 2 z-1 + z-2 que, como zo=1,
puede escribirse como: X(z) = 3 + 2 z-1 + z-2

7
4.- Propiedades de la Transformada Z

4.1.- Linealidad. Si X1[n] y X2[n] son dos secuencias discretas con transformadas X[Z] y
X2[Z], entonces:

Z(a1X1[n]+a2X2[n])=a1X1[Z]+a2X2[Z] siendo a1 y a2 constantes arbitrarias.

4.2.- Desplazamiento temporal. Sea X[n] una secuencia causal con transformada X[Z].
Entonces, dado cualquier entero n0>0, se tiene :

Simultáneamente, se puede demostrar que

4.3.-Multiplicación por an. Si X[Z] es la transformada Z de X[n], entonces la

transformada Z de anX[n] está dada por X[a-1Z].

En los teoremas anteriores, estamos suponiendo que X[n]=0 para n<0.

4.4.- Diferenciación con respecto a Z. Si se deriva la expresión

que es la transformada Z de una secuencia causal X[n], respecto a Z se tiene:

8
De la expresión anterior se deduce que:

Se puede demostrar, derivando sucesivamente, que:

4.5.- Convolución. La convolución de dos secuencias causales X[n] y y[n] no es más que
el producto normal de las transformadas Z de ambas secuencias, es decir,
X[n]*y[n]=X[Z]y[Z] En particular, si X[n] es la entrada de un sistema lineal invariante con
el tiempo y h[n] es la respuesta al impulso, entonces se tendrá que:

Z[X[n]*h[n]]=y[Z]=X[Z]H[Z]

donde H[Z] es la transformada de h[n]. Para obtener la salida y[n] bastará hallar la
transformada inversa de y[Z] .

4.6.- Teorema del Valor inicial. Dada una secuencia causal X[n] se tiene que

Desarrollando la sumatoria, se tiene que

X[Z]=X [0]+X [1]Z-1+ ... +X[n]Z-n

Se puede observar que cuando Z tiende a infinito, Z-n tiende a cero para todo n, por tanto,

9
4.7.- Teorema del Valor final. Sea X[n] una secuencia causal. El valor final de X[n], esto
es, el valor de X[n] a medida que n tiende a infinito se puede dar por la siguiente expresión:

Siempre que el valor final exista, o sea que exista X[n] cuando n tiende a infinito.

5.- Demostraciones de Funciones Discretas:

Demostración 1:

10
Demostración 2:

11
Demostración 3:

12
Demostración 4:

13
Demostración 5:

14
Demostración 6:

15
6.- ¿Qué es la ROC?

una curva ROC (acrónimo de Receiver Operating Characteristic, o Característica Operativa

del Receptor) es una representación gráfica de la sensibilidad frente a la especificidad para
un sistema clasificador binario según se varía el umbral de discriminación. Otra
interpretación de este gráfico es la representación de la razón o ratio de verdaderos positivos
(VPR = Razón de Verdaderos Positivos) frente a la razón o ratio de falsos positivos (FPR =
Razón de Falsos Positivos) también según se varía el umbral de discriminación (valor a partir
del cual decidimos que un caso es un positivo). ROC también puede significar Relative
Operating Characteristic (Característica Operativa Relativa) porque es una comparación de
dos características operativas (VPR y FPR) según cambiamos el umbral para la decisión. En
español es preferible mantener el acrónimo inglés, aunque es posible encontrar el equivalente
español COR. No se suele utilizar ROC aislado, debemos decir “curva ROC” o “análisis
ROC”

16
7.-Importancia de cada una de las propiedades de la ROC

La curva ROC se puede usar para generar estadísticos que resumen el rendimiento (o la
efectividad, en su más amplio sentido) del clasificador. A continuación se proporcionan
algunos:

• El punto de inserción de la curva ROC con la línea convexa a la línea de

discriminación.
• El área entre la curva ROC y la línea de convexo-paralela discriminación.
• El área bajo la curva ROC, llamada comúnmente AUC (Área Bajo la Curva).
También se puede encontrar denominada A' (“a-prima”),4 o el estadístico 'c' (c-
statistic).
• Índice de sensibilidad o d' (d-prima, por cierto siempre minúscula). Es la distancia
entre la media de la distribución de actividad en el sistema bajo condiciones de sólo
ruido y su distribución bajo condiciones de sólo señal, dividido por su desviación
típica, bajo el supuesto de que ambas distribuciones son normales con la misma
desviación típica. Bajo estos supuestos, se puede probar que la forma de la curva ROC
sólo depende de este parámetro d'.

El indicador más utilizado en muchos contextos es el área bajo la curva ROC o AUC. Este
índice se puede interpretar como la probabilidad de que un clasificador ordenará o puntuará
una instancia positiva elegida aleatoriamente más alta que una negativa. Se puede demostrar
que el área bajo la curva ROC es equivalente a la Prueba de Mann-Whitney, una prueba no
paramétrica aplicada a dos muestras independientes, cuyos datos han sido medidos al menos
en una escala de nivel ordinal. Se trata de una prueba estadística virtualmente idéntica a la
realización de una prueba paramétrica ordinaria T de dos muestras en los datos después de
haber ordenado las muestras combinadas. Es también equivalente a la Prueba de los signos
de Wilcoxon. También se ha demostrado la relación del área bajo la curva ROC con el
Coeficiente de Gini, con la siguiente fórmula G1 + 1 = 2xAUC, donde:

Curvas ROC para pruebas diagnósticas:

Para la elección entre dos pruebas diagnósticas distintas, se recurre a las curvas ROC, ya
que es una medida global e independiente del punto de corte. Por esto, en el ámbito
sanitario, las curvas ROC también se denominan curvas de rendimiento diagnóstico.

La elección se realiza mediante la comparación del área bajo la curva (AUC) de ambas
pruebas. Esta área posee un valor comprendido entre 0,5 y 1, donde 1 representa un valor
diagnóstico perfecto y 0,5 es una prueba sin capacidad discriminatoria diagnóstica. Es
decir, si AUC para una prueba diagnóstica es 0,8 significa que existe un 80% de
17
probabilidad de que el diagnóstico realizado a un enfermo sea más correcto que el de una
persona sana escogida al azar. Por esto, siempre se elige la prueba diagnóstica que presente
un mayor área bajo la curva.

A modo de guía para interpretar las curvas ROC se han establecido los siguientes intervalos
para los valores de AUC:

[0.5]: Es como lanzar una moneda.

[0.5, 0.6): Test malo.

[0.6, 0.75): Test regular.

[0.75, 0.9): Test bueno.

[0.9, 0.97): Test muy bueno.

[0.97, 1): Test excelente.

8.-Ejemplos de Sistemas Discretos

El producto de salida se obtiene a través de una serie de operaciones, muchas de ellas con
gran similitud entre si. La materia prima sobre la que se trabaja es habitualmente un elemento
discreto que se trabaja de forma individual.

18
Un ejemplo de proceso discreto es la fabricación de una pieza metálica rectangular con dos
taladros. El proceso para obtener la pieza terminada puede descomponerse en una serie de
estado que han de realizarse secuencialmente, de forma que para realizar un estado
determinado es necesario que se hayan realizado correctamente los anteriores. Para el
ejemplo propuesto estos estados son:

o Corte de la pieza rectangular con unas dimensiones determinadas, a partir de una

barra que alimenta la sierra.
o transporte de la pieza rectangular a la base del taladro.
o realizar el taladro A.
o realizar taladro

B.

o evacuar pieza.

Cada uno de estos estados supone a su vez una serie de activaciones y desactivaciones de los
actuadores (motores y cilindros neumáticos) que se producirán en función de:

o Los sensores (sensores de posición situados sobre la cámara de los cilindros y

contactos auxiliares situados en los contactores que activan los motores eléctricos).
o Variables que indican que se ha realizado el estado anterior.

Una cinta transportadora de un supermercado o una máquina que fabrique cápsulas de

café, serían procesos industriales discretos.

En el primer ejemplo, arrancaríamos la cinta dependiendo de si ha llegado un cliente o no,

de la cantidad de productos que haya en la cinta transportadora y vayamos despachando o en
el segundo ejemplo, si necesito incorporar un tercer turno nocturno de producción o quitarlo.
Más complejo, aunque dentro de este marco de proceso discreto entraría la industria del
automóvil. En definitiva, los procesos discretos se pueden parar fácilmente sin consecuencias
graves.

19
Embotelladora:

Confección textil:

20
9.- Ejercicios Resueltos de la Transformada Z.

21
4

22
5

23
6

24
 8

Problema 9:

Obtenga la transformada z de la siguiente función donde a es una constante. Grafique y

compare en Matlab la función en tiempo continuo y la función en tiempo discreto.

Distribuyendo, tenemos

Luego, por la transformada del escalón y la propiedad lineal de la transformada z,

25
10.-Describa el proceso de convolución Discreta

Cuando se trata de hacer un procesamiento digital de señal no tiene sentido hablar de

convoluciones aplicando estrictamente la definición ya que solo se dispone de valores en
instantes discretos de tiempo. Es necesario, pues, una aproximación numérica. Para realizar
la convolución entre dos señales, se evaluará el área de la función: 𝑥(𝜏) ∗ ℎ(𝑡 − 𝜏). Para ello,
se dispone de muestreos de ambas señales en los instantes de tiempo 𝑛𝑡 , a la que se llamará
𝑥[𝑘]𝑦 ℎ[𝑛 − 𝑘] (donde n y k son enteros). El área es, por tanto:

La convolución discreta se determina por un intervalo de muestreo t=1:

Propiedades:

26
11.- Conclusión Grupal:

Hoy día, las telecomunicaciones parecen consolidarse como un fenómeno que se incrementa
en el tiempo; con los días son más y más las aplicaciones que se generan de los conocimientos
teóricos en una práctica moderna, científica-experimental que resulta sorprendente.
Constituye así un conjunto ordenado de todos los conocimientos usados en la producción,
distribución y uso de bienes y servicios. De tal manera que, representa un conocimiento que
permite satisfacer las necesidades del ser humano, a través de técnicas que si se quieren
pueden ser consideradas como nuevas. Nuevas, porque en lo sustancial han aparecido y sobre
todo se han perfeccionado, difundido y asimilado.

De esta forma las transformadas Z, se convierten en una excelente técnica la cual, a pesar de
tener su sustento teórico práctico definido, como consecuencia de la tecnología se reinventa
para aplicarse, en este caso particular a una de las necesidades humanas fundamentales, que
es la comunicación, y dentro del contexto tecnológico a las telecomunicaciones. Cabe
destacar, que las telecomunicaciones obedecen a un sistema de comunicación que incluye
equipos electrónicos e inclusive la manipulación de señales digitales, las cuales vienen
compuestas por unos parámetros discretos

Finalmente, se pueden relacionar este proceso, con la telefonía móvil, con un RADAR, o con
la operación de diversos equipos, entre otros, cuando estos poseen o manipulan señales, como
un factor de entrada y salida.

27
12.- Referencias y Sitios de Internet:

Tratamiento de señales en tiempo discreto, 3ra edición; Alan V. Oppenheim, Ronald W.

Schafer; Editorial Pearson

Señales y Sistemas Serie Schaum, 2da edicion; Hwei P. Hsu; editorial McGraw Hill

Señales y Sistemas. Modelos y comportamiento, 2da edicion; M.L. Meade y C.R. Dillon;
editorial Addison-Wesley Iberoamericana.

https://temasdecalculo2.wordpress.com/2018/03/28/1-11-algunos-problemas-resueltos-
utilizando-la-transformada-z-control-digital/

https://sites.google.com/site/automatizacionycontrol2/automatizacion/procesos

https://definicion.de/serie-infinita/

https://www.ugr.es/~cdpye/CursoProbabilidad/pdf/P_T07_CaracterizacionDiscreta.pdf

http://www.ehu.eus/Procesadodesenales/tema4/t82.htm

https://es.wikipedia.org/wiki/

https://es.slideshare.net/emy20342/series-infinitas-8557809

http://www.fimee.ugto.mx/profesores/ljavier/documentos/Lec02%20-
%20Se%C3%B1ales%20%20en%20Tiempo%20Discreto.pdf

http://pds-fiuner.wdfiles.com/local--files/descargas/08_sistemas.pdf

28