Mod Sim Discretos

Modelado y Simulación de Sistemas Discretos
Ingeniería Electrónica de Comunicaciones
Eva Besada Portas
Departamento de Arquitectura de Computadores y Automática.

Universidad Complutense de Madrid
Curso 2020-2021
Eva Besada Portas (DACYA. UCM) Sistemas Lineales Modelar & Simular Discretos 1 / 57
Esquema
1 Objetivos
2 Ecuaciones en Diferencias
3 Función de Transferencia (FT)
4 Función Ponderatriz
5 Respuesta genérica del sistema
6 Operaciones con Matlab
Objetivos del tema
Los objetivos de este tema son estudiar:

Diferentes herramientas de modelado de sistemas discretos:
ecuaciones en diferencias y la función de transferencia
Transformaciones entre ambos tipos modelos: transformada Z
El cálculo de la respuesta de un sistema a una entrada partir de:
◮ La función de transferencia y las condiciones iniciales
◮ La función ponderatriz y la convolución
Herramientas de Matlab para el modelado y la simulación de
sistemas LTI discretos
Esquema
1 Objetivos
Ejemplos No Lineales
Ejemplos Lineales
Ecuaciones en Diferencias I
La evolución de algunos sistemas se describe de forma mas
natural de forma discontinua o discreta (en vez de continua). En
dichos casos:
Las señales de entrada y las señales de salida se especifican
en unos instantes de tiempo determinados que podemos
asociar con los números enteros (u(n), y (n) con
n = 1, 2, ..., N).
La evolucion se representa como la variación o diferencias
que se da entre las señales en instantes de tiempo sucesivos.
Las ecuaciones en diferencias establecen las diferencias entre
diferentes señales en distintos instantes de tiempo n, por lo que
son la herramienta de modelado más utilizadas para representar
los sistemas dinámicos cuyas señales evolucionan de forma
discreta con el tiempo. Serán la técnica de modelado básico de los
sistemas discretos.
Ecuaciones en Diferencias II
   
u1 (n) y1 (n)
 u2 (n)  u(n) y(n)  y2 (n) 
   
 ..  h (y(n), y(n−1), ..., y(n−R), u(n), u(n−1), ..., u(n−R)) = 0  .. 
 .   . 
uM (n) yP (n)
De forma genérica consideramos un modelo dinámico representado

representado mediante una ecuación en diferencias de orden R
h (y(n), y(n − 1), ..., y(n − R), u(n), u(n − 1), ..., u(n − R)) = 0
con:
M entradas, representadas mediante el vector de entrada
u(n) = [u1 (n), u2 (n), ..., uM (n)]T
P salidas, representadas mediante el vector de salida
y(n) = [y1 (n), y2 (n), ..., yP (n)]T
hj (y(n), y(n − 1), ..., y(n − R), u(n), u(n − 1), ..., u(n − R)) = 0
ecuaciones lineales o no lineales.
Ecuaciones en Diferencias vs. ODE
En el caso discreto:
   
u1 (n) y1 (n)
 u2 (n)  u(n) y(n)  y2 (n) 
   
 ..  h (y(n), y(n−1), ..., y(n−R), u(n), u(n−1), ..., u(n−R)) = 0  .. 
 .   . 
uM (n) yP (n)
En el caso continuo:
   
u1 (t) y1 (t)
 u2 (t)  u(t) y(t)  y2 (t) 
   
 ..  h y(t), y ′ (t), ..., y (R) (t), u(t), u ′ (t), ..., u (R) (t) = 0  .. 
 .   . 
uM (t) yP (t)
Normalmente, a la hora de discretizar un sistema, no es suficiente

con sustituir las variables. En otras palabras, las h(·) suelen ser
diferentes.
Esquema
1 Objetivos
Ejemplos Lineales
Ejemplo ecuaciones en diferencias 1
Ejemplo 1: Ecuación logística discreta
Describe la evolución de la ‘densidad’ de N(n+1) = N(n)+

una población x(k) entre dos periodos (a−b N(n)) N(n)
(mes, año,...) sucesivos, teniendo en R =1+a
cuenta que el numero de nacimientos y b
x (n) = R N(n)
muertes estan ligados a a las
condiciones del entorno o habitat por un
parametro R. Cuando 0 < R < 4, se
cumple que 0 ≤ x(k) ≤ 1
x(n + 1) − R x(n) (1 − x(n)) = 0
Es un sistema dinámico discreto no lineal de primer orden

autónomo
Ejemplo ecuacion en diferencias 2

Ejemplo 2: Modelo de depredadores y presas de Volterra-Lotka
Es un modelo similar al que vimos en el caso continuo, pero aqui
se modela la variación con una periodicidad anual del número de
presas x1 (n) y de depredadoras x2 (n):
x1 (n + 1) = ox1 (n) − qx1 (n)x2 (n)
x2 (n + 1) = −px2 (n) + rx1 (n)x2 (n)
o > 0: ritmo de nacimiento q > 0: iteracción que modela el

presas, función de la cantidad de ritmo de depredación
comida de la que disponen. r > 0: iteracción que modela el
crecimiento de depredadores
p > 0: ritmo de muerte
debido a la existencia de presas
depredadores.
Es un sistema dinámico discreto autónomo no lineal modelado con
un sistema de ecuaciones en diferencias de orden 1
Los parametros son distintos que en el caso continuo
Esquema
1 Objetivos
Ejemplos Lineales
Ejemplo 3: Valor medio de una secuencia de valores
Si suponemos una sencuencia de valores {u(0), u(1), ....u(n)} que

se generan por medio de algun proceso discreto (por ejemplo la
temperatura maxima cada hora), el valor medio de las n primeras
medidas :
n−1 n−2 n−1
1X u(n−1) 1 X u(n−1) n−1 1 X
y (n) = u(j) = + u(j)= + u(j)
n n n n n−1 n
j=0 j=0 j=0
1 n−1
y(n) = u(n − 1) + y(n − 1)
n n
Es un sistema dinámico discreto lineal con parametros variables
modelado con una ecuacion en diferencias de primer orden
Ejemplo 4: Sucesion de Fibonacci
La ecuacion modela la evolución de una variable cuyo valor resulta

de acumular los dos valores previos (ejemplo granja de conejos) :
y(n) = y(n − 1) + y(n − 2)
Es un sistema dinámico discreto lineal autonomo modelado con

una ecuación en diferencias de segundo orden
Ejemplo 5: Pago de un prestamo bancario
La siguiente expresión modela la evolución de la cantidad y(n) que

queda por pagar de un prestamo teniendo en cuenta que es
interés mensual es de un r % y el pago realizado cada mes es
u(n).
y(n) = y(n − 1) + 0,01 r y(n − 1) − u(n)
Es un sistema dinámico lineal discreto de primer orden
Esquema
1 Objetivos

Introducción
Transformada Z
Función de Transferencia
Esquema
1 Objetivos

Introducción
Transformada Z
Introducción
   
u1 (n) y1 (n)
 u2 (n)  u(n) y(n)  y2 (n) 
   
 ..  h (y(n), y(n − 1), ....y(n − R), u(n), u(n − 1), ..., u(n − R)) = 0  .. 
 .   . 
uM (n) yP (n)
Suponiendo que la Ec. en Diferencias h(·) es lineal:

¿Existe otra representación de entrada y salida en la que se
relaciona la entrada u con las salida y, sin que aparezcan las
diferencias temporales?
U Y
La transformada Z nos permite cambiar del espacio temporal

discreto al complejo y eliminar las diferencias temporales
Además, nos permite obtener una representación de entrada-salida
Y (z) = G(z)U(z)
Esquema
1 Objetivos

Introducción
Transformada Z
Transformada Z
Se define la transformada Z (unilateral)

P
F (z) = Z [f (n)] = ∞n=0 f (n)z
−n
sobre una f (k) causal, es decir que verifica que f (n) = 0, n < 0
y con z un numero complejo (z = σ + jω)
Por lo tanto, la transformada Z convierte una función temporal

discreta en una función en el espacio complejo z.
Finalmente, también se define la transformada Z inversa:
Z −1 [F (z)] = Z −1 [Z [f (n)]] = f (n)
R∞
Transformada de Laplace: F (s) = L [f (t)] = 0
f (t)e−st dt
Propiedades la la Transformada Z - I
Linealidad: Z [αf (n) + βg(n)] = αZ [f (n)] + βZ [g(n)]
∞
X
Demo: Z [αf (n) + βg(n)] = (αf (n) + βg(n)) z −n =
n=0
∞
X ∞
X
= α f (n)z −n +β g(n)z −n = αZ [f (n)]+βZ [g(n)]
n=0 n=0
Convolución:
P∞
y (n) = k =0 g(n − k )u(k )↔Z[y (n)] = Z[g(n)]Z[u(n)]
En el espacio de la transformada, la convolucion es un producto
Demo:
Transformada de Laplace:
L [αf (t) + βg(t)] = αL [f (t)] + βL [g(t)]
R
y (t) = 0 ∞g(t − τ )u(τ )dτ↔L[y (t)] = L[g(t)]L[u(t)]
Propiedades la la Transformada Z - II
Diferencia hacia delante (aparecen las condiciones iniciales)
h Pk −1 i
k
Z [f (n+k )] = z Z [f (n)]− n=0 f (n)z −n
Demo:
P P∞ −n′ +1
Z [f (n+1)] = ∞ n=0 f (n + 1)z −n
= n =1
′ f (n ′
)z =
hP ′
i hP ′
i
∞ ∞
=z n′ =1 f (n )z
′ −n
=z n′ =0 f (n )z
′ −n
−f (0) = z[Z [f (n)]−f (0)]
Z [f (n+2)] = z [Z [f (n + 1)] − f (1)] = z 2 Z [f (n)] − f (0)z 2 − f (1)z
Diferencia hacia atrás: Z [f (n − k )] = z −k Z [f (n)]
(al retardar una señal causal, no aparecen condiciones iniciales)
Demo:
Transformada de Laplace:
h n i h i
d n−1 f (0)
L dt n = s L [f (t)] − sn−1 f (0) + sn−2 dfdt(0) + ... +
d f (t) n
dt n−1
hR i
t
L 0 f (τ )dτ = L[fs(t)]
Propiedades la la Transformada Z - III
De las propiedades de la transformadas hacia delante y hacia

atras de una señal podemos establecer la siguiente analogía:
Adelanto: multiplicación por un complejo z
Retardo: división por un complejo z
Por lo tanto, adelantar o retrasar se convierte en multiplicar y

dividir por un complejo z.
Es decir, la transformada Z nos permite convertir los retardos y
adelantos en operaciones algebraicas de multiplicación y división.
Las propiedades de linealidad + retardo + adelanto son las que
nos permiten trabajar con sistemas dinámicos lineales de forma
algebraica.
Laplace: derivada nos daba la multiplicacion, y la integracion la division.
Propiedades la la Transformada Z IV
Traslación compleja:
Z [ean f (n)] = F (e−a z)
Multiplicación por nT:
Z [nT f (nT )] = −Tz dZ[f

dz
(n)]
Teorema del valor inicial:
f (0) = lı́m F (z)

z→∞
Teorema del valor final:
lı́m f (k) = lı́m (z − 1)F (z)

k →∞ z→1
Transformada Z de señales I
z z
Señal exponencial: Z [e−an ] = z−e−a
Z [ean ] = z−ea
P∞ P∞ 1
Demo: Z [e−an ] = n=0 e−an z −n = n=0 (e−a z −1 )n = 1−z −1 e−a
Si |e−a z −1 | < 1

1 n≥0 z
Escalón unitario: 1(n) = → Z [1(n)] = z−1
0 c.c.
P∞
Demo: Z [1(n) ] = n=0 z −n = 1−z1 −1 = z
z−1
Si|z| < 1
3
e−ak
2.5 eak
1(k)
2
Relación continuo - discreto
Polos
y(k)
1.5
Laplace
1
−at Continuo Discreto
1
L e = s+a s = −a z = e −a
L [1(t)] = 1s s=0 z = e0 = 1
0.5
0
0 5 10 15 20 25 30 35 40 45 50
k
Suponiendo a>0
Transformada Z de señales II
Rampa y (n) = n
Señal impulso: δ(n) → Z [δ(n)] = 1 50
P∞ 45
Demo: Z [δ(n)] = n=0 δ(n)z

−n
=1 40
35
z
30
Señal escalón: 1(n) → Z [1(n)] =
y(k)
25
z−1 20
15
z
Señal rampa: n → Z [n] =
10
(z−1)2
5
0
0 5 10 15 20 25 30 35 40 45 50
k
1
d( )
Demo: Z [n] = −z dZ[1(n)]
dz = −z z−1
dz
Parabola y (n) = n2
2500
z 2 +z
Señal parabola: n2 → Z n2 = (z−1)3
2000

1500
y(k)
d z
Demo: Z n2 = −z 2dZ[n] (z−1)2

1000
dz = −2z dz 500
0
0 5 10 15 20 25 30 35 40 45 50
k
Transformada Z de señales III

rz(sinwo )
Z [r n sin(wo n)] = z 2 −2rcos(wo )z+r 2
z 2 −rz(coswo )
Z [r n cos(wo n)] = z 2 −2rcos(w o )z+r
2
En relación con las exponenciales crecientes/decrecientes:

Si 0<r<1 → r = e−a → Z [e−an cos(wn)], Z [e−an sin(wn)]
Si r>1 → r = ea → Z [ean cos(wn)], Z [ean sin(wn)]
y (k ) = e −an sin(wn), a > 0 y (k ) = e an sin(nk ), a > 0

0.8 150
0.6
100
0.4
50
y(n)
y(n)
0.2
0
0
-50
-0.2
-0.4 -100
0 20 40 60 80 100 0 20 40 60 80 100
n n
Transformada Z de señales IV
En todas las transformadas Z vistas hasta el momento (salvo la de
la delta), los polos (raices del denominador) son positivos.
z z z
Z [e−an ] = z−e−a Z [ean ] = z−ea Z [1(n)] = z−1
rz(sinwo ) z 2 −rz(coswo )
Z [r n sin(wo k )] = z 2 −2rcos(w o )z+r
2 Z [r n cos(wo k )] = z 2 −2rcos(w o )z+r
2
¿Hay transformadas z donde los polos sean negativos?

y (k ) = e−an sin(wn), a > 0
Z [(−1)n e−an ] = z+ez −a 0.8
0.6
z
Z [(−1)n ean ] = z+e
0.4
y(n)
0.2
z
[(−1)n 1(n)] = z+1
0
Z -0.2
-0.4
0 20 40 60 80 100
rz(sinwo )
[(−1)n r n sin(w
n
Z o n)] = z 2 +2rcos(wo )z+r 2 y (k ) = (−1)n e−an sin(wn),

0.8
z 2 −rz(cosw
0.6
Z [(−1)n r n cos(w o n)] = z 2 +2rcos(wo )z+r 2

o) 0.4
0.2
y(n)
0
Es equivalente a considerar r = ean

-0.2
-0.4
negativas.
-0.6
-0.8
0 20 40 60 80 100
n
Ejemplos de transformada Z de señales
TZ: f (n) = 5e−2n − 4e3n + 1(n)

5z 4z z
F (z) = z−e−2
− z−e3
+ z−1
TZ: f (k) = 3(−1)n + 2e−3n + 3n

3z 2z 3z
F (z) = z+1 + z−e−3
+ (z−1)2
2z 2 +4
TZ inversa: F (z) = (z−1)2
2z 4z
F (z) = z−1 + (z−1)2
→ f (n) = 2 ∗ 1(n) + 4n
ze2 sin(3)
TZ inversa: F (z) = e4 z 2 −2 cos(3)e2 z+1
ze−2 sin(3)
F (z) = z 2 −2 cos(3)e−2 z+e−4
→ f (k) = e−2n sin(3n)
Esquema
1 Objetivos

Introducción
Transformada Z
Función de Transferencia I
   
u1 (n) y1 (n)
 u2 (n)  u(n) y(n)  y2 (n) 
   
 ..  h (y(n+R), y(n+R −1), ....y(n), u(n+R), u(n+R −1), ..., u(n)) = 0  .. 
 .   . 
uM (n) yP (n)
Cuando la Ec. en Diferencias h(·) es lineal podemos aplicar la

Transformada Z para establecer relaciones entre las
transformadas de las señales de entrada y salida
   
U1 (z) Y1 (z)
 U2 (z)  U(z) Y (z)  Y2 (z) 
   
 ..  ?  .. 
 .   . 
UM (z) YP (z)
La linealidad y los adelantos hacen que, cuando las c.i son nulas,
la relación establecida entre cada salida Ykj (z) y entrada Uj (z)
cuando el resto de las entradas son nulas, sea un cociente de
Y (z)
polinomios en z, que representaremos como Gkj (z) = Ukjj (z) y
llamaremos funciones de transferencia.
Función de Transferencia II
   
U1 (z) Y1 (z)
 U2 (z)  U(z) Y (z)  Y2 (z) 
   
 ..  G(z)  .. 
 .   . 
UM (z) YP (z)
Ykj (z)
Si a partir de las funciones de transferencia Gkj (z) = Uj (z) definimos la
Matriz de Transferencia G(z) como
 
G11 (z) G12 (z) ... G1M (z)
 G21 (z) G22 (z) ... G2M (z) 
 
G(z) =  .. .. .. .. 
 . . . . 
GP1 (z) GP2 (z) ... GPM (z)
se tiene que Y (z) = G(z)U(z)
Es decir: Yk (z) = Gk 1 U1 (z) + Gk 2 U2 (z) + ... + GkM U1 (z)

Yk (z) = Yk 1 (z) + Yk 2 (z) + ... + YkM (z)
Ejemplo FT 5
Ejemplo 5: Pago de un prestamo bancario
y(n) = y(n − 1) + 0,01 r y(n − 1) − u(n)
1 Con la Ec. en Dif. adelante: y(n+1) = (1+0,01r )y(n)−u(n+1)
Transformada Z con c.i. nulas:
zY (z) = (1+0,01r )Y (z)−zU(z)
(z − (1+0,01r )) Y (z) = −zU(z)
z z
Y (z) = − z−(1+0,01r ) U(z) → G(z) = − z−(1+0,01r )
2 Con la Ec. en Dif. atras: y(n) = (1+0,01r )y(n−1)−u(n)

Transformada Z
Y (z) = (1+0,01r )z −1 Y (z)−U(z)

1 − (1+0,01r )z −1 Y (z) = −U(z)
1 z
Y (z) = − 1−(1+0,01r )z −1
U(z) → G(z) = − z−(1+0,01r )
Ejemplo FT 6
Calcular la matriz de transferencia de:

y1 (n + 1) = y2 (n) + y1 (n) − u1 (n + 1)
y2 (n + 1) = y2 (n) + 4u2 (n)
Transformada Z con c.i. nulas:

zY1 (z) = Y2 (z) + Y1 (z) − zU1 (z)
zY2 (z) = Y2 (z) + 4U2 (z)
(z − 1)Y1 (z) = Y2 (z) − zU1 (z)
4
(z − 1)Y2 (z) = 4U2 (z) → Y2 (z) = z−1 U2 (z)
1 z 4 z
Y1 (z) = z−1 Y2 (z)− z−1 U1 (z) → Y1 (z) = (z−1)2 U2 (z)− z−1 U1 (z)
" −z 4
#
Y1 (z) U 1 (z)
= z−1 (z−1)
2
Y2 (z) 4 U2 (z)
0 z−1
Ejemplo FT 1, 2, 3 y 4
¿ Que sucede con las FT de los ejemplos 1, 2, 3 y 4 ?
Ejemplo 1. Ecuación logística discreta:

x (n + 1) − R x (n) (1 − x (n)) = 0
Ejemplo 2. Modelo de depredadores y presas de Volterra-Lotka
x1 (n + 1) = ox1 (n) − qx1 (n)x2 (n)

x2 (n + 1) = −px2 (n) + rx1 (n)x2 (n)
Ejemplo 3: Valor medio de una secuencia de valores:
1 n−1
y (n) =
u(n − 1) + y (n − 1)
n n
Ejemplo 4: Sucesion de Fibonacci:
x (n) = x (n − 1) + x (n − 2)
Esquema
1 Objetivos
Función Ponderatriz I
Hemos visto que para cada pareja de entrada-salida, la Gkj (z) que
se obtiene de la Ec. en diferencias lineal nos da la relación entre la
entrada y la salida: Ykj (z) = Gkj (z)Uj (z)
Si obtenemos la respuesta del sistema a la función impulso (delta

de Kronecker):
uj (n) = δ(n) → Uj (z) = 1 → Ykj (z) = Gkj (z)
Por lo tanto, la función de transferencia discreta es la transformada

Z de la respuesta del sistema a la función impulso.
Calculando la transformada Z inversa, obtendremos la respuesta

del sistema gkj (n). A esta función también se le denomina función
ponderatriz.
ykj (n) = gkj (n)
Función Ponderatriz II
Para un sistema lineal SISO la función
u(n) y (n)
h(y (n + R), y (n + R − 1), ...y (n), u(n + R), u(n + R − 1), ...u(n)) = 0
se puede escribir como

a0 y (n + R) + a1y (n + R − 1) + ... + aR y (n) = b0 u(n + R) + b1u(n + R − 1) + bR u(n)
La transformada Z con c.i. nulas:

(a0 z R + a1 z R−1 + ...aR )Y (z) = (bo z R + b1 z R−1 + ... + bR )U(z)
bo z R +b1 z R−1 +...+bR
Y (z) = a0 z R +a1 z R−1 +...+aR
U(z). Si la entrada es la δ(n)
U(z) = 1 Y (z) = G(z)

bo z R +b1 z R−1 +...+bR−1 z+bR
a0 z R +a1 z R−1 +...+aR−1 z+aR
u(n) = δ(n) y (n) = g(n)
Función Ponderatriz III

Acabamos de ver que G(z), la función de transferencia, es la TZ de
la respuesta del sistema a la función impulso.
Además:
Sabemos que la respuesta del sistema LTI ante cualquier entrada
U(z) es Y (z) = G(z)U(z). Además, debido a las propiedades de la
transformada Z y (n) = (g ∗ u)(n). Por lo tanto, la convolución de la
función ponderatriz g(n) con la entrada u(n), nos da la respuesta
del sistema.
Podemos llegar a la misma conclusión teniendo en cuenta las
propiedades propias del sistema LTI:
◮ Respuesta del sistema al impulso: T [δ(n)] = g(n)
◮ Respuesta del sistema a cualquier entrada:
P
T [u(n)] = T [(u ∗δ)(n)] = T [ ∞
k =−∞ u(k )δ(n−k)]
P∞ P
= k =−∞ T [u(k )δ(n−k )] = ∞ k =−∞ u(k )T [δ(n−k)] =
P∞
= n=−∞ u(k )g(n−k ) = (u ∗ g)(n)
◮ La respuesta del sistema a cualquier entrada es la convolución de la
entrada y la respuesta del sistema a la entrada impulso.
Ejemplo respuesta de un SL a δ(n)
Ver la respuesta del siguiente sistema discreto a la función

impulso:
y(n + 2) − 2y(n + 1) + y(n) = 4u(n + 2) − u(n + 1)
Suponemos c.i. nulas:

z 2 Y (z) − 2zY (z) + Y (z) = 4z 2 U(z) − zU(z)
(z 2 − 2z + 1)Y (z) = (4z 2 − z)U(z)
4z 2 −z
Y (z) = z 2 −2z+1
U(z)
u(n) = δ(n) → U(z) = 1
4z 2 −z
Y (z) = z 2 −2z+1
→ y(n) = 4 · 1(n) + 3n
4z 2 −z 4z 3z
(z−1)2
= z−1
+ (z−1)2
Esquema
1 Objetivos
Respuesta genérica del sistema
La Ecuación en Diferencias de un sistema lineal SISO se puede escribir como:
a0 y (n + R) + a1 y (n + R − 1) + ... + aR y (k ) = b0 u(n + R) + b1 u(n + R − 1) + bR u(n)
La transformada
h Z con c.i. : i P h i
PR PR−k −1 PR−k −1 −j
k =0 ak z R−k Y (z)− j=0
z −j y (j) = R
k =0 bk z
R−k U(z)−
j=0
z u(j)
Reescribimos la expresión, usando FP(z, ·) para representar un polinomio en z
con coeficientes dependientes de los parámetros de entrada:
PR R−k PR R−k
k =0 a k z Y (z)−FP(z, a 0:k , y (0:R−1)) = k =0 bk z U(z)−FP(z, b0:k , u(0:R−1))
PR R−k PR R−k
k =0 ak z Y (z) = k =0 bk z U(z)+FP(z, a0:k , b0:k , y (0: R −1), u(0:R −1))
PR
bk z R−k FP(z,a0:k ,b0:k ,y (0:R−1),u(0:R−1))
Y (z) = PkR=0
a z R−k
U(z) + PR
a z R−k
k =0 k k =0 k
El primer cociente de polinomios corresponde al la FT y el segundo a las

condiciones iniciales. Por lo tanto, la respuesta del sistema se puede obtener
como la suma de la respuesta debido a la entrada (calculada a través de la
función de transferencia) y de la parte asociada a las condiciones iniciales.
Y (z) = G(z)U(z) + CI(z)
Importante: La función de transferencia y CI(z) comparten denominador
Ejemplo respuesta genérica 5
Ejemplo 5: Préstamo bancario

y (n) = y (n − 1) + 0,01 r y (n − 1) − u(n)
Obtener la respuesta del sistema y(n) cuando se tiene una entrada u(n) escalón
de 100 unidades, en el caso en el que r=5 y la condicion inicial y (0) = 1000.
Sustituimos los valores conocidos: y (n + 1) = y (n) + 0,05 y (n) − u(n + 1)

Calculamos TZ, con condiciones iniciales:
zY (z) − zy (0) = Y (z) + 0,05Y (z) − zU(z) + zu(0)
Operamos:
(z − 1,05)Y (z) = −zU(z) + zy (0) + zu(0)
z zy (0)+zu(0)
Y (z) = − z−1,05 U(z) + z−1,05
Como la entrada es el escalón de 100 unidades:
2 2000z(10z−11)
100z 1100z
Y (z) = − (z−1,05)(z−1) + z−1,05
= 20z 2 −41z+21
Se descompone en fracciones simples y calcula la TZ inversa:

21 n
y (n) = 2000 − 1000 20
Esquema
1 Objetivos

Toolbox de cálculo simbólico
Toolbox de control
Esquema
1 Objetivos

Toolbox de control
Toolbox de Calculo Simbolico
La toolbox de Calculo Simbolico de Matlab tambien pueden ser

utilizada para realizar operaciones operaciones sobre sistemas
discretos.
Debido a la gran similitud entre las operaciones realizadas en le
caso discreto y continuo, un amplio conjunto de las operaciones
vistas en la sección de continuos (declaración de variables,
manipulación de expresiones, operaciones de calculo, operaciones
de álgebra lineal, y operaciones de resolucion de sistemas de
ecuaciones) son tambien utiles en el caso de sistemas discretos.
Como funciones propias de discreto es conveniente estudiar las
relacionadas con la transformada z:
Fz=ztrans(fn,n,z) y fn=iztrans(Fz,z,n) calculan la transformada Z
y su inversa. Los parametros n y z son opcionales.
Transformada Z
>> syms z n %Declaracion de variables
>> fn=1+n %f(n)
fn =
n + 1
>> Fz=simplify(ztrans(fn,n,'z')) %Transformada z

Fz =
z^2/(z - 1)^2
>> Fz=(4*z+1)/(z-1)^2 %Transformada z

Fz =
(4*z + 1)/(z - 1)^2
>> fn=iztrans(Fz,z,n) %Transformada inversa
fn =
5*n + kroneckerDelta(n, 0) - 1
>> Gz=[-z/(z-1), 4/(z-1)^2; 0, 4/(z-1)] %Matriz de transferencia

>> Uz=[ z/(z - 1);z/(z - 1)] %Entrada escalon, entrada escalon
>> Yz=simple(Gz*Uz) %Transformada z de la Respuesta
Yz =
(z*(z - z^2 + 4))/(z - 1)^3
(4*z)/(z - 1)^2
>> yn=iztrans(Yz,z,n) %Respuesta del sistema

yn =
3*n + 4*nchoosek(n - 1, 2) - 5
4*n
Ejemplo: Obtención de la FT a partir de la Ec. en Dif.
La FT de un sistema es la transformada Z de la respuesta del sistema a
la función impulso. Su obtención en simbolico no es directa, pero es mas
sencilla que la obtención de la funcion de transferencia continua (porque
no hay que generar las variables de las derivadas).
Ejemplo 5: Préstamo bancario

y (n + 1) = y (n) + 0,01ry (n) − u(n + 1)
syms n Y fz =
fk=str2sym('y(n+1)-y(n)-0.01*r*y(n)-u(n+1)'); z*ztrans(y(n),n,z) - z*ztrans(u(n),n,z) -
0.01*r*ztrans(y(n),n,z) + z*u(0) - z*y(0) -
fz=ztrans(fk,n,z) %Transformada z ztrans(y(n),n,z)
fz=subs(fz,str2sym('y(0)'),0); %c.i. nulas fz =

fz=subs(fz,str2sym('u(0)'),0) %c.i. nulas z*ztrans(y(n),n,z) - z*ztrans(u(n),n,z) -
%Entrada impulso --> trans z. 1 0.01*r*ztrans(y(n),n,z) - ztrans(y(n), n, z)
fz=subs(fz,str2sym('ztrans(u(n), n, z)'),1)
%Sustituimos para hacerlo funcion de Y fz =
fz=subs(fz,str2sym('ztrans(y(n), n, z)'),'Y') z*ztrans(y(n),n,z) -
%Despejamos Y, y obtenemos FT. 0.01*r*ztrans(y(n),n,z) - z - ztrans(y(n),n,z)
gz=simplify(solve(fz,Y))
fz =
Y*z - z - 0.01*Y*r - Y
gz =
-(100.0*z)/(r - 100.0*z + 100.0)
Ejemplo: Obtención de la respuesta de un LTI
Ejemplo 5: Prestamo bancario

y(k + 1) = y(k) + 0,01ry(k) − u(k + 1)
Obtener la respuesta del sistema y(n) cuando se tiene una entrada
u(n) escalón de 100 unidades, en el caso en el que r=5 y la
condicion inicial y(0) = 1000.
Operando, habíamos llegado a :
z zy (0)+zu(0) 1000
Y (z) = − z−1,05 U(z) + z−1,05 800
600
syms z n 400
y0=1000; 200
y(n)
u0=100;
0
pago=100;
yz=-z/(z-1.05)*pago*z/(z-1)+z*(y0+u0)/(z-1.05); -200
yn=iztrans(yz,z,n) -400
nn=0:20; -600
ynn=subs(yn,n,nn); -800
stem(nn,ynn,'o'); 0 5 10
n
15 20
xlabel('n');ylabel('y(n)');
>> yn=2000 - 1000*(21/20)^n
Esquema
1 Objetivos

Toolbox de control
Toolbox de Control
La toolbox de control de Matlab tambien permite definir y manipular
sistemas discretos:
Como los sistemas discretos se definen al igual que los sistemas

continuos a través del numerador y denominador de la FT discreta;
o de su ganancia, polos y ceros; y las funciones de manipulación
trabajan de forma análoga con los sistemas continuos y discretos,
podemos usar las mismas funciones para definir y manipular los
sistemas dinámicos discretos y continuos.
Sin embargo, como la simulacion de su comportamiento es
diferente, es necesario indicarle a las funciones de definición si el
sistema es continuo o discreto. Para ello, se añade un campo
adicional a los sistemas discretos.
Las funciones de extracción de datos devuelven un parámetro
adicional que nos permite saber el tipo de sistema.
Las funciones de conversión son las mismas
Definición de Modelos
Las dos funciones que conocemos para modelos continuos, nos

permiten definir modelos discretos, añadiendo un campo adicional T, que
indica que el sistema es discreto si vale -1, y que es discreto y periódico
con periodo T si T>0. Las nuevas llamadas a las funciones son:
tf(num,den, T): proporcionar el numerador y denominador de FT,

como arrays con los coeficientes de los polinomios en potencias
decrecientes de z.
En sistemas MIMO usar la funcion para cada elemento de la matriz
de transferencia.
zpk(zeros,poles,gain,T ): proporcinar los ceros (raices del numerador),
polos (raices del denominador) y ganancia de la FT. Los zeros y los
polos se le proporcionan en un array.
En sistemas MIMO usar la funcion para cada elemento de la matriz
de transferencia. Si no hay ceros, hacer zeros = [].
Funciones de extracción de datos

Dado un modelo sys definido de cualquiera de las dos formas que
hemos visto, podemos extraer con las siguientes funciones los
elementos que lo definen:
[num,den,T]=tfdata(sys,‘v’): obtiene el numerador y
denominador de la funcion de transferencia, y el tipo de
sistema
[zeros,poles,gain,T]=zpkdata(sys,‘v’) (zeros,poles,k data):
obtiene los zeros, polos y la ganacia de las funciones de
transferencia, y el tipo de sistema.
No es necesario que el modelo se haya definido con el tipo de datos que

queremos extraer.
Los ‘v’ de las dos primeras funciones hacen que nos devuelvan la información en
vectores en el caso de sistemas SISO.
Si el sistema ha sido definido de forma continua (sin T) y le pedimos que en las
funciones de datos devuelvan, T=0.
Ejemplos básicos
>> num=[1 0]; >> gs=tf([1 0],[1 -1])
>> den=[1 -1]; >> [num,den,T]=tfdata(gs,'v') %Datos como FT
>> tf(num,den,-1) %FT discreta num =
Transfer function: 1 0
z den =
----- 1 -1
z - 1 T =
Sampling time: unspecified -1
>> tf(num,den,0) %FT continua >> gz=tf([1 0],[1 -1],10);

Transfer function: >> [z,p,k,T]=zpkdata(gz,'v') %Datos como z,p,k
s z =
----- 0
s - 1 p =
1
tf(num,den,1) % %FT discreta k =
Transfer function: 1
z T =
----- 10
z - 1
Sampling time: 1
>> zero=0;
>> poles=1;
>> k=1;
>> zpk(zero,poles,k,-1) %FT discreta
Zero/pole/gain:
z
-----
(z-1)
Sampling time: unspecified
Funciones de simulación
Las funciones de simulación de la toolbox de Control son las

mismas que habíamos visto, ya que a la hora de definir el modelo
se le indica si es continuo (sin pasarle el parámetro T o con T=0) o
discreto (pasandole el parámetro T o con T=-1). Por lo tanto, las
funciones de simulación son capaces de determinar, sin ninguna
ayuda adicional, la forma en la que se debe hacer la simulación.
Sin embargo, en el caso simular la respuesta a una entrada
genérica mediante a la orden lsim(gz,utn,tn) para un sistema
discreto hay que tener en cuenta que el paso de tiempo de tn tiene
que ser igual que el valor de T. En caso contrario, da un mensaje
de error, indicando que el vector de tiempos no es correcto.

y (k + 1) = y (k ) + 0,01ry (k ) − u(k + 1)
Obtener la respuesta del sistema y(n) cuando se tiene una entrada u(n)
escalón de 100 unidades, en el caso en el que r=5 y la condicion inicial
y (0) = 1000.
Operando, habiamos llegado a :
z zy (0)+zu(0) 1000
Y (z) = − z−1,05 U(z) + z−1,05 800
600
gz=tf([-1 0],[1 -1.05],1); 400
gci=tf([1100,0],[1,-1.05],1); 200
y(n)
[y1,n]=step(gz,20);
0
[y2,n]=impulse(gci,20);
y=100*y1+y2; -200
stem(n,y,'o'); -400
xlabel('n');ylabel('y(n)'); -600
-800
0 5 10 15 20
n

y (k + 1) = y (k ) + 0,01ry (k ) − u(k + 1)
Obtener la respuesta del sistema y(n), en el caso en el que r=5 y la
condicion inicial y (0) = 1000, se paguen 0 euros al mes durante los
primeros 10 meses, 100 euros al mes durante los siguientes 10 meses y
500 euros al mes hasta el final de la hipoteca
Operando, habiamos llegado a :
z zy (0)+zu(0) 2000
Y (z) = − z−1,05 U(z) + z−1,05 1000
0
gz=tf([-1 0],[1 -1.05],1);
gci=tf([1000,0],[1,-1.05],1); -1000
y(n)
un=[zeros(10,1);100*ones(10,1);500*ones(10,1)];
[y1,n]=lsim(gz,un,0:29); -2000
[y2,n]=impulse(gci,0:29); -3000
y=y1+y2;
stem(n,y,'o'); -4000
xlabel('n');ylabel('y(n)'); -5000
0 5 10 15 20 25 30
n
Ejemplo 6: Sistema MIMO

" #
−z 4
Y1 (z) z−1 (z−1)2 U1 (z)
= 4
Y2 (z) 0 z−1
U2 (z)
Obtener las respuestas del sistema ante las entradas u1 (n) = sin(0,1πn)
y u2 (n) = δ(n).
Linear Simulation Results
200
gz(1,1)=tf([-1 0],[1 -1],1);
gz(1,2)=zpk([],[1,1],4,1); 100
To: Out(1)
gz(2,1)=0; 0
gz(2,2)=tf(4,[1 -1],1);
n=[0:50]'; -100
y(n)
20
u1=20*sin(0.1*pi*n);
u2=zeros(size(n));u2(1)=1; 10
To: Out(2)
lsim(gz,[u1,u2],n); 0
xlabel('n');ylabel('y(n)');
-10
-20
Las entradas se le proporcionan en

0 10 20 30 40 50
n (seconds)
las diferentes columnas de una

matriz
¿ Se podrían considerar condiciones iniciales en el sistema ?

Mod Sim Discretos

Cargado por

Copyright:

Formatos disponibles

Mod Sim Discretos

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

Mod Sim Discretos

Cargado por

Copyright:

Formatos disponibles

Modelado y Simulación de Sistemas Discretos

Ingeniería Electrónica de Comunicaciones

Eva Besada Portas

Departamento de Arquitectura de Computadores y Automática.

3 Función de Transferencia (FT)

5 Respuesta genérica del sistema

6 Operaciones con Matlab

Los objetivos de este tema son estudiar:

3 Función de Transferencia (FT)

5 Respuesta genérica del sistema

6 Operaciones con Matlab

De forma genérica consideramos un modelo dinámico representado

Normalmente, a la hora de discretizar un sistema, no es suficiente

3 Función de Transferencia (FT)

5 Respuesta genérica del sistema

6 Operaciones con Matlab

Ejemplo 1: Ecuación logística discreta

Describe la evolución de la ‘densidad’ de N(n+1) = N(n)+

x(n + 1) − R x(n) (1 − x(n)) = 0

Es un sistema dinámico discreto no lineal de primer orden

Ejemplo ecuacion en diferencias 2

o > 0: ritmo de nacimiento q > 0: iteracción que modela el

3 Función de Transferencia (FT)

5 Respuesta genérica del sistema

6 Operaciones con Matlab

Ejemplo ecuacion en diferencias 3

Ejemplo 3: Valor medio de una secuencia de valores

Si suponemos una sencuencia de valores {u(0), u(1), ....u(n)} que

Ejemplo 4: Sucesion de Fibonacci

La ecuacion modela la evolución de una variable cuyo valor resulta

y(n) = y(n − 1) + y(n − 2)

Es un sistema dinámico discreto lineal autonomo modelado con

Ejemplo ecuacion en diferencias 5

Ejemplo 5: Pago de un prestamo bancario

La siguiente expresión modela la evolución de la cantidad y(n) que

y(n) = y(n − 1) + 0,01 r y(n − 1) − u(n)

Es un sistema dinámico lineal discreto de primer orden

3 Función de Transferencia (FT)

5 Respuesta genérica del sistema

6 Operaciones con Matlab

3 Función de Transferencia (FT)

5 Respuesta genérica del sistema

6 Operaciones con Matlab

Suponiendo que la Ec. en Diferencias h(·) es lineal:

La transformada Z nos permite cambiar del espacio temporal

3 Función de Transferencia (FT)

5 Respuesta genérica del sistema

6 Operaciones con Matlab

Se define la transformada Z (unilateral)

Por lo tanto, la transformada Z convierte una función temporal

Finalmente, también se define la transformada Z inversa:

Z −1 [F (z)] = Z −1 [Z [f (n)]] = f (n)

Propiedades la la Transformada Z - III

De las propiedades de la transformadas hacia delante y hacia

Por lo tanto, adelantar o retrasar se convierte en multiplicar y

Laplace: derivada nos daba la multiplicacion, y la integracion la division.

Z [ean f (n)] = F (e−a z)

Multiplicación por nT:

Z [nT f (nT )] = −Tz dZ[f