Z变换

Z变换把离散时间序列（如 $x[0], x[1], x[2], \dots$ ）改写成复变量 $z$ 的函数。它之所以重要，是因为移位和逐步递推关系会变成代数表达式，而这通常更容易分析。

对于双边序列 $x[n]$ ，双边 Z 变换定义为

X(z) = \sum_{n=-\infty}^{\infty} x[n] z^{-n}

前提是这个级数收敛。如果你的问题从 $n=0$ 开始，并且关注因果序列，很多课程会改用单边形式：

X(z) = \sum_{n=0}^{\infty} x[n] z^{-n}

关键不在于哪一种写法看起来更简洁。关键在于你应当使用与题目设定相匹配的定义。

Z变换能帮你做什么

在离散时间问题中，延迟一个时间步对应于乘上一个因子 $z^{-1}$ 。这就是为什么 Z 变换对线性差分方程、数字滤波器和递推关系很有用：对序列的运算会转化为关于 $X(z)$ 的代数运算。

它可以看作拉普拉斯变换在离散时间中的对应工具。两者都会把时域问题转化为变换域问题，但 Z 变换针对的是以整数为索引的序列，而不是连续时间函数。

设 $u[n]$ 为单位阶跃序列，即当 $n \ge 0$ 时 $u[n] = 1$ ，当 $n < 0$ 时 $u[n] = 0$ 。那么

x[n] = a^n u[n]

表示这个序列是右边序列：

1, a, a^2, a^3, \dots

使用单边定义，

X(z) = \sum_{n=0}^{\infty} a^n z^{-n} = \sum_{n=0}^{\infty} (a z^{-1})^n

这是一个几何级数。它的和为

X(z) = \frac{1}{1 - a z^{-1}} = \frac{z}{z-a}

前提是比值 $a z^{-1}$ 满足

|a z^\{-1\}| < 1

这个条件等价于

|z| > |a|

所以完整答案不只是 $X(z) = \frac{z}{z-a}$ 。完整答案是

X(z) = \frac{z}{z-a}, \qquad \text{ROC: } |z| > |a|

最后这个条件是变换结果的一部分，不是附带说明。

收敛域（region of convergence，ROC）是使定义级数真正收敛的所有 $z$ 值的集合。没有 ROC，这个代数表达式就可能有歧义。

例如，不同的序列可能得到相同的有理式表达式，但对应不同的 ROC。这就是为什么老师通常要求同时写出公式和收敛域。

为了快速建立直觉，可以把一个 Z 变换结果看成一对信息：

\text{关于 } z \text{ 的公式} \quad + \quad \text{该公式成立的范围}

最常见的错误是漏写 ROC。如果把它省略掉，你可能会丢失关于序列是右边、左边还是双边的重要信息。

另一个常见错误是在没有注意的情况下混用了单边和双边定义。它们在一些标准因果例子中结果一致，但并不是在所有推导里都可以互换。

第三个错误是把 $z$ 当成普通实变量来处理。一般来说， $z$ 是复数，因此它的模和它在复平面中的位置都很重要。

学生还常常过于机械地记忆变换对。这是有风险的，因为一个很小的符号错误、漏掉一个移位，或者起始索引写错，都可能改变答案。

你会在离散时间信号处理、数字控制和线性递推问题中看到 Z 变换。如果一个系统是按一步一步演化，而不是连续变化，那么它通常就是最自然的变换工具。

当你需要求解差分方程、描述数字滤波器，或者把一个序列与极点和收敛性质联系起来时，它尤其有用。

当你看到一个结果时，按顺序检查下面四件事：

这个检查清单能避免很多本可避免的错误。

对 $x[n] = \left(\frac{1}{2}\right)^n u[n]$ 重复同样的过程。先写出级数，把它化成几何级数，再求出 ROC。如果你想再进一步，可以把这个结果与拉普拉斯变换比较，并注意这两种方法都会把收敛条件附在公式上，而不是把公式本身当作完整答案。

上传你的问题，几秒钟内获得经过验证的分步解答。