You are on page 1of 68

Análise de Sinais

(Notas em Análise de Fourier)

J. A. M. Felippe de Souza
J. A. M. Felippe de Souza Notas em Análise de Fourier

Análise de Sinais
(Notas em Análise de Fourier)

J. A. M. Felippe de Souza

1 - Série de Fourier
Série trigonometria de Fourier para sinais contínuos
Série exponencial de Fourier para sinais contínuos
Propriedades da Série de Fourier para sinais contínuos
Série trigonometria de Fourier para sinais discretos
Propriedades da Série de Fourier para sinais discretos

2 - Transformada de Fourier
A Transformada de Fourier para sinais contínuos
A Transformada de Fourier para sinais periódicos
Propriedades da Transformada de Fourier para sinais contínuos

2
J. A. M. Felippe de Souza Notas em Análise de Fourier

Análise de Fourier

Neste capítulo estudaremos a Análise de Fourier.

A série de Fourier, assim como a transformada de Fourier, são as importantes


contribuições do matemático francês Jean Baptiste Joseph Fourier [1768-1830].

Sua obra principal tem o título: “Mémoire sur la théorie de la chaleur”, publicada no “Extrait
du mémoire lu à l'Académie des sciences le 1er décembre 1828”, 1829, t. 11 p. 13-30.

Abaixo vemos o livro onde foi publicado esta sua obra e alguns extractos dos originais de
Fourier.

3
J. A. M. Felippe de Souza Notas em Análise de Fourier

1 - Série de Fourier

Série trigonométrica de Fourier para sinais contínuos

Considere um sinal periódico contínuo {conjunto dos números reais}, ∀ t.


O sinal x(t) pode ser expresso como:

⎛ 2π ⎛ 2π

a ⎡ ⎞ ⎞⎤
x(t ) = 0 +
2
∑ ⎢⎣a
k =1
k cos ⎜ ⋅ k t ⎟
⎝ T ⎠
+ bk sen ⎜ ⋅ k t ⎟⎥ =
⎝ T ⎠⎦
eq. (A)

a
= 0 +
2
∑ [a
k =1
k cos (ωo k t ) + bk sen (ωo k t )]

onde:

T = período fundamental do sinal x(t).


ωo = frequência fundamental do sinal x(t).
2 ⎛ 2π ⎞
ak =
TT∫ x( t ) ⋅ cos ⎜ ⋅ k t ⎟ dt =
⎝ T ⎠
k = 0, 1, 2, … eq. (B’)
2
x( t ) ⋅ cos (ωo k t ) dt
T T∫
=

2 ⎛ 2π ⎞
bk =
T ∫ x(t ) ⋅ sen ⎜⎝ T ⋅ k t ⎟ dt =

T
k = 1, 2, … eq. (B’’)
2
=
T ∫ x(t ) ⋅ sen (ωo k t ) dt
T

Observe que existe ao, mas não existe bo.

Além disso, ao (na eq. (B’) com k = 0), pode ser reescrito de forma mais simplificado pois,
como
⎛ 2π ⎞
cos ⎜ ⋅ k t ⎟ = cos (ωo k t ) = 0 , para k = 0,
⎝T ⎠
então,
2
ao =
TT
∫ x( t ) ⋅ dt

ou seja, ao representa o valor médio do sinal x(t) no intervalo de um período T.

Esta série é conhecida como série trigonométrica de Fourier pois contém termos com
senos e co-senos.

4
J. A. M. Felippe de Souza Notas em Análise de Fourier

A equação eq. (A) acima é conhecida como a equação de síntese e as equações eq. (B’)
e eq. (B’’) são conhecidas como as equações de análise da série trigonométrica de
Fourier. Os ak’s e os bk’s são chamados de coeficientes da série trigonométrica de Fourier.

Definição: x(t) é um sinal seccionalmente contínuo (ou, também chamado de “contínuo


por partes”) se x(t) tem um número limitado de descontinuidades em qualquer intervalo
limitado.

Definição: x(t) é um sinal seccionalmente diferenciável se ambos x(t) e x’(t) forem sinais
seccionalmente contínuos.

Teorema de Fourier:
Se x(t) é um sinal periódico seccionalmente diferenciável e de período T, então a série de
Fourier (eq. (A)) converge em cada ponto t para:

a) → x(t), se o sinal x(t) for contínuo no instante t ;


+ -
b) → ½ [ x(t+0 ) + x(t+0 ) ] , o sinal x(t) for descontínuo no instante t.

A limitação do Teorema de Fourier acima é muito leve pois a grande maioria dos, ou
quase todos, sinais de interesse prático são seccionalmente diferenciáveis.

Portanto, o Teorema de Fourier acima assegura que, para os sinais x(t) que forem
aproximados pela série de Fourier, quanto mais termos da série (ou parcelas da soma)
forem adicionados, melhor será a aproximação.

Ou seja, se chamarmos de xn (t) à série de Fourier com n termos, então:

x n (t ) → x(t )

nos casos em que x(t) for um sinal contínuo no instante t; e

x n (t ) →
[x(t + 0 +
) + x(t + 0 − )]
2

nos casos em que x(t) não for um sinal contínuo no instante t.

5
J. A. M. Felippe de Souza Notas em Análise de Fourier

Exemplo 1:
A onda quadrada.

⎧− 1 , se −1< t < 0

x(t ) = ⎨
⎪ 1, 0 < t <1
⎩ se

Repetindo-se (ou estendendo-se) este padrão para a direita de t = 2 e para esquerda de


t = -1, obtemos um sinal periódico que pode ser aproximado por uma série de Fourier.

De forma semelhante podemos estender qualquer outro sinal definido em um determinado


intervalo e torná-lo periódico de forma a podermos aproximá-lo por uma série de Fourier.

Calculando-se agora os coeficientes de Fourier para o sinal da onda quadrada definido


acima temos, para ao primeiramente,

2 0 1
ao =
TT
∫ x( t ) ⋅ dt = ∫−1 ( −1) dt + ∫0(1) dt = 0

Como o período fundamental é T = 2, então


ωo = = π
T
e portanto,
2
x(t ) ⋅ cos (k π t ) dt =
1
ak =
T ∫ −1

(−1) ⋅ cos (k π t ) dt + ∫ 1 ⋅ cos (k π t ) dt =


0 1
= ∫ −1 0

=
1
πk
(
[− sen (k π t ) ] 0−1 + [sen (k π t ) ] 10 = )
= 0, k = 1, 2, ...

6
J. A. M. Felippe de Souza Notas em Análise de Fourier

Logo os ak’s são todos iguais a zero ∀ k = 0, 1, 2, … Quanto aos bk’s, temos que:

∫ −1 x(t) ⋅ sen (k π t) dt
1
bk = 2 =
T

∫ −1 (−1) ⋅ sen (k π t) dt + ∫ 0 1 ⋅ sen (k π t) dt


0 1
= =

=
πk
(
1 [ cos (k π t) ] 0 + [− cos (k π t) ] 1 =
−1 0 )
e portanto,
⎧ 0, se k é par

bk = ⎨ 4
⎪ , se k é ímpar
⎩ πk

Ou seja,
4 4 4
b1 = , b5 = , b9 = ,
π 5π 9π
b2 = 0 , b6 = 0 , b10 = 0 ,
4 4 4
b3 = , b7 = , b11 = ,
3π 7π 11π
b4 = 0 , b8 = 0 , etc.

Logo, esta é uma série de Fourier só de senos e os primeiros termos da série são:

4 4 4
x(t ) = sen (π t ) + sen (3 π t ) + sen (5 π t ) +
π 3π 5π
4 4 4
+ sen (7 π t ) + sen (9 π t ) + sen (11 π t ) + ...
7π 9π 11π

As figuras abaixo mostram o esboço do sinal x(t) aproximado pela série de Fourier.
Primeiramente, com apenas um termo (isto é, apenas k = 1), quando x(t) é simplesmente
o seno

x(t) = b1 sen(πt) = (4/π) sen(πt)

7
J. A. M. Felippe de Souza Notas em Análise de Fourier

Com 2 termos (até k = 3, pois b2 = 0) temos a soma de 2 senos (e já nota-se 2 picos no


sinal aproximado pela série):

x(t) = b1 sen(πt) + b3 sen(πt)

Depois com 3 termos (até k = 5, pois b2 = 0 e b4 = 0) temos a soma de 3 senos (e agora já


nota-se 3 picos no sinal aproximado pela série):

x(t) = b1 sen(πt) + b3 sen(πt) + b5 sen(πt)

E assim por diante. Abaixo mais 2 figuras que ilustram esta série com k = 11 e k = 49,
respectivamente.

Nota-se nitidamente que o sinal x(t) aproximado pela série de Fourier vai se tornando
cada vez mais próximo do original, a onda quadrada.

Nos pontos t onde x(t) é um sinal contínuo esta série de Fourier converge para o próprio
valor de x(t).

Por exemplo, para t = 0,5, sabemos que x(0,5) = 1. Pela série de Fourier,

8
J. A. M. Felippe de Souza Notas em Análise de Fourier

sen(0,5π) + sen(1,5 π) + sen(2,5 π) + sen(3,5 π) + sen(4,5 π) + ...


4 4 4 4 4
x(0,5) =
π 3π 5π 7π 9π
1,6977

0,8488

1,1035

0,9216

1,0631

que de facto converge para 1.

Por outro lado, nos pontos t onde x(t) apresenta uma descontinuidade, esta série de
Fourier converge para o valor médio de x(t), entre o imediatamente antes e o
imediatamente depois de t.
- +
Por exemplo, para t = 0-, sabemos que x(0 ) = -1, e t = 0-, e que x(0 ) = 1. Logo, o
ponto médio é:

x(0 + ) + x(0 − ) − 1 + 1
= =0
2 2

Pela série de Fourier,

4 4 4 4 4
x(0,5) = sen(0) + sen(0) + sen(0 ) + sen(0) + sen(0) + ... =
π 3π 5π 7π 9π
= 0+0+0+0+0

que de facto converge para 0.

Outro detalhe importante:

Se x(t) é um sinal par, então a série de Fourier para x(t) é uma série de co-senos.

Se x(t) é um sinal ímpar, então a série de Fourier para x(t) é uma série de senos.

Isto ocorre devido as propriedades das funções pares e ímpares. Recorde-se que,

- A soma de 2 sinais pares é um sinal par.

- A soma de 2 sinais ímpares é um sinal ímpar.

- O produto de 2 sinais pares é um sinal par.

O produto de 2 sinais ímpares é um sinal par.

9
J. A. M. Felippe de Souza Notas em Análise de Fourier

Se x(t) é um sinal par, então os coeficientes bk da série de Fourier para x(t) são todos
iguais a zero:

2 ⎛ 2π ⎞
bk = ∫
T T
x(t ) ⋅ sen ⎜
⎝ T
⋅ k t ⎟ dt = 0 ,

k = 1, 2, 3, ...

e portanto, a série de Fourier é uma série de co-senos.

Além disso, se x(t) é um sinal ímpar, então os coeficientes ak da série de Fourier para
x(t) são todos iguais a zero (incluindo ao):

2 ⎛ 2π ⎞
ak =
TT
∫ x( t ) ⋅ cos ⎜ ⋅ k t ⎟ dt = 0 ,
⎝T ⎠
k = 0, 1, 2, 3, ...

e portanto, a série de Fourier é uma série de senos.

De facto, no Exemplo 1 acima, como x(t) era um sinal par, então os ak’s eram todos
iguais a zero ∀ k = 0, 1, 2, …

Série exponencial de Fourier para sinais contínuos


A série exponencial de Fourier é também chamada de série complexa de Fourier.

Se o sinal x(t) , então a série exponencial de Fourier é a mesma que a série


trigonométrica escrita de uma forma diferente, em termos de exponenciais e jω t em vez
o

de em termos de senos e co-senos.

Entretanto, considere agora

um sinal periódico contínuo {conjunto dos números complexos}

ou seja, o sinal x(t) tem valores complexos, com parte real e parte imaginária. A série
exponencial de Fourier permite-nos aproximar x(t), o que não era possível com a série
trigonométrica.

Na série exponencial (ou complexa) de Fourier um sinal periódico x(t) pode ser expresso
como:

∞ ⎛ 2π ⎞
j⎜ ⎟ ⋅k t
x( t ) = ∑ ck ⋅ e ⎝ T ⎠
=
k = −∞

∞ eq. (C)
= ∑ ck ⋅ e j ωo ⋅ k t

k = −∞

10
J. A. M. Felippe de Souza Notas em Análise de Fourier

onde:

T = período fundamental do sinal x(t).


ωo = frequência fundamental do sinal x(t).
⎛ 2π ⎞
1 −j ⎜ ⎟⋅k t
ck =
T ∫ x( t ) ⋅ e ⎝ T ⎠
⋅ dt =
T
k = 0, ±1, ±2, … eq. (D)
1
∫ x( t ) ⋅ e
− j ωo ⋅k t
= ⋅ dt
T T

Portanto, a série exponencial (ou complexa) de Fourier generaliza a série trigonométrica


de Fourier e tem também a vantagem de ser mais compacta.

Os ck’s são chamados de coeficientes da série exponencial de Fourier ou coeficientes


espectrais.
A equação eq. (C) acima é conhecida como a equação de síntese enquanto que a
equação eq. (D) é conhecida como as equação de análise da série complexa de Fourier.

Exemplo 2:
Tomemos novamente a onda quadrada.

⎧− 1 , se −1 < t < 0

x( t ) = ⎨
⎪⎩ 1 , se 0 < t <1

E, repetindo-se (ou estendendo-se) este padrão para a direita de t = 2 e para esquerda de


t = -1, obtemos um sinal periódico que pode ser aproximado pela série exponencial (ou
complexa) de Fourier.

Novamente, o período fundamental é T = 2, e


ωo = = π
T
e portanto, os coeficientes desta série complexa de Fourier para o sinal da onda quadrada
acima são:

1
x(t ) ⋅ e− j (k π t ) dt =
1
ck =
T ∫ −1

k = 0, ± 1, ± 2, ...
1 0
− j (k π t ) 1 1
− j (k π t )
=
2 ∫ −1
(−1) ⋅ e dt +
2 ∫ 0
1⋅ e dt =

11
J. A. M. Felippe de Souza Notas em Análise de Fourier

Fazendo-se as integrais, obtemos:


ck = 1 ⋅ 1 ⎜ e− j (k π t)
2 πk j ⎝
[ ] 0
−1



+
2 πk j ⎝
⎜ [
1 ⋅ (−1) ⎛ e− j (k π t) ] 1
0

⎟=

= 1
2 πk j
( 1 − e j k π − e− j k π + 1 ) = 1
2 πk j
( 2 − e j k π − e− j k π )
Agora, usando-se as equações de Eüler temos que:

1
ck = [2 − cos( k π ) − j ⋅ sen( k π ) − cos( k π ) + j ⋅ sen( k π ) ]
2 πk j
1
= 2(1 − cos( k π ) ) =
2 πk j
−j
= (1 − cos( k π ) )
πk

e portanto,

⎧ 0, se k = 0, ± 2, ± 4, ...

ck = ⎨ − 2
⎪⎩ π k j , se k = ±1, ± 3, ± 5, ...

Logo,

x(t) = ∑ ck e j ω k t = o

k = −∞


⎛−2 ⎞
= ∑ ⎜⎜
⎝πk
j⎟⎟ e j k π t =

k = ±1, ± 3, ± 5, ...


⎛−2 ⎞
= ∑ ⎜⎜
⎝πk
j⎟⎟ ⋅ [ cos (kπ t) + j ⋅ sen (kπ t) ]

k = ±1, ± 3, ± 5, ...

e agora, desmembrando-se a soma k = ±1, ± 3, ± 5, ... em duas de k = 1, 3, 5, ... , temos:


⎛ − 2j ⎞ ∞
⎛ − 2j ⎞
x( t ) = ∑ ⎜ ⎟ cos (kπ t ) + ∑ ⎜ ⎟ j ⋅ sen (kπ t ) +
k = 1, 3, 5, ... ⎝ πk ⎠ k = 1, 3, 5, ... ⎝ πk ⎠


⎛ 2j ⎞ ∞
⎛ − 2j ⎞
+ ∑ ⎜ ⎟ cos (kπ t ) + ∑ ⎜ ⎟ j ⋅ sen (kπ t )
k = 1, 3, 5, ... ⎝ πk ⎠ k = 1, 3, 5, ... ⎝ πk ⎠

e portanto os termos em co-seno podem ser cancelados ficando:

12
J. A. M. Felippe de Souza Notas em Análise de Fourier


⎛ − 2j ⎞
x( t ) = 2 ⋅ ∑ ⎜ ⎟ j ⋅ sen (kπ t ) =
k = 1, 3, 5, ... ⎝ πk ⎠

⎛ 4 ⎞
= ∑ ⎜ ⎟ sen (kπ t )
k = 1, 3, 5, ... ⎝ πk ⎠

que é o mesmo resultado obtido no Exemplo 1 com a série trigonométrica de Fourier, ou


seja:

4 4 4
x(t ) = sen (π t ) + sen (3 π t ) + sen (5 π t ) +
π 3π 5π
4 4 4
+ sen (7 π t ) + sen (9 π t ) + sen (11 π t ) + ...
7π 9π 11π

Na verdade existe uma relação entre a série trigonométrica e a série complexa de Fourier.
Pode-se facilmente mostrar que:

ak − j ⋅ bk
ck = , para k = 0, 1, 2, ...
2
e
ak + j ⋅ bk
ck = , para k = - 1, - 2, ...
2

ao
Note que nas equações acima inclui o facto que c o = pois obviamente b o = 0 , já que
2
não existe pois não é definido.

Note também que os termos ck para k positivos são os conjugados de ck para k negativos,
isto é:

ck = (c –k)* , ∀ k = 0, ±1, ±2, ±3, …

Com as relações acima é fácil de se mostrar que, quando x(t) é um sinal real, então:

∞ ⎛ 2π ⎞ ∞
j⎜ ⎟ ⋅k t
x(t ) = ∑ ck e
k = −∞
⎝ T ⎠
= ∑c
k = −∞
k e j ωo ⋅k t


2π 2π
∑ ⎡⎢⎣a ⎞
cos ⎛⎜ ⋅ k t ⎟
⎞⎤
bk sen ⎛⎜ ⋅ k t ⎟⎥ =
a0
= + +
⎝ T ⎝ T
k
2 k =1 ⎠ ⎠⎦

a
= 0 +
2
∑ [a
k =1
k cos (ωo k t ) + bk sen (ωo k t )]

ou seja, as duas séries de Fourier, trigonométrica e exponencial, são equivalentes.

13
J. A. M. Felippe de Souza Notas em Análise de Fourier

Propriedades da Série de Fourier para sinais contínuos

Linearidade:

Suponha que
x1 ( t ) é um sinal com período T e tem coeficientes de Fourier c ′k
x 2 ( t ) é um sinal com período T e tem coeficientes de Fourier c ′k′
e que
y( t ) = α x 1 ( t ) + β x 2 ( t )
então, mostra-se que:
y(t ) tem período T ,

ou seja y( t ) tem frequência fundamental ωo = ,
T
e coeficientes de Fourier

c k = α c ′k + β c ′k′

Translação no tempo (“time shifting”):

Suponha que
x( t ) é um sinal com período T e tem coeficientes de Fourier c k
e que
y(t ) = x(t − t o )

ou seja, y (t) é o sinal x (t) com uma translação (shift) no tempo de to.
Então, mostra-se que:
y(t ) tem período T ,

ou seja y( t ) tem frequência fundamental ωo = ,
T
e coeficientes de Fourier

ck = e− j k ωo t o ⋅ ck =
~


− j k ⎛⎜ ⎞⎟ t o
⎝ T ⎠
= e ⋅ ck
Nota:
Como e jθ = 1 ,
~
ck = c k

14
J. A. M. Felippe de Souza Notas em Análise de Fourier

Sinal reflectido / reversão no tempo (“time reversal”) em torno de t = 0:


Suponha que
x( t ) é um sinal com período T e tem coeficientes de Fourier ck
e que
y(t ) = x(− t )
então, mostra-se que:
y(t ) tem período T ,

ou seja y( t ) tem frequência fundamental ωo = ,
T
e coeficientes de Fourier

ĉ k = c −k
Nota:
Como consequência desta propriedade pode-se concluir que:

Se x(t ) é um sinal par ⇒ os coeficientes de Fourier ck são pares; (i.e., c k = c −k ); e


Se x(t ) é um sinal ímpar ⇒ os coeficientes de Fourier ck são ímpares; (i.e., c k = − c −k ).

Escalonamento no tempo (“time scaling”):


Suponha que
x( t ) é um sinal com período T e tem coeficientes de Fourier c k

(portanto x(t) tem frequência fundamental ωo = )
T
e que
y(t ) = x(α t )
então, mostra-se que:
T
y(t) tem período ,
α
2απ
ou seja y( t ) tem frequência fundamental α ωo = e além disso,
T

y(t) = ∑ c k e− j k α ω t o
=
k = −∞

2α π⎞
∞ − j k ⎛⎜ ⎟t
= ∑ ck e ⎝ T ⎠

k = −∞

Note que a série de Fourier muda por causa da mudança da frequência fundamental (e do
período). Entretanto os coeficientes c k não mudam.

15
J. A. M. Felippe de Souza Notas em Análise de Fourier

Multiplicação:
Suponha que
x1 ( t ) é um sinal com período T e tem coeficientes de Fourier c ′k
x 2 ( t ) é um sinal com período T e tem coeficientes de Fourier c ′k′
e que
y( t ) = x 1 ( t ) ⋅ x 2 ( t )
então, mostra-se que:

y( t ) tem período T , ou seja tem frequência fundamental ωo = ,
T
e coeficientes de Fourier

ck = ∑ c′i ⋅ c′k′−i =
i = −∞

= c′ [ k ] ∗ c′′ [ k ]

Ou seja,

ck = ∑ c′i ⋅ c′k′−i =
ij = − ∞

= c′o ⋅ c′k′ + c1′ ⋅ c′k′ −1 + c′−1 ⋅ c′k′ +1 + c′2 ⋅ c′k′ − 2 + c′− 2 ⋅ c′k′ + 2 + L

Conjugação:
Suponha que
x( t ) é um sinal com período T e tem coeficientes de Fourier c k
e que
y(t) = x∗(t)
então, mostra-se que:

y( t ) tem período T , ou seja tem frequência fundamental ωo = ,
T
e coeficientes de Fourier

ck = c∗−k
Nota:
Como consequência desta propriedade pode-se concluir que:

Se x(t ) ∈ , então
16
J. A. M. Felippe de Souza Notas em Análise de Fourier

os coeficientes de Fourier c − k = c∗k ;


co ∈ ; e

ck = c −k .
Além disso:

Se x(t ) ∈ é um sinal par ⇒

os coeficientes de Fourier ck = c∗k ; e


c k = c −k

Se x(t ) ∈ é um sinal ímpar ⇒

os coeficientes de Fourier ck são imaginários puros, c o = 0 e

c k = − c −k

Translação na frequência (“frequency shifting”):

Suponha que
x( t ) é um sinal com período T e tem coeficientes de Fourier ck
e, para um m inteiro, constante, considere agora os coeficientes

ck = ck −m
ou seja, ck são os coeficientes ck desfasados de m.

Então, mostra-se que o sinal:

y(t) = e j m ωo t ⋅ x(t)
tem os coeficientes de Fourier ck

Nota:

Esta propriedade é dual da translação no tempo (time shifting). Agora a translação (shift)
foi aplicada aos ck e não no tempo t.

Como e j θ = 1,

ck = ck k = 0, ±1, ±2, …

17
J. A. M. Felippe de Souza Notas em Análise de Fourier

Convolução no período:
Suponha que
x1 ( t ) é um sinal com período T e tem coeficientes de Fourier c ′k
x 2 ( t ) é um sinal com período T e tem coeficientes de Fourier c ′k′
e que
y(t) = ∫ x1 (t − τ) ⋅ x 2 (τ) dτ =
T

= x1 (t) ∗ x 2 (t) , definida no período


Então, mostra-se que:

y( t ) tem período T , ou seja tem frequência fundamental ωo = ,
T
e coeficientes de Fourier
~
~
ck = T ⋅ c′k ⋅ c′k′

Derivada:
Suponha que

x( t ) é um sinal com período T e tem coeficientes de Fourier ck

e que

dx
y( t ) = (t)
dt
então, mostra-se que:

y( t ) tem período T , ou seja tem frequência fundamental ωo = 2 π ,


T

e coeficientes de Fourier

c′k = j k ωo ck = j k ⎛⎜ 2π ⎞⎟ ck
⎝T⎠

Nota:
Para o caso de derivadas de ordem 2 ou mais, pode-se aplicar esta regra sucessivas
vezes.

18
J. A. M. Felippe de Souza Notas em Análise de Fourier

Integral:
Suponha que
x( t ) é um sinal com período T e tem coeficientes de Fourier c k
e que
t
y(t) = ∫− ∞ x(t) dt
então, mostra-se que:

y( t ) tem período T , ou seja tem frequência fundamental ωo = ,
T
e coeficientes de Fourier
( 1 ⋅c = 1
ck = k ⋅ ck
j k ωo ⎛ 2
jk ⎜ ⎟π ⎞
⎝T⎠

Nota:
No caso de co = 0, esta propriedade só é válida para sinais x( t ) periódicos e com valores
finitos.
Para o caso de integrais duplas, triplas, etc., pode-se aplicar esta regra sucessivas vezes.

Relação de Parseval:
Suponha que
x( t ) é um sinal com período T e tem coeficientes de Fourier ck

então, mostra-se que a potência média do sinal no intervalo de um período T:

P = 1
T ∫ x 2(t) dt =
T


= ∑
2
ck
k = −∞

~~~~~~

19
J. A. M. Felippe de Souza Notas em Análise de Fourier

Série exponencial de Fourier para sinais discretos


Já vimos, (no capítulo de Sinais e Sistemas), que um sinal discreto é periódico se

x[n] = x[ n + N ]

onde N é o período.

Além disso, vimos que


N = período fundamental
se N for o menor inteiro para o qual a relação acima satisfaz. E neste caso:


ωo = = frequência fundamental.
N
O conjunto de todos os sinais discretos no tempo do tipo exponenciais complexos que são
periódicos (com período N) é dado por

⎛ 2π ⎞
jk ⎜ ⎟n
φk [n] = e jk ωon
= e ⎝ N ⎠
, k = 0, 1, 2, … eq. (E)

e todos estes sinais têm frequência fundamental que são múltiplas de


N
e portanto são harmonicamente relacionados.

Existem apenas N sinais distintos no conjunto de funções φk[n] definido pela eq. (E) acima.

Isto é uma consequência do facto de que sinais discretos no tempo do tipo exponenciais
complexas que cuja diferem na frequência por um múltiplo de 2π são idênticos.
Ou seja, após N consecutivos, estes termos começam a repetir-se.

φ o [n] = φN [n]

φ1 [n] = φN +1 [n]

φ 2 [n] = φN + 2 [n]

M M
φk [n] = φk + N [n]

M M

20
J. A. M. Felippe de Souza Notas em Análise de Fourier

Esta situação é diferente do caso contínuo pois

⎛ 2π ⎞
jk ⎜ ⎟t
j k ωo t ⎝ T ⎠
φk ( t ) = e = e k = 0, 1, 2, … ,

que aparecem na equação de síntese da série de Fourier para sinais contínuos, são todos
diferentes uns dos outros.

Portanto, a série de Fourier para sinais discretos terá apenas N termos, para N
consecutivos valores de k,

de k=l até k = l + N − 1.

e, semelhantemente, apenas N coeficientes ck.

Logo, a série de Fourier para sinais discretos tem a expressão:

(l + N −1) j k ⎛⎜ 2π ⎞⎟ n
x[n] = ∑ ck ⋅ e ⎝N⎠
=
k = l, (l +1), K

(l + N −1) eq. (F)


= ∑ ck ⋅ e j k ωo n

k = l, (l +1), K

onde, conforme já dito,

N = período fundamental do sinal x[n].


ωo = frequência fundamental do sinal x[n].
A equação eq. (F) acima é conhecida como a equação de síntese da série de Fourier
discreta.

Já os coeficientes ck’s no caso discreto são definidos por

( l +N−1)
1
ck =
N
⋅ ∑ x[n] ⋅ e
n= l, ( l +1),K
− j k ωo n
=

( l + N−1) ⎛ 2π ⎞
−j k⎜
k = 0, ±1, ±2, … eq. (G)
1 ⎟n
=
N
⋅ ∑
n = l, ( l +1),K
x[n] ⋅ e ⎝ N ⎠

Os ck’s são chamados de coeficientes da série Fourier discreta ou coeficientes espectrais.


A equação eq. (G) é conhecida como as equação de análise da série de Fourier discreta.

21
J. A. M. Felippe de Souza Notas em Análise de Fourier

Exemplo 3:

Considere a seguinte onda quadrada x[n] discreta no tempo:

⎧1, se − N1 ≤ n ≤ N1
x[n] = ⎨
⎩0 , ∀ outros n no intervalo de somação

Neste caso os coeficientes espectrais ck ficam:

− j k ⎛⎜ 2 π ⎞⎟ n
N1
ck = 1 ⋅
N

n= − N1
e ⎝ N ⎠
eq. (H)

Se k = 0, ± N, ± 2N, L o somatório desta expressão de ck acima fica

N1 N1


n= − N1
e − j k 2π
= ∑
n= − N1
1 = (2 N1 + 1)

e portanto, a expressão de ck da eq. (H) acima é facilmente expressa como:

2 N1 + 1
ck = , k = 0, ± N, ± 2N, L
N

Entretanto, para k ≠ 0, ± N, ± 2N, L definimos

m = n + N1
e então, fazemos uma mudança de índice no somatório, ficando

⎛ 2π ⎞
1 2 N1 −jk⎜ ⎟ ( m − N1 )
ck =
N
⋅ ∑ e ⎝ N ⎠
=
m=0

⎛ 2π ⎞ ⎛ 2π ⎞ .
1 − j k ⎜⎝ N ⎟⎠ N1 2 N1 −jk⎜ ⎟m
=
N
e ⋅ ∑ e ⎝ N⎠

m=0

22
J. A. M. Felippe de Souza Notas em Análise de Fourier

Agora, usando a fórmula da soma finita dos elementos de uma progressão geométrica:

a1 : a 2 : a 3 : L : ak : L
a 2 = a1 ⋅ q , a 3 = a 2 ⋅ q , L ak = ak −1 ⋅ q , L

que é dada por:


n
a1 (1 − qn )
S= ∑ ak =
(1 − q)
k =1

podemos substituir o somatório da expressão dos ck acima, uma vez que é uma soma
finita de uma progressão geométrica com
⎛ 2π ⎞
−j k⎜ ⎟
a1 = 1 , n = (2N1 + 1) e, q=e ⎝N⎠

obtendo:

⎡ ⎛ 2π ⎞
⎛ 2π ⎞ −jk⎜ ⎟ ( 2N +1) ⎤
1 −jk⎜
⎝ N ⎠
⎟ N1 ⎢1 − e ⎝ N ⎠ ⎥
ck = e ⋅ ⎢ ⎥ k ≠ 0, ± N, ± 2N, L
N ⎛ 2π ⎞
−jk⎜ ⎟
⎢ 1− e ⎝ N ⎠ ⎥
⎣ ⎦

que, após multiplicação dos termos, pode facilmente ser expresso como

⎛ 2π ⎞
⎡ j k ⎛⎜ 2 π ⎞⎟ ⎛⎜ N1 + 1 ⎞⎟ ⎛ 2π ⎞ ⎛
⎟ ⎜ N1 + ⎟ ⎤
1⎞
−jk⎜ ⎟ −jk⎜
⎝ 2N ⎠
e ⋅ ⎢e ⎝ ⎠ ⎝ N 2 ⎠
− e ⎝ ⎠⎝ 2⎠ ⎥
N

1 ⎢⎣ ⎥⎦
ck = ⋅
N ⎛ 2π ⎞ ⎡ ⎛ 2π ⎞ ⎛ 2π ⎞ ⎛ 2π ⎞ ⎛ 2π ⎞ ⎤
−jk⎜ ⎟ jk⎜ ⎟⎜ ⎟ −jk⎜ ⎟⎜ ⎟
⎝ N ⎠ ⎝ N ⎠ ⎝ 2N ⎠ ⎝ N ⎠ ⎝ 2N ⎠
e ⋅ ⎢e − e ⎥
⎢⎣ ⎥⎦

k ≠ 0, ± N, ± 2N, L

e, usando Eüler, obtemos que

⎡ 2π 1 ⎞⎤
sen ⎢ k ⎛⎜ N1 + ⎟
1 ⎣N ⎝ 2 ⎠⎥⎦
ck = ⋅ , k ≠ 0, ± N, ± 2N, L
πk
sen ⎛⎜ ⎞⎟
N
⎝N⎠

Desta forma temos então todos os coeficientes espectrais ck da onda quadrada discreta
deste exemplo.

23
J. A. M. Felippe de Souza Notas em Análise de Fourier

Resumindo:

⎧ ⎡ 2π ⎛ 1 ⎞⎤
⎪1 sen ⎢⎣ N ⎝k ⎜ N + ⎟
2 ⎠⎥⎦
1
⎪ ⋅ , se k ≠ 0, ± N, ± 2N, L
⎪ N ⎛ π k ⎞
ck = ⎨ sen ⎜ ⎟
⎝N⎠

⎪ 2N + 1
⎪ 1 , se k = 0, ± N, ± 2N, L
⎩ N

Para o caso particular de N = 9 e N1 = 2, temos que:

(2N1 +1) = 5
que representa o número de pontos que assumem o valor 1 em cada período e
consequentemente,

N - (2N1 +1) = 9 - 5 = 4
Representa o número de pontos que é igual a 0 (zero) em cada período.
O gráfico deste x[n] pode ser visto abaixo:

e os coeficientes ck calculados pela expressão acima são:

M c 2 = − 0,0591 c 9 = 0,5556

c − 4 = 0,0725 c 3 = − 0,1111 c 10 = 0,3199


c −3 = − 0,1111 c 4 = 0,0725 c 11 = − 0,0591
c − 2 = − 0,0591 c 5 = 0,0725 c 12 = − 0,1111
c −1 = 0,3199 c 6 = − 0,1111 c 13 = 0,0725
c o = 0,5556 c 7 = − 0,0591 c 14 = 0,0725
c 1 = 0,3199 c 8 = 0,3199 M

24
J. A. M. Felippe de Souza Notas em Análise de Fourier

Observe que a cada N coeficientes eles se repetem. Isto é, a cada 9 ck eles voltam a ser
os mesmos valores.
M

c − 4 = c 5 = c 14 = L

c −3 = c 6 = c 15 = L

c − 2 = c 7 = c 16 = L

c −1 = c 8 = c 17 = L

c o = c 9 = c 18 = L

c 1 = c 10 = c 19 = L

c 2 = c 11 = c 20 = L

M
e assim por diante.

Agora, com os valores dos coeficientes ck, podemos escrever a série de Fourier, eq. (F).

Ao contrário do caso contínuo, em que tínhamos que acrescentar mais e mais termos
para obter uma aproximação melhor, aqui no caso discreto é possível uma aproximação
exacta com N = 9 termos consecutivos:

( l + 8) ⎛ 2π ⎞
jk⎜ ⎟n
x[n] = ∑ ck ⋅ e ⎝ 9 ⎠

k = l, ( l +1),K

Por exemplo, se tomarmos primeiramente apenas 3 termos consecutivos, k = -1, 0 e 1,


teremos

⎛ 2π ⎞
1 j k⎜ ⎟n
x̂ 3 [n] = ∑ ck ⋅ e ⎝ 9 ⎠

k = −1

que nos dá uma primeira aproximação, ainda muito grosseira, do sinal x[n], como pode-
se ver no gráfico de x̂ 3 [n] abaixo.

25
J. A. M. Felippe de Souza Notas em Análise de Fourier

Se entretanto tomarmos 5 termos consecutivos, k = -2, -1, 0, 1 e 2, teremos então

⎛ 2π ⎞
2 jk⎜ ⎟n
x̂ 5 [n] = ∑ ck ⋅ e ⎝ 9 ⎠

k = −2

que nos dá uma aproximação um pouco melhor, mas ainda nada perfeita, do sinal x[n],
como pode-se ver no gráfico de x̂ 5 [n] abaixo.

Se agora tomarmos 7 termos consecutivos, k = -3, -2, -1, 0, 1, 2 e 3, teremos então

⎛ 2π ⎞
3 j k⎜ ⎟n
x̂ 7 [n] = ∑ ck ⋅ e ⎝ 9 ⎠

k = −3

que já nos dá uma aproximação bem melhor, mas ainda não perfeita, do sinal x[n], como
pode-se ver no gráfico de x̂ 7 [n] abaixo.

Finalmente, se agora tomarmos 9 termos consecutivos, k = -4, -3, -2, -1, 0, 1, 2, 3 e 4,


teremos então

⎛ 2π ⎞
4 j k⎜ ⎟n
x̂ 9 [n] = x[n] = ∑ ck ⋅ e ⎝ 9 ⎠

k = −4

que nos dá a aproximação exacta do sinal x[n] pois N = 9. Ou seja,

x̂ 9 [n] = x[n]

26
J. A. M. Felippe de Souza Notas em Análise de Fourier

O gráfico de x̂ 9 [n] , que é coincidente com x[n], pode ser visto abaixo.

Exemplo 4:

Considere agora o sinal sinusoidal discreto

x[n] = sen ( ωon)

Este sinal é periódico quando:


é um inteiro ou a razão de inteiros.
ωo

Suponha que


= N
ωo
logo,

ωo =
N

e x[n] é então um sinal periódico com período fundamental N.

Usando-se a equação de Eüler podemos expandir este sinal x[n] como a soma de 2
termos exponenciais complexas, obtendo-se

⎛ 2π ⎞ ⎛ 2π ⎞
1 j ⎜⎝ N ⎟⎠ n 1 − j ⎜⎝ N ⎟⎠ n
x[n] = e − e
2j 2j
e vemos então que:

27
J. A. M. Felippe de Souza Notas em Análise de Fourier

⎧ −1 1
⎪ c −1 = 2 j = 2 j

⎪⎪ −1 −1
⎨ c1 = = j
⎪ 2 j 2

⎪ c k = 0, para ∀ outros valores de k no intervalo de somação .
⎪⎩

Por exemplo, no caso particular de

N=5
então

x[n] = sen ⎛⎜ n ⎞⎟
⎝ 5 ⎠
e os coeficientes de Fourier serão:

M c7 = 0

c −3 = 0 c8 = 0

c −2 = 0 −1 1
c9 = = j
2j 2
−1 1
c −1 = = j
2j 2 c 10 = 0

co = 0 1 1
c 11 = = − j
2j 2
1 1
c1 = = − j
2j 2 c 12 = 0

c2 = 0 c 13 = 0

c3 = 0 −1 1
c 14 = = j
2j 2
−1 1
c4 = = j
2j 2 c 15 = 0

c5 = 0 1 1
c 16 = = − j
2j 2
1 1
c6 = = − j
2j 2 M

e assim por diante.

28
J. A. M. Felippe de Souza Notas em Análise de Fourier

O intervalo de somação pode ser quaisquer 5 coeficientes ck consecutivos, como por


exemplo:
de k = -1 até k = 3, ou
de k=0 até k = 4, ou
de k =1 até k = 5, ou
de k=2 até k = 7,
etc. etc.

Se tomarmos apenas 3 termos consecutivos, como por exemplo: k = 1, 2 e 3, teremos

⎛ ⎞
3 j k ⎜⎜ 2π ⎟⎟ n
x̂3[n] = ∑ ck ⋅ e ⎝ 5⎠

k =1

que nos dá uma aproximação do sinal x[n].

Entretanto, se tomarmos 5 termos consecutivos, como por exemplo: k = 1, 2, 3, 4 e 5,


teremos então
⎛ 2π ⎞
5 j k⎜ ⎟n
x̂ 5 [n] = ∑ ck ⋅ e ⎝ 5 ⎠

k =1

que nos dá a aproximação exacta do sinal x[n] pois N = 5. Ou seja,


x̂ 5 [n] = x[n] = sen ⎛⎜ n ⎞⎟ .
⎝ 5 ⎠

Exemplo 5:
Considere novamente o sinal sinusoidal discreto

x[n] = sen ( ωon)

mas agora suponha que

2π N
= = razão de 2 inteiros
ωo M

onde N e M são 2 inteiros que não têm factores comuns.

29
J. A. M. Felippe de Souza Notas em Análise de Fourier

Logo,

ωo = ⋅M
N

Novamente x[n] é um sinal periódico e com período fundamental N.

Usando-se a equação de Eüler podemos também expandir este sinal x[n] como a soma
de 2 termos exponenciais complexas, obtendo-se:

⎛ 2π ⎞ ⎛ 2π ⎞
1 jM ⎜
⎝ N ⎠
⎟n 1 −j M ⎜
⎝ N ⎠
⎟n
x[n] = e − e
2j 2j
e portanto,

⎧ −1 1
⎪ c − M = = j
2j 2

⎪⎪ −1 −1
⎨ cM = = j
⎪ 2 j 2

⎪ ck = 0, para ∀ outros valores de k no intervalo de somação .
⎪⎩

Note que

1
c N −M = c − (N + M) = j (= c − M também)
2
e que
−1
c N+M = c −N+M = j (= c M também)
2
Por exemplo, no caso particular de

N=5 e M = 3,
então
2π ⎞ 6π
x[n] = sen ⎛⎜ 3 ⋅ n ⎟ = sen ⎛⎜ n ⎞⎟ = sen (1,2 ⋅ π ⋅ n )
⎝ 5 ⎠ ⎝ 5 ⎠
e os coeficientes de Fourier serão:

30
J. A. M. Felippe de Souza Notas em Análise de Fourier

M
c −9 = 0 c1 = 0 c11 = 0

1 1 1
c −8 = j c2 = j c12 = j
2 2 2
1 1 1
c −7 = − j c3 = − j c13 = − j
2 2 2
c −6 = 0 c4 = 0 c14 = 0

c −5 = 0 c5 = 0 c15 = 0

c −4 = 0 c6 = 0 c16 = 0

1 1 1
c −3 = j c7 = j c17 = j
2 2 2
1 1 1
c −2 = − j c8 = − j c18 = − j
2 2 2
c −1 = 0 c9 = 0 c19 = 0

co = 0 c10 = 0 c 20 = 0

M
e assim por diante.

O intervalo de somação novamente pode ser quaisquer 5 coeficientes ck consecutivos,


como por exemplo:
de k = -1 até k = 3, ou
de k=0 até k = 4, ou
de k =1 até k = 5,
etc. etc.

Se tomarmos apenas 1, ou 2, ou 3, ou 4 termos consecutivos, teremos uma


aproximação do sinal x[n]. Por exemplo: k = 1, 2 e 3,

⎛ 6π ⎞
3 j k⎜ ⎟n
x̂ 3 [n] = ∑ ck ⋅ e ⎝ 5 ⎠

k =1

Entretanto, se tomarmos 5 termos consecutivos, como por exemplo: k = 1, 2, 3, 4 e 5,


teremos então

31
J. A. M. Felippe de Souza Notas em Análise de Fourier

⎛ 6π ⎞
5 j k⎜ ⎟n
x̂ 5 [n] = ∑ ck ⋅ e ⎝ 5 ⎠

k =1

que nos dá a aproximação exacta do sinal x[n] pois N = 5. Ou seja,

⎛ 6π ⎞
x̂ 5 [n] = x[n] = sen ⎜ n ⎟
⎝ 5 ⎠
Mas entretanto, se tomarmos o caso particular de

N=7 e M = 3,
então
⎛ 2π ⎞ ⎛ 6π ⎞
x[n] = sen ⎜ 3 ⋅ n ⎟ = sen ⎜ n ⎟ = sen (0,8571 ⋅ π ⋅ n ) = sen (2,6928 ⋅ n )
⎝ 7 ⎠ ⎝ 7 ⎠
e os coeficientes de Fourier serão:

M 1
c8 = − j
1 2
c −2 = − j
2 c9 = 0
c −1 = 0 c 10 = 0
co = 0 c 11 = 0
c1 = 0 1
c 12 = j
1 2
c2 = j
2 c 13 = 0
c3 = 0 c 14 = 0
c4 = 0 1
c 15 = − j
1 2
c5 = − j
2 c 16 = 0
c6 = 0 c 17 = 0
c7 = 0 M
e assim por diante.

32
J. A. M. Felippe de Souza Notas em Análise de Fourier

O intervalo de somação agora pode ser quaisquer 7 coeficientes ck consecutivos, como


por exemplo:
de k = -1 até k = 5, ou
de k=0 até k = 7, ou
de k =1 até k = 8,
etc. etc.

Se tomarmos apenas 1, ou 2, ou 3, ou 4 termos consecutivos, teremos uma


aproximação do sinal x[n]. Por exemplo: k = 1, 2, 3, 4 e 5,

⎛ 6π ⎞
5 j k⎜ ⎟n
x̂ 5 [n] = ∑ ck ⋅ e ⎝ 7 ⎠

k =1

Entretanto, se tomarmos 7 termos consecutivos, como por exemplo:

k = 1, 2, 3, 4, 5, 6 e 7,
teremos então
⎛ 6π ⎞
7 j k⎜ ⎟n
x̂ 7 [n] = ∑ ck ⋅ e ⎝ 7 ⎠

k =1

que nos dá a aproximação exacta do sinal x[n] pois N = 7. Ou seja,


x̂ 7 [n] = x[n] = sen ⎛⎜ n ⎞⎟ .
⎝ 7 ⎠

~~~~~~

33
J. A. M. Felippe de Souza Notas em Análise de Fourier

Propriedades da Série de Fourier para sinais discretos

Linearidade:

Suponha que
x1 [n ] é um sinal com período N e tem coeficientes de Fourier c ′k
x 2 [ n ] é um sinal com período N e tem coeficientes de Fourier c ′k′
e que
y [ n ] = α x1 [ n ] + β x 2 [ n ]
então, mostra-se que:
y [ n ] tem período N ,

ou seja y [ n ] tem frequência fundamental ωo = ,
N
e coeficientes de Fourier

c k = α c ′k + β c ′k′

Translação no tempo (“time shifting”):

Suponha que
x[n] é um sinal com período N e tem coeficientes de Fourier c k
e que
y [ n ] = x[ n − no ]
ou seja, y [ n ] é o sinal x [ n ] com uma translação (shift) no tempo de no.
Então, mostra-se que:
y [ n ] tem período N ,

ou seja y [ n ] tem frequência fundamental ωo = ,
N
e coeficientes de Fourier

ck = e− j k ωo no ck =
~


− j k ⎛⎜ ⎞⎟ no
⎝N⎠
= e ck
Nota:

Como e jθ = 1 ,
~
ck = c k

34
J. A. M. Felippe de Souza Notas em Análise de Fourier

Sinal reflectido / reversão no tempo (“time reversal”) em torno de n = 0:


Suponha que
x [ n ] é um sinal com período N e tem coeficientes de Fourier c k
e que
y [n ] = x [ − n ]
então, mostra-se que:
y [ n ] tem período N ,

ou seja y[ n ] tem frequência fundamental ωo = ,
N
e coeficientes de Fourier
ĉ k = c −k
Nota:
Como consequência desta propriedade pode-se concluir que:

Se x [ n ] é um sinal par ⇒ os coeficientes de Fourier ck são pares; (i.e., c k = c −k ); e


Se x [ n ] é um sinal ímpar ⇒ os coeficientes de Fourier ck são ímpares; (i.e., c k = − c −k ).

Escalonamento no tempo (“time scaling”):


Suponha que
x [ n ] é um sinal com período N e tem coeficientes de Fourier c k

(portanto x[n] tem frequência fundamental ωo = )
N
e que
⎧x ⎡ n ⎤ , se n é múltiplo de m

y [ n ] = ⎨ ⎢⎣m ⎥⎦
⎪0 ,
⎩ se n não é múltiplo de m
então, mostra-se que:
y(t ) tem período m ⋅ N ,
ωo 2π
ou seja y [ n ] tem frequência fundamental = , e além disso,
m m ⋅N

(l +N−1) ⎛ω ⎞
− jk ⎜ o ⎟ n
y [n ] = ∑ ck ⋅ e ⎝m⎠
=
k = l,(l +1),K
2π ⎞
(l +N−1) − j k ⎛⎜ ⎟n
= ∑ ck ⋅ e ⎝ m⋅N ⎠

k = l,(l +1),K

Note que a série de Fourier muda por causa da mudança da frequência fundamental (e do
período). Entretanto os coeficientes c k não mudam.
35
J. A. M. Felippe de Souza Notas em Análise de Fourier

Multiplicação:
Suponha que
x1 [ n ] é um sinal com período N e tem coeficientes de Fourier c ′k
x 2 [ n ] é um sinal com período N e tem coeficientes de Fourier c ′k′
e que
y [ n ] = x1 [ n ] ⋅ x 2 [ n ]
então, mostra-se que:

y( t ) tem período N , ou seja tem frequência fundamental ωo = ,
N
e coeficientes de Fourier

(l +N−1)
ck = ∑ c′j ⋅ c′k′ − j k = 0, ±1, ±2, …
j = l,(l +1),K

Ou seja,
(l +N−1)
ck = ∑ c′j ⋅ c′k′ − j =
j= l, (l +1),K

= c′o ⋅ c′k′ + c1′ ⋅ c′k′ −1 + c′2 ⋅ c′k′ − 2 + L + c′N−1 ⋅ c′(′k −N+1)


= c1′ ⋅ c′k′ −1 + c′2 ⋅ c′k′ − 2 + c′3 ⋅ c′k′ −3 + L + c′N ⋅ c′(′k −N)
M M M M
etc etc etc etc

Conjugação:
Suponha que
x [ n ] é um sinal com período N e tem coeficientes de Fourier c k
e que
y [ n ] = x∗ [ n ]

o conjugado de x[n]; então, mostra-se que:

y [ n ] tem período N , ou seja tem frequência fundamental ωo = 2π ,


N
e coeficientes de Fourier

c k = c ∗−k

36
J. A. M. Felippe de Souza Notas em Análise de Fourier

Nota:
Como consequência desta propriedade pode-se concluir que:

Se x [ n ] ∈ , então

os coeficientes de Fourier c − k = c k ;

co ∈ ; e

ck = c −k .
Além disso:
Se x [ n ] ∈ é um sinal par ⇒

os coeficientes de Fourier c k = c k ; e

c k = c −k

Se x [ n ] ∈ é um sinal ímpar ⇒

os coeficientes de Fourier ck são imaginários puros, c o = 0 e

c k = − c −k

Translação na frequência (“frequency shifting”):

Suponha que
x [ n ] é um sinal com período N e tem coeficientes de Fourier c k
e, para um m inteiro, constante, considere agora os coeficientes

ck = ck −m k = 0, ±1, ±2, …

ou seja, ck são os coeficientes ck desfasados de m.

Então, mostra-se que o sinal:

y [ n ] = e j m ωo n ⋅ x(t)
tem os coeficientes de Fourier ck

Nota:
Esta propriedade é dual da translação no tempo (time shifting). Agora a translação (shift)
foi aplicada aos ck e não no tempo t.

Como e j θ = 1,
ck = ck

37
J. A. M. Felippe de Souza Notas em Análise de Fourier

Convolução no período:
Suponha que
x1 [n ] é um sinal com período N e tem coeficientes de Fourier c ′k
x 2 [ n ] é um sinal com período N e tem coeficientes de Fourier c ′k′
e que
(l + N −1)
y [n ] = ∑ x1 [ n − k ] ⋅ x 2 [ k ] =
k = l, (l + 1), K

= x1 [ n ] ∗ x 2 [ n ], definida no período

Então, mostra-se que:



y( t ) tem período N , ou seja tem frequência fundamental ωo = ,
N
e coeficientes de Fourier
~
~
ck = N ⋅ c′k ⋅ c′k′

Primeira diferença:
Suponha que
x [ n ] é um sinal com período N e tem coeficientes de Fourier c k
e que
y [n ] = x [n ] − x [n − 1]
então, mostra-se que:

y [ n ] tem período N , ou seja tem frequência fundamental ωo = 2π ,


N
e coeficientes de Fourier

⎛ j k ⎛⎜ 2π ⎞⎟ ⎞
( )
c′k = 1 − e j k ωo ⋅ ck = ⎜ 1 − e ⎝ N ⎠

⎟ ⋅ ck

⎝ ⎠

Nota:
Esta propriedade corresponde, no caso discreto, à propriedade para a derivada no caso
contínuo.
Para o caso de derivadas de ordem 2 ou mais, pode-se aplicar esta regra sucessivas
vezes.

38
J. A. M. Felippe de Souza Notas em Análise de Fourier

Soma acumulada:
Suponha que
x [ n ] é um sinal com período N e tem coeficientes de Fourier c k
e que
n
y(t) = ∑ x [k ]
k = −∞
então, mostra-se que:

y( t ) tem período T , ou seja tem frequência fundamental ωo = ,
T
e coeficientes de Fourier

( 1 1
ck = ⋅ ck = ⋅ ck
(
1 − e j k ωo ) ⎛ j k ⎛⎜ 2π ⎞⎟
⎜ 1− e ⎝ N ⎠


⎜ ⎟
⎝ ⎠

Nota:
No caso de co = 0, esta propriedade só é válida para sinais x [ n ] periódicos e com valores
finitos.
Esta propriedade corresponde, no caso discreto, à propriedade para a integral no caso
contínuo.
Para o caso de integrais duplas, triplas, etc., pode-se aplicar esta regra sucessivas vezes.

Relação de Parseval:
Suponha que
x [ n ] é um sinal com período N e tem coeficientes de Fourier c k

então, mostra-se que a potência média do sinal no intervalo de um período N:


(l + N −1)
P = 1 ⋅ ∑
N n = l, (l +1), K
x2 [ n ] =

Ana Moura (fadista) 1 (l + N −1)


= ∑
2
ck
k = l, (l + 1), K

~~~~~~

39
J. A. M. Felippe de Souza Notas em Análise de Fourier

2 – Transformada de Fourier

A Transformada de Fourier para sinais contínuos


A série de Fourier só se aplica a sinais periódicos. Sinais que não são periódicos (ditos
sinais aperiódicos) têm uma outra representação com a transformada de Fourier.

Um sinal aperiódico pode ser visto como um sinal periódico com um período infinito. Mas
na série de Fourier, quando o período T de um sinal periódico aumenta, a frequência ωo

ωo = 2π
T
diminui, e o termos harmonicamente relacionados ficam mais próximos na frequência.

Ou seja, quando o período T

T → ∞

e por conseguinte a frequência ωo

ωo = 2π → 0
T

as componentes em frequência (i.e., os ck ‘s) formam um contínuo, e o somatório da série


de Fourier deste sinal se converte em uma integral.

Considere portanto

um sinal contínuo {conjunto dos números complexos}

ou seja, o sinal x(t) tem valores complexos, com parte real e parte imaginária.

A transformada de Fourier deste sinal x(t), normalmente simbolizada por:

ℑ{ x(t) } = X(jω)

permite expressar o sinal x(t), o que não era possível com a série de Fourier se o sinal
não fosse periódico, como:

1 ∞
x(t ) =
2π ∫ −∞
X( j ω ) ⋅ e j ω t dω eq. (I)

40
J. A. M. Felippe de Souza Notas em Análise de Fourier

onde:


X( jω) = ∫− ∞ x(t) ⋅ e − j ⋅ ω⋅ t ⋅ dt eq. (J)

é a transformada de Fourier do sinal x(t).

Portanto, a transformada de Fourier é uma função de ω (ou de jω) e, de certa forma,


generaliza a série de Fourier.

A equação eq. (I) acima é conhecida como a equação de síntese, ou também como a
fórmula da transformada inversa de Fourier.
Por outro lado a equação eq. (J), que dá propriamente a fórmula da transformada de
Fourier, é conhecida como as equação de análise.

Quanto à convergência destas integrais, é possível mostrar que estas fórmulas são
válidas para uma classe bastante ampla de sinais de duração infinita.

Exemplo 6:

Considere o sinal

x(t ) = e − a t ⋅ u1 (t ) , a>0
cujo gráfico vê-se a seguir.

A transformada de Fourier de x(t) pode ser calculada usando a equação eq. (J).

41
J. A. M. Felippe de Souza Notas em Análise de Fourier


X( jω) = ∫0 e − a t ⋅ e − j ⋅ ω⋅ t ⋅ dt =

−1 ∞
= e − (a + jω) t
(a + jω) 0

e portanto a transformada de Fourier deste sinal x(t) é dada por:

X( jω) = 1 , a>0
(a + jω)

Como a transformada de Fourier tem valores complexos, para expressá-la através de um


gráfico é necessário decompor em
diagrama de módulo X( jω) ,
e,
diagrama de fase ∠ X( jω) .
Para esta transformada X(jω) é fácil de verificar que o diagrama de módulo X ( j ω ) fica

X( jω) = 1
a2 + ω2

42
J. A. M. Felippe de Souza Notas em Análise de Fourier

e que o diagrama de fase ∠X( j ω) fica

⎛ ⎞
∠ X ( j ω ) = − tg−1 ⎜ ω ⎟
⎝a⎠

⎛ ⎞
Observe que se ω = 0, então tg−1 ⎜ ω ⎟ = tg−1 (0) = 0 , e portanto
⎝a⎠

∠ X ( j 0 ) = − tg−1 (0) = 0 .

−1 ⎛ ω ⎞ π
Também é fácil verificar que se ω = - a, então tg ⎜ ⎟ = tg (− 1) = − , e portanto
−1

⎝ ⎠
a 4

⎛ ⎞
∠ X ( j ω ) = − tg−1 ⎜ ω ⎟ → π
⎝a⎠ 4

−1 ⎛ ω ⎞ π e portanto
Por outro lado, se ω = a, então tg ⎜ ⎟ = tg (1) =
−1

⎝ ⎠
a 4

⎛ ⎞
∠ X ( j ω ) = − tg−1 ⎜ ω ⎟ → − π
⎝a⎠ 4

43
J. A. M. Felippe de Souza Notas em Análise de Fourier

⎛ ⎞ ⎛ ⎞
Note também que se ω → - ∞, então tg−1 ⎜ ω ⎟ = lim tg−1 ⎜ ω ⎟ ≅ tg−1 (− ∞) → − π , e
⎝a⎠ ω → −∞ ⎝a⎠ 2
portanto
⎛ ⎞
∠ X ( j ω ) = − tg−1 ⎜ ω ⎟ → π
⎝a⎠ 2

−1 ⎛ ω ⎞ −1 ⎛ ω ⎞ π , e
ω → ∞, então tg ⎜ ⎟ = lim tg ⎜ ⎟ ≅ tg (∞) →
−1
Mas entretanto, se
⎝a⎠ ω→∞ ⎝a⎠ 2
portanto
⎛ ⎞
∠ X ( j ω ) = − tg−1 ⎜ ω ⎟ → − π
⎝a⎠ 2

Exemplo 7:

Considere agora o sinal

−a t
x(t) = e , a > 0
cujo gráfico vê-se abaixo.

A transformada de Fourier de x(t) pode ser calculada usando a equação eq. (J).

44
J. A. M. Felippe de Souza Notas em Análise de Fourier


X( jω) = ∫0 e −a t
⋅ e − j ⋅ ω⋅ t ⋅ dt =

0 ∞
= ∫− ∞ e a t ⋅ e − j ⋅ ω⋅ t ⋅ dt + ∫0 e − a t ⋅ e − j ⋅ ω⋅ t ⋅ dt =

0 ∞
= 1 ⋅ e (a − jω) t + 1 e − (a + jω) t
(a − jω) −∞ − (a + jω) 0

= 1 + 1
(a − ω) (a + ω)

e portanto a transformada de Fourier deste sinal x(t) é dada por:

2a
X( jω) =
(a + ω2 )
2

Esta transformada de Fourier X ( j ω ) tem valores reais ∀ ω, e, além disso, como a > 0
e (a2 + ω2 ) > 0 , então
X( jω) = X( jω) .

Logo, o diagrama de módulo X( jω)


2a
X( jω) = X( jω) =
(a + ω2 )
2

45
J. A. M. Felippe de Souza Notas em Análise de Fourier

Como o X ( j ω ) tem valores reais e positivos para ∀ ω, o diagrama de fase ∠ X ( j ω ) é


zero para ∀ ω.
∠ X ( j ω ) = 0, ∀ω

Exemplo 8:

Considere agora o sinal

⎧⎪ 1, se t < a
x(t) = ⎨
⎪⎩0 , se t > a

cujo gráfico vê-se abaixo.

46
J. A. M. Felippe de Souza Notas em Análise de Fourier

Calculando-se a transformada de Fourier de x(t) usando a equação eq. (J), temos

a
X( jω) = ∫−a 1 ⋅ e − j ⋅ ω⋅ t ⋅ dt =

1 ⋅ e (− j ω) t a
=
( j ω) −a

= (
1 ⋅ ea ω − e− a ω

)
e portanto, usando Eüler, a transformada de Fourier deste sinal x(t) é dada por:

2 sen ( a ω )
X( jω) =
ω

Portanto, esta transformada de Fourier X ( j ω ) também só tem valores reais ∀ ω, mas


entretanto, os valores que X ( j ω ) assume são ora positivos e ora negativos, devido às
oscilações do seno.

Abaixo vemos o gráfico de X ( j ω ) .

Logo, o diagrama de módulo X ( j ω ) fica

47
J. A. M. Felippe de Souza Notas em Análise de Fourier

e o gráfico do diagrama de fase ∠ X ( j ω ) fica.

Ou seja,
⎧⎪ 0 se X( jω) > 0
∠ X( jω) = ⎨
⎪⎩ − π se X( jω) < 0

48
J. A. M. Felippe de Souza Notas em Análise de Fourier

A Transformada de Fourier para sinais periódicos


Note que se
X ( j ω ) = 2π ⋅ uo(ω − ωo )
então

∫ − ∞ 2π ⋅ uo(ω − ωo) ⋅ e
j ⋅ ω⋅ t
x (t ) = 1 ⋅ ⋅ dω =


∫−∞
j ⋅ ω⋅ t
= uo(ω − ωo ) ⋅ e ⋅ dω =

= e j ωo t

Logo, se

X( jω) = ∑ 2π ⋅ ck ⋅ uo(ω − kωo ) eq. (K)
k = −∞

x(t) então será:



x (t ) = ∑ ck ⋅ e j k ωo t
k = −∞

que é a série de Fourier para sinais periódicos.

A equação eq. (K) acima é chamada de “train of impulses” e define a transformada de


Fourier para os sinais que são periódicos em função dos coeficientes ck’s da série de
Fourier exponencial.

Exemplo 9:

Considere o sinal periódico x(t) abaixo:

⎧1 , se t <a
x(t) = ⎨
⎩0 , se 0< t <T
2

49
J. A. M. Felippe de Souza Notas em Análise de Fourier

Primeiramente calculamos os coeficientes ck’s da série de Fourier exponencial. Para k = 0


temos que:

a
co = 1
T ∫− a 1 ⋅ dt
= 2a
T
Para k ≠ 0 temos que:
a
∫−a 1 ⋅ e
− j ωo ⋅k t
ck = 1 ⋅ dt =
T
a
= − 1 ⋅ e − j ωo ⋅k t =
j ⋅ ωo ⋅ k ⋅ T −a

2 ⎛ e j ωo ⋅k a − e − j ωo ⋅k a ⎞
= ⎜ ⎟, k≠0
ωo ⋅ k ⋅ T ⎝ 2j ⎠
⎛ 2π ⎞
onde ωo = ⎜ ⎟ . Agora, usando-se as equações de Eüler temos que:
⎝T⎠

2 sen( k ωo a )
ck = , k≠0
k ωo T
ou, equivalentemente:

sen( k ωo a )
ck = , k≠0

Logo, a transformada de Fourier deste sinal periódico é o “train of impulses”


sen( k ωo a )
X ( j ω ) = 2π 2a uo(a) +
T
∑ 2⋅
k
⋅ uo(ω − kωo )
k = −∞
k ≠0


= ∑ γk ⋅ uo(ω − kωo )
k = −∞
k ≠0
onde:
⎧ 4πa se k = 0
⎪⎪ T
γk = ⎨
⎪2 ⋅ sen( k ωo a ) se k ≠ 0
⎪⎩ k

50
J. A. M. Felippe de Souza Notas em Análise de Fourier

Abaixo pode-se ver o gráfico de X(jω) x ω para o caso particular de T = 4a.

Neste caso (T = 4a),

k=0 γo = π
co = 1
2
k =1 c1 = 1 γ1 = 2
π
k = −1 c −1 = 1 γ −1 = 2
π
k=2 c2 = 0 γ2 = 0
k = −2 c −2 = 0 γ −2 = 0
k=3
c3 = − 1 γ 3 = − 2π
3 3
k = −3
c −3 = − 1 γ −3 = − 2π
3 3
M M M

Exemplo 10:

Considere o sinal periódico do seno:

x(t) = sen(ωot)

Neste caso os coeficientes ck’s da série exponencial de Fourier são:

51
J. A. M. Felippe de Souza Notas em Análise de Fourier

se k =1 ⇒
c1 = 1
2j
se k = −1 ⇒
c −1 = − 1
2j

se k ∉ { − 1, 1} ⇒ ck = 0

E a transformada de Fourier (“train of impulses”) neste caso é:

X( jω) = π ⋅ u (ω − ω ) − π ⋅ u (ω + ω )
o o o o
j j

Exemplo 11:

Considere o sinal periódico do coseno:

x(t) = cos(ωot)

Agora, neste caso os coeficientes ck’s da série exponencial de Fourier são:

se k =1 ⇒
c1 = 1
2
se k = −1 ⇒
c −1 = 1
2

se k ∉ { − 1, 1} ⇒ ck = 0

E a transformada de Fourier (“train of impulses”) neste caso é:

X ( j ω ) = π ⋅ uo (ω + ωo ) + π ⋅ uo (ω − ωo )

52
J. A. M. Felippe de Souza Notas em Análise de Fourier

Propriedades da Transformada de Fourier para sinais contínuos

Linearidade:

Suponha que
x1 ( t ) e x 2 ( t ) são dois sinais contínuos.
e que
y( t ) = α x 1 ( t ) + β x 2 ( t )

então, mostra-se que a transformada de Fourier de y(t) é:

Y ( j ω ) = α ⋅ X 1 ( j ω) + β ⋅ X 2 ( j ω)

ou seja,
ℑ{ α x1 (t ) + β x 2 (t ) } = α ⋅ ℑ{ x1 (t ) } + β ⋅ ℑ{ x 2 (t ) }

Translação no tempo (“time shifting”):

Suponha que x( t ) é um sinal contínuo e que:

y(t) = x(t − to )

ou seja, y (t) é o sinal x (t) com uma translação (shift) no tempo, de to.

Então, mostra-se que:

Y( jω) = e − j ω t o ⋅ X( jω)
ou seja,

ℑ{ x(t − to ) } = e − j ω t o ⋅ ℑ{ x(t) }

53
J. A. M. Felippe de Souza Notas em Análise de Fourier

Nota:

O módulo do sinal transladado não se altera. Somente a fase. Ou seja, escrevendo-se a


transformada de Fourier de x(t) na forma polar (módulo e ângulo):

ℑ{ x(t) } = X( jω) = X( jω) ⋅ e∠X( jω)

temos que a transformada de Fourier de x(t-to) pode ser expressa como:

ℑ{ x(t − to ) } = e − j ω t o ⋅ X( jω) =

= X( jω) ⋅ e j [(∠X( jω) − ωt o ]

Uma translação ou shift (de to) no sinal x(t)


uma translação ou shift (de ωto) na transformada X(jω) deste sinal.

Exemplo 12:
Considere o sinal x(t) abaixo:

Este sinal pode ser reescrito em função de dois sinais transladados: x1(t − 2,5) e
x 2(t − 2,5) :
x(t) = x1(t − 2,5) + x2(t − 2,5)

54
J. A. M. Felippe de Souza Notas em Análise de Fourier

Como as transformadas de Fourier de x1(t) e de x 2(t) são respectivamente X1(jω) e


X2(jω):

X1( jω) =
2 sen ω
2
( ) 2 sen 3ω
2
( )
e X2( jω) =
ω ω
então, usando as propriedades da linearidade e da translação (time shifting) temos que:

X( jω) = e
−j

⋅⎨ 2
( )
⎧⎪ sen ω + 2 sen 3ω
2
( ) ⎫⎪
2

⎪⎩ ω ⎪⎭

Conjugação:
Suponha que
x( t ) é um sinal com período T e tem coeficientes de Fourier ck
e que
y(t ) = x ∗ (t )
o conjugado de x(t); então, mostra-se que a transformada de Fourier de y(t) é:

Y( jω) = X∗(− jω)

isto é, a a transformada de Fourier do conjugado de um sinal é a conjugada simétrica da a


transformada de Fourier deste sinal:

ℑ{ x(t) } = X∗(− jω)

Nota:
Como consequência desta propriedade pode-se concluir que:

Se x( t ) ∈ , então
X( jω) = X∗(− jω)
Além disso, se a transformada de Fourier de x(t) é expressa na forma cartesiana (parte
real e parte imaginária):

ℑ{ x(t) } = X( jω) = Re{ X( jω) } + Im{ X( jω) }

então, como x( t ) ∈ , então

Re{ X( jω) } = Re{ X(− jω) } (a parte real é par) eq. (L)
Im{ X( jω) } = − Im{ X(− jω) } (a parte imaginária é ímpar) eq. (M)

55
J. A. M. Felippe de Souza Notas em Análise de Fourier

Entretanto, se a transformada de Fourier de x(t) é expressa na forma polar (módulo e


ângulo):
ℑ{ x(t) } = X( jω) = X( jω) ⋅ e∠ X( jω)

então, como

z = z∗
e
∠ z = − ∠ z∗

temos que:

X( jω) = X∗(− jω) (a módulo é par) eq. (N)

∠ X( jω) = − ∠ X∗(− jω) (a fase é ímpar) eq. (O)

Logo, se x( t ) ∈ , então só é necessário calcular a transformada de Fourier,

seja módulo ( X( jω) ) e fase ( ∠ X( jω) ) , ou


seja parte real ( Re { X(− jω) } ) e parte imaginária ( Im { X(− jω) } ) ,

para frequências
ω>0
pois estes valores para frequências negativas ( ω < 0 ) podem ser determinados usando
as relações acima [ eq. (L) e eq. (M), ou eq. (N) e eq. (O)].

Outro detalhe:

Se x( t ) ∈ é um sinal par (x(t) = x(−t)) ⇒


X( jω)∈ , isto é, X( jω)∈ eixo real; e
X( jω) = X(− jω) , isto é, X( jω) é par.
(a transformada de Fourier é uma função real e par)

Se x(t ) ∈ é um sinal ímpar (x(t) = − x(−t)) ⇒


X( jω) é imaginário puro , isto é, X( jω)∈ eixo imaginário; e
X( jω) = − X(− jω) , isto é, X( jω) é ímpar.

56
J. A. M. Felippe de Souza Notas em Análise de Fourier

Finalmente, a decomposição de um sinal x(t) em parte par ( Ev { X(− jω) } ) e


ímpar ( Od { X(− jω) } ) :

ℑ{Ev { x(t) }} = Re { X( jω) } eq. (P)


ℑ{ Od { x(t) }} = j ⋅ Im { X( jω) } eq. (Q)

Exemplo 13:
Considere o sinal x(t) abaixo:
−a t
x(t) = e , a>0

que vimos no Exemplo 7 acima. Mas, pelo resultado do Exemplo 6 acima sabemos que:

ℑ{ x(t) ⋅ u1(t) } = 1
(a + jω)
e como

⎧e −a t se t>0
x(t) = ⎨ a t
⎩e se t<0
podemos escrever que:

x(t) = e −a t ⋅ u1(t) + e a t ⋅ u1(−t) =

⎡ e −a t ⋅ u1(t) + e a t ⋅ u1(−t) ⎤
= 2⎢ ⎥=
⎣ 2 ⎦

{
= 2 ⋅ Ev e −a t ⋅ u1(t) }
Agora, usando a eq. (P) acima, temos que:

{ {
ℑ Ev e −a t ⋅ u1(t) } } = Re ⎧⎨ (a +1 jω) ⎫⎬
⎩ ⎭
logo,
{ {
X( jω) = 2 ⋅ ℑ Ev e −a t ⋅ u1(t) }}=
⎧ ⎫
= 2 ⋅ Re ⎨ 1 ⎬=
⎩ (a + jω) ⎭
2a
=
(
a + ω2
2
)
que foi o resultado obtido no Exemplo 7.

57
J. A. M. Felippe de Souza Notas em Análise de Fourier

Derivadas:

Suponha que x( t ) é um sinal e que

y(t) = dx (t)
dt
então, mostra-se que:

Y( jω) = jω ⋅ X( jω)
ou seja,

ℑ ⎧⎨ dx (t) ⎫⎬ = jω ⋅ X( jω)
⎩ dt ⎭

Integral:

Suponha que x( t ) é um sinal e que


t
y(t) = ∫−∞ x(t) dt
então, mostra-se que:

Y( jω) = 1 ⋅ X( jω) + π X(0) uo(ω)


{∫ }
ou seja,
t
ℑ x(τ) dτ = 1 ⋅ X( jω) + π X(0) uo(ω)
−∞ jω

Exemplo 14:

A transformada de Fourier do impulso unitário uo(t) :


ℑ {uo(t) } = ∫−∞ uo(t) ⋅ e
− j ωt
dt

e usando a propriedade da integral para o impulso unitário uo(t), isto é,


β
∫ α f(t) ⋅ uo(t − a) dt = f(a), α<a<β

obtemos que:
ℑ { uo(t) } = e − j ωt = 1
t=0
Ou seja, a transformada de Fourier do impulso unitário uo(t) é igual a 1.

58
J. A. M. Felippe de Souza Notas em Análise de Fourier

Exemplo 15:

Considere o sinal x(t) degrau unitário u1(t) :

x(t) = u1(t)
como
t
x(t) = ∫−∞ uo(τ) dτ
então, usando a propriedade da integral para a transformada de Fourier, temos que

X( jω) = 1 + π⋅ 1 ⋅ uo(ω)

ou seja, a transformada de Fourier do degrau unitário u1(t) é:

ℑ{u1(t) } = 1 + π⋅ uo(ω)

Por outro lado, como

du1
uo(t) = (t)
dt
usando a propriedade da derivada para a transformada de Fourier, temos que

ℑ {uo(t) } = jω ⋅ ℑ {u1(t) } =

⎡ ⎤
= jω ⋅ ⎢ 1 + π⋅ uo(ω)⎥ =
⎣ jω ⎦
= 1 + j⋅ π ⋅ uo(ω) ⋅ ω

Entretanto, sabemos que uo(ω) = 0 , ∀ω ≠ 0 e isso implica que:

uo(ω) ⋅ ω = 0

e portanto:
ℑ {uo(t) } = 1

que também foi o resultado encontrado no Exemplo 14.

59
J. A. M. Felippe de Souza Notas em Análise de Fourier

Escalonamento no tempo (“time scaling”):

Suponha que x( t ) é um sinal e que


y(t) = x(α t)
então, mostra-se que:

Y( jω) = 1 ⋅ X ⎛ jω ⎞
⎜ ⎟
α ⎝ α ⎠
ou seja,

ℑ { x(α t) } = 1 ⋅ X⎛ jω ⎞
⎜ ⎟
α ⎝ α ⎠

Sinal reflectido / reversão no tempo (“time reversal”) em torno de t = 0:

Suponha que x( t ) é um sinal e que


y(t ) = x(− t )
então, mostra-se que:

Y( jω) = X(− jω)


ou seja,
ℑ { x(−t) } = X(− jω)

Relação de Parseval:

Suponha que x( t ) é um sinal. Então, mostra-se que a energia total do sinal


E∞ = ∫− ∞ x2(t) dt
pode ser expressa em termos da transformada de Fourier pela relação de Parseval:

∞ 1 ⋅ ∞ X( jω) 2 dt
∫− ∞ x 2(t) dt =
2π ∫− ∞

Dualidade:
Suponha que x1(t) e x 2(t) são sinais contínuos e que
ℑ { x1(t) } = X1( j ω)
ℑ { x 2(t) } = X2( j ω)

60
J. A. M. Felippe de Souza Notas em Análise de Fourier

então, mostra-se que: se


x 2(t) = X1 (jω ) ω= t
então,
X2 (jω ) = 2π ⋅ x1(t) t=ω

Exemplo 16:

Já vimos no Exemplo 13 que: se


− t
f(t) = e , a>0

então:

F( jω) = ℑ { f(t) } =
2
(
1 + ω2 )
Logo, se

2
g(t) =
(
1 + t2 )
então, pela propriedade da dualidade:

G( jω) = ℑ { g(t) } = 2π ⋅ e
− ω

Dual da derivada (derivada na frequência):

Suponha que x( t ) é um sinal e que

y(t) = − (jt) ⋅ x(t)

então, mostra-se que:

dX( jω)
Y( jω) =

ou seja,

dX( jω)
ℑ { − j t ⋅ x(t) } =

que é a derivada de X(jω) em ω, ou dita: derivada na frequência.

61
J. A. M. Felippe de Souza Notas em Análise de Fourier

Dual da integral:

Suponha que x( t ) é um sinal e que

y(t) = − 1 ⋅ x(t) + π⋅ x(0) ⋅ uo(t)


jt
então, mostra-se que:

ω
Y( jω) = ∫−∞ X(γ) dγ
ou seja,
⎧ ⎫ ω
ℑ ⎨ 1 ⋅ x(t) + π⋅ x(0) ⋅ uo(t) ⎬ =
⎩ jt ⎭
∫−∞ X(γ) dγ

Translação na frequência (“frequency shifting”):

Esta propriedade é a dual da propriedade da translação no tempo (“time shifting”).


Agora a translação (shift) foi aplicada à variável ω e não no tempo t.

Suponha que x( t ) é um sinal e que

y(t) = e j ω to ⋅ x(t)
j ω to
ou seja, y (t) é o sinal x(t) multiplicado por e .
Então, mostra-se que:
Y( jω) = X( j (ω − ωo ) )
ou seja,

{
ℑ e j ω t o ⋅ x(t) }= X( j (ω − ωo ) )

ou seja, a transformada de Fourier de y (t) é a transformada X( jω) com uma translação


(shift) na frequência ω, de ωo.

Convolução:

Suponha que x1 ( t ) e x 2 (t ) são sinais contínuos e que



y(t) = ∫−∞ x1 (t − τ) ⋅ x 2 (τ) dτ =

= x1 (t) ∗ x 2 (t)

62
J. A. M. Felippe de Souza Notas em Análise de Fourier

Então, mostra-se que:

Y ( j ω ) = X 1(j ω ) ⋅ X 2 (j ω )
ou seja,

ℑ{ x1(t) ∗ x 2(t) } = ℑ{ x1(t) } ⋅ ℑ{ x 2(t) }

= X1(j ω) ⋅ X 2(j ω)

A transformada de Fourier da convolução de 2 sinais x1 ( t ) e x 2 ( t ) é o produto das


transformadas de Fourier destes sinais.

Uma interpretação desta propriedade pode ser a seguinte: Já vimos que a saída y(t) de
um sistema linear e invariante no tempo (SLIT) é a convolução de h(t) [resposta do
sistema ao impulso unitário] com x(t) [sinal de entrada do sistema].

Portanto, a transformada de Fourier da saída y(t) de um sistema é o produto

Y( jω) = H (j ω) ⋅ X(j ω)

onde:

H (j ω) = a transformada de Fourier de h(t) [resposta do sistema ao impulso unitário]


X(j ω) = a transformada de Fourier x(t) [sinal de entrada do sistema]

H (j ω) é também chamado de “resposta na frequência”.

63
J. A. M. Felippe de Souza Notas em Análise de Fourier

Além disso: Já vimos que 2 sistemas S1 e S2, lineares e invariantes no tempo (SLIT),
estão ligados em cascata então a resposta à entrada impulso unitário dos 2 sistemas
juntos (S1 e S2) é a convolução ( h1(t) * h2(t) ).

A saída y(t) deste sistema em cascata é a convolução (dupla) de h1(t) com h2(t) com x(t).

y(t) = h1 (t) ⋅ h2 (t) ⋅ x(t)

Este sistema pode ser representado de forma equivalente por apenas um bloco:

Portanto, a resposta na frequência deste sistema é

H( jω) = H1 (j ω) ⋅ H2 (j ω)
e a transformada de Fourier da saída y(t) deste sistema em cascata é o produto das
transformadas de Fourier de h1(t), h2(t) e x(t).

Y( jω) = H1 (j ω) ⋅ H2 (j ω) ⋅ X(j ω)

64
J. A. M. Felippe de Souza Notas em Análise de Fourier

Exemplo 17:

Considere o sistema SLIT abaixo onde a resposta ao impulso é dada por

h(t) = uo (t − to )

que, usando a propriedade dual do “time shifting” para a transformada de Fourier,


obtemos a resposta no domínio da frequência, a transformada de Fourier de h(t)

H( jω) = e − jωto ⋅ ℑ{uo (t)} =

= e − jωto
Ou seja,

Portanto, para uma entrada x(t) com transformada de Fourier X(j ω) , a transformada de
Fourier da saída y(t)

Y( jω) = H (j ω) ⋅ X(j ω) =

= e − jωt o ⋅ X(j ω)

e portanto, usando a propriedade dual do “time shifting” para a transformada de Fourier

y(t) = x(t − to )

observamos que a saída y(t) é o sinal x(t) com uma translação (shift) de to. Este sistema
é dito “sistema com retardo” (time delay system).

Exemplo 18:

Considere o sistema SLIT abaixo chamado de “diferenciador”, onde para um sinal de


entrada x(t) a saída y(t) é a sua derivada

y(t) = dx (t)
dt

65
J. A. M. Felippe de Souza Notas em Análise de Fourier

Usando a propriedade da derivada para a transformada de Fourier

Y( jω) = ℑ{y(t)} = jω ⋅ X(j ω)

Logo, pela propriedade da convolução para a transformada de Fourier, a resposta na


frequência H (j ω) é
H (j ω) = j ω

o que é consistente com a definição de H (j ω) , pois

duo(t)
h (t) =
dt

e portanto H (j ω) é

H( jω) = j ω ⋅ ℑ{uo(t)} =

= jω

Exemplo 19:

Considere agora o sistema SLIT abaixo chamado de “integrador”, onde para um sinal de
entrada x(t) a saída y(t) é a sua integral

t
y(t) = ∫− ∞ x(τ) dτ

Usando a propriedade da integral para a transformada de Fourier,

ℑ{∫ −∞
t
}
uo(τ) dτ = 1 + π uo(ω)

e, como

h (t) =
t
∫−∞ uo(τ) dτ
então a resposta do sistema na frequência é:
66
J. A. M. Felippe de Souza Notas em Análise de Fourier

⎡ ⎤
H( jω) = ℑ{h(t)} = ⎢ 1 + π uo(ω)⎥ .
⎣ jω ⎦

e pela propriedade da convolução para a transformada de Fourier, temos que Y (j ω) , a a


transformada de Fourier da saída y(t) é

Y(jω) = H(jω) X(jω) = 1 ⋅ X(jω) + π⋅ X(jω)⋅ uo(ω) =


= 1 ⋅ X(jω) + π⋅ X(0)⋅ uo(ω)


que é o mesmo resultado que obtemos calculando Y (j ω) = ℑ{ y(t)} pela propriedade


da integral para transformada de Fourier.

ℑ {∫
−∞
t
}
x(τ) dτ = 1 ⋅ X(jω) + π⋅ X(0)⋅ uo(ω)

Exemplo 20:

Considere agora o filtro passa-baixa ideal (low pass band filter).

⎧1 se ω < ωc
H(jω) = ⎨
⎩0 se ω > ωc

Pelo Exemplo 8 e propriedade da Dualidade para transformada de Fourier temos

h (t) = ℑ{H(jω)} =
sen(ωc t)
=
πt

67
J. A. M. Felippe de Souza Notas em Análise de Fourier

Multiplicação (dual da convolução):

Suponha que x1 ( t ) e x 2 (t ) são sinais contínuos e que

y(t) = x1 (t) ⋅ x 2 (t)


Então, mostra-se que:


Y( jω) = 1
2π ∫ X1(j θ) ⋅ X 2(j ⋅( ω − θ )) ⋅ dθ
−∞
ou seja,


ℑ{ x1(t) ⋅ x 2(t) } = 1 ∫ X1(j θ) ⋅ X 2( j ⋅( ω − θ )) ⋅ dθ
2π −∞

~~~~~~

68

You might also like