Professional Documents
Culture Documents
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
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
⎛ 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:
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
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
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 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 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.
x n (t ) → x(t )
x n (t ) →
[x(t + 0 +
) + x(t + 0 − )]
2
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
2 0 1
ao =
TT
∫ x( t ) ⋅ dt = ∫−1 ( −1) dt + ∫0(1) dt = 0
2π
ωo = = π
T
e portanto,
2
x(t ) ⋅ cos (k π t ) dt =
1
ak =
T ∫ −1
=
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
=
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
7
J. A. M. Felippe de Souza Notas em Análise de Fourier
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
0,8488
1,1035
0,9216
1,0631
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
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
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,
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, ...
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, ...
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, …
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:
Exemplo 2:
Tomemos novamente a onda quadrada.
⎧− 1 , se −1 < t < 0
⎪
x( t ) = ⎨
⎪⎩ 1 , se 0 < t <1
2π
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
⎛
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, ...
∞
⎛ − 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 ⎠
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 ⎠
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:
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 )]
13
J. A. M. Felippe de Souza Notas em Análise de Fourier
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 ,
2π
ou seja y( t ) tem frequência fundamental ωo = ,
T
e coeficientes de Fourier
c k = α c ′k + β c ′k′
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 ,
2π
ou seja y( t ) tem frequência fundamental ωo = ,
T
e coeficientes de Fourier
ck = e− j k ωo t o ⋅ ck =
~
2π
− 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
ĉ k = c −k
Nota:
Como consequência desta propriedade pode-se concluir que:
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:
2π
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:
2π
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
ck = c −k .
Além disso:
c k = − c −k
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.
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
Derivada:
Suponha que
e que
dx
y( t ) = (t)
dt
então, mostra-se que:
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:
2π
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
P = 1
T ∫ x 2(t) dt =
T
∞
= ∑
2
ck
k = −∞
~~~~~~
19
J. A. M. Felippe de Souza Notas em Análise de Fourier
x[n] = x[ n + N ]
onde N é o período.
2π
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)
2π
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
⎛ 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.
(l + N −1) j k ⎛⎜ 2π ⎞⎟ n
x[n] = ∑ ck ⋅ e ⎝N⎠
=
k = l, (l +1), K
k = l, (l +1), K
( 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 ⎠
21
J. A. M. Felippe de Souza Notas em Análise de Fourier
Exemplo 3:
⎧1, se − N1 ≤ n ≤ N1
x[n] = ⎨
⎩0 , ∀ outros n no intervalo de somação
− j k ⎛⎜ 2 π ⎞⎟ n
N1
ck = 1 ⋅
N
∑
n= − N1
e ⎝ N ⎠
eq. (H)
N1 N1
∑
n= − N1
e − j k 2π
= ∑
n= − N1
1 = (2 N1 + 1)
2 N1 + 1
ck = , k = 0, ± N, ± 2N, L
N
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
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
⎡ 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
(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:
M c 2 = − 0,0591 c 9 = 0,5556
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
⎛ 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
⎛ 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.
⎛ 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.
⎛ 2π ⎞
4 j k⎜ ⎟n
x̂ 9 [n] = x[n] = ∑ ck ⋅ e ⎝ 9 ⎠
k = −4
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:
2π
é um inteiro ou a razão de inteiros.
ωo
Suponha que
2π
= N
ωo
logo,
2π
ωo =
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 .
⎪⎩
N=5
então
2π
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
28
J. A. M. Felippe de Souza Notas em Análise de Fourier
⎛ ⎞
3 j k ⎜⎜ 2π ⎟⎟ n
x̂3[n] = ∑ ck ⋅ e ⎝ 5⎠
k =1
k =1
2π
x̂ 5 [n] = x[n] = sen ⎛⎜ n ⎞⎟ .
⎝ 5 ⎠
Exemplo 5:
Considere novamente o sinal sinusoidal discreto
2π N
= = razão de 2 inteiros
ωo M
29
J. A. M. Felippe de Souza Notas em Análise de Fourier
Logo,
2π
ωo = ⋅M
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.
⎛ 6π ⎞
3 j k⎜ ⎟n
x̂ 3 [n] = ∑ ck ⋅ e ⎝ 5 ⎠
k =1
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
⎛ 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
⎛ 6π ⎞
5 j k⎜ ⎟n
x̂ 5 [n] = ∑ ck ⋅ e ⎝ 7 ⎠
k =1
k = 1, 2, 3, 4, 5, 6 e 7,
teremos então
⎛ 6π ⎞
7 j k⎜ ⎟n
x̂ 7 [n] = ∑ ck ⋅ e ⎝ 7 ⎠
k =1
6π
x̂ 7 [n] = x[n] = sen ⎛⎜ n ⎞⎟ .
⎝ 7 ⎠
~~~~~~
33
J. A. M. Felippe de Souza Notas em Análise de Fourier
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 ,
2π
ou seja y [ n ] tem frequência fundamental ωo = ,
N
e coeficientes de Fourier
c k = α c ′k + β c ′k′
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 ,
2π
ou seja y [ n ] tem frequência fundamental ωo = ,
N
e coeficientes de Fourier
ck = e− j k ωo no ck =
~
2π
− 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
(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:
2π
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
Conjugação:
Suponha que
x [ n ] é um sinal com período N e tem coeficientes de Fourier c k
e que
y [ n ] = x∗ [ n ]
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 ⇒
c k = − c −k
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, …
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
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:
⎛ 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:
2π
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
~~~~~~
39
J. A. M. Felippe de Souza Notas em Análise de Fourier
2 – 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.
T → ∞
ωo = 2π → 0
T
Considere portanto
ou seja, o sinal x(t) tem valores complexos, com parte real e parte imaginária.
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)
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
X( jω) = 1 , a>0
(a + jω)
X( jω) = 1
a2 + ω2
42
J. A. M. Felippe de Souza Notas em Análise de Fourier
⎛ ⎞
∠ 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:
−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)
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) .
45
J. A. M. Felippe de Souza Notas em Análise de Fourier
Exemplo 8:
⎧⎪ 1, se t < a
x(t) = ⎨
⎪⎩0 , se t > a
46
J. A. M. Felippe de Souza Notas em Análise de Fourier
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
jω
)
e portanto, usando Eüler, a transformada de Fourier deste sinal x(t) é dada por:
2 sen ( a ω )
X( jω) =
ω
47
J. A. M. Felippe de Souza Notas em Análise de Fourier
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
= e j ωo t
Logo, se
∞
X( jω) = ∑ 2π ⋅ ck ⋅ uo(ω − kωo ) eq. (K)
k = −∞
Exemplo 9:
⎧1 , se t <a
x(t) = ⎨
⎩0 , se 0< t <T
2
49
J. A. M. Felippe de Souza Notas em Análise de Fourier
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
kπ
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
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:
x(t) = sen(ωot)
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
X( jω) = π ⋅ u (ω − ω ) − π ⋅ u (ω + ω )
o o o o
j j
Exemplo 11:
x(t) = cos(ωot)
se k =1 ⇒
c1 = 1
2
se k = −1 ⇒
c −1 = 1
2
se k ∉ { − 1, 1} ⇒ ck = 0
X ( j ω ) = π ⋅ uo (ω + ωo ) + π ⋅ uo (ω − ωo )
52
J. A. M. Felippe de Souza Notas em Análise de Fourier
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 )
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 ) }
y(t) = x(t − to )
ou seja, y (t) é o sinal x (t) com uma translação (shift) no tempo, de to.
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:
ℑ{ x(t − to ) } = e − j ω t o ⋅ X( jω) =
⇓
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
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
5ω
⋅⎨ 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:
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):
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
então, como
z = z∗
e
∠ z = − ∠ z∗
temos que:
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:
56
J. A. M. Felippe de Souza Notas em Análise de Fourier
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:
⎡ 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:
y(t) = dx (t)
dt
então, mostra-se que:
Y( jω) = jω ⋅ X( jω)
ou seja,
ℑ ⎧⎨ dx (t) ⎫⎬ = jω ⋅ X( jω)
⎩ dt ⎭
Integral:
{∫ }
ou seja,
t
ℑ x(τ) dτ = 1 ⋅ X( jω) + π X(0) uo(ω)
−∞ jω
Exemplo 14:
∞
ℑ {uo(t) } = ∫−∞ uo(t) ⋅ e
− j ωt
dt
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:
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)
jω
ℑ{u1(t) } = 1 + π⋅ uo(ω)
jω
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
uo(ω) ⋅ ω = 0
e portanto:
ℑ {uo(t) } = 1
59
J. A. M. Felippe de Souza Notas em Análise de Fourier
Y( jω) = 1 ⋅ X ⎛ jω ⎞
⎜ ⎟
α ⎝ α ⎠
ou seja,
ℑ { x(α t) } = 1 ⋅ X⎛ jω ⎞
⎜ ⎟
α ⎝ α ⎠
Relação de Parseval:
∞
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
Exemplo 16:
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
dX( jω)
Y( jω) =
dω
ou seja,
dX( jω)
ℑ { − j t ⋅ x(t) } =
dω
61
J. A. M. Felippe de Souza Notas em Análise de Fourier
Dual da integral:
ω
Y( jω) = ∫−∞ X(γ) dγ
ou seja,
⎧ ⎫ ω
ℑ ⎨ 1 ⋅ x(t) + π⋅ x(0) ⋅ uo(t) ⎬ =
⎩ jt ⎭
∫−∞ X(γ) dγ
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 ) )
Convolução:
= x1 (t) ∗ x 2 (t)
62
J. A. M. Felippe de Souza Notas em Análise de Fourier
Y ( j ω ) = X 1(j ω ) ⋅ X 2 (j ω )
ou seja,
= X1(j ω) ⋅ X 2(j ω)
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].
Y( jω) = H (j ω) ⋅ X(j ω)
onde:
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).
Este sistema pode ser representado de forma equivalente por apenas um bloco:
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:
h(t) = uo (t − to )
= 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)
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:
y(t) = dx (t)
dt
65
J. A. M. Felippe de Souza Notas em Análise de Fourier
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
ℑ{∫ −∞
t
}
uo(τ) dτ = 1 + π uo(ω)
jω
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 ⎦
ℑ {∫
−∞
t
}
x(τ) dτ = 1 ⋅ X(jω) + π⋅ X(0)⋅ uo(ω)
jω
Exemplo 20:
⎧1 se ω < ωc
H(jω) = ⎨
⎩0 se ω > ωc
h (t) = ℑ{H(jω)} =
sen(ωc t)
=
πt
67
J. A. M. Felippe de Souza Notas em Análise de Fourier
∞
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