Você está na página 1de 16

Notas de aula de Métodos Matemáticos II

2018/1

Prof. Edson Cataldo

Departamento de Engenharia de Telecomunicações (TET)


PPGEET - Programa de pós-graduação em Engenharia Elétrica e de
Telecomunicações
Universidade Federal Fluminense
2
Capı́tulo 1

Análise de Fourier

1.1 Série de Fourier


Consideremos f : R → R uma função que satisfaz as seguintes condições:

• (i) f é periódica de perı́odo T;


• (ii) f é de classe C 2 por partes em (t0 , t0 + T ).

Denotando Sf como a Série de Fourier de f , temos que em todo ponto de


continuidade de f , podemos escrever:
∞     
ao X 2nπt 2nπt
Sf (t) = f (t) = + an cos + bn sen (1.1.1)
2 n=1
T T

onde 
2 to +T
Z


 ao = f (t)dt ,



 T to



2 to +T
 Z  
2nπt

an = f (t)cos dt e (1.1.2)

 T to T




2 to +T
 Z  

 2nπt
 bn = f (t)sen dt.


T to T
Em um ponto de descontinuidade, o lado esquerdo de ?? é substituı́do por :
1
lim [f (t + ε) + f (t − ε)]. (1.1.3)
ε→o+ 2
A série ?? com coeficientes dados por ?? é chamada de série de Fourier de f
na forma trigonométrica.
As condições (i) e (ii) são muitas vezes chamadas condições de Dirichlet e são
suficientes (mas não necessárias) para a convergência da série de Fourier.
Em notação exponencial (ou complexa) a série de Fourier de f pode ser escrita
como
+∞
2nπt
X
Sf (t) = C n ei T (1.1.4)
n=−∞
4 Revisão de análise de Fourier

onde
Z to +T
1 2nπt
Cn = f (t)e−i T dt. (1.1.5)
T to


Fazendo ωo = , temos
T
Z to +T
1
Cn = f (t)e−inωo t dt. (1.1.6)
T to

Observamos que, conhecido f , os coeficientes de ?? podem ser calculados e,


reciprocamente, conhecidos os coeficientes {Cn }n∈Z , f pode ser sintetizada por ??.
Dessa forma, f e {Cn }n∈z fornecem a mesma informação. Muda só o ponto de
vista : um temporal, outro freqüencial.

Exemplo 1.1. Consideremos a função f : R → R, periódica de perı́odo 2, dada


por
f (t) = t , 0 ≤ t < 2. (1.1.7)

O gráfico dessa função é mostrado na figura ??.

Figura 1.1: Gráfico da função periódica do exemplo.

1.1.1 Série de Fourier de f na forma trigonométrica


Cálculo dos coeficientes

2 2
Z Z 2
ao = f (t)dt = tdt = 2.
T Z0 0
2   
2 2nπt 2 2nπt
an = f (t)cos dt = int0 tcos dt = 0.
T Z0  T   T 
2 Z 2
2 2nπt 2nπt 2
bn = f (t)sen dt = tsen dt = − .
T 0 T 0 T nπ
Assim,
+∞
X 2
Sf (t) = 1 + − sen(nπt).
n=1

Série de Fourier 5

1.1.2 Série de Fourier de f na forma exponencial


Cálculo dos coeficientes
R2 2nπt R2
Cn = T1 0 f (t)e−i T dt = 1
2 0
te−inπt dt = 1
nπ i , n 6= 0
e Z 2 Z 2
1 1
Fo = f (t)dt = tdt = 1.
T 0 2 0
Assim, (
1, n=0
Fn = 1
i, n 6= 0.

Temos,
+∞
X 1 inπt
Sf (t) = 1 + ie , n 6= 0.
n=−∞

1.1.3 O espectro complexo de Fourier


A expansão em Série de Fourier de uma função periódica é a decomposição da função
em termos das suas componentes de várias frequências. Uma função periódica de
perı́odo T tem componentes de frequênccia dadas por nν, sendo ν = T1 e n ∈ Z.
Em termos das frequências angulares (ou pulsações), as componentes são dadas por
nωo onde ωo = 2π T = 2πf e n ∈ Z.
Chamamos de espectro da função f o conjunto de todos os coeficientes de Fourier
Fn , n ∈ Z. Se especificarmos f podemos encontrar seu espectro. Reciprocamente,
se o espectro for conhecido podemos encontrar a função f correspondente.
Portanto, podemos especificar f de duas formas: a representação no domı́nio do
tempo, onde f é expressa como função do tempo e a representação no domı́nio da
freqüência, onde o espectro é especificado.
Observamos que o espectro de uma função periódica não é uma curva contı́nua,
mas existe apenas para valores discretos de ω, múltiplos de uma freqüência básica
ωo = 2π T ( ω = nωo , n ∈ Z). Os coeficientes Cn são complexos e, são descritos por
uma magnitude e uma fase.

Exemplo 1.2. Consideremos a função f : R → R, periódica de perı́odo T , dada


por :

1, − τ2 ≤ t ≤ τ2

f (t) = (1.1.8)
0, τ2 < t < T − τ2 .
Essa função é conhecida como função porta periódica. Mostramos o seu gráfico
na figura ??.

Os coeficientes Cn da série de Fourier na forma exponencial são dados por:

1 T −τ /2 1 τ /2 −inωo t
Z Z
2nπt
Cn = f (t)e−i T dt = e dt
T −τ /2 T −τ /2 (1.1.9)
τ sen(nωo τ /2)
= [ ] , n 6= 0,
T nωo τ /2
e Z T − τ2 Z τ
1 1 2 τ
Co = f (t)dt = dt = . (1.1.10)
T − τ2 T − τ2 T
6 Revisão de análise de Fourier

Figura 1.2: Gráfico da função porta periódica.

Dessa forma,  τ
 , n=0
T 

Cn = (1.1.11)

τ sen(nω0 τ /2)
 , n 6= 0.
T nω0 τ /2

Definindo a função Sa, conhecida como função de amostragem, por

Sa : R(→ R
1, t=0 (1.1.12)
t→ sent
, t 6= 0
t

e fazendo ω = , temos,
T
τ  nπτ 
Cn = Sa . (1.1.13)
T T

A frequência fundamental é ωo = . Se ω = nωo então
T
τ  ωτ 
Fn = Sa . (1.1.14)
T 2
Mostramos o gráfico de Cn em termos da frequência ω na Fig. ??.

Figura 1.3: Representação do espectro da função porta periódica.


Transformada de Fourier 7

Podemos observar que à medida que T aumenta, a frequência fundamental 2π T se


torna menor e o espectro torna-se, então, mais denso. Intuitivamente, somos levados
a pensar que quando T tende ao infinito temos, no domı́nio do tempo, um único
pulso retangular de largura τ e no domı́nio da frequência um espectro contı́nuo com
componentes em todas as freqüências. Isso pode ser provador rigorosamente.

1.2 Transformada de Fourier


Quando o sinal com o qual estamos trabalhando for não-periódico ele pode ser
expresso como uma soma contı́nua (integral) de sinais exponenciais, em contraste
com sinais periódicos, que podem ser representados por uma soma discreta de sinais
exponenciais (série de Fourier - como já visto). Vejamos uma motivação para essa
afirmação.
Consideremos uma função f cujo esboço do gráfico é mostrado na Fig. ?? .

Figura 1.4: Esboço do gráfico da função f .

Construı́mos uma nova função, periódica, fT com perı́odo T, de acordo com a


figura ??.

Figura 1.5: Construção de uma função periódica a partir da função f dada.

Tornamos o perı́odo T grande o suficiente para que não haja superposição entre
os pulsos da forma de f . Essa nova função fT é uma função periódica e pode ser
representada por uma série exponencial de Fourier.
Em uma topologia adequada, quando T → ∞, fT → f . Desse modo, a série de
Fourier que representa fT também representará f .
8 Revisão de análise de Fourier

A série de Fourier de fT é dada por


+∞
X
fT (t) = Cn einωo t (1.2.15)
n=−∞

onde ωo = T e
Z T /2
1
Fn = fT (t)e−inωo t dt. (1.2.16)
T −T /2
Façamos nωo = ωn . Assim, Cn = Cn (ωn ).
Consideremos T Cn (ωn ) = F (ωn ), que é obviamente limitado (por construção).
Temos,
+∞
1 X
fT (t) = F (ωn )eiωn t . (1.2.17)
T n=−∞

Substituindo T = em ?? temos
ωo
+∞
1 X
fT (t) = F (ωn )eiωn t ωo . (1.2.18)
2π n=−∞

Quando T → ∞ , fT → f e obtemos :
Z +∞
1
f (t) = F (ω)eiωt dω (1.2.19)
2π −∞
e Z +∞
F (ω) = f (t)e−iωt dt. (1.2.20)
−∞
O espectro de f será contı́nuo e representado pela função F .
A equação ?? é conhecida como transformada (direta) de Fourier de f e a
equação ?? como transformada inversa de Fourier de F .
Simbolicamente podemos escrever
F (ω) = F[f (t)] (1.2.21)
e
f (t) = F −1 [F (ω)]. (1.2.22)
Fazendo ω = 2πν em ?? e ?? chegamos a uma formulação simétrica, o fator 2π não
aparece. Z +∞
f (t) = F̂(ν)ei2πνt dν (1.2.23)
−∞
e Z +∞
F̂(ν) = f (t)e−i2πνt dt. (1.2.24)
−∞

Existência da transformada de Fourier


O espaço L1 (R)
O espaço L1 (R) é o espaço de todas as funções f : IR → C tais que
Z
|f |dt < ∞. (1.2.25)
R

OBS: Se f (x + yi) = u + iv ⇒ |f | = u2 + v 2 .
Transformada de Fourier 9

O espaço L2 (R)
O espaço L2 (R) é o espaço de todas as funções f : R → C, tais que
Z
|f |2 dt < ∞. (1.2.26)
R

Teorema 1.1. Se a função f pertence ao espaço L1 (R) então a transformada de


f existe.
Teorema 1.2. Se a função f pertence ao espaço L2 (R) então a transformada F,
de f , existe e F ∈ L2 (R).
Exemplo 1.3. Consideremos a função Gτ (conhecida como função porta) definida
por

1, | t |≤ τ2

Gτ (t) = (1.2.27)
0, | t |> τ2 .

Figura 1.6: função porta.

Calculando a transformada de Fourier dessa função, temos :


τ Sen( ωτ
Z τ /2
2 )
F (ω) = F{Gτ (t)} = e−iωt dt = ωτ , ω 6= 0. (1.2.28)
−τ /2 2

Para ω = 0 temos : Z τ /2
F{Gτ (t)} |ω=0 = dt = τ.
−τ /2
Logo,
ωτ
F{Gτ (t)} = τ Sa( ).
2
A figura ?? mostra a representação do espectro da função porta. Neste caso F
é uma função real.
Exemplo 1.4. Consideremos a função f : R → R definida por
f (t) = e−|t| .
Calculando sua transformada de Fourier, obtemos :
Z +∞
2
F{e−|t| } = e−|t| e−iωt dt = .
−∞ 1 + ω2
10 Revisão de análise de Fourier

Figura 1.7: Representação do espectro da função porta.

Exemplo 1.5. Consideremos a função f : R → R definida por


 −t
e , t>0
f (t) =
0, t ≤ 0.

A sua transformada de Fourier é dada por:


Z +∞
1
F{f (t)} = e−t e−iωt dt = .
0 1 + jω
Exemplo 1.6. Consideremos a função Gτ : R → R definida por

1, | ω |≤ τ /2
Gτ (ω) =
0, | ω |> τ /2.

Desejamos calcular sua tranformada de Fourier inversa. Assim,

τ Sen( tτ2 )
Z τ /2
1
F −1 {Gτ (ω)} = eiωt dω = tτ , t 6= 0.
2π −τ /2 2π 2

Para t = 0 temos :
Z τ /2
1 1
F −1 {Gτ (ω)} |t=0 = dω = τ.
2π −τ /2 2π

Assim,
τ τt
F −1 {Gτ (ω)} = Sa( ).
2π 2
tτ 2π
Logo, a transformada de f (t) = Sa( 2 ) é igual a τ Gτ (ω). Em particular,

F{Sa(t)} = πG2 (ω).

Exemplo  1.7. Seja f uma função tal que


1 , | t |< 1
f (t) =
0 , | t |≥ 1 .
(a) Obtenha F{f (t)} .
Z +∞
sent
(b) Calcule dt
0 t
Convolução 11

1.3 Convolução
Dadas duas funções f1 e f2 formamos a integral
Z +∞
f (t) = f1 (τ )f2 (t − τ )dτ. (1.3.29)
−∞

Essa integral define a convolução das funções f1 e f2 . Simbolicamente escrevemos

f = f1 ∗ f2 .

Veremos que convolução está intimamente associado a produto.

Propriedade 1.1.

Comutatividade

f1 ∗ f2 = f2 ∗ f1 . (1.3.30)

Distributividade

f1 ∗ [f2 + f3 ] = f1 ∗ f2 + f1 ∗ f3 . (1.3.31)

Associatividade

f1 ∗ [f2 ∗ f3 ] = [f1 ∗ f2 ] ∗ f3 . (1.3.32)

Teorema da convolução no tempo

Se f1 (t) ↔ F1 (ω) e f2 (t) ↔ F2 (ω) então

f1 ∗ f2 ↔ F1 F2 . (1.3.33)

Se f1 (t) ↔ F̂1 (ν) e f2 (t) ↔ F̂2 (ν) então

f1 ∗ f2 ↔ F̂1 F̂2 . (1.3.34)

Teorema da convolução na frequência

Se f1 (t) ↔ F1 (ω) e f2 (t) ↔ F2 (ω) então

1
f1 f2 ↔ [F1 ∗ F2 ]. (1.3.35)

Se f1 (t) ↔ F̂1 (ν) e f2 (t) ↔ F̂2 (ν) então

f1 f2 ↔ F̂1 ∗ F̂2 . (1.3.36)


12 Revisão de análise de Fourier

1.4 Um pouco sobre distribuições


Funções teste: Seja Ω ⊂ R. Denotamos por Cc∞ (Ω) o espaço das funções-teste em
Ω; isto é, o conjunto das funções, a valores complexos, infinitamente diferenciáveis,
com suporte compacto em Ω.
 2
e1/(t −1) , | t |< 1
Exemplo:φ(t) =
0 , | t |≥ 1
Definição: Uma transformação linear e contı́nua T : Cc∞ → C é chamada de uma
distribuição em Ω.

A distribuição Delta de Dirac ou impulso unitário


δ : Cc∞ → C
Considere a transformação a ; isto é, δa (φ) = φ(a). Podemos pro-
φ → φ(a)
var que δa é linear e contı́nua. Portanto, δa é uma distribuição e é conhecida como
delta de Dirac ou impulso unitário em a.

OBS: δ(t − a) = δa (t)

Distribuição regular
Z +∞
Seja Tf uma tranformação definida por Tf (φ) = f (t)φ(t)dt, sendo φ ∈
−∞
Cc∞ (Ω).

Dizemos que Tf é uma distribuição regular.

OBS:
Z +∞
(1) Se f (t) = U (t) ⇒ TU (φ) = φ(t)dt (distribuição Degrau Unitário).
0

(2) A distribuição δa não é distribuição regular pois não existe f tal que
Z +∞
δa (φ) = f (t)φ(t)dt = φ(a).
−∞

(3) Podemos mostrar que (TU )0 = δ; isto é, simbolicamente U 0 (t) = δ(t).

1.4.1 Sequências de funções que convergem para δ



 k , | t |< 1

(a)Pulso retangular: fk (t) = 2 k
1
 0 , | t |>

 k
k(1− | t |) , | t |< k
(b) Pulso triangular: fk (t) =
0 , | t |> k
k
(c) Pulso exponencial: fk (t) = e−k|t|
2
2 2
(d) Pulso gaussiano: fk (t) = ke−πk t
Convolução 13

k
(f) Função de amostragem quadrática: fk (t) = Sa2 (kt)
π
 
k tk
(g) Função de amostragem: fk (t) = Sa
2π 2

1.4.2 Transformada de Fourier de uma distribuição


Temos que,  ωτ 
F{Gτ (t)} = τ Sa .
2
Porém,

lim Gτ = 1 ⇒ F{ lim Gτ = {{1}.


τ →+∞ τ →+∞

Mas,
 ωτ 
F{ lim Gτ } = lim τ Sa = 2πδ(ω), no sentido das distribuições.
τ →+∞ τ →+∞ 2
Ou, de maneira informal, e observando os conceitos anteriores discutidos, temos
que
Z +∞
F{δ(t)} = e−iωt δ(t)dt = e−iω0 = 1 .
−∞

Também,
Z +∞
1 1
F −1 {δ(ω)} = eiωt δ(ω)dω = .
2π −∞ 2π
Logo, F{1} = 2πδ(ω) .

1.4.3 Derivadas distribucionais


Seja f uma função continuamente diferenciável; isto é, f ∈ C 1 (R). Nesse caso, a
derivada de f , no sentido das distribuições, coincide com a distribuição definida pea
df
função contı́nua localmente integrável .
dt
Vejamos o que acontece com funções de uma variável com descontinuidade de
primeira espécie na origem.
Seja f ∈ C 1 (R − [0]) e suponha que lim+ = f (0+ ) e lim+ = f (0− ) existam e
t→0 t→0
0 df
sejam finitos. Seja f a função definida como para t 6= 0 e não definida para
dt
0 1
t = 0 e suponha que {f } ∈ Lloc (R).
Assim, Tf 0 = T{f 0 } + [f (a+ ) − f (a− )]δa .
Seja U a função de Heaviside. Considere TU a distribuição definida por U .
Temos que TU 0 = δ. Na prática, vamos escrever U 0 = δ .
 t
 + 1 , −a < t < 0
a






Exemplo 1.8. Seja f a função tal que f (t) = t
, 0<t<a



 a



0 , caso contrário .
14 Revisão de análise de Fourier

Encontre Tf 0 ; ou, de maneira informal, f 0 , no sentido das distribuições.

1.5 Propriedades da Transformada de Fourier


Consideremos F{f (t)} = F (ω).

1.5.1 Linearidade
F{αf1 (t) + f2 (t)} = αF1 (ω) + F2 (ω).

Prova:

1.5.2 Simetria
F{F (t)} = 2πf (−ω).

Prova:
  
τt
Exemplo: Obtenha F Sa .
2

1.5.3 Escalonamento
1 ω
F{f (at)} = F , a ∈ R.
|a| a
Prova:

Exemplo: Obtenha F{Sa (4t)}.

1.5.4 Translação no tempo


F{f (t − t0 ) = e−iωt0 F (ω) .

Prova:

Exemplos:

(a) Obtenha F{G2 (t − 5)}.

(b) Obtenha F{G2 (6 + 5t)}.

1.5.5 Deslocamento em frequência


iω0 t
F{f (t)e = F (ω − ω0 ) .

Prova:

Exemplos:
Convolução 15

(a) Obtenha F{f (t)cosω0 t}. *** Teorema da modulação ***

(b) Obtenha F{eiω0 t }.

(c) Obtenha F{cosω0 t}.

(d) Obtenha F{senω0 t}.

1.5.6 Derivação no tempo


dn f
   
df
F = iωF (ω) . e F = (iω)n F (ω) .
dt dtn

1.5.7 Derivação na frequência


dF dn F
F {(−it)f (t)} = . e F {(−it)n f (t)} = .
dω dω n

1.5.8 Integração no tempo


Z t 
1 F (ω)
F f (u)du = F (ω) ., contanto que seja limitada em ω = 0 .
−∞ iω ω
Se essa condição não for satisfeita, temos:
Z t 
1
F f (u)du = πF (ω)δ(ω) + F (ω) .
−∞ iω
Exemplo: Obtenha F{U (t)}.

1.6 Identidade de Parseval (teorema da energia de


Rayleigh)
1.6.1 Energia de um sinal
Z +∞
E= | f (t) |2 dt .
−∞

1.6.2 Teorema da Energia de Rayleigh


Z +∞ Z +∞
2 1
| f (t) | dt = | F (ω) |2 dω .
−∞ 2π −∞

+∞
sen2 ω
Z
Ex: Calcule .
−∞ ω2
16 Revisão de análise de Fourier

1.7 Sistemas lineares invariantes no tempo e trans-


missão sem distorção
1.7.1 Sistema linear invariante no tempo
Consideremos g(t) = T {f (t)}.

T {a1 f1 + a2 f2 } = a1 T {f1 } + a2 T {f2 } = a1 g1 (t) + a2 g2 (t)


e

T {f (t − t0 )} = g(t − t0 )

1.7.2 Resposta ao impulso e função resposta em frequência


g(t) = f (t)∗h(t) ⇒ G(ω) = F (ω)H(ω), para sistemas lineares invariantes no tempo.

OBS:

(a) Transmissão sem distorção: g(t) = Kf (t − t0 ). Filtro ideal.

(b) Filtro ideal passa-baixa X Causalidade.



3
2ωc 2 ωc
H(ω) = √  √ 2
3 ( ωc + iω)2 + 3ωc
2 2
e
√ !
2ωc ωc t 3
h(t) = √ e− 2 sen ωc t U (t) .
3 2

Referências Bibliográficas
BIBLIOGRAFIA BÁSICA:

1. Churchill, Ruel Vance e Brown, James Ward. Variáveis Complexas e Aplicações,


McGraw-Hill Education, Bookman, AMGH Editora Ltda, 9o edição, 2015.

2. Lathi, B. P. Sinais e Sistemas Lineares, Bookman, 2a edição, 2007.

3. Lathi, B. P. Sistemas de Comunicação, Editora Guanabara, 1974.

BIBLIOGRAFIA COMPLEMENTAR:

4. Soares, Marcio G. Cálculo em uma variável complexa. Coleção Matemática Uni-


versitária, IMPA, 5a Edição, 2009.

5. Hounie, Jorge. Teoria Elementar das Distribuições, 12o Colóquio Brasileiro de


Matemática, IMPA, 1979.

6. Hsu, H. P. Sinais e Sistemas: Coleção Schaum, Bookman, 2009.