Curso de Eletrônica

Parte Analógica

Ademarlaudo Barbosa

I – Introdução

1.1 Representação de grandezas em termos de variáveis complexas

(corrente, tensão, impedância, capacitância, indutância)

A relação mais elementar entre grandezas físicas de interesse em

eletrônica é possivelmente a expressa pela chamada Lei de Ohm. Esta ‘lei‘
estabelece que, para uma diferença ou variação de tensão elétrica, V, aplicada
entre os terminais de um resistor cuja resistência tem valor R, haverá passagem
de corrente elétrica I. As grandezas V, I e R se relacionam de acordo com a
expressão:

V = RI (1)

Um circuito simples que permite a verificação desta relação linear entre

grandezas físicas é esboçado na Fig. 1a. Outra regra semelhante é válida
quando se trata de um capacitor, de capacitância C, em lugar do resistor. Neste
caso há relação linear entre a corrente e a taxa de variação de tensão (Fig. 1b):

dV
dt = 1
C I (2)

Uma terceira relação linear é encontrada quando um indutor, cujo

coeficiente de auto indutância é L, é sujeito a uma variação de corrente. Uma
diferença de tensão então surge entre os terminais do indutor, expressa por:

V = L dIdt (3)

V R I V C I I L V

(a) (b) (c)

Fig. 1: Circuitos simples em que se verificam relações

lineares entre grandezas elétricas
 Tomemos um sinal elétrico, por exemplo uma corrente variando
harmonicamente no tempo com freqüência constante ω, que seja descrito pela
equação:

I (t ) = I o cos(ωt ) (4)

Conforme veremos na Seção 1.2, qualquer outro sinal pode ser analisado
como uma superposição de contribuições de forma análoga a (4), daí sua
importância genérica. Nos circuitos com R, C e L, teremos respectivamente as
seguintes relações:

V (t ) = RI o cos(ωt )
V (t ) = ω1C I o sen(ωt ) = ω1C I o cos(ωt − π2 ) (5)
V (t ) = −ωLI o sen(ωt ) = −ωLI o cos(ωt − π2 ) = ωLI o cos(ωt + π2 )

Portanto, no resistor a tensão e a corrente estão em fase, enquanto no

capacitor e no indutor as mesmas estão defasadas de 90o. O significado físico de
uma defasagem ϕ fica bastante claro se notamos que

ωt ± ϕ = ω (t ± ωϕ ) = ωt ,
(6)
t , = t ± ωϕ

Ou seja, ϕ está relacionado com o tempo de atraso ou avanço de um sinal

relativamente a outro, conforme ilustrado na Fig. 2. Podemos interpretar que, no
caso do circuito com capacitor, a variação de tensão gera uma variação de
corrente no capacitor depois de um intervalo π/2ω. No circuito com indutor a
variação de tensão é gerada pela variação de corrente. Se observamos apenas a
amplitude dos sinais, fica preservada a expressão da Lei de Ohm para os circuitos
da Fig. 1, V = ZI, com Z = R, 1/ωC, ωL, respectivamente para os casos do resistor,
capacitor e indutor. Entretanto as diferenças de fase não podem ser
negligenciadas, já que determinam o comportamento de quaisquer outros circuitos
envolvendo R, L e C.
Esta situação sugere evidentemente o uso de uma notação matemática em
termos de números complexos. Rescrevamos (4) como:

I (t ) = I o e iωt

Em conseqüência, as equações (5) devem ser re-escritas como:

V (t ) = RI (t )
V (t ) = iω1C I (t ) (7)
V (t ) = iωLI (t )

Em (7) fica claro um primeiro benefício da notação envolvendo números

complexos: ela proporciona uma expressão genérica para a Lei de Ohm. Neste
contexto podemos introduzir o conceito de impedância, Z, que podemos entender
como o equivalente dinâmico da resistência elétrica:

Z resistor = R
Z capacitor = 1
iωC = − ωiC (8)
Z indutor = iωL

Note-se que não há prejuízo da descrição dos fenômenos físicos, desde

que tenhamos em mente que os valores ‘reais’ para tensão e corrente são dados
pela parte real das expressões complexas para I(t) e V(t). A presença do número i
nas fórmulas para impedância indica que o componente em questão introduz
defasagem.
O mesmo procedimento utilizado no cálculo de associação de n resistores
nos fornece a regra para associação de impedâncias:

Z serie = Z1 + Z2 +...+ Zn
(9)
1
Z paralelo = 1
Z1 + 1
Z2 +...+ Z1n

2,0
Sinal defasado + π /2
Sinal defasado - π 2
1,5 Sinal original

1,0
Amplitude

0,5

0,0

-0,5

-1,0

0 5 10 15

Tempo

Fig. 2: Representação gráfica de sinais harmônicos defasados

 1.2 Representação matemática de sinais elétricos (série de Fourier,
integral de Fourier, transformada de Fourier, fast-fourier-transform,
convolução)

As relações (7), da maneira como foram apresentadas, são válidas para o

caso de um sinal representado por (4). Nesse caso particular, a introdução de uma
notação complexa simplificou a relação entre V(t) e I(t), que passou a ser uma
multiplicação por uma constante complexa, em lugar de uma derivação ou de uma
integração. Veremos a seguir que qualquer forma de sinal elétrico pode ser tratada
matematicamente como uma superposição de termos semelhantes a (4). A ação
de um circuito envolvendo componentes R, L e C sobre um sinal de entrada pode
então ser analisada a partir da resposta destes componentes a cada possível
freqüência ω, expressa em (8). Convém portanto familiarizar-se com as
ferramentas matemáticas existentes para o tratamento de funções expressas por
uma superposição de contribuições elementares.

1.2.1 – Série de Fourier

Sabemos que qualquer função matemática de comportamento periódico

pode ser representada por uma série de senos e cossenos1. Seja T o período de
uma tal função f(t). Pode-se demonstrar que

∞
f (t ) = ao
2 + ∑ (an cos(nωt ) + bn sen(nωt )) (10)
n =1
onde
T

ao = 2
T ∫ f (t )dt
0
T

an = 2
T ∫ f (t ) cos(nωt )dt (11)
0
T

bn = 2
T ∫ f (t )sen(nωt )dt
0

ω= 2π
T

Esta representação é possível porque o conjunto das funções sen(nωt) e

cos(nωt) se comporta como o equivalente a uma base vetorial para funções
periódicas. Ou seja, se os valores assumidos por uma função são tomados em
analogia com os componentes de um vetor, as funções seno e cosseno
proporcionam algo análogo a uma base ortonormal com a qual se pode expressar
qualquer das funções periódicas, já que:

1
Desde que atenda certas condições, como ser contínua por intervalo e assumir valores limitados.
 T
2
T ∫ sen(nωt )sen( mωt ) = δ
o
nm

T
2
T ∫ cos(nωt ) cos(mωt ) = δ
o
nm (12)

T
2
T ∫ sen(nωt ) cos(mωt ) = 0
o

Com δnm = 0 para n≠m, e 1 para n=m.

As relações (12) são válidas independentemente dos limites de integração,
bastando que estes limites cubram um período completo. Portanto não é
obrigatório que se integre de 0 a T. Genericamente, os limites do intervalo vão de
to a to+T, onde to é um instante qualquer.
Como exemplo, tomemos a função ‘dente de serra’ , expressa por f(t) = t,
para t entre zero e um, período um. Para esta função verifica-se facilmente que as
contribuições de cada termo da série são especificadas pelos coeficientes:

ao = 1
an = 0 (para todo n)
bn = − n1π

Fig. 3 apresenta as contribuições acumuladas para os termos

correspondentes a n=0 até n=9. Note-se que, conforme assegurado pela
expressão (10), a representação em série tende à própria função f(t) à medida que
n tende a infinito. Valores crescentes de n acrescentam as contribuições dos
harmônicos de freqüências proporcionalmente crescentes (nω). Os termos de alta
freqüência (nω →∞) são justamente os mais importantes para se representar as
regiões singulares, como as descontinuidades, de f(t).

n=9

n=8

n=7

n=6

n=5

n=4

n=3

n=2

n=1

n=0

Fig. 3: Representação da função ‘dente de serra’ em Série de Fourier

 Lembrando que:

an cos(nωt ) + bn sen(nωt ) ≡ ρ n cos(nωt − ϕ n ) (13)

onde

ρ n = a n 2 + bn 2 (14)
ϕ n = tg −1 ( )
bn
an

podemos re-escrever (10) como:

∞
f (t ) = + ∑ ρ n cos(nωt − ϕ n )
ao
2 (15)
n =1

Em (15) fica evidente a interpretação de que f(t) pode ser decomposta como
uma soma de oscilações harmônicas, cujas freqüência são múltiplos da freqüência
fundamental ω=2π/T. Cada termo da soma de harmônicos contribui com amplitude
ρn, e apresenta ângulo de fase ϕn.
Uma expressão ainda mais simples para (10) é possível quando fazemos
apelo a variáveis complexas. Partindo da identidade:

e ± iϕ = cos ϕ ± i sen ϕ , (16)

podemos escrever os seguintes termos:

an e i ( nωt ) = an cos(nωt ) + ian sen(nωt )

bn e i ( nωt ) = bn cos(nωt ) + ibn sen(nωt )
an e − i ( nωt ) = an cos(nωt ) − ian sen(nωt )
bn e − i ( nωt ) = bn cos(nωt ) − ibn sen(nωt )

Com estes últimos encontramos:

1
2 (an − ibn )ei( nωt ) + 12 (an + ibn )e −i( nωt ) = an cos(nωt ) + bn sen(nωt )
Portanto (10) pode também ser escrita como:
 ∞

[ ]
ao
f (t ) = + ∑ c n e i ( nωt ) + c − n e − i ( nωt )
2 n =1
cn = 1
2(an − ibn ) (17)
c − n = 12 (an + ibn )

Ou ainda de forma mais simples, se agrupamos os termos cn e c-n num

mesmo somatório:
∞
f (t ) = ∑c e
n =−∞
n
i ( nωt )
(18)

De acordo com as definições anteriores teremos:

T

co = = ∫ f (t )dt
ao 1
2 T
0
T T
(19)
∫ f (t )[cos(nωt ) − i sen(nωt )]dt = ∫ f (t )e
− i ( nωt )
cn = 1
T
1
T dt
0 0

Em (18) toda informação referente às amplitudes e aos ângulos de fase de

cada harmônico está contida nos coeficientes cn:

cn = 1
2 (an − ibn )
cn = an 2 + bn 2 = ρ n (20)
Arg(cn ) = − bann = − tan(ϕ n )

1.2.2 – Transformada de Fourier

Os resultados da seção anterior já nos permitem vislumbrar a importância

da Série de Fourier. Podemos notar inicialmente que qualquer sinal elétrico
expresso por uma função f(t) pode ser efetivamente considerado como uma
superposição de harmônicos. Para isto basta que f(t) seja conhecida num certo
intervalo de duração finita. A Série de Fourier representa uma função periódica de
período T, e em particular a própria função f(t) no intervalo em que é conhecida
(por exemplo de 0 a T). O número de termos necessários não é necessariamente
infinito, já que a partir de algum termo n a representação pode ser considerada
satisfatória segundo algum critério prático. Por mais complicada que seja a forma
de f(t) , sua representação se reduz a termos simples: os harmônicos. Por outro
lado, o comportamento de um dispositivo que produza algum sinal elétrico pode
ser avaliado se conhecemos sua resposta aos harmônicos. Este fato é importante
para análise e desenvolvimento de circuitos elétricos.
Podemos agora avançar em direção a uma representação mais abrangente
para funções matemáticas que representem grandezas físicas. Partindo de (18),
façamos as seguintes mudanças de notação:
 nω → ω
ω → δω (21)
cn ≡ F (ω ) =
1
T
ω
2π
F (ω ) = 1
2π
F (ω )δω

Com as mudanças acima estamos fazendo de ω uma variável que assume

os valores das freqüência dos harmônicos (múltiplos de 2π/T, a freqüência
‘fundamental’, segundo a notação anterior). E a freqüência fundamental está
sendo tratada como um intervalo de freqüência: δω. Os coeficientes cn apenas são
re-escritos convenientemente com uma função de ω, que de fato o são. Nestes
termos, (18) é refeita como:
∞
f (t ) = 1
2π ∑ F(ω )e
ω =−∞
iωt
δω (22)

Suponhamos agora que se queira representar a função f(t) num intervalo de

–T/2 a T/2. De acordo com (19) e (21):
T
2

∫ f (t )e
− iωt
F(ω ) = Tc n = dt (23)
− T2

Quando fazemos o intervalo tender a infinito, a freqüência fundamental

torna-se tão pequena que ω tende a uma variável contínua e δω se torna um
elemento de diferenciação. Nestas condições podemos escrever:

∫ F (ω )e
iωt
f (t ) = 1
2π dω
−∞
∞
(24)
∫ f ( t )e
−iωt
F (ω ) = dt
−∞

Em (24) t e ω são variáveis efetivamente contínuas. As funções f(t) e F(ω)

são relacionadas por uma transformação que remete a função f, definida no
domínio da variável t, à função F, definida no domínio da variável ω.
Reciprocamente, F(ω) remete a f(t). Diz-se que F(ω) é a Transformada de Fourier
de f(t), e que f(t) é a Transformada de Fourier inversa de F(ω).
Naturalmente a interpretação atribuída à Série de Fourier continua sendo
pertinente no caso da Transformada de Fourier. Esta última é mais abrangente, já
que não é limitada ao caso em que a função a se representar seja periódica.
Desde que seja possível calcular (24), pode-se fazer uso transformação. Outro
aspecto importante da Transformada de Fourier é que ela provê a composição
espectral – distribuição em termos de amplitudes e fases das freqüência que
compõem a representação de f(t) – em termos de uma função.
Um exemplo: um pulso elétrico de forma gaussiana, descrito por
 f (t ) = e − t
2

Para este pulso temos

2
− ω4
F(ω ) = π e

Como a Transformada de Fourier encontrada para este caso é real,

concluímos de (20) e (21) que F(ω) exprime diretamente a amplitude da
contribuição do harmônico de freqüência ω (ρn = cn= F(ω)dω/2π), e que as
defasagens são todas nulas .
As seguintes propriedades são válidas para duas funções relacionadas pela
Transformada de Fourier:

f ( at ) ⇔ 1
a F( ωa )
1
a f ( at ) ⇔ F(aω )
(25)
h(t − t o ) ⇔ F(ω )e 2πiωto
f (t )e −2πiω ot ⇔ F(ω − ω o )

As propriedades acima são referidas respectivamente como: escala em

tempo, escala em freqüência, deslocamento em tempo e deslocamento em
freqüência.

1.2.3 Transformada de Laplace

A utilização da Transformada de Fourier é frequentemente limitada na

prática pela condição de existência das integrais que a definem. Em particular, a
função a se representar tem que ser nula para t = ±∞ , condição que não é
obedecida por funções simples como f(t) = constante ou f(t) = sen(ωt). Por outro
lado, a maioria das funções de interesse prático não se referem a eventos que
duram de -∞ a +∞. Geralmente os eventos tratados têm início em um instante
definido (ex.: t=0). Um recurso que estende a aplicabilidade da Transformada de
Fourier consiste em se limitar ao intervalo de t = 0 a t = +∞ , e multiplicar a função
em questão por um fator que a reduza a zero em t = +∞. Um fator conveniente é
a função e-rt, onde r é um número real tal que: e-rt f(t) = 0 para t = +∞. Para isto, f(t)
deve ser nula para o intervalo de t = -∞ a t = 0.
A Transformada de Fourier para e-rt f(t) nesse caso é dada por uma outra
função, que chamaremos F(p), com p=r+iω:
∞ ∞

F ( p) = ∫[
0
]
e − rt f (t ) e − iωt dt = ∫ e − pt f (t )dt
0
(26)

A Transformada de Fourier inversa para e-rt f(t) deve ser tal que:
 {
+∞

∫ F( p)e
iωt 0 →( t < 0 )
1
2π dω = e − rt f ( t )→ ( t > 0 )
−∞

Então, para t>0, podemos escrever:

+∞ +∞

∫ F( p)e ∫ F( p)e
iωt
f (t ) = e rt
2π dω = 1
2π
pt
dω
−∞ −∞

Como dω=dp/i, finalmente obtemos para t>0:

r + i∞

f (t ) = ∫ F( p)e
1 pt
2 πi dp (27)
r − i∞

As expressões (26) e (27) são análogas a (24), que define a a relação entre
f(t) e F(ω) pela Transformação de Fourier. Temos assim uma nova relação de
transformação:
r + i∞

f (t ) = ∫ F( p)e
1 pt
2 πi dp
r − i∞
∞
(28)
F( p) = ∫ f (t )e − pt dt
0

Esta é a chamada Transformação de Laplace, que estende a aplicabilidade

do procedimento da Transformação de Fourier à quase totalidade dos casos de
interesse físico. Note-se que para r=0 a transformada de Laplace reproduz a
transformada de Fourier para a função f(t).
É pertinente uma comparação entre os três procedimentos acima expostos
(Série de Fourier, Transfornada de Fourier e Transformada de Laplace). Tomemos
o caso da função utilizada como exemplo para a Série de Fourier na Seção 1.2.1:

f (t ) = {0t →→00<>tt<>11 (29)

A interpretação que nos guia é: f(t) pode ser analisada como sendo
composta de oscilações harmônicas. O caso da Série de Fourier é o que se presta
mais claramente a esta interpretação. A amplitude de cada oscilação é dada por
(14), e os coeficientes an e bn foram calculados em 1.2.1. A Transformada de
Fourier para esta f(t) é:

F(ω ) = e − iω ( 1
ω2 )
+ ωi − ω12

A partir de F(ω) podemos chegar facilmente à composição espectral de f(t),

lembrando que a mesma está relacionada com os coeficientes an e bn da Série de
Fourier, e que os termos F(ω) e F(-ω) se referem à mesma freqüência ω. A
composição espectral é então dada por:
 ρ (ω ) = 2 F (ω ) = 2 F (ω ) F * (ω ) = 2
ω2
{2 + ω 2
− 2 cos(ω ) − 2ω sen(ω )} 2
1

Quanto aos ângulos de fase, já que os coeficientes an são todos nulos,

teremos para a Série de Fourier:

ϕ n = ArcTg ( ∞) = π
2

Com a Transformada de Fourier calculamos os ângulos de fase a partir do

argumento da função F(ω) :

ϕ (ω ) = − Arg [F (ω )] = −tg −1 [sen( ω ) −ω cos(ω )

1−cos(ω ) −ω sen( ω )
]
A Figura 4 inclui os resultados para amplitudes e fases encontrados via
Série de Fourier e Transformada de Fourier para o caso da função definida em
(29).

0,35

1,0
0,30 Série
Integral
Integral
Série 0,8
0,25

0,20 0,6
Amplitude

Amplitude

0,15
0,4

0,10

0,2
0,05

0,00 0,0

0 100 200 300 400 500 600 700 0 10 20 30 40 50 60 70

ω ω

2,5 Série
Integral
2,0

1,5
Ângulo de Fase

1,0

0,5

0,0

-0,5

-1,0

-1,5

-2,0
0 5 10 15 20 25 30 35
ω

Fig. 04: Comparação entre resultados da Série de Fourier e da

Integral de Fourier, para o caso da função ‘dente de serra’.
Para a Transformada de Laplace a interpretação é um pouco menos
evidente. A operação (28) nos fornece:

F ( p ) = −e − p (1
p + 1
p2
)+ 1
p2
 Segundo (26), F(p) é Transformada de Fourier para e-rt f(t), portanto a
composição espectral a que ela remete se refere à função atenuada pelo fator r.
Entretanto, p=r+iω, e se fizermos r=0 (⇒sem atenuação de f(t)) na expressão
acima, recuperamos exatamente a função F(ω) já calculada pela Transformada de
Fourier.
O interesse da Transformada de Laplace é precisamente facilitar o cálculo
das representações espectrais. Dada f(t), geralmente o cálculo de F(p) é mais
simples que o cálculo de F(ω), que finalmente é obtida por simples substituição da
variável p, por iω. Já são conhecidas e catalogadas em tabelas as Transformadas
de Laplace para várias funções fundamentais. A partir destas podem-se calcular
as Transformadas de Laplace para a maioria das funções de interesse prático [Ver
Tabela 01].

F(p) f(t)
1 δ(t)
1 γ(t)
1
p2
t
1 tn
pn ( n −1) !

e − at
1
p+a

te − at
1
( p + a )2

ω sen(ωt )
1 1
p 2 +ω 2
p
cos(ωt )
p 2 +ω 2
1 1
p2 −a2 a senh( at )
p
cosh( at )
p2 −a2
p+b
( p + a )2
[1 + (b − a)t ]e − at
p+b
p 2 +ω 2
1
ω b 2 + ω 2 sen(ωt + ϕ ) ↔ tgϕ = ω
b
p+a
( p + a ) 2 +ω 2
e − at cos(ωt )
ω
( p + a ) 2 +ω 2
e − at sen(ωt )
(e − at − e − bt )
1 1
( p + a )( p + b ) b−a
1
p ( p + a )( p + b )
1
ab (1 − be − at − ae − bt
b−a )
− bt − at
p be − ae
( p + a )( p + b ) b−a
1
p ( p 2 +ω 2 )
1
ω2 [1 − (ωt + 1)e ] − ωt

1.3 Função de transferência, diagrama de Bode

Na Seção 1.1 ficou demonstrado que o comportamento dos componentes

elementares de circuitos elétricos em resposta a uma oscilação harmônica
depende da freqüência desta oscilação, e introduzem também uma defasagem.
Na seção seguinte vimos que uma função, em particular um sinal elétrico, pode
ser entendido como composto por um espectro de oscilações. O tratamento
matemático é facilitado pelo uso de funções incluindo parte real e parte imaginária.
Podemos agora buscar uma função que expresse o efeito de um circuito elétrico
sobre um sinal apresentado a sua entrada.

Ventrada Vsaída
circuito

Fig. 05: Representação genérica de um circuito

elétrico com sinais de entrada e saída.

A Fig. 05 representa um circuito ao qual é apresentado um sinal de entrada,

que gera um sinal de saída. Trata-se de uma representação simples, mas
circuitos mais complexos poderão ser analisados a partir deste. Definimos para
este circuito uma função, que chamamos Função de Transferência ( T ), que
traduz seu efeito sobre o sinal de entrada:

Vsaida = TVentrada (30)

Sabemos que a ação do circuito pode introduzir diferenças de fase entre

saída e entrada, e que as diferenças de fase são adequadamente levadas em
conta quando adotamos a representação de grandezas incluindo variáveis
complexas. Fica assim admitido que, no caso geral, T é uma função complexa, e
como tal pode ser representada como:

T= = Ae iϕ
Vsaida
Ventrada (31)

A e ϕ são grandezas reais. Notamos imediatamente que ambas dependem

da freqüência, e exprimem respectivamente o ganho e a defasagem introduzidos
pelo circuito.

T = A(ω ) = ganho
(32)
Arg(T ) = ϕ (ω ) = fase

Demonstra-se facilmente que, para um circuito composto por n sub-circuitos

conectados em cascata, a função de transferência T será o produto das funções
de transferência dos sub-circuitos:

T = T1 T2 ... Tn (33)
 Tomemos o caso de um circuiro RC, como o mostrado na Fig. 06. É fácil
mostrar que:
1
T= = =
Vsaida i ωC 1
Ventrada 1+ iω1C 1+ iωRC (34)

Daí tiramos

A(ω ) = 1
1+ω 2 R 2 C 2
(35)
ϕ (ω ) = − ArcTan(ωRC )

Ventrada Vsaída

Fig. 06: Exemplo de circuito RC.

Fazendo ωo = 1/RC, e ν = ω/ωo, as expressões acima podem ser re-escritas

de forma mais simples:

A(ν ) = 1
1+ν 2
(36)
ϕ (ν ) = − ArcTan(ν )

As funções A e ϕ incluem as informações essenciais, necessárias à

compreensão do comportamento do circuito. O gráfico de A e ϕ em função da
freqüência é conhecido como Diagrama de Bode. Geralmente se mostram estas
funções em um gráfico, em escala Log-Log, já que a composição espectral e o
ganho podem cobrir várias ordens de grandeza. Por esta mesma razão é também
usual se definir a unidade de ganho em escala logarítmica. Nesta escala a
unidade é chamada decibel (dB):

1dB = 20 Log10
Vsaida
Ventrada (37)
 1,0
0,0

0,9

Ângulo de fase [Radianos]

0,8 -0,5
Ganho (dB]

0,7

-1,0
0,6

0,5
-1,5

0,4
0,001 0,01 0,1 1 0,1 1 10 100
ν ν

Fig. 07: Ganho e Fase (Gráfico de Bode) para o circuito da Fig. 06

Note-se que a função de transferência (34) é expressa em termos da

variável ω, ou seja, no domínio da freqüência. Assim são levados em conta o
ganho e a fase para cada componente harmônico. Supõe-se portanto que T atue
sobre funções também definidas no domínio da freqüência, pelo que em (30) e
(31) Ventrada e Vsaída são as transformadas de Fourier para Ventrada(t) e Vsaída(t).
Para conhecermos o sinal de saída correspondente a um dado sinal de
entrada, Ventrada = f(t), devemos então primeiramente computar a Transformada de
Fourier F(ω) para f(t) , multiplicá-la pela função de transferência T(ω), e finalmente
computar a transformada inversa de T(ω)F(ω), que será una função definida no
domínio do tempo, referente ao sinal de saída.
Em casos como o da Fig. 06, para obter uma expressão analítica para o
sinal de saída podemos nos servir também da equação diferencial que governa o
comportamento do circuito, e assim trabalhar diretamente no domínio da variável
tempo:

dt + C = Ventrada
R dQ Q
(38)

A solução para (38) é conhecida para o caso Ventrada = constante = Vo .

Nesse caso, derivando os dois lados de (38) chegamos a:

− RC
t
dI
dt
= − RCI ⇒ I (t ) = I o e

Q (t ) = ∫ I (t ) dt = I o RC 1 − e ( − RC
t
) (39)

Onde Io é a corrente quando t=0. Vemos também, do próprio circuito, que

dVsaida
dt
= 1 dQ
C dt
⇒ Vsaida = 1
C ∫ I (t )dt =RI o (1 − e ) − RC
t
(40)

Daqui obtemos uma expressão analítica equivalente ao que parece ser a

função de transferência no domínio do tempo. Como Ventrada = Vo = RIo, podemos
escrever:
 − RC
t
T= = 1− e
Vsaida
Vo (41)

Nesse caso particular o sinal de saída é obtido de uma maneira simples,

que é a multiplicação por uma função T(t). Entretanto, no domínio do tempo, a
relação entre os sinais de entrada e saída geralmente não pode ser expressa por
uma simples operação de multiplicação. Em (41) isto foi possível porque o sinal de
entrada é uma constante. Para um sinal de entrada genérico, mesmo para
circuitos simples como o da Fig. 06, não é possível encontrar T(t) tal que Vsaída(t) =
T(t)Ventrada(t). Caso isto fosse possível, o circuito estaria transmitindo sinais
instantaneamente, sem tempo de propagação. Sabemos que esta é uma
impossibilidade física.

1.4 Convolução

Uma outra via é possível quando se pretende obter o sinal de saída no

domínio do tempo, dados o sinal de entrada e a função de transferência. Esta via
é a utilização do ‘Teorema da Convolução’, que estabelece que para as funções
f(t), g(t) e h(t), cujas transformadas de Fourier são F(ω), G(ω), H(ω), tais que
F=GH, então f é a convolução de g e h, definida como:
∞

f (t ) = g * h = ∫ g(τ )h(t − τ )dτ

−∞
(42)

Um enunciado mais objetivo para este teorema é: a transformada de

Fourier da Convolução de duas funções é o produto das transformadas de Fourier
individuais ( g*h ⇔ GH).
A expressão (42) mostra que, para cada instante t, a função h é
reconstruída de -∞ a +∞, segundo uma distribuição de ‘pesos’ dada pela função g.
Esta operação pode ser entendida como uma média temporal, cujo resultado é a
função f.
De acordo com a definição da função de transferência, este teorema nos
permite afirmar que:

Vsaida (ω ) = T (ω )Ventrada (ω ) ⇒ Vsaida (t ) = T (t ) * Ventrada (t ) (43)

Dado o sinal de entrada, Vsaída(t) é portanto calculável desde que se

conheça a transformada de Fourier inversa, T(t) , para T(ω).
Pode-se também recorrer a técnicas de cálculo numérico para computar as
transformadas de Fourier conforme mostramos a seguir.

1.5 Transformada de Fourier Discreta e Fast Fourier Transform (FFT)

O cálculo analítico de transformadas de Fourier é inviável em muitos casos

de interesse prático. Para estes casos buscam-se soluções numéricas para as
mesmas.
 Dada uma função f(t) para a qual se procura a transformada de Fourier,
passamos então a tratá-la como um conjunto finito de valores numéricos
amostrados. Certamente um número mínimo de amostragens é necessário para
se caracterizar inequivocamente a função original. Este número é determinado
pelo Teorema da Amostragem.
Suponha-se que uma amostragem seja registrada a cada ∆t segundos
(portanto a uma freqüência ν=1/∆t). Admitamos que a composição espectral de f(t)
contenha componentes limitados a uma freqüência máxima ωmax=2πνmax. O
Teorema da Amostragem estabelece que f pode ser inequivocamente amostrada
desde que a freqüência de amostragem seja maior que 2νmax.
Então ∆tmin =1/(2νmax), e o número mínimo de amostragens é nmin=τ/∆tmin,
onde τ é o intervalo de tempo em que f está definida. A freqüência νmax=1/(2∆tmin)
é conhecida como ‘Freqüência de Nyquist’.
Partimos então desta substituição de f pelo conjunto de valores fi :

f → fk, com k = 0, 1, 2, ...., N-1 (44)

Os valores fk correspondem a f(k∆t). Com estes N valores podemos

supostamente gerar N equações com N incógnitas, e portanto computar os N
pontos da transformada de Fourier (F→Fk). Por analogia com a Série de Fourier,
procuraremos computar valores de F múltiplos da freqüência fundamental, 2π/τ =
2π/(N∆t).
Substituímos a integral de Fourier definida em (24) por uma soma de
termos discretos:

∞ N −1 N −1 N −1
f (t )e −iωnt dt ≈ ∑ f k e ∆t = ∑ f k e ∆t = ∆t ∑ f k e
−i 2π Nn∆t tk −i 2π Nn∆t k∆t − 2 πNink
F (ω n ) = ∫
−∞ k =0 k =0 k =0

O último dos somatórios acima define o que chamamos de transformada de

Fourier discreta: um conjunto de valores Fn , n=0,...,N-1, tais que:

N −1
Fn = ∑ f k e
− 2 πNink
(45)
k =0

Por comodidade estamos admitindo ∆t = 1. Note-se que (45) é facilmente

interpretável como uma operação matricial, em que o vetor F é gerado pela
atuação de uma matriz M sobre o vetor f:

[F ]= [M ][ f ]
k kn
n (46)

onde:

− 2Nπi nk
M nk = e (47)

O mesmo procedimento permite a computação da transformada inversa,

que devolve os valores fk a partir dos Fn :
 N −1
f n = ∑ Fn e N
2 πi nk
(48)
k =0

O cálculo de (45) ou (46) envolve pelo menos 2N2 operações numéricas,

uma vez que para cada um dos N elementos do conjunto Fn ou fk é realizado um
somatório de N termos complexos envolvendo os elementos de outro conjunto,
respectivamente fk ou Fn. Em cada somatório há que se realizar N multiplicações,
portanto da ordem N2 operações no total.
Suponhamos entretanto que o número N seja uma potência de 2 (2m).
Então o somatório (45) pode ser dividido em dois, um contendo os termos com k
ímpares outro com os k pares, cada um com N/2 termos. É fácil demonstrar (ver
§1.5.1) que, para cada termo Fk teremos:

Fk = F2pk + M k F2ik (49)

Onde Fp e Fi são transformadas de Fourier discretas com N/2 termos,

respectivamente os termos pares e ímpares do somatório original.
Em (49) cada termo pode também ser dividido em dois outros somatórios,
cada um com N/4 termos. E assim recursivamente, até que se chegue a N
somatórios de um termo cada. Dispondo os termos do último somatório na ordem
adequada, basta combinar termos adjacentes para se formar o que corresponde a
um dos 2m-1 termos do somatório precedente. Em seguida podem-se somar os
termos adjacentes deste último para formar os 2m-2 termos do somatório anterior, e
da mesma forma sucessivamente até se chegar ao somatório completo.
Seja por exemplo N=16. A seqüência de arranjos será:

{0,1, 2, 3, 4, 5, 6, 7, 8, 9, 10,11, 12, 13, 14, 15} (1 x 16 termos)

{0, 2, 4, 6, 8, 10, 12, 14} {1, 3, 5, 7, 9, 11, 13, 15} (2 x 8 termos)
{0, 4, 8, 12} {2, 6, 10 14} } {1, 5, 9, 13} {3, 7, 11, 15} (4 x 4 termos)
{0, 8} {4, 12} {2, 10} {6, 14} {1, 9} {5, 13} {3, 11} {7, 15} (8 x 2 termos)
{0} {8} {4} {12} {2} {10} {6} {14} {1} {9} {5} {13} {3}{11} {7} {15} (16 x 1 termo)

Se dispusermos os termos na ordem acima, em vez de se realizar 16

produtos para gerar a transformada de Fourier, podemos realizar combinações
(somas) de termos adjacentes de modo a gerar o mesmo resultado.
Uma curiosidade está embutida na ordem aparentemente exótica dos
termos no último arranjo. Escrevendo o resultado em notação binária
encontramos:

{0000,1000,0100,1100,0010,1010,0110,1110,0001,1001,0101,1101,0011,1011,0111,1111}

Tomemos agora os bits na ordem reversa:

{0000,0001,0010,0011,0100,0101,0110,0111,1000,1001,1010,1011,1100,1101,1110,1111}

Esta última corresponde a:

 {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16}

Portanto basta considerar os índices na notação binária e reverter os bits

para se obter a ordenação adequada de termos. Em seguida, termos adjacentes
são reagrupados recursivamente, de modo a compor a transformada de Fourier
com N termos a partir de N transformadas de Fourier incluindo um único termo.
Este processo reduz o número de operações necessárias ao cálculo da
transformada, ou seja, permite um cálculo mais rápido. Por esta razão é chamado
de Fast Fourier Transform (FFT).

1.5.1 Número de operações necessárias para o cálculo da FFT

De acordo com (45), a separação dos termos da transformada de Fourier

em termos pares e ímpares leva a:
N −1 N −1 N −1 N −1
Fn = ∑ f 2 k e + ∑ f 2 k +1e = ∑ f 2k e ∑
− 2πinN( 2 k ) − 2 πin (N2 k +1) − 2 πinN( 2 k ) − 2 πinN( 2 k )
2 2 2 2
− 2 πNin
+e f 2 k +1e
k =0 k =0 k =0 k =0

Ou seja, usando a notação definida em (46) e (47):

[F ]= [M
n n(2k )
][ f ]+ M [M
2k
n n( 2k )
][ f ], onde M
2 k +1
n
=e
− 2Nπi n
[50]

Entretanto, as matrizes que aparecem na equação acima têm dimensão N/2

x N/2, enquanto que em (46) a dimensão é NxN. De fato, esta equação só permite
o cálculo dos termos F0 até FN/2. Para os termos restantes, notemos que:

( n + N2 )( 2 k ) − 2Nπi ( n + N2 )( 2 k ) − 2Nπi ( n )( 2 k ) − 2Nπi ( N2 )( 2 k ) − 2Nπi ( n )( 2 k ) −2πi − 2Nπi ( n )( 2 k )

M =e =e e =e e =e = M n( 2k )

e que

n + N2 − 2Nπi ( n + N2 ) − 2Nπi n − 2Nπi ( N2 ) − 2Nπi n −πi − 2Nπi n

M =e =e e =e e = −e = −M n

Portanto, para computar todos os termos teremos:

[F ]= [M
n n(2k )
][ f ]+ M [M
2k
n n( 2k )
][ f ] 2 k +1 (para 0 ≤ n ≤ N
2
− 1) [51]

  [ 2k ]
 F n+ N2  = M n ( 2 k ) [ f ]− M n M n ( 2 k ) [ f ]
2 k +1 [ ] (para N
2
≤ n ≤ N − 1) [52]

Podemos agora proceder a uma estimativa do número de operações

necessárias ao cálculo da FFT. Naturalmente está suposto que o número N é uma
potência de 2 ( N = 2p, p inteiro), de modo que os termos possam ser
adequadamente agrupados em subconjuntos.
Sejam m(p) e a(p) respectivamente os números de multiplicações e de
adições (ou subtrações) necessárias ao cálculo de uma FFT com 2p termos.
Utilizemos as regras [50]-[52] para fazer a estimativa de m(p) e a(p).
 Lembremos que a subdivisão dos termos iniciais em termos pares e
ímpares leva a 2p transformadas de um único termo. A transformada de Fourier
para uma função que só contém um termo, fu, é o próprio termo: Fu = M00fu = fu.

Para p=1 (2 termos), temos:

F 0 = M 00 f 0 + M 0 ( M 00 f1 ) = f 0 + M 0 f1

F 1 = F 0+1 = M 00 f 0 − M 0 ( M 00 f1 ) = f 0 − M 0 f1

Tivemos portanto uma multiplicação e duas adições: m(1)=1, a(1)=2.

Para p=2 (4 termos), temos:

F 0 = M 00 f 0 + M 02 f 2 + M 0 ( M 00 f1 + M 02 f 3 ) = f 0 + f 2 + M 0 ( f1 + f 3 )

F 1 = M 10 f 0 + M 12 f 2 + M 1 ( M 10 f1 + M 12 f 3 ) = f 0 + M 12 f 2 + M 1 ( f1 + M 12 f 3 )

F 2 = F 0 + 2 = M 00 f 0 + M 02 f 2 − M 0 ( M 00 f1 + M 02 f 3 ) = f 0 + f 2 − M 0 ( f1 + f 3 )

F 3 = F 1+ 2 = M 10 f 0 + M 12 f 2 − M 1 ( M 10 f1 + M 12 f 3 ) = f 0 + M 12 f 2 − M 1 ( f1 + M 12 f 3 )

Ou seja,

F 0 = A + M 0B
F 1 = C + M 1D
F 2 = A − M 0B
F 3 = C − M 1D

Onde

A = f0 + f 2
B = f1 + f 3
C = f 0 + M 12 f 2
D = f1 + M 12 f 3

Chegamos portanto a: m(2)=4, a(2)=8.

Está claro que o agrupamento dos termos pares e ímpares da

transformada, juntamente com as propriedades (51) e (52) permitem a redução do
número de operações de cálculo. No caso de N=4 (p=2) realizamos 4
multiplicações em lugar das 16 que seriam normalmente necessárias pelo
procedimento sugerido em (46).
 Pode-se verificar que, para um inteiro p qualquer, vale a seguinte regra
recursiva:

m( p) = 2m( p − 1) + 2 p −1 [m(1) = 2, m(2) = 4, m(3) = 12 ....]

a( p ) = 2a ( p − 1) + 2 p [a(1) = 2, a(2) = 8, a(3) = 24 ....]

Podemos agora provar que de fato o número de operações necessárias à

FFT é proporcional a NLog2N. Ou seja, podemos mostrar que

m( p ) = 12 NLog 2 N = 12 Np

a ( p ) = NLog 2 N = Np

Para isto fazemos apelo ao método indutivo, no qual admitimos que a

igualdade é válida para algum inteiro p, e mostramos que também é válida para
p+1. Portanto é válida para todo p.

De fato, se

m( p) = 12 Np

então

m( p + 1) ≡ 2m( p) + 2 p = 2(12 Np ) + 2 p = 2 p p + 2 p = 2 p ( p + 1) = 12 2 p +1 ( p + 1)

Mas 2p+1 é o número N’ de termos que tem a transformada quando p’ = p+1.

Portanto:

m( p ' ) = 12 N ' p '

E concluímos que a relação vale para qualquer p. Igualmente:

a( p + 1) ≡ 2a( p) + 2 p +1 = 2(Np ) + 2 p +1 = 2(2 p p) + 2 p +1 = 2 p +1 p + 2 p +1 = 2 p +1 ( p + 1)

Donde:

a( p ' ) = N ' p '

Em conclusão, frisemos que o número nop de operações necessárias ao

cálculo da FFT de N termos é dado por:

n op = 12 NLog 2 N + NLog 2 N = 32 NLog 2 N

 Fig 08 mostra uma comparação entre o número de operações requeridas
pelas transformadas de Fourier regular (46) e FFT (51,52), em função do número
de termos envolvidos. Evidentemente, quanto maior for o número de termos,
menor o tempo de computação requerido pela FFT relativamente ao tempo de
computação para a transformada regular.

1010 100
Transformada regular
109

108
10-1
107
Númerototal de operações

6
10

Nop(FFT)/Nop(TF)
105 10-2
FFT
104

103
10-3
102

101

100 10-4
100 101 102 103 104 105 100 101 102 103 104
Número de termos Número de termos

Fig. 08: Esquerda: número de operações em função do número de termos no cálculo da FFT
e da transformada regular. Direita: quociente entre as curvas do primeiro gráfico,
evidenciando a redução no tempo de computação