An Sinais Cap7

7 – Séries de Fourier
7.1 – Introdução à Análise de Fourier 3

7.2 – Série trigonométrica de Fourier para sinais contínuos 5
7.3 – Teorema de Fourier 6
Exemplo 7.1 7
7.4 – Uma interpretação da Série de Fourier 13
7.5 – Série exponencial de Fourier para sinais contínuos 17
Exemplo 7.2 19
7.6 – Equivalência das séries trigonométrica e exponencial de Fourier 21
7.7 – Propriedades da Série de Fourier para sinais contínuos 23
Linearidade 23
Translação no tempo (“time shifting”) 24
Sinal reflectido / reversão no tempo (“time reversal”) 25
Escalonamento no tempo (“time scaling”) 26
Multiplicação 27
Conjugação 27
Translação na frequência (“frequency shifting”) 28
Convolução no período 29
Derivada 30
Integral 30
Relação de Parseval 31
7.8 – Série trigonometria de Fourier para sinais discretos 31
Exemplo 7.3 34
Exemplo 7.4 40
J. A. M. Felippe de Souza 7 – Séries de Fourier
Exemplo 7.5 43
Exemplo 7.6 44
Exemplo 7.7 46
7.9 – Propriedades da Série de Fourier para sinais discretos 47
Linearidade 47
Translação no tempo (“time shifting”) 48
Sinal reflectido / reversão no tempo (“time reversal”) 49
Escalonamento no tempo (“time scaling”) 49
Multiplicação 50
Conjugação 51
Translação na frequência (“frequency shifting”) 52
Convolução no período 53
Primeira diferença 53
Soma acumulada 54
Relação de Parseval 55
2
Séries de Fourier
7.1 – Introdução à Análise de Fourier
Neste capítulo e no próximo estudaremos a Análise de Fourier (também chamada de

Análise Harmónica), que diz respeito à representação de sinais como uma soma (ou
melhor dizendo, uma combinação linear) de sinais básicos como senos e co-senos, ou
exponenciais complexas.
A série de Fourier, assim como a transformada de Fourier, são as importantes contri-

buições do matemático francês Jean Baptiste Joseph Fourier (1768-1830).
Fig. 7.1 – Jean Baptiste Joseph Fourier (1768-1830), francês.
3
A Análise de Fourier permite decompor um sinal nas suas componentes em frequên-

cia (harmónicos) e tem muitas aplicações no Processamento de sinal, no Processa-
mento de imagem, na Física em várias aplicações, na Probabilidade e Estatística as-
sim como em muitas outras áreas.
Antes de Fourier três físicos já tinham feito estudos preliminares em séries infinitas
para resolverem problemas diversos da Física: suíço Leonhard Euler (1707-1783), o
francês Jean Le Rond d'Alembert (1717-1783) e o holandês Daniel Bernoulli (1700-
1782).
Entretanto, Fourier foi o primeiro a fazer um estudo sistemático das séries infinitas
para resolver a equação da propagação do calor na Física, na publicação “Mémoire
sur la théorie de la chaleur”, embora ele não tenha expresso os seus resultados com
grande formalismo.
Somente uns anos mais tarde que dois matemáticos: o alemão Johann Peter Gustav
Lejeune Dirichlet (1805-1859) e o alemão Georg Friedrich Bernhard Riemann
(1826-1866), expressaram os resultados de Fourier com mais rigor e precisão.
Fig. 7.2 – Série de Fourier (sinal periódico da onda quadrada).
4
7.2 – Série trigonométrica de Fourier para sinais contínuos
Considere um sinal periódico contínuo x(t) ∈ R {conjunto dos números reais}, ∀ t.

O sinal x(t) pode ser expresso como:
a ∞
  2π   2π 
x(t) = 0 + ∑ a k ⋅ cos  ⋅ k t  + b k ⋅ sen  ⋅ k t  =
T   T 
2 k =1 
eq. (7.1)
∞
∑ [a ⋅ cos (ωo k t ) + b k ⋅ sen (ωo k t )]

a
= 0 + k
2 k =1
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. (7.2)
x ( t ) ⋅ cos (ω o k t ) dt
2
T ∫T
=
2  2π 
bk =
TT∫ x ( t ) ⋅ sen  ⋅ k t  dt =
 T 
k = 1, 2, … eq. (7.3)
x ( t ) ⋅ sen (ω o k t ) dt
2
T ∫T
=
sendo que as integrais acima são tomadas ao longo do intervalo do período T do sinal
periódico x(t).
Observe que existe ao na série ak [eq. (7.2)], mas não existe bo na série bk [eq. (7.3)].
Além disso, ao (na eq. (7.2) fazendo k = 0), pode ser reescrito de forma mais simplifi-
cada pois, como
 2π 
cos  ⋅ k t  = cos (ωo k t ) = 1 , para k = 0,
T 
então,
5
2
T ∫T
ao = x ( t ) ⋅ dt
ou seja, ao de certa forma representa um 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.
A equação eq. (7.1) acima é conhecida como a

“equação de síntese”
e as equações eq. (7.2) e eq. (7.3) 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.
7.3 – Teorema de Fourier
Definição 7.1: x(t) é um sinal seccionalmente contínuo (ou, também chamado de

“contínuo por partes”) se x(t) tem um número limitado de descontinuidades em qual-
quer intervalo limitado.
Fig. 7.3 – Um sinal seccionalmente contínuo.
Definição 7.2: x(t) é um sinal seccionalmente diferenciável se ambos x(t) e sua deri-
vada x’(t) forem sinais seccionalmente contínuos.
Com estas definições podemos agora ver o Teorema de Fourier que estabelece os
tipos de sinais que podem ser aproximados pela série de Fourier.
6
Teorema 7.1 (Teorema de Fourier):

Se x(t) é um sinal periódico seccionalmente diferenciável e de período T, então a
série de Fourier [eq. (7.1)] 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.
Um ponto positivo deste resultado é que 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.
Exemplo 7.1:
Considere o sinal x(t) dado abaixo (onda quadrada),

definido num intervalo (de t = –1 até t = 1) ilus-
trado na figura 7.4.
− 1 , se −1 < t < 0

x(t) = 
 1 , se 0 < t <1
Fig. 7.4 – Sinal da onda quadrada em
um período (de t = –1 até 1).
7
Repetindo-se (ou estendendo-se) este padrão para a direita de t = 1 e para esquerda de

t = –1, obtemos um sinal periódico para ∀t (∞ < t < ∞ ).
Fig. 7.5 – Sinal do Exemplo 7.1. Onda quadrada estendida para ∀t (∞ < t < ∞).
Agora x(t), sendo um sinal periódico ∀t (∞ < t < ∞) já pode ser aproximado por uma
série de Fourier.
De forma semelhante podemos estender qualquer outro sinal definido em um deter-

minado intervalo finito 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 defi-

nido acima temos, para ao primeiramente,
2 0 1
T ∫T ∫
ao = x ( t ) ⋅ dt = (−1) dt + ∫ (1) dt = 0
−1 0
Como o período fundamental é T = 2, então
2π
ωo = = π
T
e portanto,
x ( t ) ⋅ cos (k π t ) dt =
2 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
1
)
+ [sen (k π t ) ] 0 =
=0, k = 1, 2, ...
8
Logo os ak’s são todos iguais a zero ∀ k = 0, 1, 2, …
Quanto aos bk’s, temos que:
x ( t ) ⋅ sen (k π t ) dt =
2 1
bk =
T ∫ −1
= ∫ (−1) ⋅ sen (k π t ) dt + ∫ 1 ⋅ sen (k π t ) dt =

0 1
−1 0
=
1
πk
(
[ cos (k π t ) ] 0−1 + [− cos (k π t ) ] 10 = )
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:
sen (π t ) + sen (3 π t ) + sen (5 π t ) +

4 4 4
x(t) =
π 3π 5π
sen (7 π t ) + sen (9 π t ) + sen (11π t ) + ...
4 4 4
+
7π 9π 11π
As figuras 7.6 até 7.10 abaixo mostram esboços do sinal x(t) aproximado pela série
de Fourier.
9
Primeiramente na figura 7.6, 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)
Fig. 7.6 – Sinal onda quadrada. Aproximação por série de

Fourier com apenas um termo (k = 1).
Na figura 7.8 vemos que com 2 termos (os dois primeiros termos não nulos, 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)

Fourier com apenas dois termos (k = 1 e 3).
Depois, na figura 7.8, com 3 termos (os três primeiros termos não nulos, 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)
10

Fourier com apenas três termos (k = 1, 3 e 5).
e assim por diante.
As duas últimas figuras (figuras 7.9 e 7.10) ilustram esta série até k = 11 (6 termos
não nulos) e até k = 49 (25 termos não nulos), respectivamente.

Fourier com seis termos (k = 1, 3, 5, 7, 9 e 11).

Fourier com 25 termos (k = 1, 3, ..., 49).
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 pró-
prio valor de x(t).
11
Por exemplo, para t = 0,5, sabemos que x(0,5) = 1. Pela série 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 imedia-
tamente 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,
sen (0) + sen (0) + sen (0 ) + sen (0) + sen (0) + ... =
4 4 4 4 4
x(0) =
π 3π 5π 7π 9π
= 0+0+0+0+0
que de facto converge para 0.
Mais adiante, nas Propriedades da Série de Fourier, veremos que:
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.
12
Isto pode ser visto pelas propriedades dos sinais 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.
Logo, 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.
Mas 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 
 T
⋅ k t  dt = 0 ,

k = 0, 1, 2, 3, ...
e portanto, a série de Fourier é uma série de senos.
De facto, no Exemplo 7.1 acima, como x(t) era um sinal par, então os ak’s eram todos
iguais a zero ∀ k = 0, 1, 2, …, e a série de Fourier era uma série de senos.
7.4 – Uma interpretação da Série de Fourier
A “série de Fourier” pode ser interpretada como uma forma de expressar um sinal
x(t), em um espaço de sinais.
n
Recorde-se um vector v no espaço R é representado como a soma
v = α1 ⋅ e1 + α 2 ⋅ e 2 + L + α n ⋅ e n
onde e1, e2, … en, são os vectores
13
1 0 0

0 1 0
e1 =   , e 2 =   , L e n =  
M M M
     
0 0 1
ou seja, { e1 , e 2 , L e n } , os chamados vectores canónicos e formam uma base do R ;

n
e α1, α2, … αn, são os coeficientes do vector v nesta base { e1 , e 2 , L e n } .
Da mesma forma, um sinal x(t) pode ser representado semelhantemente na forma da

eq. (7.1) como a soma infinita de senos e co-senos.
n
Note que aqui o espaço não é mais o espaço de vectores (R , que tem dimensão n)
mas sim um espaço de sinais, que terá dimensão infinita. A base do espaço não será
mais formada pelos vectores e1, e2, … en , mas agora pelos sinais senos e co-senos
 2π   2π 
cos  ⋅ k t  e sen  ⋅ k t 
 T   T 
definidos nas equações de análise eq. (7.2) e eq. (7.3). Além disso, os coeficientes
que representam o sinal x(t) nesta base não serão mais α1, α2, … αn, mas agora serão
os
ak e bk.
Em outras palavras, estes senos e co-senos formam uma base infinita de sinais.
Claro que a expressão da eq. (7.1) é definida apenas para sinais periódicos, Entretanto,
já vimos no exemplo 7.1 que um sinal x(t) que seja definido em um intervalo finito
qualquer pode ser estendido para ambos os lados deste intervalo, tornando-se assim
periódico e desta forma pode ser descrito também na forma da eq. (7.1). As figuras
7.4 e 7.5 ilustravam isto.
n
Outro detalhe: no espaço R os próprios vectores da base e1, e2, … en eram repre-
sentados (de forma única) como
0
1 
e i =   = 0 ⋅ e1 + 0 ⋅ e 2 + L + 1 ⋅ e i + L + 0 ⋅ e n
M
 
0
14
ou seja, com coeficientes
α1 = 0, α2 = 0, … ,αi = 1, … αn = 0
isto é,
{α1 , α 2 ,L, α i ,L, α n } = {0, 0, L, 1, L, 0} .
Aqui também temos que os sinais senos e co-senos da base são representados (de
forma única) como
 2π  a ∞
  2π   2π 
cos  ⋅ l t  = 0 +
T  2
∑ a
k =1
k ⋅ cos  ⋅ k t  + b k ⋅ sen  ⋅ k t 
T  T 
onde todos os ak e bk serão todos iguais a “zero” excepto o valor de ak para k = l, ou

seja:
ak = 0, bk = 0, excepto al = 1
e, além disso
 2π  a ∞
  2π   2π 
sen  ⋅ l t  = 0 +
T  2
∑ a
k =1
k ⋅ cos  ⋅ k t  + b k ⋅ sen  ⋅ k t 
T  T 
onde todos os ak e bk serão todos iguais a “zero” excepto o valor de bk para k = l, ou

seja:
ak = 0, bk = 0, excepto bl = 1.
Isto ocorria porque o produto escalar entre 2 vectores ‘em’ e ‘en’, que pertençam à
base, é
< em , en > = 0, se m ≠ n,
< em , en > = 1, se m = n,
n
onde o produto escalar entre 2 vectores no espaço R era definido como
< v, v > = α1 ⋅ α1 + α2 ⋅ α2 + L+ αn ⋅ αn
sendo α1, α2, … αn os coeficientes de v e ⋅ α1 , α2 ,L, α n os coeficientes de v .
15
Devido a esta propriedade, dizemos que os vectores e1, e2, … en da base são “ortogo-
nais” entre si.
Aqui, neste espaço de sinais cuja base é formada por senos e co-senos, o produto
escalar entre 2 sinais pode ser definido como:
< x( t ), x( t ) > = a o ⋅ a o + L a k ⋅ a k + L + b1 ⋅ b1 + L b k ⋅ bk + L
onde ao, a1, …, ak, …, b1, …, bk são os coeficientes de x(t) na série de Fourier e
a o , a 1 ,L, a k ,L, b o , b1 ,L, b k os coeficientes de x ( t ) na série de Fourier. Desta
forma pode-se verificar que
 2π   2π 
< cos  ⋅ m t  , cos  ⋅ n t  > = 0, se m ≠ n ,
 T   T 
 2π   2π 
< cos  ⋅ m t  , cos  ⋅ n t  > = 1, se m = n ,
 T   T 
 2π   2π 
< sen  ⋅ m t  , sen  ⋅ n t  > = 0, se m ≠ n , e
 T   T 
 2π   2π 
< sen  ⋅ m t  , sen  ⋅ n t  > = 1, se m = n.
 T   T 
ou seja, aqui os sinais da base também são ortogonais entre si. Isso se verifica obser-
vando-se as equações de análise eq. (7.2) e eq. (7.3) e devido ao facto que
 2π   2π 
∫ cos  T ⋅ m t  ⋅ cos  T ⋅ n t  dt = 0,
T
se m ≠ n
 2π   2π 
∫T  T   T ⋅ n t  dt = 0,
sen  ⋅ m t  ⋅ sen se m ≠ n
e
 2π   2π  T
∫T  T   T  2 ,
cos  ⋅ m t  ⋅ cos  ⋅ n t  dt = se m = n
 2π   2π  T
∫ sen  T ⋅ m t  ⋅ sen  T ⋅ n t  dt = 2 ,
T
se m = n
16
um resultado bastante conhecido em matemática, da teoria do “Cálculo”. Isto é, as

integrais de senos e/ou co-senos de frequência diferentes multiplicados entre si são
nulas. Os senos e co-senos são “ortogonais”.
Fig. 7.11 – Projecções de um vector v ∈ R2 nos seus 2 eixos (à esquerda) e v ∈ R3

nos seus 3 eixos (à direita).
n
Uma propriedade importante verificada nos vectores no espaço R era que o produto
escalar entre v e um elemento ek da base era o próprio coeficiente αk, ou seja,
< v , ek > = α k
n
De certa forma isto significava que os αk eram as projecções dos vectores do R nos
seus diversos eixos, conforme ilustra a figura 7.11 para o R2 e R3.
Aqui no espaço de funções também verifica-se que
 2π   2π 
< x ( t ) , cos  ⋅ k t  > = a k e < x ( t ) , sen  ⋅ k t  > = b k
 T   T 
o que também pode ser interpretado que os ak e os bk são uma espécie de projecção
do sinal x(t) nos diversos sinais senos e co-senos componentes da base.
7.5 – Série exponencial de Fourier para sinais contínuos
Nesta secção estudaremos a “série exponencial de Fourier” é também chamada de

“série complexa de Fourier”.
17
Se o sinal x(t) ∈ R, então a série exponencial de Fourier é a mesma que a série trigo-
nométrica escrita de uma forma diferente, em termos de exponenciais do tipo
jωo t
e
em vez de em termos de senos e co-senos.
Entretanto, considere agora
um sinal periódico contínuo x(t) ∈ C = {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 ) = ∑c
k = −∞
k ⋅e  T 
=
∞ eq. (7.4)
j ωo ⋅k t
= ∑c
k = −∞
k ⋅e
onde:
T = período fundamental do sinal x(t).
ωo = frequência fundamental do sinal x(t).
e
 2π 
1 −j  ⋅ k t
ck =
T ∫ x(t) ⋅ e
T
 T 
⋅ dt =
1 k = 0, ±1, ±2, … eq. (7.5)

= ∫ x ( t ) ⋅ e − j ωo ⋅k t ⋅ dt
T T
Portanto, a série exponencial (ou complexa) de Fourier generaliza a série trigonomé-

trica 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.
18
Semelhantemente à série trigonométrica, a equação eq. (7.4) acima é conhecida como

a
equação de síntese
enquanto que a equação eq. (7.5) é conhecida como a
equação de análise
da série exponencial (ou complexa) de Fourier.
Exemplo 7.2:
Tomemos novamente a onda quadrada x(t) em

um período (de t = –1 até t = 1) ilustrada na
figura 7.12.
− 1 , se − 1 < t < 0

x (t) = 
 1 , se 0 < t < 1
Fig. 7.12 – Sinal do Exemplo 7.2. Onda

quadrada em um período (de
t = –1 até 1).
E, repetindo-se (ou estendendo-se) este padrão para a direita de t = 1 e para esquerda

de t = –1, obtemos um sinal periódico que pode ser aproximado pela série exponen-
cial (ou complexa) de Fourier.
Novamente, o período fundamental é T = 2, e
2π
ωo = = π
T
e portanto, os coeficientes desta série complexa de Fourier para o sinal da onda qua-
drada acima são:
19
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 =
Fazendo-se as integrais, obtemos:
ck =
1 1
⋅
2 πk j
([e − j (k π t )
] 0
−1
) +
1 (−1)
⋅
2 πk j
([e − j (k π t )
] 1
0
)=
=
1
2πk j
(1 − e jk π − e−jk π + 1 ) =
1
2πk j
(2 − e jk π − e−jk π )
Agora, usando-se as equações de Eüler temos que:
ck =
1
[2 − cos( k π ) − j ⋅ sen ( k π ) − cos( k π ) + j ⋅ sen ( k π ) ]
2πk j
2 (1 − )
1
= cos( k π ) =
2πk j
−j
= (1 − cos( k π ) )
πk
e portanto,
 0, se k = 0, ± 2, ± 4, ...

ck = − 2
 j, se k = ±1, ± 3, ± 5, ...
 π k
Logo,
∞
x (t) = ∑c
k = −∞
k e j ωo k t =
∞
 − 2  jk π t
= ∑ 
π
j  e =
k = ±1, ± 3, ± 5, ...  k 
∞
−2 
= ∑  j  ⋅ [ cos (kπ t ) + j ⋅ sen (kπ t ) ]
k = ±1, ± 3, ± 5, ...  πk 
20
e, desmembrando-se a soma k = ±1, ± 3, ± 5, ... em duas de k = 1, 3, 5, ... , como o seno é

ímpar [sen (kπt) = –sen (–kπt), ∀k ] e o co-seno é par [cos (kπt) = –cos(kπt) , ∀k ],
temos:
∞
 − 2j ∞
 − 2j
x(t) = ∑
k = 1, 3, 5, ...

 πk 
 cos (kπ t ) + ∑ 
k = 1, 3, 5, ...  πk 
 j ⋅ sen (kπ t ) +
∞
 2j  ∞
 − 2j
+ ∑
k = 1, 3, 5, ...
  cos (kπ t ) + ∑ 
 πk  k = 1, 3, 5, ...  πk 
 j ⋅ sen (kπ t )
e portanto os dois termos com co-senos se cancelam um ao outro, enquanto que os

dois termos com senos são idênticos, logo podem se juntar ficando:
 ∞  − 2j 
x(t ) = 2 ⋅  ∑   j ⋅ sen (kπ t )  =
k =1, 3, 5, ...  πk  
∞
 4 
= ∑
k = 1, 3, 5, ...
  sen (kπ t )
 πk 
que é o mesmo resultado obtido no Exemplo 1 com a série trigonométrica de Fourier,

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

4 4 4
+
7π 9π 11π
Isso acontece porque as séries trigonométricas e complexa (ou exponencial) de Fou-

rier são equivalentes, um resultado que vamos ver a seguir na próxima secção.
7.6 – Equivalência das séries trigonométrica e exponencial de Fourier
Se o sinal x(t) for de valores reais, então existe uma relação entre a série trigonomé-
trica e a série complexa (ou exponencial) de Fourier. Pode-se facilmente mostrar
que:
21
a k − j ⋅ bk
ck = para k = 0, 1, 2, … eq. (7.6)
2
e
a k + j⋅ bk
c −k = para k = 1, 2, … eq. (7.7)
2
Embora o coeficiente bo não exista, pois não foi definido, na eq. (7.6) assume-se que
bo = 0 . Portanto, o coeficiente co pode ser expresso como:
ao
co = . eq. (7.8)
2
Note também que enquanto os coeficientes aks e bks são definidos nas eq. (7.2) e
eq. (7.3) apenas para k = 0, 1, 2, …, os coeficientes cks são definidos nas eq. (7.6) e
eq. (7.7) para k = 0, ±1, ±2, …
Observe também que a eq. (7. 7) é equivalentes a:
a −k + j ⋅ b − k
ck = para k = –1, –2, … eq. (7.9)
2
Sabemos, pelas eq. (7.2) e eq. (7.3) da série trigonométrica de Fourier, que não
existe aks ou bks para k negativos, entretanto a-k e b-k estão bem definidos na
eq. (7.9) pois nesta equação k = –1, –2, … e portanto os índices de a-k e b-k serão sem-
pre positivos. Por exemplo:
a-k para k = – 2 será o a2,

ou
b-k para k = – 5 será o b5.
Os termos ck para k positivos são os conjugados de ck para k negativos, e vice-versa,

isto é:
ck = (c –k)* , ∀ k = 0, ±1, ±2, ±3, …
22
As equações acima permitem que se transforme uma série trigonométrica em uma

série exponencial.
O inverso, ou seja, as equações que permitem transformar uma série exponencial em

uma série trigonométrica são as seguintes:
a o = 2 co eq. (7.10)
a k = (ck + c− k ) para k = 1, 2, … eq. (7.11)

e
bk = j ⋅ (ck − c−k ) para k = 1, 2, … eq. (7.12)
Com as relações acima é fácil de se mostrar que, quando x(t) é um sinal real, então:
∞  2π  ∞
j ⋅k t
x(t) = ∑c
k = −∞
k e  T 
= ∑c
k = −∞
k e j ωo ⋅k t
a ∞
  2π   2π 
= 0 +
2
∑k =1
a
 k

cos 
 T
⋅ k t 

+ b k sen 
 T
⋅ k t  =

∑ [a cos (ωo k t ) + b k sen (ωo k t )]

a
= 0 + k
2 k =1
ou seja, as duas séries de Fourier, ‘trigonométrica’ e ‘exponencial’, são equivalentes.
7.7 – Propriedades das séries de Fourier para sinais contínuos
Linearidade:
Suponha que
23
x1(t) é um sinal com período T e tem coeficientes de Fourier c′k

x2(t) é um sinal com período T e tem coeficientes de Fourier c′k′
e que
y ( t ) = α x1 ( t ) + β x 2 ( t )
então, mostra-se que:
y(t) tem período T ,

ou seja,
2π
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 ck

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:

ou seja,
2π
y(t) tem frequência fundamental ω o = ,
T
24
~c = e − j k ωo t o ⋅ c =
k k
2 π
− j k  t
 o
 T 
= e ⋅ ck
Nota:
jθ
Como e = 1, ∀ θ , tem-se que:
~c = c
k k
Sinal reflectido / reversão no tempo (“time reversal”) em torno de t = 0:
Suponha que
e que
y( t ) = x ( − t )

ou seja
2π
y(t) tem frequência fundamental ωo = ,
T
ĉ k = c − k
Nota:
Como consequência desta propriedade pode-se concluir que:
25
Se x(t) é um sinal par ⇒ os coeficientes de Fourier ck são, eles próprios, pares; i.e.,
c k = c−k
Se x(t) é um sinal ímpar ⇒ os coeficientes de Fourier ck são, eles próprios, ímpares;

i.e.,
c k = − c−k
Escalonamento no tempo (“time scaling”):
Suponha que

2π
(portanto x(t) tem frequência fundamental ωo = )
T
e que
y( t ) = x ( α t )
T
y(t) tem período ,
α
ou seja
) 2απ
y(t) tem frequência fundamental T = α ωo = e, além disso,
T
∞
− j k α ωo t
y( t ) = ∑c
k = −∞
k e =
 2απ
∞ − j k  t
 T 
= ∑c
k = −∞
k e  
Note que a série de Fourier muda por causa da mudança da frequência fundamental
(e do período). Entretanto os coeficientes ck não mudam.
26
Multiplicação:
Suponha que

e que
y( t ) = x 1 ( t ) ⋅ x 2 ( t )
2π
y(t) tem período T , ou seja tem frequência fundamental ωo = ,
T
∞
ck = ∑ c′ ⋅ c′′
i = −∞
i k −i =
= c′ [ k ] ∗ c′′ [ k ]
Ou seja, ck é a convolução entre os sinais discretos c′k = c′[k ] e c′k′ = c′′[k ] .
∞
ck = ∑ c′ ⋅ c′′
ij = − ∞
i k −i =
= 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
e que
y( t ) = x ∗ (t )
27

2π
T
ck = c∗−k
Nota:
Se x(t) ∈ R, então
∗
os coeficientes de Fourier c − k = c k ;
co ∈ R ;
e
ck = c−k .
Além disso, as relações acima permitem mais uma vez concluir que:
Se x(t) ∈ R é um sinal par ⇒
∗
os coeficientes de Fourier ck = ck ; e
c k = c −k (os coeficientes de Fourier são eles próprios “pares”).
Se x(t) ∈ R é um sinal ímpar ⇒
os coeficientes de Fourier c k são imaginários puros, c o = 0 e

c k = − c − k (os coeficientes de Fourier são eles próprios “ímpares”).
Translação na frequência (“frequency shifting”):
Suponha que
e, para um m inteiro, constante, considere agora os coeficientes
28
ck = c k − m
ou seja,
ck são os coeficientes ck desfasados de m.
Então, mostra-se que o sinal:

jmωo t
y( t ) = e ⋅ 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.
jθ
Outro detalhe, como e = 1, ∀θ , então:
ck = c k k = 0, ±1, ±2, …
Convolução no período:
Suponha que
e que y(t) é a convolução (tomada no período T):
y( t ) = x1 ( t ) ∗ x 2 ( t )
= ∫
T
x 1 ( t − τ) ⋅ x 2 ( τ) dτ

2π
T
~
~c = T ⋅ c′ ⋅ c′′
k k k
29
Derivada:
Suponha que
e que
dx
y( t ) =
dt
2π
T
 2π 
c′k = j k ωo c k = j k   c k
 T 
Nota:
Para o caso de derivadas de ordem 2 ou mais, pode-se aplicar esta regra sucessivas
vezes. Por exemplo, no caso da segunda derivada, se
d2x
y( t ) = 2
dt
os coeficientes de Fourier de y(t) são
 2π 
2
c′k′ = j k ωo c′k = j2 k 2 ω2o c k = − k 2 ω2o c k = − k 2   c k .

 T 
Integral:
Suponha que

e que
t
y( t ) = ∫
−∞
x ( t ) dt
30

2π
T
( 1 1
ck = ⋅ ck = ⋅ ck
j k ωo  2π 
jk  
 T 
Nota:
No caso de co = 0, esta propriedade só é válida para sinais x(t) periódicos e com valo-
res finitos.
Para o caso de integrais duplas, triplas, etc., pode-se aplicar esta regra sucessivas
vezes.
Relação de Parseval:
Suponha que
então, mostra-se que a potência média do sinal no intervalo de um período T:

1
P = ∫x ( t ) dt =
2
T T
∞
= ∑c
2
k
k = −∞
7.8 – Série exponencial de Fourier para sinais discretos
Já vimos, no capítulo 4 (sobre 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
31
se N for o menor inteiro para o qual a relação acima satisfaz. E neste caso:
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
φ k [n ] = e
jkωo n 
 N 
= e , k = 0, 1, 2, … eq. (7.13)
e todos estes sinais têm frequência fundamental que são múltiplas de

2π
N
e portanto são harmonicamente relacionados.
Existem apenas N sinais distintos no conjunto de funções φk[n] definido pela

eq. (7.13) acima.
Isto é uma consequência do facto de que sinais discretos no tempo do tipo exponen-
ciais complexas que diferem na frequência por um múltiplo de 2π são idênticos.
Ou seja, após N consecutivos, estes termos começam a repetir-se.
φ o [n ] = φ N [n ]
φ1 [n ] = φ N +1 [n ]
φ 2 [n ] = φ N + 2 [n ]
M M
φ k [n ] = φ k + N [n ]
M M
Esta situação é diferente do caso contínuo pois os coeficientes que aparecem na equa-
ção de síntese da série de Fourier para sinais contínuos:
 2π 
j k   t
j k ωo t  T 

φ k (t) = e = e k = 0, 1, 2, … ,
são todos diferentes uns dos outros.
32
Portanto, a série de Fourier para sinais discretos terá apenas N termos, para N conse-
cutivos 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:
 2π 
( l + N −1) j k  n

x[n] = ∑
k = l , ( l +1), K
ck ⋅ e  N 
=
( l + N −1) eq. (7.14)

j k ωo n
= ∑
k = l , ( l +1), K
ck ⋅ e
onde, conforme já dito,
N = período fundamental do sinal x[n].

ωo = frequência fundamental do sinal x[n].
A equação eq. (7.14) 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)
x[n ] ⋅ e
1 − j k ωo n
ck =
N
⋅ ∑
n = l , ( l +1), K
=
 2π  k = 0, ±1, ±2, … eq. (7.15)

( l + N −1) − j k  n
x[n ] ⋅ e
1 
=
N
⋅ ∑
n = l , ( l +1), K
 N 
Os ck’s são chamados de “coeficientes” da série Fourier discreta ou “coeficientes

espectrais”.
33
A equação eq. (7.15) é conhecida como as
“equação de análise”
da série de Fourier discreta.
Exemplo 7.3:
Considere a seguinte onda quadrada x[n] discreta no tempo ilustrada na figura 7.13:
Fig. 7.13 – Onda quadrada discreta de período N. Sinal do Exemplo 7.3.
 1, se − N1 ≤ n ≤ N1

x[n] = 
0 , ∀ outros n no intervalo de somação
Neste caso os coeficientes espectrais ck ficam:

 2π 
1 N1 − j k  n

ck =
N
⋅ ∑
n = − N1
e  N 
eq. (7.16)
Se k = 0, ± N, ± 2N, L o somatório desta expressão de ck acima fica
N1 N1
− j n 2π
∑
n = − N1
e = ∑
n = − N1
1 = ( 2 N1 + 1)
e portanto, a expressão de ck da eq. (7.16) acima é facilmente expressa como:
2 N1 + 1
ck = , k = 0, ± N, ± 2N, L
N
Entretanto, para k ≠ 0, ± N, ± 2N, L definimos
34
m = n + N1
e então, fazemos uma mudança de índice no somatório, ficando
− j k  2 π  ( m − N1 )
2 N1  
1
ck =
N
⋅ ∑
m =0
e  N 
=
 2π  .
− j k  2 π  m
 
1 − j k  N  N1 2 N1
=
N
e ⋅ ∑
m =0
e  N 
Agora, usando a fórmula da soma finita dos elementos de uma progressão geométrica,
já vista no capítulo 6, eq. (6.3):
a1 : a 2 : a 3 : L : a k : L
a 2 = a 1 ⋅ q , a 3 = a 2 ⋅ q , L a k = a k −1 ⋅ q , L
que é dada por:
n
a 1 (1 − q n )
S= ∑k =1
ak =
(1 − q )
pode-se 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 = (2 N1 + 1) e, q=e  N
obtendo-se:
 2π 
 2π 
 −j k  ( 2 N +1) 
1 −j k  N1 1 − e  N 

ck = e  N 
⋅  
N  2π 
−j k  para k ≠ 0, ± N, ± 2N, L
 1 − e N 
 
que, após multiplicação dos termos, pode facilmente ser expresso como
35
2 π 
 j k  2 π   N1 + 1   2π  
− j k    N1 +  
 1
− j k  
⋅ e   
 N
2 N 2 N 2 
e 
− e  
 
ck =
1
⋅  
2π 2π 2π  2π 2π  
− j k    j k   
N          
 − j k    
 N    N   2N   N   2N  
e ⋅ e − e
 
 
para k ≠ 0, ± N, ± 2N, L
e, usando Eüler, obtemos que
 2π  1 
sen  k  N 1 + 
1 N  2 
ck = ⋅ , para k ≠ 0, ± N, ± 2N, L
N  πk 
sen  
N
Desta forma temos então todos os coeficientes espectrais ck da onda quadrada discreta
deste exemplo.
Resumindo:
  2π  1 
 sen  k  N 1 + 
1 ⋅ N  2 
, se k ≠ 0, ± N, ± 2N, L
 N  πk 
ck =  sen  
 N

 2N1 + 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 conse-
quentemente,
N – (2N1 +1) = 9 – 5 = 4
representa o número de pontos que é igual a 0 (zero) em cada período.
36
O gráfico deste x[n] pode ser visto na figura 7.14.
Fig. 7.14 – Sinal onda quadrada discreta. Caso particular N = 9 e N1 = 2.
e os coeficientes ck calculados pela expressão acima são:
M c 2 = − 0,0591 c9 = 0,5556
c − 4 = 0,0725 c3 = − 0,1111 c10 = 0,3199
c − 3 = − 0,1111 c 4 = 0,0725 c11 = − 0,0591
c − 2 = − 0,0591 c5 = 0,0725 c12 = − 0,1111
c −1 = 0,3199 c6 = − 0,1111 c13 = 0,0725
c o = 0,5556 c7 = − 0,0591 c14 = 0,0725
c 1 = 0,3199 c8 = 0,3199 M
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 = c14 = L = 0,0725
c −3 = c 6 = c15 = L = − 0,1111
c − 2 = c 7 = c16 = L = − 0,0591
c −1 = c 8 = c17 = L = 0,3199
c o = c 9 = c18 = L = 0,5556
c1 = c10 = c19 = L = 0,3199
c 2 = c11 = c 20 = L = − 0,0591
M
e assim por diante.
37
Agora, com os valores dos coeficientes ck, podemos escrever a série de Fourier,
eq. (7.14).
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 aproxima-
ção exacta com N = 9 termos consecutivos:
j k  2 π  n
 
( l +8 )
x[n] = ∑
k =l , ( l +1), K
ck ⋅ e  9 
Por exemplo, se tomarmos primeiramente apenas 3 termos consecutivos, k = –1, 0 e 1,

teremos
 2π 
1 j k  n

x̂ 3 [n] = ∑
k = −1
ck ⋅ e  9 
que nos dá uma primeira aproximação, ainda muito grosseira, do sinal x[n], como
pode-se ver no gráfico de x̂ 3 [n ] na figura 7.15 abaixo.
Fig. 7.15 – Sinal onda quadrada discreta. Caso particular N = 9 e N1 = 2. Aproxima-

ção por série de Fourier com apenas 3 termos.
Se entretanto tomarmos 5 termos consecutivos, k = –2, –1, 0, 1 e 2, teremos então
 2π 
2 j k  n

x̂ 5 [n] = ∑
k = −2
ck ⋅ e  9 
que nos dá uma aproximação um pouco melhor, mas ainda longe de perfeita, do sinal
x[n], como pode-se ver no gráfico de x̂ 5 [n ] na figura 7.16 abaixo.
38

ção por série de Fourier com apenas 5 termos.
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] = ∑
k = −3
ck ⋅ e  9 
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 ] na figura 7.17 abaixo.

ção por série de Fourier com 7 termos.
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] = ∑
k = −4
ck ⋅ e  9 
que nos dá a aproximação perfeita, ou “exacta” do sinal x[n] pois N = 9. Ou seja,
x̂ 9 [n] = x[n]
O gráfico de x̂ 9 [n ], que é coincidente com x[n], pode ser visto na figura 7.18 abaixo.
39

ção exacta por série de Fourier com 9 termos.
Exemplo 7.4:
Considere agora o sinal sinusoidal discreto
x[n] = sen (ωo n )
Este sinal é periódico quando:
2π
é um inteiro ou a razão de inteiros.
ωo
Suponha que
2π
= N
ωo
logo,
2π
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:
40
 −1 1
c
 −1 = = j
2j 2

 −1 −1

 c1 = = j
 2 j 2

 ck = 0, para ∀ outros valores de k no intervalo de somação .

Por exemplo, no caso particular de
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 c10 = 0
co = 0 1 1
c11 = = − j
1 1 2j 2
c1 = = − j
2j 2 c12 = 0
c2 = 0 c13 = 0
c3 = 0 −1 1
c14 = = j
−1 1 2j 2
c4 = = j
2j 2 c15 = 0
c5 = 0 1 1
c16 = = − j
1 1 2j 2
c6 = = − j
2j 2 M
e assim por diante.
41
Ou seja, a cada 5 coeficientes ck, eles se repetem, i.e., voltam a ter os mesmos valores
M M
c −3 = c 2 = c 7 = L = 0 c o = c 5 = c10 = L = 0
c −2 = c 3 = c 8 = L = 0 c1 = c 6 = c11 = L = − 0,5 j
c −1 = c 4 = c 9 = L = 0,5 j c 2 = c 7 = c12 = L = 0
M M
e assim por diante.
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  2π 
j k n
x̂ 3 [n] = ∑
k =1
ck ⋅ e  5 
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
5  2π 
jk n
x̂ 5 [n] = ∑
k =1
ck ⋅ e  5 
que nos dá a aproximação exacta do sinal x[n] pois N = 5. Ou seja,
 2π 
x̂ 5 [n] = x[n] = sen  n .
 5 
42
Exemplo 7.5:
Considere novamente o sinal sinusoidal discreto
x[n] = sen (ωo n )
mas agora suponha que
2π N
= = razão de 2 inteiros
ωo M
onde N e M são 2 inteiros que não têm factores comuns.
Logo,
2π
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
 2 j 2

 1 −1
 cM = 2 j = 2 ⋅ j

Além disso, como ck + N = ck − N (os ck’s se repetem a cada N), então:
c N − M = c−( N + M ) =
1
⋅j (= c− M também )
2
e
−1
c N + M = c− N + M = ⋅j ( = cM também )
2
Entretanto,
ck = 0 , para ∀ outros valores de k no intervalo de somação .
43
Exemplo 7.6:
Neste exemplo anterior (Exemplo 7.5), se tomarmos o 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 
M
c1 = 0 c11 = 0
c−9 = 0
1
1 c2 =
1 c12 = j
c −8 = j 2
j 2
2
1
1 c13 = − j
c− 7
1
= − j c3 = − j 2
2 2
c14 = 0
c−6 = 0 c4 = 0
c15 = 0
c−5 = 0 c5 = 0
c16 = 0
c− 4 = 0 c6 = 0
1
1 c17 = j
c−3 =
1
j c7 = j 2
2 2
1
1 c18 = − j
c− 2 = −
1
j c8 = − j 2
2 2
c19 = 0
c−1 = 0 c9 = 0
c 20 = 0
co = 0 c10 = 0
M
e assim por diante.
44
M M
c − 9 = c − 4 = c1 = c 6 = L = 0 c −6 = c −1 = c 4 = c 9 = L = 0
c −8 = c −3 = c 2 = c 7 = L = 0,5 j c −5 = c o = c 5 = c10 = L = 0
c −7 = c − 2 = c 3 = c 8 = L = − 0,5 j c − 4 = c1 = c 6 = c11 = L = 0
M 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 aproxima-

ção do sinal x[n]. Por exemplo: k = 1, 2 e 3,
 6π 
3 j k  n

x̂ 3 [n] = ∑
k =1
ck ⋅ e  5 
Entretanto, se tomarmos 5 termos consecutivos, como por exemplo: k = 1, 2, 3, 4 e 5,

teremos então
 6π 
5 j k  n

x̂ 5 [n] = ∑
k =1
ck ⋅ e  5 
 6π 
x̂ 5 [n] = x[n] = sen  n 
 5 
45
Exemplo 7.7:
Novamente considerando o Exemplo 7.5, 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 
M 1
1 c11 = − j
1 c4 = j 2
c−3 = j 2
2 c12 = 0
c5 = 0
c− 2 = 0 c13 = 0
c6 = 0
c −1 = 0 c14 = 0
c7 = 0
c0 = 0 c15 = 0
c8 = 0
c1 = 0 c16 = 0
c9 = 0
c2 = 0 1
1 c17 = − j
1 c10 = − j 2
c3 = − j 2
2 M
e assim por diante.
M M
c −3 = c 4 = c11 = 0,5 j = L co = c 7 = c14 = L 0
c −2 = c 5 = c12 = 0 = L c1 = c 8 = c15 = L 0
c −1 = c 6 = c13 = 0 = L c2 = c 9 = c16 = L 0
co = c7 = c14 = 0 = L c3 = c10 = c17 = L − 0,5 j
M M
e assim por diante.
46
O intervalo de somação agora pode ser quaisquer 7 coeficientes ck consecutivos, co-

mo por exemplo:
de k = -1 até k = 5, ou
de k=0 até k =6, ou
de k =1 até k =7,
etc. etc.
Se tomarmos apenas 1, ou 2, ou 3, ou 4 termos consecutivos, teremos uma aproxima-

ção do sinal x[n]. Por exemplo: k = 1, 2, 3, 4 e 5,
j k  6π  n
 
5
x̂ 5 [n] = ∑
k =1
ck ⋅ e  7 
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] = ∑k =1
ck ⋅ e  7 
 6π 
x̂ 7 [n] = x[n] = sen  n  .
 7 
7.9 – 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

x2[n] é um sinal com período N e tem coeficientes de Fourier c ′k′
47
e que
y [ n ] = α x1 [ n ] + β x 2 [ n ]

y[n] tem período N ,
ou seja,
2π
y[n] tem frequência fundamental ωo = ,
N
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 ck
e que
y [ n ] = x[ n − n o ]
ou seja, y[n] é o sinal x[n] com uma translação (shift) no tempo de no.
ou seja,
2π
y[n] tem frequência fundamental ω o = ,
N
~c = e − j k ωo n o c =
k k
 2 π
− j k  

no
 N 
= e ck
Nota:
jθ
Como e = 1 , ∀θ , tem-se que
~c = c
k k
48
Sinal reflectido / reversão no tempo (“time reversal”) em torno de n = 0:
Suponha que
e que
y[n ] = x[− n ]

ou seja,
2π
y[n] tem frequência fundamental ωo = ,
N
ĉ k = c− k
Nota:
Como consequência desta propriedade pode-se concluir, (semelhantemente ao caso

contínuo), que:
Se x[n] é um sinal par ⇒ os coeficientes de Fourier ck são, eles próprios, pares; i.e.,
ck = c− k
Se x[n] é um sinal ímpar ⇒ os coeficientes de Fourier ck são eles próprios, ímpares;

i.e.,
ck = − c− k .
Escalonamento no tempo (“time scaling”):
Suponha que

2π
(portanto x[n] tem frequência fundamental ωo = )
N
49
e que
 n
x   , se n é múltiplo de m
y[n ] =  m

0 , se n não é múltiplo de m
y[n] tem período m ⋅ N ,

ou seja,
ωo 2π
y[n] tem frequência fundamental = , e além disso,
m m⋅N
ω 
( l + N −1) − j k  o  n
y[ n ]= ∑ ck ⋅ e  m 
=
k = l , ( l +1), K
2 π 
( l + N −1) − j k  n
 ⋅N 

∑
m
= ck ⋅ e
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 ck não mudam.
Multiplicação:
Suponha que
x 1 [ 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 ]
2π
y[n] tem período N , ou seja tem frequência fundamental ωo = ,
N
50
( l + N −1)
ck = ∑ c ′j ⋅ c ′k′ − j
j = l , ( l +1), K
k = 0, ±1, ±2, …
Ou seja,
( l + N −1)
ck = ∑ c ′j ⋅ c ′k′ − j =
j = l , ( l +1), K
= c ′o ⋅ c ′k′ + c 1′ ⋅ c ′k′ −1 + c ′2 ⋅ c ′k′ − 2 + L + c ′N −1 ⋅ c ′(′k − N +1)
= c 1′ ⋅ 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
e que
y[ n ] = x∗ [ n ]
y[n] é o conjugado de x[n]; então, mostra-se que:
2π
N
c k = c ∗−k
Nota:
Se x[n] ∈ R, então
51
os coeficientes de Fourier c− k = c∗k ;
co ∈ R ;
e
ck = c−k .
Além disso, as relações acima permitem mais uma vez concluir que:
Se x[n] ∈ R é um sinal par ⇒
∗
os coeficientes de Fourier c k = c k ; e
c k = c − k (os coeficientes de Fourier são eles próprios “pares”).
Se x[n] ∈ R é um sinal ímpar ⇒

os coeficientes de Fourier c k são imaginários puros, c o = 0 e
c k = − c − k (os coeficientes de Fourier são eles próprios “impares”).
Translação na frequência (“frequency shifting”):
Suponha que
e, para um m inteiro, constante, considere agora os coeficientes
ck = c k − m k = 0, ±1, ±2, …
ou seja,
ck são os coeficientes ck desfasados de m.
Então, mostra-se que o sinal:
y [n ] = e ⋅ x[n ]
j m ωo n
tem os coeficientes de Fourier c k
52
Nota:
Esta propriedade é dual da translação no tempo (time shifting). Agora a translação

(shift) foi aplicada aos ck e não no tempo t.
jθ
Como e = 1 , ∀θ , então
ck = c k
Convolução no período:
Suponha que
x1[n] é um sinal com período N e tem coeficientes de Fourier c′k

x2[n] é um sinal com período N e tem coeficientes de Fourier c′k′
e que y[n] é a convolução (tomada no período N):
y [ n ] = x1 [ n ] ∗ x 2 [ n ] =
( l + N −1)
= ∑ x [ n − k ]⋅ x [ k ]
k = l , ( l +1), K
1 2

2π
N
~
~c = N ⋅ c′ ⋅ c′′
k k k
Primeira diferença:
Suponha que
e que
y[ n ] = x [ n ] − x [ n −1 ]
53
2π
y[n] tem período N , ou seja tem frequência fundamental ω o = ,
N
 2π 
 
( )⋅ c
jk  
c′k = 1 − e j k ωo 
= 1− e  N  ⋅ c
k
  k
 
Nota:
Esta propriedade corresponde, no caso discreto, à propriedade para a “derivada” no
caso contínuo.
Para o caso de diferenças de ordem 2 ou maior, pode-se aplicar esta regra sucessivas
vezes. Por exemplo, no caso da segunda diferença, se
y [ n ] = x [ n ]− x [ n − 2 ]
os coeficientes de Fourier de y(t) são

2
 2π 
 
( )
jk  
c′k′ = 1 − e j k ωo ⋅ ck =  1 − e  N   ⋅c .
2
  k
 
Soma acumulada:
Suponha que
e que
n
y( t ) = ∑ x[k ]
k = −∞
2π
y[n] tem período T , ou seja tem frequência fundamental ωo = ,
N
( 1 1
ck = ⋅ck = ⋅ck
( 1 − e j k ωo )   2π 
jk 
 1− e  N 
 

 
 
54
Nota:
No caso de co = 0, esta propriedade só é válida para sinais x[n] periódicos e com va-
lores 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
então, mostra-se que a potência média do sinal no intervalo de um período N:
1 ( l+ N −1) 2
P = ⋅ ∑ x [n ] =
N n = l , ( l+1),K
( l + N −1)
= ∑
2
ck
k = l , ( l +1),K
55

An Sinais Cap7

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

An Sinais Cap7

Enviado por

Direitos autorais:

Formatos disponíveis

7 – Séries de Fourier

7.1 – Introdução à Análise de Fourier 3

7.1 – Introdução à Análise de Fourier

Neste capítulo e no próximo estudaremos a Análise de Fourier (também chamada de

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

Fig. 7.1 – Jean Baptiste Joseph Fourier (1768-1830), francês.

A Análise de Fourier permite decompor um sinal nas suas componentes em frequên-

Fig. 7.2 – Série de Fourier (sinal periódico da onda quadrada).

7.2 – Série trigonométrica de Fourier para sinais contínuos

Considere um sinal periódico contínuo x(t) ∈ R {conjunto dos números reais}, ∀ t.

∑ [a ⋅ cos (ωo k t ) + b k ⋅ sen (ωo k t )]

T = período fundamental do sinal x(t),

ou seja, ao de certa forma representa um valor médio do sinal x(t) no intervalo de um

A equação eq. (7.1) acima é conhecida como a

7.3 – Teorema de Fourier

Definição 7.1: x(t) é um sinal seccionalmente contínuo (ou, também chamado de

Fig. 7.3 – Um sinal seccionalmente contínuo.

Teorema 7.1 (Teorema de Fourier):

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

Um ponto positivo deste resultado é que a limitação do Teorema de Fourier acima é

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

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

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

Considere o sinal x(t) dado abaixo (onda quadrada),

− 1 , se −1 < t < 0

Repetindo-se (ou estendendo-se) este padrão para a direita de t = 1 e para esquerda de

De forma semelhante podemos estender qualquer outro sinal definido em um deter-

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

Como o período fundamental é T = 2, então

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

Logo os ak’s são todos iguais a zero ∀ k = 0, 1, 2, …

Quanto aos bk’s, temos que:

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

sen (π t ) + sen (3 π t ) + sen (5 π t ) +

Fig. 7.6 – Sinal onda quadrada. Aproximação por série de

Fig. 7.7 – Sinal onda quadrada. Aproximação por série de

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

Fig. 7.8 – Sinal onda quadrada. Aproximação por série de

e assim por diante.

Fig. 7.9 – Sinal onda quadrada. Aproximação por série de

Fig. 7.10 – Sinal onda quadrada. Aproximação por série de

que de facto converge para 1.

Pela série de Fourier,

que de facto converge para 0.

Mais adiante, nas Propriedades da Série de Fourier, veremos que:

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

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

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

7.4 – Uma interpretação da Série de Fourier

onde e1, e2, … en, são os vectores

1 0 0

ou seja, { e1 , e 2 , L e n } , os chamados vectores canónicos e formam uma base do R ;

e α1, α2, … αn, são os coeficientes do vector v nesta base { e1 , e 2 , L e n } .

Da mesma forma, um sinal x(t) pode ser representado semelhantemente na forma da

ou seja, com coeficientes

onde todos os ak e bk serão todos iguais a “zero” excepto o valor de ak para k = l, ou

onde todos os ak e bk serão todos iguais a “zero” excepto o valor de bk para k = l, ou

sendo α1, α2, … αn os coeficientes de v e ⋅ α1 , α2 ,L, α n os coeficientes de v .

um resultado bastante conhecido em matemática, da teoria do “Cálculo”. Isto é, as

Fig. 7.11 – Projecções de um vector v ∈ R2 nos seus 2 eixos (à esquerda) e v ∈ R3

Aqui no espaço de funções também verifica-se que

7.5 – Série exponencial de Fourier para sinais contínuos

Nesta secção estudaremos a “série exponencial de Fourier” é também chamada de

em vez de em termos de senos e co-senos.