Você está na página 1de 20

CAPÍTULO 2

AÁLISE DE FOURIER

Neste capítulo é apresentada a análise de Fourier para sinais contínuos, suas


propriedades, limitações e algumas aplicações.

2.1.ORTOGOALIDADE DE FUÇÕES
Para simplificar o entendimento do conceito de ortogonalidade de funções, vamos fazer
uma analogia entre vetores e funções.

2.1.1.Vetores
Vamos considerar as três somas vetoriais apresentadas na Fig.2.1. Nessas somas, nosso
r r
objetivo é representar o vetor v1 a partir do vetor v 2 cometendo o menor erro possível. Note
r r
que v1 e v 2 são vetores não nulos e que existem outras infinitas formas de representação.

r r r
v1 v1 v1
r r r
ve1 ve2 ve
r r r
v2 v2 v2
r r r
C1v2 C2 v2 C12 v2
r r
Fig.2.1-Algumas formas de representar o vetor v1 a partir do vetor v 2 .

r r
Na primeira soma vetorial mostrada na Fig.2.1, v1 é o vetor a ser representado, v 2 é o
r
vetor representação, ve1 é o vetor erro cometido na representação e C1 é o coeficiente
(“peso”) da representação. Podemos escrever:
r r r
v1 = C1v2 + ve1 . (2.1)
r r
Na segunda soma vetorial mostrada na Fig.2.1, v1 é o vetor a ser representado, v 2 é o vetor
r
representação, ve 2 é o vetor erro cometido na representação e C 2 é o coeficiente (“peso”) da
representação. Podemos escrever:
r r r
v1 = C2 v2 + ve 2 . (2.2)
r r
Na terceira soma vetorial mostrada na Fig.2.1, v1 é o vetor a ser representado, v 2 é o vetor
r
representação, ve é o vetor erro cometido na representação e C é o coeficiente (“peso”) da
representação. Podemos escrever:
r r r
v1 = Cv2 + ve . (2.3)
Podemos notar com facilidade que na terceira soma, onde os vetores “representação” e
“erro” são ortogonais entre si, temos o menor erro e o valor de C pode ser calculado por:

Capítulo 2 – Análise de Fourier 2.1


r r r r
v ⋅v v ⋅v
C = r1 r2 = 1r 22 . (2.4)
v 2 ⋅ v2 | v 2 |
Fazendo uma análise do que foi apresentado, podemos perceber que se a componente
r r r
do vetor v1 na direção do vetor v 2 é Cv2 , então a magnitude C é uma indicação da
semelhança entre os dois vetores. Analisando a equação (2.4), se o coeficiente C é nulo,
então:
r r
• o vetor v1 não tem componente na direção do vetor v 2 ;
r r r r
• os vetores v1 e v 2 são ortogonais entre si, isto é, v1 ⊥ v2 ; e,
r r
• o produto escalar entre os vetores v1 e v 2 é nulo.
r r
Em outras palavras, se o coeficiente C é nulo, os vetores v1 e v 2 são ortogonais entre si e não
r r
é possível representar o vetor v1 a partir do vetor v 2 .

2.1.2.Funções
Se desejarmos aproximar uma função f 1 (t ) a partir de outra função f 2 (t ) , num
intervalo de tempo (t1 , t 2 ) , podemos definir, como no caso dos vetores, infinitas expressões de
aproximação. Vamos considerar a seguinte expressão:
f1 (t ) ≅ Cf 2 (t ) , (2.5)
onde f1 (t ) é a função a ser aproximada, f 2 (t ) é a função utilizada na aproximação e C é o
coeficiente (“peso”) desta aproximação. A versão exata dessa aproximação é
f1 (t ) = Cf 2 (t ) + f e (t ) , (2.6)

onde f e (t ) é a função erro que ocorre quando da aproximação.


A aproximação que nos interessa é aquela onde o erro é o menor possível. Em outras
palavras, nosso objetivo é “escolher” C tal que o erro entre a função real e a função
aproximada seja mínimo no intervalo (t1 , t 2 ) . A partir da equação (2.6) podemos definir a
função erro:
f e (t ) = f1 (t ) − Cf 2 (t ) . (2.7)

Um dos possíveis critérios para minimizar a função erro no intervalo (t1 , t 2 ) é minimizar o
valor médio de f e (t ) neste intervalo. No entanto, esse critério é inadequado porque podem
existir grandes erros positivos e negativos que se anulam dando a falsa indicação de que o
erro é zero. Esta situação pode ser corrigida se escolhermos minimizar o valor quadrático
médio do erro. Assim, dentro do intervalo (t1 , t 2 ) , devemos minimizar:
t2
1
∫f
2
ε= e (t )dt , (2.8)
t 2 − t1 t1

onde designamos o erro quadrático médio por ε.


Para encontrar o valor de C que irá minimizar a equação (2.8), devemos fazer

= 0, (2.9)
dC
ou seja,

Capítulo 2 – Análise de Fourier 2.2


d  1 t2 
 ∫ [ f 1 (t ) − Cf 2 (t ) ]2
dt  = 0. (2.10)
dC  t 2 − t1 t1 

Trabalhando a equação (2.10), temos:

d  1 2 2 
t

 ∫
dC  t 2 − t1 t1
[ f1 (t ) − 2Cf1 (t ) f 2 (t ) + C 2 f 22 (t )]dt  = 0 ,

(2.11)

1  t2 t2

− 2 ∫ f1 (t ) f 2 (t )dt + 2C ∫ f 2 (t )dt  = 0 ,
2
(2.12)
t 2 − t1  t1 t1 
o que nos leva a:
t2

∫ f (t ) f
t1
1 2 (t )dt
C= t2
. (2.13)
∫f
2
2 (t )dt
t1

Para que possamos afirmar que o valor encontrado de C é mínimo, devemos ter ainda:
d 2ε
> 0, (2.14)
dC 2
o que pode ser facilmente verificado, pois

d 2ε 1  t2 2 
2
= 2 ∫ f 2 (t )dt  , (2.15)
dC t 2 − t1  t1 
é uma expressão que nos leva a um valor positivo. Ou seja, o valor de C, encontrado na
equação (2.13), minimiza o valor quadrático médio da função erro.
Observe a semelhança entre as equações (2.13) e (2.4).
Fazendo uma analogia com vetores, podemos dizer que f1 (t ) tem uma componente em
f 2 (t ) e essa componente tem amplitude C. Analisando a equação (2.13), se C for igual a zero,
então:
• a função f1 (t ) não contém nenhuma componente na função f 2 (t ) ;
• as duas funções são ortogonais entre si no intervalo (t1 , t 2 ) , isto é f1 (t ) ⊥ f 2 (t ) ; e,
• a integral do produto entre as duas funções no intervalo (t1 , t 2 ) é nula, isto é
t2

∫ f (t ) f
t1
1 2 (t )dt = 0 . (2.16)

Em outras palavras, se o coeficiente C é nulo, as funções f1 (t ) e f 2 (t ) são ortogonais entre si


e não é possível aproximar a função f1 (t ) a partir da função f 2 (t ) .
A equação (2.16) expressa a condição de ortogonalidade entre as duas funções, f1 (t ) e
f 2 (t ) , no intervalo (t1 , t 2 ) .

Exercício Proposto 2.1. Verifique se as funções f1 (t ) = cos t e f 2 (t ) = cos 3t são ortogonais


nos seguintes intervalos:
a) ( −π 2 , π 2 ) ;

Capítulo 2 – Análise de Fourier 2.3


b) (0, π 4) .
Exercício Proposto 2.2. Determine o valor da constante A para que as funções f(t) e g(t)
sejam ortogonais no intervalo ( −1, 1) .
 e , t ≤ 0  1 − Ae 2t , t ≤ 0
t

f (t ) =  −t e g (t ) = 
e , t ≥ 0 1 − Ae −2t , t ≥ 0
−t
Exercício Proposto 2.3. Determine o valor da constante A para que as funções f1 (t ) = e e
−2 t
f 2 (t ) = 1 − Ae sejam ortogonais no intervalo (−∞, ∞) .

Exercício Proposto 2.4. Uma função retangular f 1 (t ) é definida por:


 1, 0 < t < π
f1 (t ) =  .
− 1, π < t < 2π
Determine o valor de C para que a função possa ser representada no intervalo (0, 2π) , com o
menor erro quadrático médio, pelas seguintes funções:
a) f 2 (t ) = cos t ;
b) f 2 (t ) = sen t .
Que conclusões podem ser tiradas desse exercício?

2.2.SÉRIE GEERALIZADA DE FOURIER


A partir do conceito de funções ortogonais, vamos formalizar o conceito de série
generalizada de Fourier1.
Antes de iniciarmos esse item, vale lembrar que uma série numérica infinita é a soma
de uma seqüência numérica infinita descrita por:

∑a
n =0
n = a 0 + a1 + a 2 + K , (2.17)

e que pode ou não convergir para um número. Veremos que, da mesma forma, uma série
infinita de funções é a soma de uma seqüência infinita de funções que ou não convergir para
uma função.

2.2.1.Aproximação de uma função por um conjunto de funções ortogonais


Consideremos um conjunto de n funções, g 0 (t ), g1 (t ), g 2 (t ), K , g n (t ) , não nulas, que
são ortogonais uma à outra (ortogonais entre si) em um intervalo de tempo (t1 , t 2 ) .
Seja uma função qualquer f (t ) , não nula, aproximada em um intervalo (t1 , t 2 ) por uma
combinação linear dessas n funções ortogonais entre si:
n
f (t ) ≅ C0 g 0 (t ) + C1 g1 (t ) + K + C n g n (t ) = ∑ Cr g r (t ) . (2.18)
r =0

1
Jean-Baptiste Joseph Fourier foi um matemático e físico francês, celebrado por iniciar a investigação sobre a
decomposição de funções periódicas em séries trigonométricas convergentes e a sua aplicação aos problemas de
condução de calor.

Capítulo 2 – Análise de Fourier 2.4


Para uma melhor aproximação, devemos encontrar os valores das constantes C0 , C1 , K , C n , de
modo que o valor quadrático médio da função erro seja minimizado.
Temos que a função erro é dada por:
n
f e (t ) = f (t ) − ∑ Cr g r (t ) , (2.19)
r =0

e seu valor erro quadrático médio, no intervalo (t1 , t 2 ) , por:


t2
1
∫f
2
ε= e (t )dt . (2.20)
t 2 − t1 t1

É evidente que ε é função de C0 , C1 , K , C n e que, para minimizá-lo, devemos ter:


∂ε ∂ε ∂ε ∂ε
= =K= =K= 0. (2.21)
∂C0 ∂C1 ∂Cr ∂Cn
Substituindo a equação (2.19) na equação (2.20) e resolvendo a equação (2.21), a partir da
equação resultante da substituição, temos, de forma genérica, que:
t2

∫ f (t ) g
t1
r (t )dt
Cr = t2
, r = 1,2, K , n . (2.22)
∫g
2
r (t )dt
t1

Podemos resumir esse resultado da seguinte forma: dado um conjunto de n funções,


g 0 (t ), g1 (t ), g 2 (t ), K , g n (t ) , não nulas, ortogonais entre si, definidas em um intervalo de
tempo (t1 , t 2 )
, é possível aproximar uma função f (t ) , também definida nesse intervalo, por uma
combinação linear dessas n funções de acordo com a equação (2.18), sendo os coeficientes
calculados pela equação (2.22).

2.2.2.Aproximação de uma função por um conjunto fechado e completo de


funções ortogonais entre si
Se trabalharmos com um conjunto infinito de funções ortogonais entre si, o erro
existente na aproximação tende a se tornar nulo.
Nessas condições, f (t ) é representada por uma série infinita de funções ortogonais, no
intervalo (t1 , t 2 ) :

f (t ) = C0 g 0 (t ) + C1 g1 (t ) + K + Cr g r (t ) + K = ∑ Cr g r (t ) . (2.23)
r =0

A série infinita converge para f (t ) , de modo que o valor do erro quadrático médio tende a se
tornar nulo. Dizemos que a série converge em média.
O conjunto de funções g 0 (t ), g1 (t ), K , g r (t ), K ortogonais entre si, no intervalo (t1 , t 2 ) ,
é denominado de completo se ele é capaz de representar a componente par e a componente
ímpar da função f (t ) .
Em resumo, a série infinita formada por uma soma ponderada de funções ortogonais
entre si e que formam um conjunto completo, capaz de representar a componente par e a

Capítulo 2 – Análise de Fourier 2.5


componente ímpar de qualquer função absolutamente integrável, f (t ) , num dado intervalo
(t1 , t 2 ) é denominada de Série Generalizada de Fourier da função f (t ) e pode é descrita por:

f (t ) = ∑ C r g r (t ) = C0 g 0 (t ) + C1 g1 (t ) + K + Cr g r (t ) + K , (2.24)
r =0

onde f (t ) é a função a ser representada, g 0 (t ), g1 (t ), K , g r (t ), K é o conjunto de funções


ortogonais e completo que será utilizado para a representação e C0 , C1 , K , Cr , K são os
coeficientes (“pesos”) da representação e são calculados por:
t2

∫ f (t ) g
t1
r (t )dt
Cr = t2
. (2.25)
∫g
2
r (t )dt
t1

2.2.3.Convergência da Série de Fourier


Uma função f (t ) tem uma representação em série de Fourier se ela satisfaz as
seguintes condições:
CC1. f (t ) é integrável, em módulo, num dado intervalo (t1 , t 2 ) , em que se deseja a
t2

representação, isto é, ∫ | f (t ) | dt < ∞ .


t1

CC2. f (t ) tem um número finito de máximos e mínimos dentro de qualquer intervalo


finito t.
CC3. f (t ) tem um número finito de descontinuidades dentro de qualquer intervalo
finito de t e cada uma dessas descontinuidades é finita.
Essas condições são conhecidas como condições de Dirichlet2. Elas são condições
suficientes, mas não necessárias para a representação em série de Fourier.

2.3.SÉRIE TRIGOOMÉTRICA DE FOURIER


O conjunto formado pelas infinitas funções {cos nω0t} é ortogonal em qualquer
intervalo (d , d + 2π ω0 ) . Da mesma forma, o conjunto formado pelas infinitas funções
{sennω0t} é, também, ortogonal em qualquer intervalo (d , d + 2π ω0 ) . Entretanto, esses dois
conjuntos não são completos. Para que tenhamos um conjunto ortogonal e completo, temos
que incluir os dois conjuntos em um único conjunto. Isto é, o conjunto formado pelas infinitas
funções {cos nω0 t, sennω0t} é um conjunto ortogonal em qualquer intervalo (d , d + 2π ω0 ) e
completo. Assim, podemos ponderar as funções desse conjunto para representar uma função
arbitrária qualquer, f (t ) , em qualquer intervalo (d , d + 2π ω0 ) utilizando o conceito da série
generalizada de Fourier da seguinte forma:

2
Johann Peter Gustav Lejeune Dirichlet matemático alemão nascido em Düren, que desenvolveu importantes
trabalhos sobre funções elípticas, teoria dos números, séries de Fourier. Ganhou fama como professor em
Berlim e criou equações em física-matemática.

Capítulo 2 – Análise de Fourier 2.6



f (t ) = ∑ [Cn# cos nω0t + Cn@ sennω0t ] , (2.26)
n =0

onde C n# são os coeficientes ligados às funções co-seno e Cn@ são os coeficientes ligados às
funções seno.
Através da equação (2.25), podemos calcular esses coeficientes. Por conveniência,
faremos 2π ω0 = T . Assim,
d +T d +T

∫ f (t ) cos nω0tdt ∫ f (t ) cos nω tdt 0


2
d +T ∆

∫ f (t ) cos nω tdt = a
# d d
C =
n d +T
= = 0 n , (2.27)
T T
∫ cos
2 d
nω0tdt
2
d

e,
d +T d +T

∫ f (t )sennω0tdt ∫ f (t )sennω tdt 0


2
d +T ∆

∫ f (t )sennω tdt = b .
@ d d
C n = d +T
= = 0 n (2.28)
T T
∫ sen nω tdt
2 d
0
2
d

Na equação (2.26), fazendo n = 0 e substituindo Cn# por an e Cn@ por bn , temos:



f (t ) = a0 cos 0ω0 t + b0sen0ω0t + ∑ [an cos nω0t + bn sennω0t ] , (2.29)
n =1

O que resulta em:



f (t ) = a0 + ∑ [an cos nω0t + bn sennω0t ] , (2.30)
n =1

pois, cos 0ω0 t = 1 e sen0ω0t = 0 . Note que a 0 é o valor médio da função e pode ser
calculado, como vimos no Capítulo 1, por:
d +T
1
a0 =
T ∫ f (t )dt .
d
(2.31)

Além disso,

f P (t ) = a0 + ∑ an cos nω0 t , (2.32)
n =1

é a componente par da função f (t ) , e,



f I (t ) = ∑ bn sennω0t , (2.33)
n =1

é a componente ímpar da função f (t ) .


Como a série da equação (2.30) é formada pelas funções co-seno e seno e é uma série
obtida a partir da série generalizada de Fourier, ela recebe o nome de série trigonométrica de
Fourier.
Resumindo, a série trigonométrica de Fourier é uma soma ponderada de uma seqüência
infinita de funções trigonométricas ortogonais entre si e que formam um conjunto completo,

Capítulo 2 – Análise de Fourier 2.7


ou seja, capaz de representar a componente par e a componente ímpar de qualquer função. Ela
é dada pela seguinte expressão:
∞ ∞ ∞
f (t ) = a0 + ∑ an cos nω0 t + ∑ bn sennω0t = a0 + ∑ [an cos nω0 t + bn sennω0t ] , (2.34)
n =1 n =1 n =1


onde f (t ) é a função arbitrária a ser representada em qualquer intervalo (d , d + T ) ; T =
ω0
é o seu período; a 0 é o seu valor médio dado pela equação (2.31) e an e bn são os coeficientes
(“pesos”) da representação dados pelas equações (2.27) e (2.28), respectivamente.
Se f (t ) é uma função periódica com simetria par, então bn = 0 e sua série de Fourier
contém apenas termos de co-senos:

f (t ) = a0 + ∑ an cos nω0 t . (2.35)
n =1

Por outro lado, se f (t ) é uma função periódica com simetria ímpar, então a0 = an = 0 e sua
série de Fourier contém apenas termos de senos:

f (t ) = ∑ bn sennω0t . (2.36)
n =1

Existe, ainda, uma situação na qual o valor médio da função, a0 , oculta a simetria ímpar
presente na função f (t ) . Nesse caso, se f (t ) é uma função periódica com simetria ímpar
oculta, então an = 0 e sua série de Fourier é dada por:

f (t ) = a0 + ∑ bn sennω0t . (2.37)
n =1

Exercício Proposto 2.5. Seja a função periódica, f (t ) , definida por:


 1, 0 < t < π
f (t ) =  ; f (t ) = f (t + 2π) .
− 1, π < t < 2π
Determine a série trigonométrica de Fourier dessa função.
Exercício Proposto 2.6. Determine a série trigonométrica de Fourier da seguinte função
periódica:
t
 + 2, − 2 ≤ t ≤ 0
f (t ) =  2 ; f ( t ) = f ( t + 4) .
t
− + 2 , 0 ≤ t ≤ 2
 2
Exercício Proposto 2.7. Determine a série trigonométrica de Fourier da função definida por:
f (t ) = 3 sen 2πt

Exercício Proposto 2.8. A série trigonométrica de Fourier de uma dada função f (t ) dentro

3 1
do intervalo (− T 2 , T 2) é: f (t ) = − + 3∑ 2
cos nπt .
2 n =1 4 + ( nπ)

a)Determine os valores numéricos do período e do valor médio da função f (t ) .


b)Existe alguma simetria na função f (t ) ?

Capítulo 2 – Análise de Fourier 2.8


Exercício Proposto 2.9. Seja a seguinte função periódica definida por:
0, − 2 π ≤ t ≤ − π

f (t ) = t , − π ≤ t ≤ π ; f (t ) = f (t + 4 π) .
0, π ≤ t ≤ 2 π

Determine a série trigonométrica de Fourier desta função periódica..


Exercício Proposto 2.10. Determine a série trigonométrica de Fourier da função definida por:
f (t ) = (cos2t ) ⋅ (cos 2 t ) .
Exercício Proposto 2.11. Seja a função y (t ) definida por:
y (t ) = cos2 t + (2 cos 2t − cos 4t ) 2 + [sen( − t )] ⋅ [sen( −3t )]
Determine a série trigonométrica de Fourier da função y (t ) , indicando os valores dos
coeficientes (a 0 , a n , bn ) dessa série.

2.3.1.Espectro Unilateral de Freqüências


Vimos que a série trigonométrica de Fourier, representativa de uma função f (t ) , em
qualquer intervalo (d , d + T ) , é:

f (t ) = a0 + ∑ [an cos nω0t + bn sennω0t ] . (2.38)
n =1

Note que,
a b  a b 
an cos nω0t + bn sennω0 t = e jnω0t  n − j n  + e − jnω0t  n + j n  . (2.39)
 2 2  2 2
Se fizermos:

Cn = an2 + bn2 , (2.40)

e,
bn
θ n = arctg , (2.41)
an

podemos reescrever a equação (2.39) como:

C n − jθ n C
an cos nω0 t + bn sennω0 t = e jnω0t e + e − jnω0t n e jθn , (2.42)
2 2
e, melhorando ainda mais essa expressão:
C n j ( nω0t −θn )
an cos nω0t + bn sennω0t = [e + e − j ( nω0t −θn ) ] = Cn cos(nω0 t − θ n ) . (2.43)
2
Fazendo a0 = C0 , podemos, finalmente, reescrever a equação (2.38) como:

f (t ) = C0 + ∑ Cn cos(nω0t − θ n ) , (2.44)
n =1

Capítulo 2 – Análise de Fourier 2.9


que é conhecida como Forma Harmônica da Série de Fourier, onde C n = an2 + bn2 , para
bn
n ≠ 0 , e C0 são denominadas de amplitudes harmônicas e θ n = arctg são os ângulos de
an
fase.
Um gráfico de | Cn | versus nω0 é chamado de espectro unilateral de amplitude da
função f (t ) e um gráfico de θ n versus nω0 é chamado de espectro unilateral de fase de
f (t ) . Como o índice n só pode assumir valores inteiros, os espectros de amplitude e de fase
são gráficos discretos. Por essa razão eles podem ser também denominados de espectros
discretos de freqüência ou espectros de linhas.
A representação de uma função através dos seus espectros (amplitude e fase) nos
fornece uma visão da função no chamado domínio da freqüência. A representação de uma
função através do gráfico: amplitude versus tempo nos dá a visão da função no domínio do
tempo.
A Fig.2.2 mostra uma representação em 3 dimensões da função periódica trabalhada no
exercício proposto 2.5. Note que nessa figura temos a representação da função pelos gráficos:
amplitude x tempo e amplitude x freqüência.

Fig.2.2-Representação tridimensional da função do exercício proposto 2.5.

2.4.SÉRIE EXPOECIAL DE FOURIER


A Série Exponencial de Fourier é outra forma de representação de uma função f (t ) ,
em qualquer intervalo (d , d + T ) . Trata-se de uma soma ponderada de uma seqüência infinita
de funções exponenciais complexas (ortogonais entre si e que formam um conjunto
completo). Esta série é também denominada de Série Complexa de Fourier.
Na equação (2.39), temos que:
d +T d +T
an b 12 12
2
− j n =
2 2T ∫
d
f (t ) cos nω0 tdt − j
2T ∫ f (t )sennω tdt ,
d
0 (2.45)

ou,

Capítulo 2 – Análise de Fourier 2.10


d +T d +T ∆
an b 1 1
2
−j n =
2 T ∫d
f (t )[cos nω0t − jsennω0 t ]dt =
T ∫
d
f (t )e − jnω0t dt = Fn . (2.46)

Da mesma forma,
d +T d +T ∆
an b 1 1
2
+ j n =
2 T ∫d
f (t )[cos nω0 t + jsennω0 t ]dt =
T ∫
d
f (t )e jnω0t dt = F−n . (2.47)

Substituindo as equações (2.46) e (2.47) na equação (2.39), temos


an cos nω0t + bn sennω0 t = e jnω0t Fn + e − jnω0t F−n . (2.48)
Substituindo, agora, a equação (2.48) na equação (2.38), temos

f (t ) = a0 + ∑ [e jnω0t Fn + e − jnω0t F−n ] . (2.49)
n =1

Abrindo alguns termos do somatório da equação (2.49),


f (t ) = a0 + e jω0t F1 + e − jω0t F−1 + e j 2 ω0t F2 + e − j 2 ω0t F−2 + K , (2.50)
e verificando que a0 = F0 , podemos reescrever a equação (2.50) como:

f (t ) = ∑F e
n = −∞
n
jnω0t
, (2.51)

que é a expressão da série exponencial de Fourier, onde f (t ) é a função arbitrária a ser



representada em qualquer intervalo (d , d + T ) ; T = é o seu período e Fn são os
ω0
coeficientes (“pesos”) da representação calculados pela equação (2.46).
Ainda podemos, através da equação (2.46), estabelecer relações entre os coeficientes da
série trigonométrica e os coeficientes da série exponencial de Fourier:
an b
− j n = Fn ⇒ an = 2 Re[ Fn ] e b n = −2 Im[Fn ] . (2.52)
2 2

Exercício Proposto 2.12. A série exponencial de Fourier de uma dada função f (t ) dentro do

3
intervalo (0, T ) é: f (t ) = ∑ 2
e j nπt .
n = −∞ 4 + ( nπ)
Determine:
a)os valores numéricos do período e do valor médio da função f (t ) ;
b)a série trigonométrica de Fourier de f(t).
Exercício Proposto 2.13. Determine a série exponencial de Fourier da função definida por:
f (t ) = −2 cos2t .

Exercício Proposto 2.14. Determine a série exponencial de Fourier da função periódica f(t)
definida a seguir:
0, − 2π ≤ t ≤ −π

f (t ) = sen t , − π ≤ t ≤ π ; f (t ) = f (t + 4 π) .
0, π ≤ t ≤ 2π

Capítulo 2 – Análise de Fourier 2.11


Exercício Proposto 2.15. Determine a série exponencial de Fourier da função definida por:
f (t ) = (sent ) 4 .

Na série exponencial, as condições de simetria são válidas para verificar o valor de Fn


encontrado. Se a função é par, Fn é puramente real. Se a função é ímpar, Fn é puramente
imaginário. Se a função não é nem par nem ímpar, Fn tem uma parte real e uma parte
imaginária.

2.4.1.Espectro Bilateral de Freqüências


Como os coeficientes da série exponencial são complexos, podemos escrever:
Fn = Fn e jϕn . (2.53)

Um gráfico de | Fn | versus nω0 é chamado de espectro bilateral de amplitude da


função f (t ) e um gráfico de ϕ n versus nω0 é chamado de espectro bilateral de fase de f (t ) .
Como o índice n só pode assumir valores inteiros, os espectros de amplitude e de fase são
gráficos discretos.
Exercício Resolvido 2.1. Faça a expansão em série exponencial de Fourier da função
mostrada no gráfico a seguir e esboce o seu espectro bilateral de freqüências quando δ = 1 20
para os seguintes casos:
1 2 1 4
a) T = b) T = = c) T = = 1
4 4 2 4

Solução: A função tem uma largura δ e se repete a cada T segundos. Por conveniência vamos
integrá-la entre − δ 2 e δ 2 .
δ2  jnω0 δ − jnω0
δ

2A  e 2 − e 
δ2 2
1 A
Fn =
T ∫
−δ 2
Ae − jnω0t dt =
− jn ω 0T
e − jnω0t = 
nω0T  2j


−δ 2
 
  δ 
 sin nω0  
2A  δ  Aδ
 
2
=
Aδ  δ  Aδ  nπδ 
Fn = sin nω0  = Sa nω0  = Sa 
nω0T  2  T  nω δ  T  2 T  T 
 0
2 
Logo,
Aδ ∞  nπδ  jnω0t

f (t ) =Sa
T n = −∞  T 
e .

É evidente que Fn é real e, por isso, precisamos apenas do espectro bilateral de amplitude
para a representação no domínio da freqüência.

Capítulo 2 – Análise de Fourier 2.12


A  nπ 
Na Fig.(a), temos para δ = 1 20 e T = 1 4 que: Fn = Sa  . A freqüência fundamental é
5  5 
ω0 = 2π T = 8π . Assim o espectro existe em ω = 0, ± 8π, ± 16π, ± 24π, K .
A  nπ 
Na Fig.(b), temos para δ = 1 20 e T = 1 2 que: Fn = Sa  . A freqüência fundamental é
10  10 
ω0 = 2π T = 4π . Assim o espectro existe em ω = 0, ± 4π, ± 8π, ± 12π, K .
A  nπ 
Na Fig.(c), temos para δ = 1 20 e T = 1 que: Fn = Sa  . A freqüência fundamental é
20  20 
ω0 = 2π T = 2π . Assim o espectro existe em ω = 0, ± 2π, ± 4π, ± 8π, K .

Por este exercício resolvido, podemos concluir que:


• no domínio do tempo:
 a medida que o período T se torna maior, a função periódica tende a se tornar
aperiódica, composta por um único pulso de largura δ;
 no limite, quando T tende a infinito, a função f(t) consiste inteiramente de um
pulso não-repetitivo;
• no domínio da freqüência:
 a medida que o período T se torna maior, a freqüência fundamental ω0 = 2π T se
torna menor, e, por isso, há cada vez mais componentes de freqüência em um
determinado intervalo de freqüência;
 o espectro se torna mais denso à medida em que o período T se torna maior;

Capítulo 2 – Análise de Fourier 2.13


 as amplitudes das componentes de freqüência se tornam cada vez menores à
medida em que o período T aumenta;
 no limite, quando T tende a infinito, o espectro se torna contínuo e existe em
todas as freqüências.
Essas conclusões serão extremamente úteis para que possamos fazer a definição da
transformação de Fourier de uma forma intuitiva. Antes disso, vejamos alguns conceitos
gerais sobre “transformação”.

2.5.MÉTODOS DE TRASFORMAÇÃO
Quando estudamos qualquer método de transformação, a primeira pergunta que nos
surge é porque usar os métodos de transformação? A resposta é simples. As transformações
são usadas para simplificar a solução de certos problemas. A idéia básica, que é comum a
todos os métodos de transformação, é apresentada na Fig.2.3.

Problema Solução do
original problema original

Transformação
Transformação
Inversa

Problema original Problema original


com fácil solução solucionado
no domínio Solução do no domínio
da transformação Problema da transformação

Fig.2.3-A idéia dos métodos de transformação.

Como foi mostrado na Fig.2.3, há três passos na solução de um problema pelo método
da transformação. São eles:
• transformar o problema original em outro problema mais fácil;
• resolver o problema mais fácil no domínio da transformação;
• aplicar uma transformação inversa para trazer a solução do domínio da transformada
para o domínio original.
Nós sempre estamos encontrando solução de problemas utilizando os métodos de
transformação. Como ilustração, vamos considerar o problema de determinar o número x que
satisfaça a equação
x 1,75 = 3 . (2.54)
A solução da equação (2.54) é simplificada se tomarmos o logaritmo de ambos os lados
1,75 ⋅ log x = log 3 . (2.55)

Capítulo 2 – Análise de Fourier 2.14


Podemos encarar a equação (2.55) como uma transformação da equação (2.54). A
transformação altera não somente os valores numéricos (pois log 3 é diferente de 3), mas
também as operações algébricas sobre os números. Assim, a exponenciação no lado esquerdo
da equação (2.54) transforma-se em uma multiplicação no lado esquerdo da equação (2.55). A
equação (2.55) pode ser agora resolvida sem dificuldades, e o resultado é
log 3
log x = . (2.56)
1,75
Esta solução ainda se apresenta no domínio da transformação. Para obter a resposta desejada,
nós aplicamos uma transformação inversa, fazendo uso do logaritmo inverso nos dois lados da
equação (2.56)
 log 3
x = log −1  . (2.57)
 1,75 
Com o uso de uma tabela de logaritmos, o valor numérico de x é prontamente determinado.
Os passos utilizados para a solução da equação (2.54), pelo método da transformação, são
mostrados na Fig.2.4.

 log 3
x 1,75 = 3 x = log −1  
 1,75 

Função Função Inversa


log( •) log −1 ( •)

log 3
1,75 ⋅ log x = log 3 log x =
Solução do 1,75
Problema

Fig.2.4-A solução do problema pelo método da transformação.

No exemplo apresentado, podemos destacar os seguintes pontos:


• o que nós chamamos de transformação é na verdade uma função, y = log x , que
atribui a todo número positivo x um outro número y;
• as funções log(•) e log −1 (•) devem assumir um único valor para assegurar que:
log −1 (log x ) = x . Nós denominamos a transformação com esta propriedade de
transformação única;
• há, certamente, números x para os quais o valor real da função log x não existe, a
saber para todo x ≤ 0 . Estes números estão fora do domínio de definição da função
log x e, portanto, não podem ser transformados;
• para que possamos fazer transformações e estas sejam praticáveis, devemos utilizar
tabelas de transformação dos números e regras para a transformação das operações
algébricas que serão utilizadas.

Capítulo 2 – Análise de Fourier 2.15


Estes quatro pontos têm uma grande relevância e devem ser considerados no estudo de
qualquer tipo de transformada.

2.6.TRASFORMAÇÃO DE FUÇÕES
No exemplo da função log(•) , nós observamos uma regra de correspondência entre os
números reais e uma transformação. De uma forma mais geral, nós podemos pensar em uma
transformação como uma regra de correspondência entre objetos em lugar de números. O
conjunto de todos os objetos transformados é chamado de espaço original ou domínio
original. Os objetos são também referidos como elementos ou pontos do espaço. A cada
objeto do espaço original corresponde um objeto no espaço da transformação, ou domínio da
transformação. No caso da função y = log x , o espaço original é o conjunto de todos os
números x reais e positivos e o espaço da transformação é o conjunto de todos os números y
reais. Esta idéia é mostrada na Fig.2.5.

Espaço da transformação dos números reais

x log x
Transformação

log −1 ( y ) y
Transformação Inversa

Espaço original dos números reais positivos

Fig.2.5-O espaço original e o espaço da transformação.

Vamos definir agora uma transformação como uma regra de correspondência entre
objetos que sejam funções. Utilizaremos o símbolo T para denotar alguma transformação não
definida; isto é, T representa uma regra de correspondência, mas não sabemos que regra é
esta. Consideremos que T transforma uma função f (•) em outra função F(•) , onde f (•) é
um objeto do espaço original e F(•) é um objeto do espaço da transformação. Nós
denominamos f (•) como uma função origem e F(•) como uma função imagem. F(•) pode
também ser chamada simplesmente de imagem ou de transformação de f (•) . Esta relação é
expressa pela seguinte notação
T[ f (•)] = F (•) . (2.58)
A equação (2.58) diz que F(•) é o resultado da operação de T sobre f (•) . Por esta razão a
transformação T é também chamada de operador T. A relação expressa pela equação (2.58)
pode ser também escrita na forma
T
f (•) 
→ F (•) , (2.59)
e é lida como “T transforma f (•) em F(•) ”. Ao escrevermos as equações (2.58) e (2.59)
estamos assumindo que a todo objeto f (•) corresponde um e somente um objeto F(•) . Isto
significa que a transformação T é única. Se este fato é verdadeiro, a todo objeto F(•)

Capítulo 2 – Análise de Fourier 2.16


corresponde um e somente um objeto f (•) , o que leva a transformação T a possuir uma
transformação inversa única T −1 , e que nos permite escrever
T −1 [ F (•)] = f (•) , (2.60)
ou,
T −1
F (•) → f (•) . (2.61)
A função f (•) é agora chamada de transformada inversa de F(•) . As correspondências das
equações (2.59) e (2.61) são combinadas e expressas concisamente pelo uso de uma seta
dupla para denotar os dois caminhos da transformação única
f (•) ↔ F (•) . (2.62)
Aqui, o símbolo T pode ser omitido por conveniência. Isto é permissível onde está
subentendido que uma transformação particular está sendo aplicada e quando a distinção entre
a função origem e a função imagem é assegurada por certas convenções. Uma função
particular f (•) e sua função imagem F(•) constituem um par de transformadas. A Fig.2.6
mostra a idéia da transformação de funções.

Espaço original

T[ f (•)]

f (•) F(•)

T −1 [ F (•)]

Espaço da transformação

Fig.2.6-A idéia da transformação de funções.

2.7.TRASFORMADA DE FOURIER
Apresentados os conceitos gerais sobre “transformação”, vamos definir a transformação
(ou transformada) de Fourier de forma intuitiva.
Nesse ponto, utilizaremos as conclusões tiradas no exercício resolvido 2.1 e a equação
(2.46), que permite o cálculo dos coeficientes da série exponencial de Fourier, para a
obtenção da transformada direta de Fourier ou, simplesmente, transformada de Fourier:
CTD1.O espectro discreto tende a se tornar contínuo, assim, no limite quando T tende a
infinito:
nω 0 → ω . (2.63)
CTD2.O cálculo dos coeficientes da série exponencial de Fourier será feito dentro do
 T T
intervalo  − ,  . Com isso, a equação (2.46) torna-se:
 2 2

Capítulo 2 – Análise de Fourier 2.17


T 2
1
∫ f (t )e
− jnω0t
Fn = dt . (2.64)
T −T 2

CTD3.Para evitar que as amplitudes dos coeficientes tendam a zero, vamos “eliminar”
a divisão por T no cálculo dos coeficientes:
T 2

∫ f (t )e
− jnω0t
TFn = dt . (2.65)
−T 2

CTD4.Pela equação (2.65) vemos que a integral é função de nω0 . Assim:


T 2

∫ f (t )e
− jnω0t
F (nω0 ) = dt . (2.66)
−T 2

CTD5.No limite, quando T tende a infinito, obtemos a expressão da transformada


direta (tempo → freqüência) de Fourier:

∫ f (t )e
− jωt
F (ω) = dt . (2.67)
−∞

Utilizando os mesmos artifícios intuitivos e a equação (2.51), que é a expressão da série


exponencial de Fourier, vamos obter a transformada inversa de Fourier:
CTI1.O espectro discreto tende a se tornar contínuo, assim, no limite quando T tende a
infinito:
ω0 → ∆ω , e, (2.68)

nω0 → n∆ω → ω . (2.69)


CTI2.Para evitar que as amplitudes dos coeficientes tendam a zero, vamos “eliminar” a
divisão por T no cálculo dos coeficientes:
TFn = F (nω0 ) . (2.70)
CTI3.Para que possamos usar a equação (2.70), vamos multiplicar e dividir por T a
expressão da série exponencial de Fourier dada pela equação (2.52):
∞ ∞
1 jnω0t ω 1 ∞
f (t ) = ∑ TFn
n = −∞ T
e = ∑ F (nω0 ) 0 e jnω0t =
n = −∞ 2π

2π n=−∞
F (nω0 )ω0 e jnω0t . (2.71)

CTI4.Usando a consideração 1, através das expressões (2.68) e (2.69) na equação


(2.71):
1 ∞
f (t ) = ∑
2π n=−∞
F (n∆ω)e jn∆ωt ∆ω . (2.72)

CTI5.No limite, quando T tende a infinito, o somatório tende a uma integral e obtemos
a expressão da transformada inversa (freqüência → tempo) de Fourier:

1
2π −∫∞
f (t ) = F (ω)e jωt dω . (2.73)

Note, na equação (2.67) que a variável de integração é t e que ω, relativamente à


integração, é um parâmetro. Desde que os limites de integração são constantes, a integral
define um número para cada valor fixo de ω. Como ω pode variar, diferentes valores da

Capítulo 2 – Análise de Fourier 2.18


integral são obtidos, dando origem à função F (ω) . Um raciocínio análogo pode ser feito com
a equação (2.73). Por essa razão, a transformação de Fourier pertence à família das
transformações integrais.
Podemos escrever:
ℑ[ f (t )] = F (ω) , (2.74)
que significa que f (t ) tem transformada (direta) de Fourier igual a F (ω) . Do mesmo modo,
vale a notação:
ℑ−1[ F (ω)] = f (t ) , (2.75)
que significa que F (ω) tem transformada inversa de Fourier igual a f (t ) . Neste ponto, será
importante ressaltar algumas observações sobre a notação utilizada:
• o uso de t em f (t ) resulta do fato de que em muitas aplicações da transformada de
Fourier as funções origem são funções do tempo. Por esta razão, o domínio original
é também chamado de domínio do tempo;
• para a variável ω encontramos a denominação de freqüência e domínio da
freqüência para designar o domínio da transformação;
• geralmente, são usadas letras minúsculas (como f, g e y) para denotar as funções
origem e suas correspondentes letras maiúsculas (F, G e Y) para denotar as funções
imagem;
• desde que estabelecemos claramente qual é a função origem e qual é a função
imagem, a notação: f (t ) ↔ F (ω) pode ser utilizada, pois não é ambígua.
Resumindo, F (ω) é a transformada direta de Fourier de f (t ) e f (t ) é a transformada
inversa de Fourier de F (ω) . f (t ) e F (ω) formam um par de transformadas de Fourier.
A função F (ω) é conhecida como função densidade espectral e é complexa, pois se
fizermos: e − jωt = cos ωt − jsenωt , teremos:
∞ ∞ ∞


−∞
f (t )e − jωt dt = ∫
−∞
f (t ) cos ωtdt − j ∫ f (t )senωtdt .
−∞
(2.76)

Ou seja,

Re[ F (ω)] = ∫ f (t ) cos ωtdt , e,
−∞
(2.77)


Im[F (ω)] = − ∫ f (t )senωtdt . (2.78)
−∞

Logo, podemos escrever:


F (ω) = F (ω) e jθ( ω) , (2.79)

onde F (ω) é conhecida como função densidade espectral de amplitude e θ(ω) é conhecida
como função densidade espectral de fase.
Se f (t ) for uma função real, então, da equação (2.67), obtemos

∫ f (t )e
jω t
F (−ω) = dt . (2.80)
−∞

Assim, resulta que

Capítulo 2 – Análise de Fourier 2.19


F (−ω) = F * (ω) ; (2.81)

| F (−ω) |=| F (ω) | ; e, (2.82)

θ(−ω) = −θ(ω) . (2.83)


Portanto F (ω) é uma função par e θ(ω) é uma função ímpar de ω.

Exercício Proposto 2.16. Encontre a transformada de Fourier da função f (t ) = e − at u (t ) onde


a é uma constante positiva. Em seguida, esboce as funções densidades de amplitude e fase
desta função.

2.8.A EXISTÊCIA DA TRASFORMADA DE FOURIER


Como no caso da série de Fourier, as condições suficientes de existência da
transformada são as condições de Dirichlet:

CE1. f (t ) é integrável, em módulo, isto é, ∫ | f (t ) | dt < ∞ .
−∞
CE2. f (t ) tem um número finito de máximos e mínimos em um intervalo finito.
CE3. f (t ) tem um número finito de descontinuidades dentro de qualquer intervalo
finito e cada uma dessas descontinuidades é finita.
Exercício Proposto 2.17. Dada a função f (t ) = u (t + 1) − u (t − 1) , esboce seu gráfico
(domínio do tempo), determine a sua transformada de Fourier e, em seguida, esboce suas
funções densidade de amplitude e de fase.
Exercício Proposto 2.18. Considere a função, f (t ) , definida no exercício proposto 2.18.
Determine a transformada de Fourier das funções dadas a seguir e esboce as funções
densidade de amplitude e de fase dessas funções, tentando relacionar o resultado encontrado
no exercício 2.18 com os resultados encontrados nesse exercício:
a) y1 (t ) = 2 f (t ) ;
b) y 2 (t ) = f (t − 2) ;
c) y3 (t ) = − f (t + 1) ;
t
d) y4 (t ) = f   ;
2
e) y5 (t ) = f (−t ) ;
f) y6 (t ) = f (2t ) ;
g) y7 (t ) = − f (t + 1) + f (t − 1) ;
df (t )
h) y8 (t ) = .
dt

Capítulo 2 – Análise de Fourier 2.20