Introdução a análise espectral

André Claudino

3 de abril de 2011

Sumário

1 Visão no domı́nio da frequência 1

1.1 Espectro de funções harmônicas . . . . . . . . . . . . . . . . . . . 1
1.1.1 Exercı́cios: . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1 Visão no domı́nio da frequência

Vamos imaginar uma função f (x) de uma variável x. Essa função é descrita
em termos de uma grandeza contı́nua que se estende por todo um domı́nio de
validade. Por exemplo, se a função representa o número de bactérias numa
colônia ao longo do tempo x, podemos observar que ela é limitada a ao domı́nio
de um instante inicial x0 até um instante infinito, isto é x ∈ (x0 , ∞) 1 . Outro
exemplo é se f (x) representa a velocidade de um corpo ao longo da posição x
(casos de sistemas conservativos2 ).

Por vezes é interessante observar o que ocorre com estas funções quando
observadas num domı́nio diferente. Para concluir quem é este domı́nio e o que é
interesse nele vamos precisar da noção de espaço vetorial de dimensão infinita,
ou espaço de Hilbert, que pode ser relembrada em COHEN; TANNOUDJI.

1.1 Espectro de funções harmônicas

Vamos começar nosso estudo pensando apenas naquelas funções que podem ser
perfeitamente escritas em termos de uma sequência finita de funções senoidais,
1 Na prática, quando se modela um problema por meio de uma função matemática, sabemos

que na verdade valores muito elevados ou muito baixos, ou mesmo valores próximos a outros
determinados restringem nosso domı́nio, pois nossos modelos são sempre válidos dentro de
pequenos domı́nios de validade
2 Um sistema conservativo é um sistema fı́sico no qual as integrais de caminho são

dependentes apenas dos pontos final e inicial, na prática, dizer que uma dada função é
conservativa implica em dizer que ela pode ser escrita como ∇α para α uma hipercurva
escalar qualquer

1
i.e., senos e cossenos 3 . Suponhamos um caos extretamente simples por exemplo
para a modelagem de uma colônia de bactérias em que a população (f x) se
comporte ao longo do tempo x como

7
f (x) = 3sen(x) + 2cos( x) (1)
2π

O gráfico desta função, é:

7 500π
Figura 1: Função f (x) = 3sen(x) + 2cos( x)no intervalo 0 ≥ t ≤
2π 7

3 Podemos utilizar tanto senos e cossenos como exponenciais complexas que são uma outra

forma de representar estas funções harmônicas

2
 Perceba que este gráfico continua tendo um comportamento periódico, tal
como as funções que o constituem, cujos gráficos são:

50π
Figura 2: Função 3sen(x)no intervalo 0 ≥ t ≤
7

para a função seno e

7 50π
Figura 3: Função 2cos( x)no intervalo 0 ≥ t ≤
2π 7

para a função cosseno.

3
 Seria interessante podermos analisar esta função do ponto de vista das
frequências que as constituem. Para iniciarmos esta discussão, vamos definir as
grandezas associadas a uma de uma dada função que precisaremos:

Definição 1.1 Funções periódicas são aquelas para as quais existem valores Ti
tais que f (x+Ti ) = f (x), contanto que x e x+Ti estejam no domı́nio da função.

Definição 1.2 O perı́odo T de uma função f (x) é o menor valor de Ti tal que
f (x + Ti ) = f (x).

1
Definição 1.3 A frequências ωi de uma função f (x) são definidas por ωi = ,
Ti
onde f (x + Ti ) = f (x).

Definição 1.4 A frequência fundamental ω, ou apenas, frequência da função

f (x) é o valor de ωi para o qual Ti é mı́nimo, nas condições de 1.3

Agora que sabemos o que é a frequência de uma dada função, vamos tentar
montar o espectro de frequências da nossa função, e buscar entender quais as
interpretações que podemos fazer dele.
Num primeiro momento, vamos analisar os espectros de frequência de funções.
Como estamos trabalhando apenas com as funções trigonométricas seno e cosseno,
nos interessa por enquanto conhecer o espectro de uma forma geral destas
funções, e com isto, teremos o espectro de funções construı́das à partir de
combinações lineares4 destas. Com isto estamos simplesmente dizendo que o
operador que constrói espectros à partir de dadas funções é um operador linear.

Vamos postular, por enquanto sem demonstração (a demonstração estará

numa seção seguinte), que o espectro de uma função cosseno é

πδ(ω − ω0 ) + πδ(ω + ω0 ) (2)

e o da função seno é

− iπδ(ω − ω0 ) + −iπδ(ω + ω0 ) (3)

Onde δ(ω) é a função5 delta de Dirac. Assim sendo, os gráficos são determinados
por picos de altura infinita definidos em pontos discretos6 .
4 Uma combinação linear de elementos a com elementos α de um corpo escalar é definida
P i i
como αi ai
i
5 Ainda que na literatura seja muito comum chamá-la de função, a delta de Dirac é na
verdade uma distribuição, assim como a distribuição de Poisson e a de Gauss
6 Um conjunto discreto é aquele que pode, de alguma forma, ser posto em bijeção com

um subconjunto dos números naturais ou inteiros, (ou seja, aquele que é homeomorfo a um
subconjunto dos naturais), e um conjunto contı́nuo é aquele que pode ser posto em bijeção
com os reais (ou seja, o que é homeomorfo à reta x ∈ (0, 1)

4
 A delta de Dirac é uma distribuição determinada pelas seguintes condições:

Definição 1.5 (
R f (x0 ) | x0 ∈ ∆
∆
f (x)δ(x − x0 )dx =
0 | x0 6∈ ∆
(
∞|x=0
δ(x) =
0 | x 6= 0

Desta forma, a distribuição fˆ(ω) da nossa função (1) é:

7 7
fˆ(ω) = −3iπδ(ω − 1) − 3iπδ(ω + 1) + 2πδ(ω − ) + 2πδ(ω + ) (4)
2π 2π

Assim sendo, nosso espectro pode representado pelo gráfico:

Figura 4: fˆ(ω) Espectro ângulo-fase de f (x)

No gráfico 1.1 representamos a parte real no eixo x, a imaginária no eixo

y e as frequências no eixo z, Como bem sabemos, não é possı́vel representar
infinitos em um gráfico, desta forma o que fizemos foi adotar δ(0) = 1.

5
 Podemos perceber que o caminho de volta é muito simples: uma vez conhecidos
os pontos do espectro só precisamos determinar os coeficientes, estes coeficientes
podem ser determinados à partir das propriedades da função delta (a forma de
se fazer isto fica como exercı́cio).

1.1.1 Exercı́cios:

Tendo em mão as relações (2) e (3) e sabendo que o espectro a função δ de Dirac
é a função constante 1, e que o da função constante 1 é 2πδ(ω)

Exercı́cio 1.1.1 Determine os seguintes espectros:

a) eαix
b) e−αix

Exercı́cio 1.1.2 Determine a quais funções correspondem os seguintes espectros:

a) δ(ω − 20) + 50i − 30δ(ω − 10)
b) δ(ω − 20) + δ(ω + 20)
c) iδ(ω − 20) + iδ(ω + 20)
Sugestão: Utilize a função θ de Heaviside:
(
1 | u > 0
θ(u) =
0 | u < 0

Exercı́cio 1.1.3 Esboce os gráficos dos espectros e das funções das questões
anteriores.

Exercı́cio 1.1.4 Conhecendo os espaços de Hilbert, podemos ver a expansão

em séries de Fourier como uma forma de reescrever uma função numa base
de senos e cossenos. Assim sendo, tendo como definição de produto escalar o
funcional:

Z T
2
ha(x), b(x)i ≡ a(x)b(x)dx
− T2

onde T é o perı́odo da função.

Escreva as seguintes funções nas bases cos(nωx) e sen(nωx) (encontre um
termo geral, exceto quando indicado)
isto é, calcule:
P R T2 R T2
n { − T f (x)(cos(nωx)dx cos(nωx) + − T f (x)(sen(nωx)dx cos(nωx)}
2 2

para uma (re)visão das séries de Fourier veja (HSU, 1973)

(
−1 | T2 < x < 0
a) f (x) =
1 | 0 < x < T2

6
 (
4x
1+ T | T2 < x ≤ 0
b) f (x) = 4x
1− T | 0 ≤ x < T2

c) f (x) = sen5 x Para n ≤ 6.

Exercı́cio 1.1.5 Agora calcule a chamada Série de Fourier complexa das funções
do problema anterior que é obtida substituindo a base {cos(nωx), sen(nωx)} pela
base {einωx , e−inωx }

Exercı́cio 1.1.6 O espectro discreto de uma dada função é constituı́da pelos

seguintes pontos do plano complexo: (5, 3, −1), (12, 30, −2), (1, 1, −9), (5, 3, 1)
Sabendo que a primeira coordenada diz respeito a parte real, a segunda á parte
imaginária, e a terceira à frequência associada, qual é esta função?

Referências
COHEN; TANNOUDJI. Quantum Mechanics. [S.l.: s.n.], 1977.
HSU, H. P. Análise de Fourier. [S.l.: s.n.], 1973.