SINAIS E SISTEMAS

AULA 3

Prof. Charles Way Hun Fung

 CONVERSA INICIAL

Nesta aula iremos estudar outra forma de analisar uma representação

alternativa para sinais e sistemas LIT, lembrando que nas aulas anteriores
estudamos os sinais representados como um somatório de impulsos deslocados
ou no caso de sistemas como uma soma de convolução.
Veremos nesta aula que a resposta de um sistema LIT como uma
exponencial complexa também tem uma forma simples. Bons estudos!

TEMA 1 – AUTOFUNÇÃO E AUTOVALORES DE UM SISTEMA LIT

Segundo Oppenheim (2010), é vantajoso representar sinais como uma

combinação linear de sinais básicos que possuam as seguintes características:

 Conjunto básico pode ser usado para criar uma classe ampla e útil de
sinais.
 A resposta de um sistema LIT para um sinal deve ser uma combinação
linear dos sinais básicos.

Para que a análise de Fourier possa ser aplicada, estas duas condições
devem ser satisfeitas pelo conjunto de exponenciais complexas, tanto no
domínio contínuo como no discreto. Então, a resposta de um sistema LIT para
uma exponencial complexa é a própria exponencial complexa com uma
mudança de amplitude, como mostrado a seguir:
Tempo contínuo:

𝑒 𝑠𝑡 → 𝐻(𝑠)𝑒 𝑠𝑡 (1)

Tempo discreto:

𝑧 𝑛 → 𝐻(𝑧)𝑧 𝑛 (2)

Sendo H(s) e H(z) fatores de amplitude complexa em função de s ou z,

que são números complexos. Um sinal para qual a saída é uma constante
multiplicada pela entrada é denominada uma autofunção e o fator de amplitude
é denominado autovalor do sistema (Oppenheim, 2010). A figura a seguir
descreve estes dois fatores:

2
 Figura 1 – Autovalor e Autofunção de um sistema

Fonte: Zibetti, 2012.

Para uma demonstração de exponenciais complexas como autofunções

de sistemas LIT, vamos considerar um sistema LIT com entrada x(t), uma saída
y(t) e uma resposta ao impulso de h(t).
Sendo 𝑥(𝑡) = 𝑒 𝑠𝑡 :

+∞

𝑦(𝑡) = ( ∫ ℎ(𝜏)𝑒 𝑠(𝑡−𝜏) 𝑑𝜏) 𝑒 𝑠𝑡 = 𝐻(𝑠)𝑒 𝑠𝑡 (3)

−∞

Logo, a partir da equação (3) temos:

+∞

𝐻(𝑠) = ∫ ℎ(𝜏)𝑒 𝑠(𝑡−𝜏) 𝑑𝜏 (4)

−∞

Sendo H(s) uma constante complexa, que o valor depende de s e também

esta relacionada à resposta ao impulso, como podemos ver na equação 4.
Para este exemplo, a autofunção do sistema LIT é 𝑒 𝑠𝑡 e a constante H(s)
é o autovalor associado para um valor específico de s.
Da mesma forma que foi mostrado para um sistema contínuo, podemos
demonstrar para o caso discreto. Considerando um sinal de entrada x[n], uma
saída y[n] e uma resposta ao impulso de h[k].
Sendo 𝑥[𝑛] = 𝑧 𝑛 :

+∞

𝑦[𝑛] = ∑ ℎ[𝑘]𝑥[𝑛 − 𝑘]
𝑘=−∞

∞ ∞

𝑦[𝑛] = ∑ ℎ[𝑘]𝑧 𝑛−𝑘 = 𝑧 𝑘 ∑ ℎ[𝑘]𝑧 −𝑘 (5)

𝑘=−∞ 𝑘=−∞

Logo, a partir da equação 5, temos:

𝑦[𝑛] = 𝐻(𝑧)𝑧 𝑛 (6)

3
 E também:

𝐻(𝑧) = ∑ ℎ[𝑘]𝑧 −𝑘 (7)

𝑘=−∞

Como no caso contínuo, a exponencial complexa 𝑧 𝑛 é a autofunção e a

constante H(z) é o autovalor associado para um valor específico de z.
Segundo Oppenheim (2010), é comum decompor sinais genéricos em
termos de autofunções como por exemplo:
Considere o sinal x(t) composto por três exponenciais complexas:

𝑥(𝑡) = 𝑎1 𝑒 𝑠1 𝑡 + 𝑎2 𝑒 𝑠2 𝑡 + 𝑎3 𝑒 𝑠3 𝑡 (8)

Pelo princípio da superposição, podemos tratar cada uma das

exponenciais complexas como uma autofunção, de forma que cada uma tem
uma resposta separada.
𝑎1 𝑒 𝑠1 𝑡 = 𝑎1 𝐻(𝑠1 )𝑒 𝑠1𝑡
𝑎2 𝑒 𝑠2 𝑡 = 𝑎2 𝐻(𝑠2 )𝑒 𝑠2 𝑡
𝑎3 𝑒 𝑠3 𝑡 = 𝑎3 𝐻(𝑠3 )𝑒 𝑠3 𝑡

Usando a superposição, a resposta do sistema é a soma das autofunções:

𝑦(𝑡) = 𝑎1 𝐻(𝑠1 )𝑒 𝑠1 𝑡 + 𝑎2 𝐻(𝑠2 )𝑒 𝑠2𝑡 + 𝑎3 𝐻(𝑠3 )𝑒 𝑠3 𝑡 (9)

Generalizando, em um sistema contínuo cujo sinal de entrada é uma

combinação linear de exponenciais complexas, no qual aplicando o princípio da
superposição teremos que a entrada do sistema pode ser expressa por:

𝑥(𝑡) = ∑ 𝑎𝑘 𝑒 𝑠𝑘𝑡 (10)

𝑘

No caso da resposta do sistema, podemos aplicar a equação 10 como

entrada do sistema, e aplicando o princípio da superposição na equação a
seguir:

𝑦(𝑡) = 𝐻(𝑠)𝑒 𝑠𝑡 (11)

Teremos:

4
 𝑦(𝑡) = ∑ 𝑎𝑘 𝐻(𝑠𝑘 )𝑒 𝑠𝑘𝑡 (12)
𝑘

De forma análoga, podemos fazer as mesmas relações com tempo

discreto resultando em uma entrada:

𝑥[𝑛] = ∑ 𝑎𝑘 𝑧𝑘𝑛 (13)

𝑘

Produzindo uma resposta do sistema descrita como:

𝑦[𝑛] = ∑ 𝑎𝑘 𝐻(𝑧𝑘 )𝑧𝑘𝑛 (14)

𝑘

TEMA 2 – DECOMPOSIÇÃO DE SINAIS CONTÍNUOS E PERIÓDICOS POR

SÉRIE DE FOURIER
Sinais periódicos foram definidos nas aulas anteriores como sendo:

𝑥(𝑡) = 𝑥(𝑡 + 𝑇), 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑇 (15)

Este sinal é ilustrado na figura a seguir:

Figura 2 – Sinal periódico

Fonte: Zibetti, 2012.

Podemos dizer que o período fundamental de x(t) é o menor valor de T

que satisfaça a equação 15, e também podemos denominar ω0 como frequência
fundamental, que é definida pela equação:
2𝜋
𝜔0 = (16)
𝑇
Dois sinais periódicos básicos que vimos em aulas anteriores são:

 Sinal senoidal:

5
 𝑥(𝑡) = cos(𝜔0 𝑡) (17)

 Sinal exponencial complexa:

𝑥(𝑡) = 𝑒 𝑗𝜔0 𝑡 (18)

Estes sinais são periódicos com frequência fundamental ω0 e período

fundamental de T=2π/ω0.
O sinal da equação 18 possui associado ao conjunto de exponenciais
complexas harmônicas relacionadas. Para isto, fazemos ω = kω0.
Então:

𝜑(𝑡) = 𝑒 𝑗𝜔𝑡 = 𝑒 𝑗𝑘𝜔0 𝑡 , 𝑘 = 0, ±1, ±2, … (19)

Estes sinais possuem uma frequência fundamental múltipla de ω0, com

um período T, que para valores de k maiores que 2 são fracionários. Se fizermos
uma combinação linear entre estes sinais harmônicos para produzir um sinal x(t),
teremos:

+∞ +∞
𝑗𝑘𝜔0 𝑡
𝑥(𝑡) = ∑ 𝑎𝑘 𝑒 = ∑ 𝑎𝑘 𝑒 𝑗𝑘(2𝜋/𝑇)𝑡 (20)
𝑘=−∞ 𝑘=−∞

Podemos deduzir da equação 20 que para k=0, é uma constante a0. Para
os casos de k=1 e k= -1, teremos sinais periódicos com uma frequência
fundamental igual a ω0, denominadas componentes fundamentais ou
componentes de primeira harmônica (Oppenheim, 2010).
De forma similar, quando k=2 ou k= -2 são componentes com o dobro da
frequência fundamental e com a metade do período fundamental, são
denominadas componentes de segunda harmônica.
Generalizando para k=+N e k= -N, são denominadas componentes de n-
ésima harmônica.
Vamos usar a equação 20 para representar um sinal real, para isto
suponha x(t) real e pode ser representado por x*(t) = x(t), onde x*(t) é o complexo
conjugado. Temos então:

+∞

𝑥(𝑡) = ∑ 𝑎𝑘∗ 𝑒 −𝑗𝑘𝜔0 𝑡 (21)

𝑘=−∞

6
 Substituindo k por -k na equação 21 resulta:

+∞
∗
𝑥(𝑡) = ∑ 𝑎−𝑘 𝑒 −𝑗𝑘𝜔0 𝑡 (22)
𝑘=−∞

Analisando as equações 21 e 22 e comparando com a equação 20, temos

que:

∗
𝑎𝑘 = 𝑎−𝑘 (23)

Ou de modo equivalente:

𝑎𝑘 = 𝑎−𝑘 (24)

Lembrando que estas equações são apenas válidas para ak sendo

números reais.
Com isso podemos reescrever a equação 20, como uma forma alternativa
da série de Fourier.

+∞

𝑥(𝑡) = 𝑎0 + ∑[𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑡 + 𝑎−𝑘 𝑒 −𝑗𝑘𝜔0 𝑡 ] (25)

𝑘=1

Substituindo a*k por a-k teremos:

+∞

𝑥(𝑡) = 𝑎0 + ∑[𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑡 + 𝑎𝑘∗ 𝑒 −𝑗𝑘𝜔0 𝑡 ] (26)

𝑘=1

A figura a seguir ilustra a construção de um sinal como combinação linear

de sinais senoidais harmonicamente relacionados:

7
 Figura 3 – Construção de um sinal pela combinação linear de sinais senoidais

Fonte: Oppenheim, 2010.

No caso de sinais reais, podemos a partir da equação 26 relacionar o

complexo conjugado de dentro do somatório.
Podemos expressar ak como:

𝑎𝑘 = 𝐴𝑘 𝑒 𝑗𝜃𝑘 (27)

E pela relação de Euler, temos as relações:

1 𝑗𝑘𝜔 𝑡
cos(𝑘𝜔0 𝑡) = [𝑒 0 + 𝑒 −𝑗𝑘𝜔0 𝑡 ] (28)
2

8
 1 𝑗𝑘𝜔 𝑡
sen(𝑘𝜔0 𝑡) = [𝑒 0 − 𝑒 −𝑗𝑘𝜔0 𝑡 ] (29)
2𝑗

Usando as equações 27, 28 e 29 em 26, teremos:

𝑥(𝑡) = 𝑎0 + 2 ∑ 𝐴𝑘 cos(𝑘𝜔0 𝑡 + 𝜃𝑘 ) (30)

𝑘=1

A equação 30 é a equação comumente encontrada da série de Fourier

para sinais periódicos em tempo contínuo. Outra forma é usar a forma retangular
de ak.

𝑎𝑘 = 𝐵𝑘 + 𝑗𝐶𝑘 (31)

Sendo Bk e Ck reais, aplicando a equação 31 em 30, teremos:

𝑥(𝑡) = 𝑎0 + 2 ∑[𝐵𝑘 cos(𝑘𝜔0 𝑡) − 𝐶𝑘 sen(𝑘𝜔0 𝑡)] (31)

𝑘=1

Para determinarmos os coeficientes ak da equação 20, teremos que

multiplicar ambos os lados da equação por 𝑒 −𝑗𝑛𝜔0 𝑡 , desta forma:

+∞
−𝑗𝑛𝜔0 𝑡
𝑥(𝑡)𝑒 = ∑ 𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑡 𝑒 −𝑗𝑛𝜔0 𝑡
𝑘=−∞

Integrando-se os dois membros de 0 a T=2π/ω0, teremos:

𝑇 𝑇 +∞

∫ 𝑥(𝑡)𝑒 −𝑗𝑛𝜔0 𝑡 𝑑𝑡 = ∫ ∑ 𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑡 𝑒 −𝑗𝑛𝜔0 𝑡 𝑑𝑡

0 0 𝑘=−∞

Onde T é o período fundamental de x(t) e trocando a ordem da integração

com o somatório.

𝑇 +∞ 𝑇

∫ 𝑥(𝑡)𝑒 −𝑗𝑛𝜔0 𝑡 𝑑𝑡 = ∑ ∫ 𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑡 𝑒 −𝑗𝑛𝜔0 𝑡 𝑑𝑡

0 𝑘=−∞ 0

𝑇 +∞ 𝑇

∫ 𝑥(𝑡)𝑒 −𝑗𝑛𝜔0 𝑡 𝑑𝑡 = ∑ 𝑎𝑘 ∫ 𝑒 𝑗(𝑘−𝑛)𝜔0 𝑡 𝑑𝑡 (32)

0 𝑘=−∞ 0

9
 A solução da equação da direita é direta, porém colocaremos o resultado
dela em termos da relação de Euler.

𝑇 𝑇 𝑇

∫ 𝑒 𝑗(𝑘−𝑛)𝜔0 𝑡 𝑑𝑡 = ∫ cos(𝑘 − 𝑛)𝜔0 𝑡𝑑𝑡 + 𝑗 ∫ sen(𝑘 − 𝑛)𝜔0 𝑡𝑑𝑡 (33)

0 0 0

Se k ≠ n, o seno e o cosseno serão sinais periódicos com período

fundamental igual a T/(k-n). Como o período da integral é de 0 a T, e uma integral
significa a soma dos valores sob uma curva, no caso seno ou cosseno,
chegamos à conclusão que fazendo esta integral para o seno e para o cosseno,
este cálculo resultará em zero.
A área positiva irá anular a área negativa da curva. A outra possibilidade
é k=n; neste caso, a operação resultaria apenas na parte do cosseno, resultando
ainda em T.
Logo, o que sobrará é apenas o lado esquerdo da equação.

𝑇
𝑇, 𝑘 = 𝑛
∫ 𝑒 𝑗(𝑘−𝑛)𝜔0 𝑡 𝑑𝑡 = { (34)
0, 𝑘 ≠ 𝑛
0

Aplicando a equação 34 em 32, podemos concluir que o termo a direita

da equação 32 resultará em T.

𝑇
1
𝑎𝑛 = ∫ 𝑥(𝑡)𝑒 −𝑗𝑛𝜔0 𝑡 𝑑𝑡 (35)
𝑇
0

Agora podemos escrever a expressão da série de Fourier em termos da

frequência fundamental ω0 e o período fundamental T. Estas duas equações são
as equações de síntese e análise:

+∞

𝑥(𝑡) = ∑ 𝑎𝑘𝑒 𝑗𝑘𝜔0𝑡 (36)

𝑘=−∞

1
𝑎𝑘 = ∫ 𝑥(𝑡) 𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡 (37)
𝑇
𝑇

O conjunto de coeficientes ak são chamados de coeficientes da série de

Fourier ou coeficientes espectrais de x(t) (Oppenheim, 2010).

10
 Para k=0, será o coeficiente a0 é chamada de componente dc ou
componente constante resultando na equação:

1
𝑎0 = ∫ 𝑥(𝑡)𝑑𝑡 (38)
𝑇
𝑇

TEMA 3 – DECOMPOSIÇÃO DE SINAIS DISCRETOS E PERIÓDICOS EM SÉRIES

DE FOURIER

Neste tema iremos estudar a representação de sinais discretos por série

de Fourier. Há diversas semelhanças com o tempo contínuo, porém existem
algumas diferenças. Dentre elas, o sinal periódico discreto é uma série finita, ao
contrário do sinal periódico contínuo, que é infinita.
Então, para começar vamos lembrar que um sinal periódico discreto é
determinado por:

𝑥[𝑛] = 𝑥[𝑛 + 𝑁] (39)

Sendo N o período, caso N seja o menor inteiro positivo para que a

equação 39 seja satisfeita, será chamado de período fundamental.
Consequentemente, ω0=2π/N é a frequência fundamental. A figura a seguir
ilustra um sinal discreto periódico:

Figura 4 – Sinal discreto periódico

Vamos considerar uma exponencial complexa:

𝑒 𝑗𝑘(2𝜋/𝑁)𝑛 (40)

Podemos dizer que é um sinal periódico com período N, podemos

generalizar e dizer que:

𝜑[𝑛] = 𝑒 𝑗𝑘𝜔0 𝑛 = 𝑒 𝑗𝑘(2𝜋/𝑁)𝑛 , 𝑘 = 0, ±1, ±2, … (41)

11
 A equação 41 é o conjunto de sinais exponenciais complexas de tempo
discreto com período fundamental múltiplos de N, ou seja, sinais
harmonicamente relacionados.
Além disto, há apenas N sinais distintos no conjunto apresentado na
equação 41. Isto é causado porque exponenciais complexas que diferem em
frequência em 2π são idênticas.

𝜑[𝑛] = 𝑒 𝑗𝑘(2𝜋/𝑁)𝑛 = 𝑒 𝑗(𝑘+𝑁)(2𝜋/𝑁)𝑛 = 𝑒 𝑗𝑘(2𝜋/𝑁)𝑛 𝑒 𝑗2𝜋𝑛 (42)

Na equação 42, podemos supor um sinal exponencial complexo de tempo

discreto, quando aplicado o período fundamental N, teremos um resultado igual
ao apresentado do lado direito da equação 42.
Porém, analisando o resultado, podemos perceber que a exponencial
mais à direita sempre resultará em 1, independentemente do valor que n
assuma. Com isso, provamos que estes sinais tendem a se repetir quando
diferem na frequência em 2π.
Iremos agora analisar a representação de sequências periódicas como
uma combinação linear de sequências φk[n]:

𝑥[𝑛] = ∑ 𝑎𝑘 𝜑𝑘 [𝑛] = ∑ 𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑛 = ∑ 𝑎𝑘 𝑒 𝑗𝑘(2𝜋/𝑁)𝑛 (43)

𝑘 𝑘 𝑘

As sequências φk[n] são distintas apenas para uma faixa de N valores

sucessivos de k, por isso o somatório da equação 43 só precisa incluir termos
neste intervalo, sendo o somatório de k variando no intervalo de N inteiros
sucessivos, começando com qualquer valor de k. Indicamos isto sinalizando
k=<N> no somatório (Oppenheim, 2012).

𝑥[𝑛] = ∑ 𝑎𝑘 𝜑𝑘 [𝑛] = ∑ 𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑛 = ∑ 𝑎𝑘 𝑒 𝑗𝑘(2𝜋/𝑁)𝑛 (44)

𝑘=<𝑁> 𝑘=<𝑁> 𝑘=<𝑁>

A equação 44 é chamada de série de Fourier de tempo discreto e os

coeficientes ak são os coeficientes da série de Fourier.
Agora vamos supor que temos um sinal x[n] com período fundamental N
e vamos tentar representar este sinal no formato da equação 44. Podemos
pensar na seguinte forma: vamos recalcular a equação 44, como um sistema de
equações, de forma que seja uma equação para cada um dos sucessivos N
valores, como a seguir:

12
 𝑥[0] = ∑ 𝑎𝑘
𝑘=<𝑁>

𝑥[1] = ∑ 𝑎𝑘 𝑒 𝑗2𝜋𝑘/𝑁
𝑘=<𝑁>

𝑥[𝑁 − 1] = ∑ 𝑎𝑘 𝑒 𝑗2𝜋𝑘(𝑁−1)/𝑁 (45)

𝑘=<𝑁>

A equação 45 é um conjunto de N equações lineares, que podem ser

usadas para calcular o valor dos coeficientes da série de Fourier ak. Esta é uma
possibilidade para conseguir o valor dos coeficientes. Porém é possível seguir a
mesma ideia realizada no tempo contínuo, conseguir uma equação de síntese e
análise para cálculo dos coeficientes e da série de Fourier.
Seguindo a mesma lógica que o tempo contínuo, podemos deduzir que:

𝑁, 𝑘 = 0, ±1, ±2
∑ 𝑒 𝑗𝑘(2𝜋/𝑁)𝑛 = { (46)
0, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜
𝑛=<𝑁>

A soma dos valores em uma exponencial complexa periódica é igual a

zero, a menos que a exponencial seja uma constante.
Tomando como base a equação 44, iremos multiplicar ambos os lados da
igualdade por uma exponencial complexa e somar sobre N parcelas, como a
seguir:

∑ 𝑎𝑘 𝑒 𝑗𝑟(2𝜋/𝑁)𝑛 = ∑ ∑ 𝑎𝑘 𝑒 𝑗(𝑘−𝑟)(2𝜋/𝑁)𝑛 (47)

𝑛=<𝑁> 𝑛=<𝑁> 𝑘=<𝑁>

Invertendo a ordem do somatório do lado direito da equação 47.

∑ 𝑥[𝑛]𝑒 𝑗𝑟(2𝜋/𝑁)𝑛 = ∑ 𝑎𝑘 ∑ 𝑒 𝑗(𝑘−𝑟)(2𝜋/𝑁)𝑛 (48)

𝑛=<𝑁> 𝑘=<𝑁> 𝑛=<𝑁>

Pela equação 46, o somatório mais à direita da equação 48 é zero, a

menos que k-r seja igual a zero ou múltiplo inteiro de N. Por isso fazemos r variar
na mesma faixa que r no somatório externo.
Então, pela equação 48, temos:

13
 0, 𝑘 ≠ 𝑟
∑ 𝑒 𝑗(𝑘−𝑟)(2𝜋/𝑁)𝑛 = { (49)
𝑁, 𝑘 = 𝑟
𝑛=<𝑁>

Considerando apenas k=r, podemos reduzir a equação 49 em apenas Na r.

Aplicando este resultado em 48, teremos:

1 2𝜋
𝑎𝑟 = ∑ 𝑥[𝑛]𝑒 𝑗𝑟( 𝑁 )𝑛 (50)
𝑁
𝑛=<𝑁>

Esta é uma equação fechada para calcular os coeficientes da série de

Fourier, esta equação é conhecida também como equação de análise.
Para a equação de síntese usaremos a equação 44, que é usada x[n] para
cada valor de N sucessivo.

𝑥[𝑛] = ∑ 𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑛 = ∑ 𝑎𝑘 𝑒 𝑗𝑘(2𝜋/𝑁)𝑛 (51)

𝑘=<𝑁> 𝑘=<𝑁>

A equação 51 também é conhecida como equação de síntese.

Uma observação da equação 44, é que se tomarmos k na faixa de 0 a N-
1, ou seja os N valores sucessivos, teremos:

𝑥[𝑛] = 𝑎0 𝜑0 [𝑛] + 𝑎1 𝜑1 [𝑛] + ⋯ 𝑎𝑁−1 𝜑𝑁−1 [𝑛] (52)

E da mesma forma fazer o k variar de 1 até N.

𝑥[𝑛] = 𝑎1 𝜑1 [𝑛] + 𝑎2 𝜑2 [𝑛] + ⋯ 𝑎𝑁 𝜑𝑁 [𝑛] (53)

Sabemos que φ0[n]= φN[n], logo analisando as equações 52 e 53,

podemos concluir que a0=aN, se continuarmos pensando nesta relação e ainda
variando o k ao longo dos N valores, teremos:

𝑎𝑘 = 𝑎𝑘+𝑁 (54)

Ou seja, se houver mais valores que N sucessivos os valores de a k irão

se repetir periodicamente no período N.

14
 TEMA 4 – PROPRIEDADES DA SÉRIE DE FOURIER

Neste tema, iremos abordar algumas propriedades das séries de Fourier

para tempo contínuo e tempo discreto, porém as propriedades são semelhantes
e com um desenvolvimento equivalente.
Para simplificar, iremos mostrar as propriedades no tempo contínuo, mas
perceba que este se aplica ao tempo discreto.

4.1 Convergência da série de Fourier

Quando representamos um sinal em séries de Fourier, fazemos com que

o sinal seja representado por um número finito de exponenciais complexas,
dispostas em uma combinação linear que representa o sinal original.
Cada uma das exponenciais complexas possui um coeficiente chamado
coeficiente da série de Fourier.
A ideia é que seja possível representar qualquer sinal usando as
transformadas; quando isto ocorre, podemos afirmar que o sinal converge.
Porém nem sempre é possível representar todo o sinal com precisão, pode ser
que ocorram erros em diversos pontos. Quando isto ocorre, dizemos que a
convergência não está acontecendo ou que diverge.
Para verificarmos se o sinal converge, devemos analisar as condições de
Dirichlet (Oppenheim, 2010):
Condição 1: em qualquer período, x(t) deve ser absolutamente integrável:

∫ |𝑥(𝑡)|𝑑𝑡 < ∞ (55)

𝑇

Esta condição garante que os coeficientes da série de Fourier ak sejam

finitos. Para justificar isto, usaremos a equação 37, equação de análise da série
de Fourier de tempo contínuo:

1 1
|𝑎𝑘 | ≤ ∫ |𝑥(𝑡)𝑒 −𝑗𝜔0 𝑡 |𝑑𝑡 = ∫ |𝑥(𝑡)|𝑑𝑡
𝑇 𝑇
𝑇 𝑇

Pela condição:

15
 ∫ |𝑥(𝑡)|𝑑𝑡 < ∞
𝑇

Logo,

|𝑎𝑘 | < ∞

Um sinal que viola a primeira condição é:

1
𝑥(𝑡) = , 0 < 𝑡 < 1
𝑡

O sinal x(t) é periódico com período igual a 1, e o sinal é mostrado a seguir:

Figura 5 – Sinal que viola a condição 1

Fonte: Oppenheim, 2010.

Condição 2: qualquer intervalo finito de tempo x(t) tem variação limitada;

ou seja, não existe mais do que um número finito de máximos e mínimos durante
qualquer período do sinal. Um sinal que viola esta condição é:

2𝜋
𝑥(𝑡) = 𝑠𝑒𝑛 ( ) , 0 < 𝑡 ≤ 1
𝑡

Como é ilustrado na figura a seguir, é uma função periódica com T=1,

porém tem infinitos pontos de máximo e mínimo no intervalo.

16
 Figura 6 – Sinal que viola a condição 2

Fonte: Oppenheim, 2010.

Condição 3: qualquer intervalo finito x(t) precisa ter um intervalo finito de

descontinuidades. Um sinal que viola a condição 3 é ilustrado a seguir:

Figura 7 – Sinal que viola a condição 3

Fonte: Oppenheim, 2010.

Neste caso, o sinal é composto por um número infinito de seções, cada

uma com metade da altura e metade da largura que o anterior. O período do
sinal é 8, porém a área sob o período da função é menor que 8, havendo também
um número infinito de descontinuidades a cada período.
Segundo Zibetti (2012), as condições de Dirichlet são satisfeitas por
quase todos os sinais encontrados no mundo real. Porém sinais com
descontinuidades devem ser tratados de forma especial, pois descontinuidades
requerem um número infinito de coeficientes para sua representação exata.

+𝑁

𝑥(𝑡) = lim 𝑥𝑁 (𝑡) = lim ∑ 𝑥𝑘 (𝑡) (56)

𝑁→∞ 𝑁→∞
𝑘=−𝑁

17
 A equação 56 indica que nas descontinuidades há um erro, que só poderia
ser corrigido aumentando o número de coeficientes. Este erro é evidenciado na
figura 8, que ilustra este efeito. O efeito recebeu o nome de fenômeno de Gibbs.

Figura 8 – Fenômeno de Gibbs

Fonte: Oppenheim, 2010.

4.2 Linearidade

Supondo dois sinais periódicos x(t) e y(t) com período T, com seus
respectivos coeficientes de Fourier ak e bk.

𝑥(𝑡) → 𝑎𝑘

𝑦(𝑡) → 𝑏𝑘

Uma combinação linear destes dois sinais resultará em um sinal z(t) com
período T. Então um coeficiente ck que é o coeficiente da série de Fourier de z(t)
é resultado de uma combinação linear dos coeficientes de Fourier a k e bk.

𝑧(𝑡) = 𝐴𝑥(𝑡) + 𝐵𝑦(𝑡) ↔ 𝑐𝑘 = 𝐴𝑎𝑘 + 𝑏𝑘 (57)

18
 4.3 Deslocamento no Tempo

Quando um deslocamento no tempo é aplicado a um sinal periódico x(t),

seu período T é preservado. Porém os coeficientes de Fourier b k resultantes do
sinal deslocado y(t) = x(t-t0) são expressos por:

1
𝑏𝑘 = ∫ 𝑥(𝑡 − 𝑡0 )𝑒 −𝑗𝜔0 𝑡 𝑑𝑡 (58)
𝑇
𝑇

Fazendo τ= t - t0 e resolvendo a integral, teremos:

1
∫ 𝑥(𝜏)𝑒 −𝑗𝜔0 (𝜏+𝑡0 ) 𝑑𝜏 = 𝑒 −𝑗𝑘(2𝜋/𝑇)𝑡0 𝑎𝑘 (59)
𝑇
𝑇

Sendo ak o k-ésimo termo da série de Fourier de x(t), então:

𝑥(𝑡) → 𝑎𝑘

𝑥(𝑡 − 𝑡0 ) → 𝑒 −𝑗𝑘(2𝜋/𝑇)𝑡0 𝑎𝑘

Uma observação sobre esta propriedade é que, quando o sinal é

deslocado no tempo, a magnitude dos coeficientes de Fourier permanecem
inalterados.

4.4 Reversão temporal

Para determinar os coeficientes da série de Fourier de y(t) = x(-t), vamos

usar a equação de síntese de tempo contínuo aplicada para x(-t):

𝑥(−𝑡) = ∑ 𝑎𝑘 𝑒 −𝑗𝑘2𝜋/𝑇 (60)

𝑘=−∞

Substituindo k=-m na equação 60, teremos:

𝑦(𝑡) = 𝑥(−𝑡) = ∑ 𝑎−𝑚 𝑒 𝑗𝑚2𝜋/𝑇 (61)

𝑚=−∞

A direita da igualdade tem formato de uma equação de síntese, na qual

os coeficientes bk são dados por a-k. Logo, podemos concluir que:

19
 𝑥(𝑡) → 𝑎𝑘

𝑥(−𝑡) → 𝑎−𝑘

Uma análise que pode ser feita deste resultado é que, se o sinal x(t) for
par, em uma reversão temporal x(t) = x(-t), isso implicará nos coeficientes da
série de Fourier ak = ak. No caso de um sinal ímpar, teremos os coeficientes a -k
= -ak.

4.5 Mudança de escala temporal

A mudança de escala temporal indica que o período fundamental será

alterado em alguma escala. Vamos supor um sinal x(t) com período fundamental
T, então um sinal x(αt), sendo α um número real e positivo, resultará em um
período fundamental T/α. Podemos escrever a equação de síntese:

+∞

𝑥(𝛼𝑡) = ∑ 𝑎𝑘 𝑒 𝑗𝑘(𝛼𝜔0 )𝑡 (62)

𝑘=−∞

Como podemos observar na equação 62, não houve mudança nos

coeficientes da série de Fourier, porém houve mudanças no formato da série.

4.6 Multiplicação

Vamos supor dois sinais x(t) e y(t), ambos periódicos, com período
fundamental T. A multiplicação destes dois sinais também vai resultar em um
sinal com período fundamental T, com coeficientes de Fourier h k expresso com
base nos coeficientes ak e bk, dos sinais x(t) e y(t) respectivamente.

𝑥(𝑡)𝑦(𝑡) ↔ ℎ𝑘 = ∑ 𝑎𝑙 𝑏𝑘−𝑙 (63)

𝑙=−∞

O formato da multiplicação se assemelha a uma convolução dos

coeficientes dos sinais.

20
 4.7 Simetria conjugada

Esta propriedade tem um efeito de conjugação complexa e reversão

temporal nos coeficientes de Fourier de um sinal periódico.

𝑥(𝑡) → 𝑎𝑘

∗
𝑥 ∗ (𝑡) → 𝑎−𝑘

TEMA 5 – EXEMPLO
Seja:

𝜋
𝑥(𝑡) = 1 + 𝑠𝑒𝑛𝜔0 𝑡 + 2𝑐𝑜𝑠𝜔0 𝑡 + cos (2𝜔0 𝑡 + ) (64)
4

Que tem frequência fundamental ω0, encontre os coeficientes de Fourier

do sinal x(t).
Vamos primeiramente expandir x(t) em termos de exponenciais
complexas. Para isto, temos as relações de Euler:

𝑒 𝑗𝜃 + 𝑒 −𝑗𝜃
𝑐𝑜𝑠𝜃 = (65)
2

𝑒 𝑗𝜃 − 𝑒 −𝑗𝜃
𝑠𝑒𝑛𝜃 = (66)
2𝑗

Aplicando as relações 65 e 66 em x(t), teremos:

1 𝑗𝜔 𝑡 1
𝑥(𝑡) = 1 + [𝑒 0 − 𝑒 𝑗𝜔0 𝑡 ] + [𝑒 𝑗𝜔0 𝑡 − 𝑒 𝑗𝜔0 𝑡 ] + [𝑒 𝑗(2𝜔0 𝑡+𝜋/4) + 𝑒 −𝑗(2𝜔0 𝑡+𝜋/4) ]
2𝑗 2

Agrupando os termos:

1 𝑗𝜔 𝑡 1 1 𝜋 1 𝜋
𝑥(𝑡) = 1 + (1 + ) 𝑒 0 + (1 − ) 𝑒 −𝑗𝜔0 𝑡 + ( 𝑒 𝑗( 4 ) ) 𝑒 𝑗2𝜔0 𝑡 + ( 𝑒 −𝑗( 4 ) ) 𝑒 −𝑗2𝜔0 𝑡
2𝑗 2𝑗 2 2

Com base nesta equação, podemos retirar os coeficientes de Fourier:

𝑎0 = 1

1 1
𝑎1 = (1 + )=1− 𝑗
2𝑗 2

21
 1 1
𝑎−1 = (1 − )=1+ 𝑗
2𝑗 2

1 𝑗(𝜋) √2
𝑎2 = 𝑒 4 = (1 + 𝑗)
2 4

1 −𝑗(𝜋) √2
𝑎−2 = 𝑒 4 = (1 − 𝑗)
2 4

𝑎𝑘 = 0, |𝑘| > 2

A partir destas equações, podemos montar um gráfico de magnitude e da

fase dos coeficientes de Fourier ak.

Figura 9 – Gráfico de magnitude dos coeficientes ak

Fonte: Oppenheim, 2010.

Figura 10 – Gráfico de fase dos coeficientes ak

Fonte: Oppenheim, 2010.

FINALIZANDO
Nesta aula, estudamos a série de Fourier como forma de representar
sinais. Vimos que a maioria dos sinais pode ser expresso como uma sequência
de senos e cossenos, sendo que cada um destes termos possui um coeficiente
que chamamos de coeficiente de Fourier.

22
 Também estudamos as autofunções e autovalores, que são as
exponenciais complexas associadas ao sistema LIT e uma constante que é
determinada baseada em um valor de uma variável.
As propriedades das séries de Fourier serão muito usadas na próxima
aula, na qual estudaremos a aplicação das transformadas de Fourier em sinais.
Porém podemos destacar que, com a separação dos sinais em componentes de
senos e cossenos, podemos compreender melhor o formato dos sinais como
uma combinação linear de sinais mais simples.

23
 REFERÊNCIAS

OPPENHEIM, A. V.; WIILLSKY, A. S.; NAWAB, H. Sinais e Sistemas. 2. ed.

São Paulo: Pearson, 2010.

LATHI, B. P. Sinais e Sistemas Lineares. 2. ed. Porto Alegre: Bookman, 2007.

ZIBETTI, M. Sinais e Sistemas. Curitiba: UTFPR, 2012. Material de aula.

24