SINAIS E SISTEMAS

AULA 4

Prof. Charles Way Hun Fung

 CONVERSA INICIAL

Na aula anterior demonstramos a representação de um sinal periódico

como uma combinação linear de exponenciais complexas e percebemos que
esse formato permitia descrever diversas características de um sistema LIT.
Nesta aula, iremos estender esse conceito para sinais aperiódicos, em que as
exponenciais complexas estão infinitesimalmente próximas em frequência,
fazendo com que a soma se torne uma integral. O espectro de coeficientes
resultante é chamado de transformada de Fourier. Bons estudos!

TEMA 1 – TRANSFORMADA DE FOURIER PARA SINAIS CONTÍNUOS

Para começarmos o entendimento da transformada de Fourier, iremos

revisar a representação por série de Fourier de uma onda quadrada periódica de
tempo contínuo (Oppenheim; Willsky; Nawab, 2010).
1, |𝑡| < 𝑇1
𝑥 (𝑡) = { (1)
0, 𝑇1 < |𝑡| < 𝑇/2
Essa onda se repete com período T. A figura a seguir ilustra essa
equação.

Figura 1 – Onda quadrada periódica de tempo contínuo

Fonte: Oppenheim; Willsky; Nawab, 2010.

A partir da Equação 1 podemos calcular o coeficiente ak da série de

Fourier com a equação de análise para tempo contínuo.
2𝑠𝑒𝑛(𝑘𝜔0 𝑇1 )
𝑎𝑘 = (2)
𝑘𝜔0 𝑇
Podemos interpretar a Equação 2 como amostras de uma função
envoltória:
2𝑠𝑒𝑛(𝜔𝑇1 )
𝑇𝑎𝑘 = { (3)
𝜔 𝜔 = 𝑘𝜔0
2
 Como ω é uma variável contínua, a Equação 3 apresenta uma envoltória
de Tak e os coeficientes ak são amostras uniformemente espaçadas nessa
envoltória. Isso é ilustrado nas figuras a seguir:

Figura 2 – Os coeficientes da série de Fourier para a Figura 1 e a envoltória

(a) T=4T1, (b) T=8T1, (c) T=16T1

Fonte: Oppenheim; Willsky; Nawab, 2010.

Na Equação 3, podemos verificar que para um valor fixo de T 1, Tak é

independente de T. Podemos observar também que quanto maior o valor de T,
como visto na figura 2c, menor é o espaçamento das amostras da envoltória. É
por isso que quando T tende ao infinito, os coeficientes de Fourier da série que
compõem a onda quadrada tendem à envoltória. Isso também significa que a
onda quadrada periódica original tende a um pulso retangular, ou seja, torna-se
um sinal aperiódico com período da onda quadrada.
Esse exemplo é interessante, pois com ele conseguimos entender que o
limite de um sinal periódico, quando o período se torna muito grande, é um sinal
aperiódico. Para chegarmos a essa conclusão, tivemos que analisar a

3
 representação por série de Fourier para um sinal com período expressamente
grande.
Vamos considerar agora um sinal aperiódico x(t) que é definido pela figura
a seguir:

Figura 3 – Sinal aperiódico x(t)

Fonte: Oppenheim; Willsky; Nawab, 2010.

Podemos dizer que ele tem algum valor em um intervalo t ≤ |T1|, e valor
zero para valores t > |T1|. É possível construir um sinal periódico p(t), com o sinal
x(t) como período. A Figura 4 ilustra esse sinal:

Figura 4 – Sinal periódico p(t)

Fonte: Oppenheim; Willsky; Nawab, 2010.

Como supomos anteriormente, quando o período T tender ao infinito, o

sinal p(t) irá tender ao sinal x(t). Tomando como base essa suposição, iremos
aplicar a série de Fourier a esse sinal periódico, utilizando as equações de
síntese e analise da série de Fourier de tempo contínuo.
+∞

𝑝(𝑡) = ∑ 𝑎𝑘 𝑒 𝑗𝑘𝜔0 𝑡 (4)

𝑘=−∞
𝑇/2
1
𝑎𝑘 = ∫ 𝑝(𝑡)𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡 (5)
𝑇
−𝑇/2

4
 Sabemos que ω0 = 2π/T. Nessa condição, x(t) = p(t) para |t|<T/2 e x(t)=0
para qualquer ponto fora do intervalo. Podemos reescrever a Equação 5 como:
𝑇/2 +∞
1 1
𝑎𝑘 = ∫ 𝑥 (𝑡)𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡 = ∫ 𝑥 (𝑡)𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡 (6)
𝑇 𝑇
−𝑇/2 −∞

Podemos definir a envoltória X(jω) de Tak como:

+∞

𝑋(𝑗𝜔) = ∫ 𝑥 (𝑡)𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡 (7)

−∞
Com seu coeficiente ak:
1
𝑎𝑘 = 𝑋(𝑗𝑘𝜔0 ) (8)
𝑇
Usando as equações 4 e 8, temos:
+∞
1
𝑝(𝑡) = ∑ 𝑋(𝑗𝑘𝜔0 )𝑒 𝑗𝑘𝜔0 𝑡 (9)
𝑇
𝑘=−∞
Fazendo T=2π/ωo, teremos:
+∞
1
𝑝(𝑡) = ∑ 𝑋(𝑗𝑘𝜔0 )𝑒 𝑗𝑘𝜔0 𝑡 𝜔0 (10)
2𝜋
𝑘=−∞
Na Equação 10, quando T → ∞, p(t) se torna uma representação de x(t),
e com isso o somatório se torna uma integral:
+∞
1
𝑥 (𝑡) = ∫ 𝑋(𝑗𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔 (11)
2𝜋
−∞
+∞

𝑋(𝑗𝜔) = ∫ 𝑥(𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡 (12)

−∞
As equações 11 e 12 são conhecidos como par transformado de Fourier.
A Equação 12 é a equação de análise, também chamada de transformada de
Fourier ou integral de Fourier. A equação 11, por sua vez, é a equação de
síntese, que também é chamada de transformada inversa de Fourier.
A equação de síntese representa um sinal aperiódico como combinação
linear de exponenciais complexas. No caso de sinais periódicos, a amplitude
5
 dessas exponenciais é representada por ak e ocorre em um conjunto de
frequências denominado harmônicas de kω0, k=0,±1,± 2,... Essas exponenciais
se aproximam para criar uma curva contínua de frequência. Assim, podemos
dizer que a transformada X(jω) de um sinal aperiódico x(t) é conhecido como
espectro de x(t).
Para deduzir uma equação para os coeficientes de Fourier ak, usaremos
um sinal x(t) de duração finita que é igual a um período de um sinal periódico
p(t). Vamos supor um intervalo de t, s ≤ t ≤ s+T, para um valor de s e zero caso
contrário. Aplicando a equação de análise da série de Fourier, teremos:
𝑆+𝑇 𝑆+𝑇
1 1
𝑎𝑘 = ∫ 𝑝(𝑡)𝑒 −𝑗𝜔0 𝑡 𝑑𝑡 = ∫ 𝑥 (𝑡)𝑒 −𝑗𝜔0 𝑡 𝑑𝑡
𝑇 𝑇
𝑆 𝑆
Pela condição, x é zero fora do intervalo s ≤ t ≤ s+T, então podemos
reescrever a equação:
+∞
1
𝑎𝑘 = ∫ 𝑥 (𝑡)𝑒 −𝑗𝜔0 𝑡 𝑑𝑡 (13)
𝑇
−∞
Relacionando a Equação 13 com a 12, temos:
1
𝑎𝑘 = 𝑋(𝑗𝜔)|𝜔=𝑘𝜔0 (14)
𝑇
A Equação 14 indica que os coeficientes de Fourier de p(t) são
proporcionais a amostras da transformada de Fourier de p(t) em um período.

TEMA 2 – CONVERGÊNCIA DA TRANSFORMADA DE FOURIER

A forma como implementamos as equações de síntese e análise sugere

que as condições de convergência para as séries de Fourier também funcionam
para a transformada.
Precisamos determinar quais sinais seremos capazes de representar com
a transformada de Fourier. Para isso, aplicaremos as condições de Dirichlet
(Oppenheim; Willsky; Nawab, 2010) para determinar se é possível a
representação do sinal aperiódico pela transformada.

1. x(t) tenha uma duração finita, mas com energia finita:

6
 +∞

∫ |𝑥(𝑡)|𝑑𝑡 < ∞ (15)

−∞

2. sinais que satisfazem as condições de Dirichlet:

 x(t) precisa ser absolutamente integrável;

 em um intervalo finito, x(t) precisa ter um número finito de máximos e
mínimos;
 em um intervalo finito, x(t) precisa ter um número finito de
descontinuidades.

3. x(t) podemos usar impulsos e representar ainda mais sinais que

satisfazem todas as condições anteriores.

Exemplos de transformadas de Fourier:

a. 𝑥(𝑡) = 𝑒 −𝛼𝑡 𝑢(𝑡), 𝑎 > 0

Aplicando a Equação 12, teremos:

∞
1
𝑋(𝑗𝜔) = ∫ 𝑒 −𝛼𝑡 𝑒 −𝑗𝜔𝑡 𝑑𝑡 = − 𝑒 −(𝛼+𝑗𝜔)𝑡 |∞
0
𝑎 + 𝑗𝜔
0

Resolvendo essa indeterminação:

1
𝑋(𝑗𝜔) = ,𝛼 > 0
𝛼 + 𝑗𝜔
Pelo fato de o resultado ser um número complexo, podemos fazer duas
representações: magnitude e fase.
Para expressar a magnitude desse sinal, basta fazer |X(jω)|. Então:
1
𝑋(𝑗𝜔) = (16)
√𝛼 2 + 𝜔 2
Já a fase exprime o ângulo formado pela parte complexa:
𝜔
∢𝑋(𝑗𝜔) = −𝑡𝑔−1 ( ) (17)
𝛼
Os gráficos de magnitude e de fase são esboçados nas figuras a seguir:

7
 Figura 5 – Gráfico de magnitude da transformada de Fourier

Fonte: Oppenheim; Willsky; Nawab, 2010.

Figura 6 – Gráfico de fase da transformada de Fourier

Fonte: Oppenheim; Willsky; Nawab, 2010.

Se α for complexo, x(t) será absolutamente integrável se a parte real de α

for maior que zero. Nesse caso, o resultado do cálculo seria o mesmo que o
apresentado.

b. Pulso retangular:

1, |𝑡| < 𝑇1
𝑥(𝑡) = { (18)
0, 𝑇1 < |𝑡|
A Figura 7 ilustra esse sinal:

8
 Figura 7 – Pulso retangular

Fonte: Oppenheim; Willsky; Nawab, 2010.

Aplicando a Equação 12 teremos:

𝑇1
𝑠𝑒𝑛(𝜔𝑇1 )
𝑋(𝑗𝜔) = ∫ 𝑒 −𝑗𝜔𝑡 𝑑𝑡 = 2 (19)
𝜔
−𝑇1

O esboço dos gráficos da transformada de Fourier é apresentado na figura

a seguir:

Figura 8 – Transformada de Fourier do pulso retangular

Fonte: Oppenheim; Willsky; Nawab, 2010.

O pulso retangular pode ser considerado uma onda quadrada, como

comentado no começo da aula, no limite de período arbitrariamente grande.
Podemos perceber em alguns detalhes, segundo Zibetti (2012), que há
uma relação inversa entre a espessura dos pulsos. Quando observamos a
transformada, percebemos que há uma relação inversamente proporcional a T1.
Isso se caracteriza pelo fenômeno de Gibbs, como ocorria na série de Fourier.
Outro detalhe importante é que quanto menor o tamanho do pulso, maior será o
cruzamento por zero na frequência. Essas características são ilustradas nas
figuras a seguir:

9
 Figura 9 – Transformada de Fourier para diferentes valores de W

Fonte: Oppenheim; Willsky; Nawab, 2010.

TEMA 3 – PROPRIEDADE DA TRANSFORMADA DE FOURIER

3.1 Linearidade

Se a transformada de Fourier e sua inversão são:

ℱ
𝑥(𝑡) ↔ 𝑋(𝑗𝜔) (20)
isso implica em:
ℱ
𝑦(𝑡) ↔ 𝑌(𝑗𝜔) (21)
Somando-se a Equação 20 com a Equação 21, temos:
ℱ
𝑎𝑥(𝑡) + 𝑏𝑦(𝑡) ↔ 𝑎𝑋(𝑗𝜔) + 𝑏𝑌(𝑗𝜔) (22)
A linearidade pode ser "estendida para a combinação linear de um número
arbitrário de sinais" (Oppenheim; Willsky; Nawab, 2010).

3.2 Deslocamento no tempo

Usando a Equação 20:

ℱ
𝑥(𝑡) ↔ 𝑋(𝑗𝜔) (20)
então podemos escrever:
ℱ
𝑥(𝑡 − 𝑡0 ) ↔ 𝑒 −𝑗𝜔𝑡0 𝑋(𝑗𝜔) (23)
Fazendo uso da Equação 11:
+∞
1
𝑥(𝑡) = ∫ 𝑋(𝑗𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔 (11)
2𝜋
−∞

substituindo t por t-t0, teremos:

10
 +∞ +∞
1 1
𝑥(𝑡 − 𝑡0 ) = ∫ 𝑋(𝑗𝜔)𝑒 𝑗𝜔(𝑡−𝑡0 ) 𝑑𝜔 = ∫ 𝑒 −𝑗𝜔𝑡0 𝑋(𝑗𝜔)𝑒 −𝑗𝜔𝑡 𝑑𝜔
2𝜋 2𝜋
−∞ −∞

Podemos concluir, a partir dessa equação, que a transformada de Fourier

de x(t-t0) é:
ℱ{𝑥(𝑡 − 𝑡0 )} = 𝑒 −𝑗𝜔𝑡0 𝑋(𝑗𝜔) (24)
Uma característica dessa propriedade é que a magnitude da transformada
de Fourier não é alterada. Ou seja, a expressão polar de X(jω) pode ser expressa
por:
ℱ{𝑥(𝑡)} = 𝑋(𝑗𝜔) = |𝑋(𝑗𝜔)|𝑒 𝑗∢𝑋(𝑗𝜔) (25)
ou
ℱ{𝑥(𝑡 − 𝑡0 )} = 𝑒 −𝑗𝜔𝑡0 𝑋(𝑗𝜔) = |𝑋(𝑗𝜔)|𝑒 𝑗[∢𝑋(𝑗𝜔)−𝜔𝑡0 ] (26)

Podemos perceber, a partir da Equação 26, que o deslocamento no tempo

insere uma parcela na fase -ωt0.

3.3 Conjugação e simetria conjugada

Partindo novamente da Equação 20:

ℱ
𝑥(𝑡) ↔ 𝑋(𝑗𝜔) (20)
Logo,
ℱ
𝑥 ∗ (𝑡) ↔ 𝑋 ∗ (−𝑗𝜔) (27)
Se aplicarmos o conjugado na Equação 12:
+∞

𝑋(𝑗𝜔) = ∫ 𝑥(𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡 (12)

−∞

Teremos:
+∞

𝑋 ∗ (𝑗𝜔) = ∫ 𝑥 ∗ (𝑡)𝑒 𝑗𝜔𝑡 𝑑𝑡 (28)

−∞

Substituindo ω por -ω temos:

+∞

𝑋 ∗ (−𝑗𝜔) = ∫ 𝑥 ∗ (𝑡)𝑒 𝑗𝜔𝑡 𝑑𝑡 (28)

−∞

O lado direito da equação é a equação de análise de x*(t). Logo, pela

propriedade da conjunção, se x(t) é real, então X(jω) tem simetria conjugada:
𝑋(−𝑗𝜔) = 𝑋 ∗ (𝑗𝜔), 𝑠𝑒 𝑥(𝑡)𝑓𝑜𝑟 𝑟𝑒𝑎𝑙 (29)

11
 Podemos aplicar a Equação 29 em um exemplo:
1
𝑋(𝑗𝜔) =
𝛼 + 𝑗𝜔
Fazendo ω = - ω, teremos:
1
𝑋(−𝑗𝜔) = = 𝑋 ∗ (𝑗𝜔)
𝛼 − 𝑗𝜔
Logo, se colocarmos X(jω) no formato retangular, teremos:
𝑋(𝑗𝜔) = ℛℯ[𝑋(𝑗𝜔)] + 𝑗ℐ𝓂[𝑋(𝑗𝜔)]
Sendo x real, teremos:
ℛℯ[𝑋(𝑗𝜔)] = ℛℯ[𝑋(−𝑗𝜔)]
ℐ𝓂[𝑋(𝑗𝜔)] = −ℐ𝓂[𝑋(−𝑗𝜔)]
Pelas equações anteriores, podemos perceber que a parte real da
transformada de Fourier é par e a parte imaginária é uma função ímpar.

3.4 Mudança de escala

Partindo novamente da Equação 20:

ℱ
𝑥(𝑡) ↔ 𝑋(𝑗𝜔) (20)
então:
ℱ 1 𝑗𝜔
𝑥(𝛼𝑡) ↔ 𝑋 (30)
|𝛼| 𝛼
Sendo α um número real diferente de zero, aplicando o conceito dessa
propriedade na transformada de Fourier temos:
+∞
ℱ{𝑥(𝛼𝑡)} = ∫−∞ 𝑥(𝛼𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡
Substituindo τ=αt, temos:
+∞
1 𝜔
∫ 𝑥(𝜏)𝑒 −𝑗( 𝛼 )𝜏 𝑑𝜏, 𝛼 > 0
𝛼
−∞
ℱ{𝑥(𝛼𝑡)} = +∞ (31)
1 𝜔
− ∫ 𝑥(𝜏)𝑒 −𝑗( 𝛼 )𝜏 𝑑𝜏, 𝛼 < 0
𝛼
{ −∞

A partir da Equação 31, podemos concluir que um fator de mudança de

escala linear α no tempo corresponde a um fator de mudança de escala linear
de 1/α na frequência e vice-versa.
Também é perceptível que, quando fazemos o fator α=-1, teremos uma
relação:
ℱ
𝑥(−𝑡) ↔ 𝑋(−𝑗𝜔) (32)

12
 A Equação 32 consiste em uma reversão no tempo, implicando em uma
reversão da transformada.

3.5 Dualidade

Analisando as equações 11 e 12:

+∞
1
𝑥(𝑡) = ∫ 𝑋(𝑗𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔 (11)
2𝜋
−∞
+∞

𝑋(𝑗𝜔) = ∫ 𝑥(𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡 (12)

−∞

Essas equações podem parecer similares em forma, mas possuem uma

diferença. Isto fica evidente em diversos pares transformados, como é ilustrado
na figura a seguir:

Figura 10 – Dualidade entre pares da transformada de Fourier

Fonte: Oppenheim; Willsky; Nawab, 2010.

A figura 10 apresenta a dualidade entre os sinais x1(t) e x2(t).

1, |𝑡| < 𝑇1 ℱ 2𝑠𝑒𝑛𝜔𝑇1
𝑥1(𝑡) = { ↔ 𝑋1(𝑗𝜔) = (33)
0, |𝑡| > 𝑇1 𝜔
𝑠𝑒𝑛𝑊𝑇1 ℱ 1, |𝑡| < 𝑇1
𝑥2(𝑡) = ↔ 𝑋1(𝑗𝜔) = { (34)
𝜋𝑡 0, |𝑡| > 𝑇1
Essa simetria se estende às transformadas de Fourier de forma geral.

13
 3.6 Relação de Parseval

Segundo Zibetti (2012), se x(t) e X(jω) forem um par transformado de

Fourier, então:
+∞ +∞
1
∫ |𝑥(𝑡)|2 𝑑𝑡 = ∫ |𝐻(𝑗𝜔)|2 𝑑𝜔 (35)
2𝜋
−∞ −∞

A partir do lado esquerdo da Equação 35, podemos deduzir a parte direita,

seguindo os passos:

+∞ +∞ +∞
1
= ∫ 𝑥(𝑡)𝑥 ∗ (𝑡)𝑑𝑡 = ∫ 𝑥(𝑡)[ ∫ 𝑋 ∗ (𝑗𝜔)𝑒 −𝑗𝜔𝑡 𝑑𝜔]𝑑𝑡
2𝜋
−∞ −∞ −∞

Trocando a ordem das integrais:

+∞ +∞ +∞
1
∫ |𝑥(𝑡)|2 𝑑𝑡 = ∫ 𝑋 ∗ (𝑗𝜔)[ ∫ 𝑥(𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡]𝑑𝜔
2𝜋
−∞ −∞ −∞

Sabemos que:
+∞

𝑋(𝑗𝜔) = ∫ 𝑥(𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡

−∞

Logo,
+∞ +∞
1
∫ |𝑥(𝑡)|2 𝑑𝑡 = ∫ |𝐻(𝑗𝜔)|2 𝑑𝜔
2𝜋
−∞ −∞

Essa equação é a relação de Parseval. O termo à esquerda é a energia

total do sinal x(t). Essa energia pode ser calculada integrando-se |x(t)|2 no tempo.
Também podemos calcular a energia na frequência integrando-se para todas as
frequências o |X(jω)|2/2π. Por isso, |X(jω)|2 é chamado de espectro de densidade
de energia do sinal x(t) (Oppenheim; Willsky; Nawab, 2010).

3.7 Convolução

A convolução foi estudada anteriormente como sendo a resposta de um

sistema LIT a um sinal de entrada. Esse sinal pode ser decomposto usando a
série de Fourier, lembrando que as exponenciais complexas são as autofunções
e os coeficientes da série multiplicados pela resposta em frequência do sinal de
entrada são a saída do sistema.
Vamos partir da equação síntese. Temos:

14
 +∞ +∞
1 1
𝑥(𝑡) = ∫ 𝑋(𝑗𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔 = lim ∑ 𝑋(𝑗𝑘𝜔0 )𝑒 𝑗𝑘𝜔0 𝑡 𝜔0 (36)
2𝜋 𝜔0 →0 2𝜋
−∞ 𝑘=−∞

Aplicando-se a transformada de Fourier na resposta ao impulso do

sistema h(t), teremos:
+∞

𝐻(𝑗𝑘𝜔0 ) = ∫ ℎ(𝑡)𝑒 −𝑗𝑘𝜔0 𝑡 𝑑𝑡 (37)

𝑘=−∞

A transformada de Fourier da resposta ao impulso de um sistema LIT é

um fator de escala (autovalor) da autofunção, exponencial complexa ejkω0t,
conforme mostrado a seguir:
+∞
1
∑ 𝑋(𝑗𝑘𝜔0 )𝐻(𝑗𝑘𝜔0 )𝑒 𝑗𝑘𝜔0 𝑡 𝜔0
2𝜋
𝑘=−∞

Então a resposta do sistema para um sinal x(t) será:

+∞
1
𝑦(𝑡) = lim ∑ 𝑋(𝑗𝑘𝜔0 )𝐻(𝑗𝑘𝜔0 )𝑒 𝑗𝑘𝜔0 𝑡 𝜔0
𝜔0 →0 2𝜋
𝑘=−∞
+∞
1
𝑦(𝑡) = ∫ 𝑋(𝑗𝜔)𝐻(𝑗𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔 (38)
2𝜋
−∞

Podemos relacionar y(t) com sua transformada Y(jω):

+∞
1
𝑦(𝑡) = ∫ 𝑌(𝑗𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔 (39)
2𝜋
−∞

Aplicando a Equação 39 à Equação 38, teremos:

𝑌(𝑗𝜔) = 𝑋(𝑗𝜔)𝐻(𝑗𝜔) (40)
A dedução formal da Equação 40 é apresentada a seguir:
+∞

𝑦(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏 (41)

−∞

A transforma Y(jω) de y(t) pode ser definida como:

+∞ +∞

𝑌(𝑗𝜔) = ∫ ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏𝑒 −𝑗𝜔𝑡 𝑑𝑡 (42)

−∞ −∞

Trocando a ordem das integrais:

+∞ +∞

𝑌(𝑗𝜔) = ∫ 𝑥(𝜏) [ ∫ ℎ(𝑡 − 𝜏)𝑒 −𝑗𝜔𝑡 𝑑𝑡] 𝑑𝜏 (43)

−∞ −∞

Pela propriedade de deslocamento no tempo, definida na Equação 23,

poderemos substituir o termo entre colchetes por:
15
 +∞ +∞

𝑌(𝑗𝜔) = ∫ 𝑥(𝜏)𝑒 −𝑗𝜔𝑡 𝐻(𝑗𝜔)𝑑𝜏 = 𝐻(𝑗𝜔) ∫ 𝑥(𝜏)𝑒 −𝑗𝜔𝑡 𝑑𝜏 (44)

−∞ −∞

A integral que H(jω) está multiplicando é X(jω):

𝑌(𝑗ω) = H(jω)X(jω)
Essa dedução produz um resultado muito interessante:
ℱ
𝑦(𝑡) = ℎ(𝑡) ∗ 𝑥(𝑡) ↔ 𝑌(𝑗𝜔) = 𝐻(𝑗𝜔)𝑋(𝑗𝜔) (45)
A conclusão da Equação 45 é que a resposta de um sistema LIT no tempo
é uma convolução do sinal de entrada pela resposta ao impulso. Quando usamos
a transformada de Fourier e estamos na frequência, a resposta do sistema é uma
multiplicação da resposta em frequência pela transformada do sinal de entrada.
Esse é um conceito interessante que expande o que aprendemos sobre a
resposta de um sistema LIT. Quando tínhamos dois sistemas em cascata, a
resposta ao impulso desses dois sistemas era a convolução das respostas ao
impulso desses dois sistemas. Porém, aplicando a propriedade da convolução,
isso implicará que a resposta em frequência dos sistemas será o produto da
resposta em frequência individual de cada sistema. Isso é ilustrado na figura a
seguir:

Figura 11 – Resposta em frequência de sistemas LIT. Os três sistemas são

equivalentes

Fonte: Oppenheim; Willsky; Nawab, 2010.

16
 TEMA 4 – TRANSFORMADA DE FOURIER EM TEMPO DISCRETO

Da mesma forma que fizemos com a transformada de Fourier em tempo

contínuo, iremos fazer a dedução em tempo discreto. Para isso, vamos
considerar um sinal discreto composto por uma sequência x[n] de duração finita,
em que os valores de n estão no intervalo entre N1 e N2, -N1≤n≤N2. Para valores
fora desse intervalo, x[n]=0. A figura a seguir ilustra esse sinal:

Figura 12 – Sinal x[n] de duração finita

Fonte: Oppenheim; Willsky; Nawab, 2010.

Iremos fazer uma comparação com um sinal p[n] periódico com o período
N, como ilustrado a seguir:

Figura 13 – Sinal periódico p[n]

Fonte: Oppenheim; Willsky; Nawab, 2010.

Quando o período N tende ao infinito, o sinal p[n] irá tender ao sinal x[n].
Ou seja, nesse caso temos x[n] = p[n] para qualquer valor infinito de n.
Aplicando a série de Fourier em p[n], teremos as equações de síntese e
análise:

𝑝[𝑛] = ∑ 𝑎𝑘 𝑒 𝑗𝑘(2𝜋/𝑁)𝑛 (46)

𝑘=<𝑁>
1 2𝜋
𝑎𝑘 = ∑ 𝑝[𝑛]𝑒 −𝑗𝑘( 𝑁 )𝑛 (47)
𝑁
𝑛=<𝑁>

17
 Como queremos generalizar para todos os valores de x[n], mesmo fora do
intervalo -N1≤n≤N2, fazemos a Equação 47 ficar no seguinte formato:
+∞
1 2𝜋
𝑎𝑘 = ∑ 𝑥[𝑛]𝑒 −𝑗𝑘( 𝑁 )𝑛 (48)
𝑁
𝑛=−∞

Com base na Equação 48, podemos definir a equação:

+∞

𝑋(𝑒 𝑗𝜔 ) = ∑ 𝑥[𝑛]𝑒 −𝑗𝜔𝑛 (49)

𝑛=−∞

Podemos perceber que os coeficientes ak são proporcionais aos valores

de X(ejω):
1
𝑎𝑘 = 𝑋(𝑒 𝑗𝑘𝜔0 ) (50)
𝑁
para os quais ω0=2π/N, que é o espaçamento das amostras no domínio
da frequência. Aplicando a Equação 50 à Equação 46, teremos:

𝑝[𝑛] = ∑ 𝑋(𝑒 𝑗𝑘𝜔0 )𝑒 𝑗𝑘𝜔0 𝑛 (51)

𝑘=<𝑁>

Fazendo 1/N=ω0/2π, teremos:

1
𝑝[𝑛] = ∑ 𝑋(𝑒 𝑗𝑘𝜔0 )𝑒 𝑗𝑘𝜔0 𝑛 𝜔0 (52)
2𝜋
𝑘=<𝑁>

Agora, fazendo N tender ao infinito, ω0 irá tender a 0. Com isso, o

somatório da Equação 51 se transforma em uma integral. Podemos observar
isso na Figura 14.

Figura 14 – Gráfico da Equação 51

Fonte: Oppenheim; Willsky; Nawab, 2010.

Para N → ∞, a integração será em um intervalo de 2π e também p[n] =

x[n] nessas condições. Com isso, podemos modificar a Equação 51 para:
18
 1
𝑥[𝑛] = ∫ 𝑋(𝑒 𝑗𝜔 )𝑒 𝑗𝜔𝑛 𝑑𝜔
2𝜋 2𝜋
Assim, conseguimos desenvolver um equivalente para tempo discreto das
equações 11 e 12. As equações
1
𝑥[𝑛] = ∫ 𝑋(𝑒 𝑗𝜔 )𝑒 𝑗𝜔𝑛 𝑑𝜔 (53)
2𝜋 2𝜋
+∞
𝑗𝜔
𝑋(𝑒 ) = ∑ 𝑥[𝑛]𝑒 −𝑗𝜔𝑛 (54)
𝑛=−∞

correspondem às equações em tempo discreto de síntese (Equação 53) e

análise (Equação 54). Esta última também é chamada de transformada de
Fourier de tempo discreto, e a primeira é a transformada inversa em tempo
discreto. Uma observação é que agora podemos escrever sequências
aperiódicas como uma combinação linear de exponenciais complexas. Outro fato
interessante é que as exponenciais e-jωn são periódicas para cada ω = 2π. Por
causa disso é conveniente usar o índice ejω.

TEMA 5 – EXEMPLO

O exemplo apresentado a seguir é adaptado de Oppenheim, Willsky e

Nawab (2010).
Considere o pulso retangular
1, |𝑛| ≤ 𝑁1
𝑥[𝑛] = { (55)
0, |𝑛| > 𝑁1
Esse sinal é ilustrado na figura a seguir:

Figura 15 – Sinal pulso retangular em tempo discreto

Fonte: Oppenheim; Willsky; Nawab, 2010.

Aplicando a transformada de Fourier nesse sinal teremos:

19
 𝑁1 2𝑁1
𝑗𝜔 −𝑗𝜔𝑛 𝑗𝜔𝑁1
𝑋(𝑒 )= ∑ 𝑒 =𝑒 ∑(𝑒 −𝑗𝜔 )𝑛 (56)
𝑛=−𝑁1 𝑛=0

𝑗𝜔 𝑗𝜔𝑁1
1 − 𝑒 −𝑗𝜔(2𝑁1 +1)
𝑋(𝑒 )=𝑒 ( )
1 − 𝑒 −𝑗𝜔
𝑗𝜔
𝑒 𝑗𝜔(𝑁1 +1/2) − 𝑒 −𝑗𝜔(𝑁1 +1/2)
𝑋(𝑒 ) = ( )
𝑒 𝑗𝜔/2 − 𝑒 −𝑗𝜔/2
𝑠𝑒𝑛(𝜔(𝑁1 + 1/2))
𝑋(𝑒 𝑗𝜔 ) = 𝜔 (57)
𝑠𝑒𝑛( 2 )

A Equação 57 é conhecida também como uma função sinc periódica, que

é ilustrada pela figura a seguir:

Figura 16 – Transformada de Fourier do sinal

Fonte: Oppenheim; Willsky; Nawab, 2010.

FINALIZANDO

Nesta aula estudamos a transformada de Fourier. Inicialmente usamos as

séries de Fourier para sinais aperiódicos para determinar uma forma de
representação para esses sinais. Porém, com a dedução da transformada,
percebemos que esta é uma ferramenta que pode mudar completamente a forma
como vemos os problemas. Quando aplicamos a transformada em um sinal no
tempo, por exemplo um sinal x(t), podemos analisá-lo em outro domínio – a
frequência. Isso gera resultados muito interessantes quando analisadas as
propriedades dessa ferramenta. Com a transformada pudemos estender o
conhecimento sobre a resposta ao impulso de um sinal em um sistema LIT.
Percebemos que, com a mudança para o domínio da frequência, uma
convolução no tempo se torna um produto. Isso facilita a forma de fazer análise
de sistemas e sinais em cascata. Há ainda a dualidade de sinais e suas
transformadas, que facilitam ainda mais a conversão desses sinais para os dois
domínios conhecidos.
20
 REFERÊNCIAS

LATHI, B. P. Sinais e sistemas lineares. 2. ed. Porto Alegre: Bookman, 2007.

OPPENHEIN, A. V.; WIILLSKY, A. S.; NAWAB, H. Sinais e sistemas. 2. ed. São

Paulo: Pearson, 2010.

ZIBETTI, M. Sinais e sistemas. Curitiba, 2012. Material de aula.

21