TRANSFORMADA DE FOURIER

VETORES DE FUNÇÕES CONTÍNUAS E ORTOGONALIDADE

A álgebra linear define ferramentas aplicáveis a diversos tipos de objetos
matemáticos que compartilham entre si as propriedades da linearidade. Entre estes
objetos estão os vetores, as sequências numéricas, os polinômios e as funções
contínuas definidas em um intervalo específico. Em todos os casos emprega-se a
denominação genérica de vetores.
Um vetor geométrico tridimensional possui 3 coordenadas, portanto dimensão 3.
Uma sequência de N valores possui, de forma análoga, dimensão N. Um segmento
de função pode ser visto como uma sequência de infinitos valores, portanto um
vetor de dimensão infinita:
⃗ = (𝑥, 𝑦, 𝑧)
𝑢 → 𝐷𝑖𝑚 = 3
𝑠[𝑘] = {𝑠1 , 𝑠2 , 𝑠3 , … , 𝑠𝑁 } → 𝐷𝑖𝑚 = 𝑁
𝑝(𝑥 ) = 𝑎0 + 𝑎1 . 𝑥 + 𝑎2 . 𝑥 2 + … + 𝑎𝑁 . 𝑥 𝑁 → 𝐷𝑖𝑚 = 𝑁
𝑏
𝑓 (𝑥 ) | = 𝑠𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎 𝑑𝑒 𝑝𝑜𝑛𝑡𝑜𝑠 → 𝐷𝑖𝑚 = ∞
𝑎

1
Considerando-se que o produto interno (ou escalar) entre dois vetores ou entre
duas sequências é dado por:
𝑢
⃗ ∙ 𝑣 = 𝑢1 . 𝑣1 + 𝑢2 . 𝑣2 + 𝑢3 . 𝑣3
𝑁

𝑟[𝑘] ∙ 𝑠[𝑘] = ∑ 𝑟𝑘 . 𝑠𝑘
𝑘=1
Teremos de forma equivalente, para o caso de funções contínuas definidas no
intervalo [𝑎, 𝑏], o produto interno definido por:
𝑏
𝑓(𝑥 ) ∙ 𝑔(𝑥) = ∫ 𝑓(𝑥 ). 𝑔(𝑥) 𝑑𝑥
𝑎
O produto interno pode ser considerado uma medida da similaridade entre duas
funções em dado intervalo, pois funções com comportamento concordante ou em
oposição produzem produtos internos grandes (em módulo) e funções com
comportamento indiferente entre si, ora concordante, ora discordante, produzem
produtos internos pequenos (em módulo).
O produto interno também pode ser interpretado como a projeção de uma função
sobre a outra, o que no final nos remete novamente à ideia de similaridade.
2
Duas funções totalmente indiferentes entre si, como no caso de uma função par e
outra ímpar, produzem produto interno nulo, e neste caso são ditas “ortogonais”.
São ortogonais pares de funções como {𝑠𝑒𝑛(𝑥), 𝑐𝑜𝑠(𝑥)} 𝑒 {𝑥 2 , 𝑥 3 } em intervalos
simétricos em relação à origem.

TRANSFORMAÇÕES INTEGRAIS
Uma transformação integral é uma operação entre dois vetores definidos como
funções contínuas em certo intervalo e que resulta em outro vetor do mesmo
espaço vetorial. Uma das funções é fixa e corresponde ao núcleo da
transformação, definindo o tipo de transformação que é operada sobre o outro
vetor:
𝑥2
𝑓(𝑢) = 𝑇𝐺 [𝑓(𝑥 )] = ∫ 𝑓(𝑥 ). 𝐺 (𝑥, 𝑢)𝑑𝑥
𝑥1
Do ponto de vista da álgebra linear, a transformação integral ou transformada
integral pode ser interpretada como a projeção linear (produto interno) da função
operada sobre cada vetor do núcleo, usualmente uma base linearmente
independente (LI) do espaço vetorial das funções contínuas definidas no intervalo
[𝑥1 , 𝑥2 ].
3
Como as funções contínuas são vetores de dimensão infinita, mesmo que
definidas em um intervalo finito, a geração do espaço vetorial das funções
contínuas definidas no intervalo [𝑥1 , 𝑥2 ] requer que o número de vetores da
base (núcleo) seja infinito.

Os valores 𝑓(𝑢) obtidos através da transformada integral são os

coeficientes dos vetores do núcleo da transformação que geram, através
de uma combinação linear, a melhor aproximação possível de 𝑓(𝑥) para
esta base. Não necessariamente haverá uma igualdade entre a melhor
combinação linear e a função 𝑓(𝑥). Demonstra-se que em alguns casos
existe a igualdade, o que torna o núcleo inversível ou invertível e, portanto,
existe a transformada inversa que relaciona a função transformada 𝑓(𝑢) à
função original 𝑓(𝑥):

𝑢2 𝑥2 𝑢2
𝑓(𝑥 ) = ∫ [∫ 𝑓 (𝑥 ). 𝐺 (𝑥, 𝑢)𝑑𝑥] 𝐺 −1 (𝑥, 𝑢)𝑑𝑢 = ∫ 𝑓 (𝑢). 𝐺 −1 (𝑥, 𝑢)𝑑𝑢
𝑢1 𝑥1 𝑢1

4
TRANSFORMADA DE FOURIER
Partindo-se do argumento de que uma função não periódica pode ser considerada uma
função periódica com período infinito, podemos generalizar a Série de Fourier a partir da
forma exponencial complexa. Se 𝑇0 tende a infinito devemos admitir que 𝜔0 é infinitesimal,
e pela definição de número real, 𝜔𝑘 (𝑘𝜔0 ) é uma variável real que pode ser denotada
simplesmente por 𝜔.
𝑥(𝑡) Função Aperiódica

𝑥𝑇0 (𝑡) Função Periódica

𝑡
𝑇0 𝑇0
5
A função 𝑥𝑇𝑜 (𝑡) se reduz à função 𝑥(𝑡) quando 𝑇𝑜 tende a ∞, ou seja:

lim 𝑥𝑇𝑜 (𝑡) = 𝑥(𝑡)

𝑇𝑜 →∞
Assim, a série de Fourier que representa 𝑥𝑇𝑜 (𝑡) também representa 𝑥(𝑡) quando
𝑇𝑜 → ∞.

Dessa forma, podemos escrever que

∞

𝑥𝑇𝑜 (𝑡) = ∑ 𝑐𝑘 𝑒 𝑗𝜔𝑘𝑡 (𝐼)

𝑘=−∞
e

1 𝑇𝑜/2
𝑐𝑘 (ω) = ∫ 𝑥𝑇𝑜 (𝑡). 𝑒 −𝑗𝜔𝑡 𝑑𝑡
𝑇0 −𝑇𝑜/2

6
A integral acima pode ser escrita como

1 ∞
𝑐𝑘 (ω) = ∫ 𝑥(𝑡)𝑒 − 𝑗𝜔𝑡 𝑑𝑡
𝑇0 −∞

Assumindo que
∞
𝑋(ω) = ∫ 𝑥 (𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡
−∞
Pode-se escrever que
1
𝑐𝑘 (ω) = 𝑋(𝜔𝑘 )
𝑇𝑜
Substituindo em (𝐼) tem-se
∞
1
𝑥𝑇𝑜 (𝑡) = ∑ 𝑋(𝜔𝑘 )𝑒 𝑗𝜔𝑘 𝑡
𝑇𝑜
𝑘=−∞

7
Quando 𝑇𝑜 → ∞, 𝜔 → ∆ 𝜔 → valor infinitesimal. Assim, o somatório anterior pode
ser reescrito na forma
∞
𝑋(𝑘∆𝜔)∆𝜔 𝑗𝑘∆𝜔𝑡
𝑥𝑇𝑜 (𝑡) = ∑ 𝑒
2𝜋
𝑘=−∞
Dessa forma, a função 𝑥 (𝑡) pode ser escrita na forma

∞
1
𝑥(𝑡) = lim 𝑥𝑇𝑜 (𝑡) = lim [ ∑ 𝑋(𝑘∆𝜔)𝑒 𝑗𝑘∆𝜔𝑡 ∆𝜔]
𝑇𝑜 →∞ ∆𝜔→0 2𝜋
𝑘=−∞
ou ainda

1 ∞
𝑥(𝑡) = ∫ 𝑋(𝜔). 𝑒 𝑗𝜔𝑡 𝑑𝜔 ← Equação de Síntese
2𝜋 −∞
Essa última integral representa a Integral de Fourier ou a Transformada de Fourier
Inversa. Já a integral a seguir, assumida anteriormente, representa a Transformada
de Fourier Direta.
8
 ∞
𝑋(ω) = ∫ 𝑥 (𝑡). 𝑒 −𝑗𝜔𝑡 𝑑𝑡 ← Equação de Análise
−∞
𝑥 (𝑡) e 𝑋(𝜔): par Transformado de Fourier.

𝑥 (𝑡) ⇔ 𝑋(𝜔)

𝑋(𝜔) = 𝑇𝐹 [𝑥(𝑡)]
e
𝑥(𝑡) = 𝑇𝐹 −1 [𝑋(𝜔)]

𝑋(𝜔) é uma função complexa, ou seja: 𝑋(𝜔) = |𝑋(𝜔) |𝑒 𝑗⌊𝑋(𝜔)

Para funções reais:

|𝑋(−𝜔)| = |𝑋(𝜔)| → Módulo: Função Par de ω
e
⌊𝑋(−𝜔) = −⌊𝑋(𝜔) → Fase: Função ímpar de ω
9
Transformada de Fourier de 𝜹(𝒕)

∞
𝑋(ω) = ∫ 𝑥 (𝑡). 𝑒 −𝑗𝜔𝑡 𝑑𝑡
−∞

∞
𝑋(ω) = ∫ 𝛿 (𝑡). 𝑒 −𝑗𝜔𝑡 𝑑𝑡
−∞

Mas,
𝛿 (𝑡) = 𝛿 (𝑡 − 0)
Então
∞
𝑋(ω) = ∫ 𝛿 (𝑡 − 0). 𝑒 −𝑗𝜔0 𝑑𝑡
−∞
∞
𝑋(ω) = ∫ 𝛿 (𝑡 − 0)𝑑𝑡 = 1 ⟹ 𝛿 (𝑡) ↔ 1
−∞

10
Transformada de Fourier de 𝑨 (Transformada de uma constante)
1 ∞
𝑥 (𝑡) = ∫ 𝑋(𝜔). 𝑒 𝑗𝜔𝑡 𝑑𝜔 ⟶ Antitransformada de 𝑋(𝜔)
2𝜋 −∞

1 ∞
𝑥(𝑡) = ∫ 𝐴𝛿 (𝜔). 𝑒 𝑗𝜔𝑡 𝑑𝜔
2𝜋 −∞
Mas,
𝐴𝛿 (𝜔) = 𝐴𝛿 (𝜔 − 0)
Então
1 ∞
𝑥(𝑡) = ∫ 𝐴𝛿 (𝜔 − 0). 𝑒 −𝑗0𝑡 𝑑𝜔
2𝜋 −∞
𝐴 ∞ 𝐴
𝑥(𝑡) = ∫ 𝛿 (𝜔 − 0)𝑑𝜔 =
2𝜋 −∞ 2𝜋
Portanto,
𝐴
↔ 𝐴𝛿 (𝜔) 𝑜𝑢 𝐴 ↔ 2𝜋𝐴𝛿 (𝜔)
2𝜋
11
Transformada de Fourier de 𝒙(𝒕)𝒆𝒋𝒂𝒕
Se
∞
𝑋(ω) = ∫ 𝑥 (𝑡). 𝑒 −𝑗𝜔𝑡 𝑑𝑡
−∞
Então
∞ ∞
∫ 𝑥(𝑡)𝑒 𝑗𝑎𝑡 . 𝑒 −𝑗𝜔𝑡 𝑑𝑡 = ∫ 𝑥(𝑡)𝑒 −𝑗(𝜔−𝑎)𝑡 𝑑𝑡
−∞ −∞

Mas, se 𝜃 = 𝜔 − 𝑎
∞
∫ 𝑥(𝑡)𝑒 −𝑗𝜃𝑡 𝑑𝑡 = 𝑋(𝜃)
−∞
Ou seja,
𝑥(𝑡) ↔ 𝑋(θ)
Portanto,
𝑥(𝑡)𝑒 𝑗𝑎𝑡 ↔ 𝑋(ω − a)
12
Transformada de Fourier da função 𝚷 𝝉 (𝒕)
∞
𝑋(ω) = ∫ 𝑥 (𝑡). 𝑒 −𝑗𝜔𝑡 𝑑𝑡
−∞
∞ 𝜏/2
1
𝑋(ω) = ∫ Π 𝜏 (𝑡). 𝑒 −𝑗𝜔𝑡 𝑑𝑡 = ∫ 𝑒 −𝑗𝜔𝑡 𝑑𝑡
−∞ 𝜏 −𝜏/2
−𝑗𝜔𝑡 𝜏/2 −𝑗𝜔𝜏⁄2 𝑗𝜔𝜏⁄2 𝜏/2
1 𝑒 1 𝑒 −𝑒
𝑋(ω) = [ ] = [ ]
𝜏 −𝑗𝜔 −𝜏/2 𝜏 −𝑗𝜔 −𝜏/2

1𝜏 𝑒 𝑗𝜔𝜏⁄2 −𝑒 −𝑗𝜔𝜏⁄2
𝑋(ω) = [ ]
𝜏2 𝑗𝜔𝜏/2

𝑒 𝑗(𝜔𝜏⁄2) −𝑒 −𝑗𝜔𝜏⁄2 𝜔𝜏
𝑋(ω) = [ 𝜔𝜏 ] = 𝑠𝑖𝑛𝑐 ( )
2𝑗( ) 2
2

𝜔𝜏
Π 𝜏 (𝑡) ⟷ 𝑠𝑖𝑛𝑐 ( )
2
13
Transformada de Fourier de uma função periódica

Seja a função periódica (com período 𝑇0 ), definida pela série exponencial de Fourier
∞
𝑗𝑘𝜔0 𝑡
2𝜋
𝑥 (𝑡) = ∑ 𝑐𝑘 𝑒 com 𝜔0 =
𝑇0
𝑘=−∞
Considerando a propriedade da linearidade aplicada ao somatório, e tomando a
transformada de Fourier de ambos os membros, pode-se escrever
∞

𝑋(𝜔) = 2𝜋 ∑ 𝑐𝑘 𝛿(𝜔 − 𝑘𝜔0 )

𝑘=−∞
ou Para a demonstração desta
∞ expressão é preciso lembrar
𝑋(𝜔) = 2𝜋 ∑ 𝑐𝑘 𝛿(𝜔 − 𝜔𝑘 ) que:
𝑘=−∞ • 𝐴 ↔ 2𝜋𝐴𝛿(𝜔)
com
• 𝑥(𝑡)𝑒 𝑗𝑎𝑡 ↔ 𝑋(𝜔 − 𝑎)
1
𝑐𝑘 = ∫ 𝑥 (𝑡)𝑒 −𝑗𝜔𝑘 𝑡 𝑑𝑡
𝑇0 𝑇0
14
A Transformada de Fourier (TF) e a sua inversa são válidas tanto para sinais
contínuos periódicos como não periódicos, dentro das condições de convergência.

Condições de Dirichlet

As condições de Dirichlet são suficientes porém não necessárias, ou seja,

garantem a convergência mas há sinais que não satisfazem as condições (sinais
de potência) e possuem transformada:

∞
1) ∫−∞ |𝑥 (𝑡)|𝑑𝑡 < ∞ (sinais de energia)

2) 𝑥(𝑡) deve possuir um número finito de descontinuidades

3) 𝑥(𝑡) deve possuir um número finito de mínimos e máximos

15
Espectro e Densidade Espectral

Embora haja uma similaridade, os coeficientes 𝑐𝑘 da Série de Fourier, ou 𝑐(𝜔),

para 𝜔 = 𝑘𝜔𝑜 , possuem significado diferente dos coeficientes 𝑋(𝜔) da
Transformada de Fourier.

Na Série de Fourier, cada valor particular de 𝑐(𝜔𝑖 ) representa a amplitude da

componente de frequência 𝜔𝑖 , enquanto na Transformada de Fourier a
amplitude da componente de frequência 𝜔𝑖 é dada por 𝑋(𝜔𝑖 )𝑑𝜔/2𝜋. Isto pode
ser facilmente deduzido da equação de síntese
1 ∞
𝑥 (𝑡) = ∫ 𝑋(𝜔). 𝑒 𝑗𝜔𝑡 𝑑𝜔.
2𝜋 −∞
Nesta equação, 𝑥(𝑡) é descrita como uma combinação linear de sinais
senoidais em diferentes frequências (infinitas p/ o caso de sinais aperiódicos).
Dimensionalmente, 𝑋(𝜔) possui unidade de amplitude por unidade de
frequência, o que, em última análise, significa que 𝑋(𝜔) é uma densidade de
amplitude.
16
Em termos físicos, a potência total do sinal é distribuída entre as componentes de
frequência, portanto quanto maior o número destas componentes, menor a
amplitude de cada uma delas.

No caso de sinais não periódicos o número de componentes de frequência tende

a infinito e, consequentemente, a amplitude de cada componente tende a zero.

Em termos comparativos, o (módulo) do espectro de um sinal periódico e de um

sinal não periódico podem ser representados como na figura a seguir.

|𝑐(𝜔)| Periódico

Não periódico

17
Para contornar este problema, lidamos com a densidade de amplitude (ou
densidade espectral) que reflete a contribuição conjunta de uma pequena faixa de
frequências (𝑑𝜔), resultando em um valor não nulo.

Neste tipo de representação, a potência de cada componente é proporcional ao

quadrado da sua amplitude.

Na representação em termos de densidade espectral a potência de um grupo de

frequências 𝑑𝜔 é proporcional ao quadrado da área expressa por 𝑋(𝜔)𝑑𝜔.

No caso de sinais periódicos, a contribuição individual de cada componente de

frequência 𝜔𝑖 está associada a uma densidade infinita, o que pode ser
representado por um impulso com área igual a 𝑐(𝜔𝑖 ).

|𝑋(𝜔)|
Periódico
Não periódico
18

𝜔
Energia e Potência Espectral
A energia e a potência de um sinal podem ser calculadas tanto no domínio do
tempo quanto no domínio de frequências. Como já visto, no domínio do tempo a
energia total normalizada e a potência média normalizada de um sinal podem ser
calculadas através das seguintes expressões:
∞
𝐸 [𝑥(𝑡)] = ∫ |𝑥(𝑡)|2 𝑑𝑡
−∞
𝑏
1
𝑃[𝑥(𝑡)] = ∫ |𝑥(𝑡)|2 𝑑𝑡
𝑏−𝑎 𝑎
Para sinais periódicos 𝑏 – 𝑎 = 𝑇𝑜 e para sinais não periódicos 𝑎 ⟶ − e 𝑏 ⟶ .
No domínio espectral as expressões equivalentes são:
∞ ∞
1
𝐸 [𝑥(𝑡)] = ∫ |𝑥(𝑡)|2 𝑑𝑡 = 𝐸 [𝑋(𝜔)] = ∫ |𝑋(𝜔)|2 𝑑𝜔 𝑇𝑒𝑜𝑟𝑒𝑚𝑎 𝑑𝑒 𝑃𝑎𝑟𝑠𝑒𝑣𝑎𝑙
−∞ 2𝜋 −∞

∞
1
𝑃[𝑋(𝜔)] = lim ∫ |𝑋(𝜔)|2 𝑑𝜔 , com 𝜏 → ∞ para sinais não periódicos
𝜏→𝑇0 2𝜋(2𝜏) −∞
19
É importante entender que, definindo

𝑆𝑋 (𝜔) ≜ |𝑋(𝜔)|2
tem-se
1 ∞
𝐸𝑋 = ∫ 𝑆 (𝜔)𝑑𝜔.
2𝜋 −∞ 𝑋
𝑆𝑋 (𝜔) corresponde ao espectro de densidade de energia ou à densidade espectral
de energia

Ou seja, a energia total corresponde à área sob a curva 𝑆𝑋 (𝜔)

e ainda
1
∆𝐸𝑋 = |𝑋(𝜔)|2 ∆𝜔 = |𝑋(𝜔)|2 ∆𝑓
2𝜋

Dessa última expressão, verifica-se que a quantidade de energia depende da

largura da banda considerada. Conclui-se também que 𝐸𝑋 resulta das
contribuições de energia de todas as componentes em frequência de 𝜔 = 0 a ∞.
20
Relação entre as Transformadas de Laplace e de Fourier

Em uma rápida comparação entre a Transformada de Fourier e a Transformada de

Laplace Bilateral (TLB) fica evidente o parentesco entre elas.

Considerando-se que na TLB a variável "𝑠" é complexa e frequentemente expressa

na forma retangular como 𝑠 = 𝜎 + 𝑗𝜔, imediatamente percebe-se que a TF é um
caso particular da TLB onde a parte real de "𝑠" é sempre nula, ou seja, 𝑠 = 𝑗𝜔.

Nota-se que a origem da TF não está relacionada à origem da TLB, mas os dois
desenvolvimentos matemáticos convergiram para resultados similares.

Assim sendo, a princípio, bastaria substituir "𝑠" por 𝑗𝜔 para obter tanto as
propriedades quanto as tabelas de pares transformados da TF a partir dos
resultados da TLB.

21
Na prática a questão é um pouco mais complexa porque usualmente as tabelas da
TL se referem à Transformada de Laplace Unilateral, o que exclui da integração
valores para 𝑡 < 0.

Além disso, os resultados tabelados para a TL costumam excluir a possibilidade de

𝑅𝑒[𝑠] = 0.

De uma forma geral a TF e a TLB diferem quando a Região de Convergência (RDC)!

Basta fazer 𝑠 = 𝑗𝜔 ? . Nem sempre! Exemplo:

Tomando como exemplo a função degrau unitário:

∞
−𝑠𝑡
1
[ ]
ℒ 𝑢(𝑡) = ∫ 𝑢(𝑡). 𝑒 𝑑𝑡 = 𝑅𝐷𝐶: 𝑅𝑒(𝑠) > 0
0 𝑠
∞
−𝑗𝜔𝑡
1
ℱ [𝑢(𝑡)] = ∫ 𝑢(𝑡). 𝑒 𝑑𝑡 = + 𝜋𝛿(𝜔)
−∞ 𝑗𝜔
22
Propriedades Importantes da Transformada de Fourier

O cálculo da Transformada de Fourier Direta ou da Transformada de Fourier

Inversa nem sempre é simples. Para facilitar a tarefa, utilizam-se tanto tabelas com
pares transformados mais importantes quanto as propriedades da TF mais usuais.

As propriedades são importantes também para a interpretação qualitativa de sinais

expressos no domínio de frequências.

Propriedades Domínio da Frequência Domínio do Tempo

Linearidade 𝑎. 𝐹 (𝜔) + 𝑏. 𝐺(𝜔) 𝑎. 𝑓 (𝑡) + 𝑏. 𝑔(𝑡)

Dualidade 2𝜋𝑓(−𝜔) 𝐹(𝑡)

Diferenciação temporal (𝑗𝜔)𝑛 𝐹(𝜔) 𝑓 (𝑛) (𝑡)

23
Propriedades (Continuação) Domínio da Frequência Domínio do Tempo

Diferenciação em frequência 𝐹 (𝑛) (𝑗𝑡)𝑛 . 𝑓(𝑡)

𝐹(𝜔) 𝑡
Integração temporal + 𝜋𝐹 (0)𝛿(𝜔) ∫ 𝑓(𝑢). 𝑑𝑢
𝑗𝜔 −

Deslocamento temporal 𝑒 −𝑗𝑎𝜔 . 𝐹(𝜔) 𝑓(𝑡 − 𝑎)

Deslocamento em frequência 𝐹(𝜔 − 𝑎) 𝑒 𝑗𝑎𝑡 . 𝑓(𝑡)

1 𝜔
Escalamento temporal 𝐹( ) 𝑓(𝑎. 𝑡)
|𝑎| 𝑎
∞
Convolução temporal 𝐹 (𝜔). 𝐺(𝜔) ∫ 𝑓(𝑢). 𝑔(𝑡 − 𝑢). 𝑑𝑢
−∞
∞
1
Convolução em frequência ∫ 𝐹(𝑢). 𝐺 (𝜔 − 𝑢). 𝑑𝑢 𝑓 (𝑡). 𝑔(𝑡)
2𝜋 −∞
24
Breve discussão sobre algumas propriedades

Linearidade

Possui grande importância em sistemas lineares e seu significado está implícito

nas equações que a representam. Delas se depreende que a Transformada de
Fourier atende a duas propriedades: homogeneidade e aditividade.

Exemplo:

2𝛿 (𝑡) + 3 ⇔ 2 + 6𝜋𝛿 (𝜔)

25
Dualidade
Há uma simetria entre pares transformados onde as funções no domínio do tempo
e de frequência estão invertidas.

Se 𝑓(𝑡) ⟺ 𝐹 (𝜔) então 𝐹 (𝑡) ⟺ 2𝜋𝑓(−𝜔).

Essa propriedade permite que uma tabela de pares transformados seja facilmente
estendida, duplicando o número de pares, além de facilitar a obtenção de pares
transformados quando o cálculo da TF é complexo.

Exemplo:

Pode-se calcular a TF do impulso através da propriedade da amostragem:

𝛿 (𝑡) ⟺ 1, e com este par em mãos pode-se obter a TF da constante 𝑥(𝑡) = 1,
função que leva a uma indeterminação na abordagem direta.
Pela propriedade da dualidade: 1 ⟺ 2𝜋𝛿 (−𝜔), mas como o impulso unitário é
uma função par, então 1 ⟺ 2𝜋𝛿 (𝜔).

26
Diferenciação e integração
A diferenciação e a integração não são operações frequentemente utilizadas na
análise de sinais com a TF pois são mais comuns na análise de sistemas através
da Transformada de Laplace. Ainda assim, podem ser úteis em algum momento.

Exemplo (diferenciação temporal):

Se
1
𝑢(𝑡) ⇔ + 𝜋𝛿 (𝜔),
𝑗𝜔
como
𝑑𝑓(𝑡)
⇔ 𝑗𝜔𝐹 (𝜔),
𝑑𝑡
portanto
𝑑𝑢(𝑡)
⇔ 1 + 𝑗𝜔𝜋𝛿 (𝜔) = 1. 𝑂u seja, 𝛿 (𝑡) ⇔ 1
𝑑𝑡
27
Exemplo (integração temporal):

Se

𝛿 (𝑡) ⇔ 1,

como

𝑡
𝐹(𝜔)
∫ 𝛿 (𝑡)𝑑𝜏 ⇔ + 𝜋𝐹 (0)𝛿(𝜔)
−∞ 𝑗𝜔
Portanto

𝑡
1
∫ 𝛿 (𝑡)𝑑𝜏 = 𝑢(𝑡) ⇔ + 𝜋𝛿 (𝜔) → outro modo de se calcular a TF de 𝑢(𝑡)
−∞ 𝑗𝜔

28
Exemplo (diferenciação em frequência):

Se
1
𝑢(𝑡) ⇔ + 𝜋𝛿 (𝜔),
𝑗𝜔

como
𝑑𝐹 (𝜔)
𝑗𝑡𝑓(𝑡) ⇔ ,
𝑑𝜔

portanto
𝑑 1
𝑗𝑡𝑢(𝑡) ⇔ [ + 𝜋𝛿 (𝜔)]
𝑑𝜔 𝑗𝜔

29
Deslocamento temporal
O deslocamento de um sinal no tempo produz um deslocamento equivalente de
todas as suas componentes de frequência. Porém tal deslocamento temporal deve
ser descrito no domínio de frequências em termos de deslocamento de fase, e fase
é uma medida relativa à frequência da própria componente. Logo, para frequências
mais baixas o deslocamento temporal representa um deslocamento de fase
pequeno, enquanto que para frequências mais altas o mesmo deslocamento
temporal representa um deslocamento de fase maior. Tem-se assim um
deslocamento linear de fases com relação à frequência:

𝑥2 (𝑡)
𝑥1 (𝑡) 𝑓(𝑡 − 𝑎) ⇔ 𝑒 −𝑗𝑎𝜔 𝐹(𝜔)

t

𝛷1 = 0 𝛷1 = 𝜋/4
𝛷2 = 0 𝛷2 = 𝜋/2 30
Exemplo:

Se
1
𝑢 (𝑡 ) ⇔ + 𝜋𝛿 (𝜔),
𝑗𝜔
então
−𝑗2𝜔
1
𝑢(𝑡 − 2) ⇔ 𝑒 [ + 𝜋𝛿 (𝜔)]
𝑗𝜔

31
Deslocamento em frequência
O produto de um sinal por um fasor provoca o deslocamento do espectro deste
sinal.
𝑒 𝑗𝑎𝑡 𝑓(𝑡) ⟷ 𝐹(𝜔 − 𝑎)
Fasores são funções complexas que não correspondem a nenhum sinal no mundo
físico. Entretanto, vários sinais do mundo real podem ser expressos como soma de
fasores, como é o caso da senóide.
Tomando-se a identidade de Euler 𝑒 𝑗𝜃 = cos(𝜃) + 𝑗. 𝑠𝑒𝑛(𝜃) e combinando com a
expressão equivalente para ângulo negativo teremos cos(𝜃 ) = (𝑒 𝑗𝜃 + 𝑒 −𝑗𝜃 )⁄2.
Deste resultado podemos fazer:
(𝑒 𝑗𝜔0𝑡 + 𝑒 −𝑗𝜔0𝑡 ) 1 𝑗𝜔 𝑡
𝜓(𝑡) = cos(𝜔0 𝑡) . 𝑥 (𝑡) = 𝑥 (𝑡) = [𝑒 0 𝑥 (𝑡) + 𝑒 −𝑗𝜔0𝑡 𝑥(𝑡)]
2 2
Aplicando-se a propriedade do deslocamento em frequência obtemos a densidade
espectral para a modulação AM-DSB/SC do sinal 𝑥(𝑡):

1
Ψ(𝜔) = [𝑋(𝜔 − 𝜔0 ) + 𝑋(𝜔 + 𝜔0 )]
2
32
Essa é a propriedade básica válida todas ou quase todas as modulações
analógicas e digitais.

Pode-se inferir que o produto de uma função por um sinal senoidal com frequência
𝜔0 𝑡 (cos(𝜔0 𝑡)) faz com que o espectro dessa função seja deslocado para o entorno
de 𝜔0 𝑡.

Com isso, o espectro é deslocado para a frequência de interesse (normalmente

muito maior do que a do sinal de voz, dados ou vídeo).

Para a demodulação, o processo é similar, porém ocorre com a expectativa de

recuperação do sinal original, e essa propriedade também pode ser invocada.

33
Esta propriedade é muito importante p/ as telecomunicações: AM, FM, QAM etc.
Não são mais do que translações do espectro banda base para a faixa de
frequência em torno da frequência de sintonia, normalmente chamada de
portadora. Na demodulação, usa-se esta mesma propriedade no sentido inverso.
Nota: o sinal banda base (baseband) tem uma faixa de frequência próxima de zero,
ou seja, possui magnitude espectral diferente de zero apenas para frequências nas
vizinhanças da origem e insignificante em outras faixas: sinal sem modulação.

Para o caso da modulação em amplitude (AM), tem-se o produto entre o sinal

modulante (mensagem: áudio, vídeo, dados) e o sinal da portadora:

Sinal Modulante: 𝑒𝑚 (𝑡) = 𝐸𝑚 𝐶𝑜𝑠(𝜔𝑚 𝑡)

Sinal da Portadora: 𝑒𝑐 (𝑡) = 𝐸𝑐 𝐶𝑜𝑠(𝜔𝑐 𝑡)

Sinal Modulado em AM-DSB-SC (AM - Double Side Band - Suppressed Carrier):

𝐸𝑐 𝐸𝑚 𝐸𝑐 𝐸𝑚
𝑣(𝑡) = 𝐶𝑜𝑠[(𝜔𝑐 − 𝜔𝑚 )𝑡] + 𝐶𝑜𝑠[(𝜔𝑐 + 𝜔𝑚 )𝑡]
2 2
34
 Sinal Banda Base

Modulação em Amplitude – AM-DSB-SC 35

Para a modulação em frequência (FM - faixa larga), a expressão matemática de
análise resultante, mostra a ocorrência de um somatório de infinitos produtos entre
sinais com a frequência da portadora e outros com múltiplos da frequência do sinal
modulante:

Sinal Modulante: 𝑒𝑚 (𝑡) = 𝐸𝑚 𝑐𝑜𝑠(𝜔𝑚 𝑡)

Sinal da Portadora: 𝑒𝑐 (𝑡) = 𝐸𝑐 𝑐𝑜𝑠(𝜔𝑐 𝑡)

36
(em módulo)

Espectro da Modulação em Frequência

37
Escalamento temporal
A propriedade do escalamento temporal tem grande importância na análise
qualitativa dos sinais no domínio de frequência e basicamente estabelece que
comprimir o sinal na escala do tempo equivale a expandir o seu espectro de
frequências e vice-versa. Pensando em uma transmissão digital com pulsos, a
compressão do sinal no tempo equivale a um aumento de velocidade de
transmissão, que por outro lado equivale a um alargamento do espectro deste sinal.

1 𝜔
𝑓(𝑎. 𝑡) ↔ 𝐹( )
|𝑎| 𝑎

38
Convolução nos domínios do tempo e da frequência

∞
∫ 𝑓(𝑢). 𝑔(𝑡 − 𝑢). 𝑑𝑢 ⇔ 𝐹 (𝜔). 𝐺(𝜔)
−∞
e
1 ∞
𝑓 (𝑡 ) . 𝑔 (𝑡 ) ⇔ ∫ 𝐹 (𝑢). 𝐺 (𝜔 − 𝑢). 𝑑𝑢
2𝜋 −∞

As propriedades da convolução nos domínios do tempo e da frequência

possibilitam, respectivamente, a realização de produtos na frequência e no
tempo de forma muito mais simples, num ou noutro domínio, dependendo
da complexidade das funções consideradas.

39
Tabela dos principais pares transformados de Fourier
𝒙(𝒕) 𝑿(𝝎)

𝛿(𝑡) 1

1 2𝜋𝛿(𝜔)
𝑛 −𝑎𝑡
𝑛!
𝑡 𝑒 𝑢(𝑡) 𝑎>0
(𝑎 + 𝑗𝜔)𝑛+1
𝜔𝜏
Πτ (t) 𝑠𝑖𝑛𝑐 ( )
2
𝑐𝑜𝑠(𝜔0 𝑡) 𝜋[𝛿 (𝜔 − 𝜔0 ) + 𝛿 (𝜔 + 𝜔0 )]

𝑠𝑒𝑛(𝜔0 𝑡) −𝑗𝜋[𝛿 (𝜔 − 𝜔0 ) − 𝛿 (𝜔 + 𝜔0 )]
1
𝑢(𝑡) + 𝜋𝛿 (𝜔)
𝑗𝜔
2
𝑠𝑔𝑛(𝑡)
𝑗𝜔
40
Transmissão sem distorção
Deseja-se sempre receber um sinal mais próximo do transmitido:
𝑦(𝑡) = 𝐺0 𝑥(𝑡 − 𝑡𝑑 )
Ou seja, o sinal recebido, idealmente, deve ser uma cópia do transmitido a
menos de um atraso e eventualmente ponderado por um fator de ganho
que aumenta ou reduz a amplitude do sinal resultante.

Usando a Transformada de Fourier e a respectiva propriedade do

deslocamento temporal tem-se
𝑌(𝜔) = 𝐺0 𝑋(𝜔)𝑒 −𝑗𝜔𝑡𝑑 (𝐼)
A transformada da resposta impulsiva do sistema corresponde à sua função
de transferência, sendo dada por
𝐻 (𝜔) = 𝑌(𝜔)⁄𝑋(𝜔)
Então
𝑌(𝜔) = 𝐻 (𝜔)𝑋(𝜔) (𝐼𝐼)
41
Então, comparando-se (𝐼 ) e (𝐼𝐼 ), pode-se escrever que
𝐻 (𝜔) = 𝐺0 𝑒 −𝑗𝜔𝑡𝑑
Donde conclui-se que
Módulo de 𝐻 (𝜔) = |𝐻 (𝜔)| = 𝐺0 → constante
Fase de 𝐻(𝜔) = ⌊𝐻 (𝜔) = −𝜔𝑡𝑑 → linear

|𝐻(𝜔)| = 𝐺0

⌊𝐻(𝜔) = −𝜔𝑡𝑑

42
Filtros ideais e práticos
Considera-se um filtro passa baixas ideal, ou seja, sem distorção e com faixa
limitada e 𝑊 𝑟𝑎𝑑/𝑠

|𝐻(𝜔)| = 𝐺0 = 1
1

𝜔
−𝑊 𝑊
⌊𝐻(𝜔) = −𝜔𝑡𝑑

Se o filtro é ideal (sem distorção), então 𝑦(𝑡) = 𝑥(𝑡 − 𝑡𝑑 ). Para esse filtro,
o módulo é |𝐻(𝜔)| = 2𝑊𝛱2𝑊 (𝜔) e a fase é ⌊𝐻(𝜔) = −𝜔𝑡𝑑 . Ou seja,
𝐻 (𝜔) = 2𝑊𝛱2𝑊 (𝜔)𝑒 −𝑗𝜔𝑡𝑑
43
Pelos casos tabelados, e como visto anteriormente, tem-se que
𝜔𝜏 𝑡𝜏
𝛱𝜏 (𝑡) ↔ 𝑠𝑖𝑛𝑐 ( ) → 𝐷𝑢𝑎𝑙𝑖𝑑𝑎𝑑𝑒 → 𝑠𝑖𝑛𝑐 ( ) ↔ 2𝜋 𝛱
⏟𝜏 (−𝜔) = 2𝜋𝛱𝜏 (𝜔)
2 2
𝑃𝑎𝑟
Então
1 𝑡2𝑊
2𝑊𝑠𝑖𝑛𝑐 ( ) ↔ 2𝑊𝛱2𝑊 (𝜔)
2𝜋 2
Ou ainda
𝑊
𝑠𝑖𝑛𝑐 (𝑡𝑊 ) ↔ 2𝑊𝛱2𝑊 (𝜔)
𝜋
Então
𝑊 −𝑗𝜔𝑡𝑑
𝑠𝑖𝑛𝑐 [(𝑡 − 𝑡𝑑 )𝑊 ] ↔ 2𝑊𝛱
⏟ 2𝑊 ( 𝜔 ) 𝑒
⏟
𝜋
𝐻(𝜔)
ℎ (𝑡 )
Portanto
𝑊
ℎ(𝑡) = 𝑠𝑖𝑛𝑐 [(𝑡 − 𝑡𝑑 )𝑊 ]
𝜋
44
Mas ℎ(𝑡) é a resposta ao impulso unitário 𝛿 (𝑡). Por meio de simples inspeção, verifica-
se que a resposta impulsiva ℎ(𝑡) obtida existe para −∞ ≤ 𝑡 ≤ ∞.

Assim, para a existência do filtro em questão, ℎ(𝑡) precisaria ter começado em −∞.
𝛿(𝑡)

𝑡
0

ℎ(𝑡)

𝑡
0
𝑡𝑑

A condição acima é típica de sistemas não causais, ou seja, tal filtro é irrealizável no
mundo real. Por esta razão, os filtros ditos ideais são irrealizáveis na prática.
45