Baixe o app para aproveitar ainda mais
Prévia do material em texto
Linearidade em Sinais e Sistemas Ivanil S. Bonatti Amauri Lopes Pedro L. D. Peres Faculdade de Engenharia Ele´trica e de Computac¸a˜o, Universidade Estadual de Campinas, UNICAMP, Brasil Fevereiro de 2008 “Deve-se escrever da mesma maneira como as lavadeiras la´ de Alagoas fazem seu of´ıcio. Elas comec¸am com uma primeira lavada, molham a roupa suja na beira da lagoa ou do riacho, torcem o pano, molham-no novamente, voltam a torcer. Colocam o anil, ensaboam e torcem uma, duas vezes. Depois enxa´guam, da˜o mais uma molhada, agora jogando a a´gua com a ma˜o. Batem o pano na laje ou na pedra limpa, e da˜o mais uma torcida e mais outra, torcem ate´ na˜o pingar do pano uma so´ gota. Somente depois de feito tudo isso e´ que elas dependuram a roupa lavada na corda ou no varal, para secar. Pois quem se mete a escrever devia fazer a mesma coisa. A palavra na˜o foi feita para enfeitar, brilhar como ouro falso; a palavra foi feita para dizer.” Graciliano Ramos, em entrevista concedida em 1948 http://www.graciliano.com.br/ Suma´rio I SISTEMAS DISCRETOS 1 1 Sinais Discretos e Convoluc¸a˜o 2 2 Transformada Z 14 3 Transformada Z Aplicada a Probabilidade 30 4 Se´rie de Fourier de Sinais Discretos 40 5 Equac¸o˜es a Diferenc¸as 60 II SISTEMAS CONTI´NUOS 83 6 Sinais Cont´ınuos e Convoluc¸a˜o 84 7 Se´rie de Fourier de Sinais Cont´ınuos 104 8 Transformada de Fourier de Sinais Cont´ınuos 126 9 Amostragem de Sinais Cont´ınuos 146 10 Ortogonalizac¸a˜o 156 11 Resposta em Frequ¨eˆncia 166 12 Transformada de Laplace 188 13 Resoluc¸a˜o de equac¸o˜es diferenciais por transformada de Laplace 199 14 Resoluc¸a˜o de Equac¸o˜es Diferenciais por Coeficientes a Determinar 212 15 Varia´veis de Estado 224 16 Resoluc¸a˜o de Equac¸o˜es de Estado 245 17 Observabilidade e Controlabilidade SISO 269 18 Introduc¸a˜o a` Realimentac¸a˜o 286 19 Estabilidade 291 19.1 BIBO Estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291 19.2 Estabilidade do Estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299 i ii SUMA´RIO III Apeˆndices 305 A Notac¸a˜o 306 B Fundamentos 311 C Propriedades de Matrizes 315 Bibliografia 324 Bonatti, Lopes & Peres Parte I SISTEMAS DISCRETOS 1 Cap´ıtulo 1 Sinais Discretos e Convoluc¸a˜o Definic¸a˜o: Sinais Discretos Um sinal discreto, denotado x[n], e´ uma func¸a˜o (real ou complexa) cujo domı´nio e´ o conjunto dos inteiros Z = {0,±1,±2, . . .}, como por exemplo o sinal x[n] = sen(n) mostrado na Figura 1.1. Si- nais discretos tambe´m podem ser interpretados como sequ¨eˆncias enumera´veis de escalares reais ou complexos. 0 2 4 6 8 10 12 14 16 18 20 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1 n Figura 1.1: Sinal x[n] = sen(n) mostrado (comando stem do Matlab) no intervalo n ∈ [0, 20]. Definic¸a˜o: Degrau Unita´rio Considere n ∈ Z. O sinal discreto u[n] (degrau unita´rio) e´ definido como u[n] = { 0 para n = −∞, . . . ,−2,−1 1 para n = 0, 1, 2, . . . ,+∞ Para a ∈ R na˜o inteiro, u[a] = 0. Assim, x[n] = u[n/2], n ∈ Z, e´ a sequ¨eˆncia que vale 1 para n = 0, 2, 4, 6, . . . e zero para os demais inteiros (negativos e positivos ı´mpares). Definic¸a˜o: Impulso Considere n ∈ Z. O sinal discreto δ[n] (impulso unita´rio) e´ definido como 2 3 δ[n] = { 1 , n = 0 0 , n 6= 0 Note que δ[n + 3] = 1 para n = −3 e δ[n + 3] = 0 para n 6= −3. Para a ∈ R na˜o inteiro, δ[a] = 0. Assim, δ[2n+ 3] = 0 para todo n, pois na˜o existe n ∈ Z tal que 2n+ 3 = 0. Exemplo 1.1 O impulso unita´rio pode ser escrito em termos da diferenc¸a de dois degraus δ[n] = u[n]− u[n− 1] e o degrau unita´rio pode ser escrito como uma soma infinita de impulsos u[n] = n∑ k=−∞ δ[k] W Exemplo 1.2 Dado x[n] = δ[n+ 2] + δ[n− 2] tem-se y[n] = x[2n] = δ[2n+ 2] + δ[2n− 2] = δ[n+ 1] + δ[n− 1] Observe que trata-se de uma compressa˜o. W Exemplo 1.3 O sinal x[n] = u[n− 1]− u[n] + (2− n) ( u[n− 1]− u[n− 2] ) pode ser representado como uma soma de impulsos x[n] = −δ[n] + δ[n− 1] A partir de x[n], tem-se x[n− 1] = −δ[n− 1] + δ[n− 2] que e´ um deslocamento para a direita. Note que x[2n+ 1] = −δ[2n+ 1] + δ[2n] = δ[n] W Sistemas Discretos Sa˜o sistemas cujas entradas e sa´ıdas sa˜o sequ¨eˆncias enumera´veis de escalares reais ou complexos. Notac¸a˜o: y[n] = G{x[n]}, sendo x[n] a entrada e y[n] a sa´ıda. Bonatti, Lopes & Peres 4 Cap´ıtulo 1. Sinais Discretos e Convoluc¸a˜o Exemplo 1.4 Filtro passa-alta y[n] = x[n]− x[n− 1] 2 , n ∈ Z Para x[n] = (−1)n, a sa´ıda e´ y[n] = (−1)n. Para x[n] = 1n, tem-se y[n] = 0. W Exemplo 1.5 Filtro passa-baixa y[n] = x[n] + x[n− 1] 2 , n ∈ Z Para x[n] = (−1)n, a sa´ıda e´ y[n] = 0. Para x[n] = 1n, tem-se y[n] = 1n. W Exemplo 1.6 A populac¸a˜o anual de peixes em um lago (em termos percentuais) pode ser descrita de maneira aproximada por y[n+ 1]− ay[n](1− y[n]) = 0 , 0 ≤ y[0] ≤ 1 sendo a um paraˆmetro real que representa as condic¸o˜es ambientais do lago. Observe que um sistema pode ser descrito por uma equac¸a˜o a diferenc¸as sem envolver explicitamente a entrada x[n]. W Sistemas Lineares Um sistema e´ linear se satisfaz o princ´ıpio da superposic¸a˜o, isto e´, G{a1x1[n] + a2x2[n]} = a1G{x1[n]}+ a2G{x2[n]} Observe que, para sistemas lineares, G{0} = 0. Os exemplos 1.4 e 1.5 sa˜o sistemas lineares e o Exemplo 1.6 e´ um sistema na˜o-linear, que pode apresentar comportamento cao´tico para alguns valores de a. Definic¸a˜o: Invariante no tempo Um sistema e´ invariante no tempo se um deslocamento da entrada produzir igual deslocamento na sa´ıda, isto e´, y[n−m] = G{x[n−m]} para qualquer m ∈ Z. Os exemplos 1.4, 1.5 e 1.6 sa˜o sistemas invariantes no tempo. Exemplo 1.7 y[n] = sen(x[n]) e´ um sistema na˜o linear, pois sen(x1[n] + x2[n]) 6= sen(x1[n]) + sen(x2[n]) Bonatti, Lopes & Peres 5 e e´ invariante no tempo, pois y1[n] = sen(x1[n]) x2[n] = x1[n− k] ⇒ y2[n] = sen(x2[n]) = sen(x1[n− k]) = y1[n− k] W Exemplo 1.8 y[n] = nx[n] e´ um sistema linear, pois y1[n] = nx1[n] , y2[n] = nx2[n] ⇒ n(ax1[n] + bx2[n]) = ay1[n] + by2[n] e na˜o e´ invariante no tempo, pois x2[n] = x1[n− k] ⇒ y2[n] = nx2[n] = nx1[n− k] 6= y1[n− k] = (n− k)x1[n− k] W Definic¸a˜o: Sistema sem Memo´ria Um sistema e´ sem memo´ria se a sa´ıda no instante n depende apenas do sinal de entrada no instante n. Exemplo 1.9 O somador (ou acumulador) y[n] = n∑ k=−∞ x[k] e´ um sistema discreto com memo´ria, que pode ser descrito pela equac¸a˜o a diferenc¸as y[n]−y[n−1] = x[n]. W Definic¸a˜o: Sistema Causal Um sistema e´ causal ou na˜o antecipativo quando a sa´ıda na˜o depende de valores futuros da entrada. Exemplo 1.10 O sistema y[n] = 1 2M + 1 +M∑ k=−M x[n− k] , M > 0 e´ na˜o causal. O somador do Exemplo 1.9 e´ causal. W Bonatti, Lopes & Peres 6 Cap´ıtulo 1. Sinais Discretos e Convoluc¸a˜o Definic¸a˜o: Sistema BIBO Esta´vel Um sistema e´ BIBO esta´vel (Bounded-Input Bounded-Output) se a sa´ıda e´ limitada para toda entrada limitada. |x[n]| < b ⇒ |y[n]| < +∞ Exemplo 1.11 y[n] = nx[n] e´ um sistema causal na˜o BIBO esta´vel. y[n] = x[−n] e´ um sistema na˜o causal e BIBO esta´vel. W Definic¸a˜o: Resposta ao Impulso Resposta ao impulso e´ a sa´ıda do sistema quando a entrada e´ a func¸a˜o impulso e as condic¸o˜es iniciais sa˜o nulas (sistema em repouso), isto e´ h[n] = G{δ[n]} Exemplo 1.12 A resposta ao impulso do filtro passa-alta do Exemplo 1.4 e´ dada por h[n] = δ[n]− δ[n− 1] 2 e a resposta ao impulso do filtro passa-baixa do Exemplo 1.5 e´ dada por h[n] = δ[n] + δ[n− 1] 2 W Exemplo 1.13 Somador y[n] = n∑ k=−∞ x[k] A resposta ao impulso e´ h[n]= n∑ k=−∞ δ[k] = u[n] W Bonatti, Lopes & Peres 7 Definic¸a˜o: Convoluc¸a˜o Convoluc¸a˜o e´ a operac¸a˜o x[n] = x1[n] ∗ x2[n] = +∞∑ k=−∞ x1[k]x2[n− k] Propriedade 1.1 Se x1[n] = x1[n]u[n] e x2[n] = x2[n]u[n] enta˜o x1[n] ∗ x2[n] = u[n] n∑ k=0 x1[k]x2[n− k] ⋄ Propriedade 1.2 O impulso e´ o elemento neutro da convoluc¸a˜o, pois x[n] = +∞∑ k=−∞ x[k]δ[n− k] ⋄ Propriedade 1.3 A convoluc¸a˜o e´ comutativa, associativa e distributiva em relac¸a˜o a` soma. ⋄ Propriedade 1.4 x[n] ∗ δ[n− k] = x[n− k] pois +∞∑ m=−∞ x[m]δ[n− k −m] = x[n− k] ⋄ Teorema 1.1 A sa´ıda de um sistema linear invariante no tempo e´ a convoluc¸a˜o da resposta ao impulso com a entrada, isto e´ y[n] = G{x[n]} = x[n] ∗ h[n] , h[n] = G{δ[n]} pois G{x[n]} = G { +∞∑ k=−∞ x[k]δ[n− k] } = +∞∑ k=−∞ x[k]G{δ[n− k]} = +∞∑ k=−∞ x[k]h[n− k] v Bonatti, Lopes & Peres 8 Cap´ıtulo 1. Sinais Discretos e Convoluc¸a˜o Exemplo 1.14 No Exemplo 1.13 (somador), a sa´ıda e´ a convoluc¸a˜o da entrada com o degrau y[n] = n∑ k=−∞ x[k] = x[n] ∗ u[n] pois x[n] ∗ u[n] = +∞∑ k=−∞ x[k]u[n− k] = n∑ k=−∞ x[k]u[n− k]︸ ︷︷ ︸ =1 + +∞∑ k=n+1 x[k]u[n− k]︸ ︷︷ ︸ =0 W Propriedade 1.5 Considere o sinal x2[n] = ∑ k∈I akδ[n− bk] , I = {conjunto finito de ı´ndices} Enta˜o, x1[n] ∗ x2[n] = ∑ k∈I akx1[n− bk] ⋄ Exemplo 1.15 Dados x1[n] = δ[n] + δ[n− 1] + δ[n− 2] , x2[n] = −δ[n] + δ[n− 1] tem-se x1[n] ∗ x2[n] = −δ[n]− δ[n− 1]− δ[n− 2] + δ[n− 1] + δ[n− 2] + δ[n− 3] = −δ[n] + δ[n− 3] Observe que a largura do sinal resultante e´ igual a` soma das larguras dos sinais originais. W Propriedade 1.6 Sistemas lineares invariantes no tempo sa˜o causais se e somente se a resposta ao impulso e´ nula para instantes negativos, ou seja h[n] = 0 para n < 0 ⇔ sistema causal pois y[n] = x[n] ∗ h[n] = −1∑ k=−∞ x[n− k]h[k] + +∞∑ k=0 x[n− k]h[k] e, se h[k] 6= 0 para k < 0, a sa´ıda y[n] dependeria de valores futuros da entrada x[n]. ⋄ Bonatti, Lopes & Peres 9 Exemplo 1.16 Observe que os filtros passa-alta e passa-baixa, cujas respostas ao impulso foram calculadas no Exemplo 1.12, sa˜o sistemas causais. O sistema linear invariante no tempo cuja resposta ao impulso e´ h[n] = δ[n+ 1] e´ na˜o causal, pois h[−1] = 1. Note que y[n] = x[n] ∗ h[n] = x[n+ 1]. W Propriedade 1.7 Sistemas lineares invariantes no tempo sa˜o BIBO esta´veis se e somente se a resposta impulso e´ abso- lutamente soma´vel, isto e´ +∞∑ n=−∞ |h[n]| < +∞ ⇔ BIBO esta´vel Prova: Suficieˆncia: se +∞∑ n=−∞ |h[n]| < +∞ enta˜o |y[n]| ≤ +∞∑ k=−∞ |x[n− k]||h[k]| ≤ b +∞∑ k=−∞ |h[k]| < +∞ Necessidade: considere a entrada limitada x[n] = sinal(h[−n]) sendo a func¸a˜o sinal definida como sinal(v) = { 1 , v > 0 −1 , v < 0 A sa´ıda y[n], para n = 0, e´ y[0] = +∞∑ k=−∞ x[−k]h[k] = +∞∑ k=−∞ sinal(h[k])h[k] = +∞∑ k=−∞ |h[k]| < +∞ pois a sa´ıda y[n] e´ limitada. ⋄ Definic¸a˜o: Auto-func¸a˜o Um sinal de entrada e´ denominado auto-func¸a˜o de um sistema se a sa´ıda correspondente for igual ao sinal de entrada multiplicado por uma constante (em geral complexa). Bonatti, Lopes & Peres 10 Cap´ıtulo 1. Sinais Discretos e Convoluc¸a˜o Propriedade 1.8 O sinal zn, z ∈ C, e´ uma auto-func¸a˜o para sistemas lineares discretos invariantes no tempo se a somato´ria H(z) = +∞∑ k=−∞ h[k]z−k for finita, ou seja, se z pertence ao domı´nio Ωh de H(z), pois y[n] = zn ∗ h[n] = +∞∑ k=−∞ h[k]zn−k = H(z)zn ⋄ H(z) e´ denominada transformada Z da resposta ao impulso do sistema, ou func¸a˜o de transfereˆncia. A relac¸a˜o (temporal) entre sa´ıda e entrada em um sistema linear discreto invariante no tempo e´ dado pelo “ganho complexo” H(z) quando x[n] = zn. Definic¸a˜o: Resposta em frequ¨eˆncia Se z = exp(jω) (c´ırculo unita´rio) pertence ao domı´nio da func¸a˜o de transfereˆncia do sistema linear invariante no tempo H(z), a resposta em frequ¨eˆncia do sistema e´ o valor de H(z) computado para z = exp(jω). A resposta em frequ¨eˆncia escreve-se como M(ω) exp(jφ(ω)) = H(z) ∣∣∣∣∣ z=exp(jω) = H ( exp(jω) ) sendo M(ω) o mo´dulo e φ(ω) a fase de H(z) ∣∣∣ z=exp(jω) Em geral, e´ desenhada na forma de mo´dulo e fase (diagrama de Bode1) ou na forma polar, para ω ∈ [−π,+π]. Representa a resposta em regime permanente de sistemas lineares invariantes no tempo esta´veis para entradas senoidais. Propriedade 1.9 Se h[n] e´ real, enta˜o H ( exp(jω) )∗ = H ( exp(−jω)), isto e´ M(ω) e´ uma func¸a˜o par e φ(ω) e´ uma func¸a˜o ı´mpar. Prova: H ( exp(jω) )∗ = +∞∑ k=−∞ h[k] exp(jωk) = H ( exp(−jω)) H ( exp(jω) ) =M(ω) exp(jφ(ω)) ⇒ H( exp(jω))∗ =M(ω) exp(−jφ(ω)) Como H ( exp(−jω)) =M(−ω) exp(jφ(−ω)) enta˜o M(ω) =M(−ω) (func¸a˜o par) e −φ(ω) = φ(−ω) (func¸a˜o ı´mpar). ⋄ 1Hendrik Wade Bode, engenheiro eletricista americano do se´culo XX. Bonatti, Lopes & Peres 11 Propriedade 1.10 A resposta em regime de um sistema linear invariante no tempo com func¸a˜o de transfereˆncia H(z), com h[n] real e z = exp(jω) ∈ Ωh, para a entrada x[n] = cos(ωn), e´ y[n] =M(ω) cos(ωn+ φ(ω)) Prova: y[n] = G{cos(ωn)} = 1 2 G{exp(jωn)}+ 1 2 G{exp(−jωn)} = = 1 2 H ( exp(jω) ) exp(jωn) + 1 2 H ( exp(−jω)) exp(−jωn) = = 1 2 M(ω) exp(jωn+ jφ(ω)) + 1 2 M(ω) exp(−jωn− jφ(ω)) =M(ω) cos(ωn+ φ(ω)) Para a entrada x[n] = sen(ωn), tem-se y[n] =M(ω)sen(ωn+ φ(ω)) ⋄ Exemplo 1.17 Considere o Exemplo 1.4 (filtro passa-alta), dado por y[n] = x[n]− x[n− 1] 2 , n ∈ Z Para x[n] = zn tem-se y[n] = H(z)zn, resultando na func¸a˜o de transfereˆncia H(z) = (1− z−1) 2 Portanto, a resposta em frequ¨eˆncia e´ H(z) ∣∣∣∣∣ z=exp(jω) = 1− exp(−jω) 2 = = j exp(−jω/2) (exp(jω/2)− exp(−jω/2) 2j ) = j exp(−jω/2)sen(ω/2) Portanto, tem-se M(ω) = |sen(ω/2)| φ(ω) = π 2 sinal(ω)− ω 2 M(ω) e φ(ω) sa˜o mostrados na Figura 1.2. Observe o crescimento deM(ω) para ω de 0 a +π (filtro passa-alta) e a entrada z = (1)n corresponde a` frequ¨eˆncia ω = 0 e que z = (−1)n corresponde a` frequ¨eˆncia ω = +π. Note tambe´m que, para ω > 0 ou para ω < 0, a fase varia linearmente com a frequ¨eˆncia. W Bonatti, Lopes & Peres 12 Cap´ıtulo 1. Sinais Discretos e Convoluc¸a˜o −4 −2 0 2 4 −0.2 0 0.2 0.4 0.6 0.8 1 −4 −2 0 2 4 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2 ωω Figura 1.2: M(ω) (mo´dulo) e φ(ω) (fase) do filtro passa-alta do Exemplo 1.17. Exemplo 1.18 No Exemplo 1.5 (filtro passa-baixa), H(z) = (1 + z−1) 2 ; H(z) ∣∣∣ z=exp(jω) = exp(−jω/2) cos(ω/2) implicando em M(ω) = | cos(ω/2)| ; φ(ω) = −ω 2 Neste caso, M(ω) decresce quando ω varia de 0 a +π (filtro passa-baixa), como mostrado na Figura 1.3, juntamente com a fase (que tambe´m varia linearmente com a frequ¨eˆncia). −4 −2 0 2 4 −0.2 0 0.2 0.4 0.6 0.8 1 −4 −2 0 2 4 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2 ωω Figura 1.3: M(ω) (mo´dulo) e φ(ω) (fase) do filtro passa-baixa do Exemplo 1.18. Bonatti, Lopes & Peres 13 W Exemplo 1.19 Considere o sistema descrito pela equac¸a˜o a diferenc¸as de primeira ordem y[n+ 1] = ρy[n] + x[n+ 1] ⇒ (p− ρ)y[n] = px[n] sendo p o operador deslocamento em n, ou seja, px[n] = x[n+ 1], . . . , pkx[n] = x[n+ k]. Para x[n] = zn, tem-se (z − ρ)H(z) = z ⇒ H(z) = z z − ρ = 1 1− ρz−1 Supondo-se que z = exp(jω) ∈ Ωh, a resposta em frequ¨eˆncia pode ser computada H(z) ∣∣∣ z=exp(jω) = 1 1− ρ exp(−jω) Para 0 < ρ, trata-se de um filtro passa-baixa. W A equac¸a˜o a diferenc¸as D(p)y[n] = N(p)x[n] , D(p) = m∑ k=0 αkp k ; N(p) = ℓ∑ k=0 βkp k com αm = 1, αk e βkcoeficientes constantes e condic¸o˜es iniciais nulas descreve um sistema linear invariante no tempo, cuja func¸a˜o de transfereˆncia e´ H(z) = N(z) D(z) pois D(p)H(z)zn = N(p)zn ⇒ H(z)D(z) = N(z) Exemplo 1.20 O sistema y[n+ 2] + 2αy[n+ 1] + ω20y[n] = ω 2 0x[n] pode ser escrito como D(p)y[n] = N(p)x[n] com D(p) = p2 + 2αp+ ω20 , N(p) = ω 2 0 que resulta na func¸a˜o de transfereˆncia H(z) = N(z) D(z) = ω20 z2 + 2αz + ω20 W Bonatti, Lopes & Peres Cap´ıtulo 2 Transformada Z Definic¸a˜o: Transformada Z A transformada Z da sequ¨eˆncia x[n] e´ dada por X(z) = Z{x[n]} = +∞∑ k=−∞ x[k]z−k para z ∈ Ωx, isto e´, conjunto dos z ∈ C (complexos) para os quais a soma e´ finita. Propriedade 2.1 Transformada Z da func¸a˜o impulso Z{δ[n]} = +∞∑ k=−∞ δ[k]z−k = 1 , Ωδ = C ⋄ Exemplo 2.1 Z{δ[n−m]} = +∞∑ k=−∞ δ[k −m]z−k = z−m , m ∈ Z+ sendo Z+ o conjunto dos nu´meros inteiros positivos. O domı´nio da transformada e´ o conjunto dos complexos, com excec¸a˜o de z = 0. W Exemplo 2.2 Z{δ[n+m]} = +∞∑ k=−∞ δ[k +m]z−k = zm , m ∈ Z+ e o domı´nio e´ o conjunto dos complexos, com excec¸a˜o de |z| → +∞. W 14 15 Propriedade 2.2 Soma Se o limite lim z→1 Z{x[n]} e´ finito e u´nico, enta˜o lim z→1 Z{x[n]} = lim m→+∞ m∑ k=−∞ x[k] Portanto, se z = 1 ∈ Ωx enta˜o Z{x[n]} ∣∣∣ z=1 = +∞∑ k=−∞ x[k] ⋄ Propriedade 2.3 Soma Geome´trica m∑ k=0 ak = 1− am+1 1− a , a ∈ C pois m∑ k=0 ak − a m∑ k=0 ak = 1− am+1 ⇒ m∑ k=0 ak = 1− am+1 1− a |a| < 1 ⇒ +∞∑ k=0 ak = 1 1− a ⋄ Propriedade 2.4 Transformada Z de x[n] = anu[n] X(z) = Z{x[n]} = Z{anu[n]} = 1 1− az−1 = (1− az −1)−1 = z z − a , Ωx = {z ∈ C, |z| > |a|} Note que o domı´nio de existeˆncia Ωx e´ o exterior do c´ırculo de raio |a| centrado na origem e, portanto, o po´lo (isto e´, a raiz z = a do denominador) na˜o pertence ao domı´nio. ⋄ Bonatti, Lopes & Peres 16 Cap´ıtulo 2. Transformada Z Exemplo 2.3 Transformada Z do degrau Z{u[n]} = +∞∑ n=−∞ z−nu[n] = 1 1− z−1 = z z − 1 , Ωu = {z ∈ C : |z| > 1} W Exemplo 2.4 x[n] = exp(jβn)u[n] = ( exp(jβ) )n u[n] , β > 0 cuja transformada Z e´ dada por X(z) = z z − exp(jβ) , Ωx = {z ∈ C : |z| > 1} W Exemplo 2.5 x[n] = exp(−jβn)u[n] = ( exp(−jβ) )n u[n] , β > 0 cuja transformada Z e´ dada por X(z) = z z − exp(−jβ) , Ωx = {z ∈ C : |z| > 1} W Propriedade 2.5 Z{x[n] = −anu[−n− 1]} = − +∞∑ n=−∞ anz−nu[−n− 1] = − −1∑ n=−∞ (z/a)−n = − +∞∑ n=1 (z/a)n = −(z/a) 1− (z/a) = z z − a Ωx = {z ∈ C : |z| < |a|} Observe que a expressa˜o da transformada Z e´ a mesma da transformada apresentada na Proprie- dade 2.4, pore´m o domı´nio de convergeˆncia e´ o interior do c´ırculo de raio |a| centrado na origem. ⋄ Exemplo 2.6 x[n] = an ( u[n]− u[n−m] ) , m ∈ Z+ Z{x[n]} = m−1∑ k=0 akz−k = 1− (a/z)m 1− (a/z) = 1 zm−1 zm − am z − a Bonatti, Lopes & Peres 17 Observe (por exemplo, usando a regra de l’Hoˆpital1) que a transformada e´ finita quando z → a, implicando que a na˜o e´ um po´lo de X(z). O domı´nio da transformada e´ o conjunto dos complexos exceto z = 0. W Exemplo 2.7 x[n] = a|n| = anu[n] + a−nu[−n− 1] Z{x[n]} = −1∑ k=−∞ a−kz−k + +∞∑ k=0 akz−k O segundo termo converge para z z − a , |z| > |a| e o primeiro termo produz (az) −1∑ k=−∞ a−k−1z−k−1 = (az) 0∑ k=−∞ (az)−k = (az) +∞∑ k=0 (az)k = az 1− az , |z| < |1/a| Para |a| > 1, na˜o ha´ intersec¸a˜o entre as regio˜es e portanto a transformada Z na˜o existe. De fato, a se´rie a|n|, para |a| > 1, diverge para n→ −∞ e para n→ +∞. O domı´nio da transformada para |a| < 1 e´ o anel centrado na origem dado por |a| < |z| < 1|a| W Propriedade 2.6 Domı´nio da Transformada Z • O que determina o domı´nio da transformada Z de uma func¸a˜o x[n] e´ a convergeˆncia da soma que define a transformada Z{x[n]}, isto e´, o domı´nio e´ o conjunto de valores de z para os quais a soma e´ finita. • Os po´los (valores de z para os quais a func¸a˜o tende para infinito; em geral, sa˜o as ra´ızes do denomi- nador) na˜o pertencem ao domı´nio. • O domı´nio na˜o pode ser obtido apenas a partir da expressa˜o da transformada X(z). Por exemplo, a transformada Z do degrau e´ dada por z z − 1 e existe para todo z 6= 1. No entanto, o domı´nio e´ a regia˜o |z| > 1. • O domı´nio e´ definido por restric¸o˜es sobre o mo´dulo de z. • Se x[n] tem durac¸a˜o finita, o domı´nio Ωx e´ todo o plano complexo, exceto (possivelmente) z = 0 e/ou |z| → +∞. 1Guillaume De l’Hoˆpital, matema´tico franceˆs do se´culo XVII. Bonatti, Lopes & Peres 18 Cap´ıtulo 2. Transformada Z • Se x[n] = 0 para n < m, m ∈ Z (sinal a` direita), o domı´nio (se existir) e´ o exterior do menor c´ırculo que conte´m todos os po´los. • Se x[n] = 0 para n > m, m ∈ Z (sinal a` esquerda), o domı´nio (se existir) e´ o interior do maior c´ırculo que na˜o conte´m nenhum po´lo. ⋄ Propriedade 2.7 Transformada Z de x[n] = an X(z) = Z{x[n]} = +∞∑ k=−∞ akz−k = +∞∑ k=0 (a/z)k + −1∑ k=−∞ (a/z)k Para |z| ≤ |a|, o primeiro termo diverge e, para |z| ≥ |a|, o segundo termo diverge. Portanto, na˜o existe a transformada Z de x[n] = an (a soma diverge em todo z ∈ C). ⋄ Propriedade 2.8 Z{x[n] = ax1[n] + bx2[n]} = aZ{x1[n]}+ bZ{x2[n]} , Ωx = Ωx1 ∩ Ωx2 ou seja, a transformada Z e´ linear e o domı´nio de convergeˆncia e´ (no mı´nimo) a intersec¸a˜o dos domı´nios. ⋄ Exemplo 2.8 x[n] = 2n+1 cos(3n)u[n] = ( 2 exp(j3) )n u[n] + ( 2 exp(−j3) )n u[n] X(z) = z z − 2 exp(j3) + z z − 2 exp(−j3) , Ωx = {z ∈ C : |z| > 2} W Propriedade 2.9 Teorema da Convoluc¸a˜o A transformada Z da convoluc¸a˜o de dois sinais e´ o produto das transformadas, ou seja, Z{x[n] = x1[n] ∗ x2[n]} = Z{x1[n]}Z{x2[n]} , Ωx = Ωx1 ∩ Ωx2 Prova: Z{x1[n] ∗ x2[n]} = +∞∑ k=−∞ ( +∞∑ n=−∞ x1[n]x2[k − n] ) z−k = +∞∑ k=−∞ +∞∑ n=−∞ x1[n]z −nx2[k − n]z−(k−n) = +∞∑ n=−∞ x1[n]z −n +∞∑ k=−∞ x2[k − n]z−(k−n) = +∞∑ n=−∞ x1[n]z −n +∞∑ m=−∞ x2[m]z −m = X1(z)X2(z) ⋄ Bonatti, Lopes & Peres 19 Propriedade 2.10 Operador Derivada Z{y[n] = nx[n]} = ( −z d dz ) X(z) , Ωy = Ωx pois d dz Z{x[n]} = d dz { +∞∑ n=−∞ x[n]z−n } = −z−1 +∞∑ n=−∞ nx[n]z−n ⇒ −z d dz Z{x[n]} = Z{nx[n]} Z{y[n] = n2x[n]} = ( −z d dz )2 X(z) , Ωy = Ωx pois Z{n2x[n]} = Z{nv[n]} = ( −z d dz ) V (z) = ( −z d dz )( −z d dz ) X(z) Generalizando, Z{y[n] = nmx[n]} = ( −z d dz )m X(z) , Ωy = Ωx ⋄ Exemplo 2.9 Considere a distribuic¸a˜o de probabilidade x[n] = (1− ρ)ρnu[n], para 0 < ρ < 1. Note que x[n] e´ sempre maior ou igual a zero e a soma de x[n] para todo n e´ igual a 1 (veja a Propriedade 2.3 da soma geome´trica). A me´dia da varia´vel aleato´ria X e´ E{X} = +∞∑ n=−∞ nx[n] = Z{nx[n]} ∣∣∣ z=1 sendo E o operador esperanc¸a. Como X(z) = (1− ρ) z z − ρ = (1− ρ)(1− ρz −1)−1 , |z| > ρ tem-se ( −z d dz ) X(z) = Z{nx[n]} = (1− ρ)ρz−1(1− ρz−1)−2 Em z = 1, E{X} = +∞∑ n=−∞ nx[n] = ρ 1− ρ O momento de segunda ordem da varia´vel aleato´ria X e´ dado por Bonatti, Lopes & Peres 20 Cap´ıtulo 2. Transformada Z E{X2} = +∞∑ n=−∞ n2x[n] ( −z d dz )2 X(z) = Z{n2x[n]} = (1− ρ)ρ (z−1(1− ρz−1)−2 + 2ρz−2(1− ρz−1)−3) Em z = 1, E{X2} = ρ+ ρ 2 (1− ρ)2 A variaˆncia de X e´ dada por E{X2} − E{X}2 = ρ (1− ρ)2 W Exemplo 2.10 Z{nanu[n]} = ( −z d dz ) (1− az−1)−1 = az −1 (1− az−1)2 = az (z − a)2 , |z| > |a| W Exemplo 2.11 Z{n2anu[n]} = ( −z d dz ) (az−1)(1− az−1)−2 = az −1 (1− az−1)2 +2a2z−2 (1− az−1)3 = = az−1 (1− az−1)2 + 2a2z−2 (1− az−1)3 = az2 + a2z (z − a)3 , |z| > |a| W Propriedade 2.11 Deslocamento a` Direita (atraso) Z{y[n] = x[n−m]u[n−m]} = z−mZ{x[n]u[n]} , m ∈ Z+ , Ωy = Ωx pois Z{x[n−m]u[n−m]} = +∞∑ k=−∞ x[k −m]u[k −m]z−k = +∞∑ k=m x[k −m]u[k −m]z−k = = +∞∑ k=−∞ x[k]u[k]z−(k+m) = z−mZ{x[n]u[n]} ⋄ Bonatti, Lopes & Peres 21 Propriedade 2.12 Deslocamento Unita´rio a` Esquerda (avanc¸o) Z{x[n+ 1]u[n]} = z ( Z{x[n]u[n]} − x[0] ) pois Z{x[n+ 1]u[n]} = +∞∑ n=−∞ x[n+ 1]u[n]z−n = z +∞∑ n=−∞ x[n+ 1]u[n]z−(n+1) = z +∞∑ n=−∞ x[n]u[n− 1]z−n = z ( +∞∑ n=−∞ x[n]u[n]z−n − x[0] ) Observe que, se x[0] = 0, multiplicar a transformada por z equivale a deslocar x[n] para x[n+ 1] ⋄ Propriedade 2.13 Z{x[n+ 2]u[n]} = z2 ( Z{x[n]u[n]} − x[0]− z−1x[1] ) pois y[n] = x[n+ 1]u[n] ⇒ y[0] = x[1] , y[n+ 1] = x[n+ 2]u[n+ 1] Z{x[n+ 2]u[n]} = Z{y[n+ 1]u[n]} = z ( Z{y[n]u[n]} − y[0] ) = = z ( Z{x[n+ 1]u[n]} − x[1] ) = z ( z ( Z{x[n]u[n]} − x[0] ) − x[1] ) Generalizando, Z{x[n+m]u[n]} = zm ( Z{x[n]u[n]} − m−1∑ k=0 x[k]z−k ) , m ∈ Z+ ⋄ Exemplo 2.12 Z{(n+ 1)anu[n]} = z ( Z{nan−1u[n]}− (nan−1)∣∣∣ n=0 ) pela Propriedade 2.12 (avanc¸o). Utilizando a Propriedade 2.10 (operador derivada), tem-se Z{nan−1u[n]} = ( −z d dz ) Z{an−1u[n]} Como Z{an−1u[n]} = 1 a (1− az−1)−1 ⇒ Z{(n+ 1)anu[n]} = Z {( n+ 1 1 ) anu[n] } = (1− az−1)−2 , |z| > |a| Bonatti, Lopes & Peres 22 Cap´ıtulo 2. Transformada Z sendo a combinac¸a˜o de n termos m a m dada por ( n m ) = n! m!(n−m)! , 0 ≤ m ≤ n , m, n ∈ N = {0, 1, 2, . . .} W Exemplo 2.13 Z {( n+ 2 2 ) anu[n] } = Z { (n+ 2)(n+ 1) 2 anu[n] } = zZ { (n+ 1)n 2 an−1u[n] } = = z ( −z d dz ) Z { (n+ 1) 2 an−1u[n] } = z 2a ( −z d dz ) (1− az−1)−2 pelo resultado do Exemplo 2.12. Portanto, Z {( n+ 2 2 ) anu[n] } = (1− az−1)−3 , |z| > |a| W Propriedade 2.14 Combinato´ria Generalizando os exemplos 2.12 e 2.13, tem-se Z {( n+m m ) anu[n] } = (1− az−1)−(m+1) , m ∈ N , |z| > |a| ⋄ Propriedade 2.15 Combinato´ria com Deslocamento Z {( n m ) an−mu[n−m] } = z (z − a)m+1 , |z| > |a| , m ∈ N pois, aplicando a Propriedade 2.11 (atraso) na Propriedade 2.14 (combinato´ria), tem-se z−mZ {( n+m m ) anu[n] } = Z {( n m ) an−mu[n−m] } = z−m (1− az−1)m+1 = z (z − a)m+1 Observe que a combinac¸a˜o de n elementos m a m na˜o estaria definida para n < m, mas, para n ≥ 0, tem-se ( n m ) = 1 m! (n−m+ 1) · · ·n que e´ igual a zero para n < m. Assim, Z {( n m ) an−mu[n] } = z (z − a)m+1 , |z| > |a| , m ∈ N ⋄ Bonatti, Lopes & Peres 23 Propriedade 2.16 Valor Inicial Considere x[n] um sinal a` direita de n = 0, isto e´, x[n] = x[n]u[n] com x[0] finito, cuja transformada X(z) possui domı´nio Ωx na˜o vazio. Enta˜o, x[0] = lim |z|→+∞ X(z) Prova: Como x[n] = 0 para n < 0, o domı´nio Ωx e´ o exterior de um c´ırculo de raio limitado (para X(z) racional, o domı´nio e´ o exterior do c´ırculo de menor raio que conte´m os po´los), e portanto |z| → +∞ pertence a Ωx. X(z) = +∞∑ n=−∞ x[n]u[n]z−n = x[0] + +∞∑ n=1 x[n]z−n ⇒ lim |z|→+∞ X(z) = x[0] Observe que se X(z) for racional (raza˜o de dois polinoˆmios em z), a ordem do numerador e´ necessa- riamente menor ou igual a` do denominador para que o limite exista. Nesse caso, X(z) e´ denominada func¸a˜o pro´pria. ⋄ Propriedade 2.17 Valor Final Considere X(z) com domı´nio |z| > ρ, 0 < ρ ≤ 1. Se o limite lim z→1 (z − 1)X(z) e´ finito, enta˜o lim m→+∞ x[m] = lim z→1 (z − 1)X(z) Prova: Considere a sequ¨eˆncia a` direita y[n] dada por y[n] = x[n+ 1]u[n]− x[n]u[n] ⇒ m∑ k=−∞ y[k] = x[m+ 1]− x[0] , m ≥ 0 Pela Propriedade 2.2 (soma), tem-se lim z→1 Y (z) = lim m→+∞ m∑ k=−∞ y[k] = lim m→+∞ x[m]− x[0] Aplicando a transformada Z em y[n], tem-se Y (z) = Z{x[n+ 1]u[n]} − Z{x[n]u[n]} = zX(z)− zx[0]−X(z) = (z − 1)X(z)− zx[0] Bonatti, Lopes & Peres 24 Cap´ıtulo 2. Transformada Z Portanto, lim z→1 Y (z) = lim z→1 (z − 1)X(z)− x[0] ⇒ lim z→1 (z − 1)X(z) = lim m→+∞ x[m] Observe que, como (z−1)X(z) deve ser finito em z = 1, X(z) pode no ma´ximo ter um po´lo em z = 1. ⋄ Exemplo 2.14 Considere X(z) = z + 1 z + 1/3 , |z| > 1/3 Enta˜o, x[0] = lim |z|→+∞ X(z) = 1 +∞∑ k=−∞ x[k] = lim z→1 X(z) = 3/2 lim n→+∞ x[n] = lim z→1 (z − 1)X(z) = lim z→1 (z − 1)(z + 1) z + 1/3 = 0 W Propriedade 2.18 Transformada Inversa • A transformada inversa da transformada Z de func¸o˜es racionais pode ser computada pelo algoritmo de Briot-Ruffini2 de divisa˜o de polinoˆmios. • A transformada inversa da transformada Z cujo domı´nio e´ o exterior de um c´ırculo e´ uma sequ¨eˆncia a` direita. • A transformada inversa da transformada Z cujo domı´nio e´ o interior de um c´ırculo e´ uma sequ¨eˆncia a` esquerda. • A transformada inversa da transformada Z cujo domı´nio e´ um anel e´ uma sequ¨eˆncia que existe a` esquerda e a` direita do zero. • A transformada inversa da transformada Z cujo domı´nio e´ todo o plano complexo, exceto possivel- mente ou z = 0, ou |z| → +∞ ou ambos, e´ dada por uma sequ¨eˆncia de durac¸a˜o finita. ⋄ Exemplo 2.15 Considere X(z) = z z − a , |z| > |a| 2Charles Auguste Briot, franceˆs do se´culo XIX e Paolo Ruffini, italiano do se´culo XVIII. Bonatti, Lopes & Peres 25 Enta˜o z ∠z − a z − a 1 + az−1 + a2z−2 + · · · a a− a2z−1 a2z−1 X(z) = z z − a = 1 + az −1 + a2z−2 + · · · ⇒ x[n] = anu[n] pois, comparando X(z) com a definic¸a˜o de transformada Z, obteˆm-se os termos x[n] (identidade de polinoˆmios). Note que a se´rie converge apenas para |z| > |a|. W Exemplo 2.16 Considere X(z) = z z − a , |z| < |a| Enta˜o z ∠− a+ z z − a−1z2 −a−1z − a−2z2 + · · · a−1z2 a−1z2 − a−2z3 a−2z3 X(z) = z z − a = −a −1z ( 1 + a−1z + a−2z2 + · · · ) = −a−1z +∞∑ k=0 a−kzk = − +∞∑ k=0 a−k−1zk+1 = − −1∑ n=−∞ anz−n = − +∞∑ n=−∞ anu[−n− 1]z−n Comparando polinoˆmios, trata-se da transformada Z de x[n] = −anu[−n − 1] (veja a Proprie- dade 2.5). Note que a se´rie converge apenas para |za−1| < 1 ⇒ |z| < |a| W Exemplo 2.17 Transformada inversa X(z) = 2z2 − 5z (z − 2)(z − 3) = z z − 2 + z z − 3 , |z| > 3 Para o domı´nio em questa˜o, tem-se x[n] = (2n + 3n)u[n] Bonatti, Lopes & Peres 26 Cap´ıtulo 2. Transformada Z Note que a Propriedade 2.2 (soma) na˜o se aplica, pois z = 1 na˜o pertence ao domı´nio. De fato, X(1) = −3/2 e a soma diverge. A Propriedade 2.16 (valor inicial) e´ verificada, pois X(+∞) = 2 e x[0] = 2 Neste caso, tambe´m na˜o se aplica a Propriedade 2.17 (valor final), pois o domı´nio na˜o verifica a hipo´tese |z| > ρ com ρ ≤ 1. W Exemplo 2.18 Transformada inversa X(z) = 2z2 − 5z (z − 2)(z − 3) = z z − 2 + z z − 3 , |z| < 2 Neste caso, e´ melhor escrever X(z) = (−z2−1) 1 1− 2−1z + (−z3 −1) 1 1− 3−1z ⇒ x[n] = −(2 n + 3n)u[−n− 1] A Propriedade 2.2 (soma) e´ verificada, pois z = 1 pertence ao domı´nio X(1) = −3/2 e +∞∑ n=−∞ x[n] = −3/2 Na˜o se aplicam as propriedades 2.16 (valor inicial) e 2.17 (valor final), pois z → +∞ na˜o pertence ao domı´nio e o domı´nio e´ o interior de um c´ırculo (e, portanto, a func¸a˜o x[n] na˜o e´ a` direita). W Exemplo 2.19 Transformada inversa X(z) = 2z2 − 5z (z − 2)(z − 3) = z z − 2 + z z − 3 , 2 < |z| < 3 X(z) = z z − 2 + (−z3 −1) 1 1− 3−1z ⇒ x[n] = 2 nu[n]− 3nu[−n− 1] Na˜o se aplicam as propriedades 2.2 (soma),2.16 (valor inicial) e 2.17 (valor final). W Bonatti, Lopes & Peres 27 Exemplo 2.20 Transformada inversa X(z) = 1 z − a , |z| > |a| e´ dada por (usando Briot-Ruffini) X(z) = 1 z − a = z −1 + az−2 + a2z−3 + · · · ⇒ x[n] = an−1u[n− 1] Observe que X(z) = z−1 z z − a = z −1Z{anu[n]} ⇒ x[n] = an−1u[n− 1] pela Propriedade 2.11 (atraso). W A transformada Z inversa de func¸o˜es racionais pro´prias X(z) com domı´nio no exterior de um c´ırculo (se´ries a` direita) pode ser obtida pela Propriedade 2.15 (combinato´ria com deslocamento) por meio da expansa˜o em frac¸o˜es parciais de X(z)/z na varia´vel z. Exemplo 2.21 Po´los distintos Considere ρ 6= 1 e Y (z) dado por Y (z) = z2 (z − ρ)(z − 1) , |z| > max{|ρ|, 1} Y (z) z = z (z − ρ)(z − 1) = a z − ρ + b z − 1 a = − ρ 1− ρ , b = 1 1− ρ Usando a Propriedade 2.15 (combinato´ria com deslocamento), tem-se y[n] = aρnu[n] + bu[n] = 1− ρn+1 1− ρ u[n] W Exemplo 2.22 Po´los mu´ltiplos Para a transformada X(z) dada por X(z) z = z (z − 1)3 = a1 z − 1 + a2 (z − 1)2 + a3 (z − 1)3 , |z| > 1 tem-se a1 = 0, a2 = 1 e a3 = 1. Portanto, x[n] = ( n 1 ) u[n] + ( n 2 ) u[n] = n(n+ 1) 2 u[n] W Bonatti, Lopes & Peres 28 Cap´ıtulo 2. Transformada Z Exemplo 2.23 Considere ρ 6= 1 e a transformada Y (z) dada por Y (z) = ρz2 (z − 1)(z − ρ)2 , |z| > max{|ρ|, 1} Y (z) z = ρz (z − 1)(z − ρ)2 = a z − 1 + b z − ρ + c (z − ρ)2 cujos coeficientes sa˜o a = ρ (1− ρ)2 , b = −ρ (1− ρ)2 , c = −ρ2 (1− ρ) Portanto, y[n] = au[n] + bρnu[n] + c ( n 1 ) ρn−1u[n] = = ( a+ bρn + cnρn−1 ) u[n] = ρ (1− ρ)2 ( 1− (n+ 1)ρn + nρn+1)u[n] W A transformada Z inversa de func¸o˜es racionais pro´prias com domı´nio no exterior de um c´ırculo (se´ries a` direita) tambe´m pode ser obtida pela Propriedade 2.14 (combinato´ria) por meio da expansa˜o em frac¸o˜es parciais na varia´vel z−1. Exemplo 2.24 Retomando o Exemplo 2.21, com ρ 6= 1 e Y (z) dado por Y (z) = z2 (z − ρ)(z − 1) = 1 (1− ρz−1)(1− z−1) = a 1− ρz−1 + b 1− z−1 , |z| > max{|ρ|, 1} tem-se a = 1 1− z−1 ∣∣∣ 1−ρz−1=0 = − ρ 1− ρ , b = 1 1− ρz−1 ∣∣∣ 1−z−1=0 = 1 1− ρ Usando a Propriedade 2.14 (combinato´ria), obte´m-se a sequ¨eˆncia y[n] = aρnu[n] + bu[n] = 1− ρn+1 1− ρ u[n] Para ρ = 1, tem-se Y (z) = 1 (1− z−1)2 , |z| > 1 y[n] = Z−1 { 1 (1− z−1)2 } = (n+ 1)u[n] = n∑ k=0 1 O mesmo resultado pode ser obtido aplicando a regra de l’Hoˆpital3 na expressa˜o de y[n] y[n] = lim ρ→1 1− ρn+1 1− ρ = limρ→1 −(n+ 1)ρn −1 = n+ 1 W 3Guillaume De l’Hoˆpital, matema´tico franceˆs do se´culo XVII. Bonatti, Lopes & Peres 29 Exemplo 2.25 Retomando o Exemplo 2.22, com a transformada Z Y (z) = z2 (z − 1)3 = z−1 (1− z−1)3 = a 1− z−1 + b (1− z−1)2 + c (1− z−1)3 , |z| > 1 Os coeficientes sa˜o: a = 0, b = −1 e c = 1. Portanto, y[n] = ( (−1) ( n+ 1 1 ) + ( n+ 2 2 )) u[n] = n(n+ 1) 2 u[n] W Exemplo 2.26 O Exemplo 2.23, com ρ 6= 1 e a transformada Y (z) dada por Y (z) = ρz2 (z − 1)(z − ρ)2 = ρz−1 (1− z−1)(1− ρz−1)2 , |z| > max{|ρ|, 1} Y (z) = a 1− z−1 + b 1− ρz−1 + c (1− ρz−1)2 cujos coeficientes sa˜o a = ρ (1− ρ)2 , b = −ρ2 (ρ− 1)2 , c = ρ (ρ− 1) produz y[n] = (a+ bρn + c(n+ 1)ρn)u[n] = ρ (1− ρ)2 ( 1− (n+ 1)ρn + nρn+1)u[n] W Exemplo 2.27 Considere Y (z) dado por Y (z) = z z2 − z − 1 , |z| > λ1 sendo λ1 = 1 + √ 5 2 e λ2 = 1−√5 2 as ra´ızes do denominador. Y (z) = z (z − λ1)(z − λ2) = z−1 (1− λ1z−1)(1− λ2z−1) = a1 1− λ1z−1 + a2 1− λ2z−1 cujos coeficientes sa˜o a1 = 1 λ1 − λ2 = √ 5 5 , a2 = 1 λ2 − λ1 = −√5 5 resultando em y[n] = a1λ n 1 + a2λ n 2 ≈ a1λn1 para n grande, pois |λ2| < 1 W Bonatti, Lopes & Peres Cap´ıtulo 3 Transformada Z Aplicada a Probabilidade A transformada Z e´ um operador matema´tico eficiente no tratamento de varia´veis aleato´rias discretas, como por exemplo nas distribuic¸o˜es de Bernoulli, Binomial, Geome´trica, Poisson, Erlang, etc. A Figura 3.1 ilustra a relac¸a˜o entre algumas dessas distribuic¸o˜es. 30 31 Considere a sequ¨eˆncia enumera´vel p[k] de escalares reais (positivos ou nulos) tal que +∞∑ k=−∞ p[k] = 1 na qual, frequ¨entemente, p[k] = 0 para k = −1,−2,−3, . . . Definic¸a˜o: Varia´vel Aleato´ria Discreta E´ uma func¸a˜o X a` qual esta´ associada uma distribuic¸a˜o de probabilidade Pr{X = k} = p[k] ≥ 0 ; +∞∑ k=−∞ p[k] = 1 Definic¸a˜o: Esperanc¸a Matema´tica Poisson Axioma´tico Axioma´tico limite BinomialBernoulli transformada Exponencial Dual Pr{X = 1} = p ( n k ) pk(1− p)(n−k) ρk k! exp(−ρ) pT (t) = λ exp(−λt) • Sem eventos simultaˆneos • Intervalos independentes • Cont´ınua • Sem memo´ria Figura 3.1: Relac¸o˜es entre distribuic¸o˜es de probabilidades discretas. Bonatti, Lopes & Peres 32 Cap´ıtulo 3. Transformada Z Aplicada a Probabilidade E{f(X)} = ∑ k f(k)p[k] Definic¸a˜o: Momento de ordem m E{Xm} = ∑ k kmp[k] , m ∈ Z+ Definic¸a˜o: Me´dia x¯ = E{X} = ∑ k kp[k] ou seja, a me´dia e´ o momento de primeira ordem. Definic¸a˜o: Variaˆncia σ2X = ∑ k (k − x¯)2p[k] Propriedade 3.1 A variaˆncia da varia´vel aleato´ria X e´ igual ao momento de segunda ordem menos o momento de primeira ordem ao quadrado, ou seja, σ2X = E{X2} − E{X}2 pois ∑ k (k − x¯)2p[k] = ∑ k k2p[k]− 2x¯ ∑ k kp[k] + x¯2 ∑ k p[k] = E{X2} − 2x¯2 + x¯2 ⋄ Exemplo 3.1 Considere a equac¸a˜o a diferenc¸as de primeira ordem com 0 < ρ < 1 que descreve a cadeia marko- viana da fila M/M/1, dada por p[n+ 1] = ρp[n] , n ∈ N ; p[n] = 0 , n < 0 , +∞∑ n=−∞ p[n] = 1 Por substituic¸a˜o sistema´tica, tem-se p[1] = ρp[0] ; p[2] = ρp[1] = ρ2p[0] ; p[3] = ρp[2] = ρ3p[0] ; . . . ; p[n] = ρnp[0] Como +∞∑ k=0 ρk = 1 1− ρ tem-se p[n] = (1− ρ)ρnu[n] (u[n] = func¸a˜o degrau) que e´ a distribuic¸a˜o geome´trica. Observe que p[0] = 1 − ρ e´ a probabilidade do sistema estar vazio (servidor desocupado na teoria de filas). W Bonatti, Lopes & Peres 33 Exemplo 3.2 Bernoulli Pr{X = 1} = p > 0 ; Pr{X = 0} = 1− p = q > 0 A varia´vel aleato´ria de Bernoulli1 modela processos com duas possibilidades; por exemplo, proba- bilidade de um servidor estar livre ou ocupado. E{X} = ∑ k kp[k] = 1p+ 0(1− p) = p ; E{X2} = ∑ k k2p[k] = 1p+ 0(1− p) = p σ2 X = E{X2} − E{X}2 = p(1− p) = pq W Definic¸a˜o: Independeˆncia Duas varia´veis aleato´rias discretas sa˜o independentes se a probabilidade conjunta for igual ao produto das probabilidades, isto e´, Pr{X = x,Y = y} = Pr{X = x}Pr{Y = y} Propriedade 3.2 Independeˆncia Pr{X = x,Y = y} = Pr{X = x}Pr{Y = y} ⇒ E{f(X)g(Y)} = E{f(X)}E{g(Y)} pois E{f(X)g(Y)} = ∑ k ∑ m f(k)g(m) Pr{X = k,Y = m} = = ∑ k f(k) Pr{X = k} ∑ m g(m) Pr{Y = m} ⋄ Definic¸a˜o: Transformada Z A transformada Z da se´rie p[n] e´ dada por2 GX(z) = Z{p[n]} = +∞∑ k=−∞ p[k]zk Propriedade 3.3 Z{p[n]} = E{zX} pois f(X) = zX ⇒ E{f(X)} = ∑ k f(k) Pr{X = k} = ∑ k zkp[k] = Z{p[n]} ⋄ 1Jacob (Jacques) Bernoulli, matema´tico suic¸o 1654–1705. 2Note que a transformada Z e´ definida com zk (e na˜o z−k) para ficar de acordo com a maior parte dos livros de probabilidade. Duas consequ¨eˆncias importantes disso sa˜o: a regia˜o de convergeˆncia para sequ¨eˆncias a` direita e´ o interior de um c´ırculo (e na˜o o exterior), e na Propriedade do Operador Derivada na˜o aparece o sinal negativo. Bonatti, Lopes & Peres 34 Cap´ıtulo 3. Transformada Z Aplicada a Probabilidade Exemplo 3.3Seja X a varia´vel aleato´ria que descreve o nu´mero de elementos na fila M/M/1 do Exemplo 3.1. A distribuic¸a˜o de probabilidade e´ dada por p[n] = (1− ρ)ρnu[n] , 0 < ρ < 1 A transformada Z de p[n] e´ dada por GX(z) = (1− ρ) +∞∑ k=−∞ (ρz)ku[k] = 1− ρ 1− ρz , |z| < 1 ρ Observe que a divisa˜o dos polinoˆmios da transformada Z produz a func¸a˜o inversa, isto e´, a sequ¨eˆncia p[n]. GX(z) = 1− ρ 1− ρz = (1− ρ)(1 + ρz + ρ 2z2 + · · · ) W Propriedade 3.4 Soma Z{p[n]} ∣∣∣ z=1 = GX(1) = ∑ k p[k] = 1 Note que esta propriedade pode ser usada para testar eventuais erros nas expresso˜es das transformadas Z das distribuic¸o˜es de probabilidade. ⋄ Propriedade 3.5 Operador Derivada ( zd dz )m Z{p[n]} = Z{nmp[n]} , m ∈ Z+ pois z d dz Z{p[n]} = z ∑ k kzk−1p[k] = ∑ k kp[k]zk = Z{np[n]} e a aplicac¸a˜o recorrente do operador ( zd dz ) prova a propriedade. ⋄ Propriedade 3.6 Momentos E{Xm} = ( zd dz )m Z{p[n]} ∣∣∣ z=1 = Z{nmp[n]} ∣∣∣ z=1 , m ∈ Z+ Bonatti, Lopes & Peres 35 Esta propriedade pode ser usada para o ca´lculo dos momentos de ordem m. ⋄ Propriedade 3.7 Variaˆncia σ2X = ( zd dz )2 Z{p[n]} ∣∣∣ z=1 − (( zd dz ) Z{p[n]} ∣∣∣ z=1 )2 ⋄ Propriedade 3.8 Se´rie de Taylor Sequ¨eˆncias p[n] a` direita do zero podem ser calculadas a partir da se´rie de Taylor3 de GX(z) em z = 0, pois GX(z) = +∞∑ n=0 1 n! dn dzn GX(z) ∣∣∣ z=0 zn ⇒ p[n] = G (n) X (0) n! ⋄ Exemplo 3.4 Considere novamente a varia´vel aleato´ria de Bernoulli do Exemplo 3.2, para a qual Pr{X = 1} = p > 0 ; Pr{X = 0} = 1− p = q > 0 ⇒ p[n] = qδ[n] + pδ[n− 1] No Exemplo 3.2, me´dia e variaˆncia foram obtidas pela definic¸a˜o. Neste exemplo, a me´dia e variaˆncia sa˜o determinadas pelas propriedades da transformada Z. A transformada Z de p[n] e´ dada por GX(z) = +∞∑ k=−∞ p[k]zk = (1− p) + zp = q + zp O teste da soma e´ verificado, pois GX(1) = q + p = 1 O momento de primeira ordem fornece ( zd dz ) GX(z) = zp ⇒ E{X} = p e o momento de segunda ordem e´ dado por 3Brook Taylor, matema´tico ingleˆs (1685–1731). Bonatti, Lopes & Peres 36 Cap´ıtulo 3. Transformada Z Aplicada a Probabilidade ( zd dz )2 GX(z) = zp =⇒ E{X2} = p A variaˆncia e´ σ2 X = p− p2 = pq A expansa˜o em se´rie de Taylor produz GX(z) = q + zp ⇒ p0 = q , p1 = p que confirma a expressa˜o da transformada. W Propriedade 3.9 Soma de Varia´veis Aleato´rias Sejam X e Y varia´veis aleato´rias discretas e independentes. Enta˜o GX+Y(z) = GX(z)GY(z) pois, definindo-se W = X + Y, tem-se GW(z) = E{zW} = E{z(X+Y)} = E{zX}E{zY} = GX(z)GY(z) ou seja, a transformada Z da soma de varia´veis aleato´rias independentes e´ o produto das transformadas Z. ⋄ A Propriedade 3.9 e´ uma versa˜o em termos de varia´veis aleato´rias da propriedade de que a transfor- mada Z da convoluc¸a˜o e´ o produto das transformadas Z individuais. A propriedade seguinte mostra que a distribuic¸a˜o de probabilidade associada ao produto de duas transformadas Z e´ a convoluc¸a˜o das distribuic¸o˜es individuais. Propriedade 3.10 Sejam GX(z) = ∑ k x[k]zk , GY(z) = ∑ k y[k]zk Enta˜o, GX(z)GY(z) = ∑ k p[k]zk ⇒ p[n] = ∑ k x[k]y[n− k] = x[n] ∗ y[n] pois GX(z)GY(z) = ∑ k x[k]zk ∑ m y[m]zm = ∑ k ∑ m x[k]y[m]zk+m = ∑ n ∑ k x[k]y[n− k] ︸ ︷︷ ︸ p[n] zn ⋄ Bonatti, Lopes & Peres 37 O resultado da Propriedade 3.9 permite uma abordagem alternativa (ao processo de contagem) para a definic¸a˜o da varia´vel aleato´ria binomial. Exemplo 3.5 Varia´vel Aleato´ria Binomial Considere X1,X2, . . .Xn varia´veis aleato´rias de Bernoulli, independentes e com a mesma distribuic¸a˜o de probabilidade Pr{Xi = 1} = p > 0 , Pr{Xi = 0} = 1− p = q > 0 , i = 1, . . . , n Seja Y = X1 + X2 + · · ·+ Xn Observe que Pr{Y = k} = p[k] e´ a probabilidade de ocorrerem k acertos em n testes. Pela Propriedade 3.9, tem-se GY(z) = GX1(z) · · ·GXn(z) = (q + zp)n Expandindo o binoˆmio de Newton4, tem-se GY(z) = (q + zp) n = n∑ k=0 ( n k ) (zp)kq(n−k) = n∑ k=0 zk n! k!(n− k)!p kq(n−k)︸ ︷︷ ︸ p[k] Observe que a frac¸a˜o na expressa˜o indica o nu´mero de possibilidades de ocorrer k acertos em n testes, e o produto pkqn−k indica a probabilidade de haver k acertos e n− k erros. A me´dia e a variaˆncia podem ser calculadas a partir da transformada Z GY(z) = (q + zp) n GY(1) = (q + p) n = 1 ( zd dz ) GY(z) = zn (q + zp) (n−1) p ⇒ y¯ = E{Y} = np ( zd dz )2 GY(z) = z ( np (q + zp) (n−1) + npz(n− 1) (q + zp)(n−2) p) ⇒ E{Y 2} = n2p2 + np(1− p) σ2 Y = n2p2 + np(1− p)− n2p2 = npq Este resultado confirma que a me´dia da soma de varia´veis aleato´rias e´ a soma das me´dias e que, para varia´veis aleato´rias independentes, a variaˆncia da soma e´ a soma das variaˆncias. W 4Sir Isaac Newton, ingleˆs (1643–1727). Bonatti, Lopes & Peres 38 Cap´ıtulo 3. Transformada Z Aplicada a Probabilidade A distribuic¸a˜o binomial (n, p) tende para a distribuic¸a˜o de Poisson5 quando n tende para infinito mantendo-se constante o valor valor me´dio ρ = np, isto e´, considerando-se que p = ρ/n decresc¸a de maneira apropriada. Propriedade 3.11 Poisson como limite da binomial lim n→+∞ , p=ρ/n (q + zp)n = exp ( ρ(z − 1) ) pois GY(z) = lim n→+∞ , p=ρ/n (q + zp)n = lim n→+∞ ( 1 + ρ(z − 1) n )n = exp ( ρ(z − 1) ) pois lim n→+∞ ( 1 + a n )n = exp(a) Expandindo em se´rie de Taylor, tem-se exp(−ρ) +∞∑ k=0 (zρ)k k! ⇒ p[k] = Pr{Y = k} = ρ k k! exp(−ρ) , k ∈ N Uma demonstrac¸a˜o alternativa pode ser feita diretamente da expressa˜o da distribuic¸a˜o da binomial. Assim, p[k] = Pr{Y = k} = n! k!(n− k)!p k(1− p)n−k = n! k!(n− k)! ρk nk ( 1− ρ n )n−k Portanto, lim n→+∞ n! k!(n− k)! ρk nk ( 1− ρ n )n−k = ρk k! ( lim n→+∞ ( 1− ρ n )n−k) ︸ ︷︷ ︸ exp(−ρ) ( lim n→+∞ n! nk(n− k)! ) ︸ ︷︷ ︸ 1 pois lim n→+∞ n! (n− k)! 1 nk = lim n→+∞ n n (n− 1) n · · · (n− k + 1) n = 1 resultando em p[k] = Pr{Y = k} = ρ k k! exp(−ρ) , k ∈ N ⋄ 5Sime´on Denis Poisson, matema´tico franceˆs (1781-1840). Bonatti, Lopes & Peres 39 Exemplo 3.6 A me´dia e a variaˆncia da distribuic¸a˜o de Poisson podem ser calculadas a partir da transformada Z. Para uma varia´vel aleato´ria de Poisson, tem-se GY(z) = exp(−ρ) exp(ρz) ⇒ GY(1) = 1 ( zd dz ) GY(z) = exp(−ρ)ρz exp(ρz) ⇒ y¯ = E{Y} = ρ ( zd dz )2 GY(z) = z exp(−ρ) ( ρ exp(ρz) + ρ2z exp(ρz) ) ⇒ E{Y2} = ρ+ ρ2 σ2 Y = ρ+ ρ2 − ρ2 = ρ Note que a me´dia de uma varia´vel aleato´ria poissoniana e´ igual a` variaˆncia. W Propriedade 3.12 A soma de varia´veis aleato´rias poissonianas independentes e´ poissoniana pois, para Y = Y1 + Y2 GY(z) = E{z(Y1+Y2)} = E{zY1} E{zY2} = GY1(z) GY2(z) GY(z) = exp ( ρ1(z − 1) ) exp ( ρ2(z − 1) ) = exp ( (ρ1 + ρ2)(z − 1) ) que trata-se de uma distribuic¸a˜o poissoniana com me´dia ρ1 + ρ2. ⋄ Bonatti, Lopes & Peres Cap´ıtulo 4 Se´rie de Fourier de Sinais Discretos Definic¸a˜o: Sinal Perio´dico Um sinal x[n] e´ perio´dico se existe um inteiro positivo N tal que x[n] = x[n + N ] para ∀n ∈ Z. Nesse caso, N e´ um per´ıodo e, se for o menor inteiro que satisfaz a relac¸a˜o, e´ chamado de per´ıodo fundamental. Sinais perio´dicos representam uma classe importante de sinais de poteˆncia, que podem ser represen- tados por se´ries de Fourier1. Propriedade 4.1 A func¸a˜o x[n] = exp(jβn) , β ∈ R , n ∈ Z e´ perio´dica se e somente se β = 2π p q , p, q ∈ Z Se q = N e´ omenor inteiro positivo que satisfaz a relac¸a˜o, enta˜o N e´ o per´ıodo fundamental. Prova: Se β = 2π p q , p, q ∈ Z enta˜o exp ( jβ(n+ q) ) = exp(jβn) exp(jβq) = exp(j2πp) exp(jβn) = exp(jβn) ⇒ perio´dica Por outro lado, se x[n] = exp(jβn) e´ perio´dica, ou seja, se x[n] = x[n+ q] ⇒ exp(jβn) = exp (jβ(n+ q)) enta˜o exp(jβn) = exp(jβn) exp(jβq) ⇒ exp(jβq) = 1 ⇒ βq = 2πp , p, q ∈ Z ⋄ 1Jean Baptiste Joseph Fourier, matema´tico franceˆs (1768–1830). 40 41 Exemplo 4.1 Para que o sinal x[n] = sen(an) = 1 2j exp(jan)− 1 2j exp(−jan) seja perio´dico, e´ necessa´rio que a = 2π p q , p, q ∈ Z W Propriedade 4.2 Se x1[n] e x2[n] sa˜o perio´dicos, enta˜o a soma x[n] = c1x1[n] + c2x2[n] e´ perio´dica e o per´ıodo fundamental e´ (em geral) mu´ltiplo dos per´ıodos individuais. ⋄ Exemplo 4.2 O per´ıodo fundamental (menor per´ıodo) do sinal x[n] = exp(j3πn/5)− exp(jπn/2) = exp(j2π 3 10 n)− exp(j2π 1 4 n) e´ obtido a partir dos menores valores de m1 e m2 inteiros que verificam N = 10m1 = 4m2 ⇒ m1 = 2,m2 = 5 ⇒ N = 20 sendo N1 = 10 e N2 = 4 os per´ıodos das componentes. W Definic¸a˜o: Produto Escalar de Sinais Perio´dicos O produto escalar dos sinais perio´dicos gk[n] e gℓ[n], de per´ıodo N , e´ dado por < gk[n]g ∗ ℓ [n] >= ∑ n∈N¯ gk[n]g ∗ ℓ [n] sendo N¯ = {0, 1, 2, . . . , N − 1} ou qualquer conjunto de N inteiros consecutivos. Definic¸a˜o: Ortogonalidade de Sinais Perio´dicos Os sinais perio´dicos gk[n], de per´ıodo N , sa˜o ortogonais se∑ n∈N¯ |gk[n]|2 > 0 e ∑ n∈N¯ gk[n]g ∗ ℓ [n] = 0 , k 6= ℓ , k, ℓ ∈ Z Bonatti, Lopes & Peres 42 Cap´ıtulo 4. Se´rie de Fourier de Sinais Discretos Exemplo 4.3 Considere os sinais p[n] = δ[n− 1] + δ[n+ 1] , q[n] = δ[n− 1]− δ[n+ 1] e os sinais perio´dicos, de periodo N > 2, N ∈ Z+, dados por x[n] = +∞∑ k=−∞ p[n− kN ] , y[n] = +∞∑ k=−∞ q[n− kN ] O produto escalar e´ dado por < x[n]y∗[n] >=< p[n]q∗[n] >= ∑ k∈N¯ p[k]q[k] = 1 + 0− 1 = 0 implicando que os sinais x e y sa˜o ortogonais. As normas de x[n] e y[n] sa˜o dadas por ‖x[n]‖ = √ < x[n]x∗[n] > = √ 1 + 1 = √ 2 , ‖y[n]‖ = √ < y[n]y∗[n] > = √ 1 + 1 = √ 2 W Exemplo 4.4 Considere o sinal p[n] = δ[n− 1] + δ[n+ 1] e os sinais perio´dicos x[n] = +∞∑ k=−∞ p[n− k6] , y[n] = +∞∑ k=−∞ p[n− 3− k6] Os sinais x[n] e y[n] sa˜o ortogonais. Note que, embora os per´ıodos de x[n] e y[n] sejam ambos iguais a 6, a soma x[n] + y[n] possui per´ıodo fundamental igual a 3. W Exemplo 4.5 Considere os N sinais perio´dicos gk[n] = exp ( jk 2π N n ) , n ∈ Z , N ∈ Z+ , k ∈ {0, 1, . . . , N − 1} O produto escalar αkℓ e´ dado por αkℓ = ∑ n∈N¯ gk[n]g ∗ ℓ [n] = ∑ n∈N¯ exp [ j(k − ℓ)2π N n ] = ∑ n∈N¯ zn = zn1 N−1∑ n=0 zn com z = exp [ j(k − ℓ)2π N ] e n1 o menor inteiro pertencente ao conjunto N¯ . Bonatti, Lopes & Peres 43 Portanto, αkℓ = N, para k = ℓ (zn1) 1− zN 1− z = 0, para k 6= ℓ implicando que os sinais gk[n] sa˜o ortogonais e teˆm norma √ N , ou seja, ‖gk[n]‖2 = ‖ exp ( jk 2π N n ) ‖2 = N , ∀k ∈ N¯ W Definic¸a˜o: Sinais Linearmente Independentes Um conjunto de sinais {gk[n], k = 1, . . . ,m} e´ linearmente independente se e somente se m∑ k=1 ckgk[n] = 0 , ∀n ∈ Z ⇒ ck = 0 , k = 1, . . . ,m Definic¸a˜o: Espac¸o Linear A combinac¸a˜o linear de um conjunto de m sinais gk[n], isto e´, g[n] = m∑ k=1 ckgk[n] com escalares ck ∈ C gera um espac¸o linear, cuja dimensa˜o e´ dada pelo nu´mero r de sinais linearmente independentes do conjunto (r ≤ m). Qualquer conjunto de r sinais que gere o mesmo espac¸o e´ uma base para esse espac¸o. Exemplo 4.6 Os sinais x1[n] = 1 , x2[n] = n , x3[n] = n 2 , n ∈ Z sa˜o linearmente independentes, pois c1x1[n] + c2x2[n] + c3x3[n] = 0 ⇒ c1 = c2 = c3 = 0, pois det 1 0 01 1 1 1 2 4 = 2 6= 0 W Exemplo 4.7 Os sinais y1[n] = λ n 1 e y2[n] = λ n 2 , λ1, λ2 ∈ C sa˜o linearmente independentes se e somente se λ1 6= λ2, pois a1λn1 + a2λn2 = 0 implica a1 + a2 = 0 a1λ1 + a2λ2 = 0 } ⇒ a1 = a2 = 0 W Bonatti, Lopes & Peres 44 Cap´ıtulo 4. Se´rie de Fourier de Sinais Discretos Propriedade 4.3 Sinais ortogonais sa˜o linearmente independentes. Prova: ∑ k ckgk[n] = 0 ∀n ∈ Z ⇒ ∑ k ckgk[n]g ∗ ℓ [n] = 0 ∀n ∈ Z ∑ n ∑ k ckgk[n]g ∗ ℓ [n] = 0 ⇒ ∑ k ck ∑ n gk[n]g ∗ ℓ [n] = 0 ∑ k 6=ℓ ck ∑ n gk[n]g ∗ ℓ [n]︸ ︷︷ ︸ =0 +cℓ ∑ n gℓ[n]g ∗ ℓ [n]︸ ︷︷ ︸ >0 = 0 ⇒ cℓ = 0 ∀ℓ ⋄ Propriedade 4.4 Representac¸a˜o do Sinal em uma Base Considere o sinal perio´dico x[n], de per´ıodo N , e uma base de dimensa˜o N de sinais perio´dicos gk[n] ortogonais com per´ıodo N . A representac¸a˜o do sinal x[n] na base gk[n] e´ dada por x[n] = ∑ k ckgk[n] , n ∈ Z sendo ck = < x[n]g∗k[n] > < gk[n]g ∗ k[n] > pois ∑ n∈N¯ x[n]g∗k[n] = ∑ ℓ cℓ ∑ n∈N¯ gℓ[n]g ∗ k[n] = ck ∑ n∈N¯ |gk[n]|2 ⇒ ck = ∑ n∈N¯ x[n]g∗k[n]∑ n∈N¯ |gk[n]|2 ⋄ Propriedade 4.5 Teorema de Parseval2 Considere o sinal perio´dico x[n], de per´ıodo N , e uma base de dimensa˜o N de sinais perio´dicos gk[n] ortogonais com per´ıodo N , tais que x[n] = ∑ k ckgk[n] Enta˜o, 2Marc-Antoine Parseval des Cheˆnes, matema´tico franceˆs (1755–1836). Bonatti, Lopes & Peres 45 ∑ n∈N¯ |x[n]|2 = ∑ k |ck|2 ∑ n∈N¯ |gk[n]|2 Prova: ∑ n∈N¯ |x[n]|2 = ∑ n∈N¯ x[n] ∑ k c∗kg ∗ k[n] = ∑ k c∗k ∑ n∈N¯ x[n]g∗k[n] = ∑ k c∗kck ∑ n∈N¯ |gk[n]|2 ⋄ Propriedade 4.6 Se´rie exponencial de Fourier para sinais discretos perio´dicos x[n] = ∑ k∈N¯ ck exp ( jk 2π N n ) com ck = 1 N ∑ n∈N¯ x[n] exp ( − jk2π N n ) pois, como calculado no Exemplo 4.5, ‖ exp ( jk 2π N n ) ‖2 = N , ∀k ∈ N¯ exp ( jk 2π N n )∗ = exp ( − jk2π N n ) com coeficientes perio´dicos, de per´ıodo (no ma´ximo) igual a N ck+N = ck = c[k] Notac¸a˜o: FS{x[n]}N = {ck}N ⇔ x[n] = ∑ k∈N¯ ck exp ( jk 2π N n ) , ck = 1 N ∑ n∈N¯ x[n] exp ( − jk2π N n ) ⋄ Propriedade 4.7 Linearidade FS{α1x1[n] + α2x2[n]}N = α1FS{x1[n]}N + α2FS{x2[n]}N ⋄ Bonatti, Lopes & Peres 46 Cap´ıtulo 4. Se´rie de Fourier de Sinais Discretos Propriedade 4.8 Soma FS{x[n]}N = {ck}N ⇒ c0 = 1 N ∑ n∈N¯ x[n] , x[0] = ∑ k∈N¯ ck ⋄ Propriedade 4.9 Teorema de Parseval para se´rie exponencial de Fourier FS{x[n]}N = {ck}N ⇒ 1 N ∑ n∈N¯ |x[n]|2 = ∑ k∈N¯ |ck|2 (poteˆncia me´dia) ⋄ Exemplo 4.8 A se´rie exponencial de Fourier de x[n] dado por x[n] = sen( 2π 5 n) pode ser obtida a partir do Teorema de Euler x[n] = sen( 2π 5 n) = − 1 2j exp(−j 2π 5 n) + 1 2j exp(j 2π 5 n) N = 5 , c−1 = − 1 2j , c1 = 1 2j , c0 = c2 = c3 = 0 c4 = c−1 = − 1 2j ⇒ x[n] = 1 2j exp(j 2π 5 n)− 1 2j exp(j4 2π 5 n) A poteˆncia me´dia e´ 1/4 + 1/4 = 1/2. W Exemplo 4.9 A se´rie exponencial de Fourier de x[n] dado por x[n] = sen( 2π 5 n) + cos( π 5 n) pode ser obtida a partir do Teorema de Euler x[n] = − 1 2j exp(−j 2π 5 n) + 1 2j exp(j 2π 5 n) + 1 2 exp(j 2π 10 n) + 1 2 exp(−j 2π 10 n) = − 1 2j exp(−j22π 10 n) + 1 2j exp(j2 2π 10 n) + 1 2 exp(j 2π 10 n) + 1 2 exp(−j 2π 10 n) N = 10 , c−2 = − 1 2j , c−1 = 1 2 , c1 = 1 2 , c2 = 1 2j c8 = c−2 = − 1 2j , c9 = c−1 = 1 2 , ci = 0 , i ∈ {0, 3, 4, 5, 6, 7} Bonatti, Lopes & Peres 47 x[n] = − 1 2j exp(j8 2π 10 n) + 1 2j exp(j2 2π 10 n) + 1 2 exp(j2π 10 n) + 1 2 exp(j9 2π 10 n) A poteˆncia me´dia e´ 1. W Exemplo 4.10 A se´rie exponencial de Fourier de x[n] dado por x[n] = 2 cos( 2π 5 n+ π 4 ) pode ser obtida a partir do Teorema de Euler. Note que o per´ıodo e´ N = 5 e os coeficientes da se´rie sa˜o c1 = exp(jπ/4) , c−1 = c4 = exp(−jπ/4) , c0 = c2 = c3 = 0 A poteˆncia me´dia de x[n] e´ dada por |c1|2 + |c4|2 = 2 W Exemplo 4.11 Considere um sinal discreto x[n] perio´dico, de per´ıodo N = 5, cujos coeficientes da primeira e terceira harmoˆnicas da se´rie exponencial de Fourier do sinal sa˜o, respectivamente, 1 e 4. Os demais coeficientes sa˜o nulos. Portanto, x[n] = c1 exp(j 2π 5 n) + c3 exp(j3 2π 5 n) , c1 = 1 , c3 = 4 x[0] = x[5] = 5 perio´dico, de per´ıodo N = 5 x[1] ≈ −2.93− j1.40 , x[2] ≈ 0.43 + j4.39 , x[3] ≈ 0.43− j4.39 , x[4] ≈ −2.93 + j1.40 O Teorema de Parseval pode ser verificado numericamente, pois 12 + 42 = 17 = 1 5 ( 4∑ n=0 |x[n]|2 ) W Bonatti, Lopes & Peres 48 Cap´ıtulo 4. Se´rie de Fourier de Sinais Discretos Exemplo 4.12 Trem de impulsos A se´rie de Fourier do trem perio´dico de impulsos δN [n] = +∞∑ ℓ=−∞ δ[n− ℓN ] e´ dada por ck = 1 N ∑ n∈N¯ +∞∑ ℓ=−∞ δ[n− ℓN ] exp(−jk 2π N n) = 1 N ∑ n∈N¯ δ[n] exp(−jk 2π N n) = 1 N , k ∈ N¯ Portanto, FS{δN [n]}N = { 1 N } N , +∞∑ k=−∞ δ[n− kN ] = 1 N ∑ k∈N¯ exp(jk 2π N n) Observe que os coeficientes da se´rie sa˜o constantes (isto e´, o per´ıodo e´ 1 qualquer que seja N). W Exemplo 4.13 Considere o sinal perio´dico, de per´ıodo N = 10, dado por x[n] = +∞∑ k=−∞ p[n− kN ] , p[n] = δ[n+ 1] + δ[n] + δ[n− 1] Os coeficientes da se´rie de Fourier sa˜o dados por ck = 1 10 5∑ n=−4 ( δ[n+ 1] + δ[n] + δ[n− 1] ) exp(−jk 2π 10 n) = 1 10 ( 1 + exp(−jk 2π 10 ) + exp(jk 2π 10 ) ) = 1 10 ( 1 + 2 cos(k π 5 ) ) c0 = 3 10 (valor me´dio) = 1 10 5∑ n=−4 p[n] ck,k=0,...,9 ≈ [ 0.30 0.26 0.16 0.04 −0.06 −0.10 −0.06 0.04 0.16 0.26 ] Note que 9∑ k=0 ck = x[0] = 1 , 1 10 9∑ n=0 |x[n]|2 = 9∑ k=0 |ck|2 = 0.3 W Bonatti, Lopes & Peres 49 Propriedade 4.10 Complexo conjugado FS{x[n]}N = {ck}N e y[n] = x∗[n] ⇒ FS{y[n]}N = {c∗−k}N pois y[n] = x∗[n] = ∑ k∈N¯ c∗k exp ( − jk2π N n ) = ∑ k∈N¯ c∗−k exp ( jk 2π N n ) ⋄ Definic¸a˜o: Func¸a˜o Par e Func¸a˜o I´mpar x[n] = x[−n] e´ par , x[n] = −x[−n] e´ ı´mpar Propriedade 4.11 Sinais Pares e I´mpares • Combinac¸o˜es lineares de sinais pares produzem sinais pares; • Combinac¸o˜es lineares de sinais ı´mpares produzem sinais ı´mpares; • O produto de func¸a˜o par por func¸a˜o ı´mpar e´ ı´mpar; • O produto de func¸a˜o par por func¸a˜o par e´ par; • O produto de func¸a˜o ı´mpar por func¸a˜o ı´mpar e´ par; • x[n] par ⇒ +∞∑ n=−∞ x[n] = x[0] + 2 +∞∑ n=1 x[n] • x[n] ı´mpar ⇒ +∞∑ n=−∞ x[n] = 0 , x[0] = 0 • xp[n] = 1 2 ( x[n] + x[−n] ) e´ par • xi[n] = 1 2 ( x[n]− x[−n] ) e´ ı´mpar • x[n] = xp[n] + xi[n] xp[n] e´ a parte par e xi[n] e´ a parte ı´mpar de x[n] ⋄ Exemplo 4.14 O sinal x[n] = −δ[n+ 1] + 2δ[n− 1] + δ[n− 2] pode ser escrito como x[n] = xp[n] + xi[n] Bonatti, Lopes & Peres 50 Cap´ıtulo 4. Se´rie de Fourier de Sinais Discretos com 2xp[n] = δ[n+2]+δ[n+1]+δ[n−1]+δ[n−2] , 2xi[n] = −δ[n+2]−3δ[n+1]+3δ[n−1]+δ[n−2] W Propriedade 4.12 FS{x[n]}N = {ck}N e x[n] e´ real ⇔ c∗k = c−k Prova: Se x[n] e´ real, enta˜o c∗k = 1 N ∑ n∈N¯ x[n] exp ( jk 2π N n ) = c−k Se c∗k = c−k, enta˜o x∗[n] = ∑ k∈N¯ c−k exp ( − jk2π N n ) = ∑ k∈N¯ ck exp ( jk 2π N n ) = x[n] ⇒ x[n] e´ real c∗k = c−k ⇒ |ck| = |c−k| (par) , ∠c∗k = −∠c−k (´ımpar) ⋄ Propriedade 4.13 Se´rie trigonome´trica de Fourier para sinais discretos perio´dicos Considere FS{x[n]}N = {ck}N , x[n] e´ real Enta˜o, para N ı´mpar, N > 1, tem-se x[n] = a0 + (N−1)/2∑ k=1 ak cos ( k 2π N n ) + (N−1)/2∑ k=1 bksen ( k 2π N n ) com a0 = c0 , ak = ck + c−k , bk = j(ck − c−k) pois, pela Propriedade 4.12, c∗k = c−k e ck exp ( jk 2π N n ) + c−k exp ( − jk2π N n ) = (ck + c−k)︸ ︷︷ ︸ ak cos ( k 2π N n ) + j(ck − c−k)︸ ︷︷ ︸ bk sen ( k 2π N n ) Para N par, N > 1, Bonatti, Lopes & Peres 51 x[n] = a0 + aN/2(−1)n + N/2−1∑ k=1 ak cos ( k 2π N n ) + N/2−1∑ k=1 bksen ( k 2π N n ) com a0 = c0 , aN/2 = cN/2 , ak = ck + c−k , bk = j(ck − c−k) pois, para k = 0, 1, . . . , N/2− 1, vale o argumento do caso N ı´mpar. O coeficiente cN/2 e´ real, pois o termo cN/2 exp ( j N 2 2π N n ) ︸ ︷︷ ︸ (−1)n somado aos demais termos tem que reproduzir x[n] real. ⋄ Propriedade 4.14 FS{x[n]}N = {ck}N e x[n] e´ real e par ⇒ ck = c∗k = c−k (real e par) Prova: Se x[n] e´ real e par, enta˜o c∗k = 1 N ∑ n∈N¯ x[n] exp ( jk 2π N n ) = 1 N ∑ n∈N¯ x[−n] exp ( jk 2π N n ) = = 1 N ∑ n∈N¯ x[n] exp ( − jk2π N n ) = ck Pela Propriedade 4.12, c∗k = c−k = ck Note que, neste caso, a se´rie trigonome´trica na˜o possui termos em seno (bk = 0). ⋄ Exemplo 4.15 A se´rie exponencial de Fourier do sinal x[n], real e par, dado por x[n] = 2 cos( π 2 n) , N = 4 e´ dada por c1 = 1 , c−1 = c3 = 1 , c0 = c2 = 0 coeficientes reais Outro sinal real e par e´ o do Exemplo 4.13. W Bonatti, Lopes & Peres 52 Cap´ıtulo 4. Se´rie de Fourier de Sinais Discretos Propriedade 4.15 FS{x[n]}N = {ck}N e x[n] e´ real e ı´mpar ⇒ c∗k = −ck = c−k (imagina´rio puro e ı´mpar) Prova: Se x[n] e´ real e ı´mpar, enta˜o c∗k = 1 N ∑ n∈N¯ x[n] exp ( jk 2π N n ) = 1 N ∑ n∈N¯ −x[−n] exp ( jk 2π N n ) = = − 1 N ∑ n∈N¯ x[n] exp ( − jk2π N n ) = −ck Pela Propriedade 4.12, c∗k = c−k = −ck Note que, neste caso, a se´rie trigonome´trica na˜o possui termos em cosseno (ak = 0) e a0 = 0. ⋄ Exemplo 4.16 Considere o sinal perio´dico e ı´mpar, de per´ıodo N = 5, dado por x[n] = +∞∑ k=−∞ p[n− kN ] , p[n] = −δ[n+ 1] + δ[n− 1] Os coeficientes da se´rie de Fourier sa˜o dados por ck = 1 5 2∑ n=−2 ( − δ[n+ 1] + δ[n− 1] ) exp(−jk 2π 5 n) = 1 5 ( − exp(jk 2π 5 ) + exp(−jk 2π 5 ) ) = −2j 5 ( sen(k 2π 5 ) ) c0 = 0 (valor me´dio) = 1 5 2∑ n=−2 p[n] ck,k=0,...,4 ≈ [ 0 −0.38j −0.24j 0.24j 0.38j ] Note que os coeficientes sa˜o imagina´rios puros (pois o sinal e´ real e ı´mpar), como no caso do Exemplo 4.8, e tambe´m que 4∑ k=0 ck = x[0] = 0 , 1 5 4∑ n=0 |x[n]|2 = 4∑ k=0 |ck|2 = 0.4 W Bonatti, Lopes & Peres 53 Propriedade 4.16 Deslocamento no tempo FS{x[n]}N = {ck}N , m ∈ Z ⇒ FS{x[n−m]} = {ck exp(−jk2π N m)}N pois x[n−m] = ∑ k∈N¯ ck exp(−jk2π N m) exp(jk 2π N n) O deslocamento no tempo altera a fase (e na˜o o mo´dulo) dos coeficientes da se´rie de Fourier. Como consequ¨eˆncia, na˜o altera a poteˆncia me´dia do sinal. ⋄ Propriedade 4.17 Diferenc¸a de primeira ordem FS{x[n]}N = {ck}N e y[n] = x[n]−x[n− 1] ⇒ FS{x[n]−x[n− 1]} = {( 1− exp (− jk2π N )) ck } N ⋄ Propriedade 4.18 Soma FS{x[n]}N = {ck}N e c0 = 0 ⇒ FS{ n∑ k=−∞ x[k]} = { ck 1− exp(−jk 2πN ) , k 6= 0 } N Prova: O sinal y[n] e´ perio´dico, com per´ıodo N , pois y[n] = n∑ k=−∞ x[k] ⇒ y[n+N ] = n∑ k=−∞ x[k] + ∑ k∈N¯ x[k] = y[n] Para k 6= 0, tem-se FS{y[n]}N = {dk}N , x[n] = y[n]− y[n− 1] ⇒ ck = dk ( 1− exp (− jk2π N )) ⇒ dk = ck 1− exp(−jk 2πN ) Para k = 0, d0 = 1 N ∑ n∈N¯y[n] ⋄ Bonatti, Lopes & Peres 54 Cap´ıtulo 4. Se´rie de Fourier de Sinais Discretos Exemplo 4.17 A se´rie de Fourier dos sinais perio´dicos, de per´ıodo N = 10, x[n] = +∞∑ k=−∞ p[n− kN ] , p[n] = −δ[n+ 2] + δ[n+ 1] + δ[n− 1]− δ[n− 2] y[n] = +∞∑ k=−∞ q[n− kN ] , q[n] = −δ[n+ 2] + δ[n− 1] FS{x[n]}N = {ck}N , ck = 1 10 ( − exp(jk2π/5)− exp(−jk2π/5) + exp(jkπ/5) + exp(−jkπ/5) ) ⇒ ck = 1 5 ( cos(kπ/5)− cos(k2π/5) ) x[n] real e par, ck real e par ck,k=0,...,9 ≈ [ 0 0.10 0.22 0.10 −0.22 −0.40 −0.22 0.10 0.22 0.10 ] c0 = 0 , 9∑ k=0 ck = x[0] = 0 , 1 10 9∑ n=0 |x[n]|2 = 9∑ k=0 |ck|2 = 0.4 FS{y[n]}N = {dk}N , dk = 1 10 ( − exp(jk2π/5) + exp(−jkπ/5) ) dk,k=0,...,9 ≈ [ 0 0.05− 0.15j 0.11− 0.15j 0.05− 0.04j −0.11 + 0.04j −0.20 −0.11− 0.04j 0.05 + 0.04j 0.11 + 0.15j 0.05 + 0.15j ] d0 = 0 , 9∑ k=0 dk = y[0] = 0 , 1 10 9∑ n=0 |y[n]|2 = 9∑ k=0 |dk|2 = 0.2 Observe que y[n] = n∑ k=−∞ x[k] , q[n] = n∑ k=−∞ p[k] e, pela Propriedade 4.18, ck = dk ( 1− exp(−jk 2π N ) ) W Propriedade 4.19 Inversa˜o no tempo FS{x[n]}N = {ck}N e y[n] = x[−n] ⇒ FS{y[n]}N = {dk}N = {c−k}N pois dk = 1 N ∑ n∈N¯ y[n] exp ( − jk2π N n ) = 1 N ∑ n∈N¯ x[−n] exp ( − jk2π N n ) = Bonatti, Lopes & Peres 55 = 1 N ∑ n∈N¯ x[n] exp ( jk 2π N n ) = 1 N ∑ n∈N¯ x[n] exp ( − j(−k)2π N n ) = c−k ⋄ Propriedade 4.20 Expansa˜o no tempo FS{x[n]}N = {ck}N , m ∈ Z+ e y[n] = x[n/m] , n/m ∈ Z 0 , n/m 6∈ Z Enta˜o, FS{y[n]}N = { 1 m ck}mN Prova: O per´ıodo de y[n] e´ mN , pois, para n/m ∈ Z tem-se y[n+mN ] = x[(n+mN)/m] = x[n/m+N ] = x[n/m] = y[n] e, para n/m na˜o inteiro, y[n+mN ] = y[n] = 0. Os coeficientes dk, para k ∈ mN da se´rie de Fourier de y[n] sa˜o dk = 1 mN ∑ ℓ∈mN y[ℓ] exp ( − jk 2π mN ℓ ) = 1 mN ∑ n∈N¯ x[n] exp ( − jk2π N n ) = 1 m ck pois y[ℓ] = 0 para ( ℓ m ) 6∈ Z e y[ℓ = nm] = x[n]. Observe que o per´ıodo dos mN coeficientes dk e´ N (igual ao per´ıodo do sinal x[n]), ou seja, os coeficientes dk sa˜o obtidos por m repetic¸o˜es dos N coeficientes ck. ⋄ Exemplo 4.18 Considere o sinal perio´dico de per´ıodo N = 6, dado por y[n] = +∞∑ k=−∞ p[n− kN ] , p[n] = 6δ[n] + 6δ[n− 2] Os coeficientes da se´rie de Fourier sa˜o dados por dk = 1 6 5∑ n=0 ( 6δ[n] + 6δ[n− 2] ) exp(−jk 2π 6 n) = 1 + exp(−jk 2π 3 ) d0 = 2 (valor me´dio) = 1 6 5∑ n=0 p[n] Bonatti, Lopes & Peres 56 Cap´ıtulo 4. Se´rie de Fourier de Sinais Discretos dk,k=0,...,5 ≈ [ 2 0.50− j0.87 0.50 + j0.87 2 0.50− j0.87 0.50 + j0.87 ] 5∑ k=0 dk = y[0] = 6 , 1 6 5∑ n=0 |y[n]|2 = 5∑ k=0 |dk|2 = 12 Considere o sinal perio´dico de per´ıodo N = 3, dado por x[n] = +∞∑ k=−∞ p[n− kN ] , p[n] = 6δ[n] + 6δ[n− 1] Os coeficientes da se´rie de Fourier sa˜o dados por ck = 1 3 2∑ n=0 ( 6δ[n] + 6δ[n− 1] ) exp(−jk 2π 3 n) = 2 + 2 exp(−jk 2π 3 ) c0 = 4 (valor me´dio) = 1 3 2∑ n=0 p[n] ck,k=0,...,2 ≈ [ 4 1.00− j1.73 1.00 + j1.73 ] 2∑ k=0 ck = x[0] = 6 , 1 3 2∑ n=0 |x[n]|2 = 2∑ k=0 |ck|2 = 24 Note que y[n] e´ a expansa˜o do sinal x[n] para m = 2, sendo portanto o per´ıodo de y[n] o dobro do per´ıodo de x[n]. Pela Propriedade 4.20, os coeficientes da se´rie de y[n] sa˜o obtidos da repetic¸a˜o (duas vezes) dos coeficientes da se´rie de x[n] divididos por 2. W Definic¸a˜o: Convoluc¸a˜o Perio´dica A convoluc¸a˜o perio´dica de x[n] e y[n] (sinais perio´dicos de per´ıodo N) e´ dada por x[n]⊛ y[n] = ∑ k∈N¯ x[k]y[n− k] Exemplo 4.19 Considere os sinais perio´dicos, com per´ıodo N = 3 x[n] = +∞∑ k=−∞ p[n− kN ] , p[n] = δ[n+ 1] + δ[n− 1] y[n] = +∞∑ k=−∞ q[n− kN ] , q[n] = −δ[n+ 1] + δ[n− 1] FS{x[n]}N = {ck}N , ck = 1 3 ( exp(jk2π/3) + exp(−jk2π/3) ) = 2 3 cos(k2π/3) Bonatti, Lopes & Peres 57 ck,k=0,1,2 = [ 2/3 −1/3 −1/3 ] c0 = 2/3 , 2∑ k=0 ck = x[0] = 0 , 1 3 2∑ n=0 |x[n]|2 = 2∑ k=0 |ck|2 = 2/3 FS{y[n]}N = {dk}N , dk = 1 3 ( − exp(jk2π/3) + exp(−jk2π/3) ) = 2 3j sen(k2π/3) dk,k=0,1,2 = [ 0 −j/√3 j/√3 ] d0 = 0 , 2∑ k=0 dk = y[0] = 0 , 1 3 2∑ n=0 |y[n]|2 = 2∑ k=0 |dk|2 = 2/3 A convoluc¸a˜o perio´dica v[n] = x[n]⊛ y[n] produz v[n] = x[n]⊛ y[n] = 2∑ k=0 x[k]y[n− k] = x[0]y[n] + x[1]y[n− 1] + x[2]y[n− 2] = δ3[n+ 1]− δ3[n− 1] cujos coeficientes sa˜o dados por ek = −dk, pois v[n] = −y[n]. W Propriedade 4.21 Convoluc¸a˜o Perio´dica • A convoluc¸a˜o perio´dica produz func¸o˜es perio´dicas, pois para f [n] = x[n]⊛ y[n] ⇒ f [n+N ] = ∑ k∈N¯ x[k]y[n+N − k] = ∑ k∈N¯ x[k]y[n− k] = f [n] • A convoluc¸a˜o perio´dica e´ comutativa, associativa e distributiva em relac¸a˜o a` soma; • O elemento neutro da convoluc¸a˜o perio´dica de per´ıodo N e´ o trem perio´dico de impulsos, dado por δN [n] = +∞∑ k=−∞ δ[n− kN ] Prova: x[n]⊛ δN [n] = ∑ k∈N¯ x[k]δN [n− k] , δN [n− k] = +∞∑ ℓ=−∞ δ[n− k − ℓN ] ⇒ ∑ k∈N¯ +∞∑ ℓ=−∞ x[k]δ[n− k − ℓN ] = x[n] pois δ[n− k − ℓN ] = 1 com n, k ∈ {0, . . . , N − 1} ⇒ n = k , ℓ = 0 ⋄ Bonatti, Lopes & Peres 58 Cap´ıtulo 4. Se´rie de Fourier de Sinais Discretos Propriedade 4.22 Convoluc¸a˜o Perio´dica FS{x[n]}N = {ck}N , FS{y[n]}N = {dk}N Enta˜o, FS{x[n]⊛ y[n]}N = {Nckdk}N pois 1 N ∑ n∈N¯ (x[n]⊛ y[n]) exp(−jk2π N n) = ∑ ℓ∈N¯ x[ℓ] 1 N ∑ n∈N¯ y[n− ℓ] exp(−jk2π N n) = = ∑ ℓ∈N¯ x[ℓ] exp(−jk2π N ℓ) 1 N ∑ m∈N¯ y[m] exp(−jk2π N m) ︸ ︷︷ ︸ dk = Nckdk ⋄ Exemplo 4.20 Retomando o Exemplo 4.19, com os coeficientes ck,k=0,1,2 = [ 2/3 −1/3 −1/3 ] , dk,k=0,1,2 = [ 0 −j/√3 j/√3 ] tem-se ek = Nckdk = −dk = [ 0 j/ √ 3 −j/√3 ] ⇒ v[n] = −2√ 3 sen(2πn/3) = δ3[n+ 1]− δ3[n− 1] Observe que p[n] ∗ q[n] = −δ[n+ 2] + δ[n− 2] 6= x[n]⊛ y[n] W Propriedade 4.23 Multiplicac¸a˜o no Tempo FS{x[n]}N = {ck}N , FS{y[n]}N = {dk}N Enta˜o, FS{x[n]y[n]}N = {ck ⊛ dk}N Prova: Denominando ek os coeficientes da se´rie associada ao produto, tem-se Bonatti, Lopes & Peres 59 ek = 1 N ∑ n∈N¯ x[n]y[n] exp(−jk2π N n) = 1 N ∑ n∈N¯ x[n] ∑ ℓ∈N¯ dℓ exp(jn 2π N ℓ) exp(−jk2π N n) = ∑ ℓ∈N¯ dℓ 1 N ∑ n∈N¯ x[n] exp(−j(k − ℓ)2π N n) ︸ ︷︷ ︸ ck−ℓ = ∑ ℓ∈N¯ dℓck−ℓ = ck ⊛ dk ⋄ Exemplo 4.21 Considere os sinais perio´dicos do Exemplo 4.19, com per´ıodo N = 3 x[n] = +∞∑ k=−∞ p[n− kN ] , p[n] = δ[n+ 1] + δ[n− 1] y[n] = +∞∑ k=−∞ q[n− kN ] , q[n] = −δ[n+ 1] + δ[n− 1] FS{x[n]}N = {ck}N , ck = 2 3 cos(k2π/3) , ck,k=0,1,2 = [ 2/3 −1/3 −1/3 ] FS{y[n]}N = {dk}N , dk = 2 3j sen(k2π/3) , dk,k=0,1,2 = [ 0 −j/√3 j/√3 ] Seja v[n] = x[n]y[n] = y[n] ⇒ FS{v[n]}N = {ek}N , ek = 2 3j sen(k2π/3) que e´ a convoluc¸a˜o perio´dica de c[k]⊛ d[k]. W Propriedade 4.24 Deslocamento na Frequ¨eˆncia FS{x[n]}N = {ck}N , m ∈ Z ⇒ FS{y[n] = x[n] exp(jm2π N n)} = {ck−m}N pois dk = 1 N ∑ n∈N¯ y[n] exp(−jk2π N n) = 1 N ∑ n∈N¯ x[n] exp(jm 2π N n) exp(−jk2π N n) = ck−m O deslocamento na frequ¨eˆncia provoca um deslocamento c´ıclico nos coeficientes da se´rie, e portanto na˜o altera a poteˆncia me´dia do sinal. ⋄ Bonatti, Lopes & Peres Cap´ıtulo 5 Equac¸o˜es a Diferenc¸as Definic¸a˜o: Equac¸o˜es a Diferenc¸as Equac¸o˜es envolvendo sequ¨eˆncias enumera´veis e seus deslocamentos sa˜o denominadas equac¸o˜es a dife- renc¸as. Exemplo 5.1 Filtro passa-alta y[n] = x[n]− x[n− 1] 2 , n ∈ Z Para a entrada x[n] = (−1)n, a sa´ıda e´ y[n] = (−1)n. Para x[n] = 1n, tem-se y[n]= 0. W Exemplo 5.2 Filtro passa-baixa y[n] = x[n] + x[n− 1] 2 , n ∈ Z Para x[n] = (−1)n, a sa´ıda e´ y[n] = 0. Para x[n] = 1n, tem-se y[n] = 1n. W Exemplo 5.3 Populac¸a˜o anual de peixes em um lago (em termos percentuais) y[n+ 1]− ay[n](1− y[n]) = x[n] , 0 ≤ y[0] ≤ 1 sendo a um paraˆmetro real que representa as condic¸o˜es ambientais do lago. W Equac¸o˜es a diferenc¸as lineares descrevem sistemas lineares, isto e´, sistemas para os quais vale o princ´ıpio da superposic¸a˜o. Os sistemas descritos nos exemplos 5.1 e 5.2 sa˜o lineares, enquanto que o Exemplo 5.3 descreve um sistema na˜o-linear. 60 61 Equac¸o˜es a diferenc¸as lineares com coeficientes constantes e condic¸o˜es iniciais nulas descrevem sistemas lineares invariantes no tempo. Exemplo 5.4 Somador y[n] = n∑ k=−∞ x[k] A resposta ao impulso e´ h[n] = n∑ k=−∞ δ[k] = u[n] = { 1 , n ≥ 0 0 , n < 0 sendo u[n] a func¸a˜o degrau. Note que o somador pode ser descrito pela equac¸a˜o a diferenc¸as de primeira ordem y[n+ 1] = y[n] + x[n+ 1] , y[0] = y0 condic¸a˜o inicial Utilizando o operador de deslocamento p, tem-se (p− 1)y[n] = px[n] As equac¸o˜es a diferenc¸as resultantes para x[n] = ρn, x[n] = n e x[n] = nρn sa˜o tratadas nos exemplos 5.10, 5.11 e 5.12. W Equac¸o˜es a diferenc¸as lineares a coeficientes constantes podem ser resolvidas por substituic¸a˜o sis- tema´tica, por meio da transformada Z ou pelo me´todo dos coeficientes a determinar. Exemplo 5.5 A equac¸a˜o homogeˆnea a diferenc¸as de primeira ordem y[n+ 1] = ρy[n] , y[0] = 1, ρ ∈ R pode ser resolvida por substituic¸a˜o sistema´tica, resultando em y[n] = ρn e vale para todo n, de −∞ a +∞. Observe que a sequ¨eˆncia y[n] na˜o possui transformada Z, pois Z{y[n]} = +∞∑ k=−∞ y[k]z−k = +∞∑ k=−∞ (ρ/z)k na˜o converge para nenhum z. O artif´ıcio utilizado para resolver essa classe de equac¸o˜es a diferenc¸as utilizando transformada Z consiste em alterar o problema impondo que y[n] = 0 para n < 0 Bonatti, Lopes & Peres 62 Cap´ıtulo 5. Equac¸o˜es a Diferenc¸as e que y[n] satisfaz a equac¸a˜o para n ≥ 0. Dessa forma, Z{y[n]u[n]} existe e e´ dada por Z{y[n]u[n]} = +∞∑ k=−∞ y[k]u[k]z−k = +∞∑ k=0 (ρ/z)k = z z − ρ , |z| > |ρ| W Resoluc¸a˜o de Equac¸o˜es a Diferenc¸as por meio da Transformada Z Treˆs propriedades da transformada Z sa˜o relevantes para a resoluc¸a˜o das equac¸o˜es a diferenc¸as lineares a coeficientes constantes. Propriedade 5.1 Deslocamento Z{x[n+m]u[n]} = zmZ{x[n]u[n]} − m−1∑ k=0 x[k]zm−k , m ∈ Z+ ⋄ Exemplo 5.6 Para y[n] = y[n]u[n] e x[n] = x[n]u[n], tem-se y[n+ 2] + α1y[n+ 1] + α0y[n] = β1x[n+ 1] + β0x[n] z2Y (z)− z2y[0]− zy[1] + α1(zY (z)− zy[0]) + α0Y (z) = β1(zX(z)− zx[0]) + β0X(z) (z2 + α1z + α0)Y (z) = (β1z + β0)X(z) + (z 2 + α1z)y[0] + zy[1]− β1zx[0] A func¸a˜o de transfereˆncia H(z) e´ dada por (y[0] = y[1] = 0 e x[0] = 0) H(z) = Y (z) X(z) = β1z + β0 z2 + α1z + α0 W Propriedade 5.2 Combinato´ria Z {( n+m m ) anu[n] } = z(m+1) (z − a)(m+1) , m ∈ N , |z| > |a| ⋄ Exemplo 5.7 Z{nanu[n]} = z2 (z − a)2 − z z − a = az (z − a)2 , |z| > |a| pois Bonatti, Lopes & Peres 63 Z {( n 0 ) anu[n] } = Z {anu[n]} = z z − a Z {( n+ 1 1 ) anu[n] } = Z {(n+ 1)anu[n]} = z 2 (z − a)2 W Exemplo 5.8 Z{n2anu[n]} = az2 + a2z (z − a)3 , |z| > |a| pois Z {( n+ 2 2 ) anu[n] } = Z { (n+ 2)(n+ 1) 2 anu[n] } = z3 (z − a)3 W Propriedade 5.3 Combinato´ria com Deslocamento Z {( n m ) an−mu[n] } = z (z − a)m+1 , m ∈ N , |z| > |a| O resultado pode ser demonstrado pela aplicac¸a˜o da propriedade de deslocamento de m a` direita na Propriedade 5.2, que implica na multiplicac¸a˜o por z−m. Observe que( n m ) u[n−m] = n(n− 1) · · · (n−m+ 1) m! u[n−m] = ( n m ) u[n] A propriedade e´ utilizada no ca´lculo de transformada Z inversa a partir de frac¸o˜es parciais. ⋄ Exemplo 5.9 Progressa˜o geome´trica y[n+ 1] = ρy[n] , y[0] = 1 , ρ > 0 Aplicando a transformada Z, tem-se Z{y[n+ 1]u[n]} = ρZ{y[n]u[n]} ⇒ Y (z) = z z − ρ O domı´nio e´ Ω = {z ∈ C, |z| > ρ} (se´rie a` direita). Fazendo a divisa˜o de polinoˆmios (algoritmo de Briot-Ruffini1), obte´m-se a se´rie 1Charles Auguste Briot, franceˆs do se´culo XIX e Paolo Ruffini, italiano do se´culo XVIII. Bonatti, Lopes & Peres 64 Cap´ıtulo 5. Equac¸o˜es a Diferenc¸as z z − ρ = 1 + ρz −1 + ρ2z−2 + · · · Comparando-se com a definic¸a˜o da transformada Z de ρnu[n], obte´m-se a transformada inversa y[n] = Z−1 { z z − ρ } = ρnu[n] O mesmo resultado poderia ser obtido pela aplicac¸a˜o da Propriedade 5.3 (combinato´ria com deslo- camento) para m = 0. W Exemplo 5.10 Soma geome´trica A soma geome´trica y[n] = n∑ k=0 ρk pode ser obtida pela resoluc¸a˜o da equac¸a˜o a diferenc¸as y[n+ 1]− y[n] = ρn+1 , y[0] = 1 zY (z)− zy[0]− Y (z) = ρz z − ρ Portanto, para ρ 6= 1, tem-se Y (z) = z2 (z − ρ)(z − 1) , |z| > max{|ρ|, 1} Y (z) z = z (z − ρ)(z − 1) = a z − ρ + b z − 1 a = − ρ 1− ρ , b = 1 1− ρ Usando a Propriedade 5.3 (combinato´ria com deslocamento), tem-se y[n] = aρnu[n] + bu[n] = 1− ρn+1 1− ρ u[n] Esse resultado tambe´m pode ser obtido da definic¸a˜o de y[n], observando-se que y[n]− ρy[n] = n∑ k=0 ρk − ρ n∑ k=0 ρk = 1− ρn+1 ⇒ y[n] = 1− ρ n+1 1− ρ Para ρ = 1, tem-se Bonatti, Lopes & Peres 65 Y (z) = z2 (z − 1)2 Y (z) z = z (z − 1)2 = a (z − 1) + b (z − 1)2 ⇒ a = 1 , b = 1 y[n] = (1 + n)u[n] = n∑ k=0 1 O mesmo resultado pode ser obtido aplicando a regra de l’Hoˆpital2 na expressa˜o de y[n] y[n] = lim ρ→1 1− ρn+1 1− ρ = limρ→1 −(n+ 1)ρn −1 = n+ 1 W Exemplo 5.11 Soma aritme´tica A soma aritme´tica y[n] = n∑ k=0 k pode ser obtida pela resoluc¸a˜o da equac¸a˜o a diferenc¸as y[n+ 1]− y[n] = n+ 1 , y[0] = 0 Aplicando transformada Z e a Propriedade 5.2 com m = 1, tem-se zY (z)− zy[0]− Y (z) = Z{(n+ 1)u[n]} = z 2 (z − 1)2 Y (z) z = z (z − 1)3 = a1 z − 1 + a2 (z − 1)2 + a3 (z − 1)3 ⇒ a1 = 0, a2 = 1, a3 = 1 E, pela Propriedade 5.3, y[n] = ( n 1 ) u[n] + ( n 2 ) u[n] = n(n+ 1) 2 u[n] Observe que esse resultado pode ser obtido somando-se membro a membro a sequ¨eˆncia 0, 1, 2, . . . , n nos sentidos direto e reverso e constatando-se que a soma consiste de n+1 termos de valor constante n. Portanto a soma total produz 2y[n] = n(n+ 1). W 2Guillaume De l’Hoˆpital, matema´tico franceˆs do se´culo XVII. Bonatti, Lopes & Peres 66 Cap´ıtulo 5. Equac¸o˜es a Diferenc¸as Exemplo 5.12 Soma aritme´tica-geome´trica A soma aritme´tica-geome´trica y[n] = n∑ k=0 kρk pode ser obtida pela resoluc¸a˜o da equac¸a˜o a diferenc¸as y[n+ 1]− y[n] = (n+ 1)ρn+1 , y[0] = 0 zY (z)− zy[0]− Y (z) = ρz 2 (z − ρ)2 Portanto, para ρ 6= 1, tem-se Y (z) = ρz2 (z − 1)(z − ρ)2 , |z| > max{|ρ|, 1} Y (z) z = ρz (z − 1)(z − ρ)2 = a z − 1 + b z − ρ + c (z − ρ)2 cujos coeficientes sa˜o a = ρ (1− ρ)2 , b = −ρ (1− ρ)2 , c = −ρ2 (1− ρ) Portanto, y[n] = au[n] + bρnu[n] + c ( n 1 ) ρn−1u[n] = = ( a+ bρn + cnρn−1 ) u[n] = ρ (1− ρ)2 ( 1− (n+ 1)ρn + nρn+1)u[n] Para ρ = 1, o problema se reduz ao de soma aritme´tica. W Exemplo 5.13 Sequ¨eˆncia de Fibonacci A sequ¨eˆncia de Fibonacci3 e´ uma sequ¨eˆncia de nu´meros inteiros em que cada elemento e´ obtido pela soma dos dois anteriores. A equac¸a˜o descreve uma populac¸a˜o de casais de coelhos, composta de casais adultos e filhotes. Cada casal adulto gera um casal de filhotes todo meˆs, e o casal de filhotes torna-se
Compartilhar