Prévia do material em texto
CENTRO UNIVERSITÁRIO INSTITUTO DE EDUCAÇÃO SUPERIOR DE BRASÍLIA ENGENHARIA ELÉTRICA/COMPUTAÇÃO Resumo de Sinais e Sistemas Brasília - DF 23 de Setembro de 2020 CENTRO UNIVERSITÁRIO INSTITUTO DE EDUCAÇÃO SUPERIOR DE BRASÍLIA ENGENHARIA ELÉTRICA/COMPUTAÇÃO Resumo de Sinais e Sistemas Este é um resumo da aula 6 que contém teorias, exemplos e exercícios práticos durante a aula ministrada. Orientador: Thiago Carvalho Aluno: Edicarlos Silva Fernandes Matrícula:1322081056 Brasília - DF 23 de Setembro de 2020 - Na aula passada paramos em combinação linear de impulsos unitários (em tempo discreto) em que falamos das propriedades da convolução e do impulso e agora discutiremos a uma propriedade em específico para resolver um exemplo, então ela é assim: 𝑥[𝑛] ∗ 𝛿[𝑛] = 𝑥[𝑛] (1) - Quando convoluímos um sinal com um impulso 𝜹[𝒏], teremos o próprio sinal 𝒙[𝒏]. - Se o impulso estiver deslocado, a equação 1 terá o seguinte comportamento: 𝑥[𝑛] ∗ 𝛿[𝑛 − 𝑛0] = 𝑥[𝑛 − 𝑛0] (2) - Sabemos que convolução de dois sinais é assim: 𝑥[𝑛] ∗ 𝛿[𝑛] = ∑ 𝑥[𝑘]. 𝛿[𝑛 − 𝑘] ∞ 𝑘=−∞ (3) Obs 1: Toda a soma que aparece de menos infinito a infinito é onde tem o sinal, onde não tem, é porque a amostra vale zero. Exemplo 1 - A melhor forma de entender a equação 3 é fazer o gráfico e primeiramente obter o sinal como combinação linear de impulsos unitários, então dado um sinal abaixo: Fig.1 – Gráfico em tempo discreto para montar uma combinação linear. 1° Passo - Vemos uma amostra de cada vez conforme será mostrado nos gráficos abaixo: Fig.2 – Faremos com a primeira amostra que teremos 𝜹[𝒏 + 𝟏], pois, 𝜹 só tem amplitude “1” e o deslocamento é ”n” pela esquerda em 1 unidade. Fig.3 – Faremos agora com a segunda amostra que teremos 2𝜹[𝒏], pois, 𝜹 só tem amplitude “2” e o deslocamento é apenas ”n” pela esquerda (sem deslocamento). Fig.4 – Faremos agora por fim com a terceira e última amostra que teremos que é 𝟑𝜹[𝒏 − 𝟏], pois, 𝜹 só tem amplitude “3” e o deslocamento é ”n” pela direita em 1 unidade. 2° Passo – Construiremos as os termos de cada figura numa expressão numa única expressão do sinal de impulso, ou seja, que de acordo com as figuras 2,3 e 4 vai ficar assim: 𝒙[𝒏] = 𝜹[𝒏 + 𝟏] + 2𝜹[𝒏] + 3𝜹[𝒏 − 𝟏] (𝟒) - Esta expressão acima (eq.4) é o que chamamos de combinação linear. Obs 2: Temos que a partir da figura 2 o primeiro impulso chamamos de x[-1] = 1, e x[0] = 2 e o x[1] = 3 e temos que a nossa soma é: 𝒙[𝒏] = 𝒙[−𝟏]. 𝜹[𝒏 + 𝟏] + 𝒙[𝟎].2𝜹[𝒏] + 𝒙[𝟐].3𝜹[𝒏 − 𝟏] (𝟓) Ou seja, podemos montar uma soma: 𝒙[𝒏] = 𝜹 ∑ 𝒙 +∞ 𝒌=−∞ [𝒌]. 𝜹[𝒏 − 𝒌] (𝟔) - Podemos verificar então que a propriedade da eq.1 é válida para escrever combinação linear de impulsos e isso pode ser escrito para qualquer sinal. - Podemos usar a propriedade da eq.2 que é 𝑥[𝑛] ∗ 𝛿[𝑛 − 𝑛0] = 𝑥[𝑛 − 𝑛0] para calcular a convolução. Exemplo 2: (3𝛿[𝑛 − 1]) ∗ (5𝛿[𝑛 − 7]) - Com isso, usaremos “ 𝑥[𝑛] ∗ 𝛿[𝑛 − 𝑛0] = 𝑥[𝑛 − 𝑛0] “ que é a convolução de qualquer sinal “x[n]” convoluído com um delta deslocado” 𝛿[𝑛 − 𝑛0]” resultando em um sinal deslocado “𝑥[𝑛 − 𝑛0]”, então : Passo 1: Multiplicamos as amplitudes: 2° 1° (3𝛿[𝑛 − 1]) ∗ (5𝛿[𝑛 − 7]) = 15𝛿 Passo 2: E somamos os deslocamentos: (3𝛿[𝑛 − 1]) ∗ (5𝛿[𝑛 − 7]) = [𝑛 − 8] Então o resultado passo 1 e do passo 2 fica assim: 15𝛿[𝑛 − 8] - De modo geral: Na aula passada, escrevemos a expressão: (𝐴𝛿[𝑛 − 𝑛1]) ∗ (𝐵𝛿[𝑛 − 𝑛2]) (7) - Que multiplicaremos as amplitudes ” 𝑨𝜹 𝒆 𝑩𝜹 ” e somamos os deslocamentos “[𝒏 − 𝒏𝟏] e [𝒏 − 𝒏𝟐]” ficando assim: (𝐴𝐵𝛿[𝑛 − 𝑛1 − 𝑛2]) (8) - E quando usamos essa propriedade (eq.7), podemos resolve a convolução de um jeito melhor. Exemplo 3: Fig.5 – Gráficos de x1 e x2. - A partir dos gráficos dados acima, vamos resolver a convolução primeiro determinando expressão de cada um, então para o gráfico de x1[n] é: 𝑥1[𝑛] = 2𝛿[𝑛] + 3𝛿[𝑛 − 1] (9) E o gráfico para x2[n] é: 𝑥2[𝑛] = 𝛿[𝑛 + 1] + 𝛿[𝑛] − 𝛿[𝑛 − 1] (10) Que usando a propriedade da equação 7 fica assim: (2𝛿[𝑛] + 3𝛿[𝑛 − 1]) ∗ (𝛿[𝑛 + 1] + 𝛿[𝑛] − 𝛿[𝑛 − 1]) - Que multiplicaremos as amplitudes “𝛿” e somaremos os deslocamentos “n”, então: 3° 2° 1° 𝑥1[𝑛] ∗ 𝑥2[𝑛] = (2𝛿[𝑛] + 3𝛿[𝑛 − 1]) ∗ (𝛿[𝑛 + 1] + 𝛿[𝑛] − 𝛿[𝑛 − 1]) 1° 2° 3° 𝑥1[𝑛] ∗ 𝑥2[𝑛] = 2𝛿[𝑛 + 1] + 2𝛿[𝑛] − 2𝛿[𝑛 − 1] + 3𝛿[𝑛] + 3𝛿[𝑛 − 1] − 3𝛿[𝑛 − 2] E juntamos os termos que são semelhantes e o que não forem, repetimos: 𝑥1[𝑛] ∗ 𝑥2[𝑛] = 2𝛿[𝑛 + 1] + 2𝛿[𝑛] − 2𝛿[𝑛 − 1] + 3𝛿[𝑛] + 3𝛿[𝑛 − 1] − 3𝛿[𝑛 − 2] 𝑥1[𝑛] ∗ 𝑥2[𝑛] = 2𝛿[𝑛 + 1] + 5𝛿[𝑛] − 𝛿[𝑛 − 1] − 3𝛿[𝑛 − 2] Que fazendo um gráfico fica: Fig.6 – Gráfico do resultado da convolução entre os sinais de x1 e x2. Obs 3: Para fixar melhor as operações de convolução por exemplo 𝛿[𝑛 − 2] ∗ 𝛿[𝑛 − 3] basta que substituímos “n-3” em “n” da expressão “n-2” que ficará 𝜹[(𝒏 − 𝟑) − 𝟐] e fazer isso também com “n-2” substituindo em “n” da expressão “n-3” que ficará 𝜹[(𝒏 − 𝟑) − 𝟐] e enfim somando ficará: 𝛿[(𝑛 − 3) − 2] + 𝛿[(𝑛 − 2) − 3] n n 𝛿[(𝑛 − 5)] - Só somamos os deslocamentos “(-2) + (-3)“ que será “-5” e o “n” repetimos e ficará conforme o resultado acima. Exemplo 4: - Para finalizar isso, temos a relação entre um impulso e um degrau em tempo discreto, para x[n] sendo o degrau,x[n] = u[n] Fig.7 – Gráfico de um degrau unitário em tempo discreto. Que a partir de figura 1 podemos escrever uma combinação linear de impulsos infinita que neste caso, então: 𝑥[𝑛] = 𝛿[𝑛] + 𝛿[𝑛 − 1] + 𝛿[𝑛 − 2] + 𝛿[𝑛 − 3] + ⋯ E isso vai para o infinito que podemos escrever de forma mais compacta: 𝑥[𝑛] = ∑ 𝛿[𝑛 − 𝑘] ∞ 𝑘=0 (11) - Podemos escrever dessa forma, a relação entre degrau e impulso. Ou seja, existe essa relação para degrau onde temos: 𝑢[𝑛] = ∑ 𝛿[𝑛 − 𝑘] ∞ 𝑘=0 -Exercício de exemplo: 𝑢[𝑛] = ∑ 𝛿[𝑘] 𝑛 𝑘=−∞ (12) Que é equivalente a tempo discreto 𝑢(𝑛) = ∫ 𝛿(𝜏)𝑑𝜏 𝑡 −∞ (13) Que substituindo para n > 0 temos o seguinte gráfico: Fig.8 - Gráficos para n = 1, n = 2 e n = amplitude n. Que montando uma expressão fica: 𝑢[𝑛] = 𝛿[1] + 𝛿[2] + 𝛿[𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑𝑒 𝑛] E para n < 0 temos o seguinte gráfico: Fig.9 - Gráficos para n = -1, n = - 2 e n = amplitude -n. Que montando uma expressão fica: 𝑢[𝑛] = 𝛿[−1] + 𝛿[−2] + 𝛿[𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑𝑒 − 𝑛] E por fim para n = 0 temos o seguinte gráfico: Fig.10 – Gráfico para n = 0 E a expressão fica: 𝑢[𝑛] = ∞ Obs 4: Mas o que chama atenção é porque de ter dado infinito para n = 0 se deve ao fato de que a tangente de um ângulo tende a “∞” quando este ângulo tende a 90 graus, em outras palavras seria um infinito complexo. Obs 5: O equivalente discreto: 𝛿(𝑡) = 𝑑 𝑑𝑡 𝑢(𝑡) - É uma derivada no sentido generalizado porque a princípio “u(t)” não tem derivada, então o impulso não é chamado de distribuição. Vamos verificar graficamente a expressão 𝛿[𝑛] = 𝑢[𝑛] − 𝑢[𝑛 − 1] que é : Fig.11 – Resultado da subtração do gráfico (subtração de cada amostra dos gráficos). - Então teremos que o gráfico da figura 11 onde 𝑢[𝑛] − 𝑢[𝑛 − 1] é exatamente igual a 𝛿[𝑛], ou seja, o sinal impulso em tempo discreto. Relações entre degrau e impulso (em tempo contínuo e discreto) Tempo contínuo: 𝑢(𝑡) = ∫ 𝛿(𝜏) 𝑡 ∞ 𝑑𝜏 (14) Por que: 𝛿(𝑡) = 𝑑 𝑑𝑥 𝑢(𝑡) (15) Tempo discreto: 𝑢[𝑛] = ∑ 𝛿[𝑘] 𝑛 𝑘=−∞ (16) Porque: 𝛿[𝑛] = 𝑢[𝑛] − 𝑢[𝑛 − 1] (17) - Na nossa segunda unidade veremos a parte de sistemas: - Sistemas Fig.12 – Esquema de entrada e saída de um sistema. - Podemos representar por meio de uma expressão abaixo: 𝑦(𝑡) = 𝐻{𝑥(𝑡)} (18) - Onde o H é o sistema. - O esquema da figura 12 é o seguinte: “alguma coisa que pega um sinal “x(t)”, transforma (caixinha com a letra H) e ti devolve outro sinal “y(t)”. - Conceitualmente é a transformação sobre um sinal. - O x(t) para o sinal de entrada. - O y(t) para o sinal de saída (ou resposta). Exemplo 5 - Em circuitos elétricos, principalmente quando falamos de amplificadores operacionais, a gente tem a relação explicitamente de entrada e saída: Fig.13 – Circuito derivador onde temos a representação x(t) como sendo a entrada e y(t) como sendo a tensão de saída. Utilizando a equação 18, temos que nesse caso o H{x(t)} que é a saída y(t) é a transformação sobre o sinal, então: 𝑦(𝑡) = 𝐻{𝑥(𝑡)} = −𝑅𝐶 𝑑 𝑑𝑡 𝑥(𝑡) (19) Obs 6: Nesta disciplina somente vamos tratar de sistema em tempo contínuo e somente sistema de um uma entrada e uma saída. De modo geral: Fig.14 – Esquema onde podemos ter várias entradas representadas por x(t) até M entradas e podemos ter várias saídas representadas por y(t) até N saídas. Obs 7: No caso geral, veremos nos livros as nomenclaturas de alguns possíveis sistemas tais como: i) Se temos M = 1, N = 1 temos o SISO (Single Input Single Output); ii) Se temos M > 1, N=1 temos o MIMO (Multiple Input Multiple Output); iii) Se temos M = 1, N>1 temos SIMO (Single Input Multiple Output); e iv) Se temos M > 1, N > 1 temos MIMO (Multiple Input Multiple Output). Classificação de sistemas Existem outros tipos de sistemas mas trataremos deste principais dados abaixo: i) Linearidade; ii) Invariância no tempo; iii) Estabilidade; iv) Memória; e v) Causalidade. Obs 8: Em Linearidade é discutido em álgebra linear que é dito que v = T(v) é linear quando satisfazia essas duas coisas: 1°) Se multiplicamos “α” vezes “v” e aplicamos a transformação é a mesma coisa de aplicar a transformação direto no “v” e multiplicar só o “α” depois: 𝑇(∝ 𝑣) = (𝑣) (20) - Essa propriedade chamamos de homogeneidade. 2°) Se aplicamos a transformação numa soma de vetores, ou seja, somamos os dois vetores e isso dará um vetor e aplicamos nesse vetor da soma a transformação resultante e terá de dá o mesmo resultado (se o sistema for linear) aplica separadamente e somar os resultados depois da transformação de cada vetor: 𝑇(𝑣1 + 𝑣2) = 𝑇(𝑣1) + 𝑇(𝑣2) (21) - Essa propriedade chamamos de aditividade. - Podemos resumir isso em duas propriedades numa só desse jeito: 𝑇(∝1 𝑣1 +∝2 𝑣2) =∝1 𝑇(𝑣1) +∝2 𝑇(𝑣2) (22) Então dado um sistema 𝑦(𝑡) = 𝐻{𝑥(𝑡)} , diz-se que é linear se: 1) Pela propriedade da homogeneidade se aplicamos o sistema a uma constante vezes um sinal “ax(t)” tem que ser a mesma coisa de multiplicamos o “a” pra fora do parêntesis, o seja, aplicar o H no seu sinal de entrada e multiplicar o “a” só depois: 𝐻{𝑎𝑥(𝑡)} = 𝑎𝐻𝑥{(𝑡)} (23) 2) Tem de valer a propriedade da aditividade e se somamos dois sinais “x1(t) com x2(t)” e aplicamos como entrada o sinal de entrada vai ser o sinal resultante dessa soma, ou seja, soma os dois sinais e vai dá outro sinal, aplica o sistema nele e se o sistema for linear temos que poder separar e aplicar o sistema só no x1 e depois só no x2 e efetua a soma os dois resultados: 𝐻{𝑥1(𝑡) + 𝑥2(𝑡)} = 𝐻{𝑥1(𝑡)} + {𝑥2(𝑡)} (24) Ou seja, linearidade é a mesma coisa de homogeneidade mais aditividade. Em termos de esquema para homogeneidade e aditividade fica: 1) Homogeneidade: Fig.15 – Esquema do lado esquerdo 𝐻{𝑎𝑥(𝑡)} da eq.23 onde usamos um triângulo para amplificador e impomos esse resultado como entrada no sistema. Fig.16 – Esquema do direito 𝑎𝐻𝑥{(𝑡)} da eq.23 bastamos trocar de lugar e se o sistema é homogêneo quer dizer que podemos primeiro aplicar o “H” e o resultado desse “H” multiplicaremos por “a”. Obs 9: Ambas as figuras são a mesma coisa se aplicamos a entrada x(t). 2) Aditividade: Fig.17 – Esquema do lado esquerdo 𝑇(∝1 𝑣1 +∝2 𝑣2) da eq.22 a gente soma e depois aplicamos o “H” onde pegaremos dois sinais por exemplo “x1(t) e x2(t)” e pegaremos um bloco somador de sinais onde usamos o símbolo de somatório e desse bloco somador é que vai sair o resultado e em seguida aplica o “H” e se ele for aditivo quer dizer que podemos trocar a ordem. Fig.18 – Esquema do lado direito ∝1 𝑇(𝑣1) +∝2 𝑇(𝑣2) da eq.22 a gente fará o contrárioonde pegamos x1(t) e passamos pelo “H” e pegamos o x2(t) e passamos pelo ”H” e também somaremos depois e se o sistema é aditivo, teremos os mesmos resultados. Obs 10: Para um sistema ser linear tem de satisfazer as duas propriedades anteriores (1 e 2), e podemos verificar essas duas ao mesmo tempo: 𝐻{𝑎1𝑥1(𝑡)𝑎2𝑥2(𝑡)} = 𝑎1𝐻{𝑥1(𝑡)} + 𝑎2𝐻{𝑥2(𝑡)} (25) - Se o H é uma constante vezes um sinal mais outra constante vezes outro sinal seja igual a essas constantes para fora do parêntesis e em seguida somaremos onde isso é uma característica linearidade. Exemplo: Sistema amplificador/atenuador Descrevemos o processo de amplificação ou atenuação para qualquer sistema começando sempre pela expressão abaixo: 𝑦(𝑡) = 𝐻{𝑥(𝑡)} (26) Para o caso do amplificado o nosso H{x(t)} será: 𝐻{𝑥(𝑡)} = 𝐴𝑥(𝑡) (27) - Onde “A” é uma constante de amplificação vezes “x(t). Podemos escrever diretamente também: 𝑦(𝑡) = 𝐴𝑥(𝑡) - Onde “y(t)” é a saída vezes a constante “A” vezes “x(t)”. - É amplificador quando |A|>1 e é atenuador quando |A|<1 e logo isto é linear e para verificar a linearidade basta verificar que é homogêneo e depois se é aditivo, então chamamos o “A” o fator de amplificação então o que seria essas expressões abaixo? Resp – teremos de calcular a expressão 28 e 29 e comparamos ambos pra ver se dará a mesma resposta, e dando o mesmo resultado, é porque o sistema é homogêneo: 𝐻{𝑎𝑥(𝑡)} = 𝐴(𝑎𝑥(𝑡)) (28) 𝑎𝐻(𝑥(𝑡)) = 𝑎(𝐴𝑥(𝑡)) (29) - Temos 𝐻{𝑎𝑥(𝑡)} da eq.26 é o sinal de entrada e o sistema amplificador ele pega esse sinal “(𝑎𝑥(𝑡)) “ depois da igualdade (quem quer que seja ele) e multiplica por “A”. - E a eq.28 é a mesma expressão da eq.29 pois primeiro fazemos a operação “ 𝑎(𝐴𝑥(𝑡))” e vamos ver que no final das contas vai dá a mesma coisa porque o sistema é linear. portanto, o sistema é homogêneo! E verificado se é aditivo, temos que ver se as duas expressões se são iguais: 𝐻{𝑥1(𝑡) + 𝑥2(𝑡)} = 𝐴. (𝑥1(𝑡) + 𝑥2(𝑡)) (30) H{x1(t)}+H{x2(t)} - Em que “H{x1(t)+x2(t)}” da eq.30 é o nosso sinal de entrada então pega esse resultado ”x1(t)+x2(t)” e plica o sistema ”H” (aplicar o H em qualquer entrada é multiplicar o sinal em qualquer entrada) e se o sinal de entrada for uma soma no lugar do “x(t)” então no outro “x(t)” será também uma soma (e devemos colocar uma parêntesis), e multiplicamos pela constante “A”. Mas sabemos que a eq.30 é: 𝐻{𝑥1(𝑡) + 𝑥2(𝑡)} = Ax1(t)+Ax2(t) E vemos que “Ax1(t)” é igual a “H{x1(t)}” e “Ax2(t)” é também igual a “H{x2(t)}”. Então Ambos são iguais, portanto, é aditivo. Outro exemplo: - Pegamos um diferenciador 𝑦(𝑡) = 𝑑/𝑑𝑡 𝑥(𝑡) e queremos verificar que ele é linear. - Temos que verificar que: H{a1 x1(t)+a2x2(t)} = a1H{x1(t)}+a2H{x2(t)} (31) Se a gente aplicar um sistema numa soma ponderada de sinais de entrada, tem que dá a mesma coisa (podemos fazer só homogeneidade e aditividade) Fig.19 - Lembramos que a entrada é x(t) e saída y(t) é a derivada da entrada x(t) Se a nossa entrada for” H{a1 x1(t)+a2x2(t)} “ toda a eq.29, tem que sair isso: E isso dá: = 𝑑 𝑑𝑡 (𝑎1𝑥1(𝑡)) + 𝑑 𝑑𝑡 (𝑎2𝑥2(𝑡)) E essa derivada podemos tirar ambas as constantes para fora: = 𝑎1 𝑑 𝑑𝑡 𝑥1(𝑡) + 𝑎2 𝑑 𝑑𝑡 𝑥2(𝑡) E identificamos que a derivada de x1 é o H{x1(t)} e a derivada de x2 é o H{x2(t)}: = 𝑎1 𝑑 𝑑𝑡 𝑥1(𝑡) + 𝑎2 𝑑 𝑑𝑡 𝑥2(𝑡) H{x1(t)} H{x2(t)} Então é linear! Um exemplo que não linear - Um 1/2 retificador, um sistema com um valor absoluto determinado por esta expressão abaixo: 𝑦(𝑡) = |𝑥(𝑡)| Fig.20 - O sinal x(t) entra um sinal e sai o módulo dele. Não é linear! Obs 11: O 1/2 retificador é uma etapa da retificação: Fig.21 - O retificador de onda completa pega esse nível e mantém mais o menos constante (um exemplo disso é circuito RC com um diodo onde conseguimos um retificador). Vamos verificar que não homogêneo verificando a entrada “H{-2x(t)}” então: H{-2x(t)} = |-2x(t)| = |-2| |x(t)| = 2 |x(t)| E ao passo de que usando a aq. 27 temos que: H{x(t)} = Ax(t) (−2)𝐻 {𝑥(𝑡)} = (−2) |𝑥(𝑡)| E temos então que: 𝐻{(−2)𝑥(𝑡)} ≠ (−2)𝐻{𝑥(𝑡)} Portanto não é homogêneo, e se não homogêneo não será linear. Obs 12: Para Invariância no tempo vamos escrever matematicamente que o sistema não muda ao longo do tempo: - Se aplicamos uma entrada x(t) e observamos uma saída y(t), podemos esperar pra aplicar essa entrada depois, ou seja, podemos esperar “t0“unidades de tempo: Fig.22 – Temos de ter o mesmo y(t) e temos de ter mesma forma de onda originalmente e o tanto que atrasamos aquela entrada vai ter que ser o tato de saída que vai atrasar também. A maneira de descrever a fig.22 é um sistema qualquer definido por 𝑦(𝑡) = 𝐻{𝑥(𝑡)} é invariante no tempo quando: 𝑦(𝑡 − 𝑡0) = 𝐻{𝑥(𝑡 − 𝑡0)} Obs 13: Na prática mesmo é de que nenhum sistema vai ser exatamente invariante no tempo, ou seja, por exemplo um carro não terá a mesma potência quando tínhamos antes de quando compramos ou um aparelho celular nunca será totalmente funcional por muito tempo, pois, estes sistemas sempre vão se deteriorando aos poucos. Exemplo - Amplificador - Queremos mostrar que é invariante no tempo, ou seja, que vale a definição: y(t) = Ax(t) Então temos que no caso geral de que “qualquer que seja a entrada, atrasa ela um pouquinho e teremos a mesma que saída que teríamos atrasado o mesmo pouquinho”: y(t-t0) = H{x(t-t0)} - Ou seja, a mesma resposta que teríamos atrasado o mesmo tanto. Vamos especificar o amplificado por um fator de 10: y(t) = 10x(t) Temos: H{x(t)} = 10x(t) E, y(t) = 10x(t) e aplicando no H{x(t-t0)} fica: H{x(t-t0)} = 10x(t-t0) E o 𝑦(𝑡 − 𝑡0) é: 𝑦(𝑡 − 𝑡0) = 10𝑥(𝑡 − 𝑡0) É invariante no tempo! Exemplo de que é variante no tempo: Um sistema compressor (fator de 2) Então, y(t) = x(2t) mas, H{x(t)} = x(2t) Vamos verificar que não é variante no tempo: - Calculamos o H{x(t - t0)} e y(t – t0), comparamos dois pra ver se dará a mesma coisa: - Começando com H{x(t - t0)} temos que entender melhor isso, vamos definir um sinal intermediário w(t) = x (t - t0) e então teremos que: H{x(t – t0)} = H{w(t)} - Nosso H{w(t)} é o nosso compressor que é: H{w(t)} = w(2t) - Mas w(2t) = x(2t – t0) - Ou seja: 𝐻{𝑥(𝑡 – 𝑡0)} = 𝑥(2𝑡 – 𝑡0) (32) Para y(t) = x(2t) temos: 𝑦(𝑡 − 𝑡0) = 𝑥(2 (𝑡 − 𝑡0)) (33) E comparando a expressão(32) com (33) pra qualquer t0 temos o argumento está um pouco diferente pois” (2t – t0)” da eq.32 está diferente de” 2(t – t0)”, então concluímos que é variante no tempo! Obs 14: Para estabilidade no sentido entrada limitada/saída limitada que quer dizer que o sistema vai ser estável pela nossa definição “y(t) = H{x(t)}” quando uma entrada “x(t)” limitada em amplitude produz uma saída y(t) limitada em amplitude. Ou seja, Fig.23 – O sinal é limitado numa faixa horizontal o gráfico dele. Que de acordo com a figura 23 matematicamente é: |𝑥(𝑡)| ≤ 𝑀𝑥∀ 𝑡 → |𝑦(𝑡)| ≤ 𝑀𝑦∀ 𝑡 - É em módulo porque quer dizer que tem uma limitação e isso é para todo claro menor ou igual a respectiva amplitude máxima. Exemplo: Amplificador y(t) = 10x(t) Queremos verificar que ele é estável, então vamos supor duas etapas: 1) Supor que x(t) limitado: |𝑥(𝑡)| ≤ 𝑀𝑥 para todo instante de tempo 2) Verificar se a saída também será limitada. - Se |𝑥(𝑡)| ≤ 𝑀𝑥∀ 𝑡 e temos y(t) = 10x(t) Então |y(t)| = |10x(t)| = 10 |x(t)| Mas sabemos que sempre |x(t)| é menor ou igual a Mx. Ou seja: |𝑦(𝑡)| ≤ 10. 𝑀𝑥 valendo para todo “t” E a saída y(t) também é limitada! Outro exemplo - Sistema integrador: - A relação do sistema entrada/saída é dada por: 𝑦(𝑡) = ∫ 𝑥(𝜏)𝑑𝜏 𝑡 −∞ (34) Onde, Será que a integral de um sinal que é limitado tem que ser um sinal limitado pra qualquer sinal limitado? Será que estável? -Resp: Vamos mostrar que não é estável por exemplo, um sinal degrau x(t) = u(t) Fig.31 – Gráfico de um degrau unitário em que existe uma faixa em que o sinal está limitado. Está limitado pois |𝑥(𝑡)| ≤ 1 ∀ 𝑡 Mas a integral do degrau é: 𝑦(𝑡) = ∫ 𝑢(𝜏)𝑑𝜏 𝑡 −∞ = { 𝑡 𝑡 ≥ 0 0 𝑡 < 0 Fig.32 – Temos um sinal degrau unitário do lado esquerdo e aplicamos num integrador (representado por uma caixinha) e saí a integral do degrau unitário que é a rampa. E o que tinha que acontecer para o gráfico do lado esquerdo (rampa) par ao sistema ser estável? - Reps: A conclusão para um sistema ser estável é que para o gráfico do degrau (lado esquerdo) temos uma limitação de faixa na horizontal dentro da qual o sinal está contido dentro dele e do gráfico dar rampa (lado direito ) não tem essa limitação de valor máximo pois se traçarmos uma reta na horizontal e colocando qualquer candidato “My”, em algum momento a reta passa dele, então : ∄𝑀𝑦𝑡𝑎𝑙 𝑞𝑢𝑒 |𝑦(𝑡)| ≤ 𝑀𝑦∀𝑡 Sistema Instável!