Calculadora de Séries de Fourier

Use esta Calculadora de Séries de Fourier para informar valores, ajustar opções e analisar resultados em uma área de trabalho compacta e responsiva.

Os resultados são calculados automaticamente conforme você informa os dados.

Fórmula e interpretação

Sobreposição das formas de onda

Erro RMS adaptativo: -

Fórmula da série de Fourier -

Coeficientes

▼ Veja explicações e dicas abaixo ▼

Calculadoras relacionadas

O que é uma série de Fourier?

Uma série de Fourier é uma forma de descrever uma função periódica como uma soma de ondas simples. Em vez de tentar trabalhar de uma só vez com uma forma repetitiva complexa, a série de Fourier a divide em um termo constante, que representa a média, e em ondas de seno e cosseno chamadas harmônicas.

Em termos práticos, uma série de Fourier responde a uma pergunta útil: quais ondas de seno e cosseno você somaria para reconstruir um padrão repetitivo?

Uma onda suave pode precisar de apenas um ou dois termos. Uma onda com bordas abruptas, como uma onda quadrada, geralmente precisa de muitas harmônicas para que a aproximação fique parecida com a original. Mesmo assim, o comportamento próximo a descontinuidades de salto tem limitações específicas.

As séries de Fourier são usadas em matemática, física, engenharia, processamento de sinais, acústica, análise de vibrações, problemas de transferência de calor e equações diferenciais. Elas são especialmente úteis quando o mesmo padrão se repete em um período conhecido.

Por que as séries de Fourier são importantes

Muitos sistemas reais se repetem: corrente alternada, ondas sonoras, máquinas rotativas, padrões sazonais, vibrações e problemas periódicos de valores de contorno. As séries de Fourier oferecem uma forma estruturada de estudar esses padrões repetitivos por meio do conteúdo de frequências.

Isso é importante porque as ondas de seno e cosseno são convenientes do ponto de vista matemático. Elas são ortogonais em um período completo, o que significa que cada harmônica pode ser medida separadamente, sem se misturar às outras. Depois que os coeficientes são conhecidos, a função pode ser aproximada, representada em gráfico, comparada, filtrada ou analisada uma harmônica por vez.

Para estudantes, as séries de Fourier tornam mais concretas ideias abstratas como ortogonalidade, aproximação e convergência. Para quem trabalha com engenharia e processamento de sinais, os coeficientes ajudam a mostrar quais componentes de frequência predominam em uma forma de onda.

Termos importantes

  • Função periódica: Uma função que se repete após um intervalo fixo. Se \(f(x + L) = f(x)\), então \(L\) é um período.
  • Comprimento do período: A largura de uma repetição completa da função. Nesta calculadora, \(L = b - a\), em que \(a\) é o início do período e \(b\) é o fim do período.
  • Frequência angular fundamental: A frequência angular básica do padrão repetitivo, dada por \(\omega = \frac{2\pi}{L}\).
  • Harmônica: Uma onda de seno ou cosseno cuja frequência é um múltiplo inteiro da frequência fundamental.
  • Coeficiente de Fourier: Um número que indica quanto de uma determinada harmônica de cosseno ou seno está presente.
  • Coeficiente \(a_0\): O coeficiente usado para a parte constante, ou média, da série. Na reconstrução exibida, o termo constante é \(\frac{a_0}{2}\).
  • Coeficiente \(a_n\): O coeficiente de cosseno da harmônica \(n\).
  • Coeficiente \(b_n\): O coeficiente de seno da harmônica \(n\).
  • Série de Fourier truncada: Uma série de Fourier interrompida após um número finito de harmônicas. Ela é uma aproximação, não a série infinita completa.
  • Erro RMS: Uma diferença quadrática média, integrada de forma adaptativa, entre a função original e a reconstrução.
  • Fenômeno de Gibbs: A ultrapassagem persistente que aparece perto de descontinuidades de salto quando uma série de Fourier aproxima uma função descontínua.

Como funcionam as séries de Fourier

Suponha que um período de uma função de valores reais \(f(x)\) vá de \(a\) a \(b\). O comprimento do período é

$$ L = b - a $$

e a frequência angular fundamental seja

$$ \omega = \frac{2\pi}{L}. $$

Uma reconstrução de Fourier truncada com \(N\) harmônicas tem a forma

$$ S_N(x) = \frac{a_0}{2} + \sum_{n=1}^{N}\left[a_n\cos(n\omega x) + b_n\sin(n\omega x)\right]. $$

Os coeficientes são encontrados integrando a função multiplicada pela onda de seno ou cosseno correspondente ao longo de um período:

$$ a_0 = \frac{2}{L}\int_a^b f(x)\,dx $$
$$ a_n = \frac{2}{L}\int_a^b f(x)\cos(n\omega x)\,dx $$
$$ b_n = \frac{2}{L}\int_a^b f(x)\sin(n\omega x)\,dx. $$

O motivo pelo qual essas fórmulas funcionam é a ortogonalidade. Em um período completo, diferentes harmônicas de seno e cosseno não se sobrepõem no sentido da integral. Multiplicar por uma harmônica correspondente e integrar isola o coeficiente dessa harmônica.

O termo constante \(\frac{a_0}{2}\) representa o nível médio da forma de onda. Os termos de cosseno e seno então acrescentam variações acima e abaixo dessa média. À medida que mais harmônicas são incluídas, a soma truncada geralmente se aproxima da função original no período escolhido.

Para uso numérico, não é necessário resolver simbolicamente as integrais definidas. Esta calculadora avalia grades deslocadas complementares, compara uma grade vizinha e dobra a densidade até que as estimativas dos coeficientes concordem. Isso ajuda a revelar aliasing comum da grade, mantendo a interpretação de grade periódica.

Exemplos práticos de séries de Fourier

Exemplo 1: uma combinação simples de senos

Considere

$$ f(x) = \sin(x) + 0.5\sin(3x) $$

no intervalo \([-\pi, \pi]\).

Essa função já está escrita como uma soma de harmônicas de seno. Seu valor médio é zero, e ela não tem termos de cosseno. Os coeficientes importantes são

$$ b_1 = 1 $$

e

$$ b_3 = 0.5. $$

Todos os demais coeficientes principais são zero. Nesse caso, é fácil ler a série de Fourier diretamente da fórmula, pois a função já está na forma de seno e cosseno.

Exemplo 2: uma onda quadrada

Uma onda quadrada comum em \([-\pi, \pi]\) é

$$ f(x) = \begin{cases} -1, & x < 0 \\ 1, & x \ge 0. \end{cases} $$

Essa definição difere de uma função ímpar apenas em \(x=0\). Substituir seu valor nesse ponto por \(0\) produz uma representante ímpar com os mesmos coeficientes de Fourier; assim, seus coeficientes de cosseno são zero e seus coeficientes de seno são diferentes de zero apenas para harmônicas ímpares:

$$ f(x) \sim \frac{4}{\pi}\left(\sin x + \frac{1}{3}\sin 3x + \frac{1}{5}\sin 5x + \cdots\right). $$

Adicionar mais harmônicas ímpares de seno torna as partes planas e o salto acentuado mais reconhecíveis. Perto do salto, porém, a aproximação geralmente apresenta ultrapassagem e oscilações. Isso não é apenas uma questão do gráfico; é um comportamento conhecido das aproximações de Fourier perto de descontinuidades.

Exemplo 3: uma onda triangular

Um preset semelhante a uma onda triangular, como

$$ f(x) = 1 - \frac{2|x|}{\pi} $$

no intervalo \([-\pi, \pi]\) é par, portanto os coeficientes de seno são zero. A aproximação é construída principalmente com termos de cosseno.

Em comparação com uma onda quadrada, uma onda triangular é contínua, embora tenha cantos acentuados. Seus coeficientes de Fourier geralmente diminuem mais rapidamente do que os de uma onda quadrada descontínua, portanto podem ser necessárias menos harmônicas para obter uma aproximação visualmente suave.

Como interpretar o resultado

A fórmula exibida \(S_N(x)\) é a reconstrução de Fourier truncada atual. Ela usa o número selecionado de termos incluídos, não a série infinita completa.

O valor de \(\omega\) informa a frequência angular fundamental definida pelo período selecionado. Um período mais longo produz um \(\omega\) menor; um período mais curto produz um \(\omega\) maior.

A tabela de coeficientes mostra quanto cada harmônica contribui:

  • \(a_0\) controla o deslocamento constante por meio de \(\frac{a_0}{2}\).
  • \(a_n\) multiplica a parte de cosseno da harmônica \(n\).
  • \(b_n\) multiplica a parte de seno da harmônica \(n\).
  • A amplitude resume a intensidade combinada de seno e cosseno de uma harmônica como \(\sqrt{a_n^2 + b_n^2}\).

Uma amplitude harmônica grande significa que essa harmônica tem presença forte na reconstrução. Um valor próximo de zero significa que a harmônica contribui pouco ou nada.

O erro RMS adaptativo estima a média no período da diferença ao quadrado entre a função original e a reconstrução truncada atual:

$$ \text{RMS error} = \sqrt{\frac{1}{L}\int_a^b\left(f(x)-S_N(x)\right)^2\,dx}. $$

Um erro RMS menor significa que a reconstrução está mais próxima no sentido da média quadrática em todo o período. A calculadora avalia essa integral em grades deslocadas e vizinhas independentes e as refina de forma adaptativa. O erro numérico informado continua sendo uma estimativa, não um limite matemático rigoroso.

O gráfico deve ser lido como uma comparação visual entre a função original, a aproximação de Fourier reconstruída e a contribuição harmônica selecionada. Se a aproximação melhorar à medida que os termos são adicionados, o gráfico geralmente deverá acompanhar mais de perto a curva original longe de pontos difíceis, como saltos, cantos ou regiões de mudança rápida.

Erros comuns e conceitos equivocados

Um erro comum é tratar a quantidade de harmônicas e a quantidade inicial de amostras como se fossem a mesma coisa. A quantidade de harmônicas controla quantos termos de seno e cosseno são incluídos. As amostras iniciais controlam a primeira grade numérica; a calculadora a refina automaticamente.

Outro erro é esperar coeficientes simbólicos exatos. Calculadoras numéricas de Fourier estimam integrais, portanto os resultados podem diferir ligeiramente dos coeficientes exatos obtidos à mão, especialmente quando a função tem saltos, cantos acentuados ou oscilações rápidas.

Também é fácil escolher o período errado. O intervalo entre o início e o fim do período deve representar uma repetição completa da função. Se o intervalo contiver apenas parte de uma repetição, ou mais de uma repetição pretendida, os coeficientes descreverão esse intervalo escolhido como um período.

Às vezes, os usuários esperam que mais harmônicas removam todos os artefatos visíveis perto de um salto. Mais termos geralmente melhoram a aproximação em grande parte do intervalo, mas as descontinuidades ainda podem apresentar ultrapassagem perto do salto.

A sintaxe também pode causar problemas. Use pontos decimais em vez de vírgulas decimais, use \(x\) como única variável e mantenha os limites do período como constantes, em vez de expressões que envolvam \(x\).

Por fim, quando muitos termos são resolvidos, a exibição da fórmula mostra até os cinco maiores termos ativos de seno ou cosseno e depois uma reticência. A tabela de coeficientes é o melhor lugar para consultar a lista completa de coeficientes calculados.

Quando usar séries de Fourier

Use séries de Fourier quando um problema envolver um intervalo repetitivo e você quiser aproximá-lo, analisá-lo ou visualizá-lo com ondas de seno e cosseno.

Os usos típicos incluem:

  • estudar funções periódicas em cálculo, equações diferenciais e matemática aplicada;
  • aproximar formas de onda quadradas, dente de serra, triangulares e personalizadas;
  • identificar as harmônicas predominantes em uma função semelhante a um sinal;
  • comparar como a adição de termos altera a reconstrução;
  • explorar o efeito de descontinuidades, cantos e simetria;
  • preparar-se para tópicos relacionados, como transformadas de Fourier, análise de frequências e métodos espectrais.

As séries de Fourier são mais apropriadas quando a função deve se repetir periodicamente. Para dados que não se repetem ou funções em um intervalo infinito, uma transformada de Fourier ou outro método de aproximação pode ser mais adequado.

Limitações e pontos importantes

Uma série de Fourier truncada é uma aproximação. A série matemática completa pode ter infinitos termos, mas uma calculadora só consegue exibir e calcular uma quantidade finita.

A calculadora trata a função informada no intervalo selecionado como um período de uma função periódica. A extensão periódica fora desse intervalo é implícita, mesmo que a expressão digitada não se repita naturalmente.

Os coeficientes são estimados com grades periódicas deslocadas e adaptativas e soma compensada. Os resultados são suprimidos se as grades refinadas e vizinhas não concordarem. Funções com singularidades, pontos removidos ou valores não finitos não são tratadas como integrais impróprias de Fourier.

A calculadora foi projetada para funções de valores reais de uma variável, \(x\). Funções de valores complexos, múltiplas variáveis, funções definidas pelo usuário e nomes de funções incompatíveis estão fora do escopo.

A quantidade de harmônicas deve ser um número inteiro de 1 a 40, e a quantidade inicial de amostras deve ser um número inteiro de 200 a 4000. O refinamento pode usar até 32000 pontos. Valores inválidos são rejeitados, em vez de serem arredondados ou limitados silenciosamente.

Os números exibidos usam uma formatação por algarismos significativos que preserva valores pequenos diferentes de zero e expoentes científicos. Um termo só é omitido da fórmula compacta quando não pode ser distinguido de zero dentro da incerteza estimada do seu coeficiente.

A integral RMS e os erros dos coeficientes são estimativas numéricas. A verificação cruzada detecta muitas falhas de aliasing, mas nenhuma coleção finita de amostras pode provar a correção para todas as funções possíveis.

Para trabalhos de engenharia, científicos ou críticos para a segurança, verifique os resultados importantes com um método analítico apropriado, um método numérico ou uma ferramenta profissional.

Como usar esta calculadora

  1. Escolha uma onda predefinida ou selecione a opção personalizada.
  2. Informe uma função de \(x\). Os nomes compatíveis incluem \(x\), \(\pi\), \(e\), sin, cos, tan, asin, acos, atan, abs, exp, log, ln, sqrt, floor, ceil, min, max, e pow.
  3. Informe o início e o fim do período como expressões constantes, como -pi e pi. O fim do período deve ser maior que o início.
  4. Defina a quantidade de harmônicas entre 1 e 40.
  5. Defina a densidade inicial de integração como um número inteiro de 200 a 4000.
  6. Use o explorador de termos incluídos para escolher quantas harmônicas aparecem na reconstrução atual.
  7. Se quiser, ative a animação para acompanhar a mudança da reconstrução à medida que mais termos são incluídos.
  8. Revise a fórmula, o erro RMS adaptativo, a tabela de coeficientes e a coluna de erros, o status de convergência, o gráfico e as etapas do cálculo.
  9. Baixe o gráfico depois que um cálculo válido for produzido, se precisar de uma imagem PNG do resultado.

Use pontos decimais em números decimais. Por exemplo, informe 1.5, não 1,5.

Perguntas frequentes

Uma série de Fourier é sempre exata?

A série de Fourier infinita pode representar a função sob condições adequadas, mas uma reconstrução finita é apenas uma aproximação. Em descontinuidades de salto, a série normalmente converge para o ponto médio dos limites à esquerda e à direita, em vez de convergir para um dos lados do salto.

Por que a aproximação ultrapassa o valor perto de um salto de onda quadrada?

Saltos abruptos exigem muitas harmônicas. À medida que mais termos são adicionados, a ultrapassagem fica mais estreita, mas sua altura não desaparece da forma simples que os usuários costumam esperar. Esse comportamento é conhecido como fenômeno de Gibbs.

Qual é a diferença entre \(a_n\) e \(b_n\)?

Os coeficientes \(a_n\) multiplicam as harmônicas de cosseno, enquanto os coeficientes \(b_n\) multiplicam as harmônicas de seno. Se uma função tiver simetria par em um intervalo simétrico, muitos coeficientes de seno poderão ser zero. Se tiver simetria ímpar, muitos coeficientes de cosseno poderão ser zero.

Quantas harmônicas devo usar?

Use harmônicas suficientes para o nível de detalhe necessário. Funções suaves podem parecer precisas com apenas alguns termos. Funções descontínuas ou que mudam bruscamente geralmente precisam de mais termos e, mesmo assim, a aproximação perto dos saltos deve ser interpretada com cuidado.

O que significa um erro RMS adaptativo menor?

Um erro RMS adaptativo menor significa que a série truncada está mais próxima da função original na distância quadrática média estimada ao longo do período. Ele é útil para comparar quantidades de termos, mas não garante concordância exata em todos os pontos.

Por que minha função foi rejeitada?

A função pode conter nomes incompatíveis, uma variável diferente de \(x\), uma vírgula decimal, uma vírgula no nível superior, uma expressão longa demais ou um valor que se torne indefinido em um ponto amostrado. Os limites do período devem ser constantes finitas e não podem conter \(x\).

Isso funciona com séries de Fourier complexas?

Não. Esta calculadora usa a forma trigonométrica real, com coeficientes de seno e cosseno. Coeficientes de Fourier complexos exigem uma representação diferente.

Fontes e referências

Livros e livros didáticos abertos

  1. Russell Herman. Introduction to Partial Differential Equations. Mathematics LibreTexts, Chapter 3, Sections 3.2 “Fourier Trigonometric Series” and 3.3 “Fourier Series Over Other Intervals.” Accessed June 28, 2026. Section 3.2/03%3ATrigonometricFourierSeries/3.02%3AFourierTrigonometricSeries>) and Section 3.3/03%3ATrigonometricFourierSeries/3.03%3AFourierSeriesOverOtherIntervals>)
  2. William F. Trench. Elementary Differential Equations with Boundary Value Problems. Free edition, originally published by Brooks/Cole Thomson Learning, 2001; open edition hosted through Mathematics LibreTexts and Trinity University. Chapter 11, Section 11.2 “Fourier Series I.” Accessed June 28, 2026. Section 11.2/11%3ABoundaryValueProblemsandFourierExpansions/11.02%3AFourierSeries_I>)
  3. OpenStax. Calculus Volume 2. Section 3.6 “Numerical Integration.” Rice University, accessed June 28, 2026. Section 3.6

Fontes on-line e oficiais

  1. National Institute of Standards and Technology. “ROOT MEAN SQUARE ERROR.” NIST/SEMATECH Dataplot Reference Manual, created September 8, 2010; last updated October 7, 2016. Accessed June 28, 2026. NIST Dataplot reference