1

Sumário:

1. Introdução ------------------------------------------------------------------------------------------- 3
2. Funções periódicas----------------------------------------------------------------------------------4
3. Série trigonométrica--------------------------------------------------------------------------------5
3.1. Exemplos-----------------------------------------------------------------------------------------5
4. Série de Fourier------------------------------------------------------------------------------------- 6
4.1. Análise dos coeficientes------------------------------------------------------------------------7
4.2. Convergência------------------------------------------------------------------------------------9
4.2.1. Convergência pontual------------------------------------------------------------------9
4.2.2. Convergência uniforme---------------------------------------------------------------10
4.2.3. Exemplos---------------------------------------------------------------------------------17
4.3. Forma harmônica-----------------------------------------------------------------------------19
4.4. Forma complexa-------------------------------------------------------------------------------20
4.5. Simulações-------------------------------------------------------------------------------------- 21
4.5.1. Simulação em python------------------------------------------------------------------21
4.5.2. Simulação em matlab------------------------------------------------------------------22
4.6. O fenômeno de Gibbs------------------------------------------------------------------------24
5. Exemplos -------------------------------------------------------------------------------------------- 27
6. Aplicações da série de Fourier------------------------------------------------------------------34
7. Apêndice -------------------------------------------------------------------------------------------- 35
8. Bibliografia e referências------------------------------------------------------------------------36

2
 Introdução:
Joseph Fourier foi um matemático e físico francês responsável por iniciar a investigação sobre a
decomposição de funções periódicas em séries trigonométricas convergentes, que foram chamadas de séries
de Fourier.

Figura 1: Jean-Baptiste Joseph Baron du Fourier (1768-1830)

A série de Fourier surgiu na tentativa de Fourier de solucionar um problema físico relacionado à condução de
calor no contexto da Revolução Industrial. Assim, durante seu estudo sobre a propagação de calor em corpos
sólidos e admitindo que essa propagação deveria se dar por forma de ondas de calor, ele considerou que a
forma mais simples de propagação de uma onda é uma função senoidal, ou seja, ele percebeu que conseguiria
chegar em uma solução caso a sua condição inicial fosse uma soma de senos. A partir desse estudo, Fourier
desenvolveu a série que leva seu nome e é descrita como :
∞
𝑎0 𝑛𝜋𝑥 𝑛𝜋𝑥
𝑓(𝑥) = + ∑ [𝑎𝑛 𝑐𝑜𝑠 𝑐𝑜𝑠 ( ) + 𝑏𝑛 𝑠𝑒𝑛 ( )]
2 𝐿 𝐿
𝑛=1

Mas por que aproximar uma função por uma função dada por senos e cossenos?
Para facilitar o tratamento matemático do modelo, uma vez que as funções trigonométricas seno e cosseno
são periódicas e de período fundamental 2, contínuas, limitadas e de classe 𝐶 ∞ , ou seja, são infinitamente
diferenciáveis.

Porém, a ideia de decompor funções arbitrárias em funções trigonométricas também foi utilizada por Daniel
Bernoulli e Leonhard Euler que utilizaram essas séries enquanto investigavam problemas sobre cordas
vibratórias e astronomia, o que se torna extremamente útil uma vez que, geralmente, os fenômenos
astronômicos são periódicos, assim como batimentos cardíacos e marés. Assim sendo, mais tarde quando
Fourier estudou sistematicamente tais séries infinitas na sua Teoria Matemática de Condução do Calor, ele
explicitou os coeficientes, que ficaram conhecidos como coeficientes de Fourier, e escreveu as séries de senos
e cossenos de várias funções.

Com isso, o que a série de Fourier faz é pegar uma função g(x) qualquer e fazer uma expansão periódica
dela ao longo de toda a reta. Como por exemplo:

3
 Figura 2
−𝑇 𝑇
Essa função, que utilizamos de exemplo, está definida apenas no intervalo de [ 2 , 2], que é simétrico. Se
utilizarmos a série de Fourier para expandir essa função ao longo de toda a reta, ela se tornará periódica:

Figura 3

Funções periódicas:
Uma função f: R→R é periódica de período fundamental P se:
𝑓(𝑥 + 𝑃) = 𝑓(𝑥) x, P>0
Exemplos:

4
 Como as funções sem(x) e cos(x) são 2-periódicas, temos que:

sen(x)=sen(x+2)=sen(x+4)=...

cos(x)=cos(x+2)=cos(x+4)=...

Séries trigonométricas:
Denomina-se série trigonométrica uma série da forma :

𝑎0
+ 𝑎1 cos(𝑥) + 𝑏1 𝑠𝑒𝑛(𝑥) + 𝑎2 cos(2𝑥) + 𝑏2 𝑠𝑒𝑛(2𝑥) + 𝑎3 cos(3𝑥) + 𝑏3 𝑠𝑒𝑛(3𝑥) + ⋯
2
Ou
𝑎0
2
+ ∑∞
𝑛=1[𝑎𝑛 cos(𝑛𝑥) + 𝑏𝑛 𝑠𝑒𝑛(𝑛𝑥)] (1)
Ou
𝑎0 𝑛𝜋𝑥 𝑛𝜋𝑥
+ ∑∞
𝑛=1[𝑎𝑛 cos ( ) + 𝑏𝑛 𝑠𝑒𝑛 ( )] (2)
2 𝐿 𝐿

Obtém-se a forma (2) através de uma transformação linear que leva um intervalo de amplitude de 2L em um
intervalo de amplitude de 2
Em (1) ou (2), para cada harmônico da série 𝑎0 , 𝑎𝑛 𝑒 𝑏𝑛 são os coeficientes da série .
𝑎0 : 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒

𝑎𝑛 = 𝑓(𝑛)

𝑏𝑛 = 𝑓(𝑛)

𝑎𝑛 𝑒 𝑏𝑛 são sequencias infinitas

Exemplos:
1)Sendo m, n ∈ 𝑁 mostre que:
𝐿 𝑛𝜋𝑥
a) ∫−𝐿 𝑐𝑜𝑠 ( 𝐿 ) 𝑑𝑥 = 0, n≠ 0

solução:
mudança de variável:
𝑛𝜋𝑥
𝑢=
𝐿
nπ
𝑑𝑢 = 𝑑𝑥
𝐿
𝐿
𝑛𝜋𝑥 𝐿
∫ 𝑐𝑜𝑠 ( ) 𝑑𝑥 = [𝑠𝑒𝑛(𝑛𝜋) − 𝑠𝑒𝑛(−𝑛𝜋)] = 0
−𝐿 𝐿 𝑛𝜋

𝐿 𝐿
𝑛𝜋𝑥
𝑛 = 0 ⇒ ∫ 𝑐𝑜𝑠 ( ) 𝑑𝑥 = ∫ 𝑑𝑥 = 𝐿 − (−𝐿 ) = 2𝐿
−𝐿 𝐿 −𝐿

5
 𝐿 𝑛𝜋𝑥 𝑛𝜋𝑥
b)∫−𝐿 𝑠𝑒𝑛 ( ) 𝑑𝑥 = 0 sendo f(x)= 𝑠𝑒𝑛 ( ) ímpar no intervalo de [-L,L]
𝐿 𝐿

solução:
𝑛𝜋𝑥
𝑢=
𝐿
nπ
𝑑𝑢 = 𝑑𝑥
𝐿

𝐿
𝑛𝜋𝑥 𝐿
∫ 𝑠𝑒𝑛 ( ) 𝑑𝑥 = − [𝑐𝑜𝑠(𝑛𝜋) − 𝑐𝑜𝑠(−𝑛𝜋)] = 0
−𝐿 𝐿 𝑛𝜋

𝐿 𝐿
𝑛𝜋𝑥
𝑛 = 0 ⇒ ∫ 𝑠𝑒𝑛 ( ) 𝑑𝑥 = ∫ 0𝑑𝑥 = 0
−𝐿 𝐿 −𝐿

𝐿 𝑚𝜋𝑥 𝑛𝜋𝑥 0, 𝑚 ≠ 𝑛
c) ∫−𝐿 cos( ) 𝑐𝑜𝑠 ( ) 𝑑𝑥 = {
𝐿 𝐿 𝐿, 𝑚 = 𝑛 ≠ 0
1
lembrando que :cos(u)cos(v)=2 [cos(𝑢 + 𝑣) + cos(𝑢 − 𝑣)]

𝐿
𝑚𝜋𝑥 𝑛𝜋𝑥 1 𝐿 (𝑚 + 𝑛)𝜋𝑥 (𝑚 − 𝑛)𝜋𝑥
∫ cos( ) 𝑐𝑜𝑠 ( ) 𝑑𝑥 = ∫ {cos [ ] + 𝑐𝑜𝑠 [ ]} 𝑑𝑥 = 0 𝑠𝑒 𝑚 ≠ 𝑛
−𝐿 𝐿 𝐿 2 −𝐿 𝐿 𝐿

𝐿
𝑛𝜋𝑥 1 𝐿 2
2𝑛𝜋𝑥 1 𝐿
𝑚 = 𝑛 ≠ 0 ⇒ ∫ 𝑐𝑜𝑠 ( ) 𝑑𝑥 = ∫ [cos ( ) + 1] 𝑑𝑥 = ∫ 𝑑𝑥 = 𝐿
−𝐿 𝐿 2 −𝐿 𝐿 2 −𝐿

𝐿
𝑚𝜋𝑥 𝑛𝜋𝑥 1 𝐿
𝑚 = 𝑛 = 0 ⇒ ∫ cos( ) 𝑐𝑜𝑠 ( ) 𝑑𝑥 = ∫ 2𝑑𝑥 = 2𝐿
−𝐿 𝐿 𝐿 2 −𝐿

Série de Fourier :
Seja a função f(x) definida no intervalo de (-L,L) e fora desse intervalo definida como f(x+2L)=f(x), ou seja,
f(x) é 2L-periódica. A série de Fourier ou expansão de Fourier de f(x) é dada por:
∞
𝑎0 𝑛𝜋𝑥 𝑛𝜋𝑥
+ ∑[𝑎𝑛 cos ( ) + 𝑏𝑛 𝑠𝑒𝑛( )]
2 𝐿 𝐿
𝑛=1

6
Sendo que os coeficientes de Fourier 𝑎0 , 𝑎𝑛 𝑒 𝑏𝑛 são dados pelas expressões a seguir:
1 𝐿
𝑎0 = ∫ 𝑓(𝑥)𝑑𝑥
𝐿 −𝐿

1 𝐿 𝑛𝜋𝑥
𝑎𝑛 = ∫ 𝑓(𝑥) cos ( ) 𝑑𝑥
𝐿 −𝐿 𝐿

1 𝐿 𝑛𝜋𝑥
𝑏𝑛 = ∫ 𝑓(𝑥)𝑠𝑒𝑛 ( ) 𝑑𝑥
𝐿 −𝐿 𝐿

Análise dos Coeficientes:

Se a série :
∞
𝑛𝜋𝑥 𝑛𝜋𝑥
𝐴 + ∑[𝑎𝑛 cos ( ) + 𝑏𝑛 𝑠𝑒𝑛( )]
𝐿 𝐿
𝑛=1

Converge uniformemente para f(x) em (-L,L), mostre que, para n=1,2,3,....

1 𝐿 𝑛𝜋𝑥
• 𝑎𝑛 = 𝐿 ∫−𝐿 𝑓(𝑥) cos ( ) 𝑑𝑥
𝐿
1 𝐿 𝑛𝜋𝑥
• 𝑏𝑛 = 𝐿 ∫−𝐿 𝑓(𝑥)𝑠𝑒𝑛 ( 𝐿 ) 𝑑𝑥
𝑎0
• 𝐴= 2

𝑛𝜋𝑥 𝑛𝜋𝑥 𝑚𝜋𝑥

1. Multiplicando f(x)= 𝐴 + ∑∞𝑛=1[𝑎𝑛 cos ( 𝐿 ) + 𝑏𝑛 𝑠𝑒𝑛( )] por 𝑐𝑜𝑠 ( ) e integrando de -L a L
𝐿 𝐿
obtemos :
𝐿
𝑚𝜋𝑥
∫ 𝑓(𝑥)𝑐𝑜𝑠 ( ) 𝑑𝑥
−𝐿 𝐿
𝐿
𝑚𝜋𝑥
= 𝐴 ∫ 𝑐𝑜𝑠 ( ) 𝑑𝑥
−𝐿 𝐿
∞
𝐿 𝐿
𝑚𝜋𝑥 𝑛𝜋𝑥 𝑚𝜋𝑥 𝑛𝜋𝑥
+ ∑[𝑎𝑛 ∫ 𝑐𝑜𝑠 ( ) 𝑐𝑜𝑠 ( ) 𝑑𝑥 + 𝑏𝑛 ∫ 𝑐𝑜𝑠 ( ) 𝑠𝑒𝑛 ( ) 𝑑𝑥 ]
−𝐿 𝐿 𝐿 −𝐿 𝐿 𝐿
𝑛=1

Considerando m≠ 0 no primeiro termo da soma e n=m no segundo termo:

𝐿
𝑚𝜋𝑥
∫ 𝑓(𝑥)𝑐𝑜𝑠 ( ) 𝑑𝑥 = 𝑎𝑚 𝐿
−𝐿 𝐿
1 𝐿 𝑚𝜋𝑥
𝑎𝑚 = ∫ 𝑓(𝑥)𝑐𝑜𝑠 ( ) 𝑑𝑥
𝐿 −𝐿 𝐿

Ou
1 𝐿 𝑛𝜋𝑥
𝑎𝑛 = ∫ 𝑓(𝑥)𝑐𝑜𝑠 ( ) 𝑑𝑥
𝐿 −𝐿 𝐿

7
Para n=0,
1 𝐿
𝑎0 = ∫ 𝑓(𝑥)𝑑𝑥
𝐿 −𝐿

𝑛𝜋𝑥 𝑛𝜋𝑥 𝑚𝜋𝑥

2.Multiplicando f(x)= 𝐴 + ∑∞
𝑛=1[𝑎𝑛 cos ( ) + 𝑏𝑛 𝑠𝑒𝑛( )] por 𝑠𝑒𝑛 ( ) e integrando de -L a L
𝐿 𝐿 𝐿
obtemos :

𝐿
𝑚𝜋𝑥
∫ 𝑓(𝑥)𝑠𝑒𝑛 ( ) 𝑑𝑥
−𝐿 𝐿
𝐿
𝑚𝜋𝑥
= 𝐴 ∫ 𝑠𝑒𝑛 ( ) 𝑑𝑥
−𝐿 𝐿
∞
𝐿 𝐿
𝑚𝜋𝑥 𝑛𝜋𝑥 𝑚𝜋𝑥 𝑛𝜋𝑥
+ ∑[𝑎𝑛 ∫ 𝑠𝑒𝑛 ( ) 𝑐𝑜𝑠 ( ) 𝑑𝑥 + 𝑏𝑛 ∫ 𝑠𝑒𝑛 ( ) 𝑠𝑒𝑛 ( ) 𝑑𝑥
−𝐿 𝐿 𝐿 −𝐿 𝐿 𝐿
𝑛=1

Considerando n=m no segundo termo da soma temos que :

𝐿
𝑚𝜋𝑥
∫ 𝑓(𝑥)𝑠𝑒𝑛( )𝑑𝑥 = 𝑏𝑚 𝐿
−𝐿 𝐿

1 𝐿 𝑚𝜋𝑥
𝑏𝑚 = ∫ 𝑓(𝑥)𝑠𝑒𝑛 ( ) 𝑑𝑥
𝐿 −𝐿 𝐿

1 𝐿 𝑚𝜋𝑥
𝑏𝑚 = ∫ 𝑓(𝑥)𝑠𝑒𝑛 ( ) 𝑑𝑥
𝐿 −𝐿 𝐿
𝑛𝜋𝑥 𝑛𝜋𝑥
3.Integrando f(x)= 𝐴 + ∑∞
𝑛=1[𝑎𝑛 cos ( ) + 𝑏𝑛 𝑠𝑒𝑛( )] de -L a L obtemos:
𝐿 𝐿

∞
𝐿 𝐿 𝐿 𝐿
𝑛𝜋𝑥 𝑛𝜋𝑥
∫ 𝑓(𝑥)𝑑𝑥 = 𝐴 ∫ 𝑑𝑥 + ∑[𝑎𝑛 ∫ 𝑐𝑜𝑠 ( ) 𝑑𝑥 + 𝑏𝑛 ∫ 𝑠𝑒𝑛 ( ) 𝑑𝑥]
−𝐿 −𝐿 −𝐿 𝐿 −𝐿 𝐿
𝑛=1

Para n=1,2,3,... obtemos:

𝐿
∫ 𝑓(𝑥)𝑑𝑥 = 2𝐴𝐿
−𝐿

1 𝐿
𝐴= ∫ 𝑓(𝑥)𝑑𝑥
2𝐿 −𝐿

Comparando os resultados obtidos, concluímos que :

𝑎0
𝑎0 𝐿 = 2𝐴𝐿 ⇒ 𝐴 =
2

Uma observação importante é que os resultados encontrados continuam válidos quando os limites de
integração são substituídos de -L a L por c e c+2L, respectivamente, com c ∈ 𝑅

8
Teorema 1: se ∑∞ ∞
𝑛=1 𝑢𝑛 (𝑥) e ∑𝑛=1 𝑣𝑛 (𝑥) são uniformemente convergentes em 𝑎 ≤ 𝑥 ≤ 𝑏 e se h(x) é
contínua nesse intervalo, então as séries ∑∞ ∞ ∞
𝑛=1[𝑢𝑛 (𝑥) + 𝑣𝑛 (𝑥)] , ∑𝑛=1[𝑢𝑛 (𝑥) − 𝑣𝑛 (𝑥)] , ∑𝑛=1[ℎ(𝑥)𝑣𝑛 (𝑥)] e
∞
∑𝑛=1[ℎ(𝑥)𝑢𝑛 (𝑥)] são uniformemente convergentes em 𝑎 ≤ 𝑥 ≤ 𝑏

Teorema 2: toda série trigonométrica uniformemente convergente é uma série de Fourier. Mais
precisamente, se a série:
𝑎0
+ 𝑎1 cos(𝑥) + 𝑏1 𝑠𝑒𝑛(𝑥) + 𝑎2 cos(2𝑥) + 𝑏2 𝑠𝑒𝑛(2𝑥) + 𝑎3 cos(3𝑥) + 𝑏3 𝑠𝑒𝑛(3𝑥) + ⋯
2

Converge uniformemente a f(x) para todo x, então f(x) é contínua para todo x. Além disso, f(x) tem período
2𝜋 e a série trigonométrica é a série de Fourier de f(x)

Convergência

1. Convergência pontual ou teorema da convergência de Fourier:

Supondo que conhecemos uma função f(x). Se f(x) é uma função periódica com período T = 2L e
integrável no intervalo [−L, L] então podemos calcular os coeficientes 𝑎𝑚 e 𝑏𝑚 da seguinte forma:

E montar a série de Fourier correspondente:

Nesse contexto estamos interessados em conhecer se a série converge para algum valor de x e, se
realmente converge, queremos saber se converge para o valor de f(x). Foi descoberto que existem casos em
que a série de Fourier encontrada para uma função f(x) pode não convergir para f(x) e ainda existem casos em
que a série pode divergir. É possível identificar com simplicidade funções f(x) cujas séries de Fourier não
convergem para pontos isolados. Por outro lado, as funções cuja série de Fourier divergem em um ou mais
pontos são mais difíceis de construir. As hipóteses de garantia de convergência de uma série de Fourier para
a função f(x) é mostrada abaixo:

Teorema: Supondo que f(x) e f’(x) são funções seccionalmente contínuas no intervalo −L ≤ x ≤ L.
Adicionalmente f(x) está definida no intervalo −L ≤ x ≤ L de forma que seja periódica e com período 2L.
Nesse contexto f(x) tem uma série de Fourier dada pela relação:

9
 E que cujos coeficientes são dados por 𝑎𝑚 e 𝑏𝑚 . Então a série de Fourier converge para f(x) em todos
os pontos onde f(x) é continua e converge para 1/2 [f(x +) + f(x −)] em todos os pontos em que f(x) é
descontínua.

É válido salientar que:

(i). Devemos observar que 1/2 [f(x +) + f(x −)] é o valor médio dos limites à direita e à esquerda no
ponto de descontinuidade x e em pontos em que f(x) é contínua esse valor representa o próprio valor de f(x).
f(xo+) é usado para denotar o limite de f(x) quando x → xo pela direita e f(xo-) é usado para denotar o limite
de f(x) quando x → xo pela esquerda.
(ii). As condições dadas no teorema são suficientes para a convergência de uma série de Fourier e essas
condições não são necessárias.
(iii). Uma função é seccionalmente contínua no intervalo a ≤ x ≤ b se o intervalo pode ser particionado
em um número finito de pontos a = xo < x1 < . . . < xn = b de modo que seja verdadeiro o seguinte:

a) f(x) é contínua em cada subintervalo aberto xi−1 < x < xi .

b) f(x) tende a um limite finito nas extremidades de cada subintervalo quando aproximadas do
interior do intervalo. Não é necessário que a função se encontre definida nos pontos de partição xi.
Também não é essencial que o intervalo seja fechado (pode ser aberto ou fechado em cada
extremidade). Exemplo de função seccionalmente contínua:

Figura 5

(iv). Existem muitas funções que satisfazem as condições do teorema. Funções que não satisfazem as
exigências do teorema são aquelas que tem descontinuidades infinitas no intervalo [−L, L] como 1 /x² quando
x → 0 ou Ln|x−L| quando x → L. Entretanto, existem funções que não satisfazem as exigências do teorema,
mas a série correspondente converge para f(x).

2. Convergência Uniforme :

A convergência uniforme é um conceito mais forte que a convergência pontual, para definir se o limite
de uma sequência de funções existe. Como visto acima, em comparação, uma sequência de funções
converge pontualmente para uma função se, e somente se:

Mas a sequência converge uniformemente quando:

Essa diferença é importante: para provar a convergência pontual, basta escolher um N para cada e
cada x. Para provar a convergência uniforme, é preciso escolher, para cada um N que se aplica a todo x. É
importante notar que a convergência uniforme preserva continuidade, ou seja, o limite uniforme de uma
sequência de funções contínuas é uma função contínua. Agora, para a série de Fourier apresentar um resultado
que garanta sua convergência uniforme para uma função periódica é proposto que:
10
 Seja que f ∈ SCper(2L) e diferenciável em (−L, L), exceto em um número finito de pontos, com f’ ∈
SCper (2L). Então os coeficientes de Fourier (complexos) de f e de f’ se relacionam da seguinte forma:

ou seja:

e,

Em relação aos coeficientes de Fourier (reais) temos:

Onde,

Observemos que se

ocorre então

ocorrerá pois:

11
 (i). Observemos que

nos diz que quanto mais diferenciável a função f for mais rápido a sequência dos coeficientes de
Fourier decai. Mais precisamente, suponhamos que f é 2L-periódica e duas vezes diferenciável com f’’ ∈
SCper (2L). Então, para todo n ∈ ℤ temos:

Em geral, se f é k-vezes diferenciável e 𝑓 (𝑘) ∈ SCper (2L), k ∈ ℕ podemos mostrar, por indução
(exercício) que

(ii). Se k ≥ 2, isto é, se f, f’ ∈ C per (2L) e f’’ existe, exceto em um número finito de pontos de [−L,
L], e f’’ ∈ SC per (2L) então a série de Fourier de f converge uniformemente para f em ℝ. De fato, do Lema
de Riemann-Lebesgue, temos que

logo a sequência numérica

é limitada, ou seja, existe M > 0 tal que

para todo n ∈ ℤ .
Mas, para n ∈ ℤ, n ≠ 0 temos

Como a série numérica

12
e convergente segue, do Teste M.de Weierstrass, que a série de funções (a série de Fourier de f)

converge uniformemente em toda a reta ℝ . De

segue que a série de Fourier de f converge para f pontualmente em toda a reta (pois f é contínua em ℝ),
portanto,

para todo x ∈ ℝ onde a convergência da série de funções é a convergência uniforme em toda a reta ℝ, isto
é,

Porém, indo para um resultado mais geral:

Sejam que f ∈ C per (2L) e diferenciável em (−L, L), exceto em um número finito de pontos, com f’ ∈
SC per (2L). Então a série de Fourier de f converge uniformemente para f em ℝ, isto é,

Demonstrando, para cada n ∈ ℕ temos:

13
 c

Com o que foi falado acima podemos mostrar que a desigualdade de Bessel, é na verdade uma igualdade, isto
é: Sejam que f, g ∈ C per (2L) diferenciáveis em (−L, L), exceto em um número finito de pontos, com f’ , g’
∈ SC per (2L). Então

Em particular

que é conhecida como Identidade de Parseval.

Demonstrando:
Sejam que f ∈ C per (2L) e diferenciável em (−L, L), exceto em um número finito de pontos, com f’ ∈ SC per
(2L). A série de Fourier de f converge uniformemente para f. Da definição sobre convergência uniforme
Se f e as 𝑓𝑛 forem contínuas em [a, b], para todo n ∈ ℕ, então

isto é

ou ainda, a série pode ser integrada termo a termo; temos que:

14
Observações:
(i). f, g ∈ C per (2L) diferenciáveis em (−L, L), exceto em um número finito de pontos, com f’ , g’ ∈
SC per (2L) vale em situações mais gerais, como por exemplo se f, g ∈ SCper (2L), ou até condições mais
fracas (por exemplo f ∈ L² ([−L, L])).
(ii). Em termos dos coeficientes de Fourier reais as relações

tornam-se:

onde

Para mostrar isso basta ver que:

15
Logo,

(iii). Nesse caso a identidade de Parseval se tornará:

(iv). A identidade de Parseval pode ser muito útil, tanto na forma complexa quanto na forma real

para encontrarmos a soma de certas séries numéricas.

16
Exemplos:
1)Se

Então:

em particular
bn = 0, n ∈ ℕ

n∈N

n∈ℕ
e, por f ∈ C per (2L) e diferenciável em (−L, L), exceto em um número finito de pontos, com f’ ∈ SC per
(2L); a convergência é uniforme em ℝ. Logo, da identidade de Parseval segue que (L = 1):

Ou seja,

2)Se

então como f ∈ SCper(2) e f’ é seccionalmente contínua em qualquer intervalo [a, b] ⊆ ℝ (f’(x) = 1), −π < x
< π segue que a série de Fourier de f converge para

para todo x ∈ ℝ.
Mas f é uma função ímpar em (−π, π) logo 𝑎𝑛 = 0, n = 0, 1, 2, · · · e

17
Portanto,

Observemos que se x ≠ kπ, k ∈ ℤ então f será contínua em x logo a série de Fourier de f convergirá para f,
isto é:

3)Seja f(x) = sen(10x) + 5 cos(5x) − 2sen(20x) − 4 cos(11x), −π ≤ x ≤ π com f(x + 2π) = f(x), x ∈ ℝ. Como f
é contínua em ℝ com derivada contínua (na verdade ) temos que a série de Fourier de f converge
uniformemente para f, isto é,

x ∈ ℝ.
Comparando o lado direito como o lado esquerdo teremos: bn = 0, n ≠ 10, 20, b10 = 1, b20 = −2; a n = 0, n
≠ 5, 11, a5 = 5 e a11 = −4, isto é, sen(10x) + 5 cos(5x) − 2sen(20x) − 4 cos(11x) é a expansão da função f
em série de Fourier em [−π, π] (L = π).

18
 Forma Harmônica:

Uma série de Fourier da função f(x) com o período L pode como :

∞

𝑓(𝑥) = 𝐴0 + ∑ 𝐴𝑛 𝑐𝑜𝑠 (𝑤𝑛 𝑥 − 𝜃𝑛 )

𝑛=1
em que :

𝑎
𝐴0 = 20

𝐴𝑛 =√𝑎𝑛2 + 𝑏𝑛2 para n≥ 1

𝑏
𝜃𝑛 =arct(𝑎𝑛 )
𝑛

2𝑛𝜋
𝑤𝑛 =
𝐿

A igualdade entre a forma harmônica e a forma trigonométrica se dá pela identidade trigonométrica do

cosseno da diferença:

𝑐𝑜𝑠(𝑎 − 𝑏) = 𝑐𝑜𝑠(𝑎)𝑐𝑜𝑠(𝑏) + 𝑠𝑒𝑛(𝑎)𝑠𝑒𝑛(𝑏)

Aplicando essa identidade na forma harmônica obtemos:

∞

𝑓(𝑥) = 𝐴0 + ∑[𝐴𝑛 𝑐𝑜𝑠 (𝜃𝑛 )𝑐𝑜𝑠(𝑤𝑛 𝑥) + 𝐴𝑛 𝑠𝑒𝑛(𝜃𝑛 )𝑠𝑒𝑛(𝑤𝑛 𝑥)]

𝑛=1

Se compararmos os termos com a representação geométrica teremos que :

𝑎
𝐴0 = 20

𝑎𝑛 = 𝐴𝑛 𝑐𝑜𝑠(𝜃𝑛 )

𝑏𝑛 = 𝐴𝑛 𝑠𝑒𝑛(𝜃𝑛 )

19
 Forma Complexa:

Para escreveremos a série de Fourier em sua forma complexa fazemos o uso das expressões trigonométricas
provenientes da fórmula de Euler:
eix = cos (x) + isen(x)

eiz − e−iz
sen (z) = −i
2

eiz + e−iz
cos (z) =
2

Substituindo esses resultados na forma harmônica da série de Fourier temos que :

∞
a0 eiwnx + e−iwnx eiwnx + e−iwnx
f(x) = + ∑ [an − ibn ]
2 2 2
n=1
Onde :
nπ
wn =
L

Considerando a paridade das funções seno( ímpar) e cosseno (par) é possível notar que :

a−n = an

b−n = −bn

Além disso :
b0 = 0
Assim:
w−n = −wn
Para simplificar, podemos utilizar :
an − ibn
cn =
2
a0
c0 =
2

para calcular os coeficientes com índices diferentes de zero utilizamos a fórmula de Euler:
1 L
∫ f(x)(cos(wn x) − isen(wn x))dx
2L −L

Logo,
1 L
cn = ∫ f(x)e−iwnx dx
2L −L

Obtendo a expressão:
∞ ∞

f(x) = c0 + ∑[cn eiwnx ] + ∑[c−n e−iwnx ]

n=0 n=1
Ou de forma simplificada:
∞

f(x) = ∑ cn eiwnx
n=−∞

20
 Simulações

• Simulação feita no programa em Python:

import matplotlib.pyplot as plt
import numpy as np
from math import pi
t = np.arange(-4, 4, 0.001)
def square_serie(Nh):
x = np.zeros(t.shape).astype('complex128')
for k in range(1, (2 * Nh) + 1, 2):
x += (2 / (1j * k * pi)) * np.exp(1j * k * pi * t)
return x
plt.figure(figsize=(12, 8))
plt.subplot(221)
plt.title('3 harmônicos')
plt.plot(t, np.real(square_serie(3)))
plt.subplot(222)
plt.title('10 harmônicos')
plt.plot(t, np.real(square_serie(10)))
plt.subplot(223)
plt.title('50 harmônicos')
plt.plot(t, np.real(square_serie(50)))
plt.subplot(224)
plt.title('1000 harmônicos')
plt.plot(t, np.real(square_serie(1000)))
plt.tight_layout()
plt.show()

a partir da Série desenvolvida analiticamente podemos reconstruir o gráfico da função, usando o programa,
para entender que à medida que o número de termos da Série aumenta mais próximo da função chegamos.

21
 • Simulação feita no programa em MatLab:
clc; % limpar janela de comando
clear all ;% limpar workspace
close all, % fechar todas as janelas
%%
syms t n
T= 2*pi; % Periodo

% Se a função for definida por partes, quebre-a em f e g e seus respectivos

% intervalos

I1 = int(0, t,-pi,0);
I2 = int(1, t,0,pi);
a0 = (2/T)*(I1 + I2);

soma = 1 : 1 : 61; % esse cara aqui vai ter o resultado da série de fourier para cada t(ou x)
% precisa ter o mesmo tanto que o n
n = 1 : 1 : 61; % colocando isso antes dos an e bn por que tu vai integrar isso n vezes
I3= int (0*cos(n*t*pi), t, -pi,0);
I4= int ( 1*cos(n*t*pi), t,0,pi);
an= (2/T)*(I3+I4);

I5= int (0*sin(n*t*pi), t, -pi,0);

I6= int ( 1*sin(n*t*pi), t, 0,pi);
bn= (2/T)*(I5+I6);

i = 1;
% estou criando um for de t, por que precisamos calcular a série fixando um
% t por vez
for t = -3 : 0.1 : 3
s = (an.*cos(n*t*pi)+bn.*sin(n*t*pi));
soma(i) = sum(s) + a0/2; % sum(s) soma todos os elementos da matriz s e ai somamos com a0/2
% se adicionar o a0/2 na linha do s, tu vai
% somar a0/2 varias vezes e precisa ser só uma
% vez
i = i + 1; % isso aqui é para mudar o indice do vetor soma
% ai soma(1), soma(2), soma(3),.. são a série
% de fourier aplicada em um t fixo para cada i
end
x = -3 : 0.1 : 3; % esse x aqui é apenas para no plot, tem a mesma quantidade que t

plot(x,soma)
grid on
hold on

22
• Simulação feita em MatLab:

t = -2*pi:0.01:2*pi;
Sa = 0;
Sb = 0;
a0 = 0.25;
T = 2*pi;
w0 = 2*pi/T;
for n=1:2:1000
an = -2/(n^(2)*pi^(2));
Sa = Sa + (an*cos(n*w0*t));
end
for n=1:2:1000
bn = 1/(n*pi);
Sb = Sb + (bn*sin(n*w0*t));
end
for n=2:2:1000
bn = -1/(n*pi);
Sb = Sb + (bn*sin(n*w0*t));
end
f = a0 + Sa + Sb;
plot(t,f);

23
 Fenômeno de Gibbs

O fenômeno de Gibbs descreve a maneira peculiar como a série de Fourier truncada de uma função
f(x) periódica e seccionalmente continua se comporta nas vizinhanças de uma descontinuidade dessa função.
Ou seja, imagine uma função f de período 2L onde f e f’são ambas contínuas por seções. A série de Fourier
que aproxima f, converge pontualmente para os pontos onde não há descontinuidade. Já nos pontos de
descontinuidade não ocorre o mesmo, o matemático e física norte americano Josiah Willard Gibbs estudou a
convergência da série de Fourier na “vizinhança” desses pontos, descobrindo uma perturbação.
Ao analisar uma função salto, exatamente na descontinuidade, e ao fazer uma convergência das somas
parciais finitas da série de Fourier, podemos verificar oscilações cujas amplitudes não convergem para 0. Tal
fenômeno se caracteriza pelo fato de que mesmo se continuarmos a adicionar termos a essa soma parcial, a
oscilação se mante presente excedendo a função e o erro da aproximação converge para um tamanho fixo

Exemplo:

Seja f uma onda quadrada tal que :

0, −1 < 𝑥 < 0
𝑓(𝑥) = {
1, 0<𝑥<1
E
𝑓(𝑥 + 2) = 𝑓(𝑥)

1 1 (−1)𝑛+1 +1
Sabemos que a série de Fourier de uma onda quadrada é : 𝑓(𝑥) = 2 + 𝜋 ∑∞
𝑛=1 𝑠𝑒𝑛(𝑛𝜋𝑥)
𝑛

Assim obteremos :

24
Utilizando a simulação gibbs em anexo conseguimos observar :

• Para n=10, a soma parcial de Fourier é:

• Para n=50, a soma parcial de Fourier é :

25
 • Para n=100, a soma parcial de Fourier é :

Observando a vizinhança do ponto de descontinuidade x=0 percebemos a ocorrência do fenômeno de Gibbs.

Fica claro que é uma perturbação nas redondezas, ou seja, a soma parcial de Fourier excede a função no
ponto de descontinuidade. Por exemplo, a direita do ponto x=0 se vê como o gráfico das somas parciais de
Fourier sobressaem a função salto, neste caso damos o nome de overshoot.

O overshoot à direita do ponto x=0 pode ser calculado por:

2 𝜋 𝑠𝑒𝑛 𝑥
𝑀= ∫ 𝑑𝑥
𝜋 0 𝑥
A integral da função acima, que é conhecida como sync, não é uma integral elementar. Mas, usando a
função Seno Integral:
𝑥
𝑠𝑒𝑛 𝑡
𝑆𝑖 (𝑥 ) = ∫ 𝑑𝑡
0 𝑡
Podemos calcular numericamente e obter uma aproximação:
2
𝑀 = 𝑆𝑖(𝑥) ≈ 1.1790
𝜋

26
 Exemplos:

1) Seja g(t) periódica no intervalo de 2𝜋 dada por:

encontre sua série de Fourier:

Resolução:
Primeiro devemos encontrar os coeficientes de Fourier, então:
1 𝜋
𝑎0 = ∫ 𝑓(𝑡)𝑑𝑡 = 0
𝜋 −𝜋
𝜋
1 𝑛𝜋𝑡
𝑎𝑛 = ∫ 𝑓(𝑡) cos ( ) 𝑑𝑡 = 0
𝜋 −𝜋 𝜋
1 𝜋 𝑛𝜋𝑡 2 1 − (−1)𝑛
𝑏𝑛 = ∫ 𝑓(𝑡)𝑠𝑒𝑛 ( ) 𝑑𝑡 = .
𝜋 −𝜋 𝜋 𝜋 𝑛

Logo, sua série de Fourier é dada por:

∞
2 1 − (−1)𝑛
∑ 𝑠𝑒𝑛(𝑛𝑡)
𝜋 𝑛
𝑛=1

2)Mostre que
∞
𝑎0 𝑛𝜋𝑥 𝑛𝜋𝑥
𝑓(𝑥) = + ∑[𝑎𝑛 cos ( ) + 𝑏𝑛 𝑠𝑒𝑛( )]
2 𝐿 𝐿
𝑛=1
Pode ser escrita na forma
∞
𝑛𝜋𝑥
𝑓(𝑥) = ∑ 𝑐𝑛 𝑒 𝑖 𝐿

𝑛=−∞

Resolução:
Recordando as identidades de Euler :
𝑒 ±𝑖𝜃 = cos (𝜃) ± 𝑖𝑠𝑒𝑛(𝜃)

27
28
3)use a séria de Fourier de f(x) para determinar para quanto converge a série numérica:

Resolução :
𝜋
Considerando 𝑥 = 2 e lembrando que (𝑛 2 − 4)2 = (𝑛 2 − 2)(𝑛 2 + 2)

4) Seja 𝑓: 𝑅 → 𝑅 / 𝑓(𝑥) = 𝑠𝑒𝑛ℎ(𝑥) cosh(𝑥) , 𝑥 ∈ (−𝜋, 𝜋), 𝑓(𝑥 + 2𝜋) = 𝑓(𝑥)

a) Determine a série de Fourier de f(x):

Solução:

29
Substituindo primeiramente com a=2 e depois com a = -2 tem-se que :

30
5) Seja f(x)=cosh(3x), −𝜋 < 𝑥 < 𝜋, 𝑓(𝑥 + 2𝜋) = 𝑓(𝑥)
a) Determine a série de Fourier de f(x):

Solução:

31
32
b) Calcule para quanto converge a série numérica:

Resolução:
Considerando x=0 , tem-se que cosh(0)=1, f(x) é contínua em x=0 e que :

33
 Aplicações da série de Fourier

A série de Fourier é importante na técnica de compactação digital, como por exemplo: para reproduzir
músicas digitais por streaming , para ver imagens online de rápido carregamento e no cancelamento de ruído
nos fones de ouvido. Algumas das funções representadas pela série de Fourier tem significado físico, como
os sinais musicais ou elétricos, elas também são amplamente utilizadas na resolução de equações
diferenciais parciais, como a equação da onda, do calor e problemas envolvendo a equação de Laplace.
Entre suas aplicações, podemos destacar:
• O uso da série nos sistemas de compressão como MP3, JPG, AVI, mantendo os sons e imagens com
boa qualidade e ocupando apenas uma fração do espaço do armazenamento ou meio de transmissão
que seus originais, ou seja, a série tornou imagens e músicas digitais em coisas práticas e com rápido
compartilhamento;
• A série também é utilizada na espectroscopia, onde astrônomos deduzem a composição química das
estrelas pela análise das componentes frequências a partir das luzes emitidas pela estrela;
• Nas telecomunicações, os engenheiros conseguem otimizar um projeto de um sistema de
telecomunicações usando informações sobre as componentes espectrais de um sinal de dados que um
sistema transportará;
• Na medicina e biologia, a série é utilizada para comparar a forma da arcada dentária, os perfis faciais
e a forma mandibular entre diferentes populações humanas e gêmeos, fornecendo, assim, novas
informações sobre influencias genéticas e ambientais na variação dessas estruturas;
• A explicação da natureza sonora é através da teoria de séries de Fourier, onde enxergamos uma
excitação sonora como um sinal em função do tempo, com o formato de uma onda senoidal muito
complexa
Embora a série de Fourier tenha sido desenvolvida como subsídio matemático ao estudo da transferência de
calor, a aplicação dessa soma de senos e cossenos estendeu-se aos ramos da física, engenharia e matemática,
sendo também comum encontrar o uso da série de Fourier em artigos que propõe modelos para análise de
alguns eventos climáticos. Assim, de modo geral, pode-se dizer que a série desenvolvida por Fourier tem
permitido que engenheiros e cientistas escrevam diversos tipos de funções e com elas podem administrar e
prever cenários futuros nas mais diversas áreas.

34
 Apêndice:

(i). Desigualdade de Bessel:

Se f ∈ SC([−L, L]) e

então as séries numéricas

convergem e vale

(ii). Teste M. de Weierstrass:

Seja (fn)n∈N uma sequência de funções definidas em A ⊆ ℝ. Suponhamos que exista uma sequência
numérica (Mn)n∈N, tal que |fn(x)| ≤ Mn , para todo x ∈ A, n ∈ ℕ. Se a série numérica

for convergente, então a série de funções

converge absoluta e uniformemente para uma função f em A.

35
 Bibliografias e referências:
• JAMES STEWART. Stewart Calculus, 2005. Calculus 9th edition > Additional Topics.

• https://en.wikipedia.org/wiki/Fourier_series

• NAZARI, Luiz Fernando. Série de Fourier e o Fenômeno de Gibbs. Trabalho de Conclusão de Curso
(Licenciatura) - Curso de Matemática, Universidade Federal de Santa Catarina. Florianópolis. 2008.

• https://www.youtube.com/watch?v=raFhWRA9cIA

• ZORICH, Vladimir A. Mathematical Analysis II. Second Edition. Springer, 2016.

• https://www.youtube.com/watch?v=ev0juGwUz78&ab_channel=Eletr%C3%B4nicaePrograma%C3
%A7%C3%A3o

• https://www.youtube.com/watch?v=uDz-
KirOmw8&ab_channel=Eletr%C3%B4nicaePrograma%C3%A7%C3%A3o

• ZILL, Dennis; CULLEN, Michael. Matemática Avançada para Engenharia - Vol III. 3ª edição.
Bookman Editora, 2009.

36