¿Qué son y para qué sirven las transformadas de

Fourier?
4 Respuestas

Alberto Cid, Máster Ingeniería en telecomunicaciones & Transmisión, UPM ETSIT (2008)
Respondió 22 Mar. · Voto positivo de Ricardo García Santiago, M.A. Matemáticas UPRRP · El
autor tiene 795 respuestas y 260,5k vistas de respuestas
Intentaré explicarlo de una forma sencilla, a pesar de ser un concepto un poquito
complicado que se estudia en la universidad y normalmente no en el primer curso
sino en el segundo quizá, en carreras como ingenierías, física, etc.

¿Qué es?
Es una transformación de una función del tiempo en otra función de la
frecuencia.
También se dice que la función original está en el ‘dominio del tiempo’ y la
transformada la pasa al ‘dominio de la frecuencia’.
Recordemos que el “dominio” de una función es el conjunto de valores que puede
tomar la variable en el conjunto origen. Cuando es el ‘dominio del tiempo’ los valores
serán valores de tiempo (ej: 2 segundos, 7 segundos, etc)… Cuando se habla de
‘dominio de la frecuencia’ los valores son valores de frecuencia (ej: 7 radianes por
segundo, 100*PI radianes por segundo, etc).

Es decir, dada una función que te dice cuánto hay de una cantidad en cada
instante de tiempo, la transformada te da otra función que te dice la
cantidad que tiene la anterior función en cada frecuencia.

También se podría decir que es una generalización de las Series de Fourier,

pero en lugar de ser para señales periódicas, para cualquier señal sea periódica o
no.

Y otra forma relativamente sencilla de decirlo para alguien que sepa de Espacios
Vectoriales sería decir que es un cambio de base. Las funciones son un Espacio
Vectorial, donde la suma de 2 funciones es otra función, y donde una función por un
escalar es otra función. Pues bien, una base, aunque de dimensión infinita sería dividir
la recta real del tiempo en infinitos reales y tendrías infinitas funciones, cada una
definida en un punto, que sumadas te dan la función original. Pues bien, si en lugar de
usar esa base usas otra base que sean infinitas funciones periódicas también podrías
expresar la función original como combinación lineal de ellas. Estas funciones
periódicas se caracterizan por una frecuencia, y, de esta forma, la función original sería
una función de la frecuencia: para cada frecuencia tendría un valor. Aunque, claro, eso
de los Espacios Vectoriales de dimensión infinita o ver que la nueva base es realmente
base y puede servir para generar cualquier función quizá no sea tan evidente… pero
para intuir la idea, como concepto, puede servir.

Veamos un ejemplo:
Primero un ejemplo rápido con una imagen animada tomada de la Wikipedia.

En esa animación se puede ver que una señal original f, el dominio del tiempo, se
descompone en una suma de señales de tipo sinusoidal, es decir, de frecuencias
puras… y la gráfica azul es la transformada, que indica los coeficientes de cada
frecuencia. Por ejemplo, tiene una componente grande de baja frecuencia y otras más
pequeñas de frecuencias más altas.

Otro ejemplo más detallado:

Si la función del tiempo es:

f(t)=3⋅cos(2⋅π⋅50⋅t)f(t)=3⋅cos⁡(2⋅π⋅50⋅t)
Esta función es una función periódica que vale 3 cuando t = 0
y también vale 3 cuando t =1 porque 2PI multiplicado por 50 y multiplicado por t=1
resulta ser 100 PI y el coseno de 100 PI es igual que el coseno de 2PI e igual que el
coseno de cero, igual a 1.
Y resulta que cuando t = 0.02 = 1/50 la parte de dentro del coseno es:
2*PI * 50 * (1/50) = 2*PI
y el coseno vale 1 también.
Para valores de t mayores que 0 y menores que 0.02 el ángulo del coseno será menor
que 2*PI y mayor que 0 y el coseno será menor que 1…
Así que 0.02 es lo que se llama período, el menor valor para el cual la función se
repite…
Y el valor 50 se conoce como frecuencia, es decir, las veces cada segundo que se repite
la función. Si al cabo de 0.02 segundos la función se repite por primera vez, a los 0.04
segundos se repite por segunda vez… y cuando pasa 1 segundo se habrá repetido 50
veces. Esta frecuencia se expresa en Hercios, es decir, ciclos por segundo.
En la transformada de Fourier se suele usar lo que se llama “frecuencia angular”,
representada por la letra griega omega minúscula y su unidad son los radianes por
segundo.
La frecuencia angular sería ω=2⋅π⋅fω=2⋅π⋅f es decir, 2 PI veces la frecuencia ordinaria
y expresa la ‘velocidad angular’, es decir, cuánto crece un ‘ángulo’ por unidad de
tiempo.
En el ejemplo, el ángulo que va dentro del coseno aumenta a un ritmo de 100 PI veces
cada segundo, así que cuando t vale 1/(100*PI) el ángulo valdría 1 radián, cuando t vale
1/50 = 0.02 el ángulo valdría 2*PI radianes (un ciclo), etc.
Entonces, la transformada da una expresión de la función original en función de cada
frecuencia angular, diciendo qué cantidad tiene la función en cada frecuencia angular.
En este caso, la función original es todo en una única frecuencia angular, que es 100*PI
y no tendría nada en otras frecuencias.
Por tanto, la transformada de Fourier de esa función temporal sería exactamente cero
para las frecuencias que no sean 100*PI y para el valor de omega igual a 100*PI tendría
un valor no nulo.
Si detallásemos un poco más veríamos que la transformada de Fourier también da
valores para frecuencias angulares negativas y tampoco sería nula para -100*PI.
También se podría detallar que la transformada da valores complejos, es decir,
números complejos. Además, en este caso, el valor de la transformada en la frecuencia
angular igual a 100*PI sería infinito… con una función llamada “delta”, lo cual puede
resultar algo extraño. El caso es que la integral de esa delta que tiene un valor infinito
en un punto da como resultado un valor real. Y con esa integral podríamos saber que
“la cantidad” asociada a esa frecuencia, lo que multiplica al coseno es 3.

Las funciones periódicas se puede demostrar que se pueden expresar como una suma
de un número infinito contable de senos y cosenos… es lo que se llama “Serie de
Fourier”. Por tanto, toda función temporal periódica, como puede ser la producida
por instrumento musical (guitarra, piano, flauta, etc) tendría una Transformada de
Fourier que sería un infinito contable de “deltas”, cada una con una “altura” o
coeficiente diferente… y a una frecuencia angular que sería un múltiplo de una
cantidad llamada “frecuencia fundamental”. Serían los coeficientes de la Serie de
Fourier. Las frecuencias se llaman “armónicos”: la frecuencia fundamental sería el
‘primer armónico’, el doble de eso sería el ‘segundo armónico’, etc.
Para funciones no periódicas también existe una Transformada de Fourier y en este
caso no sería un infinito numerable de deltas sino valores reales continuos.
En lugar de tener un armónico en una frecuencia w, otro en 2w, otro en 3w, etc… lo que
tendrías sería un continuo de frecuencias, desde 0 hasta infinito, o desde menos
infinito hasta más infinito: cada número real sería una frecuencia posible para la que
existiría un valor de la transformada, y no solamente en múltiplos de una frecuencia
como en el caso de funciones periódicas.

¿Para qué sirven las Transformadas de Fourier?

Las aplicaciones son muy numerosas.

Por ejemplo, algunos circuitos eléctricos y muchos otros sistemas se comportan

como un sistema lineal, es decir, que la salida del circuito se multiplica por una
constante si la entrada se multiplica por una constante, y si la entrada es una suma de
señales la salida es la suma de la salidas que tendría cada señal independiente… Por
tanto, si sabemos la respuesta del circuito con la frecuencia, si sabemos la salida del
circuito para señales de frecuencias puras, podremos saber la salida para una señal que
sea combinación lineal de señales sinusoidales…
Ejemplo, la corriente alterna que se usa en las casas suele tener una frecuencia de 50
Hercios (en España, porque en Estados Unidos son 60 Hz) y, por tanto, la función
temporal, por ejemplo, del Voltaje, es similar a la que dije antes… aunque en lugar de 3
sería 311 Voltios de pico. Cuando se habla de 220 voltios son eficaces, o RMS (Root
Mean Squared), es decir, la raíz cuadrada de la media de los cuadrados de los valores
instantáneos del voltaje… En unos instantes el voltaje es 311 y en otros instantes es 0,
variando en forma de onda sinusoidal y la raíz cuadrada de la media de los cuadrados
daría 220 voltios.
Si sabemos la impedancia equivalente de un circuito lineal, por ejemplo, que tenga
resistencias y condensadores, podremos saber la salida de forma fácil.
Si la entrada en lugar de ser una sinusoide fuese una variación de voltaje cualquiera en
función del tiempo, podríamos calcular la transformada de Fourier de esa señal,
multiplicar por la función en frecuencia del circuito y obtener así la transformada de
Fourier de la salida… y con la transformada inversa sabríamos la variación en el tiempo
de la salida del circuito, es decir, la señal de salida.
Esto que expliqué para un circuito también se podría aplicar a otros sistemas
lineales de tipos muy diferentes… Por ejemplo, un puente. Antes de construir un
puente se podría calcular cómo responde en frecuencias ese puente y cómo
reaccionaría a vientos de una determinada fuerza, o terremotos, etc.
El señor Fourier hizo su teoría estudiando el calor, así que esa sería otra aplicación.

Otro ejemplo: compresión de audio MP3.

Sabemos que una señal de audio, como una canción es una función temporal, de
valores de presión del aire, los cuales son transformados por micrófonos en valores de
voltaje, que pueden ser medidos y guardados en una grabación. Y, luego, se puede
hacer el proceso inverso con unos altavoces que transforman un voltaje variable en una
presión de aire variable.
Ahora bien, el almacenamiento de valores instantáneos de presión de aire o de voltajes
de un micrófono no es muy eficiente. Sabemos que el oído humano no es igual de
sensible a unas frecuencias que a otras.
Lo que haría el MP3 sería codificar con mayor precisión las frecuencias que mejor
escucha el oído humano y codificar de forma muy burda, con poca precisión, las
frecuencias a las que el oído no es muy sensible. Esto nos permite ahorrar muchos
datos… de forma que una canción pueda ocupar la décima parte y oírse prácticamente
igual.
Para calcular las componentes en frecuencia de una canción se haría la transformada
de Fourier, la cual nos da las componentes o coeficientes en cada frecuencia, de forma
que unas componentes se codifican con más bits (más precisión) y otras se codifican
con menos bits.
Esto también se hace en la telefonía móvil. El sonido de la voz se codifica, dedicando
más bits a ciertas frecuencias, y menos bits a otras, ahorrando información, y, por
tanto, pudiendo transmitir la voz de una llamada telefónica gastando menos ancho de
banda.
Lo que ocurre es que la señal de una canción o de una voz de una llamada telefónica no
es una señal continua en el tiempo, sino que se compone de una sucesión de
muestras… y, entonces, no se hace una transformada de Fourier continua, sino lo que
se conoce como ‘transformada discreta de Fourier’ o ‘transformada de Fourier
discreta’. En esta transformada no habría infinitas frecuencias sino un número finito
de ellas. Y, además, se conoce un algoritmo eficiente para hacerlo, llamado FFT = Fast
Fourier Transform.
Así que se tomarían las muestras en el tiempo, se haría la FFT y tenemos un número
finito de muestras en frecuencia, se codifican esas muestras, cada una con el número
de bits correspondiente y ya tendríamos el fichero MP3.
Para descomprimir el MP3 se haría la operación inversa: con los bits de cada
frecuencia podemos hacer la operación inversa con otra FFT y obtener una señal que
no será igual que la original pero que a nuestro oído le sonará igual.
El JPEG funciona de forma similar, pero en lugar de la Transformada de Fourier usa
la Transformada del Coseno, más adecuada para imágenes, descartando
información visual que apenas ven nuestros ojos.

Otro ejemplo más: reconocimiento de voz.

Algo que se suele hacer es la transformada de la señal original, dividida en ‘trocitos’ y
se obtienen unas características (llamado ‘vector característico’) de esa transformada
de cada trocito, algo similar a los bits escogidos en ciertas frecuencias para comprimir.
Y con esas secuencias de características (de ‘vectores característicos’) se puede
reconocer las palabras que dijo el hablante.
Después de haber entrenado y probado el sistema, se usa en aplicaciones como Siri o
Google Assistant, que reconocen la voz, en diferentes idiomas como español o inglés,
entre otros, claro.

Otra aplicación sería la resolución de ecuaciones diferenciales.

Si tienes una ecuación diferencial puedes pasarla al dominio de la frecuencia,
resolverla en el dominio de la frecuencia y luego hacer la transformada inversa de la
solución para obtener la solución en el dominio original. De todas formas, creo que
para esto es más útil la Transformada de Laplace… pero esto ya sería otra historia.

En RESUMEN:
podría parecer que es una cosa rara de matemáticos locos, sin aplicación práctica, o
algo que se estudia en las ingenierías que podría parecer que no sirve para nada, pero
nada más lejos de la realidad, es algo que se usa muchísimo en cosas de la vida
diaria que estamos acostumbrados a usar y que pocos sospechaban que se usaba
tanto.

Para más información:

Serie de Fourier - Wikipedia, la enciclopedia libre

Armónico - Wikipedia, la enciclopedia libre

Transformada de Fourier - Wikipedia, la enciclopedia libre

Transformada de Fourier discreta - Wikipedia, la enciclopedia libre