FOURIER

Serie de Fourier: Cualquier funcin del tiempo f(t), real, peridica de perodo T o frecuencia
1 = 2 / T, continua, puede ser expandida en una serie infinita de senos y cosenos de
frecuencias n mltiplos de 1 , es decir, n = n 1, con n=1,2,,. En forma de ecuacin
tenemos que

n 1

n 1

f (t ) A0 An cos n 1t Bn sen n 1t

Construccin: Para obtener A0 calculamos el promedio temporal de f(t), sustituyendo la

anterior serie en la integral del promedio y tomando en cuenta que el promedio temporal de
los senos y cosenos son cero:
1
f (t)
T

t0 T

f (t) d t A

t0

El valor de t0 normalmente es cero pero ms adelante nos convendr tomarlo como T/2.
Para calcular los coeficientes Am con m=1,2,,, calcularemos el promedio de una nueva
funcin f(t) cos( m 1 t):
T

1
1
1
f (t) cos(m1 t)dt A 0 cos(m1 t) dt

T0
T0
T

A
0 n1

cos n 1 t cos(m1 t)dt

1
Bnsen n 1t cos(m1t)dt
T 0 n1
La primera integral del lado derecho es cero porque es el promedio de un coseno. Para las
siguientes dos podemos considerar que los senos y cosenos son buena gente y permiten
intercambiar los signos de sumatoria e integral sin mayores traumas. Entonces calculemos
primero la ltima integral usando que el producto sen * cos se puede escribir como
[sen(+)+sen(-)]/2, resultando as dos promedios que se anulan en un perodo, para todo
valor de y , es decir para todo valor de n y m, y as ningn Bm saldr en el resultado.
Para calcular la segunda integral usamos que el producto cos * cos se puede escribir como
[cos(+)+cos(-)]/2, resultando as dos promedios que se anulan en un perodo, para todo
valor de y , es decir para todo valor de n y m, excepto para el caso n=m que solo se anula el
promedio de cos(+), porque cos(-)= cos(0)=1, cuyo promedio es 1.
En resumen, solamente quedar el valor Am/2, o cambiando la letra del ndice:
T

2
A n f (t) cos(n 1 t)dt
T0
T

Similarmente obtenemos:

Bn

2
f (t) sen(n 1 t)dt
T 0

El grfico de A n y B n en funcin de n ( o de n) se conoce como el espectro de frecuencias de

la funcin peridica f(t).
Note que la distancia entre dos frecuencias consecutivas es:
= (n+1) 1 n 1 = 1 = 2 / T.

Serie de Fourier Compleja: Es posible modificar la ecuacin de la Serie de Fourier para que la
funcin f(t), real, quede en trminos de exponenciales complejas, usando para ello la frmula
de Euler- De Moivre:
e j cos j sen
Para ello escribamos la serie de la siguiente manera:

f (t) A 0 C n cos n 1 t n
n 1

Donde se cumplen las relaciones:

A n = C n cos n,
B n = - C n sen n;
:

f (t) A 0
n 1

C n j n 1t n
e
e j n 1t n
2

C n e j n j n 1t
C n e j n j n 1t
f (t ) A 0
e

e
2
2
n1
n1
la cual podemos escribir como:

f (t) A 0 D n e j n 1t
n 1

n 1

e j n 1t

finalmente, usando un solo signo de sumatoria:

f (t)

e j n 1t

donde:
C n e j n
n0

Gn A0
n0

j n
Cn e
n0
2

Las Gn se obtienen a partir de f(t) usando la integral:

1 T
G n T2 f (t) e j n 1 t dt .
T 2

Transformada de Fourier: Para extender la serie de Fourier a funciones que no son peridicas,
podemos considerar que las funciones no peridicas son peridicas con perodo infinito. En

realidad es un proceso lmite si consideramos que la funcin no peridica la aproximamos por

una que se repite a una distancia (tiempo) muy lejana de nosotros, mucho ms lejana de
cualquiera que podamos imaginar.
Cuando tendemos T , la distancia entre dos frecuencias del espectro () tiende a cero,
es decir, el espectro de frecuencias no es discreto sino continuo; y desde la frecuencia cero
hasta una frecuencia genrica existen n 1 frecuencias con n , pero n 1 .
Similarmente = 1 = 2 / T d.
A partir de la Serie de Fourier compleja:
f (t)

1 T2

f (t) e j n 1 t dt e j n 1t

T T 2

y tendiendo T a infinito, obtenemos:

1
j t
f (t)
d t e j t d
f (t) e

La expresin entre corchetes es una integral definida de t y es por eso que solo depende de .
Por lo tanto podemos escribir el par de integrales conocidas como las Transformadas de
Fourier:

F()

f(t) e j t d t

1
f (t)
F() e j t d

2
El significado de estas expresiones es que una funcin no peridica tambin se puede escribir
como una suma (integral) de funciones (diferenciales) sinusoidales.
Note que la funcin F() se calcula completamente a partir de la funcin f(t) y que la funcin
f(t) se puede reconstruir completamente a partir de la funcin F(). Es decir, toda la
informacin que tenemos en el dominio del tiempo tambin est en el dominio de la
frecuencia y podemos usar indistintamente cualquier dominio segn nuestra conveniencia.

A continuacin denotaremos de la siguiente manera:

TRANSFORMADA DE FOURIER = TDF
TRANSFORMADA FOURIER INVERSA = TDFI

APLICACIONES DE LA TRANSFORMADA DE FOURIER:

RESPUESTA DE UN SISTEMA DE 1 GDL ANTE UNA FUERZA CUALQUIERA

POR EL MTODO DE LA TDF
Resulta sencillo calcular la respuesta de un sistema de 1 gdl ante una excitacin de tipo general
f(t), teniendo en cuenta que la TDF de la fuerza indica su contenido en frecuencia, y que para
una excitacin de una frecuencia determinada la respuesta del sistema se halla multiplicando
por la funcin de transferencia H(f). As, sea F(f) la TDF de la fuerza de excitacin f(t):
( )

( )

la respuesta del sistema ser la suma es decir, la integral de las respuestas para cada frecuencia.
Esto es,
( )

( )

( )

pero, adems, x(t) estar relacionado con su TDF a travs de la TDFI:

( )

( )

comparando las expresiones se concluye que:

( )

( )

( )

es decir, que la TDF de la respuesta del sistema es el producto de la funcin de

transferencia por la TDF de la fuerza excitadora. Este resultado permite calcular la
respuesta del sistema ante cualquier fuerza excitadora, siempre que se disponga de medios para
calcular TDF directas e inversas. Como ejemplo de aplicacin se va a calcular la respuesta ante
una excitacin impulso (t).
Se tendr que:
( )

( )

( )
( )

y la respuesta h(t) ante un impulso unitario ser:

( )

( )

( )

( )

de donde se concluye que la funcin de transferencia H(f) es la TDF de la respuesta h(t)

a un impulso unitario. Esta es una propiedad verdaderamente importante para el anlisis
experimental de vibraciones, porque la funcin h(t) es mucho ms fcil de determinar

fsicamente que la funcin de transferencia. De hecho, la funcin de transferencia siempre se

determinar a partir de la respuesta h(t) a un impulso unitario, calculando su TDF.
Por otro lado, la respuesta de un sistema de 1 gdl ante una excitacin de tipo general puede
expresarse tambin mediante la integral de convolucin en la forma:
( )

( )

) ( )

es decir, con la notacin introducida anteriormente

( )

( )

( )

Aplicando el Teorema de la Convolucin, se tendr que:

( )
( )

( ) ( )

( )

Comparando las expresiones, se vuelve a concluir que la funcin de transferencia es la TDF

de la respuesta h(t) al impulso unitario.
TRANSFORMADA DE FOURIER DISCRETA (TDFD): Aplicado a sistemas de n
grados de libertad:
La TDF explicada en los apartados anteriores puede, en la prctica, ser calculada de un modo
analgico o de un modo digital. En el primero de estos modos, la funcin f(t) es filtrada
mediante un filtro de banda tan estrecha como sea posible; el resultado de esta operacin es el
extraer la componente armnica de la funcin f(t) en la frecuencia deseada. La amplitud de esta
componente es el valor de la TDF en ese punto.
El clculo analgico de las TDF exige filtros muy precisos, y es una operacin muy lenta a las
bajas frecuencias caractersticas de las vibraciones mecnicas. Adems, en vibraciones aleatorias
aparecen otras funciones como la densidad espectral, la densidad espectral cruzada, la
autocorrelacin, etc., que para ser calculadas analgicamente, exigen costosos equipos
adicionales.
Actualmente, el Anlisis de Fourier se realiza, en la mayora de los casos, digitalmente. Para
ello, una vez que la funcin f(t) ha sido convenientemente filtrada y acondicionada (por las
razones que se vern posteriormente), se procede a digitalizarla en un convertidor analgicodigital.

As, la funcin f(t) queda reducida a un conjunto de N valores discretos de la figura que se
almacenan digitalmente en la memoria de una computadora.
A partir de este momento, todas las operaciones que se realizan sobre estos datos, se realizan
numricamente, con todas las ventajas que esto tiene en cuanto a rapidez y eliminacin de
fuentes de error. Adems, el tratamiento numrico de estos datos puede realizarse con una
gran versatilidad, obtenindose todas las caractersticas de f(t) que se deseen utilizando el
programa adecuado.
Se llama Transformada de Fourier Discreta (TDFD) a la TDF que se obtiene digitalmente
a partir de una funcin f(t) discretizada. Las expresiones de la Serie de Fourier para una funcin
continua eran, respectivamente:
( )

( )

Es natural adoptar, para la TDFD, una expresin anloga a la expresin en la que la integral se
sustituye por un sumatorio extendido al dominio finito T. Supngase que este dominio se ha
subdividido en N intervalos de longitud t0.

Ahora bien, se verifica que:

introduciendo estos valores en la expresin resulta:

que tambin puede expresarse:

Esta expresin puede ser considerada como una expresin aproximada para calcular los
coeficientes de la expresin de f(t) en Serie de Fourier. Haciendo modificaciones anlogas en la
expresin se llega a que:
(

Que es la frmula inversa. En concreto, la expresin es la frmula inversa exacta de la

expresin anterior, en el sentido de que permite recalcular exactamente los valores de fk
utilizados. Efectivamente:

pero el parntesis de la expresin anterior es igual a N si r=k, y es cero si rk, pues es una
suma vectorial de N vectores unitarios uniformemente espaciados angularmente entre 0 y
(2(r-k)(N-1)/N) radianes. Por tanto:

Las frmulas son expresiones aproximadas para la Serie de Fourier de la funcin f(t); estas
aproximaciones implican por tanto el carcter peridico - con periodo T - de la funcin f(t)
discretizada. A pesar de que en realidad f(t) no es una funcin peridica, sino una funcin
cualquiera, las expresiones se generalizan, y se consideran respectivamente como la

Transformada de Fourier Discreta Directa e Inversa. Posteriormente, se estudiarn los

errores introducidos por esta aproximacin. Seguidamente se van a considerar, desde otro
punto de vista, las hiptesis implicadas en la aceptacin de las expresiones como TDFD.
Discretizar la funcin f(t) es equivalente a multiplicarla por un tren de funciones impulso (t, t0).
)

Esta funcin producto tendr una TDF que, en virtud del Teorema de la Convolucin, ser el
producto de convolucin de F(f) por el tren de funciones impulso 1/t0(f,1/t0). Teniendo en
cuenta que la convolucin con la funcin impulso equivale a un desplazamiento a lo largo del
eje de abscisas. La TDF de la funcin f(t)(t,t0) tiene la siguiente expresin matemtica:
( ) (

TRANSFORMADA RPIDA DE FOURIER (FFT)

Se ha visto anteriormente que la TDFD vena definida por las relaciones:

( )

El clculo directo de estas expresiones supone aproximadamente N2 multiplicaciones por la

funcin exponencial. Este algoritmo est basado en el clculo de la TDFD de un conjunto de
valores de fk a partir de la TDFD de subconjuntos parciales de dichos valores. Con esto, el
nmero de multiplicaciones por la funcin exponencial se reduce considerablemente a
Nlog2N. Por ejemplo, para el caso en que N=215 N2 es aproximadamente 109, mientras que
N.log2N es 4,9105. El factor de reduccin en el tiempo de clculo es aproximadamente 2000,
visto lo cual no es preciso hacer muchos ms comentarios.
La FFT necesita que el nmero de puntos N sea una potencia de 2. Si el nmero de
puntos de que se dispone no cumple esta condicin, caben dos posibilidades: truncar la serie
de puntos hasta la potencia de 2 inferiores, o completar con ceros hasta la potencia de 2
inmediatamente superiores. Esta segunda alternativa es preferible, porque as no se pierde
ninguna informacin.

EJEMPLO:

Replantear el mecanismo de clculo de la Transformada (y Transformada Inversa) Discreta

de Fourier, de modo de hacer ms eficiente su cmputo. Esto es, establecer los
fundamentos del algoritmo de la Transformada Rpida de Fourier (FFT).

Considrese la Transformada Discreta de Fourier (DFT):

( )

( )

(22-1)

donde se ha reemplazado k.T por k y n/N.T por n por conveniencia de notacin.

Se percibe que la ecuacin (22-1) describe el cmputo de N ecuaciones. Por ejemplo, si N = 4
y si se hace:

(22-2)

la expresin (22.1) puede ser escrita como:

(
(
(
(

)
)
)
)

(
(
(
(

)
)
)
)

(
(
(
(

)
)
)
)

(
(
(
(

)
)
)
)

(
(
(
(

)
)
)
)

(22-3)

Las ecuaciones anteriores pueden ser ms fcilmente representadas en forma matricial:

(
(
[
(
(

)
)
]
)
)

(
(
[
(
(

)
)
]
)
)

(22-4)

o ms compactamente:
n. k.

X( n) W

x 0( k)

(22-5)

El ejercicio de (22-4) revela que ya que W y posiblemente x0(k) sean complejas, entonces son
necesarias N2 multiplicaciones complejas y N.(N-1) adiciones para realizar el cmputo
matricial requerido.
La FFT debe su xito al hecho que el algoritmo reduce el nmero de multiplicaciones y
adiciones requeridas en el clculo de (22-4). Ahora se discutir, a nivel intuitivo, como se lleva
a cabo esta reduccin.

DESARROLLO INTUITIVO
Para ilustrar el algoritmo FFT, es conveniente elegir el nmero de puntos muestras de x0(k) de
acuerdo a la relacin N = 2dondees un entero. Recurdese que la ecuacin (22-4) resulta
de la eleccin N = 4 = 2 = 22 por lo tanto, se puede aplicar la FFT al cmputo de (22-4). El
primer paso en el desarrollo del algoritmo FFT para este ejemplo es reescribir (22.4) como:
(
(
[
(
(

)
)
]
)
)

(
(
[
(
(

)
)
]
)
)

(23-1)

La matriz de la ecuacin (23-1) se deriva de la (22-4) usando la relacin:

(

Recerdese que mod(n.k,N) es el resto de la divisin entre n.k y N, por lo tanto si N=4, n=2
y k=3 entonces:
(23-2)
ya que:
[
*

( )]

(
(

( )+

(23-3)

El segundo paso en el desarrollo es factorear la matriz cuadrada en (23-1) como sigue:

(
(
[
(
(

)
)
]
)
)

] [

(
(
] [
(
(

)
)
]
)
)

(23-4)

Se puede demostrar fcilmente que el producto de las dos matrices cuadradas da por resultado
la matriz cuadrada de (23-1). Con la excepcin que las filas 1 y 2 han sido intercambiadas.
Note que el intercambio ha sido tomado en cuenta en (23-4) reescribiendo el vector columna
X(n), se denota el vector con la fila intercambiada por:

( )

(
(
[
(
(

)
)
]
)
)

(23-5)

Esta factorizacin es la clave de la eficiencia del algoritmo FFT.

Habiendo aceptado el hecho que (23-4) es correcta, aunque los resultados estn "revueltos", se
puede observar el nmero de multiplicaciones requeridas para computar la ecuacin. Hgase
primero:
(
(
[
(
(

)
)
]
)
)

(
(
] [
(
(

)
)
]
)
)

(23-6)

Esto es, el vector columna x1(k) es igual al producto entre el vector y la matriz a la derecha de
la ecuacin (23-4).
El elemento x1(0) es computado por una multiplicacin compleja y una adicin compleja (W0
no es reducido a la unidad para desarrollar un resultado general).
( )

( )

( )

(23-7)

El elemento x1(1) est tambin determinado por una multiplicacin compleja y una adicin.
Slo una adicin compleja se realiza para computar x1(2). Esto deviene del hecho que
W0 = -W2.
Por lo tanto:
( )

( )

( )

( )

( )

(23-8)

Donde la multiplicacin compleja W0.x0(2) ya ha sido computada en la determinacin de

x1(0).
Por el mismo razonamiento, x1(3) es computada por slo por una adicin compleja y ninguna
multiplicacin. El vector intermedio x1(k) es entonces determinado por cuatro adiciones y dos
multiplicaciones complejas.
(
(
[
(
(

)
)
]
)
)

(
(
[
(
(

)
)
]
)
)

(
(
] [
(
(

)
)
]
)
)

(23-9)

El elemento x2(0) est determinado por una multiplicacin y una adicin complejas:
( )

( )

( )

El elemento x2(1) est determinado por una adicin compleja porque

W 0 = - W 2.

(23-10)

Con un razonamiento similar x2(2) est determinado por una multiplicacin compleja y una
adicin y x2(3) por slo una adicin.
Luego el cmputo de (23-4) requiere un total de cuatro multiplicaciones complejas y ocho
sumas complejas. En cambio el cmputo de (22-4) requiere diecisis multiplicaciones
complejas y 12 sumas complejas.
Ntese que el proceso de factorizacin de la matriz introduce ceros en las matrices factoreadas
y, como resultado, reduce el nmero requerido de multiplicaciones. Para este ejemplo, el
proceso de factorizacin de matriz ha reducido el nmero requerido de multiplicaciones en un
factor de dos.
Ya que el tiempo de cmputo es fuertemente gobernado por el nmero de multiplicaciones, se
ve la razn de la eficiencia del algoritmo FFT.
Para N = 2 el algoritmo FFT es entonces simplemente un proceso de factorizacin de una
matriz N x N en matrices (cada una de N x N) de modo tal que cada una de las matrices
factoreadas tenga una propiedad especial de minimizar el nmero de multiplicaciones y
adiciones.
Si se extiende el resultado del ejemplo previo, se nota que la FFT requiere N. /2 = 4
multiplicaciones complejas y N. = 8 adiciones complejas, mientras que el mtodo directo
requiere N multiplicaciones complejas y N.(N-1) adiciones complejas.
Si se supone que el tiempo de cmputo es proporcional al nmero de multiplicaciones,
entonces la razn aproximada de tiempo de cmputo del mtodo directo al de la FFT est
dado por:
(23-11)
la cual para N =1024 = 210 es una reduccin computacional de ms de 200 a 1. La Figura 23.1
ilustra la relacin entre el nmero de multiplicaciones requeridas usando el algoritmo FFT
comparada con el nmero de multiplicaciones del mtodo directo.
( )

( )

( )
( )