Análisis de Fourier

Una muy breve introducción

(Preparado para el curso de Modelos Matemáticos 1)
J. Héctor Morales Bárcenas
jhmb@xanum.uam.mx
Departamento de Matemáticas
Universidad Autónoma Metropolitana
Unidad Iztapalapa
Modelos matemáticos 2 1/51

¿Qué es el análisis de Fourier?

Figura 1: Jean Baptiste Joseph Fourier (Marzo 21, 1768 - Mayo 16, 1830)

¿Por qué es tan útil transformar funciones (datos) de espacio y tiempo

y(x, t), en funciones de números de onda y frecuencia Y (k, ω)?

Trimestre 13-I
Modelos matemáticos 2 2/51

Análisis de Fourier: motivación

Los humanos escuchamos frecuencias

• El oı́do humano “analiza” variaciones en la presión del aire en diferentes frecuencias.

• Altas frecuencias ω son percibidas como sonidos muy agudos.

• Bajas frecuencias ω sonidos graves.

• El oı́do, aproximadamente, realiza transformadas de Fourier de la presión p(t) del aire

y transmite |P (ω)|2 al cerebro 1.

1 El umbral inferior del oı́do humano se encuentra entre los 16 y 20 Hz, y el superior entre los 16,000 a 20,000 Hz (según el
oı́do de cada persona).

Trimestre 13-I
Modelos matemáticos 2 3/51

Análisis de Fourier: motivación

• Óptica se miden componentes de Fourier. Composición estelar ∼ molecular.

• Operaciones matemáticas (convoluciones) se simplifican en el espacio de Fourier.

• Las ecuaciones diferenciales lineales, de sistemas invariantes ante traslaciones, tienen

solución en el espacio de Fourier.

Trimestre 13-I
Modelos matemáticos 2 4/51

Análisis de Fourier: vocabulario de señales

• En fı́sica, una función del tiempo t, y(t), real o compleja, cuya “energı́a”
Z
2
Ey = |y(t)| dt < ∞,
Ω∈R
se llama señal.

• En matemáticas decimos que es de cuadrado integrable o L2 integrable.

Trimestre 13-I
Modelos matemáticos 2 5/51

Análisis de Fourier: vocabulario de señales

y(t) = A0 sen(ωt − k · x ± ϕ)
1. A0 amplitud y {ωt − k · x} es la fase de la señal.

2. ω frecuencia angular medida en radianes por segundo. En un ciclo completo hay 2π

radianes.

3. k número de onda medido en número de longitudes de onda λ por unidad de distancia,

m−1.

4. ϕ fase o ángulo inicial de la función sinusoidal o su origen. Las funciones cos(ωt) y

sen(ωt) periódicas, difieren por una fase de π/2.

Trimestre 13-I
Modelos matemáticos 2 6/51

Análisis de Fourier: vocabulario de señales

3/13/13 8:28 PM

y
λ
x

La longitud de onda λ de una onda sinusoidal es el perı́odo espacial de la onda (medida

en metros, SI)
2π 2πc c
λ= = = = cT,
k ω f
de ahı́ que a la señal se le asigne una velocidad de fase c = λ/T .

file:///Users/hector/Dropbox/Notas_de_clase/LatexP/Figuras/Sine_wavelength.svg Page 1 sur 1

Trimestre 13-I
Modelos matemáticos 2 7/51

Análisis de Fourier: vocabulario de señales 3/13/13 8:53 PM

• T es el perı́odo (medido en segundos, SI) y se define como el recı́proco de la frecuencia

f
1
T = ,
f
cuando se trata de una sóla (frecuencia).
http://upload.wikimedia.org/wikipedia/commons/6/6d/Sine_waves_different_frequencies.svg Page 1 sur 1

• El conjunto ancho de banda se refiere a la diferencia entre la frecuencia mayor y la

menor en un conjunto contı́nuo de frecuencias.

Trimestre 13-I
Modelos matemáticos 2 8/51

Series de Fourier

• La idea fundamental del análisis de Fourier es expresar “cualquier” función y(t) como
una suma de harmónicos:
∞
−iω t
X
y(t) = Yn e n ,
n=−∞
donde
−iωn t
e ≡ sen(ωnt) + i cos(ωnt),

que se conoce como fórmula de Euler.

• Los coeficientes (constantes) Yn son clave.

Trimestre 13-I
Modelos matemáticos 2 9/51

Series de Fourier

• Los coeficientes se calculan mediante las propiedades de ortogonalidad de las bases

exp(−iωnt) para funciones perı́odicas de perı́odo T
T
1
Z
iωn t
Yn = y(t)e dt,
T 0

donde
2πn
ωn = ,
T
con n entero.

Trimestre 13-I
Modelos matemáticos 2 10/51

Transformadas de Fourier

Análisis
Las transformadas de Fourier se definen para funciones en el contı́nuo de los reales ω :
Z
iωt
Y (ω) = y(t)e dt,
R

donde ω adopta cualquier valor.

Sı́ntesis
Recobramos nuestra función original invirtiendo la transformación:
1
Z
−iωt
y(t) = Y (ω)e dω.
2π R

Trimestre 13-I
Modelos matemáticos 2 11/51

Análisis de Fourier

• La relación entre la transformada y las series de Fourier está dada por el lı́mite
contı́nuo:

1 1 X 1 X 2π 1X
Z
dω ≈ ∆ω = = ,
2π R 2π ω 2π ω T T ω

donde el valor 1/T compensa el factor de T en la definición de la serie de Fourier

directa.

Trimestre 13-I
Modelos matemáticos 2 12/51

FFT Transformada Rápida de Fourier

• La FFT comienza con N datos igualmente espaciados yl y regresa un nuevo conjunto

de números complejos Ynfft ∈ C:
N −1  
fft
X i2πnl
Yn = yl exp ,
l=0
N

con n = 0, . . . , N − 1.
• La inversa de FFT está dada por
N −1  
1 X fft i2πnl
yl = Yn exp − .
N n=0 N

• La FFT es periódica con perı́odo ωN = 2πN/T :

fft fft
Yn+N = Yn .

Trimestre 13-I
Modelos matemáticos 2 13/51

FFT Transformada Rápida de Fourier

• La FFT muestrea esencialmente a la función y(t) en puntos igualmente espaciados

tl = lT /N , con l = 0, . . . , N − 1:

N
X −1
fft
Yn = yl exp (iωntl ) .
l=0

• La transformada inversa también se puede escribir

N/2
1 X fft
yl = Yn exp (−iωntl ) ,
N n=−N/2+1

donde hemos centrado la suma de ωn en ω = 0 gracias a su periodicidad.

Trimestre 13-I
Modelos matemáticos 2 14/51

¡Importante!

• Notemos que la FFT nos regresa coeficientes de Fourier negativos ω como al última
mitad del arreglo,
N N
n= + 1, + 2, . . . .
2 2
(Esto funciona porque −N/2+j y N/2+j difieren por N , la periodicidad de la FFT).

• Uno debe tener cuidado al respecto cuando resuelve problemas numéricos.

Trimestre 13-I
Modelos matemáticos 2 15/51

¡Importante!

• Frecuentemente, los valores de y(t) (o los datos yl ) son reales (R).

• En este caso, las series (transformadas) de Fourier, Yn o Y (ω), muestran que las
amplitudes negativas de Fourier son los conjugados complejos de los valores positivos:
∗
Y (ω) = Y (−ω).

• Entonces, para funciones reales, la parte real de la amplitud de Fourier deberá ser par
y la imaginaria impar.

• Lo anterior nos permite escribir una FFT ligeramente más rápida y especializada
en funciones reales. Pero pagamos el precio al programar el paso de rearreglar la
transformada para calcular su espectro.

Trimestre 13-I
Modelos matemáticos 2 16/51

Análisis de Fourier

¿Por qué hay varias versiones de la misma operación de Fourier?

• La función y(t) se puede definir sobre un intervalo finito con condiciones de fronte-
ra periódicas en (0, T ) (series, FFT) o ser definida en todo el espacio R (transformada).

• En el caso periódico, los coeficientes de Fourier son definidios sólo como valores dis-
cretos de vectores de onda ωn = 2πn/T consistentes con la periodicidad de la función.

• En el sistema infinito los coeficientes son definidos para toda ω ∈ R.

Trimestre 13-I
Modelos matemáticos 2 17/51

Análisis de Fourier

¿Por qué hay varias versiones de la misma operación de Fourier?

• La función y(t) se puede definir en un conjunto discreto de N puntos

nT
tn = (FFT),
N
o en todos los puntos t en el rango (series, transformada).

• Si la función se define sólo en puntos discretos, los coeficientes de Fourier son

periódicos con perı́odo
2π 2πN
ωN = = .
∆t T

Trimestre 13-I
Modelos matemáticos 2 18/51

Derivadas, convoluciones y correlaciones

Las importantes operaciones de diferenciación e integración se

convierten en multipliaciones algebráicas en el espacio de Fourier

• Derivadas. Dado que

d −iωt −iωt
e = −iωe ,
dt
El coeficiente de la derivada de una función y(t) es −iω la transformada de la
Función:
dy X −iωn t
X −iωt
= Yn(−iωn)e = (−iωnYn)e ;
dt
es decir,  
dy 
F = −iωYn.
dt ω

• Esto es válido tanto para transformadas de Fourier como para FFT.

Trimestre 13-I
Modelos matemáticos 2 19/51

Derivadas, convoluciones y correlaciones

Las importantes operaciones de diferenciación e integración se

convierten en multipliaciones algebráicas en el espacio de Fourier

• Integrales. Dado que la derivada de una integral nos regresa a la función original, la
serie de Fourier de una integral definida de una función y es
Z 
Yn iYn
F y(t)dt = = ,
−iω ω

excepto en ω = 0.

Trimestre 13-I
Modelos matemáticos 2 20/51

Derivadas, convoluciones y correlaciones

• Funciones de correlación. El cuadrado del absoluto de la transformada de Fourier

(densidad espectral, potencia espectral o espectro de frecuencias) |Y (ω)|2 está dado
por la transformada de Fourier de la función correlación

s(τ ) = hy(t)y(t + τ )i;

Z Z
2 ∗ 0 −iωt0 0 iωt
|Y (ω)| = Y (ω)Y (ω) = dt e y(t ) dte y(t)
Z Z Z
0
0 iω(t−t ) 0 iωτ 0 0 0
= dtdt e y(t )y(t) = dτ e dt y(t )y(t + τ )
Z Z
iωτ iωτ
= dτ e T hy(t)y(t + τ )i = T dτ e s(τ )

= T S(ω),

donde T es el tiempo total t durante el cual el espectro de Fourier se mide.

Trimestre 13-I
Modelos matemáticos 2 21/51

Análisis de Fourier: ejemplo 1

Signal Corrupted with Zero−Mean Random Noise

8

−2

−4

−6
0 5 10 15 20 25 30 35 40 45 50
time (milliseconds)

Trimestre 13-I
Modelos matemáticos 2 22/51

Análisis de Fourier: ejemplo 1

Single−Sided Amplitude Spectrum of y(t)

1.4

1.2

0.8
|Y(f)|

0.6

0.4

0.2

0
0 50 100 150 200 250 300 350 400 450 500
Frequency (Hz)

Trimestre 13-I
Modelos matemáticos 2 23/51

Análisis de Fourier: ejemplo 2

10

−2

−4

−6

−8

−10
0 1 2 3 4 5 6 7 8 9 10

Trimestre 13-I
Modelos matemáticos 2 24/51

Análisis de Fourier: ejemplo 2

Periodogram
450

400

350

300

250
Power

200

150

100

50

0
0 10 20 30 40 50 60 70 80 90 100
Frequency (Hz)

Trimestre 13-I
Modelos matemáticos 2 25/51

Análisis de Fourier: ejemplo 3

Blue Whale Call

0.3

0.2

0.1

0
Amplitude

−0.1

−0.2

−0.3

−0.4
0 1 2 3 4 5 6 7 8
Sample Number 4
x 10

Trimestre 13-I
Modelos matemáticos 2 26/51

Análisis de Fourier: ejemplo 3

Blue Whale B Call

0.3

0.2

0.1

0
Amplitude

−0.1

−0.2

−0.3

−0.4
0 2 4 6 8 10 12 14 16
Time (seconds)

Trimestre 13-I
Modelos matemáticos 2 27/51

Análisis de Fourier: ejemplo 3

Component Frequencies of a Blue Whale B Call

0.7

0.6

0.5

0.4
Power

0.3

0.2

0.1

0
0 50 100 150 200
Frequency (Hz)

Trimestre 13-I
Modelos matemáticos 2 28/51

Análisis de Fourier: ejemplo 4 Interpolación de datos

Gauss trabajó en el problema de calcular con precisión las órbitas de

asteroides a partir de observaciones de sus posiciones

• Gauß, C. F. “Theoria interpolationis methodo nova tractata.” Carl Friedrich Gauss

Werke. Band 3. Göttingen: Königlichen Gesellschaft der Wissenschaften, 1866.

• Su artı́culo contiene 12 datos de la posición del asteroides Pallas, a través de los cuales
él deseaba interpolar un polinomio trigonométrico con 12 coeficientes

6     
X 2πx 2πx
y = a0 + ai cos + bi sen .
i=1
360 360

• Gauss resolvió este problema esencialmente estimando una versión discreta de la

Transformada de Fourier.

Trimestre 13-I
Modelos matemáticos 2 29/51

Análisis de Fourier: ejemplo 4 Interpolación de datos

Position of the Asteroid Pallas

1600

1400

1200

1000
Declination (Minutes)

800

600

400

200

−200
0 50 100 150 200 250 300 350
Ascension (Degrees)

Trimestre 13-I
Modelos matemáticos 2 30/51

Análisis de Fourier: ejemplo 4 Interpolación de datos

1600
Data
DFT Interpolant
1400

1200

1000

800

600

400

200

−200
0 50 100 150 200 250 300 350 400

Trimestre 13-I
Modelos matemáticos 2 31/51

Análisis de Fourier

Fı́sica

Descomposición de señales en sumas (o integrales) de componentes sinusoidales de

diferentes números de onda o longitud de onda.

Matemáticas

Representación de funciones arbitrarias en series de conjuntos ortogonales (espacios de

Hilbert).

Trimestre 13-I
Modelos matemáticos 2 32/51

Análisis de Fourier

Bibliografı́a recomendada:

1. Tom W. Körner. Fourier Analysis. Cambridge, 1998.

2. Ruel V. Churchill & James W. Brown. Fourier Series and Boundary Value Problems.
McGraw-Hill, 1987.

3. Gilbert Strang. Introduction to Applied Mathematics. Cap. 4. Wellesley-Cambridge

Press, 1986.

4. James P. Sethna. Statistical Mechanics. Oxford Uni. Press, 2007.

5. J. F. James. A Student’s Guide to Fourier Transform. Cambridge, 2011.

Trimestre 13-I