UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL INGENIERÍA DE SISTEMAS

TÍTULO:
TRANSFORMADA Y ESPECTROS DE FOURIER. DEFINICIÓN, PROPIEDADES,
EJEMPLOS Y APLICACIONES

AUTOR:

CHAMORRO GIL DANIEL MICHAEL

GARCÍA PACHAMANGO JHEFERSON JOEL
CASTREJON CARRASCO WILLIAM FERNANDO

ASESOR:
CARLOS JESÚS KOO LABRIN

CURSO:
SISTEMA DE COMUNICACIÓN DE DATOS

AÑO
2021

CAJAMARCA, SETIEMBRE DEL 2021

DEDICATORIA
Dedico este trabajo a mis padres que siempre me han ayudado en el camino del bien, y a poder
salir adelante, así como también a todas las personas que estuvieron en mi vida y me brindaron su
apoyo
Chamorro Gil
AGRADECIMIENTO
Agradezco a mis compañeros que me apoyaron, colaboraron y juntos pudimos terminar este
ensayo, así como al profesor por impulsarnos a salir adelante dejándonos temas para mejorar
nuestro entendimiento.
ÍNDICE
1 INTRODUCCIÓN.....................................................................................................................5
2 DESARROLLO.........................................................................................................................6
2.1 Transformadas de Fourier...................................................................................................6
2.1.1 Las series de Fourier....................................................................................................6
2.1.1.1 La cuerda vibrante................................................................................................6
2.1.1.2 Difusión del calor.................................................................................................6
2.1.1.3 Series....................................................................................................................7
2.1.1.4 Espectro de Frecuencia.........................................................................................7
2.1.2 Comienzo a la transformada de Fourier.......................................................................8
2.1.3 Transformada de Fourier en el espacio......................................................................10
2.1.3.1 Propiedades........................................................................................................10
2.1.3.1.1 Linealidad........................................................................................................10
2.1.3.1.2 Simetría...........................................................................................................10
2.1.3.1.3 Escalado en tiempo.........................................................................................10
2.1.3.1.4 Desplazamiento en tiempo..............................................................................10
2.1.3.1.5 Modulacion de la amplitud.............................................................................11
2.1.3.2 Teoremas............................................................................................................12
2.1.3.2.1 Convulsión......................................................................................................12
2.1.3.2.2 Convulsión de frecuencia................................................................................12
2.1.3.2.3 Convulsión en el tiempo.................................................................................12
2.1.3.2.4 Correlación......................................................................................................13
2.1.4 Ejemplos de la transformada de Fourier....................................................................13
2.1.5 Aplicaciones de la transformada de Fourier..............................................................15
2.1.5.1 Transformada de Fourier y su aplicación en procesamiento digital de imágenes.
15
2.1.5.2 Transformada de Fourier y su aplicación en Digitalización del sonido.............16
2.1.5.3 Transformada de Fourier y su aplicación en el electroencefalograma...............17
2.1.6 Definición Espectro de Fourier..................................................................................17
3 CONCLUSIONES...................................................................................................................18
4 bibliografía...............................................................................................................................19
1 INTRODUCCIÓN
Es un hecho que como seres humanos buscamos la explicación de las cosas de alguna u otra
manera, uno de los más grandes descubrimientos para explicar estas, es través de las matemáticas,
en el presente trabajo hablaremos de un teorema que ha sido utilizado en diferentes ramas de la
ciencia, desde la biología hasta la química y la física, la transformada de Fourier si hablamos de su
aplicación de este teorema en Biología por ejemplo la forma de la doble hélice del ADN este
teorema jugó un papel fundamental, quizá el principal otra de las aplicaciones de cuales se hablará
mucho en este trabajo es para el tratamiento de señales que está dentro de la rama de la ciencia de
la física. Es en física quizá donde se aplique en mayor cantidad el teorema de la Transforma de
Fourier, se aplica desde el tratamiento de señales, hasta el procesamiento de imágenes y audio.
Nuestro trabajo presentará defunciones básicas de todo el capitulo de análisis de Fourier, entre
ellos se tratará las series de Fourier, los espectros de frecuencia y la transformad de Fourier para
posteriormente presentar algunos ejemplos y aplicaciones del tema central a tratar. Para tener
éxito en nuestro trabajo se consultó diferente bibliografía.
2 DESARROLLO

2.1 Transformadas de Fourier.

La transformada de Fourier es la transformación de señales dentro del dominio y tiempo.

Propuesta y llamada por Jean-Bapsite Joseph Fourier, tiene como característica particular
que realiza una transformación sin poder revertirse. Para entender mejor este proceso
empezaremos mostrando las series de Fourier que dieron paso a este teorema.

2.1.1 Las series de Fourier

Con el surgimiento de las series matemáticas en especial las
trigonométricas por mediados del siglo dieciocho, con algunos estudios de
las oscilaciones de medios elásticos, llamó la curiosidad de matemáticos y
físicos de ese entonces.

2.1.1.1 La cuerda vibrante

Proveniente de los estudios dentro del tema de series trigonométricas, este
problema matemático consiste en analizar el movimiento de una cuerda que
está completamente tensa y que es soltada lo que provoca una fuerza de
resorte y por ende una vibración de cuerda, lo que quería demostrar Brook
Taylor que fue quien la propuso es saber los desplazamientos de dicha
cuerda a través del plano con una función.

Grafico 2: Onda cuadratica con sus 7 primeros armonicos

Fuente: Fundamentos del Analisis Fourier-Camilo Carrillo

*demostración de fórmula matemática**

Alembert, un matemático reconocido fue el primero en crear una solución,
a través de un sistema de condiciones como implementar ecuaciones de
segundo orden, pero a pesar de eso tuvo muchas críticas incluso del mismo
autor declarando que sus funciones no podrían representarse.

2.1.1.2 Difusión del calor

Después de 54 años, Fourier se interesó por el mismo problema visto
anteriormente, pero optando por una varilla en lugar de una cuerda y
tratando de poder demostrar que a través de una función transversal de la
 temperatura es posible obtener la temperatura en cualquier parte de la
varilla con respecto a un tiempo dado. Como Alembert, Fourier también fue
rechazado y criticado, pero persevero mucho tiempo tratando de demostrar
y publicar su descubrimiento, donde llegaría a dar fruto en 1812 a través de
una publicación en una obra “Theorie Analytique de la Charleu”.

2.1.1.3 Series
Según los espacios de Hilbert(extensión infinita de los espacios euclídeos)
en donde implementa el espacio, Fourier aplicó su teorema donde se
involucran las frecuencias.
“La teoría afirma que cualquier función periódica f(t), ya sea mas o menos
compleja, se puede descomponer en suma de funciones simples,
sinusoidales, cuya frecuencia es múltiplo de la función periódica” [3]

a0 ∞ ∞
f ( t )= + ∑ a n cosn ω0 t+ bn sen n ω 0 t=C 0 + ∑ C n cos ⁡( n ω0 t−θ0 )
2 n=1 n=1

donde:
- o ω0 (o 0 fr 2 =ω π ) es la frecuencia de la función periódica y recibe el
nombre de frecuencia fundamental o
- a n, Bn , Cn y θn son los coeficientes de la Serie de Fourier que definen las
senoides cuya frecuencia es múltiplo de la fundamental

2.1.1.4 Espectro de Frecuencia

Dentro de una frecuencia que esta gráficamente representada a través de
una función es descompuesta en una serie infinita de funciones sinusoidales
con frecuencias nuevas.

Grafico 2: Onda cuadratica con sus 7 primeros armonicos

Fuente: Fundamentos del Analisis Fourier-Camilo Carrillo

2.1.2 Comienzo a la transformada de Fourier
Las series de Fourier pasaron a transformada de Fourier al estirar el tiempo
hacia el infinito (Angelica Trinidad)
También conocida como espectro de Fourier de una función g(x) se
representa como F{g(x)}(fx) y viene definida por la siguiente expresión:

∞
F { g ( x ) } f ( x )=∫ g (x)e
− j 2 πxfx
dx
−∞

En esencia es aplicarle la transformada de Fourier a una función g(x), esta

nos devuelve otra función, la cual denominamos G(fx), donde la variable fx
se interpreta como la frecuencia asociada a la variable x. Nótese que el
núcleo de la transformada es una exponencial compleja. Esto conlleva que
la función G(fx) tome valores complejos, pese a que la variable fx es una
variable real.[4]
Por otro lado, también existen funciones que no van a poder descomponerse
por transformada, por ello existen 3 condiciones para que cumplan.
a. La función g debe ser absolutamente integrable en toda la recta x
b. La función g puede tener, a lo sumo un numero infinito de
discontinuidad y de extremos relativos en cualquier segmento infinito.
c. La función g solo debe tener discontinuidad de salto infinito.

Grafico 3: Discontinuidad infinita

Fuente: Analisis de sistemas y señales bidimensionales

Grafico 4: Discontinuidad esencial

Fuente: Analisis de sistemas y señales bidimensionales

Grafico 5: Discontinuidad de salto

Fuente: Analisis de sistemas y señales bidimensionales

2.1.3 Transformada de Fourier en el espacio

2.1.3.1 Propiedades

2.1.3.1.1 Linealidad
La transformada de una suma ponderada de dos o mas funciones es
igual a la suma ponderada de sus respectivas transformadas [4]:
F { a1 f 1 (t )+a 2 f 2 (t) }=a1 F 1 ( ω ) +a 2 F 2( ω)

2.1.3.1.2 Simetría
Dentro de un dominio espacial de dos dimensiones existen
funciones frecuenciales fx,fy que al cambiar la amplitud del
espectro va a dar un efecto contrario
1 fx fy
F { a ( ax , by ) } ( fx , fy )= G( , )
|ab| a b

2.1.3.1.3 Escalado en tiempo

Si a pertenece a los números reales entonces la función:
1 ω
F { f ( at ) }= F( )
|a| a

2.1.3.1.4 Desplazamiento en tiempo

Al haber traslación en el espacio conlleva a un desplazamiento del
dominio de la frecuencia.

F { g ( x−a , y −b ) } ( fx , fy )=G(fx , fy) e− j 2 π (f x +f y

a b
)
 Grafico 6: Escalado de tiempo y frecuencia

Fuente:. Carrillo, Fundamentos del Análisis de Fourier

2.1.3.1.5 Modulacion de la amplitud

Relacionada con la variacion de amplitud pero graficada con respecto a
ondas
Se expresa como:

F ( t )=f (t ) cos ω p t
 Grafico 7: Modulacion con respecto al tiempo

Fuente:. Carrillo, Fundamentos del Análisis de Fourier

Grafico 8: Frecuencias Hz

Fuente:. Carrillo, Fundamentos del Análisis de Fourier

Estas propiedas son usadas principalmente en las trasmicione de radio

2.1.3.2 Teoremas

2.1.3.2.1 Convulsión
Orientada más a aspectos físicos existen convulsiones de las
integrales que resultan interesantes, formulada de manera global de
la siguiente manera:

∞
y ( t ) =∫ x ( τ ) h ( t−τ ) dτ=x ( t )∗h(t )
−∞

A su vez estas están compuesta dentro de otras propiedades con

respecto a algunos puntos tales como:

2.1.3.2.2 Convulsión de frecuencia

Si multiplicamos dos funciones en el tiempo y calculamos la

transformada, equivale a realizar la operación de
convolución entre las transformadas de ambas funciones [2]

Si: F 1 ( ω )=F {f 1 (t)} y F2 (ω)=F {f 2 (t)}

F { f 1 ( t ) f 2 ( t ) }=F 1 (ω) ¿ F 2 (ω)

2.1.3.2.3 Convulsión en el tiempo

La operación de convolución en el tiempo equivale a la

multiplicación en frecuencias

Si: F 1 ( ω )=F {f 1 (t)} y F2 (ω)=F {f 2 (t)}

F { f 1 ( t )∗f 2 ( t ) }=F 1 (ω)F 2 (ω)

2.1.3.2.4 Correlación
Cuando la función con respecto al tiempo es par, la correlación y
convulsión será equivalentes

Si: F 1 ( ω )=F {f 1 (t)} y F2 (ω)=F {f 2 (t)}

 ∞
z (t )= ∫ x ( τ ) h (t +τ ) dτ
−∞

2.1.4 Ejemplos de la transformada de Fourier

Descomposición en una frecuencia de la señal discreta definida por las muestras:
m(0) = 0 m(1) = 4.25 m(2) = 2.63 m(3) = 2.62 m(4) = 4.25 m(5) =
0
m(6) = -4.25 m(7) = -2.63 m(8)=-2.62 m(9) =-4.25 m(10)=0 m(11)=
4.25
m(12)= 2.63 m(13) = 2.62 m(14) = 4.25 m(15) = 0 m(16) = -4.25 m(17) =
-2.63 etc.

 Estas muestras han sido tomadas de la función: 4*sen(2x) + 2*sen(6x).

 La frecuencia de muestreo '/' escogida es 20Hz. (T= 1/20sg.).
 Puesto que f=20Hz. el máximo ancho de banda que se puede analizar es de 10Hz.
(Teorema de Nyquist). La frecuencia máxima de la señal original es de 6Hz.

Grafico 9:

Fuente:. Bobadilla y P. Gómez, LA TRANSFORMADA DE FOURIER

Aplicando la transformada de Fourier con N=10, y suponiendo que usamos una

ventana rectangular que comienza en la muestra m(7):
En primer lugar, veremos las posibles frecuencias de estudio en función del
parámetro
'n':

 n=0 ≫ f ( 100 ∗20)=f (0 Hz)

n=1 ≫ f ( ∗20 )=f (2 Hz)
1

10
  n=2 ≫ f (2
10 )
∗20 =f ( 4 Hz)

 n=3 ≫ f (3
10 )
∗20 =f (6 Hz)

 n=4 ≫ f (4
10 )
∗20 =f (8 Hz)

 [n=0 .. (N/2)-l]
Como paso siguiente, tomamos como ejemplo n=1 y vamos a desarrollar la
frecuencia 2HZ, lo que haremos es encontrar un valor indique que esta frecuencia
es fundamental en la elaboración de la señal original.

n=1
F ( 2 Hz )=m ( 7 ) ¿

F ( 2 Hz )= (−18.996+J 6.231 )=√ (−18.996 ) + ( 6.231 ) =20

2 2

El valor obtenido es 20 (si lo ponderamos con el l/N de la fórmula nos

quedaría 2).

n=2
F ( 4 Hz )=m ( 7 ) ¿

F ( 4 Hz )= ( 0.018+J 0.011 )=√ ( 0.018 ) + ( 0.011 ) =0.011

2 2

El valor obtenido es muy cercano a cero. Esto significa que al descomponer la

señal original en sus frecuencias básicas, 4Hz. no aparece.
Realizando el mismo desarrollo para las demás frecuencias obtenemos:
n = 0  0.020 n = 3 10, n = 4 0.025

Como se observa, las frecuencias integrantes de la señal original son:

 n = 1 (f=2Hz.) importancia 20 (4*sen(2x))
 n = 3 (f=6Hz.) importancia 10 (2*sen(6x))
Las demás frecuencias se pueden considerar inexistentes en la señal original.
Aplicaciones:
La transformada de Fourier se aplica en muchas áreas de Ingeniería, específicamente para
analizar y diseñar sistemas dinámicos
En ingeniería mecánica se utiliza para:
 Estudiar los problemas relacionados con vibraciones mecánicas en los motores,
generadores y equipos rotatorios en general.
 Balancear rotores y eliminar la vibración que generan cuando no están
balanceados.
  Diseñar sistemas para reducir vibraciones y eliminar sus efectos.
En el procesamiento de imágenes se utiliza para:
 Filtrar imágenes.
o Extraer características de interés sobre las imágenes.
 Realizar transformaciones de imágenes.
En el área de medicina:
 Procesar las imágenes generadas por ecogramas, resonancias magnéticas,
tomografías axiales, electroencefalograma, etc.
 Acondicionar las señales de equipos médicos de adquisición de datos.
En el área de ingeniería:
 Analizar el comportamiento de los sistemas de relaciona las frecuencias de
señales de entradas.
 Modelar sistemas en el dominio de las frecuencias.
 Análisis y deseño de sistemas que satisfagan los requerimientos establecidos.

2.1.5 Aplicaciones de la transformada de Fourier

2.1.5.1 Transformada de Fourier y su aplicación en procesamiento digital de imágenes.

“Este sistema formador de imágenes puede ser simulado mediante

procesamiento numérico usando algoritmos computacionales basados en la
teoría de la Transformada de Fourier y la Transformada rápida de Fourier
(Fast Fourier Transform)” [2]

Es importante comprender la composición del proceso de obtención de

imágenes, desde un punto de vista óptico, como puede aterrizar en el
procesamiento digital de imágenes como una aplicación usando la
transformada de Fourier.
Teniendo en cuenta el sistema de dos lentes mostrado en la Ilustración 2, se
le denomina sistema 4f o procesador óptico coherente.
 Grafico 9:

Fuente:. Bobadilla y P. Gómez, LA TRANSFORMADA DE FOURIER

El análisis de propagación de ondas por este sistema se vuelve simple Si

pensamos que esto es una cascada de dos subsistemas de transformadores
Fourier. Se forma el primer subsistema (entre el plano del objeto y el plano
de Fourier) Una transformada de Fourier, la segunda (entre el plano de
Fourier y el plano imagen) Forme la transformada de Fourier inversa,
donde el sistema de coordenadas Está invertido en el plano de la imagen.

2.1.5.2 Transformada de Fourier y su aplicación en Digitalización del sonido

“Podríamos referirnos a Fourier como un segundo lenguaje para describir

funciones el cual hace posible transmitir información de forma digital. Y
como en todo lenguaje, es fundamental lograr un buen manejo y fluidez
para conseguir interpretar las consignas tanto en el dominio espacial como
en el frecuencial.”[5]

Dado que el sonido se transmite a través de ondas analógicas, la

computadora no puede utilizarlo o trabajar con dicho sonido. Esa es la
razón para convertir una señal analógica en una señal digital. Esto incluye
la conversión a código los tres parámetros del sonido binarizado, es decir,
para cada período de tiempo tienes que dar información del tono e
intensidad y que estos sean los más precisos. Este proceso se repite en la
dirección opuesta cuando es Una computadora que puede reproducir
sonidos para que puedan escucharse a través de parlantes o auriculares.

2.1.5.3 Transformada de Fourier y su aplicación en el electroencefalograma.

 “El electroencefalograma (EEG) es un análisis que se utiliza para detectar
anomalías relacionadas con la actividad eléctrica del cerebro. Este
procedimiento realiza un seguimiento de las ondas cerebrales y las registra.
Se colocan pequeños discos metálicos con cables delgados (electrodos)
sobre el cuero cabelludo y después se envían señales a una computadora
para registrar los resultados” [6]

Para encontrar el contenido frecuencial del electroencefalograma se tiene

que calcular la transformada discreta de Fourier:

2.1.6 Definición Espectro de Fourier

El gráfico 𝐴(𝜔) vs 𝜔𝑛 se llama Espectro de amplitud de Fourier y 𝜙(𝜔) vs 𝜔𝑛,

Espectro de fase de Fourier. El espectro de amplitud de Fourier permite conocer el
contenido de frecuencia de un movimiento sísmico. [5]

El espectro de Fourier es la representación gráfica de los coeficientes   

como una frecuencia discreta de la frecuencia  . Donde   es el
espectro de magnitud y    es el espectro de fase.[8]

Cuando hablamos de espectro y buscamos información de esto, nos damos

cuenta que es una gráfica; entonces es una representación gráfica de la serie de
Fourier con coeficientes exponenciales de los Cn como una frecuencia discreta
w=nwo.

Los espectros de Fourier se refieren a dos gráficas:

 Espectros de magnitud: Cn, Vs, W
 Espectro de fase: Øn, Vs, W

3 CONCLUSIONES
Las transformadas de Fourier han sido muy importantes para muchas aplicaciones en la
actualidad, me pareció interesante el como no fue tomada en cuenta en la época que se planteó,
pero que ahora es muy útil y ha tenido un gran recogimiento dicho autor.

Me parece sorpréndete como se llevo a cabo estas ecuaciones matemáticas para poder desglosar
funciones en donde no solo aplica a tiempo, sino a frecuencias y que con esto ahora es capaz de
saber la cantidad de sonidos y a que frecuencias son captados sin importar que estén todos juntos a
la vez

4 BIBLIOGRAFÍA

[1 J. Bobadilla y P. Gómez, LA TRANSFORMADA DE FOURIER, Madrid: Del monte,

] 2015.

[2 A. T. Torres, Transformada de Fourier y su aplicación en el procesamiento digital,

] Puebla: BUAP, 2017.
[3]. C. J. Carrillo, Fundamentos del Análisis de Fourier] Universidad de Vigo, 2013

[4 A. Pérez Fernández, La transformada de Fourier como vehículo para comprender el fenómeno

de la difracción y la formación de imágenes a través de dispositivos ópticos] UPM, 2021.

[5] F. G. S. Brouqués, «Digitalizació n de Sonido,» Alem, Bahía Blanca, Argentina, 2014.

[6] S. Tombesi, «Aná lisis de Electroencefalograma con transformada de Fourier,» Alem, Bahia
Blanca, 2015.

[7] P. G. J. DIANNE, «ANÁ LISIS DEL ESPECTRO DE FOURIER DE REGISTROS SÍSMICOS,» Universidad
Cató lica de Santiago de Guayaquil, Guayaquil, 2020.

[8] R. Dorf y J. Svoboda, Circuitos Eléctricos, Ciudad de México: Alfaomega Group Editor, 2011.