Como hemos discutido, la serie de Fourier es básicamente el

espectro de frecuencias de una función. Un buen ejemplo de eso

es lo que hace el oído humano, ya que recibe una onda auditiva y la
transforma en una descomposición en distintas frecuencias (que es
lo que finalmente se escucha). El oído humano va percibiendo
distintas frecuencias a medida que pasa el tiempo, sin embargo, la
Serie contiene todas las frecuencias del tiempo durante el cual
existió la señal; es decir, se obtiene un solo espectro de frecuencias
para toda la función.
 TRANSFORMADA DE FOURIER

Como hemos indicado anteriormente, al expresar una función como su

expansión en serie de Fourier; se descompone la función en sus
componentes armónicas o de frecuencia 𝜔𝑛 . En consecuencia podemos
interpretar una serie de Fourier como constituida por un espectro de
frecuencias discreta de una función periódica 𝑓 𝑡 , proporcionando así
una representación alternativa en el dominio de la frecuencia.

Sin embargo no todas las funciones son periódicas, así que necesitamos
desarrollar un método que de una representación similar para funciones
que no sean periódicas.
La clase pasada estudiamos la serie de Fourier de la
función periódica:

0 𝑠𝑖 − 𝑇 < 𝑥 < −𝑑
𝑓 𝑡 = 𝐴 𝑠𝑖 −𝑑 <𝑥 <𝑑
0 𝑠𝑖 𝑑<𝑥<𝑇

Encontramos que los coeficientes de la Serie son puramente reales:

𝑑𝐴
𝑐𝑛 = sinc 𝑛𝜔0 𝑑
𝑇

El espectro de frecuencia (𝑐𝑛 contra 𝜔𝑛 = 𝑛𝜔0) del tren de

pulsos para es:

¿Qué pasa si el periodo del tren de pulsos T, aumenta gradualmente manteniendo constante el ancho del pulso d?
¿Como se ve la función si T se incrementa manteniendo p constante?: 𝑑𝐴
¿Qué pasa con los coeficientes de Fourier 𝑐𝑛 = sinc 𝑛𝜔0 𝑑 ?:
𝑇

En el límite cuando T , la función “dejara de ser periódica”: Cuando T el espectro se vuelve continuo.
Matemáticamente, podemos partir de las expresiones de Fourier para una función de periodo 2𝜋.
∞

𝑓 𝑡 = 𝑐𝑛 𝑒 𝑖𝑛𝑥
−∞
𝜋
1
𝑐𝑛 = 𝑓 𝑥 𝑒 −𝑖𝑛𝑥 𝑑𝑥
2𝜋 −𝜋

Si hacemos un cambio de escala:

2𝜋 2𝜋
𝑥 = 𝜔0 𝑡 = 𝑡 𝑑𝑥 = 𝑑𝑡
𝐿 𝐿
𝐿
𝑥=𝜋 ⟹ 𝑡=
2
Entonces:
∞

𝑓 𝑡 = 𝑐𝑛 𝑒 𝑖𝑛𝜔0𝑡
−∞
𝐿 𝐿
1 2 2𝜋 1 2
𝑐𝑛 = 𝑓 𝑡 𝑒 −𝑖𝑛𝜔0𝑡 𝑑𝑡 = 𝑓 𝑡 𝑒 −𝑖𝑛𝜔0 𝑡 𝑑𝑡
2𝜋 −𝐿 𝐿 𝐿 −𝐿
2 2
Entonces podemos reescribir la serie de Fourier compleja para un periodo arbitrario L, como:
∞

𝑓 𝑡 = 𝑐𝑛 𝑒 𝑖𝑛𝜔0𝑡
−∞
𝐿
1 2
𝑐𝑛 = 𝑓 𝑡 𝑒 −𝑖𝑛𝜔0𝑡 𝑑𝑡
𝐿 −𝐿
2

Al sustituir 𝑐𝑛 en la sumatoria tenemos:

∞ 𝐿
1 2
𝑓 𝑡 = 𝑓 𝑡 𝑒 −𝑖𝑛𝜔0𝑡 𝑑𝑡 𝑒 𝑖𝑛𝜔0𝑡
𝐿 −𝐿
−∞ 2

La frecuencia del término general de la expansión es:

2𝜋
𝑛𝜔0 = 𝑛 = 𝜔𝑛
𝐿
Por lo tanto, la diferencia en la frecuencia entre términos sucesivos es:
2𝜋 2𝜋 2𝜋
∆𝜔 = 𝜔𝑛+1 − 𝜔𝑛 = 𝑛+1 − 𝑛 =
𝐿 𝐿 𝐿
Entonces podemos expresar la serie de Fourier como:
∞ 𝐿
1 2
𝑓 𝑡 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑛 𝑡 𝑑𝑡 𝑒 𝑖𝜔𝑛𝑡 ∆𝜔
2𝜋 −𝐿
−∞ 2

Conforme 𝐿 ⟶ ∞ ∆𝜔 ⟶ 0 entonces:
∞ 𝐿 ∞ ∞
1 2
−𝑖𝜔𝑛 𝑡 𝑖𝜔𝑛 𝑡
1
lim 𝑓 𝑡 𝑒 𝑑𝑡 𝑒 ∆𝜔 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡 𝑒 𝑖𝜔𝑡 𝑑𝜔
∆𝜔⟶0 2𝜋 −𝐿 −∞ 2𝜋 −∞
−∞ 2

∞ ∞
1 1
𝑓 𝑡 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡 𝑒 𝑖𝜔𝑡 𝑑𝜔
2𝜋 −∞ 2𝜋 −∞

Este resultado se conoce como la representación integral de Fourier de 𝑓 𝑡 . Podemos escribir este resultado
empleando dos expresiones integrales, denominados el par de trasformadas de Fourier.

∞ ∞
1 1
𝐹 𝜔 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡 𝑓 𝑡 = 𝐹 𝜔 𝑒 𝑖𝜔𝑡 𝑑𝜔
2𝜋 −∞ 2𝜋 −∞
Teorema: La trasformada de Fourier de una función 𝑓 𝑡 se define como:

∞
1
ℱ 𝑓 𝑡 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡 = 𝐹 𝜔
2𝜋 −∞

La transformada inversa de Fourier se define como:

∞
−1
1
ℱ 𝐹 𝜔 = 𝐹 𝜔 𝑒 𝑖𝜔𝑡 𝑑𝜔 = 𝑓 𝑡
2𝜋 −∞

El operador ℱ definido como en la ecuación anterior se denomina Trasformada de Fourier de 𝑓 𝑡 y proporciona una
representación en el dominio de la frecuencia 𝜔 de una función no periódica 𝑓 𝑡 siempre que exista la integral. En forma
similar, a la expresión que nos permite obtener 𝑓 𝑡 a partir de 𝐹 𝜔 se le llama transformada inversa de Fourier y se
denota por ℱ −1 . La trasformada de Fourier y la trasformada Inversa pueden interpretarse como proyecciones ortogonales
en el espacio de Hilbert: ℱ 𝑓 𝑡 = 𝑓, 𝑒 −𝑖𝜔𝑡 , 𝑓 𝑡 = 𝐹, 𝑒 𝑖𝜔𝑡 .
No existe un acuerdo universal concerniente a la definición de estas integrales y un numero de variantes de ella son
1
correctas. Algunos autores escriben el factor 2𝜋 en la primera integral y un factor 1 en la segunda. Otros autores lo hacen
1 1
a la inversa, escriben el factor 2𝜋 en la segunda integral y el factor 1 en la primera. Nosotros hemos asignado un factor 2𝜋

(para dotar de alguna simetría) a ambas ecuaciones y permitir que el estudiante las memorice de forma mas simple, pero
es importante ser cuidadoso con las posibles diferencias cuando se consultan diversos textos.

1 ∞
También debemos notar la similitud entre la definición de la trasformada de Fourier ℱ 𝑓 𝑡 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡 y la
2𝜋 −∞
∞
definición de la transfomada de Laplace ℒ 𝑓(𝑡) = 0
𝑓 𝑡 𝑒 −𝑠𝑡 𝑑𝑡.

Veremos en próximas clases que (aparte de los limites de integración) la sustitución 𝑖𝜔 = 𝑠 en la transformada de Fourier
resulta (bajo ciertas condiciones) en la trasformada de Laplace. Existe una importante relación entre las dos trasformadas
que discutiremos después. Nosotros notamos entonces que la transformada inversa de Fourier nos proporciona una
herramienta para calcular trasformadas inversas de Laplace, aunque la evaluación de integrales necesita de técnicas de
variable compleja de polos y residuos.
La transformada de Fourier se utiliza para pasar una señal al dominio de frecuencia para así obtener información que
no es evidente en el dominio temporal. Por ejemplo, es más fácil saber sobre qué ancho de banda se concentra la
energía de una señal analizándola en el dominio de la frecuencia.

La transformada también sirve para resolver ecuaciones diferenciales con mayor facilidad y, por consiguiente, se usa
para el diseño de controladores clásicos de sistemas retroalimentados, si conocemos la densidad espectral de un
sistema y la entrada podemos conocer la densidad espectral de la salida. Esto es muy útil para el diseño de filtros.

La transformada de Fourier también se utiliza en el ámbito del tratamiento digital de imágenes, como por ejemplo
para mejorar o definir más ciertas zonas de una imagen fotográfica o tomada con una computadora.
La fuga espectral puede ocultar información valiosa (p.
ejemplo la f = 13Hz no se observa). La aplicación de las
ventanas senoidales (Hanning) nos permite abatir la
fuga espectral. Abatiendo la fuga espectral se descubre
la información oculta (en la segunda figura la f = 13Hz
ya se aprecia claramente).
Actividad sugerida para esta semana:

Resuelve los problemas 1, 3 y 5 de la sección 11.7 pagina 517 del libro “Erwin Kreyszing. Advanced Engineering
Mathematics. Tenth Edition. John Wiley and Son”

Tarea:

Pasa los apuntes de la clase en un cuaderno de hojas blancas.

Escanea los apuntes en un solo archivo PDF y súbelo a Teams.