Transformada de Fourier.

Sabemos que la serie de Fourier es básicamente el espectro de frecuencias de una

función. Un buen ejemplo de eso es el oído humano, ya que este recibe una onda
auditiva y la transforma en una descomposición de distintas frecuencias (que es lo
que finalmente escuchamos). El oído humano va percibiendo distintas frecuencias a
medida que pasa el tiempo, sin embargo, la serie de Fourier 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.

Entonces al expresar 𝑓 𝑡 como su expansión en serie de Fourier; la función se

descompone 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: ahora desarrollaremos
un método que nos proporciona 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 2𝑑?
¿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.
Ahora realicemos el mismo procedimiento de forma algebraica. Partimos de la serie de Fourier compleja de periodo
arbitrario 𝐿:
∞

𝑓 𝑡 = 𝑐𝑛 𝑒 𝑖𝑛𝜔0 𝑡
−∞
𝐿
1 2
𝑐𝑛 = 𝑓 𝑡 𝑒 −𝑖𝑛𝜔0 𝑡 𝑑𝑡
𝐿 −𝐿
2

Donde 𝜔0 = 2𝜋/𝐿. Al sustituir 𝑐𝑛 en la sumatoria tenemos:

∞ 𝐿
1 2
𝑓 𝑡 = 𝑓 𝑡 𝑒 −𝑖𝑛𝜔0 𝑡 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 dos términos sucesivos ∆𝜔 puede expresarse como:
2𝜋 2𝜋 2𝜋
∆𝜔 = 𝜔𝑛+1 − 𝜔𝑛 = 𝑛+1 − 𝑛 =
𝐿 𝐿 𝐿
 1 1
Entonces 𝐿 = 2𝜋 ∆𝜔 y podemos expresar la serie de Fourier como:
∞ 𝐿
1 2
𝑓 𝑡 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑛 𝑡 𝑑𝑡 𝑒 𝑖𝜔𝑛 𝑡 ∆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 . Observa que la trasformada de Fourier y su Trasformada Inversa pueden interpretarse como
proyecciones ortogonales en un espacio de Hilbert:
𝐹 𝜔 = 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. En nuestra definición (en física y matemáticas) se asigna un factor a cada una de las expresiones; esto
2𝜋

permite dotar a las ecuaciones de cierta simetría (y permite que el estudiante las memorice de forma mas simple) pero es
importante ser cuidadoso con las posibles diferencias cuando se consultan diversos textos.
1
En ingeniería se acostumbra escribir un factor 1 para la primera expresión y un factor 2𝜋 para la transformada inversa; es

decir:

Teorema: La Trasformada de Fourier de una función 𝑓 𝑡 se acostumbra definir en ingeniería como:

∞
𝐹 𝜔 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡
−∞

La Transformada inversa de Fourier se define como:

∞
1
𝑓 𝑡 = 𝐹 𝜔 𝑒 𝑖𝜔𝑡 𝑑𝜔
2𝜋 −∞
Ahora resulta indispensable que observes la similitud que existe entre la definición de la Trasformada de Fourier:

∞
𝐹 𝜔 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡
−∞

y la definición de Transformada de Laplace

∞
𝐹 𝑠 = 𝑓 𝑡 𝑒 −𝑠𝑡 𝑑𝑡
0

Veremos en el siguiente objetivo 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.

Notemos entonces que la transformada inversa de Fourier nos proporciona una herramienta para calcular trasformadas
inversas de Laplace, aunque la evaluación de dichas integrales emplea las técnicas de polos y residuos de variable
compleja.
La transformada de Fourier se utiliza en ingeniería para mapear una señal en el dominio de la frecuencia 𝜔 y así
obtener información que no es evidente en el dominio temporal 𝑡. 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 de sistemas retroalimentados pues, si conocemos la densidad espectral de un sistema
y la entrada podemos conocer entonces 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 sustituir ciertas zonas de un video con una computadora.
Teorema: Condiciones de Dirichlet para la convergencia de la integral de Fourier.
a) Si la function 𝑓 𝑡 es absolutamente integrable, tal que
∞
𝑓 𝑡 𝑑𝑡 < ∞
−∞
(esto es, la integral es finita)

b) Si la function 𝑓 𝑡 tiene un numero finito de máximos y mínimos en cualquier intervalo finito, y

c) Si la function 𝑓 𝑡 tiene un numero finito de discontinuidades en cualquier intervalo finito.

Entonces la representación integral de Fourier de 𝑓 𝑡 converge a 𝑓 𝑡 en todos los puntos donde 𝑓 𝑡 es continua y al promedio

de los limites por derecha e izquierda de 𝑓 𝑡 donde 𝑓 𝑡 presenta discontinuidades (esto es, al promedio de la discontinuidad).
Ejemplo 1 Calcula la transformada de Fourier del pulso rectangular:
∞
ℱ 𝑓 𝑡 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡
𝐴 𝑠𝑖 𝑡 ≤ 𝑇
𝑓 𝑡 = −∞
0 𝑠𝑖 𝑡 > 𝑇

∞ −𝑇 𝑇 ∞
ℱ 𝑓 𝑡 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡 = 0 𝑑𝑡 + 𝐴 𝑒 −𝑖𝜔𝑡 𝑑𝑡 + 0 𝑑𝑡
−∞ −∞ −𝑇 𝑇

𝑇
𝑒 −𝑖𝜔𝑡 𝑒 −𝑖𝜔𝑇 𝑒 𝑖𝜔𝑇
=𝐴 − =𝐴 − +
𝑖𝜔 −𝑇
𝑖𝜔 𝑖𝜔

2𝐴 𝑒 𝑖𝜔𝑇 − 𝑒 −𝑖𝜔𝑇 2𝐴
= = sin 𝜔𝑇
𝜔 2𝑖 𝜔

sin 𝜔𝑇
= 2𝐴𝑇
𝜔𝑇

𝐹 𝜔 = 2𝐴𝑇 sinc 𝜔𝑇
In mathematics, physics and engineering, the cardinal sine function, denoted
by 𝑠𝑖𝑛𝑐 𝑡 will, has two forms, normalized and unnormalized. In mathematics,
the historical unnormalized sinc function is defined by:

sin 𝑡
𝑠𝑖𝑛𝑐 𝑡 =
𝑡
Alternatively, the unnormalized sinc function is often called the sampling
function. Since the sin 𝑡 term oscillates while the factor 1/𝑡 decreases with
time, 𝑠𝑖𝑛𝑐 𝑡 shows decaying oscillations. At t = 0 , the 𝑠𝑖𝑛𝑐 𝑡 function
produces the indeterminate form 0/0 . Using the L'Hopital's rule, we
establish that:
sin 𝑡 cos 𝑡
lim = lim =1
𝑡→0 𝑡 𝑡→0 1
In digital signal processing and information theory, the normalized 𝑠𝑖𝑛𝑐
function is commonly defined by:

sin 𝜋𝑡
𝑠𝑖𝑛𝑐 𝑡 =
𝜋𝑡
A sketch of 𝑠𝑖𝑛𝑐 𝑡 is shown in Figure. We see an even symmetric function with unit height at the origin, a central
mainlobe between the first zero on either side of the origin and progressively decaying negative and positive sidelobes.
The minimum peak equals −0.2178, and the next positive peak equals 0.1284 0.1284. The factor 𝜋 in the definition
ensures both unit area and unit distance between zero crossings, which occur at 𝑡 = ±1, ±2, ±3, … The signal 𝑠𝑖𝑛𝑐 2 𝑡
also has unit area with zeros at unit intervals but is entirely positive. The area of any 𝑠𝑖𝑛𝑐 or 𝑠𝑖𝑛𝑐 -squared function
equals the area of the triangle inscribed within its central lobe as shown in Figure. Even though the 𝑠𝑖𝑛𝑐 function is
square integrable (an energy signal), it is not absolutely integrable (because it does not decay to zero faster than 𝑡 / 𝑡 ).

Analog and Digital Signal Processing. A. Ambardar.

Generalmente, la transformada de Fourier y por tanto el espectro de frecuencias son
valores complejos. En algunos casos (como el pulso rectangular) el espectro es
completamente real. En este caso la amplitud y el argumento de 𝐹 son:

𝐹 = 2𝐴𝑇 sinc 𝜔𝑇 0 𝑠𝑖 sinc 𝜔𝑇 ≥ 0

arg 𝐹 =
0 𝑠𝑖 sinc 𝜔𝑇 < 0

Las graficas correspondientes se presentan en las figuras.

Podemos ahora enumerar dos propiedades de las transformadas de Fourier:

• Siempre que la señal 𝑓 𝑡 sea real, los espectros de amplitud serán funciones pares de
frecuencia variable 𝜔.
• Los espectros de amplitud decrecen rápidamente conforme 𝜔 crece. Esto significa que la
mayor parte de la información concerniente a la “forma” de la señal 𝑓 𝑡 esta contenida en un
intervalo bastante pequeño del eje de frecuencia alrededor de 𝜔 = 0. (Desde un punto de
a) Espectro de amplitud y b) espectro
vista instrumental, vemos que cualquier aparato capaz de pasar señales de frecuencia arriba de fase del pulso rectangular con
de alrededor de 𝜔 = 3𝜋/𝑇 pasara una versión razonablemente correcta del pulso estudiado). 𝐴=1 𝑇=2
 ∞
1
Ejemplo 2 Calcula la transformada de Fourier de la función: ℱ 𝑓 𝑡 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡
2𝜋 −∞

𝑓 𝑡 = 𝑒 −𝑎𝑡 𝑠𝑖 𝑡 > 0
0 𝑠𝑖 𝑡 < 0

∞ ∞
−𝑖𝜔𝑡
𝐹 𝜔 = 𝑓 𝑡 𝑒 𝑑𝑡 = 𝑒 −𝑎𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡
−∞ 0

∞ ∞
𝑒 − 𝑎+𝑖𝜔 𝑡
= 𝑒 −(𝑎+𝑖𝜔)𝑡 𝑑𝑡 = −
0 𝑎 + 𝑖𝜔 0

−𝑎𝑡
1 1 𝑎 − 𝑖𝜔 𝑎 𝜔
ℱ 𝑒 = = ∙ = 2 −𝑖 2
𝑎 + 𝑖𝜔 𝑎 + 𝑖𝜔 𝑎 − 𝑖𝜔 𝑎 + 𝜔2 𝑎 + 𝜔2

Así, la amplitud y el argumento de 𝐹 son:

𝑎 2 𝜔 2 1 𝜔
𝐹 = + 2 = arg 𝐹 = arctan −
𝑎2 + 𝜔 2 𝑎 + 𝜔2 𝑎2 + 𝜔 2 𝑎

a) Espectro de amplitud y b) espectro de fase

Las graficas correspondientes se presentan en las figuras.
de la función exponencial de un lado.
Ejemplo 3 Calcule la transformada de Fourier de la función 𝑓 𝑡 = 𝑒 −𝑎 𝑡 :

∞
−𝑎 𝑡
𝐹 𝑒 = 𝑒 −𝑎 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡
−∞

0 ∞
= 𝑒 𝑎−𝑖𝜔 𝑡 𝑑𝑡 + 𝑒 − 𝑎+𝑖𝜔 𝑡 𝑑𝑡
−∞ 0

0 ∞
𝑒 𝑎−𝑖𝜔 𝑡 𝑒 − 𝑎+𝑖𝜔 𝑡
= + −
𝑎 − 𝑖𝜔 −∞
𝑎 + 𝑖𝜔 0

1 1 2𝑎
= + =
𝑎 − 𝑖𝜔 𝑎 + 𝑖𝜔 𝑎2 + 𝜔 2

2𝑎
ℱ 𝑒 −𝑎 𝑡 =
𝑎2 + 𝜔 2
Ejemplo 4 Calcule la transformada de Fourier del pulso triangular ( pg. 146 Beerends y 473 O´Neil)

𝑡
𝑓 𝑡 = 1− 𝑠𝑖 𝑡 ≤𝑎
𝑎
0 𝑠𝑖 𝑡 >𝑎

∞ 𝑎 𝑎 0 𝑎
𝑡 1 1
𝐹 𝜔 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡 = 1− 𝑒 −𝑖𝜔𝑡 𝑑𝑡 = 𝑒 −𝑖𝜔𝑡 𝑑𝑡 + 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡 − 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡
−∞ −𝑎 𝑎 −𝑎 𝑎 −𝑎 𝑎 0

𝑢=𝑡 𝑑𝑣 = 𝑒 −𝑖𝜔𝑡 𝑑𝑡
Empleamos integración por partes: 𝑢 𝑑𝑣 = 𝑢𝑣 − 𝑣𝑑𝑢
𝑒 −𝑖𝜔𝑡
𝑑𝑢 = 𝑑𝑡, 𝑣= −𝑖𝜔𝑡

𝑎 0 𝑎
𝑒 −𝑖𝜔𝑡 1 𝑡𝑒 −𝑖𝜔𝑡 1 1 𝑡𝑒 −𝑖𝜔𝑡 1
𝐹 𝜔 = + − + 2 𝑒 −𝑖𝜔𝑡 − − + 2 𝑒 −𝑖𝜔𝑡
−𝑖𝜔𝑡 −𝑎
𝑎 𝑖𝜔 𝜔 −𝑎
𝑎 𝑖𝜔 𝜔 0

𝑒 −𝑖𝜔𝑎 − 𝑒 𝑖𝜔𝑎 1 1 𝑎𝑒 𝑖𝜔𝑎 1 𝑖𝜔𝑎 1 𝑎𝑒 −𝑖𝜔𝑎 1 𝑖𝜔𝑎 1

= + 0+ 2− − 2𝑒 − − + 2𝑒 −0− 2
−𝑖𝜔𝑡 𝑎 𝜔 𝑖𝜔 𝜔 𝑎 𝑖𝜔 𝜔 𝜔

2
2 2 𝑠𝑖𝑛2 𝑎𝜔/2 sin 𝑎𝜔/2 𝐹 𝜔 = 𝑎 𝑠𝑖𝑛𝑐 2 𝑎𝜔/2
= 2
1 − cos 𝑎𝜔 = 2
2𝑠𝑖𝑛2 𝑎𝜔/2 =𝑎∙ =𝑎
𝑎𝜔 𝑎𝜔 (𝑎𝜔/2)2 𝑎𝜔/2
Ejemplo 4 Calcule la transformada de Fourier de la función: Haciendo el cambio de variable:
2
𝑓 𝑡 = 𝑒 −𝑎𝑡 𝑖𝜔 1
𝑎𝑡 + =𝑥 𝑑𝑡 = 𝑑𝑥
2 𝑎 𝑎
∞ ∞
2 2 Tenemos:
ℱ 𝑒 −𝑎𝑡 = 𝑓 𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡 = 𝑒 −𝑎𝑡 𝑒 −𝑖𝜔𝑡 𝑑𝑡
∞
−∞ −∞ 1 2
𝐼= 𝑒 −𝑥 𝑑𝑥
∞
𝑎 −∞
= exp −𝑎𝑡 2 − 𝑖𝜔𝑡 𝑑𝑡
−∞ Se llega entonces al resultado mediante el siguiente recurso. Se eleva al
∞ 2 2 cuadrado la integral, se convierte en una integral doble y se usan las
𝑖𝜔 𝑖𝜔 coordenadas polares:
= exp − 𝑎𝑡 + + 𝑑𝑡
−∞ 2 𝑎 2 𝑎
∞ ∞ ∞ ∞
1 2 2 1 𝑥 2 +𝑦 2
𝑖𝜔
2 ∞
𝑖𝜔
2 𝐼2 = 𝑒 −𝑥 𝑑𝑥 𝑒 −𝑦 𝑑𝑦 = 𝑒− 𝑑𝑥𝑑𝑦
= exp exp − 𝑎𝑡 + 𝑑𝑡 𝑎 −∞ −∞ 𝑎 −∞ −∞
2 𝑎 −∞ 2 𝑎
2 ∞
2𝜋 ∞ 2𝜋
1 −𝑟 2
𝑒 −𝑟
= 𝑒 𝑟𝑑𝑟𝑑𝜃 =− 𝑑𝜃
Vamos a hacer la integral por separado. Para hacerlo la denotemos 𝑎 0 0 2𝑎 0 0
como 𝐼.
1 2𝜋
1
= 𝜃 0 = 2𝜋
∞ 2 2𝑎 2𝑎
𝑖𝜔
𝐼= exp − 𝑎𝑡 + 𝑑𝑡 1 ∞
𝜋
2 𝑎 𝐼=
2
𝑒 −𝑥 𝑑𝑥 =
−∞ 𝜋 𝑎 𝑎
𝐼2 = −∞
𝑎
A partir de este resultado, tenemos que la trasformada de Fourier de nuestra
función es:

2 ∞ 2
−𝑎𝑡 2
𝑖𝜔 𝑖𝜔
ℱ 𝑒 = exp exp − 𝑎𝑡 + 𝑑𝑡
2 𝑎 −∞ 2 𝑎

2
𝑖𝜔 𝜋
= exp
2 𝑎 𝑎

𝜋 −𝜔2
= exp
𝑎 4𝑎

−𝑎𝑡 2 𝜋 −𝜔2 4𝑎
ℱ 𝑒 = 𝑒
𝑎
 1 2 /2𝜎 2
𝑓 𝑥 = 𝑒 − 𝑥−𝜇
𝜎 2𝜋 1 2 /2
𝜇 = 1, 𝜎=1 𝑓 𝑧 = 𝑒 −𝑧
2𝜋
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”
Resuelve los ejercicios 2, 3, 6 y 7 de la sección 8.2.4 pagina 651 del libro: “Glyn James and Phil Dyke. Advanced
Modern Engineering Mathematics. Fourth Edition. Pearson”

Tarea:

Pasa los apuntes de este objetivo en hojas blancas.