Qué son y para qué sirven las transformadas

de Fourier?
Intentaré explicarlo de una forma sencilla, a pesar de ser un concepto un
poquito complicado que se estudia en la universidad y normalmente no en el
primer curso sino en el segundo quizá, en carreras como ingenierías, física, etc.

¿Qué es?
Es una transformación de una función del tiempo en otra función de la
frecuencia.
También se dice que la función original está en el ‘dominio del tiempo’ y la
transformada la pasa al ‘dominio de la frecuencia’.
Recordemos que el “dominio” de una función es el conjunto de valores que puede
tomar la variable en el conjunto origen. Cuando es el ‘dominio del tiempo’ los
valores serán valores de tiempo (ej: 2 segundos, 7 segundos, etc)… Cuando se habla
de ‘dominio de la frecuencia’ los valores son valores de frecuencia (ej: 7 radianes
por segundo, 100*PI radianes por segundo, etc… o también puede ser una fEs
decir, dada una función que te dice cuánto hay de una cantidad en cada
instante de tiempo, la transformada te da otra función que te dice la
cantidad que tiene la anterior función en cada frecuencia.

También se podría decir que es una generalización de las Series de Fourier,

pero en lugar de ser para señales periódicas, para cualquier señal sea
periódica o no.

recuencia expresada en ciclos por segundo, es decir, hercios).

¿Para qué sirven las Transformadas de

Fourier?
Las aplicaciones son muy numerosas.

Por ejemplo, algunos circuitos eléctricos y muchos otros sistemas se comportan

como un sistema lineal, es decir, que la salida del circuito se multiplica por una
constante si la entrada se multiplica por una constante, y si la entrada es una suma
de señales la salida es la suma de la salidas que tendría cada señal independiente…
Por tanto, si sabemos la respuesta del circuito con la frecuencia, si sabemos la
salida del circuito para señales de frecuencias puras, podremos saber la salida para
una señal que sea combinación lineal de señales sinusoidales…
Por ejemplo, la corriente alterna que se usa en las casas suele tener una frecuencia
de 50 Hercios (en España, porque en Estados Unidos son 60 Hz) y, por tanto, la
función temporal, por ejemplo, del Voltaje, es similar a la que dije antes, como un
coseno… aunque en lugar de 3 sería 311 Voltios de pico. Cuando se habla de 220
voltios son eficaces, o RMS (Root Mean Square), es decir, la raíz cuadrada de la
media de los cuadrados de los valores instantáneos del voltaje… En unos instantes
el voltaje es 311 y en otros instantes es 0, variando en forma de onda sinusoidal y la
raíz cuadrada de la media de los cuadrados daría 220 voltios.
Si sabemos la impedancia equivalente de un circuito lineal, por ejemplo, que tenga
resistencias y condensadores, podremos saber la salida de forma fácil.
Si la entrada en lugar de ser una sinusoide fuese una variación de voltaje cualquiera
en función del tiempo, podríamos calcular la transformada de Fourier de esa señal,
multiplicar por la función en frecuencia del circuito y obtener así la transformada
de Fourier de la salida… y con la transformada inversa sabríamos la variación en el
tiempo de la salida del circuito, es decir, la señal de salida.
Esto que expliqué para un circuito también se podría aplicar a otros sistemas
linealesde tipos muy diferentes… Por ejemplo, un puente. Antes de construir un
puente se podría calcular cómo responde en frecuencias ese puente y cómo
reaccionaría a vientos de una determinada fuerza, o terremotos, etc.
El señor Fourier hizo su teoría estudiando el calor, así que esa sería otra
aplicación.

Otro ejemplo: compresión de audio MP3.

Sabemos que una señal de audio, como una canción es una función temporal, de
valores de presión del aire, los cuales son transformados por micrófonos en valores
de voltaje, que pueden ser medidos y guardados en una grabación. Y, luego, se
puede hacer el proceso inverso con unos altavoces que transforman un voltaje
variable en una presión de aire variable.
Ahora bien, el almacenamiento de valores instantáneos de presión de aire o de
voltajes de un micrófono no es muy eficiente. Sabemos que el oído humano no es
igual de sensible a unas frecuencias que a otras.
Lo que haría el MP3 sería codificar con mayor precisión las frecuencias que mejor
escucha el oído humano y codificar de forma muy burda, con poca precisión, las
frecuencias a las que el oído no es muy sensible. Esto nos permite ahorrar muchos
datos… de forma que una canción pueda ocupar la décima parte y oírse
prácticamente igual.
Para calcular las componentes en frecuencia de una canción se haría la
transformada de Fourier, la cual nos da las componentes o coeficientes en cada
frecuencia, de forma que unas componentes se codifican con más bits (más
precisión) y otras se codifican con menos bits.
Esto también se hace en la telefonía móvil. El sonido de la voz se codifica,
dedicando más bits a ciertas frecuencias, y menos bits a otras, ahorrando
información, y, por tanto, pudiendo transmitir la voz de una llamada telefónica
gastando menos ancho de banda.
Lo que ocurre es que la señal de una canción o de una voz de una llamada telefónica
no es una señal continua en el tiempo, sino que se compone de una sucesión de
muestras… y, entonces, no se hace una transformada de Fourier continua, sino lo
que se conoce como ‘transformada discreta de Fourier’ o ‘transformada de Fourier
discreta’. En esta transformada no habría infinitas frecuencias sino un número
finito de ellas. Y, además, se conoce un algoritmo eficiente para hacerlo, llamado
FFT = Fast Fourier Transform.
Así que se tomarían las muestras en el tiempo, se haría la FFT y tenemos un
número finito de muestras en frecuencia, se codifican esas muestras, cada una con
el número de bits correspondiente y ya tendríamos el fichero MP3.
Para descomprimir el MP3 se haría la operación inversa: con los bits de cada
frecuencia podemos hacer la operación inversa con otra FFT y obtener una señal
que no será igual que la original pero que a nuestro oído le sonará igual.
El JPEG funciona de forma similar, pero en lugar de la Transformada de Fourier
usa la Transformada del Coseno, más adecuada para imágenes, descartando
información visual que apenas ven nuestros ojos.

Otro ejemplo más: reconocimiento de voz.

Algo que se suele hacer es la transformada de la señal original, dividida en ‘trocitos’
y se obtienen unas características (llamado ‘vector característico’) de esa
transformada de cada trocito, algo similar a los bits escogidos en ciertas frecuencias
para comprimir. Y con esas secuencias de características (de ‘vectores
característicos’) se puede reconocer las palabras que dijo el hablante.
Después de haber entrenado y probado el sistema, se usa en aplicaciones como Siri
o Google Assistant, que reconocen la voz, en diferentes idiomas como español o
inglés, entre otros, claro.

Otra aplicación sería la resolución de ecuaciones diferenciales.

Si tienes una ecuación diferencial puedes pasarla al dominio de la frecuencia,
resolverla en el dominio de la frecuencia y luego hacer la transformada inversa de la
solución para obtener la solución en el dominio original. De todas formas, creo que
para esto es más útil la Transformada de Laplace… pero esto ya sería otra historia.

En RESUMEN:
podría parecer que es una cosa rara de matemáticos locos, sin aplicación práctica, o
algo que se estudia en las ingenierías que podría parecer que no sirve para nada,
pero nada más lejos de la realidad, es algo que se usa muchísimo en cosas de
la vida diaria que estamos acostumbrados a usar y que pocos sospechaban que se
usaba tanto.

Qué es la transformada de
Fourier y para qué sirve? Cómo
descubrir la dinámica de una
serie temporal
Seguro que el termino frecuencia te ha llegado alguna vez.

Seguramente has oído que la electricidad de tu casa está a 60

Hz 0 50Hz dependiendo del país. ¿Verdad?

Estos «Hz» son unidades de frecuencia. Hoy vas a salir de

aquí sabiendo que significa «frecuencia».

Y además este concepto está muy relacionado en saber

interpretar la dinámica de una serie temporal.

La dinámica es cómo va evolucionando tu serie en el tiempo.

Cómo se va moviendo durante un período de tiempo.

Y para observar está dinámica vas a utilizar la famosa

transformada de Fourier y ¡»su mundo» en la frecuencia!
 ¿Te atreves a descubrirlo?

¡¡¡AVISO!!! Incluye un ejemplo al final de post

Tabla de contenidos [ocultar]

 # Una analogía: la crema de verduras
 # Explicando una serie temporal como la suma de muchas ondas
 # La onda simple o onda sinusoidal
 #El concepto de frecuencia
 # El separador de Ondas de Fourier
 # Los dos mundos: el tiempo y la frecuencia
 # La transformada de Fourier en matemáticas
 # Un ejemplo de aplicación
# Una analogía: la crema de verduras
Imagínate un sistema que te permita «desmezclar» lo que
tienes.

No sé si existe el verbo «desmezclar». Mejor separar,

¿verdad? 😛

¡Eso es! Un sistema capaz de separar los elementos de algo

mezclado. ¡Estarás flipando! jejeje

Imagina un sistema que separe las verduras enteras de una

crema de verduras. (ya sé que es imposible pero atrévete a
imaginarlo)

En una crema de verduras esta todo mezclado. No sabes si

comes calabacín, cebolla, patata o que es… Una vez en la
boca ya ni lo sabes. El gusto final es la suma de muchos
gustos.

¡No te preocupes! Hoy no estás aquí para aprender a separar

verduras. Más bien, vas a separar series temporales 🙂
Te presento a La Transformada de Fourier. Un sistema capaz
de separar las verduras de la crema de verduras. ¡Es algo
extraordinario! ¿No crees?

Mira la imagen:

Imagina que la crema de verduras es una serie temporal

compleja.

Y las verduras son ondas con la forma más básica de onda.

Con ello vas a poder pasar de la serie temporal a un

espectro en frecuenciaspara analizar la dinámica de tu
serie temporal. ¡Toma!

Este es el objetivo de hoy.

# Explicando una serie temporal como la suma de

muchas ondas
Una serie temporal es, en el fondo, la suma de muchas
ondas como las que has visto antes. Estas ondas tienen la
forma típica de un sin(x) o cos(x). ¿Te acuerdas?

El señor Fourier demostró que existe este sistema

«separador de verduras»(matemáticamente hablando).

Siempre puedes separar una serie temporal como la suma

de muchas ondas de dimensiones diferentes y con ritmo
también diferentes.

Algo así.

Esto es la transformada de Fourier. Es un separador de

series temporales en ondas simples.

Ahora te explico mejor que quiero decir con ondas simples.

# La onda simple o onda sinusoidal

La gracias del sistema separador de ondas de Fourier es
que la serie temporal se expresa en forma de ondas muy
simples.

Ahora te voy a explicar los tres conceptos más importantes en

un onda simple o onda sinusoisal 🙂

Una onda es bonita y sigue una harmonia muy suave como la

que ves en la imagen.

para caracterizar esta onda tienes los siguientes conceptos:

1. Amplitud: es lo alta o baja que es

2. La frecuencia: es el ritmo que lleva. O es el número de
ondulaciones por segundo
3. El desfase: es cuando empieza la onda.

Matemáticamente es así:
 A: Amplitud

 f: la frecuencia es el inverso del período (1/T). El período

es el tiempo de duración de una ondulación completa.

 fi: el desfase

Puedes jugar un poquito en este simulador de 2 ondas y

visualizar la suma de las dos:
Hasta aquí bien, ¿verdad?

Has visto el sistema separador de Fourier que es capaz de

expresar una serie temporal en la suma de ondas bonitas.
Has visto qué características tienen estas ondas bonitas.

Déjame detenerme en el concepto de frecuencia. Es la clave

para entender el sistema separador de Fourier 😉 ¡Vamos a
ello!

#El concepto de frecuencia

El ejemplo que todo el mundo ha visto: el reloj. Voy a tratar de
explicarte que es la frecuencia con la ayuda de las agujas del
reloj 😉

 La minutera se mueve cada 60 segundos: 1/60 Hz

 La segundera se mueve cada 1 segundo: 1/1 Hz

 La hora se mueve de posición cada 3600 segundos o cada

60 minutos: 1/3600 Hz

Estos valores son frecuencias. Vueltas o repeteciones

dividido por unidad de tiempo (segundos)
Cuanto más baja es la frecuencia más lento es el proceso

Pasa lo mismo con la onda sinusoidal que has visto antes.

Aquí tienes un simulador de ondas. Intenta crear una onda

bonita como la que has visto en el punto anterior. Te sugiero
que le des a la opción de Oscillate y No End en la parte
superior izquierda y derecha respectivamente. Entenderás
mucho mejor el concepto de frecuencia:

Por ejemplo la señal eléctrica de 220V que pasa los

enchufes de nuestra casas da 60 vueltas cada segundo
60/1. Es de 60 Hz. El valor del voltaje no es constante en el
tiempo. Sino que es una onda bonita como la que te he
explicado antes. Y por tanto a veces se hace 0.

En realidad la luz de nuestras casas se enciende y se apaga

60 veces por segundo. Va tan rápida que ni la percibimos.

¿Puedes crear una onda sinusoidal de 5V y 60Hz con la ayuda

de este simulador. (A mi me ha costado un poquito jejeje)

Estás mucho más preparado para entender el separador de

Fourier.

¡Let’s go!

# El separador de Ondas de Fourier

Repito: el separador de ondas de Fourier es la máquina de
«desmezclar» verduras que te comentaba al principio.

Y es capaz de separar una serie temporal super rara en la

suma de ondas simples (como las que has visto antes)

Según el separador de ondas que montó Fourier hace ya unos

años tenemos esto:
 1. Mi serie temporal = suma de Ondas Simples
2. Mi serie temporal = Sumatorio (A_i * sin(2PI*f_i t
+ desfase_i))

La gracia del separador es que nos permite dibujar las

amplitudes de las ondas en función de la frecuencia. ¡Toma!

De esta manera es más fácil visualizar las magnitudes de

las ondas (amplitud) y lo rápidas o lentas que van
(frecuencia)

Es el llamado mapa de frecuencias o espectro de

frecuencias.

¡No te asustes! Es una manera de dibujar las ondas que ha

encontrado el separador en un papel. De esta manera será
más fácil de interpretar todas estas ondas simples.
# Los dos mundos: el tiempo y la frecuencia
El separador de Fourier es capaz de pintar tu serie temporal
que está en el tiempo y la pinta en el mundo del ritmo, de la
frecuencia. Por este motivo, se dice que la transformada de
Fourier pasa del espacio temporal al espacio frecuencia.
(¡suena más cool y complicado!)

¡En este tipo de gráficos queda condensada toda la información

de las ondas que has obtenido el separador de Fourier!

Sólo necesitas las amplitudes o A’s y las frecuencias o f’s de

las ondas que has encontrado con el separador.

 Podemos pasar de una serie temporal complicada a

una suma de ondas.

 Y podemos dibujar esto en un mapa de frecuencias.

Utilizando la frecuencia como medida para diferenciar
las diferentes ondas.

La gracia de este espectro de frecuencias o mapa de

frecuencias es que puedes ver a simple vista el contenido de
las ondas resultado de utilizar el separador de ondas de
Fourier. Y de esta manera caracterizar la dinámica de la serie
temporal.

Una serie temporal la puedes pasar a una gráfico en

frecuencia.

Esta es la idea.

Estos gráficos son muy buenos para entender el contenido en

frecuencia. Es decir qué ondas son las más grandes y en qué
frecuencia van.

# La transformada de Fourier en matemáticas

¡Para los más valientes! Te he preparado una sección sobre
cómo se escribe todo esto matemáticamente.

He utilizado una pequeña imagen de esta página dónde se

resume toda la notación:
Como sé que te será difícil entenderlo, lo mejor es que
consultes a los cracks. Para mi el mejor artículo que jamás he
visto sobre la transformada de Fourier y la matemática que hay
detrás.

¡Vas a flipar!

>> Accede al artículo de betterexplained.com y ¡flipa!

# Un ejemplo de aplicación
Voy a tratar de explicarte lo que has visto en el post con un
pequeño ejemplo.

Este ejemplo consiste en calcular la transformada de Fourier

para la serie temporal que has visto en las imágenes del
artículo 😉
DESCARGA EL EJEMPLO
¡Seguro que lo tendrás más que claro!

¡No te lo pierdas!

En próximos artículos te explicaré más en detalle qué es el

espectro de densidad de frecuencias y alguna aplicación real
para que entiendas mucho mejor todo lo que has visto hoy 🙂

La transformada de Fourier es un concepto complicado. En

este artículo he intentado focalizarte en el objetivo práctico de
la transformada más que en explicar la notación matemática.