¿Qué es la transformada de Fourier?

 (quantamagazine.org)
3 puntos por GN⁺ 2025-09-05 | 1 comentarios | Compartir por WhatsApp
  • La transformada de Fourier es un cálculo matemático que descompone una señal o función compleja en la suma de sus componentes de frecuencia básicas
  • El oído también recibe distintas ondas sonoras y las separa en diferentes frecuencias; el matemático Fourier formalizó esto en el siglo XIX, impulsando una revolución matemática
  • La transformada de Fourier se utiliza ampliamente no solo en el análisis de funciones, sino también en compresión, procesamiento de señales, física y mecánica cuántica
  • Cumple un papel esencial para comprimir y transformar de forma eficiente distintos tipos de datos, como imágenes digitales y audio
  • Con la aparición del algoritmo de transformada rápida de Fourier (FFT), hoy la transformada de Fourier se usa ampliamente en la vida cotidiana y en toda la tecnología de TI

Panorama general

  • Cuando escuchamos música, nuestros oídos reciben señales sonoras complejas y las descomponen según su frecuencia
  • La transformada de Fourier ofrece un medio para descomponer cualquier función compleja en la suma de ondas básicas y volver a obtener la función original
  • Este método fue descubierto por el matemático francés del siglo XIX Jean-Baptiste Joseph Fourier, revolucionando el análisis de funciones
  • Desde entonces, la transformada de Fourier impulsó enormemente el desarrollo de campos como el análisis de funciones, el procesamiento de señales, las matemáticas y la física, y hoy también se usa en computadoras para compresión de archivos, amplificación de señales de audio y más
  • El profesor Leslie Greengard de la Universidad de Nueva York menciona que el análisis de Fourier ha influido en casi todas las áreas de las matemáticas y la ciencia

La pasión y el descubrimiento de Fourier

  • Fourier nació en Francia en 1768 y desde joven recibió educación monástica y matemática
  • Mientras dudaba entre la religión y las matemáticas, fue encarcelado en 1794 por ideas contrarrevolucionarias, y tras la Revolución francesa volvió a la enseñanza de las matemáticas
  • Participó como asesor científico en la expedición de Napoleón a Egipto, donde investigó el antiguo Egipto y los problemas de transferencia de calor
  • Sostuvo que la transferencia de calor en una barra metálica podía expresarse como la suma de ondas simples, lo que provocó una gran controversia entre los matemáticos de su época
    • Fue una afirmación revolucionaria porque incluso cambios bruscos de temperatura —por ejemplo, una barra mitad fría y mitad caliente— podían explicarse con precisión como la suma de infinitas curvas suaves
  • Finalmente, Fourier tuvo un enorme impacto en las matemáticas al demostrar que incluso una función arbitraria puede expresarse como la suma de oscilaciones muy simples
  • Sin embargo, su aplicación es limitada en funciones extremadamente complejas, aquellas que siguen siendo irregulares incluso al ampliarlas

El principio de la transformada de Fourier

  • La transformada de Fourier funciona descomponiendo un objeto complejo en distintos componentes de frecuencia, de forma parecida a identificar los componentes de un aroma o de un acorde
  • Matemáticamente, recibe como entrada la función a transformar y calcula cuánto contribuye cada frecuencia a la función original
    • Ejemplo: si al multiplicar cierta función por una onda seno de frecuencia 3 el valor promedio del gráfico resulta alto, esa frecuencia está muy presente en la función original
    • Si en cierta frecuencia los picos positivos y negativos se cancelan y el promedio queda cerca de 0, entonces esa frecuencia casi no está presente
  • La transformada de Fourier mide estos coeficientes para todas las frecuencias y, al sumarlos, permite reconstruir la función compleja original
  • Las señales con bordes agudos, como una onda cuadrada (por ejemplo, en señales digitales), pueden aproximarse como una suma de infinitas frecuencias (serie de Fourier)
  • A los primeros matemáticos les costaba aceptar que una cantidad infinita de curvas suaves pudiera producir cambios repentinos, pero hoy se usa como una herramienta fundamental

Dimensiones superiores y aplicaciones en la vida real

  • La transformada de Fourier también se aplica a imágenes, que son funciones bidimensionales, y pueden entenderse como funciones 2D que representan el brillo de cada píxel
  • El resultado de la transformada de Fourier de una imagen puede interpretarse como patrones de franjas con distintas orientaciones, y al combinar esos patrones se puede reconstruir la imagen original
  • La compresión de imágenes como JPEG reduce drásticamente el tamaño del archivo al eliminar información de alta frecuencia (detalles pequeños), pero conserva las características principales de la imagen
  • El algoritmo Fast Fourier Transform (FFT), ideado en la década de 1960 por James Cooley y John Tukey, aceleró de forma revolucionaria el cálculo de la transformada de Fourier
  • Gracias a ello, la transformada de Fourier se volvió una tecnología esencial en campos como el procesamiento de señales de datos, la informática, las imágenes médicas (MRI), la astronomía y la compresión de audio/video

Impacto en las matemáticas y la ciencia modernas

  • La transformada de Fourier es fundamental en la física (especialmente en la mecánica cuántica) y proporciona la base matemática del principio de incertidumbre
    • Por ejemplo: cuanto más precisamente se conoce la posición de una partícula (un pico agudo en la gráfica), mayor es la incertidumbre de su momento después de aplicar la transformada de Fourier
  • Se desarrolló una rama llamada análisis armónico (harmonic analysis), que cumple un papel importante en el estudio de las ondas, la transformada inversa y diversas propiedades de las funciones
  • También tiene una relación profunda con áreas de las matemáticas como la teoría de números y la distribución de números primos
  • El profesor Charles Fefferman subraya su importancia al afirmar que, sin la transformada de Fourier, desaparecería gran parte de las matemáticas

Conclusión

  • La transformada de Fourier es una herramienta central de la ciencia y la tecnología modernas en señales, datos, imágenes y física
  • Su impacto abarca desde la innovación matemática hasta la tecnología práctica
  • Hoy se utiliza ampliamente en computadoras, telecomunicaciones, medicina y entretenimiento

Lecturas relacionadas

1 comentarios

 
GN⁺ 2025-09-05
Opiniones de Hacker News
  • Recomienda un video del canal Captain Disillusion que explica de forma muy buena cómo funciona visualmente la transformada de Fourier y cómo se usa en efectos visuales como blur o unblur
    https://youtu.be/xDLxFGXuPEc?feature=shared
    • Dice que le gusta el contenido de Captain Disillusion, pero que el episodio "CD / Blur" es de los menos densos en información de la serie. Claro, está hecho para ser divertido y accesible, pero no tiene la profundidad del video sobre Fourier Transform (FT) de 3Blue1Brown
    • Le parece bastante divertida la escena de homenaje a Carl Sagan en el video
  • Si te interesa Fourier, probablemente también te gustará la transformada de Laplace (o su versión discreta, la z-transform). En el pasado se obsesionó por completo con este tema y lo estudió a fondo, y todavía es uno de sus hobbies favoritos. Las aplicaciones de Fourier, Laplace y z-transform se usan muchísimo en muchos campos. En su caso, sobre todo en procesamiento de señales y electrónica analógica
    • Recuerda que cuando estudiaba electrónica, como no tenía un sistema de álgebra computacional, convertía a mano funciones de transferencia de Laplace transform a z-transform. Expandía, volvía a agrupar y factorizaba, gastando montones de papel continuo de impresora con lápiz y borrador mientras practicaba álgebra básica y tediosa. Los estudiantes de hoy de verdad tienen suerte
    • Antes a menudo tenía que elegir entre productos de Amazon con calificaciones altas pero pocas reseñas, y otros con calificaciones un poco más bajas pero muchas reseñas. Aplicó la Laplace Rule of Succession e hizo una extensión de navegador que calcula una puntuación laplaciana considerando tanto el número de reseñas como la calificación. Gracias a eso pudo tomar decisiones mucho más inteligentes
      https://greasyfork.org/en/scripts/443773-amazon-ranking-laplace
    • La llamada "Z-transform" para secuencias discretas es básicamente lo mismo que una función generadora o una serie formal de potencias/Laurent. Escribir una secuencia discreta como una serie de potencias de z^(-1)
    • Siempre que piensa en Laplace Transform, se le vienen a la mente conceptos como pole y zero en teoría de control
    • En esencia, la ingeniería eléctrica/electrónica gira alrededor de este tipo de transformadas
  • Ya que la gente está compartiendo recursos, presenta la clase "Signals and Systems" de Dennis Freeman en MIT, que explica de forma muy intuitiva la relación entre las cuatro representaciones de Fourier (FT, DFT, Fourier Series, DTFT)
    https://ocw.mit.edu/courses/6-003-signals-and-systems-fall-2011/resources/lecture-19-relations-among-fourier-representations/
    • Le sorprende que antes la Wavelet transform era súper popular, pero hoy casi ya no se habla de ella
  • En BetterExplained.com también hay una guía interactiva sobre Fourier transform muy bien armada
    https://betterexplained.com/articles/an-interactive-guide-to-the-fourier-transform/
  • Tiene su propia teoría sobre por qué Fourier Transform y otras transformadas varias (funciones generadoras, Mellin/Laplace/Legendre/Haar, etc.) son realmente útiles. Cree que es porque muchas funciones del mundo real son sparse y facilitan el compressed sensing Como FT es una transformación 1:1, en teoría no hay pérdida de información, y a menudo ver las cosas en el espacio de frecuencias simplifica mucho el problema. La razón es que funciones que por fuera parecen complejas suelen estar formadas por bloques más simples en el espacio transformado Por ejemplo, la señal del sonido del aleteo de una mosca parece compleja, pero en FT aparece un pico fuerte en una sola frecuencia. La suma de dos ondas seno también puede parecer complicada en su forma original, pero al transformarla con FT queda claramente separada en dos puntos La razón por la que FT (como DCT, etc.) se usa en JPEG, MP3 y similares es que permite comprimir datos descartando componentes de frecuencia que no son importantes para la percepción humana real, ya sea auditiva o visual La magia de FT no es solo convertir a una base ortogonal, sino que las señales reales a menudo pueden describirse bastante bien con muy pocos componentes de esa base
    • En este contexto, la Taylor Series también sirve para aproximar dinámicas reales como una combinación de efectos "mayormente lineales + no lineales". El arrastre es un ejemplo: al aplicar una expansión de Taylor, puede separarse en viscosidad (término lineal) y desplazamiento de volumen (término cuadrático). En aire real, el coeficiente del término lineal es muy pequeño, pero esta forma de verlo ayuda a entender la estructura
    • La razón de que FT se haya vuelto especialmente dominante es que seno, coseno y la exponencial compleja son eigenfunctions del operador derivada. Como muchos sistemas reales se describen con ecuaciones diferenciales, FT se vuelve una herramienta básica de análisis. En particular, la razón de que las señales del mundo real muestren sparsity en el espacio FT es que la mayoría de los sistemas reales tienen mucho movimiento periódico —motores o el aleteo de una mosca, por ejemplo—, así que FT separa componentes de manera muy eficiente. Todas las señales se descomponen en armónicos de una frecuencia fundamental
    • Al final, lo importante es que "las señales que percibe la gente son más sparse". El timbre real de un violín está muy lejos de una onda seno, pero el cerebro lo percibe como un único timbre ideal. O sea, nuestro modelo cognitivo ya está muy comprimido
  • Cuando uno intenta realmente "sentir" Fourier Transform, se vuelve difícil porque para calcular la oscilación de una señal hay que esperar cierto tiempo, y el proceso de transformación incluye integrar. Visualmente uno ve la señal completa, pero en la vida real la señal llega poco a poco, así que no es tan sencillo. Le gustaría leer más a fondo sobre ese caso
    • En esos casos hace falta el concepto de time-frequency analysis, y la herramienta clave es justo la short-time Fourier transform (STFT). Los espectrogramas musicales y muchas visualizaciones se basan en eso
    • Para señales en streaming se usa sliding window FFT. El tamaño de la ventana limita la banda mínima y máxima de frecuencias detectables. La cuantización temporal de los datos digitales también limita la banda de altas frecuencias, y el grosor de la ventana introduce inevitablemente latency, algo importante en el filtrado de voz en tiempo real
    • Intuitivamente, puede pensarse como algo parecido a hacer una convolución con una ventana temporal. El tamaño de la ventana determina la banda de frecuencias detectable
    • Normalmente se ejecuta FFT sobre tramos cortos, por ejemplo de 512 muestras. O se hace con bloques de 1024 muestras avanzando 512 y superponiéndolos; mientras más muestras se usen, mayor precisión se obtiene
  • Al leer esta publicación, sintió que por fin se le abrió de verdad la comprensión de Fourier Transform. También entendió por primera vez el principio detrás de los bitmaps comprimidos, y ahora quiere experimentar por sí mismo con compresión o con separar señales continuas en componentes distinguibles También quiere probar aplicaciones en colour quantisation, por ejemplo obteniendo los componentes RGB principales/promedio e intentando una reducción de color que conserve solo componentes más sparse, en vez de propagar el error como en el dithering tradicional. Puede que no funcione bien, pero le entusiasma el proceso mismo de probar y aprender
  • Puede ser un buen recurso para quien apenas empieza con Fourier Transform, pero también podría hacer que se sienta mucho más arbitraria y aleatoria de lo que realmente es. Incluso podría dar la falsa impresión de que ya se entendió todo, y sería una pena pasar de largo por cosas todavía más bellas Ojalá nadie se pierda la flor de Fourier Analysis, que quizá sea de las cosas más bellas de la vida, por creer equivocadamente que ya la tiene
    https://news.ycombinator.com/item?id=45134843 esa pregunta puede servir como pista sobre esa belleza escondida
  • Si quieres experimentar Fourier Transform de forma más profunda y visual, estas explicaciones explorables son muy útiles
    https://injuly.in/blog/fourier-series/index.html, https://www.jezzamon.com/fourier/
  • Le impresiona la idea de que Fourier afirmara que la distribución del calor en una barra podía representarse como suma de formas de onda simples. Dan ganas de pensar: "¿cómo se le ocurrió eso?". Hay gente que de verdad parece nacer distinta
    • Parece que Fourier estaba realmente muy familiarizado con muchos temas matemáticos distintos, como ecuaciones diferenciales, desarrollo en series y la etapa temprana y caótica del cálculo. En 200 años también ha cambiado muchísimo la frontera de las matemáticas nuevas e interesantes