Vai al contenuto

Trasformata di Fourier

Storia

Nel 1807, Jean-Baptiste Joseph Fourier (1768-1830) presentò alla Académie des Sciences di Parigi un memoria rivoluzionaria: qualsiasi funzione periodica può essere espressa come somma di seni e coseni. Questa idea, nata dallo studio della propagazione del calore, avrebbe trasformato la matematica, la fisica e l'ingegneria.

La polemica con Lagrange: Il matematico Joseph-Louis Lagrange (1736-1813), all'epoca uno dei più influenti della comunità scientifica, si oppose fermamente. Sosteneva che le serie trigonometriche fossero inappropriate per funzioni con discontinuità (come onde quadre), poiché le somme di funzioni continue non possono produrre discontinuità. L'Académie respinse il lavoro di Fourier, citando proprio queste obiezioni.

Fu solo nel 1822 che Fourier pubblicò Théorie Analytique de la Chaleur, dove sviluppò completamente la teoria. Oggi sappiamo che Lagrange aveva ragione sulle condizioni di convergenza puntuale, ma la visione di Fourier era corretta in senso \(L^2\) (convergenza in media quadratica), concetto che verrebbe formalizzato solo un secolo dopo.

L'ironia della storia: la trasformata di Fourier, inizialmente criticata per le sue discontinuità, è diventata lo strumento fondamentale per analizzarle.

Intuizione Fondamentale

La trasformata di Fourier è la lente matematica che scompone un segnale complesso nelle sue frequenze costituenti.

L'analogia delle onde: Immaginate un complesso paesaggio sonoro: una sinfonia orchestrale. Le vostre orecchie percepiscono il suono complessivo, ma la trasformata di Fourier lo "decompone" in: - Il do a 262 Hz del violino - Il sol a 392 Hz del flauto - La percussione a tutte le frequenze

L'intuizione fisica: Qualsiasi segnale può essere visto come una sovrapposizione di onde sinusoidali di diverse frequenze, ampiezze e fasi. La trasformata di Fourier rivela quanto di ciascuna frequenza è presente nel segnale originale.

Questo spostamento dal "dominio del tempo" (quando accade qualcosa) al "dominio delle frequenze" (con quale frequenza accade) è profondamente utile.

Serie di Fourier (Segnali Periodici)

Per una funzione periodica \(f(x)\) con periodo \(2L\), la serie di Fourier è:

\[f(x) = \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[ a_n \cos\left(\frac{n\pi x}{L}\right) + b_n \sin\left(\frac{n\pi x}{L}\right) \right]\]

dove i coefficienti sono:

\[a_n = \frac{1}{L} \int_{-L}^{L} f(x) \cos\left(\frac{n\pi x}{L}\right) dx\]
\[b_n = \frac{1}{L} \int_{-L}^{L} f(x) \sin\left(\frac{n\pi x}{L}\right) dx\]

Forma complessa (più elegante per la trasformata):

\[f(x) = \sum_{n=-\infty}^{\infty} c_n e^{i\frac{n\pi x}{L}}\]

dove \(c_n = \frac{1}{2L} \int_{-L}^{L} f(x) e^{-i\frac{n\pi x}{L}} dx\)

Trasformata di Fourier Continua

Per segnali non periodici, passiamo al continuo. La trasformata di Fourier di \(f(x)\) è:

\[\hat{f}(\xi) = \int_{-\infty}^{\infty} f(x) e^{-i2\pi\xi x} dx\]

e l'inversa:

\[f(x) = \int_{-\infty}^{\infty} \hat{f}(\xi) e^{i2\pi\xi x} d\xi\]

Notazione alternative: - \(\hat{f}(\omega) = \int_{-\infty}^{\infty} f(x) e^{-i\omega x} dx\) (con \(\omega = 2\pi\xi\)) - \(\mathcal{F}\{f(x)\} = \hat{f}(\xi)\)

Esempi Fondamentali

1. Gaussiana

La trasformata di una gaussiana è un'altra gaussiana:

\[f(x) = e^{-\pi x^2} \quad \Rightarrow \quad \hat{f}(\xi) = e^{-\pi \xi^2}\]

Questo auto-dualismo è unico e profondamente importante. Più genericamente:

\[f(x) = e^{-ax^2} \quad \Rightarrow \quad \hat{f}(\xi) = \sqrt{\frac{\pi}{a}} e^{-\frac{\pi^2\xi^2}{a}}\]

Implicazione: Una gaussiana "larga" nel dominio del tempo diventa "stretta" nel dominio delle frequenze, e viceversa.

2. Delta di Dirac

La delta di Dirac \(\delta(x)\) è la distribuzione tale che: - \(\delta(x) = 0\) per \(x \neq 0\) - \(\int_{-\infty}^{\infty} \delta(x) dx = 1\) - \(\int_{-\infty}^{\infty} f(x)\delta(x-a) dx = f(a)\)

La sua trasformata è uniforme:

\[\mathcal{F}\{\delta(x)\} = 1\]

Intuizione: Un impulso istantaneo (infinitamente concentrato nel tempo) contiene tutte le frequenze in egual misura.

Viceversa:

\[\mathcal{F}\{1\} = \delta(\xi)\]

Un segnale costante contiene solo la frequenza zero.

3. Funzione Rettangolare (Sinc nel dominio delle frequenze)

\[\Pi(x) = \begin{cases} 1 & |x| \leq \frac{1}{2} \\ 0 & \text{altrimenti} \end{cases}\]
\[\hat{\Pi}(\xi) = \text{sinc}(\xi) = \frac{\sin(\pi\xi)}{\pi\xi}\]

La funzione sinc ha oscillazioni decrescenti che si estendono all'infinito, mostrando come una funzione a supporto compatto nel tempo abbia supporto infinito nelle frequenze.

Proprietà Principali

1. Linearità

\[\mathcal{F}\{af(x) + bg(x)\} = a\hat{f}(\xi) + b\hat{g}(\xi)\]

2. Traslazione nel Tempo

\[\mathcal{F}\{f(x - a)\} = e^{-i2\pi\xi a}\hat{f}(\xi)\]

Intuizione: Spostare un segnale nel tempo aggiunge solo una fase lineare nel dominio delle frequenze; l'ampiezza spettrale non cambia.

3. Traslazione in Frequenza (Modulazione)

\[\mathcal{F}\{e^{i2\pi\xi_0 x}f(x)\} = \hat{f}(\xi - \xi_0)\]

Intuizione: Moltiplicare per un esponenziale complesso "sposta" lo spettro. Questo è il principio della modulazione radio.

4. Riscalamento

\[\mathcal{F}\{f(ax)\} = \frac{1}{|a|}\hat{f}\left(\frac{\xi}{a}\right)\]

Principio di Indeterminazione: Comprimere un segnale nel tempo (\(a > 1\)) lo espande nelle frequenze, e viceversa. Questo è il fondamento del principio di indeterminazione di Heisenberg.

5. Derivata

\[\mathcal{F}\{f'(x)\} = i2\pi\xi \hat{f}(\xi)\]

Intuizione: La derivazione enfatizza le alte frequenze (moltiplicazione per \(\xi\)). Questo è utile per risolvere equazioni differenziali.

6. Convoluzione

\[\mathcal{F}\{(f * g)(x)\} = \hat{f}(\xi) \cdot \hat{g}(\xi)\]

dove \((f * g)(x) = \int_{-\infty}^{\infty} f(y)g(x-y)dy\)

Teorema Fondamentale: La convoluzione nel dominio del tempo diventa una semplice moltiplicazione nel dominio delle frequenze. Questo rende la trasformata di Fourier estremamente utile per sistemi lineari.

7. Teorema di Parseval (Conservazione dell'Energia)

\[\int_{-\infty}^{\infty} |f(x)|^2 dx = \int_{-\infty}^{\infty} |\hat{f}(\xi)|^2 d\xi\]

L'energia totale di un segnale è la stessa in entrambi i domini.

Applicazioni

1. Elaborazione Audio

  • Equalizzatori: Amplificano o attenuano bande di frequenza specifiche
  • Filtri: Eliminano rumore (alte frequenze) o risonanze
  • Compressione MP3: Elimina frequenze impercettibili all'orecchio umano
  • Autotune: Analizza e corregge la frequenza fondamentale del pitch

2. Elaborazione delle Immagini

La trasformata di Fourier 2D:

\[\hat{f}(u, v) = \iint f(x, y) e^{-i2\pi(ux + vy)} dx dy\]

Applicazioni: - Compressione JPEG: DCT (trasformata coseno discreta, parente della Fourier) - Filtraggio: Rimozione di pattern periodici, sharpening - Ricostruzione tomografica: CT e MRI usano proiezioni di Fourier - Watermarking: Incorporazione di firme nelle frequenze alte (invisibili)

3. Meccanica Quantistica

In meccanica quantistica, la trasformata di Fourier collega lo spazio delle posizioni e lo spazio dei momenti:

\[\psi(p) = \frac{1}{\sqrt{2\pi\hbar}} \int_{-\infty}^{\infty} \psi(x) e^{-ipx/\hbar} dx\]

Questo è il fondamento matematico del principio di indeterminazione di Heisenberg:

\[\Delta x \cdot \Delta p \geq \frac{\hbar}{2}\]

Se la funzione d'onda è concentrata nello spazio (piccolo \(\Delta x\)), la sua trasformata di Fourier (il momento) è dispersa (grande \(\Delta p\)).

4. Telecomunicazioni

  • Modulazione: Spettri di segnali traslati per trasmissione multipla
  • OFDM: Divisione di frequenze ortogonali usata in WiFi, 4G, 5G
  • Radar: Analisi della frequenza Doppler per velocità
  • GPS: Correlazione di segnali nel dominio delle frequenze

5. Risoluzione di Equazioni Differenziali

La trasformata di Fourier converte: - Derivate → Moltiplicazioni - Convoluzioni → Moltiplicazioni - Equazioni differenziali → Equazioni algebriche

Esempio: L'equazione del calore

\[\frac{\partial u}{\partial t} = \alpha \frac{\partial^2 u}{\partial x^2}\]

Trasformando:

\[\frac{\partial \hat{u}}{\partial t} = -4\pi^2\alpha\xi^2 \hat{u}\]

Che ha soluzione immediata:

\[\hat{u}(\xi, t) = \hat{u}(\xi, 0) e^{-4\pi^2\alpha\xi^2 t}\]

Trasformata Discreta (DFT) e FFT

Per dati campionati digitalmente, usiamo la Discrete Fourier Transform (DFT):

\[X_k = \sum_{n=0}^{N-1} x_n e^{-i2\pi kn/N}\]

L'algoritmo Fast Fourier Transform (FFT), sviluppato da Cooley e Tukey nel 1965 (ma noto a Gauss nel 1805!), calcola la DFT in \(O(N \log N)\) invece di \(O(N^2)\), rendendo pratici calcoli su milioni di punti.

Riferimenti

  • Fourier, J. (1822). Théorie Analytique de la Chaleur. Paris: Firmin Didot.
  • Bracewell, R. N. (1999). The Fourier Transform and Its Applications (3rd ed.). McGraw-Hill.
  • Stein, E. M., & Shakarchi, R. (2003). Fourier Analysis: An Introduction. Princeton University Press.
  • Oppenheim, A. V., & Schafer, R. W. (2009). Discrete-Time Signal Processing (3rd ed.). Prentice Hall.