Transformada de Fourier: como funciona de verdade

Se você congelar o tempo, isolar um instante do som e olhar só para ele, não vê música nenhuma. Vê um número: a pressão do ar naquele microssegundo. Avance um instante e vê outro número. O tempo te dá a partitura escrita numa língua que ninguém consegue ler, uma sequência interminável de alturas de onda subindo e descendo rápido demais para que o olho encontre qualquer sentido nelas. E ainda assim, dessa bagunça, você ouve um acorde. Ouve que há um dó, um mi e um sol tocando juntos. Seu ouvido faz, sem você pedir, uma das operações mais profundas da matemática moderna: ele separa a mistura de volta nas notas que a compõem.

Essa operação tem nome. Chama-se transformada de Fourier. E quase toda explicação que você vai encontrar por aí ou some no meio das integrais, ou dilui tanto que sobra só a frase vaga "ela decompõe o sinal em frequências", sem nunca dizer como. Este artigo é sobre o como. Vou te mostrar o mecanismo real: uma ideia tão simples que dá para explicar num parágrafo, e tão poderosa que aparece no seu Wi-Fi, na ressonância magnética que leu seu joelho, no JPEG da foto que você mandou hoje e, no fim desta página, no coração de um dos maiores problemas em aberto da matemática, a Hipótese de Riemann, que é onde boa parte da minha pesquisa vive.

Vou ser honesto com você o tempo todo sobre o que é fato demonstrado, o que é só evidência numérica, e o que ainda é conjectura. Essa distinção é a espinha dorsal deste texto. Vamos.

O problema: um sinal complexo é uma bagunça de ondas somadas

Comece com o caso mais limpo possível. Uma nota pura, um diapasão, é uma onda senoidal. Sobe e desce num ritmo perfeitamente regular. Se você desenhar a pressão do ar ao longo do tempo, sai aquela curva ondulada bonita que todo mundo conhece. Uma frequência só. Fácil.

Agora toque três diapasões ao mesmo tempo. O ar não pode estar em três estados de uma vez, então ele faz a única coisa possível: soma. Em cada instante, a pressão total é a soma das três pressões individuais. O gráfico que resulta disso já não é bonito. É uma curva torturada, cheia de picos irregulares, que sobe alto quando as três ondas por acaso empurram na mesma direção e quase some quando elas se anulam. Olhando para essa curva, você não tem a menor chance de adivinhar que ela nasceu de três senoides limpas.

E isso é só três. Uma orquestra tem dezenas de instrumentos, cada um com sua nota fundamental e uma nuvem de harmônicos por cima. A onda de pressão que chega ao seu ouvido é a soma de tudo isso, milhares de ondas empilhadas num único traço que serpenteia. É uma bagunça. E o problema central é este:

O sinal esconde suas partes. A soma é uma operação que joga informação junta num caldeirão só. A pergunta é se dá para desfazer o caldeirão. E a resposta, que parece boa demais, é: dá.

Três senoides limpas somadas viram uma única curva bagunçada. A transformada faz o caminho inverso: da bagunça de volta às três.

A grande ideia: e se déssemos para separar essa soma de volta nas ondas originais?

Aqui está o salto que Joseph Fourier deu em 1822, estudando como o calor se espalha por uma barra de metal, e que na época soou tão absurdo que os maiores matemáticos da França torceram o nariz. A afirmação é radical:

Praticamente qualquer sinal, por mais retorcido que pareça, pode ser escrito como uma soma de ondas senoidais simples, cada uma com sua frequência e sua intensidade. A bagunça não é o oposto da ordem. A bagunça é ordem empilhada. Toda a complexidade daquela curva torturada está codificada numa receita: tanto desta frequência, tanto daquela, tanto de uma terceira.

Se isso é verdade, então decompor o sinal é a mesma coisa que descobrir a receita. E descobrir a receita significa responder, para cada frequência possível, uma única pergunta: quanto dela existe aqui dentro?

Repare no que aconteceu. Trocamos um problema impossível ("desembaralhe essa curva") por uma pergunta repetida e concreta ("quanto de 440 Hz? quanto de 441? quanto de 442?"). Se eu tiver um jeito de responder essa pergunta para uma frequência, eu respondo para todas: é só repetir. E responder para todas é a decomposição completa.

Então todo o gênio da transformada de Fourier se reduz a construir um instrumento: um detector que aponto para uma frequência-alvo e que me diz, com um número, quanto dessa frequência mora dentro do sinal. O resto é deslizar o detector.

Domínio do tempo × domínio da frequência: as duas fotos do mesmo sinal

Antes de construir o detector, preciso te dar o vocabulário, porque ele organiza tudo o que vem depois.

Um sinal pode ser visto de dois jeitos, e os dois contêm exatamente a mesma informação. Nada se ganha, nada se perde ao passar de um para o outro.

O primeiro jeito é o domínio do tempo. É a curva que descrevi: pressão (ou tensão, ou o que for) em função do instante. Responde à pergunta "o que estava acontecendo no momento t?". É a foto que o microfone tira.

O segundo é o domínio da frequência. É a receita: para cada frequência, a intensidade com que ela participa. Responde à pergunta "quanto de cada frequência há no sinal, considerado como um todo?". É a foto que o seu ouvido monta.

Essa dualidade é o assunto de uma área inteira que eu chamo de análise no domínio da frequência, e é a lente com que vou olhar tudo daqui em diante, inclusive os números primos, lá no fim.

A analogia do prisma: separar a luz branca em cores

A imagem que grava isso de vez é o prisma. A luz branca do sol parece "uma coisa só", um sinal complicado, bagunçado, sem estrutura aparente. Você aponta essa luz para um prisma de vidro e, do outro lado, sai um arco-íris: vermelho, laranja, amarelo, verde, azul, violeta, cada cor num lugar distinto do espaço.

O prisma não adicionou nada. Ele revelou. A luz branca sempre foi a soma daquelas cores; o prisma só espalhou cada uma para um ângulo diferente, e de repente você vê a receita. Cada cor é uma frequência da luz. O arco-íris é o espectro.

A transformada de Fourier é o prisma matemático. Ela pega o sinal "branco", a mistura no tempo, e o espalha ao longo do eixo das frequências, revelando quanto de cada uma existe. Vermelho intenso, azul fraco? Frequência grave forte, aguda quase ausente. Mesma ideia, sem vidro.

Como a transformada "detecta" uma frequência

Chegamos ao coração do mecanismo. Aqui é onde a maioria das explicações foge para a integral e te deixa na mão. Eu não vou fazer isso. A ideia é física, e dá para senti-la.

Multiplicar o sinal por uma onda-teste e medir a correlação

Quero saber quanto de uma frequência específica, digamos 440 Hz, o lá do diapasão, existe no meu sinal. Faço o seguinte: pego uma onda-teste pura de exatamente 440 Hz, uma senoide limpa que eu mesmo gero, e a multiplico ponto a ponto pelo sinal misterioso. Depois somo (integro) o resultado ao longo de todo o tempo.

Por que isso funciona? Pense no que a multiplicação faz instante a instante.

Se o sinal contém uma componente de 440 Hz, essa componente e a minha onda-teste sobem e descem no mesmo ritmo. Estão em sincronia. Quando a onda-teste é positiva, a componente também tende a ser; quando é negativa, a componente também. Positivo vezes positivo dá positivo; negativo vezes negativo também dá positivo. O produto fica quase sempre positivo, e a soma cresce, cresce, cresce. Acumula um número grande.

Se o sinal não contém 440 Hz, e contém, digamos, só 300 Hz, então a onda-teste e o sinal andam fora de compasso. Ora estão juntos, ora opostos, de um jeito irregular. O produto ora é positivo, ora negativo, e na soma esses pedaços se cancelam. Sobra quase zero.

É isso. Não há truque mais fundo do que esse. A fórmula que você já deve ter visto,

$F(\omega) = \int_{-\infty}^{\infty} f(t)\, e^{-i\omega t}\, dt,$

não é nada além dessa frase escrita em símbolos: $f(t)$ é o sinal, $e^{-i\omega t}$ é a onda-teste de frequência $\omega$ , a multiplicação é a correlação instante a instante, e a integral $\int dt$ é o "somar ao longo de todo o tempo". Um detector de frequência. Ponto.

Em sincronia, os produtos se reforçam e a soma acumula; fora de sincronia, os produtos se anulam e a soma some. Isso é medir correlação.

Deslizar esse detector por todas as frequências → o espectro

Um detector responde por uma frequência. Mas eu quero a receita inteira. Então faço a coisa óbvia: deslizo o detector.

Ajusto $\omega$ para 20 Hz, mido a correlação, anoto. Subo para 21 Hz, mido, anoto. E assim por diante, varrendo todas as frequências que me interessam, de graves a agudas. Cada medição vira um ponto num novo gráfico: frequência no eixo horizontal, intensidade no vertical. Esse gráfico é o espectro, $F(\omega)$ , a segunda foto do sinal, a receita completa, a foto que o ouvido monta.

Onde o sinal tem energia, o espectro tem um pico. Onde não tem, o espectro fica rente ao chão. Toque os três diapasões do começo do artigo, passe o detector, e o espectro te devolve exatamente três picos afiados, nas três frequências certas: a bagunça no tempo, desembaralhada na frequência. O caldeirão desfeito.

E o mais bonito: nada se perdeu. A transformada inversa pega o espectro e reconstrói o sinal original no tempo, instante por instante. As duas fotos guardam a mesma informação; você anda de uma para a outra e volta sem deixar migalha pelo caminho. Isso vale, e faço questão do rótulo, sob hipóteses técnicas sobre o sinal (essencialmente, que ele seja bem-comportado, integrável, de energia finita). Voltarei a essa ressalva na seção dos limites, porque ela importa.

Por que aparecem números complexos: amplitude e fase juntas

Você deve ter reparado naquele $e^{-i\omega t}$ com um $i$ dentro, a raiz de menos um. Muita gente trava aqui achando que os complexos são um capricho abstrato. Não são. Eles resolvem um problema concreto e teimoso.

O problema é este: para descrever uma componente de frequência, não basta dizer quanto dela existe. Você precisa dizer também onde no ciclo ela está, se está começando a subir, no pico, descendo. Isso se chama fase. Duas ondas de mesma frequência e mesma intensidade, mas com fases diferentes, são sinais diferentes: uma pode reforçar a outra ou cancelá-la, dependendo de como as fases se encaixam. Uma detecção honesta tem que capturar as duas coisas, a intensidade e a fase, de uma vez só.

Um detector feito só com cosseno mede bem as componentes que estão "em fase" com ele, mas é cego para as que estão a um quarto de ciclo de distância, porque uma senoide multiplicada por um cosseno desalinhado integra zero, e o detector conclui, erradamente, "não há nada aqui". Precisaríamos de dois detectores: um com cosseno e um com seno, cobrindo as duas fases.

A fórmula de Euler faz exatamente essa costura num objeto só:

$e^{-i\omega t} = \cos(\omega t) - i\,\operatorname{sen}(\omega t).$

A parte real testa uma fase, a parte imaginária testa a outra, simultaneamente. O resultado $F(\omega)$ sai como um número complexo, e é aí que está a elegância: o módulo desse número (seu comprimento no plano) é a amplitude, quanto daquela frequência existe. O argumento (o ângulo que ele faz) é a fase, onde no ciclo ela está. Um número complexo é o recipiente natural para guardar "quanto" e "onde no ciclo" ao mesmo tempo.

Não há mistério, então. Os complexos entram porque a fase é real e precisa ser medida, e eles são a ferramenta exata para medi-la sem pontos cegos.

Série de Fourier vs Transformada de Fourier: qual usar quando

Há uma distinção que confunde muita gente, e ela é simples quando você olha pelo lado certo: periódico ou não.

Se o sinal se repete, uma nota sustentada, uma corrente elétrica alternada, qualquer coisa cíclica, então ele só pode conter frequências que "cabem" certinho no seu período: a frequência fundamental e seus múltiplos inteiros, os harmônicos. Nada entre eles. O espectro, nesse caso, é discreto: uma fileira de picos espaçados, um para cada harmônico. Essa é a série de Fourier, uma soma de senoides bem separadas, cada uma um degrau da escada de harmônicos. É a mesma família das séries de funções que aparecem por toda a análise.

Se o sinal não se repete, um estalo, uma palavra falada, um pulso único que acontece e some, então ele pode conter frequências de qualquer valor, num contínuo. O espectro deixa de ser uma fileira de picos e vira uma curva suave sobre todas as frequências. Essa é a transformada de Fourier propriamente dita, a generalização da série para o caso não periódico, com integral no lugar da soma.

Na prática você escolhe pela natureza do sinal. Um tom de telefone, sustentado, pede série. Uma gravação de fala, que nunca se repete, pede transformada.

Da teoria ao computador: DFT e FFT em uma frase

Tudo o que descrevi até aqui vive no mundo contínuo, com integrais de menos infinito a mais infinito. O computador não tem infinito nem continuidade. Ele tem uma lista finita de amostras, os números que a placa de som capturou a cada fração de segundo.

A versão da transformada para essa lista finita chama-se DFT, transformada discreta de Fourier: em vez da integral, uma soma finita; em vez de todas as frequências, um conjunto finito delas. É a transformada que um computador realmente calcula.

O problema é que a DFT feita ingenuamente é lenta: para $N$ amostras, ela custa da ordem de $N^2$ operações. Para o áudio de uma música inteira, isso é proibitivo. Em 1965, Cooley e Tukey publicaram um algoritmo, a FFT, transformada rápida de Fourier, que calcula exatamente a mesma DFT em ordem de $N \log N$ operações, explorando simetrias e resolvendo o problema por partes. A diferença entre $N^2$ e $N \log N$ é a diferença entre inviável e instantâneo; é por isso que a FFT é rotineiramente citada como um dos algoritmos mais importantes do século XX, e é ela que roda, agora mesmo, dentro de cada equalizador e cada modem à sua volta.

Onde isso aparece no mundo real

Se você acha que Fourier é matéria de prova de cálculo, olhe em volta. Ele está funcionando em quase tudo que apita, transmite ou fotografa.

Áudio. O equalizador do seu app de música é literalmente o espectro com botões: ele passa o sinal para o domínio da frequência, aumenta ou corta faixas, e volta. Compressão de música (MP3, AAC) joga fora as frequências que o ouvido não percebe, decisão tomada no espectro. Apps que identificam a música tocando geram uma impressão digital espectral e a comparam com um banco.

Imagem. O JPEG usa a DCT, a transformada de cosseno discreta, prima real e próxima da de Fourier, para quebrar cada bloco da imagem em frequências espaciais e descartar as altas, que o olho mal registra. Toda foto comprimida que você já viu passou por uma transformada.

Medicina. A ressonância magnética não fotografa seu corpo diretamente. O aparelho adquire dados no que os físicos chamam de "espaço-k", que é o domínio de Fourier da imagem. A imagem que o médico vê é, literalmente, a transformada inversa desses dados. Sem Fourier, não há imagem.

Comunicações. Wi-Fi, 4G e 5G usam uma técnica chamada OFDM, em que seus dados viajam distribuídos por dezenas ou centenas de subportadoras, cada uma numa frequência distinta, montadas e desmontadas por FFT em tempo real. Você está lendo isto graças a transformadas de Fourier acontecendo milhares de vezes por segundo no seu roteador.

Física. A motivação original de Fourier, em 1822, era a equação do calor. O motivo de a transformada ser tão útil em física é um truque quase mágico: no domínio da frequência, derivar vira multiplicar. Uma equação diferencial complicada no tempo pode virar uma equação algébrica trivial na frequência: você resolve lá e volta. Na mecânica quântica, posição e momento formam um par de Fourier, e o princípio da incerteza de Heisenberg é, no fundo, um teorema sobre transformadas: um sinal não pode estar arbitrariamente concentrado no tempo e na frequência ao mesmo tempo. Concentre num, espalha no outro. Guarde essa frase; ela vai voltar transformada em pesquisa de ponta lá no fim.

Cristalografia. Quando raios X atravessam um cristal, o padrão de difração que sai é (o módulo ao quadrado de) uma transformada de Fourier da estrutura atômica. Foi lendo esse padrão, invertendo a transformada, no fundo, que Watson e Crick enxergaram a dupla hélice do DNA. A forma da vida foi lida através de Fourier.

A mesma ideia, decompor complexidade numa soma de ondas simples e trabalhar no espectro, resolve a equação do calor, comprime sua foto, forma a imagem do seu joelho e transmite este texto ao seu aparelho. Poucas ideias na matemática cobrem tanto terreno com tão pouca máquina.

Fourier e a Hipótese de Riemann: quando o espectro encontra os números primos

Agora eu te levo para onde vivo. Passo boa parte do meu tempo de pesquisa dentro de um dos maiores problemas em aberto da matemática, a Hipótese de Riemann, e a transformada de Fourier não é uma coincidência decorativa ali: ela é estrutural. Vou te mostrar por quê, e vou marcar com todo o cuidado o nível de rigor de cada afirmação, porque essa é a parte em que é mais fácil (e mais desonesto) exagerar.

Primeiro, o que a Hipótese de Riemann diz. Em 1859, Bernhard Riemann estudou uma função, a função zeta, que codifica a distribuição dos números primos. Essa função tem certos pontos onde vale zero, os "zeros não triviais". A hipótese afirma que todos esses zeros estão alinhados sobre uma única reta vertical no plano complexo, a reta de parte real $1/2$ .

Por que isso teria a ver com Fourier? Porque os primos, olhados do jeito certo, têm um espectro, e os zeros da zeta são as frequências desse espectro. Vou destrinchar em quatro camadas.

A fórmula explícita: os zeros da zeta como "frequências" dos primos

Os primos parecem espalhados ao acaso: 2, 3, 5, 7, 11, 13, sem regra óbvia. Mas há uma regularidade escondida na contagem deles, quantos primos existem até um número $x$ . Riemann encontrou uma fórmula, hoje demonstrada e conhecida como fórmula explícita, que liga essa contagem diretamente aos zeros da zeta.

E a forma da ligação é de arrepiar quem gosta de Fourier. Cada zero $\rho = 1/2 + i\gamma$ da zeta contribui, na contagem dos primos, com um termo oscilante, algo como $x^{1/2}\cos(\gamma \log x)$ . Uma onda. A parte $\gamma$ do zero é a frequência dessa onda; a parte $1/2$ controla a amplitude. A distribuição dos primos é a soma de todas essas ondas, uma por zero.

Repare como o vocabulário do começo do artigo voltou inteiro: domínio, frequência, amplitude, espectro. Os primos, no tempo, são uma bagunça. No domínio da frequência, o dos zeros da zeta, eles se organizam. É exatamente a mesma virada de foto.

A contagem de primos é uma escada. Somando as ondas dos primeiros zeros da zeta, a curva suave começa a reproduzir cada degrau: uma síntese de Fourier dos primos.

A função Ξ como uma transformada de Fourier, e o critério dos zeros reais

A ligação fica ainda mais direta. Existe uma função, batizada de $\Xi(t)$ (csi maiúsculo), montada a partir da zeta, e ela se escreve exatamente como uma transformada de Fourier:

$\Xi(t) = \int_{-\infty}^{\infty} \Phi(u)\, e^{itu}\, du,$

onde $\Phi$ é uma função par, positiva e que decai muito rápido. Isto é: $\Xi$ é o espectro de $\Phi$ . E aí acontece o seguinte fato notável.

Há um número que mede o "quão longe" estamos disso, a constante de de Bruijn–Newman, $\Lambda$ . A relação é limpa: a RH equivale a $\Lambda \le 0$ .

O critério de Weil: a RH como uma positividade em Fourier

Há uma terceira camada, e ela reforça o mesmo padrão. André Weil reformulou a fórmula explícita de um jeito que transforma a RH numa afirmação de positividade.

Três reformulações independentes, três equivalências demonstradas, fórmula explícita, transformada $\Xi$ , critério de Weil, e todas colocam a análise de Fourier no centro do problema. Não é acidente. É a estrutura do objeto.

Hilbert–Pólya e os operadores prolatos: a linha espectral atual

A camada mais profunda, e a mais especulativa, é uma velha intuição. E se aqueles zeros da zeta não fossem só zeros, mas os autovalores de algum operador, as frequências naturais de vibração de algum sistema, como as frequências de um tambor são os autovalores do seu operador de vibração? Um operador do tipo certo (auto-adjunto) tem autovalores forçosamente reais, e isso daria a RH de graça. Essa é a conjectura de Hilbert–Pólya.

E é aqui que a pesquisa mais recente encosta em algo que discutimos lá atrás. Lembra do princípio da incerteza, um sinal não pode estar concentrado no tempo e na frequência ao mesmo tempo? As funções que melhor equilibram essa tensão, as mais concentradas que a incerteza permite simultaneamente em tempo e em banda, têm nome: funções de onda esferoidais prolatas, as funções de Slepian. Elas são, exatamente, as autofunções da transformada de Fourier truncada, a transformada limitada a uma janela finita.

E é neste ponto que a pesquisa deixa de ser história que eu conto e passa a ser trabalho que eu faço. Dentro desse programa CCM, parte do que venho desenvolvendo é uma verificação quantitativa de um dos lemas centrais do paper, o Lemma 7.3, aplicada aos primeiros zeros de Riemann, com aritmética de precisão arbitrária, calculando a 150 dígitos para não me enganar com erro numérico. Fechei rigorosamente dois pontos que o paper deixava em aberto e provei alguns lemas analíticos próprios; um deles é uma identidade que conecta a transformada de Mellin, a irmã multiplicativa da transformada de Fourier, de volta à função $\Xi$ , na forma $M(E(h))(it) = \Xi(t)/4$ .

O que me fascina, e o motivo de eu ter te trazido por todo esse caminho, é que a ferramenta é a mesma do começo. O prisma que separa a luz, o detector que mede correlação com ondas-teste, o espectro que revela o que a soma escondia, é essa mesma ideia, levada ao limite, que hoje aponta para o coração dos números primos. Quando finalmente enxergo isso funcionando nos meus próprios cálculos, a sensação não é de estar usando uma fórmula. É de estar segurando o prisma.

Os limites: o que a transformada NÃO faz

Um artigo honesto sobre uma ferramenta poderosa tem que dizer onde ela falha. A transformada de Fourier tem ressalvas reais, e ignorá-las é a origem de muito uso errado.

Ela não localiza eventos no tempo. O espectro te diz quais frequências existem no sinal, mas não quando cada uma tocou. Uma música inteira e a mesma música com as notas embaralhadas podem ter espectros parecidos: a transformada olha o sinal como um todo e perde a linha do tempo. Para saber quando, você precisa de ferramentas que particionam o sinal em janelas (a transformada de Fourier de tempo curto) ou de wavelets. E isso não é opcional: é o próprio princípio da incerteza mordendo, quanto mais você quer precisão na frequência, menos precisão sobra no tempo, e vice-versa. Não é limitação de engenharia; é teorema.

Ela exige hipóteses sobre o sinal. Toda a bela garantia de "nada se perde, a inversa reconstrói tudo" vale para sinais bem-comportados, integráveis, de energia finita. Não é verdade que qualquer objeto matemático se decompõe trivialmente sem cuidado; há sinais patológicos onde a integral não converge, onde é preciso definir a transformada em sentidos mais fracos, com maquinaria própria. O caso limpo cobre praticamente tudo que a física e a engenharia encontram, mas o "praticamente" está lá, e é honesto mantê-lo.

Ela não resolve problemas sozinha. A transformada é uma mudança de ponto de vista, não uma varinha. Ela move o problema para o domínio onde ele pode ficar mais fácil, derivar vira multiplicar, convolução vira produto, os primos revelam sua estrutura. Mas o trabalho de resolver continua depois da mudança de foto. Na Hipótese de Riemann, isso é gritante: reformular a RH como "os zeros de $\Xi$ são reais" ou como uma positividade de Weil é um ganho enorme de perspectiva, e mesmo assim o problema segue aberto há mais de 160 anos. Trocar de domínio ilumina; não dispensa a escalada.

Recapitulando a intuição em três frases

A transformada de Fourier pega um sinal bagunçado no tempo e pergunta, para cada frequência, "quanto de você existe aqui?", respondendo isso ao multiplicar o sinal por uma onda-teste daquela frequência e medir a correlação, que explode quando há sincronia e cancela quando não há.

Deslizando esse detector por todas as frequências, ela troca a foto do quando pela foto do do quê: o espectro, a mesma informação vista pelo outro lado, reversível e completa dentro das hipóteses certas.

E essa ideia única, decompor a complexidade numa soma de ondas simples, é tão fundamental que forma sua foto de ressonância, transmite seu Wi-Fi, e chega, sem overclaim e sem atalho, até o coração aberto da Hipótese de Riemann, onde os zeros da zeta são as frequências dos primos e onde, com um prisma na mão e muita disciplina sobre o que de fato está provado, eu passo meus dias.