1 历史与发展
1.1 早期思想与热传导问题
傅里叶分析的思想可以追溯到对振动、声学和热扩散现象的研究。18世纪末至19世纪初，数学家开始尝试用叠加简单波形来描述复杂现象，特别是在热传导方程的研究中，如何表示初始温度分布成为核心问题。对这一问题的探索，为后来的级数展开与频域方法奠定了基础。
1.2 傅里叶级数的提出
傅里叶在研究热传导时提出，许多周期函数都可以表示为正弦与余弦函数的和。这一观点当时具有很强的突破性，因为它将看似复杂的函数表示问题转化为一组标准波形的组合问题。傅里叶级数由此成为分析周期现象的重要工具，也引发了关于其严格性与适用范围的深入讨论。
1.3 傅里叶变换的形成
随着非周期现象和无限区间问题的研究深入，傅里叶级数的框架逐渐推广为傅里叶变换。与离散频率对应的级数不同，傅里叶变换把函数分解到连续频率上，更适合处理孤立脉冲、衰减信号和传播问题。它的形成标志着频域分析从周期情形走向更一般的函数空间。
1.4 现代调和分析的发展
20世纪以来，傅里叶分析与函数空间理论、测度论、分布理论和泛函分析不断融合，逐渐发展为现代调和分析的重要组成部分。研究重点也从“能否展开”扩展到“在什么意义下展开、如何估计、如何在不同空间中控制频谱行为”。这一阶段形成了许多深刻定理，并推动了偏微分方程、信号处理和数值计算的发展。
2 基本概念
2.1 周期函数与频率分解
傅里叶分析的基本对象之一是周期函数。若一个函数在固定间隔后重复其取值，则可通过不同频率成分的叠加来刻画其结构。频率分解的思想认为，复杂波形可以拆解为若干简单振荡模式，而每个模式都携带特定的周期信息。
2.2 正弦与余弦表示
正弦和余弦是最基本的振荡函数，具有明确的周期性和良好的解析性质。将函数表示为这些函数的线性组合，不仅便于计算，也利于分析导数、积分和能量分布。由于正弦余弦之间存在相位差，它们常被用来共同描述一般振动。
2.3 复指数形式
复指数形式将正弦和余弦统一写为指数函数，借助欧拉公式可以简化许多推导。该表示法在处理平移、卷积和微分时尤为方便，因此在理论分析和实际算法中都非常常见。复指数形式也使频率与相位的表达更加紧凑。
2.4 谱与频域的概念
谱通常指函数或信号在不同频率上的分布情况，频域则是与时间域或空间域相对应的表示方式。在频域中，某些复杂操作会转化为更简单的代数运算，例如卷积对应乘法。谱观点是傅里叶分析的核心，它强调从“变化快慢”而非“局部值大小”来理解对象。
3 傅里叶级数
3.1 定义与基本形式
傅里叶级数用于表示周期函数。一般而言，一个周期函数可展开为常数项、正弦项和余弦项的无穷和，或等价地写成复指数形式。级数中的系数反映各频率成分的强弱，是函数频谱的离散表示。
3.2 三角函数系展开
三角函数系展开依赖正弦、余弦函数在适当区间上的正交性。通过投影思想，可以从函数中提取出各个频率分量的系数。若函数满足一定条件，这种展开不仅能表达函数，还能保留其平均值、对称性和振荡特征。
3.3 收敛性问题
傅里叶级数是否真正逼近原函数，取决于收敛意义。不同的收敛方式对应不同的分析强度，也决定了级数在应用中的可靠程度。收敛问题是傅里叶级数理论中的关键部分。
3.3.1 点态收敛
点态收敛关注级数在每个固定点是否趋于原函数值。对于较规则的函数，级数往往能在绝大多数点上收敛；但在不连续点附近，极限值可能与函数值、左右极限之间存在特定关系。点态收敛最直观，但也最容易受到局部奇异性的影响。
3.3.2 一致收敛
一致收敛要求误差在整个区间内同时变小，因此比点态收敛更强。若傅里叶级数一致收敛，通常可交换极限与积分、求导等操作，并获得更稳定的近似效果。不过在含有跳跃不连续的情形下，一致收敛往往难以成立。
3.3.3 平均收敛
平均收敛通常指在平方意义或积分意义下的收敛，也称为 L2 收敛的一类表现。它在现代分析中极其重要，因为许多函数即使不点态良好，也可以在平均意义下由傅里叶级数逼近。此类收敛与能量守恒和正交展开关系紧密。
3.4 典型例子
常见例子包括方波、锯齿波和三角波等周期函数。它们的傅里叶系数具有鲜明的衰减规律，能够直观展示低频与高频成分的作用。通过这些例子可以观察到逼近效果、对称性以及不连续点附近的特殊行为。
3.5 吉布斯现象
当傅里叶级数逼近带跳跃的函数时，在不连续点附近会出现过冲和振荡，这种现象称为吉布斯现象。即使取更高阶的部分和，过冲幅度也不会完全消失，只是会在更窄的区域内集中。它揭示了频域截断与局部光滑性之间的限制。
4 傅里叶变换
4.1 定义与约定
傅里叶变换将函数从原始变量域映射到频率域，描述其连续频率成分。不同学科和文献中对常数因子、符号约定可能略有差异，但核心思想一致。它适用于更广泛的对象，特别是非周期函数和无限区间上的函数。
4.2 反演公式
反演公式说明在适当条件下，原函数可以从其傅里叶变换恢复出来。这一结果表明频域信息并未丢失，而是以另一种形式编码。反演公式是傅里叶变换理论的基础，也是许多应用算法得以成立的前提。
4.3 变换的基本性质
傅里叶变换具有多项结构性性质，使其在理论分析中极为高效。很多操作在变换后会表现出更简单的形式，这也是频域方法广泛使用的原因。
4.3.1 线性性
线性性是指函数的线性组合在变换后仍保持对应的线性组合关系。这一性质使得复杂对象可以分步处理，再重新组合结果。它是所有叠加原理的基础。
4.3.2 平移与伸缩
函数在时域或空间中的平移，会在频域中体现为相位变化；伸缩则会导致频率分布的压缩或扩张。这些关系有助于理解信号宽度与频谱宽度之间的互补特征，也常用于尺度分析和滤波设计。
4.3.3 卷积定理
卷积定理指出，两个函数的卷积在频域中对应其傅里叶变换的乘积。该定理在求解线性系统、处理平滑核和分析传播过程时非常重要。它把“局部叠加”转化为“频率相乘”，大幅简化了运算。
4.4 可积函数上的傅里叶变换
对于绝对可积函数，傅里叶变换通常可通过积分直接定义，并具有良好的连续性和衰减性质。这类函数的频谱常可被较稳定地解释。虽然此时未必总能用经典意义恢复原函数，但其变换结果已足以用于许多分析任务。
4.5 Schwartz函数与广义函数
Schwartz函数是光滑且快速衰减的函数类，适合作为傅里叶分析的理想空间。在这个框架下，傅里叶变换具有极佳的封闭性和对称性。进一步推广到广义函数后，可以处理点源、脉冲和奇异分布，使理论适用于更复杂的对象。
5 重要定理与性质
5.1 Riemann–Lebesgue 引理
该引理指出，若函数可积，则其傅里叶系数或傅里叶变换在高频处趋于零。这说明高频振荡对整体积分的贡献会相互抵消。它是频谱衰减的基本结果之一。
5.2 Parseval 恒等式
Parseval 恒等式表达了函数在时域中的能量与其频域能量之间的对应关系。对于傅里叶级数，它把函数平方可积的总量与系数平方和联系起来。该恒等式体现了正交展开的能量守恒特征。
5.3 Plancherel 定理
Plancherel 定理将 Parseval 恒等式推广到更广泛的 L2 框架中，说明傅里叶变换可以作为一个保持范数的算子来理解。它奠定了平方可积函数上傅里叶分析的严格基础。该定理也是现代信号能量分析的重要支柱。
5.4 Fourier 反演定理
反演定理给出从频域恢复原函数的严格条件和具体公式。它与变换的存在性、可积性以及函数的连续性密切相关。该定理不仅是理论核心，也决定了许多应用中重建方法是否可靠。
5.5 不确定性原理
不确定性原理表明，一个函数不可能在时域和频域同时都过度集中。也就是说，局部化越强，频谱通常越分散，反之亦然。这个原理在量子力学、信号压缩和采样理论中都具有基础地位。
5.6 Hausdorff–Young 不等式
该不等式描述了傅里叶变换在不同 Lp 空间之间的有界性关系。它说明当函数属于某些可积空间时，其变换会落入相应的对偶空间。此结果在插值理论和函数空间研究中很重要。
6 函数空间中的傅里叶分析
6.1 Lp 空间中的理论
在 Lp 空间中，傅里叶分析研究不同可积性条件下的展开与估计问题。p 的取值不同，函数的振荡控制与收敛行为也不同。此类理论帮助人们理解傅里叶方法在“能量有限”之外的更一般情形。
6.2 Hilbert 空间观点
在 Hilbert 空间中，傅里叶展开可视为正交基上的坐标分解。借助内积结构，可以把函数投影到不同方向，得到最优逼近与误差估计。此观点使傅里叶分析与抽象线性代数紧密相连。
6.3 Sobolev 空间中的应用
Sobolev 空间关注函数及其弱导数的可积性，傅里叶分析常用于刻画其平滑程度。通过频率衰减可以衡量函数的正则性，并分析偏微分方程解的存在性与稳定性。该方法在现代 PDE 理论中极常见。
6.4 分布与超函数
在分布框架下，傅里叶分析可处理不再是普通函数的对象，例如 Dirac 质量或更一般的奇异源。超函数理论则进一步扩展了“可变换对象”的范围。它们使频域方法能够进入更抽象、更一般的分析场景。
6.5 局部傅里叶分析
局部傅里叶分析研究函数在某一点附近的频率结构，强调位置与频率的联合信息。它常用于研究奇异点、边界行为和局部正则性。与全局傅里叶分析相比，它更适合描述非平稳现象。
7 调和分析相关主题
7.1 卷积与平滑
卷积是将一个函数与另一个“核”进行加权叠加的运算，常用于平滑、滤波和近似。适当选择卷积核，可以去除噪声并保留主要结构。它也是构造逼近恒等序列的重要工具。
7.2 特征函数与谱分析
在概率论中，特征函数是随机变量分布的傅里叶变换，用于研究分布性质和极限定理。谱分析则更广泛地关注算子或信号的频率结构。二者都体现了“通过变换观察对象”的思想。
7.3 奇异积分算子
奇异积分算子处理核函数具有奇点的积分表达式，是调和分析的重要研究对象。它们常出现在偏微分方程、边界问题和几何分析中。傅里叶方法可帮助识别其频率行为并建立估计。
7.4 最大函数与极大算子
最大函数用于描述局部平均的最大增长情况，是研究函数控制与收敛性的常用工具。极大算子则常出现在测度估计和点态收敛问题中。它们在证明某些傅里叶级数收敛结果时具有关键作用。
7.5 多重傅里叶分析
多重傅里叶分析研究多个变量上的频率分解，适用于高维信号和多维偏微分方程。它涉及张量结构、各向异性行为以及高维谱分布。随着维数增加，相关问题通常更复杂，也更具应用价值。
8 应用领域
8.1 偏微分方程
傅里叶分析是求解和研究偏微分方程的经典工具。通过变换到频域，微分方程常可转化为代数关系，从而更容易求解或估计。许多扩散、波动和势方程都与此密切相关。
8.2 信号处理
在信号处理中，傅里叶分析用于频谱分解、滤波、压缩和去噪。不同频率成分的分离可以帮助识别信号的主要模式与干扰来源。它也是音频分析、通信系统和传感数据处理中最基础的方法之一。
8.3 图像处理
图像可视为二维信号，因此傅里叶分析同样适用于图像增强、边缘检测和纹理分析。频域方法有助于识别重复结构和周期性噪声。许多图像压缩与恢复技术也依赖频率表示。
8.4 量子力学
在量子力学中，位置与动量表象之间的转换与傅里叶变换紧密相关。波函数的频域表示能够揭示粒子的动量分布和传播性质。傅里叶方法因此成为理解量子态结构的重要语言。
8.5 概率论与统计
概率论中，特征函数可用于研究分布卷积、中心极限定理和随机变量的渐近行为。统计学中，频域方法则常用于时间序列分析和周期检测。傅里叶观点使复杂随机结构更易于比较和估计。
8.6 数值分析与快速傅里叶变换
在数值计算中，傅里叶分析帮助将连续理论转化为可计算算法。快速傅里叶变换显著降低了离散频谱计算的复杂度，使大规模问题得以高效处理。它在科学计算、工程模拟和数据分析中都非常重要。
9 计算方法与算法
9.1 离散傅里叶变换
离散傅里叶变换用于有限长度序列的频域分析，广泛应用于数字信号和离散数据处理。它把样本点映射为一组离散频率系数，从而便于识别周期性和振荡模式。其形式简单，是众多算法的基础。
9.2 快速傅里叶变换
快速傅里叶变换是计算离散傅里叶变换的高效算法家族。它利用分治思想重组计算过程，将复杂度大幅降低。由于效率突出，它几乎成为现代频域计算的标准工具。
9.3 频谱估计
频谱估计旨在从有限观测数据中恢复或近似频率分布。实际应用中常伴随噪声、采样不足和窗口效应，因此需要平衡分辨率与稳定性。该问题在雷达、音频分析和统计信号处理中很常见。
9.4 数值稳定性
数值稳定性关系到算法在有限精度计算下是否可靠。傅里叶相关算法若数值误差累积过快，可能导致频谱失真或重建偏差。分析稳定性有助于选择更合适的实现方式与参数设置。
9.5 采样与重建
采样与重建研究如何从离散样本恢复连续信号。其核心在于采样间隔与频率上限之间的关系，以及避免混叠的条件。该主题连接理论分析与工程实践，是数字化处理的基础。
10 相关概念与分支
10.1 调和分析
调和分析是研究函数、算子和变换中频率结构的更广泛领域。傅里叶分析通常被视为其核心部分，但调和分析还包括更一般的群上分析和算子理论。它提供了统一的框架来理解振荡与局部行为。
10.2 谱分析
谱分析关注对象在频率或特征值意义下的结构，常见于算子理论、信号处理和物理建模。它与傅里叶分析共享“分解—理解—重构”的方法论。不同的是，谱分析的对象范围更广。
10.3 小波分析
小波分析以局部化基函数为核心，兼顾尺度与位置信息。与傅里叶分析相比，它在处理突变、瞬态和非平稳信号方面更灵活。两者常被并列使用，以获得更全面的频率描述。
10.4 积分变换
积分变换是通过积分核把函数从一个域映射到另一个域的一类方法。傅里叶变换是其中最典型的形式之一，此外还包括拉普拉斯变换等。不同积分变换适用于不同类型的问题与边界条件。
10.5 复分析中的联系
傅里叶分析与复分析之间存在密切联系，尤其体现在解析函数、留数技巧和边界值问题中。许多频域性质可借助复变量方法得到更深入的解释。反过来，傅里叶工具也常用于研究复函数的边界行为与积分表示。