方波 的傅里叶级数前四项的部份总和。随着增加更多的谐波,这个部份总和收敛成方波。 在数学 中,傅里叶级数 (英語:Fourier series , )是把类似波 的函数表示成简单谐波 的方式。更正式地说,对于满足狄利克雷定理 的周期函数 ,其傅里叶级数 是由一组正弦 与余弦函数 的加权 和表示的方法。傅里叶级数与用来找出无周期函数的频率信息的傅里叶变换 有密切的关系。
傅里叶级数是傅里叶分析 的一个研究分支,也是采样定理 原始证明的核心。傅里叶级数在数论 、组合数学 、信号 处理、概率论 、统计学 、密码学 、声学 、光学 等领域都有着广泛的应用。
傅里叶级数得名于法国数学家约瑟夫·傅里叶 (1768年–1830年),他提出任何 函数都可以展开 为三角级数 。此前数学家欧拉 、达朗贝尔 和克莱罗 ,已发现在认定一個函数有三角级数展开后,通过积分方法计算其系数的公式,而拉格朗日 等人已经找到了一些非周期函数的三角级数展开。将周期函数分解为简单振荡 函数的总和的最早想法,可以追溯至公元前3世紀古代天文學家的均輪和本輪 學說。
傅里叶的工作得到了丹尼尔·伯努利 的赞助[ 1] ,傅里叶介入三角级数用來解热传导方程 ,其最初论文雖經西尔维斯特·拉克鲁瓦 、加斯帕尔·蒙日 同意[ 2] ,但在1807年经拉格朗日 、拉普拉斯 和勒讓德 评審后被拒绝出版,他的现在被称为傅里葉逆轉定理 的理论后来发表于1822年出版的《热的解析理论》[ 3] 。
上图展示了蓝色无周期函数 s ( x ) {\displaystyle s(x)} ,它只定义在红色区间 [ 0 , P ] {\displaystyle [0,P]} 之上。可以认为傅里叶级数,是对下图中最初函数的“周期延拓”的分析,傅里叶级数总是周期函数,即使最初函数 s ( x ) {\displaystyle s(x)} 不是周期函数。 傅里叶级数可以用不同的形式来表达,下面将周期 为 P {\displaystyle P} 的一个周期函數 s ( x ) , x ∈ R {\textstyle s(x),\ x\in \mathbb {R} } 表达为不同形式的傅里叶级数。
人们常用 sin ( x ) {\displaystyle \sin(x)} 與 cos ( x ) {\displaystyle \cos(x)} 的三角級數 來表示 s ( x ) {\textstyle s(x)} ,就是将所有 n {\displaystyle n} 階諧波 sin ( 2 π n x P ) {\textstyle \sin({\frac {2\pi nx}{P}})} 與 cos ( 2 π n x P ) {\textstyle \cos({\frac {2\pi nx}{P}})} ,乘以其各自在 s ( x ) {\textstyle s(x)} 中的權重 ,求得它们的總和 ;这些 n {\displaystyle n} 階諧波的權重稱爲傅立葉級數係數,它们可以藉由如下積分來獲得:
傅立葉級數係數
A 0 = 1 P ∫ P s ( x ) d x A n = 2 P ∫ P s ( x ) cos ( 2 π n x P ) d x for n ≥ 1 B n = 2 P ∫ P s ( x ) sin ( 2 π n x P ) d x for n ≥ 1 {\displaystyle {\begin{aligned}A_{0}&={\frac {1}{P}}\int _{P}s(x)\,dx\\A_{n}&={\frac {2}{P}}\int _{P}s(x)\cos \left({\frac {2\pi nx}{P}}\right)\,dx\qquad {\text{for }}n\geq 1\qquad \\B_{n}&={\frac {2}{P}}\int _{P}s(x)\sin \left({\frac {2\pi nx}{P}}\right)\,dx\qquad {\text{for }}n\geq 1\end{aligned}}} Eq.1
符号 ∫ P {\textstyle \int _{P}} 表示在选定区间 上的积分,典型的选择为 [ − P / 2 , P / 2 ] {\displaystyle [-P/2,P/2]} 或者 [ 0 , P ] {\displaystyle [0,P]} 。注意 A 0 {\displaystyle A_{0}} 是函数 s ( x ) {\displaystyle s(x)} 的平均值 [ A] ,这个性质扩展到了类似的变换比如傅里叶变换 。
通过这些系数定义傅里叶级数为:
傅立葉級數,正弦-余弦形式
s ( x ) ∼ A 0 + ∑ n = 1 ∞ ( A n cos ( 2 π n x P ) + B n sin ( 2 π n x P ) ) {\displaystyle s(x)\sim A_{0}+\sum _{n=1}^{\infty }\left(A_{n}\cos \left({\frac {2\pi nx}{P}}\right)+B_{n}\sin \left({\frac {2\pi nx}{P}}\right)\right)} Eq.2
这里使用符号 ∼ {\displaystyle \sim } ,表示傅里叶级数的求和不一定总是等于 s ( x ) {\displaystyle s(x)} 。普遍來說 n {\displaystyle n} 是理論上趨近於無限大的,但是就算趨近於無限大,對所有的 x {\displaystyle x} (例如在某一點上不連續),傅立葉級數也不一定收斂到 s ( x ) {\textstyle s(x)} 。尽管不收斂的可能性始终存在,在科学和工程领域中经常将Eq. 2 中的 ∼ {\displaystyle \sim } 直接替代为 = {\displaystyle =} 。
在傅里叶级数系数中的整数索引 n {\displaystyle n} ,是级数中相应的 cos {\displaystyle \cos } 或 sin {\displaystyle \sin } ,在这个函数的周期 P {\displaystyle P} 中,形成的圆周 (cycle)的数目。因此对应于 A n {\displaystyle A_{n}} 和 B n {\displaystyle B_{n}} 的项有着:
波长 等于 P n {\displaystyle {\tfrac {P}{n}}} ,并且有着同于 x {\displaystyle x} 的单位。 频率 等于 n P {\displaystyle {\tfrac {n}{P}}} ,并且有着 x {\displaystyle x} 的倒数单位。 下面藉由歐拉公式 e i x = cos x + i sin x {\displaystyle \ e^{ix}=\cos x+i\sin x\ } ,将傅里叶级数系数简化成复数 指數 形式。
根據定義,我們可以得到:
复数傅里叶级数系数
c 0 = A 0 c n = ( A n − i B n ) / 2 for n > 0 c n = ( A − n + i B − n ) / 2 for n < 0 {\displaystyle {\begin{aligned}c_{0}&=A_{0}&\\c_{n}&=(A_{n}-iB_{n})/2\qquad &{\text{for }}n>0\\c_{n}&=(A_{-n}+iB_{-n})/2\qquad &{\text{for }}n<0\end{aligned}}} Eq. 3
通过将等式Eq. 1 代入Eq. 3 ,可以证实[ 4] :
复数傅里叶级数系数
c n = 1 P ∫ P s ( x ) e − 2 π i n x P d x for n ∈ Z {\displaystyle c_{n}={\frac {1}{P}}\int _{P}s(x)e^{-{\frac {2\pi inx}{P}}}\,dx\qquad {\text{for}}\ n\in \mathbb {Z} }
给定复数傅里叶级数系数,可以用公式复原出 A n {\displaystyle A_{n}} 和 B n {\displaystyle B_{n}} :
复数傅里叶级数系数
A 0 = c 0 A n = c n + c − n for n > 0 B n = i ( c n − c − n ) for n > 0 {\displaystyle {\begin{aligned}A_{0}&=c_{0}&\\A_{n}&=c_{n}+c_{-n}\qquad &{\textrm {for}}~n>0\\B_{n}&=i(c_{n}-c_{-n})\qquad &{\textrm {for}}~n>0\end{aligned}}}
通过这些定义,傅里叶级数可以写为:
傅立葉級數,指數形式
s ( x ) ∼ ∑ n = − ∞ ∞ c n ⋅ e 2 π i n x P {\displaystyle s(x)\sim \sum _{n=-\infty }^{\infty }c_{n}\cdot e^{\frac {2\pi inx}{P}}} Eq. 4
这是可推广到复数值域 函数的惯用形式。 n {\displaystyle n} 的负数值对应于负频率 。
人们習慣將 s ( x ) {\textstyle s(x)} 的值域 普遍化到複數 上,设 s ( x ) {\textstyle s(x)} 是一個複數值函數,它的實部和虛部,都是實數值函數:
s ( x ) = Re ( s ( x ) ) + i ⋅ Im ( s ( x ) ) , x ∈ R {\displaystyle s(x)=\operatorname {Re} (s(x))+i\cdot \operatorname {Im} (s(x)),\quad x\in \mathbb {R} } 定义 c n ≜ c R n + i ⋅ c I n {\displaystyle c_{n}\triangleq c_{_{Rn}}+i\cdot c_{_{In}}} 则:
c n = 1 P ∫ P s ( x ) ⋅ e − i 2 π p n x d x = 1 P ∫ P Re ( s ( x ) ) ⋅ e − i 2 π p n x d x + i ⋅ 1 P ∫ P Im ( s ( x ) ) ⋅ e − i 2 π p n x d x {\displaystyle c_{n}={\frac {1}{P}}\int _{P}s(x)\cdot e^{-i{\tfrac {2\pi }{p}}nx}\ dx={\frac {1}{P}}\int _{P}\operatorname {Re} (s(x))\cdot e^{-i{\tfrac {2\pi }{p}}nx}\ dx+i\cdot {\frac {1}{P}}\int _{P}\operatorname {Im} (s(x))\cdot e^{-i{\tfrac {2\pi }{p}}nx}\ dx} c R n = 1 P ∫ P Re ( s ( x ) ) ⋅ e − i 2 π p n x d x {\displaystyle c_{_{Rn}}={\frac {1}{P}}\int _{P}\operatorname {Re} (s(x))\cdot e^{-i{\tfrac {2\pi }{p}}nx}\ dx} c I n = 1 P ∫ P Im ( s ( x ) ) ⋅ e − i 2 π p n x d x {\displaystyle c_{_{In}}={\frac {1}{P}}\int _{P}\operatorname {Im} (s(x))\cdot e^{-i{\tfrac {2\pi }{p}}nx}\ dx} 对于这个复数值函数,它的傅里叶级数的实部,是它的实部的傅里叶级数;它的傅里叶级数的虚部,是它的虚部的傅里叶级数:
s ( x ) ∼ ∑ n = − ∞ ∞ ( c R n + i ⋅ c I n ) ⋅ e i 2 π p n x = ∑ n = ∞ ∞ c R n ⋅ e i 2 π p n x + i ⋅ ∑ n = − ∞ ∞ c I n ⋅ e i 2 π p n x {\displaystyle s(x)\sim \sum _{n=-\infty }^{\infty }\left(c_{_{Rn}}+i\cdot c_{_{In}}\right)\cdot e^{i{\tfrac {2\pi }{p}}nx}=\sum _{n=\infty }^{\infty }c_{_{Rn}}\cdot e^{i{\tfrac {2\pi }{p}}nx}+i\cdot \sum _{n=-\infty }^{\infty }c_{_{In}}\cdot e^{i{\tfrac {2\pi }{p}}nx}} 還可以利用三角恆等式 cos ( α − β ) = cos α cos β + sin α sin β {\displaystyle \ \cos(\alpha -\beta )=\cos \alpha \cos \beta +\sin \alpha \sin \beta \,} ,把正弦-余弦形式中後面的正弦函數跟餘弦函數合併起來:
A n ⋅ cos ( 2 π n P x − φ n ) ≡ A n cos ( φ n ) ⏟ a n ⋅ cos ( 2 π n P x ) + A n sin ( φ n ) ⏟ b n ⋅ sin ( 2 π n P x ) {\displaystyle A_{n}\cdot \cos \left(2\pi {\tfrac {n}{P}}x-\varphi _{n}\right)\ \equiv \ \underbrace {A_{n}\cos(\varphi _{n})} _{a_{n}}\cdot \cos \left(2\pi {\tfrac {n}{P}}x\right)+\underbrace {A_{n}\sin(\varphi _{n})} _{b_{n}}\cdot \sin \left(2\pi {\tfrac {n}{P}}x\right)} 然後定義振幅 A n ≜ a n 2 + b n 2 {\textstyle A_{n}\triangleq {\sqrt {a_{n}^{2}+b_{n}^{2}}}} ,相位 φ n ≜ arctan2 ( b n , a n ) {\textstyle \varphi _{n}\triangleq \operatorname {arctan2} (b_{n},a_{n})} ,这里的 a n {\displaystyle a_{n}} 和 b n {\displaystyle b_{n}} 对应正弦-余弦形式中 A n {\displaystyle A_{n}} 和 B n {\displaystyle B_{n}} 。 A 0 2 {\displaystyle {\tfrac {A_{0}}{2}}} 是 s ( x ) {\displaystyle s(x)} 的平均值 1 P ∫ P s ( x ) d x {\textstyle {\frac {1}{P}}\int _{P}s(x)\,dx} 。
傅立葉級數,振幅-相位形式
s ( x ) ∼ A 0 2 + ∑ n = 1 ∞ A n ⋅ cos ( 2 π n P x − φ n ) {\displaystyle s(x)\sim {\frac {A_{0}}{2}}+\sum _{n=1}^{\infty }A_{n}\cdot \cos \left(2\pi {\tfrac {n}{P}}x-\varphi _{n}\right)} Eq. 5
在描述傅里叶级数行为的时候,经常会为一个函数 f ( x ) {\displaystyle f(x)} 介入部份求和 算子 S N {\displaystyle S_{N}} [ 5] :
S N ( f ) = ∑ n = − N N c n e 2 π i n x P {\displaystyle S_{N}(f)=\sum _{n=-N}^{N}c_{n}e^{\frac {2\pi inx}{P}}} Eq. 6
这里的 c n {\displaystyle c_{n}} 是 f {\displaystyle f} 的傅里叶系数。不同于微积分中的级数,傅里叶级数的部份求和必须采用对称形式,否则收敛结果可能不成立。
假設 f ( x ) {\displaystyle f(x)} 與 g ( x ) {\displaystyle g(x)} 是在 R {\textstyle \mathbb {R} } 上的可積函數, f ( x ) {\displaystyle f(x)} 與 g ( x ) {\displaystyle g(x)} 在 [ − π , π ] {\displaystyle [-\pi ,\pi ]} 的捲積 ( f ∗ g ) ( x ) {\displaystyle (f*g)(x)} 為:
( f ∗ g ) ( x ) = ∫ − π π f ( τ ) g ( x − τ ) d τ {\displaystyle (f*g)(x)=\int _{-\pi }^{\pi }f(\tau )g(x-\tau )d\tau } 周期为 2 π {\displaystyle 2\pi } 的函數 f ( x ) {\displaystyle f(x)} 的傅立葉級數的部份求和 ,可以经由 f ( x ) {\displaystyle f(x)} 与狄利克雷核 D n ( x ) = ∑ k = − n n e i k x {\textstyle D_{n}(x)=\sum _{k=-n}^{n}e^{ikx}} 的摺積 来表示:
S N ( f ) ( x ) = ∑ n = − N N c n e i n x = ∑ n = − N N ( 1 2 π ∫ − π π f ( τ ) e − i n τ d τ ) ⋅ e i n x = 1 2 π ∫ − π π f ( τ ) ( ∑ n = − N N e i n ( x − τ ) ) d τ = 1 2 π ( f ∗ D N ) ( x ) {\displaystyle {\begin{aligned}S_{N}(f)(x)&=\sum _{n=-N}^{N}c_{n}e^{inx}\\&=\sum _{n=-N}^{N}\left({\frac {1}{2\pi }}\int _{-\pi }^{\pi }f(\tau )e^{-in\tau }d\tau \right)\cdot e^{inx}={\frac {1}{2\pi }}\int _{-\pi }^{\pi }f(\tau )\left(\sum _{n=-N}^{N}e^{in(x-\tau )}\right)d\tau \\&={\frac {1}{2\pi }}(f*D_{N})(x)\end{aligned}}} s N ( x ) {\displaystyle s_{N}(x)} 在 [ x 0 , x 0 + P ] {\displaystyle [x_{0},\ x_{0}+P]} 近似了 s ( x ) {\displaystyle s(x)} ,该近似程度会随着 N → ∞ {\displaystyle N\rightarrow \infty } 逐渐改善。这个无穷和 s ∞ ( x ) {\displaystyle s_{\infty }(x)} 叫做 s {\displaystyle s} 的傅里叶级数表示。傅里叶级数的收敛性取决于函数有限数量的极大值和极小值,这就是通常称为傅里叶级数的狄利克雷条件 。参见傅里叶级数的收敛性 之一。对于广义函数或分布也可以用范数或弱收敛 定义傅里叶系数。在 s ( x ) {\displaystyle s(x)} 的不可导 点上,如果我们只取无穷级数中的有限项求和,那么在这些点上会有幅度不随 N {\displaystyle N} 增大而持续变小的起伏,这叫做吉布斯现象 ,一个简单的例子是方波信号 。
在工程 应用中,一般假定傅里叶级数除了在不连续点以外处处收敛,原因是工程上遇到的函数比数学家提供的这个假定的反例表现更加良好。特别地,傅里叶级数绝对收敛 且一致收敛 于 s ( x ) {\displaystyle s(x)} ,只要在 s ( x ) {\displaystyle s(x)} 的导数(或许不会处处存在)是平方可积的[ 6] 。如果一个函数在区间 [ x 0 , x 0 + P ] {\displaystyle [x_{0},x_{0}+P]} 上是平方可积 的,那么此傅里叶级数在几乎处处 的点都收敛于该函数。
一个相同幅度和频率的锯齿波的近似的可视化
另一个分别采用傅里叶级数的前 1, 2, 3, 4 项近似方波的可视化。(可以在这里
[ 7] 看到一个交互式的动画)
符号 c n {\displaystyle c_{n}} 在讨论多个不同函数的傅里叶系数时是不够用的。因此习惯上将其替代为函数(这里是函数 s {\displaystyle s} )的某种修改形式,即采用函数式符号比如 s ^ [ n ] {\displaystyle {\hat {s}}[n]} 或 S [ n ] {\displaystyle S[n]} ,来替代下标式符号:
s ( x ) = ∑ n = − ∞ ∞ s ^ ( n ) ⋅ e 2 π i n x / P {\displaystyle s(x)=\sum _{n=-\infty }^{\infty }{\hat {s}}(n)\cdot e^{2\pi inx/P}\quad } 常用的数学符号 s ( x ) = ∑ n = − ∞ ∞ S [ n ] ⋅ e i 2 π n x / P {\displaystyle s(x)=\sum _{n=-\infty }^{\infty }S[n]\cdot e^{i\,2\pi nx/P}\quad } 常用的工程符号 在工程上,特别是在变量 x {\displaystyle x} 表示时间的时候,系数序列叫做频域 表示。经常使用方括号来强调这个函数的定义域是频率 的离散集合。
另一个常用频域表示,使用傅里叶级数系数,调制 像梳子一样的狄拉克采样函数 :
S ( f ) ≜ ∑ n = − ∞ ∞ S [ n ] ⋅ δ ( f − n P ) {\displaystyle S(f)\ \triangleq \ \sum _{n=-\infty }^{\infty }S[n]\cdot \delta \left(f-{\frac {n}{P}}\right)} 这里的 f {\displaystyle f} 表示连续频域。在变量 x {\displaystyle x} 以秒为单位的时候, f {\displaystyle f} 以赫兹 为单位。采样的间隔为基本频率 1 P {\displaystyle {\tfrac {1}{P}}} 的 n {\displaystyle n} 倍(即为谐波 )。 s ∞ ( x ) {\displaystyle s_{\infty }(x)} 可以通过逆傅里叶变换 从这种表示恢复出来:
F − 1 { S ( f ) } = ∫ − ∞ ∞ ( ∑ n = − ∞ ∞ S [ n ] ⋅ δ ( f − n P ) ) e i 2 π f x d f = ∑ n = − ∞ ∞ S [ n ] ⋅ ∫ − ∞ ∞ δ ( f − n P ) e i 2 π f x d f = ∑ n = − ∞ ∞ S [ n ] ⋅ e i 2 π n x / P ≜ s ∞ ( x ) {\displaystyle {\begin{aligned}{\mathcal {F}}^{-1}\{S(f)\}&=\int _{-\infty }^{\infty }\left(\sum _{n=-\infty }^{\infty }S[n]\cdot \delta \left(f-{\frac {n}{P}}\right)\right)e^{i2\pi fx}\,df\\&=\sum _{n=-\infty }^{\infty }S[n]\cdot \int _{-\infty }^{\infty }\delta \left(f-{\frac {n}{P}}\right)e^{i2\pi fx}\,df\\&=\sum _{n=-\infty }^{\infty }S[n]\cdot e^{i\,2\pi nx/P}\ \ \triangleq \ s_{\infty }(x)\end{aligned}}} 构造出的函数 S ( f ) {\displaystyle S(f)} ,因而通常称为“傅里叶变换 ”,即使一个周期函数的傅里叶积分在这个谐波频率上不收敛[ B] 。
下表列出常用的周期函数及其傅里叶级数系数。
s ( x ) {\displaystyle s(x)} 指示周期 P {\displaystyle P} 的周期函数。 A 0 {\displaystyle A_{0}} 、 A n {\displaystyle A_{n}} 和 B n {\displaystyle B_{n}} 指示周期函数 s ( x ) {\displaystyle s(x)} 的傅里叶级数系数(正弦-余弦形式)。 时域 s ( x ) {\displaystyle s(x)} 绘图 频域(正弦-余弦形式) A 0 A n for n ≥ 1 B n for n ≥ 1 {\displaystyle {\begin{aligned}&A_{0}\\&A_{n}\quad {\text{for }}n\geq 1\\&B_{n}\quad {\text{for }}n\geq 1\end{aligned}}} 注释 引用 s ( x ) = A | sin ( 2 π P x ) | for 0 ≤ x < P {\displaystyle s(x)=A\left|\sin \left({\frac {2\pi }{P}}x\right)\right|\quad {\text{for }}0\leq x<P} A 0 = 2 A π A n = { − 4 A π 1 n 2 − 1 n even 0 n odd B n = 0 {\displaystyle {\begin{aligned}A_{0}=&{\frac {2A}{\pi }}\\A_{n}=&{\begin{cases}{\frac {-4A}{\pi }}{\frac {1}{n^{2}-1}}&\quad n{\text{ even}}\\0&\quad n{\text{ odd}}\end{cases}}\\B_{n}=&0\\\end{aligned}}} 全波整流正弦 [ 8] :p. 193 s ( x ) = { A sin ( 2 π P x ) for 0 ≤ x < P / 2 0 for P / 2 ≤ x < P {\displaystyle s(x)={\begin{cases}A\sin \left({\frac {2\pi }{P}}x\right)&\quad {\text{for }}0\leq x<P/2\\0&\quad {\text{for }}P/2\leq x<P\\\end{cases}}} A 0 = A π A n = { − 2 A π 1 n 2 − 1 n even 0 n odd B n = { A 2 n = 1 0 n > 1 {\displaystyle {\begin{aligned}A_{0}=&{\frac {A}{\pi }}\\A_{n}=&{\begin{cases}{\frac {-2A}{\pi }}{\frac {1}{n^{2}-1}}&\quad n{\text{ even}}\\0&\quad n{\text{ odd}}\end{cases}}\\B_{n}=&{\begin{cases}{\frac {A}{2}}&\quad n=1\\0&\quad n>1\end{cases}}\\\end{aligned}}} 半波整流正弦 [ 8] :p. 193 s ( x ) = { A for 0 ≤ x < D ⋅ P 0 for D ⋅ P ≤ x < P {\displaystyle s(x)={\begin{cases}A&\quad {\text{for }}0\leq x<D\cdot P\\0&\quad {\text{for }}D\cdot P\leq x<P\\\end{cases}}} A 0 = A D A n = A n π sin ( 2 π n D ) B n = 2 A n π ( sin ( π n D ) ) 2 {\displaystyle {\begin{aligned}A_{0}=&AD\\A_{n}=&{\frac {A}{n\pi }}\sin \left(2\pi nD\right)\\B_{n}=&{\frac {2A}{n\pi }}\left(\sin \left(\pi nD\right)\right)^{2}\\\end{aligned}}} 0 ≤ D ≤ 1 {\displaystyle 0\leq D\leq 1} s ( x ) = A x P for 0 ≤ x < P {\displaystyle s(x)={\frac {Ax}{P}}\quad {\text{for }}0\leq x<P} A 0 = A 2 A n = 0 B n = − A n π {\displaystyle {\begin{aligned}A_{0}=&{\frac {A}{2}}\\A_{n}=&0\\B_{n}=&{\frac {-A}{n\pi }}\\\end{aligned}}} 锯齿函数 [ 8] :p. 192 s ( x ) = A − A x P for 0 ≤ x < P {\displaystyle s(x)=A-{\frac {Ax}{P}}\quad {\text{for }}0\leq x<P} A 0 = A 2 A n = 0 B n = A n π {\displaystyle {\begin{aligned}A_{0}=&{\frac {A}{2}}\\A_{n}=&0\\B_{n}=&{\frac {A}{n\pi }}\\\end{aligned}}} 反锯齿函数 [ 8] :p. 192 s ( x ) = 4 A P 2 ( x − P 2 ) 2 for 0 ≤ x < P {\displaystyle s(x)={\frac {4A}{P^{2}}}\left(x-{\frac {P}{2}}\right)^{2}\quad {\text{for }}0\leq x<P} A 0 = A 3 A n = 4 A π 2 n 2 B n = 0 {\displaystyle {\begin{aligned}A_{0}=&{\frac {A}{3}}\\A_{n}=&{\frac {4A}{\pi ^{2}n^{2}}}\\B_{n}=&0\\\end{aligned}}} 反全波整流 [ 8] :p. 193
下表展示在时域中的一些数学运算及其对应的在傅里叶级数系数上的效果。
复数共轭 指示为上标星号 ∗ {\displaystyle \ ^{*}\ } 。 s ( x ) {\displaystyle s(x)} 和 r ( x ) {\displaystyle r(x)} 指示周期为 P {\displaystyle P} 的函数或只定义在 x ∈ [ 0 , P ] {\displaystyle x\in [0,P]} 中的函数。 S [ n ] {\displaystyle S[n]} 和 R [ n ] {\displaystyle R[n]} 指示 s {\displaystyle s} 和 r {\displaystyle r} 的傅里叶级数系数(指数形式)。 性质 时域 频域(指数形式) 注释 引用 线性 a ⋅ s ( x ) + b ⋅ r ( x ) {\displaystyle a\cdot s(x)+b\cdot r(x)} a ⋅ S [ n ] + b ⋅ R [ n ] {\displaystyle a\cdot S[n]+b\cdot R[n]} a , b ∈ C {\displaystyle a,b\in \mathbb {C} } 时间反转/频率反转 s ( − x ) {\displaystyle s(-x)} S [ − n ] {\displaystyle S[-n]} [ 9] :p. 610 时间共轭 s ∗ ( x ) {\displaystyle s^{*}(x)} S ∗ [ − n ] {\displaystyle S^{*}[-n]} [ 9] :p. 610 时间反转且共轭 s ∗ ( − x ) {\displaystyle s^{*}(-x)} S ∗ [ n ] {\displaystyle S^{*}[n]} 时间实部 Re ( s ( x ) ) {\displaystyle \operatorname {Re} {(s(x))}} 1 2 ( S [ n ] + S ∗ [ − n ] ) {\displaystyle {\frac {1}{2}}(S[n]+S^{*}[-n])} 时间虚部 Im ( s ( x ) ) {\displaystyle \operatorname {Im} {(s(x))}} 1 2 i ( S [ n ] − S ∗ [ − n ] ) {\displaystyle {\frac {1}{2i}}(S[n]-S^{*}[-n])} 频率实部 1 2 ( s ( x ) + s ∗ ( − x ) ) {\displaystyle {\frac {1}{2}}(s(x)+s^{*}(-x))} Re ( S [ n ] ) {\displaystyle \operatorname {Re} {(S[n])}} 频率虚部 1 2 i ( s ( x ) − s ∗ ( − x ) ) {\displaystyle {\frac {1}{2i}}(s(x)-s^{*}(-x))} Im ( S [ n ] ) {\displaystyle \operatorname {Im} {(S[n])}} 时间移位/频率调制 s ( x − x 0 ) {\displaystyle s(x-x_{0})} S [ n ] ⋅ e − i 2 π P n x 0 {\displaystyle S[n]\cdot e^{-i{\frac {2\pi }{P}}nx_{0}}} x 0 ∈ R {\displaystyle x_{0}\in \mathbb {R} } [ 9] :p. 610 频率移位/时间调制 s ( x ) ⋅ e i 2 π P n 0 x {\displaystyle s(x)\cdot e^{i{\frac {2\pi }{P}}n_{0}x}} S [ n − n 0 ] {\displaystyle S[n-n_{0}]\!} n 0 ∈ Z {\displaystyle n_{0}\in \mathbb {Z} } [ 9] :p. 610
所有的函数都可以分解成唯一性的偶部和奇部 : f ( x ) = f e ( x ) + f o ( x ) {\displaystyle f(x)=f_{\text{e}}(x)+f_{\text{o}}(x)} ,这里的 f e ( x ) = f ( x ) + f ( − x ) 2 {\textstyle f_{\text{e}}(x)={\frac {f(x)+f(-x)}{2}}} 而 f o ( x ) = f ( x ) − f ( − x ) 2 {\textstyle f_{\text{o}}(x)={\frac {f(x)-f(-x)}{2}}} 。实数参数的复数值函数 f : R → C {\displaystyle f:\mathbb {R} \to \mathbb {C} } ,对于所有 x ∈ R {\displaystyle x\in \mathbb {R} } ,如果 f ( x ) = f ( − x ) ¯ {\displaystyle f(x)={\overline {f(-x)}}} 则称其为“偶对称”,如果 f ( x ) = − f ( − x ) ¯ {\displaystyle f(x)=-{\overline {f(-x)}}} 则称其为“奇对称”,这里 z ¯ {\displaystyle {\overline {z}}} 的上顶横线指示复数共轭 。
一个复数值函数的实部和虚部,分解成各自的偶部和奇部,就有了四个分量,分别用下标标明为RE、RO、IE和IO。一个复数值时间参数函数的四个分量,与它的复数频率变换的四个分量之间,有着一一映射[ 10] :
时 域 s = s RE + s RO + i s IE + i s IO ⇕ F ⇕ F ⇕ F ⇕ F ⇕ F 频 域 S = S RE + i S IO + i S IE + S RO {\displaystyle {\begin{array}{rccccccccc}{\text{时 域}}&s&=&s_{_{\text{RE}}}&+&s_{_{\text{RO}}}&+&i\ s_{_{\text{IE}}}&+&i\ s_{_{\text{IO}}}\\&{\Bigg \Updownarrow }{\mathcal {F}}&&{\Bigg \Updownarrow }{\mathcal {F}}&&\ \ {\Bigg \Updownarrow }{\mathcal {F}}&&\ \ {\Bigg \Updownarrow }{\mathcal {F}}&&\ \ {\Bigg \Updownarrow }{\mathcal {F}}\\{\text{频 域}}&S&=&S_{\text{RE}}&+&\,i\ S_{\text{IO}}\,&+&i\ S_{\text{IE}}&+&S_{\text{RO}}\end{array}}} 由此可见,各种关系是显而易见的,例如:
实数值函数s RE + s RO 的变换,是偶对称函数S RE + i S IO 。反过来说,偶对称变换蕴含了实数值时域。 虚数值函数i s IE + i s IO 的变换,是奇对称函数S RO + i S IE ,反过来说也成立。 偶对称函数s RE + i s IO 的变换,是实数值函数S RE + S RO ,反过来说也成立。 奇对称函数s RO + i s IE 的变换,是虚数值函数i S IE + i S IO ,反过来说也成立。 锯齿波 周期函数的图 前五个部分傅里叶级数的动态图 我们现在用上面的公式给出一个简单函数的傅里叶级数展开式。考虑一个锯齿波:
s ( x ) = x π , f o r − π < x < π {\displaystyle s(x)={\frac {x}{\pi }},\quad \mathrm {for} -\pi <x<\pi } s ( x + 2 π k ) = s ( x ) , f o r − ∞ < x < ∞ and k ∈ Z {\displaystyle s(x+2\pi k)=s(x),\quad \mathrm {for} -\infty <x<\infty {\text{ and }}k\in \mathbb {Z} } 在这种情况下,傅里叶级数为:
A n = 1 π ∫ − π π s ( x ) cos ( n x ) d x = 0 , n ≥ 0 B n = 1 π ∫ − π π s ( x ) sin ( n x ) d x = − 2 π n cos ( n π ) + 2 π 2 n 2 sin ( n π ) = 2 ( − 1 ) n + 1 π n , n ≥ 1 {\displaystyle {\begin{aligned}A_{n}&={\frac {1}{\pi }}\int _{-\pi }^{\pi }s(x)\cos(nx)\,dx=0,\quad n\geq 0\\[4pt]B_{n}&={\frac {1}{\pi }}\int _{-\pi }^{\pi }s(x)\sin(nx)\,dx\\[4pt]&=-{\frac {2}{\pi n}}\cos(n\pi )+{\frac {2}{\pi ^{2}n^{2}}}\sin(n\pi )\\[4pt]&={\frac {2\,(-1)^{n+1}}{\pi n}},\quad n\geq 1\end{aligned}}} 可以证明,当 s {\displaystyle s} 可微时,傅立叶级数在每个点 x {\displaystyle x} 都收敛于 s ( x ) {\displaystyle s(x)} ,于是:
s ( x ) = A 0 + ∑ n = 1 ∞ ( A n cos ( n x ) + B n sin ( n x ) ) = 2 π ∑ n = 1 ∞ ( − 1 ) n + 1 n sin ( n x ) , f o r x − π ∉ 2 π Z {\displaystyle {\begin{aligned}s(x)&=A_{0}+\sum _{n=1}^{\infty }\left(A_{n}\cos \left(nx\right)+B_{n}\sin \left(nx\right)\right)\\[4pt]&={\frac {2}{\pi }}\sum _{n=1}^{\infty }{\frac {(-1)^{n+1}}{n}}\sin(nx),\quad \mathrm {for} \quad x-\pi \notin 2\pi \mathbb {Z} \end{aligned}}} Eq.1
当 x = π {\displaystyle x=\pi } 时,傅里叶级数收敛于 0 {\displaystyle 0} ,为在 x = π {\displaystyle x=\pi } 处 s {\displaystyle s} 的左极限和右极限之和的一半。这是傅里叶级数的狄利克雷定理 的特例。
这个例子为我们引出了巴塞尔问题 的一种解法。
金属板内的热分布,使用傅里叶方法求解 在上例中我们的函数的傅里叶级数展开式看起来不比 s ( x ) = x π {\displaystyle s(x)={\tfrac {x}{\pi }}} 简单,因此人们需要傅里叶级数的原因也就不会立即显现出来。但还有很多应用,我们举用傅里叶诱导解热方程 的例子。考虑边长为 π {\displaystyle \pi } 米的方形金属版,坐标为 ( x , y ) ∈ [ 0 , π ] × [ 0 , π ] {\displaystyle (x,y)\in [0,\pi ]\times [0,\pi ]} 。如果板内没有热源,并且四个边中三个都保持在 0 {\displaystyle 0} 摄氏度,而第四条边 y = π {\displaystyle y=\pi } ,对于 x ∈ ( 0 , π ) {\displaystyle x\in (0,\pi )} ,保持在温度梯度 T ( x , π ) = x {\displaystyle T(x,\pi )=x} 摄氏度。在这种情况下,稳态(或者说很长时间过后的)热分布函数 T ( x , y ) {\displaystyle T(x,y)} 不能得出解析解 ,但却可以证明:
T ( x , y ) = 2 ∑ n = 1 ∞ ( − 1 ) n + 1 n sin ( n x ) sinh ( n y ) sinh ( n π ) {\displaystyle T(x,y)=2\sum _{n=1}^{\infty }{\frac {(-1)^{n+1}}{n}}\sin(nx){\sinh(ny) \over \sinh(n\pi )}} 这里的 sinh {\displaystyle \sinh } 是双曲正弦 函数。热方程的这个解是通过将 π s ( x ) {\displaystyle \pi s(x)} 的傅里叶级数的每一项乘以 sinh ( n y ) sinh ( n π ) {\displaystyle {\tfrac {\sinh(ny)}{\sinh(n\pi )}}} 得到的。尽管示例的函数 s ( x ) {\displaystyle s(x)} 的傅里叶级数似乎很复杂,用傅里叶的方法却可以求解这个热分布问题。
我們也可以應用傅立葉級數去證明等周不等式 ,或是構造處處連續處處不可微的函數。
至今还没有判断傅里叶级数的收敛性充分必要条件,但是对于实际问题中出现的函数,有很多种判别条件可用于判断收敛性。比如 x ( t ) {\displaystyle x(t)} 的可微性或级数的一致收敛性 。在闭区间上满足狄利克雷条件 的函数表示成的傅里叶级数都收敛。狄利克雷条件如下:
在定义区间上, x ( t ) {\displaystyle x(t)} 须绝对可积 ; 在任一有限区间中, x ( t ) {\displaystyle x(t)} 只能取有限个极值点; 在任何有限区间上, x ( t ) {\displaystyle x(t)} 只能有有限个第一类间断点 。 满足以上条件的 x ( t ) {\displaystyle x(t)} 傅里叶级数都收敛,且:
1.当 t {\displaystyle t} 是 x ( t ) {\displaystyle x(t)} 的连续点时,级数收敛于 x ( t ) {\displaystyle x(t)} ; 2.当 t {\displaystyle t} 是 x ( t ) {\displaystyle x(t)} 的间断点时,级数收敛于 1 2 [ x ( t − ) + x ( t + ) ] {\displaystyle {\frac {1}{2}}[x(t^{-})+x(t^{+})]} 。 1966年,里纳特·卡尔松 证明了勒贝格二次可积 函数的傅立叶级数一定是几乎处处收敛的,即级数在除了一个勒贝格零测集外均收敛。
假設一個函數在 f ( x ) {\displaystyle f(x)} 在 [ 0 , 2 π ] {\displaystyle [0,2\pi ]} 上是平方可積,則會有:
1 2 π ∫ 0 2 π | f ( x ) − S N ( f ) ( x ) | 2 d x → 0 {\displaystyle {\frac {1}{2\pi }}\int _{0}^{2\pi }|f(x)-S_{N}(f)(x)|^{2}dx\rightarrow 0} 當 N → ∞ {\displaystyle N\rightarrow \infty } 證明的第一步:
考慮一系列正交基底, { e n } n ∈ Z {\displaystyle \{e_{n}\}_{n\in \mathbb {Z} }} ,其中 e n ( x ) = e − i n x {\displaystyle e_{n}(x)=e^{-inx}} ,且有
( e n , e m ) = { 1 , if n = m 0 , if n ≠ m {\displaystyle (e_{n},e_{m})={\begin{cases}1,&{\text{if }}n=m\\0,&{\text{if }}n\neq m\end{cases}}} 然後有 ( f , e n ) = 1 2 π ∫ 0 2 π f ( x ) e − i n x d x = f ^ ( n ) {\displaystyle (f,e_{n})={\frac {1}{2\pi }}\int _{0}^{2\pi }f(x)e^{-inx}dx={\hat {f}}(n)}
特別的有, f ( x ) {\displaystyle f(x)} 的傅立葉級數的部分和 S N ( f ) ( x ) = ∑ | n | ≤ N f ^ ( n ) e n {\displaystyle S_{N}(f)(x)=\sum _{|n|\leq N}{\hat {f}}(n)e_{n}}
然後根據 f = f − ∑ | n | ≤ N f ^ ( n ) e n + ∑ | n | ≤ N f ^ ( n ) e n {\displaystyle f=f-\sum _{|n|\leq N}{\hat {f}}(n)e_{n}+\sum _{|n|\leq N}{\hat {f}}(n)e_{n}} 以及畢氏定理,可以有:
| | f | | 2 = | | f − ∑ | n | ≤ N f ^ ( n ) e n | | 2 + | | ∑ | n | ≤ N f ^ ( n ) e n | | 2 {\displaystyle ||f||^{2}=||f-\sum _{|n|\leq N}{\hat {f}}(n)e_{n}||^{2}+||\sum _{|n|\leq N}{\hat {f}}(n)e_{n}||^{2}} 替換一下後有 | | f | | 2 = | | f − S N ( f ) ( x ) | | 2 + | | ∑ | n | ≤ N f ^ ( n ) e n | | 2 {\displaystyle ||f||^{2}=||f-S_{N}(f)(x)||^{2}+||\sum _{|n|\leq N}{\hat {f}}(n)e_{n}||^{2}} 如果右邊第一項收斂到0,再根據正交的性質,可以看出上述式子中的右手邊第二項:
| | ∑ | n | ≤ N f ^ ( n ) e n | | 2 = ∑ | n | ≤ N | f ^ ( n ) | 2 {\displaystyle ||\sum _{|n|\leq N}{\hat {f}}(n)e_{n}||^{2}=\sum _{|n|\leq N}|{\hat {f}}(n)|^{2}} ,這就證明了帕塞瓦尔定理 。 证明的第二步:
回到證明右邊第一項,因為函數 f ( x ) {\displaystyle f(x)} 可積,找到一個連續函數 g ( x ) {\displaystyle g(x)} ,然後根據最佳逼近引理,可以找到一個三角多項式p(x),使得
| f − S N ( f ) ( x ) | ≤ | f ( x ) − g ( x ) | + | g ( x ) − S N ( f ) ( x ) | {\displaystyle |f-S_{N}(f)(x)|\leq |f(x)-g(x)|+|g(x)-S_{N}(f)(x)|} 故當 N → ∞ {\displaystyle N\rightarrow \infty } ,函數 f ( x ) {\displaystyle f(x)} 跟 S N ( f ) ( x ) {\displaystyle S_{N}(f)(x)} 的差為0。
如果有一個定義在 [ − π , π ] {\displaystyle [-\pi ,\pi ]} 的函數 f ( x ) {\displaystyle f(x)} 和 g ( x ) {\displaystyle g(x)} ,其中函數 f ( x ) {\displaystyle f(x)} 和 g ( x ) {\displaystyle g(x)} 的傅立葉係數 f ^ ( n ) {\displaystyle {\hat {f}}(n)} 還有 g ^ ( n ) {\displaystyle {\hat {g}}(n)} 相同,且傅立葉級數都收斂到函數本身,那麼可以證明此傅立葉級數具有唯一性,也就是 f ( x ) = g ( x ) {\displaystyle f(x)=g(x)} 。換句話說,如果函數 f ( x ) {\displaystyle f(x)} 在 [ − π , π ] {\displaystyle [-\pi ,\pi ]} 上可積,傅立葉係數 f ^ ( n ) {\displaystyle {\hat {f}}(n)} 為0,對所有的 n ∈ N {\displaystyle n\in \mathbb {N} } ,那麼函數 f ( x ) = 0 {\displaystyle f(x)=0}
给定周期为 P {\displaystyle P} 的函数 s P {\displaystyle s_{_{P}}} 和 r P {\displaystyle r_{_{P}}} ,它们具有傅里叶级数系数 S [ n ] {\displaystyle S[n]} 和 R [ n ] {\displaystyle R[n]} ,这里的 n ∈ Z {\displaystyle n\in \mathbb {Z} } 。
逐点乘积 h P ( x ) ≜ s P ( x ) ⋅ r P ( x ) {\displaystyle h_{_{P}}(x)\triangleq s_{_{P}}(x)\cdot r_{_{P}}(x)} ,也是周期为 P {\displaystyle P} ,并且它的傅里叶级数系数是序列 S {\displaystyle S} 和 R {\displaystyle R} 的离散卷积 : H [ n ] = ( S ∗ R ) [ n ] {\displaystyle H[n]=(S*R)[n]} 。 周期卷积 h P ( x ) ≜ ( s P ∗ r ) ( x ) = ( s ∗ r P ) ( x ) = ∫ P s P ( τ ) ⋅ r P ( x − τ ) d τ {\textstyle h_{_{P}}(x)\triangleq (s_{_{P}}*r)(x)=(s*r_{_{P}})(x)=\int _{P}s_{_{P}}(\tau )\cdot r_{_{P}}(x-\tau )\,d\tau } ,也是周期为 P {\displaystyle P} ,它具有傅里叶级数系数: H [ n ] = P ⋅ S [ n ] ⋅ R [ n ] {\displaystyle H[n]=P\cdot S[n]\cdot R[n]} 。 在 c 0 ( Z ) {\displaystyle c_{0}(\mathbb {Z} )} 中的双无限序列 { c n } n ∈ Z {\displaystyle \left\{c_{n}\right\}_{n\in Z}} ,是在 L 1 ( [ 0 , 2 π ] ) {\displaystyle L^{1}([0,2\pi ])} 中的傅里叶系数的序列,当且仅当它是在 ℓ 2 ( Z ) {\displaystyle \ell ^{2}(\mathbb {Z} )} 中的两个序列的卷积 [ 11] 。 我們說 f ( x ) {\displaystyle f(x)} 屬於在 C k ( T ) {\displaystyle C^{k}(\mathbb {T} )} ⇒ {\displaystyle \Rightarrow } 如果 f ( x ) {\displaystyle f(x)} 是一個在實數上以 2 π {\displaystyle 2\pi } 為週期的函數,且 k {\displaystyle k} 次可微而且 k {\displaystyle k} 階連續。
如果 f ( x ) {\displaystyle f(x)} 屬於在 C 1 ( T ) {\displaystyle C^{1}(\mathbb {T} )} ,那麼 f ′ ( x ) {\displaystyle f'(x)} 傅立葉係數 f ′ ^ ( n ) {\displaystyle {\hat {f'}}(n)} 可以被用 f ( x ) {\displaystyle f(x)} 傅立葉係數 f ^ ( n ) {\displaystyle {\hat {f}}(n)} 的表示,藉由公式 f ′ ^ ( n ) = i n f ^ ( n ) {\displaystyle {\hat {f'}}(n)=in{\hat {f}}(n)} 如果 f ( x ) {\displaystyle f(x)} 屬於在 C k ( T ) {\displaystyle C^{k}(\mathbb {T} )} , f ( k ) ^ ( n ) = ( i n ) k f ^ ( n ) {\displaystyle {\hat {f^{(k)}}}(n)=(in)^{k}{\hat {f}}(n)} 。特別的,當固定 k ≥ 1 {\displaystyle k\geq 1} ,我們有 f ( k ) ^ ( n ) {\displaystyle {\hat {f^{(k)}}}(n)} 趨近於0當 n → ∞ {\displaystyle n\rightarrow \infty } ,且有 f ( k ) ^ ( n ) = O ( 1 / n k ) {\displaystyle {\hat {f^{(k)}}}(n)=O(1/n^{k})} 。 如果 S {\displaystyle S} 是可积函数 ,则 lim | n | → ∞ S [ n ] = 0 {\textstyle \lim _{|n|\to \infty }S[n]=0} , lim n → + ∞ a n = 0 {\textstyle \lim _{n\to +\infty }a_{n}=0} 而 lim n → + ∞ b n = 0 {\textstyle \lim _{n\to +\infty }b_{n}=0} 。
如果函數 f ( x ) {\displaystyle f(x)} 屬於在 L 2 ( [ − π , π ] ) {\displaystyle L^{2}([-\pi ,\pi ])} 之中,那麼便有 ∑ − ∞ ∞ | f ^ ( n ) | 2 = 1 2 π ∫ − π π | f ( x ) | 2 d x = | | f | | {\textstyle \sum _{-\infty }^{\infty }|{\hat {f}}(n)|^{2}={\frac {1}{2\pi }}\int _{-\pi }^{\pi }|f(x)|^{2}dx=||f||} 。
如果 c 0 , c ± 1 , c ± 2 , … {\displaystyle c_{0},\,c_{\pm 1},\,c_{\pm 2},\ldots } 是系数,并且 ∑ n = − ∞ ∞ | c n | 2 < ∞ {\textstyle \sum _{n=-\infty }^{\infty }|c_{n}|^{2}<\infty } ,则有一个唯一的函数 s ∈ L 2 ( P ) {\displaystyle s\in L^{2}(P)} 使得对于所有 n {\displaystyle n} 有着 S [ n ] = c n {\displaystyle S[n]=c_{n}} 。
正弦和餘弦形成了正交集合。正弦、餘弦及其乘積的積分,當m 與n 不同或二函數不同時是0(綠色和紅色區域相等抵消),僅當m 和n 相等並且函數相同時為π。 所谓的两个不同向量 正交是指它们的内积 为0,这也就意味着这两个向量之间没有任何相关性,例如,在三维欧氏空间中,互相垂直的向量之间是正交的。事实上,正交是垂直在数学上的一种抽象化和一般化。一组n个互相正交的向量必然是线性无关 的,所以必然可以张成一个n维空间,也就是说,空间中的任何一个向量可以用它们来线性表出。
在希爾伯特空間 釋義下,函數的集合{en = einx ; n ∈ Z }是[−π, π]平方可積函數L 2 ([−π, π])的正交基 。這個空間實際上是一個希爾伯特空間,有著針對任何兩個的元素f 和g 的如下內積:
⟨ f , g ⟩ = d e f 1 2 π ∫ − π π f ( x ) g ( x ) ¯ d x . {\displaystyle \langle f,\,g\rangle \;{\stackrel {\mathrm {def} }{=}}\;{\frac {1}{2\pi }}\int _{-\pi }^{\pi }f(x){\overline {g(x)}}\,dx.} 三角函数族的正交性用公式表示出来就是:
∫ − π π cos ( m x ) cos ( n x ) d x = π δ m n , m , n ≥ 1 , {\displaystyle \int _{-\pi }^{\pi }\cos(mx)\,\cos(nx)\,dx=\pi \delta _{mn},\quad m,n\geq 1,\,} ∫ − π π sin ( m x ) sin ( n x ) d x = π δ m n , m , n ≥ 1 {\displaystyle \int _{-\pi }^{\pi }\sin(mx)\,\sin(nx)\,dx=\pi \delta _{mn},\quad m,n\geq 1} (這裡的δmn 是克羅內克函數 ),而
∫ − π π cos ( m x ) sin ( n x ) d x = 0 ; {\displaystyle \int _{-\pi }^{\pi }\cos(mx)\,\sin(nx)\,dx=0;\,} ^ 一些作者定义了与此不同的 A 0 {\displaystyle A_{0}} ,使得可以用相同的积分定义 A 0 {\displaystyle A_{0}} 和 A n {\displaystyle A_{n}} 。这改变了Eq. 2 使得第一项需要除以 2 {\displaystyle 2} 。 ^ 因为周期函数的傅里叶变换的积分定义不是收敛的,需要将周期函数和它的变换视为分布 。在这种意义上, F { e i 2 π n x P } {\displaystyle {\mathcal {F}}\{e^{i{\frac {2\pi nx}{P}}}\}} 是一个狄拉克δ函数 ,它是分布的是例子。 ^ 详见莫里斯·克莱因 《古今数学思想》,第20章无穷级数,第5节三角级数;第28章十九世纪的偏微分方程,第5节热方程与傅里叶级数。see here, pg.s 209 & 210, (页面存档备份 ,存于互联网档案馆 ) ^ 李狗嗨. 如何给文科生解释傅里叶变换? . 知乎专栏. 2019-07-25 [2020-02-07 ] . (原始内容存档 于2020-10-24) (中文) . ^ Théorie analytique de la chaleur . Paris: Firmin Didot Père et Fils. 1822. OCLC 2688081 (法语) . ^ Pinkus, Allan; Zafrany, Samy. Fourier Series and Integral Transforms 1st. Cambridge, UK: Cambridge University Press. 1997: 42 –44. ISBN 0-521-59771-4 . ^ Katznelson, Yitzhak. An introduction to Harmonic Analysis 2nd corrected. New York, NY: Dover Publications, Inc. 1976: 46 . ISBN 0-486-63331-4 . ^ Georgi P. Tolstov. Fourier Series . Courier-Dover. 1976. ISBN 0-486-63317-9 . ^ 这里 (页面存档备份 ,存于互联网档案馆 ) ^ 8.0 8.1 8.2 8.3 8.4 Papula, Lothar. Mathematische Formelsammlung: für Ingenieure und Naturwissenschaftler [Mathematical Functions for Engineers and Physicists]. Vieweg+Teubner Verlag. 2009. ISBN 978-3834807571 (德语) . ^ 9.0 9.1 9.2 9.3 Shmaliy, Y.S. Continuous-Time Signals. Springer. 2007. ISBN 978-1402062711 . ^ Proakis, John G.; Manolakis, Dimitris G. Digital Signal Processing: Principles, Algorithms, and Applications 3rd. Prentice Hall. 1996: 291 . ISBN 978-0-13-373762-2 . ^ Characterizations of a linear subspace associated with Fourier series . MathOverflow. 2010-11-19 [2014-08-08 ] . William E. Boyce; Richard C. DiPrima. Elementary Differential Equations and Boundary Value Problems 8th. New Jersey: John Wiley & Sons, Inc. 2005. ISBN 0-471-43338-1 . Joseph Fourier, translated by Alexander Freeman. The Analytical Theory of Heat. Dover Publications. 2003. ISBN 0-486-49531-0 . 2003 unabridged republication of the 1878 English translation by Alexander Freeman of Fourier's work Théorie Analytique de la Chaleur , originally published in 1822. Enrique A. Gonzalez-Velasco. Connections in Mathematical Analysis: The Case of Fourier Series . American Mathematical Monthly. 1992, 99 (5): 427–441. JSTOR 2325087 .