引言：1822年的一个大胆断言
想象你站在19世纪初的巴黎，一位头发花白的法国数学家约瑟夫·傅里叶（Joseph Fourier）刚刚完成了一部巨著《热的解析理论》。在这本书中，他提出了一个在当时看来近乎荒谬的断言：
任何周期函数，无论多么复杂，都可以表示为简单的正弦和余弦函数的无穷级数。
这个想法在当时激起了巨大的争议。著名的数学家拉格朗日（Lagrange）甚至认为这是不可能的。但傅里叶坚持自己的观点，并用这个方法成功解决了困扰数学家多年的热传导方程。
为什么这个想法如此重要？因为正弦函数 $\sin(x)$ 和余弦函数 $\cos(x)$ 是我们最理解、最容易处理的函数。如果任何复杂函数都能分解成这些简单函数的叠加，那么我们就可以把复杂问题转化为简单问题来解决。
今天，从你的手机音乐播放器到医学影像设备，从JPEG图像压缩到量子力学计算，傅里叶的思想无处不在。让我们从历史的长河出发，逐步理解这个改变世界的数学工具。
第一章：历史演变——从音乐到数学的千年旅程
1.1 古希腊的发现：音乐是数学
公元前6世纪，毕达哥拉斯（Pythagoras）做了一个著名的实验。他拨动不同长度的琴弦，发现：
- 当弦长比例为 $2:1$ 时，听起来是八度音
- 当弦长比例为 $3:2$ 时，听起来是五度音
- 当弦长比例为 $4:3$ 时，听起来是四度音
这让他意识到：音乐的和谐可以用数学比例来描述。这是人类第一次认识到声音的"频率"概念——琴弦振动越快，音调越高。
更神奇的是，古希腊人还发现：任何复杂的声音都可以分解为多个"纯音"（正弦波）的组合。这其实就是傅里叶级数思想的萌芽！
1.2 18世纪的挑战：弦振动的谜题
时间来到18世纪，物理学家们对弦的振动产生了浓厚兴趣。小提琴、钢琴的弦是如何振动的？如何从数学上描述这种振动？
1747年，达朗贝尔（d’Alembert）得到了弦振动方程： $$ \frac{\partial^2 y}{\partial t^2} = c^2 \frac{\partial^2 y}{\partial x^2} $$
但这个方程的解是什么？欧拉（Euler）和伯努利（Bernoulli）分别给出了不同的解答。伯努利提出：弦的任何运动都可以表示为"固有模式"（正弦波）的叠加。
$$ y(x,t) = \sum_{n=1}^{\infty} A_n \sin\left(\frac{n\pi x}{L}\right)\cos\left(\frac{n\pi c t}{L}\right) $$
但拉格朗日质疑：任意函数真的都能这样分解吗？ 这个争论持续了半个多世纪，直到傅里叶给出答案。
1.3 1807年：傅里叶的革命性论文
1807年，傅里叶向法国科学院提交了一篇关于热传导的论文。在研究金属棒中热量如何传播时，他遇到了一个难题：如何表示初始温度分布？
傅里叶提出：初始温度函数 $f(x)$ 可以表示为
$$ f(x) = a_0 + \sum_{n=1}^{\infty} a_n \cos\left(\frac{n\pi x}{L}\right) + b_n \sin\left(\frac{n\pi x}{L}\right) $$
这个想法太激进了！当时的数学界包括拉格朗日、拉普拉斯等人都持怀疑态度。他们认为：正弦和余弦函数都是光滑的、连续的，怎么可能组合出一个有"尖角"或者"跳跃"的函数？
但傅里叶并没有被质疑吓倒。他给出了计算系数 $a_n$ 和 $b_n$ 的具体方法，并用大量例子证明这个方法有效。
1.4 最终的胜利：从质疑到教科书
1822年，傅里叶出版了《热的解析理论》，完整阐述了他的理论。这本书的影响力是巨大的：
- 数学家开始重新思考"函数"的定义
- 柯西（Cauchy）、黎曼（Riemann）等人在此基础上建立了严格的函数理论
- 狄利克雷（Dirichlet）给出了傅里叶级数收敛的充分条件
到19世纪末，傅里叶级数已经成为数学分析的核心工具。而到了20世纪，随着电信号处理的出现，这个理论找到了它的用武之地。
今天我们回顾这段历史，不禁感叹：一个源于热传导问题的数学工具，竟然成为理解波、信号、信息的通用语言。
第二章：从直觉到推导——理解傅里叶级数
2.1 什么是周期函数？
首先，让我们明确什么是周期函数。一个函数 $f(x)$ 称为周期函数，如果存在正数 $T$（称为周期），使得：
$$ f(x+T) = f(x) \quad \text{对所有} \ x \ \text{成立} $$
例子：
- $\sin(x)$ 的周期是 $2\pi$
- $\cos(2x)$ 的周期是 $\pi$
- 方波函数也是周期函数
傅里叶的断言是：任何周期为 $2\pi$ 的函数 $f(x)$ 都可以表示为
$$ f(x) = \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[a_n \cos(nx) + b_n \sin(nx)\right] $$
2.2 直观理解：为什么是正弦和余弦？
选择正弦和余弦函数有几个重要原因：
1. 简单性：正弦和余弦是最基本的周期函数 2. 完备性：它们足够"丰富"，能组合出任何周期函数 3. 正交性：不同频率的正弦/余弦函数在积分意义下"垂直" 4. 物理意义：它们对应于"纯音"、“纯色"等基本振动
图4：波形叠加可视化。黑色虚线显示目标方波，绿色实线显示前4项谐波的叠加结果。蓝色、紫色、橙色、青色分别表示基波（n=1）、3次谐波（n=3）、5次谐波（n=5）、7次谐波（n=7）。通过叠加这些正弦波，可以逐步逼近方波。
想象你在绘画。如果有红、绿、蓝三种基本颜色，你可以混合出任何颜色。同样，傅里叶告诉我们：正弦和余弦就是函数空间的"基色”。
2.3 正交性：计算系数的关键
傅里叶级数的美妙之处在于，我们可以用正交性来计算每个系数。什么是正交性？
考虑以下积分（在区间 $[-\pi, \pi]$ 上）：
$$ \int_{-\pi}^{\pi} \cos(mx)\cos(nx),dx = \begin{cases} 0, & m \neq n \ \pi, & m = n \neq 0 \ 2\pi, & m = n = 0 \end{cases} $$
$$ \int_{-\pi}^{\pi} \sin(mx)\sin(nx),dx = \begin{cases} 0, & m \neq n \ \pi, & m = n \neq 0 \end{cases} $$
$$ \int_{-\pi}^{\pi} \cos(mx)\sin(nx),dx = 0 \quad \text{对所有} \ m,n $$
这意味着：不同频率的正弦/余弦函数在积分意义下互相"垂直"！
这个性质类似于几何中的向量垂直。如果向量 $\mathbf{v}_1 \perp \mathbf{v}_2$，那么 $\mathbf{v}_1 \cdot \mathbf{v}_2 = 0$。这里，积分 $\int f(x)g(x),dx$ 就像向量的点积。
2.4 计算系数 $a_0$
让我们从常数项 $a_0$ 开始。对傅里叶级数两边在 $[-\pi, \pi]$ 上积分：
$$ \int_{-\pi}^{\pi} f(x),dx = \int_{-\pi}^{\pi} \frac{a_0}{2},dx + \sum_{n=1}^{\infty} \left[a_n \int_{-\pi}^{\pi} \cos(nx),dx + b_n \int_{-\pi}^{\pi} \sin(nx),dx\right] $$
利用正交性，所有正弦和余弦的积分都等于零，只剩下：
$$ \int_{-\pi}^{\pi} f(x),dx = \frac{a_0}{2} \cdot 2\pi $$
因此：
$$ a_0 = \frac{1}{\pi} \int_{-\pi}^{\pi} f(x),dx $$
物理解释：$a_0/2$ 是函数 $f(x)$ 的平均值（直流分量）。
2.5 计算系数 $a_n$
要计算 $a_n$（$n \geq 1$），我们在傅里叶级数两边乘以 $\cos(nx)$，然后积分：
$$ \int_{-\pi}^{\pi} f(x)\cos(nx),dx = \frac{a_0}{2}\int_{-\pi}^{\pi} \cos(nx),dx + \sum_{m=1}^{\infty} \left[a_m \int_{-\pi}^{\pi} \cos(mx)\cos(nx),dx + b_m \int_{-\pi}^{\pi} \sin(mx)\cos(nx),dx\right] $$
根据正交性：
- $\int_{-\pi}^{\pi} \cos(nx),dx = 0$
- $\int_{-\pi}^{\pi} \sin(mx)\cos(nx),dx = 0$
- $\int_{-\pi}^{\pi} \cos(mx)\cos(nx),dx = 0$（当 $m \neq n$）
- $\int_{-\pi}^{\pi} \cos^2(nx),dx = \pi$
因此，级数中只有 $m = n$ 的项留下来：
$$ \int_{-\pi}^{\pi} f(x)\cos(nx),dx = a_n \cdot \pi $$
得到：
$$ a_n = \frac{1}{\pi} \int_{-\pi}^{\pi} f(x)\cos(nx),dx $$
2.6 计算系数 $b_n$
类似地，乘以 $\sin(nx)$ 再积分：
$$ \int_{-\pi}^{\pi} f(x)\sin(nx),dx = \frac{a_0}{2}\int_{-\pi}^{\pi} \sin(nx),dx + \sum_{m=1}^{\infty} \left[a_m \int_{-\pi}^{\pi} \cos(mx)\sin(nx),dx + b_m \int_{-\pi}^{\pi} \sin(mx)\sin(nx),dx\right] $$
只有 $\int_{-\pi}^{\pi} \sin^2(nx),dx = \pi$ 不为零：
$$ b_n = \frac{1}{\pi} \int_{-\pi}^{\pi} f(x)\sin(nx),dx $$
2.7 完整的傅里叶级数公式
总结一下，对于周期为 $2\pi$ 的函数 $f(x)$：
傅里叶级数： $$ f(x) \sim \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[a_n \cos(nx) + b_n \sin(nx)\right] $$
傅里叶系数： $$ a_n = \frac{1}{\pi}\int_{-\pi}^{\pi} f(x)\cos(nx),dx, \quad n = 0,1,2,\ldots $$ $$ b_n = \frac{1}{\pi}\int_{-\pi}^{\pi} f(x)\sin(nx),dx, \quad n = 1,2,\ldots $$
注意：这里用 $\sim$ 而不是 $=$，因为级数可能在某些点不收敛到 $f(x)$。
图3：方波的傅里叶频谱。蓝色条形图显示各次谐波的幅值|b_n|。红色点线表示理论包络4/(nπ)。注意到：只有奇数次谐波（n=1,3,5,7,…）的幅值非零，且幅值按1/n衰减。
2.8 一般周期的情况
如果函数 $f(x)$ 的周期是 $2L$（不是 $2\pi$），我们做变量替换 $u = \frac{\pi x}{L}$：
傅里叶级数： $$ f(x) \sim \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[a_n \cos\left(\frac{n\pi x}{L}\right) + b_n \sin\left(\frac{n\pi x}{L}\right)\right] $$
傅里叶系数： $$ a_n = \frac{1}{L} \int_{-L}^{L} f(x)\cos\left(\frac{n\pi x}{L}\right),dx $$
$$ b_n = \frac{1}{L} \int_{-L}^{L} f(x)\sin\left(\frac{n\pi x}{L}\right),dx $$
2.9 一个具体例子：方波函数
让我们用一个经典例子来实践。考虑周期为 $2\pi$ 的方波函数：
$$ f(x) = \begin{cases} 1, & 0 < x < \pi \ -1, & -\pi < x < 0 \end{cases} $$
计算 $a_0$： $$ a_0 = \frac{1}{\pi}\left[\int_{-\pi}^{0}(-1),dx + \int_{0}^{\pi} 1,dx\right] = \frac{1}{\pi}[-\pi + \pi] = 0 $$
计算 $a_n$： $$ a_n = \frac{1}{\pi}\left[\int_{-\pi}^{0}(-1)\cos(nx),dx + \int_{0}^{\pi} \cos(nx),dx\right] = 0 $$
因为 $\cos(nx)$ 是偶函数，对称区间上的积分抵消了。
计算 $b_n$： $$ b_n = \frac{1}{\pi}\left[\int_{-\pi}^{0}(-1)\sin(nx),dx + \int_{0}^{\pi} \sin(nx),dx\right] $$
$$ = \frac{1}{\pi}\left[\frac{\cos(nx)}{n}\Big|{-\pi}^{0} - \frac{\cos(nx)}{n}\Big|{0}^{\pi}\right] $$
$$ = \frac{1}{\pi n}\left[(1 - \cos(-n\pi)) - (\cos(n\pi) - 1)\right] $$
由于 $\cos(n\pi) = (-1)^n$，我们得到：
$$ b_n = \frac{2}{n\pi}(1 - (-1)^n) = \begin{cases} \frac{4}{n\pi}, & n \ \text{为奇数} \ 0, & n \ \text{为偶数} \end{cases} $$
方波的傅里叶级数： $$ f(x) = \frac{4}{\pi}\left(\sin x + \frac{\sin(3x)}{3} + \frac{\sin(5x)}{5} + \cdots\right) $$
图1：方波的傅里叶级数逼近。红色虚线表示精确的方波，彩色实线显示不同项数的傅里叶级数逼近（N=1,3,5,10,20,50）。随着N增加，逼近越来越接近精确方波。
这个结果令人惊叹：方波（有尖角！）竟然可以完全由光滑的正弦波组合而成！
第三章：深入理解——收敛性与奇观现象
3.1 狄利克雷条件：什么时候傅里叶级数收敛？
不是所有函数的傅里叶级数都收敛到函数本身。1837年，狄利克雷给出了著名的狄利克雷条件：
如果函数 $f(x)$ 在 $[-\pi, \pi]$ 上满足：
- 有界：存在 $M$ 使得 $|f(x)| \leq M$
- 分段连续：只有有限个间断点
- 分段单调：可以分成有限个单调区间
那么傅里叶级数在连续点收敛到 $f(x)$，在间断点 $x_0$ 收敛到左右极限的平均值：
$$ \frac{f(x_0^+) + f(x_0^-)}{2} $$
这些条件相当宽松，意味着傅里叶级数对几乎所有的实用函数都有效！
3.2 吉布斯现象：跳跃点的"过冲"
让我们重新看方波的傅里叶级数： $$ f_N(x) = \frac{4}{\pi}\sum_{k=1}^{N} \frac{\sin((2k-1)x)}{2k-1} $$
如果我们要取前 $N$ 项（部分和），在 $x = 0$ 附近会发生什么？
吉布斯现象（Gibbs Phenomenon）：在函数的跳跃间断点附近，傅里叶级数的部分和会出现约 $9%$ 的"过冲"（overshoot）。
图2：吉布斯现象的放大视图。在x=0附近，傅里叶级数在间断点处出现过冲。随着项数N增加，最大值趋向于约1.089（比理论值1.0高出约8.9%），但这个过冲永远不会消失，只是宽度越来越窄。
具体来说，对于高度从 $-1$ 跳到 $1$ 的方波：
- 部分和的最大值约为 $1.08949$（而不是 $1$）
- 这个过冲不会随着 $N \to \infty$ 而消失
- 但过冲的宽度会趋于零
这个现象在1899年由吉布斯（Gibbs）首次解释。它告诉我们：傅里叶级数在间断点的收敛不是一致的。
3.3 复数形式：更简洁的表达
利用欧拉公式 $e^{ix} = \cos x + i\sin x$，我们可以将傅里叶级数写成更紧凑的复数形式：
$$ f(x) \sim \sum_{n=-\infty}^{\infty} c_n e^{inx} $$
其中复数系数为：
$$ c_n = \frac{1}{2\pi} \int_{-\pi}^{\pi} f(x)e^{-inx},dx $$
与实数形式的关系：
- $c_0 = a_0/2$
- $c_n = (a_n - ib_n)/2$（$n > 0$）
- $c_{-n} = (a_n + ib_n)/2$（$n > 0$）
复数形式在理论推导和计算中往往更方便，特别是在信号处理领域。
3.4 帕塞瓦尔等式：能量守恒
帕塞瓦尔等式（Parseval’s Identity）揭示了傅里叶级数的一个深刻性质：
$$ \frac{1}{2\pi}\int_{-\pi}^{\pi} |f(x)|^2,dx = \frac{|a_0|^2}{4} + \frac{1}{2}\sum_{n=1}^{\infty}(|a_n|^2 + |b_n|^2) = \sum_{n=-\infty}^{\infty} |c_n|^2 $$
物理意义：函数的"能量"（$|f|^2$ 的积分）等于各频率分量能量的总和。这是能量守恒在频域的体现！
第四章：广泛应用——从理论到技术
4.1 信号处理：分析声音的本质
最直接的应用是声音信号分析。当你听到音乐时，你的耳朵正在做傅里叶分析！
例子：钢琴演奏中央C（频率 $261.6,\text{Hz}$）
- 基频：$261.6,\text{Hz}$
- 泛音：$523.2,\text{Hz}$, $784.8,\text{Hz}$, $1046.4,\text{Hz}$, …
每个音色的区别在于泛音的强度分布不同：
- 钢琴：泛音丰富，高频分量较强
- 长笛：泛音较少，接近纯正弦波
- 小提琴：泛音很多，且有特殊的共振峰
音乐的频谱就是傅里叶系数的模 $|c_n|$ 随频率 $n$ 的分布图。
4.2 图像压缩：JPEG格式的秘密
你的数码相机拍摄的照片大多是JPEG格式。JPEG压缩的核心思想就是频域分析：
- 分块：将图像分成 $8 \times 8$ 的像素块
- 二维离散余弦变换（DCT）：每个块用64个"基础图像"的加权和表示
- 量化：高频分量（细节）用较少的比特表示
- 熵编码：进一步压缩数据
DCT本质上是二维的傅里叶余弦变换。由于人眼对高频细节不敏感，我们可以大幅削减高频分量而几乎不影响视觉效果。
这就是为什么JPEG能在10:1甚至20:1的压缩比下仍保持较好的图像质量！
4.3 量子力学：波函数的展开
在量子力学中，粒子状态用波函数 $\psi(x)$ 描述。如果粒子处于有限深势阱中，$\psi(x)$ 可以用能量本征态展开：
$$ \psi(x) = \sum_{n=1}^{\infty} c_n \phi_n(x) $$
其中 $\phi_n(x)$ 是薛定谔方程的解。这完全类似于傅里叶级数！
系数的物理意义：$|c_n|^2$ 是测量粒子处于第 $n$ 个能级的概率。
更一般地，在希尔伯特空间（Hilbert Space）中，任何波函数都可以用一组正交归一基函数展开——这就是量子力学的数学语言。
4.4 热传导方程：傅里叶的原始动机
让我们回到傅里叶研究的问题：一根长度为 $L$ 的金属棒，初始温度分布为 $f(x)$，两端保持 $0^\circ\text{C}$。温度 $u(x,t)$ 如何随时间演化？
热传导方程是： $$ \frac{\partial u}{\partial t} = \alpha^2 \frac{\partial^2 u}{\partial x^2} $$
边界条件：$u(0,t) = u(L,t) = 0$
傅里叶的解法：
将 $f(x)$ 展开为傅里叶正弦级数： $$ f(x) = \sum_{n=1}^{\infty} b_n \sin\left(\frac{n\pi x}{L}\right) $$
对每个模式 $\sin\left(\frac{n\pi x}{L}\right)$，方程的解是： $$ u_n(x,t) = b_n e^{-\alpha^2(n\pi/L)^2 t} \sin\left(\frac{n\pi x}{L}\right) $$
叠加所有模式： $$ u(x,t) = \sum_{n=1}^{\infty} b_n e^{-\alpha^2(n\pi/L)^2 t} \sin\left(\frac{n\pi x}{L}\right) $$
物理直觉：高频模式（$n$ 大）衰减得更快，因为指数因子 $e^{-\alpha^2(n\pi/L)^2 t}$。这解释了为什么温度分布会逐渐变得平滑。
4.5 调幅广播：无线电信号的传输
传统的AM收音机使用调幅（Amplitude Modulation）技术。原理是：
- 音频信号：$m(t) = A_m \cos(\omega_m t)$（例如音乐）
- 载波信号：$c(t) = A_c \cos(\omega_c t)$（高频，例如 $1,\text{MHz}$）
- 调制信号：$s(t) = A_c[1 + k_am(t)]\cos(\omega_c t)$
展开后： $$ s(t) = A_c\cos(\omega_c t) + \frac{A_c k_a A_m}{2}[\cos((\omega_c+\omega_m)t) + \cos((\omega_c-\omega_m)t)] $$
这里出现了三个频率分量：
- 载波频率 $\omega_c$
- 上边带 $\omega_c + \omega_m$
- 下边带 $\omega_c - \omega_m$
这正是傅里叶分析的应用！通过调制，我们将低频音频信号"搬移"到高频载波上，便于天线发射。
4.6 CT扫描：从投影重建图像
医院中的CT（Computed Tomography）扫描仪利用傅里叶切片定理（Fourier Slice Theorem）重建人体内部的三维图像。
基本原理：
- X射线从不同角度穿过人体
- 探测器测量衰减后的强度
- 每个角度的测量是物体在某个方向的"投影"
- 傅里叶切片定理：投影的傅里叶变换等于物体二维傅里叶变换的一条径向切片
- 通过反傅里叶变换重建图像
这个技术让医生能够"看到"人体内部的结构，拯救了无数生命。
第五章：数学之美——简单性背后的深刻
5.1 为什么傅里叶级数如此有效？
傅里叶级数的神奇之处在于：复杂的函数可以分解为简单的正弦波。但这为什么可能？
从几何角度看，函数空间是一个无穷维向量空间。正弦和余弦函数 ${1, \cos x, \sin x, \cos 2x, \sin 2x, \ldots}$ 构成了这个空间的正交基。
就像三维空间中任何向量 $\mathbf{v} = v_x\mathbf{i} + v_y\mathbf{j} + v_z\mathbf{k}$ 可以用基向量 ${\mathbf{i}, \mathbf{j}, \mathbf{k}}$ 表示一样，函数空间中任何函数都可以用傅里叶基函数表示。
5.2 泛函分析：完备性与收敛性
20世纪初，数学家们建立了泛函分析（Functional Analysis），为傅里叶级数提供了严格的数学基础：
- 希尔伯特空间（Hilbert Space）：完备的内积空间
- $L^2$ 空间：平方可积函数空间
- 里斯-费舍尔定理（Riesz-Fischer Theorem）：傅里叶级数在 $L^2$ 意义下收敛
这些定理告诉我们：对于"大部分"函数，傅里叶级数都有效。
5.3 从傅里叶级数到傅里叶变换
傅里叶级数处理周期函数。如果函数不是周期的怎么办？
令周期 $T \to \infty$，离散频率 $n\omega_0$ 变成连续频率 $\omega$，求和变成积分：
$$ f(x) = \frac{1}{2\pi}\int_{-\infty}^{\infty} \hat{f}(\omega)e^{i\omega x},d\omega $$
$$ \hat{f}(\omega) = \int_{-\infty}^{\infty} f(x)e^{-i\omega x},dx $$
这就是傅里叶变换（Fourier Transform）！它将我们带到了更广阔的领域。
总结：用简单构建复杂
傅里叶级数的故事从2000多年前毕达哥拉斯的音乐发现开始，经过18世纪数学家们的争论，在19世纪初由傅里叶完成理论框架，最终在20世纪成为现代科技的基础。
这个理论告诉我们：
1. 简单可以构建复杂：正弦波看似简单，但它们的叠加可以产生任何复杂波形 2. 对称性是关键：正交性让系数计算变得简单而优雅 3. 抽象理论有实际价值：一个纯数学工具最终改变了通信、医学、信息处理等领域 4. 数学是通用的语言：从音乐到量子力学，同样的数学描述不同的现象
傅里叶的遗产是巨大的。每当你：
- 用手机听音乐
- 看JPEG照片
- 做CT扫描
- 使用Wi-Fi
你都在体验傅里叶级数的应用。这个由热传导问题引发的数学工具，已经成为现代文明的基石之一。
正如数学家亨利·庞加莱（Henri Poincaré）所说：
“数学不仅给予真理，还给予我们认识真理的能力。它教会我们，简单性的追求往往是发现真理的向导。”
傅里叶级数，正是这句话的完美例证。
附录：重要公式汇总
A. 傅里叶级数的各种形式
实数形式（周期 $2\pi$）： $$ f(x) \sim \frac{a_0}{2} + \sum_{n=1}^{\infty} [a_n\cos(nx) + b_n\sin(nx)] $$
$$ a_n = \frac{1}{\pi}\int_{-\pi}^{\pi} f(x)\cos(nx),dx $$ $$ b_n = \frac{1}{\pi}\int_{-\pi}^{\pi} f(x)\sin(nx),dx $$
复数形式： $$ f(x) \sim \sum_{n=-\infty}^{\infty} c_n e^{inx} $$ $$ c_n = \frac{1}{2\pi}\int_{-\pi}^{\pi} f(x)e^{-inx},dx $$
B. 重要定理
帕塞瓦尔等式： $$ \frac{1}{2\pi}\int_{-\pi}^{\pi} |f(x)|^2,dx = \sum_{n=-\infty}^{\infty} |c_n|^2 $$
狄利克雷条件：若 $f(x)$ 有界、分段连续、分段单调，则傅里叶级数在连续点收敛到 $f(x)$，在间断点收敛到左右极限的平均值。
C. 傅里叶变换
$$ \hat{f}(\omega) = \int_{-\infty}^{\infty} f(x)e^{-i\omega x},dx $$ $$ f(x) = \frac{1}{2\pi}\int_{-\infty}^{\infty} \hat{f}(\omega)e^{i\omega x},d\omega $$
参考文献
- Fourier, J. (1822). Théorie analytique de la chaleur. Paris: Firmin Didot Père et Fils.
- Körner, T. W. (1988). Fourier Analysis. Cambridge University Press.
- Stein, E. M., & Shakarchi, R. (2003). Fourier Analysis: An Introduction. Princeton University Press.
- Folland, G. B. (2009). Fourier Analysis and Its Applications. American Mathematical Society.
- Bracewell, R. N. (2000). The Fourier Transform and Its Applications. McGraw-Hill.
- Tolstov, G. P. (1976). Fourier Series. Dover Publications.
- 傅里叶级数 - 维基百科
- 吉布斯现象 - Wolfram MathWorld
作者注：本文试图以通俗易懂的方式介绍傅里叶级数这一深刻的数学工具。建议读者在学习时：
- 动手计算：自己推导几个函数的傅里叶级数（如三角波、锯齿波）
- 可视化：用Python或MATLAB绘制不同项数的部分和，观察逼近过程
- 思考应用：在日常生活中寻找傅里叶级数的应用实例
傅里叶级数的美妙之处在于，它不仅是一个数学工具，更是一种思维方式——将复杂问题分解为简单部分的叠加。