傅里叶：为什么任何波形都是一堆旋转的圆

一句话结论

任何周期波形，无论多么棱角分明，都能由频率成整数倍的一组正弦波叠加出来。

而正弦波本身，不过是一个匀速旋转的圆在一条直线上的投影。所以这句话可以换一种更有画面感的说法：

任何周期波形，都是一堆旋转的圆叠在一起画出来的。

还有更深的半句：正弦波是唯一”穿过线性系统后形状不变”的波。正是这一点，让傅里叶变换成了整个物理和工程的通用语言 —— 后面会讲到为什么。

直觉铺垫：音色、彩虹，和转圈的影子

先建立三层直觉。

第一层，声音。 钢琴弹的中央 C，和你唱的”啊”，基频完全一样（都是 261.6 Hz），可你闭着眼也分得出来。区别在哪？在于除了基频之外，各自还带着哪些泛音、各占多少。这个”配方”就是频谱，也就是音色。

第二层，光。 一束白光穿过棱镜，散成一道彩虹。棱镜做了一次物理实现的光学傅里叶变换：把”白色”拆成各个频率成分各有各多少。颜色和音色，原来是同一件事。

第三层，圆与正弦。 一个点匀速转圈，它在竖直方向投下的影子，画出来就是正弦波。所以：

一个频率成分 = 一个旋转的圆。

把这三層叠起来，就得到了核心画面：把许多大小不同、转速成整数比、起始角度不同的旋转矢量首尾相接，最末端那支笔尖画出的轨迹，就是你要的那个波形。圆用得越多，画得越像。

为什么转速必须是整数倍？因为周期要对得上。一个周期为 $T$ 的波，只能由周期为 $T$、$T/2$、$T/3$…… 的波组成 —— 非整数倍的频率叠进去，就没法在每个 $T$ 之后精确地重复自己。

推导过程

频率是一组互相垂直的坐标轴

这是整件事最优雅的理解方式。不同频率的正弦波彼此正交：

$\int_0^T \sin\!\Big(\frac{2\pi n\,t}{T}\Big)\,\sin\!\Big(\frac{2\pi m\,t}{T}\Big)\,dt \;=\; 0 \qquad (n \neq m)$

正交，就是”互相垂直”。这意味着各个频率像一组彼此垂直的坐标轴，而傅里叶变换做的事，就是把波形这个”向量”往每个频率轴上投影，量出每个方向上的分量。

所以”某个频率上的系数有多大”，物理含义是：这个波形和该频率的正弦波重叠得有多厉害。

级数写出来

$f(t) = \sum_{n=1}^{\infty}\Big[\,a_n\cos\!\Big(\frac{2\pi n t}{T}\Big) + b_n\sin\!\Big(\frac{2\pi n t}{T}\Big)\Big]$

$a_n$ 和 $b_n$ 就是投影长度。用复数写更紧凑，也更接近本质：

$c_n = \frac{1}{T}\int_0^T f(t)\;e^{-i\,2\pi n t/T}\,dt$

三个例子，一条规律

• 方波：$\displaystyle \frac{4}{\pi}\Big(\sin t + \frac{\sin 3t}{3} + \frac{\sin 5t}{5} + \cdots\Big)$ —— 只有奇次谐波，幅度按 $1/n$ 衰减
• 锯齿波：含全部谐波，幅度也是 $1/n$
• 三角波：只有奇次谐波，幅度按 $1/n^2$ 衰减

看出来了吗？波形越光滑，高频成分衰减得越快。

方波有跳变（函数不连续），所以要 $1/n$ 这么多高频才能把棱角填出来，收敛极慢；三角波连续、只是转了个尖角，$\;1/n^2$ 就够 —— 三五个谐波就画得很像了。这条规律在演示里可以直接拖出来看。

吉布斯现象：填不上的那个尖角

在跳变的地方，有限项叠加总会冲过头。这个过冲大约是跳变幅度的 9%，而且加多少项都不会消失，只是变得越来越窄。

用连续的圆去逼近一个断裂，这个代价必须付。方波的跳变幅度是 2，所以峰值会冲到 1.179 左右 —— 演示里拖到 49 项，你会看到它稳定在 16.5% 附近，正朝着 17.9% 这个理论值去。

为什么偏偏是正弦波？（这一节是全文的灵魂）

这才是真正值得问的问题。基有无穷多种，凭什么是正弦？

因为复指数 $e^{i\omega t}$ 是线性时不变系统的特征函数。

把一个频率为 $\omega$ 的正弦波送进任何线性系统 —— 一根弦、一个电路、一段空气、一层透镜 —— 出来的还是同频率的正弦波，只是幅度和相位变了。系统不会把 1000 Hz 变成 1500 Hz，它只能改变这个频率的”音量”和”延迟”。

于是：

$\text{时域的卷积} \;\xrightarrow{\ \mathcal{F}\ }\; \text{频域的乘法}$

卷积是”系统如何作用于信号”最一般的形式，难算、难想；可它在频域里退化成了逐个频率乘一个数。这就是为什么你只要写出一个系统对每个频率的增益（一条曲线、一张表），就把它完整地描述清楚了 —— 滤波器、弦的振动、原子的吸收谱、镜头的成像，全都如此。

正弦波不是我们选的基，是系统自己挑的基。

交互演示

左边那串圆，每一个就是一个频率成分：圈的大小是该频率的强度，转速是它的频率。最末端红色的笔尖，画出的就是合成波形。

建议这样玩：

1. 把谐波项数从 1 拖到 49，看方波是怎么一点点被”填”出来的 —— 注意跳变处那两个永远消不掉的尖角。
2. 切到三角波，同样拖一遍。你会发现它三五个谐波就很像了 —— 因为它光滑，高频本来就少。
3. 看最下面的频谱条。方波是一根根孤立的奇次谐波，锯齿波是连续的一排，三角波矮下去得极快。这张条状图，就是音色本身。

常见误解

1. “傅里叶变换只适用于周期信号” —— 傅里叶级数针对周期信号；把周期推到无穷大，离散的频谱就变成连续的频谱，这就是傅里叶变换，可以处理非周期信号（比如一声鼓响、一次冲击）。
2. “分解是一种近似” —— 级数本身在满足条件下等于原函数，不是近似。近似来自于你只取了有限项。这两件事要分开说。
3. “项数加够，跳变处的尖角就会平掉” —— 不会，那是吉布斯现象，它只会变窄，不会变矮。
4. “只要幅度谱就够了，相位不重要” —— 大错。频谱包含幅度谱和相位谱两部分。只用幅度谱重建出来的声音完全变形：幅度决定各频率的配比，相位决定这些波在时间上怎么对齐。丢掉相位，你就丢掉了波形的形状。
5. “FFT 是另一种更高级的变换” —— FFT 只是快速算法，数学内容和 DFT 一模一样，把复杂度从 $O(N^2)$ 降到 $O(N\log N)$。别小看这个加速：没有它就没有现代数字通信、没有 JPEG 和 MP3，它被称为 20 世纪最重要的算法之一。

延伸引用

• 数学 · 向量空间与正交基 —— 傅里叶变换本质上就是一次「换基」操作（待写）
• 横切原理 · 熵与信息 —— 换一种表示，代价是什么？（待写）
• 外部：3Blue1Brown, But what is the Fourier Transform? —— 本轮旋转可视化的灵感来源，强烈推荐

本文是「白盒」物理系列的第一篇。发现错误、或者觉得哪一段没讲清楚，欢迎在 GitHub 上提 PR。