4.3 傅里叶级数与周期函数

4.3 傅里叶级数与周期函数

本节摘要：SOURCE 4.3：由此，本节的使命便清晰浮现：系统揭示傅里叶级数如何从复变函数的基本原理中自然涌现；阐明周期函数在复平面上的内在结构表征；构建一套以复系数、正交基、收敛性判据与解析延拓能力为支柱的技术框架；并指明该框架如何成为后续狄利克雷核、共轭调和函数、泊松积分乃至分布意义下广义傅里叶分析的逻辑源头。

目标与定位

傅里叶级数是"周期函数的展开语言"：把周期信号分解为不同频率的复指数之和。本节从复分析视角重讲这一主题——关键在于复指数 e^{in\theta} 既是周期函数又是解析函数，傅里叶系数与劳伦系数、解析延拓因此天然相连。

复指数基与正交性

设 f 以 2\pi 为周期。在 L^2 内积

下，函数族 \{e^{in\theta}\}_{n\in\mathbb{Z}} 是标准正交基：

正交性使得傅里叶系数可以"投影"出来：

而 f 的傅里叶级数写作 f(\theta)\sim\sum_{n=-\infty}^{\infty}c_ne^{in\theta}。

与实系数傅里叶级数的换算

复系数与经典三角系数可以互换。若

则 c_0=\frac{a_0}{2}，且对 n\ge1 有

因此复指数形式更紧凑：一个求和号同时包含正负频率，而 |c_n| 直接度量该频率成分的强度。

收敛性：狄利克雷条件

傅里叶级数在什么意义下收敛？狄利克雷定理：若 f 在 [-\pi,\pi] 上分段光滑，则级数在连续点收敛到 f(\theta)，在跳跃点收敛到左右极限的平均 \frac{f(\theta^+)+f(\theta^-)}{2}。

吉布斯现象：在跳跃点附近，截断级数会过冲约 9\%，不随项数增加而消失——这是"逐点收敛"与"一致收敛"差异的经典例证，也说明为什么物理实现中需要滤波。

从傅里叶级数到复分析

傅里叶级数不是孤立的：把 f 周期延拓后，考虑 F(z)=\sum_{n\ge0}c_nz^n，若该幂级数有收敛半径 >1，则 F(e^{i\theta}) 与 f(\theta) 的解析部分吻合。更一般地，单位圆上的傅里叶级数与圆盘内解析函数、调和函数通过泊松积分互相转化：

泊松核 P_r 把边界值"抹平"为内部调和值——这是傅里叶级数连接调和分析（第2章）与边值问题（第6章）的桥梁。

帕塞瓦尔等式与能量谱

傅里叶系数除了重构函数，还直接携带"能量"信息。帕塞瓦尔等式：

左端是信号的能量（均方值），右端是各频率成分能量之和。由此可得著名的数论结果：对锯齿波 f(\theta)=\theta，c_n=(-1)^n/(in)（n\ne0），代入得

即 \sum_{n=1}^{\infty}\frac1{n^2}=\frac{\pi^2}{6}（巴塞尔问题的经典解）。一个"纯分析"的级数求和，经由傅里叶展开轻松得到——这是级数理论与傅里叶分析相互馈赠的典范。

数值算例：方波的傅里叶重构

import numpy as np
import math

# 方波 f(t) = sign(sin t)，用复指数系数 c_n 重构
def ck(k, N=2000):
    t = np.linspace(-np.pi, np.pi, N)
    f = np.sign(np.sin(t))
    return np.trapz(f * np.exp(-1j*k*t), t) / (2*np.pi)

M = 30                      # 截断阶数
t = np.linspace(-np.pi, np.pi, 400)
recon = np.zeros_like(t)
for k in range(-M, M+1):
    recon += ck(k) * np.exp(1j*k*t)
err = np.max(np.abs(recon - np.sign(np.sin(t))))
print("M=%d 截断重构的最大误差: %.3f" % (M, err))
# 期望：误差集中在跳跃点附近（吉布斯现象）
​

# 正交性验证：<e^{i*2t}, e^{i*5t}> 应为 0
t = np.linspace(-np.pi, np.pi, 4000)
val = np.trapz(np.exp(1j*2*t) * np.conj(np.exp(1j*5*t)), t) / (2*np.pi)
print("正交内积: %.2e %+.2ei" % (val.real, val.imag))
​

# 帕塞瓦尔等式数值验证：对锯齿波 f(theta)=theta
N = 4000
t = np.linspace(-np.pi, np.pi, N)
f = t
lhs = np.trapz(f**2, t) / (2*np.pi)
# 用解析系数 c_n = (-1)^n/(i n), n != 0, c_0 = 0
M = 200
rhs = sum(1.0/n**2 for n in range(1, M+1)) * 2   # 2*sum 1/n^2
print("帕塞瓦尔左端: %.8f" % lhs)
print("帕塞瓦尔右端(前%d项): %.8f" % (M, rhs))
print("pi^2/3 = %.8f" % (np.pi**2 / 3))
​

应用：频域分析无处不在

• 信号处理：傅里叶系数 c_n 是离散频谱，模给出幅度、辐角给出相位；
• 声学与振动：乐器音色由谐波结构刻画，|c_n| 即音色频谱；
• 数值计算：FFT 在 O(N\log N) 时间内计算全部系数，是工程中最重要的算法之一；
• 数论桥梁：\sum_{n\ne0}\frac{e^{in\theta}}{n} 与 \log|1-e^{i\theta}| 的关系，连接傅里叶级数与伯努利数。

⚠️ 常见坑：只记结论不记适用边界——傅里叶级数在跳跃点收敛到平均值而非函数值；吉布斯过冲无法通过增加项数消除；周期、正交基与内积定义必须一致。

💡 关键直觉：4.3 傅里叶级数与周期函数 应能对应至少一项可复现实验或算例——方波重构与正交性检验即为数值例证。

思考与检验

1. 求 \delta 型锯齿波 f(\theta)=\theta（-\pi<\theta<\pi）的复系数 c_n，验证 c_n=\frac{(-1)^n}{n}（n\ne0）。
2. 用帕塞瓦尔等式计算 \sum_{n=1}^\infty\frac{1}{n^2}（提示：\|f\|^2=\sum|c_n|^2）。
3. 解释为什么 e^{in\theta} 在复平面上既是周期函数又是解析函数。

小结

• 主干：4.3 傅里叶级数与周期函数 连接「输入—过程—输出」——复指数基、正交性、收敛性、泊松桥梁。
• 边界：收敛需满足狄利克雷条件；跳跃点收敛到平均。
• 方法：数值内积求系数，截断级数对照原函数并观察吉布斯现象。