在上一篇文章中，我们用"频率的缠绕"这种物理直觉解释了傅里叶变换。今天，我们换一副眼镜，戴上线性代数的透镜，重新审视那个著名的公式：
F(ω)=∫−∞∞f(t)e−iωtdt F(\omega) = \int_{-\infty}^{\infty} f(t) e^{-i\omega t} dt F(ω)=∫−∞∞f(t)e−iωtdt
为什么是积分？为什么是 e−iωte^{-i\omega t}e−iωt？为什么有负号？
所有的答案都隐藏在两个数学概念中：内积 (Inner Product) 和 正交基 (Orthogonal Basis)。
01. 核心思想：函数即向量
在高中，我们处理的是二维、三维向量 v⃗=(3,4)\vec{v} = (3, 4)v =(3,4)。
在大学数学中，我们将概念推广：函数也是向量。
- 向量 v⃗\vec{v}v 是有限维空间的一个点。
- 函数 f(t)f(t)f(t) 是无穷维空间（希尔伯特空间）的一个点。
如果我们把 f(t)f(t)f(t) 看作一个向量，那么 ttt 的每一个取值，就是这个向量的一个"分量"。因为 ttt 是连续的，所以这个向量有无穷多个分量。
02. 投影的艺术：从点积到积分
向量的点积
在欧几里得空间中，如何计算一个向量 a⃗\vec{a}a 在另一个单位向量 b⃗\vec{b}b 上的投影（分量大小）？用点积：
投影=a⃗⋅b⃗=∑iaibi \text{投影} = \vec{a} \cdot \vec{b} = \sum_{i} a_i b_i 投影=a ⋅b =i∑aibi
函数的内积
将求和 ∑\sum∑ 推广到连续域，就是积分 ∫\int∫。对于复数函数，内积定义为：
⟨f,g⟩=∫−∞∞f(t)g(t)‾dt \langle f, g \rangle = \int_{-\infty}^{\infty} f(t) \overline{g(t)} dt ⟨f,g⟩=∫−∞∞f(t)g(t)dt
(注意：对于复数向量，第二个元素必须取共轭 g(t)‾\overline{g(t)}g(t)，这是为了保证长度定义 ⟨f,f⟩\langle f, f \rangle⟨f,f⟩ 是实数)
傅里叶变换的真面目
现在回头看公式：
F(ω)=∫−∞∞f(t)⋅e−iωtdt F(\omega) = \int_{-\infty}^{\infty} f(t) \cdot e^{-i\omega t} dt F(ω)=∫−∞∞f(t)⋅e−iωtdt
根据欧拉公式，e−iωte^{-i\omega t}e−iωt 正是 eiωte^{i\omega t}eiωt 的复共轭！
所以，傅里叶变换本质上就是计算函数 f(t)f(t)f(t) 与基函数 eiωte^{i\omega t}eiωt 的内积：
F(ω)=⟨f(t),eiωt⟩ F(\omega) = \langle f(t), e^{i\omega t} \rangle F(ω)=⟨f(t),eiωt⟩
结论 ：F(ω)F(\omega)F(ω) 仅仅是一个数值（系数），它代表了 f(t)f(t)f(t) 这个巨大向量，在 eiωte^{i\omega t}eiωt 这个基向量方向上的投影分量。
Image of vector projection analogy for Fourier transform
03. 为什么选 eiωte^{i\omega t}eiωt？正交性的奇迹
既然要分解信号，我们为什么偏偏选 eiωte^{i\omega t}eiωt （正弦/余弦波）做基底？为什么不选方波或三角波？
因为它们是正交的。
在向量空间中，正交基（如 X 轴和 Y 轴）最好用，因为它们互不干扰。
对于函数系 {eiωt}\{e^{i\omega t}\}{eiωt}，我们可以证明（在一定区间内）：
∫0Teimω0t⋅einω0t‾dt={T,m=n0,m≠n \int_{0}^{T} e^{i m \omega_0 t} \cdot \overline{e^{i n \omega_0 t}} dt = \begin{cases} T, & m=n \\ 0, & m \neq n \end{cases} ∫0Teimω0t⋅einω0tdt={T,0,m=nm=n
- m≠nm \neq nm=n 时 ：内积为 0。这意味着不同频率的波是完全无关的。
- m=nm = nm=n 时：内积不为 0。
正是因为这种完美的正交性 (Orthogonality) ，我们可以把任意信号 f(t)f(t)f(t) 唯一地分解成这些波的线性组合，而不用担心系数之间纠缠不清。
04. 逆变换：坐标系的重构
既然 F(ω)F(\omega)F(ω) 只是一个个坐标系数，那么要把信号还原回来，只需要把这些系数乘以对应的基向量，然后加起来：
f(t)=12π∫−∞∞F(ω)eiωtdω f(t) = \frac{1}{2\pi} \int_{-\infty}^{\infty} F(\omega) e^{i\omega t} d\omega f(t)=2π1∫−∞∞F(ω)eiωtdω
- F(ω)F(\omega)F(ω)：系数（在这个频率上由多少份量）。
- eiωte^{i\omega t}eiωt：基向量（这个频率原本的样子）。
- ∫...dω\int \dots d\omega∫...dω：广义的求和（把所有频率成分拼回去）。
(注：前面的 12π\frac{1}{2\pi}2π1 是归一化系数，取决于你对正变换的定义，目的是为了保持能量守恒，即帕塞瓦尔定理)
05. 所谓的"负频率"是什么？
数学表达式中，积分区间是 (−∞,+∞)(-\infty, +\infty)(−∞,+∞)，这意味着 ω\omegaω 可以取负值。
物理上频率怎么可能是负的？
这纯粹是数学表达的需要。
eiωt=cos(ωt)+isin(ωt) e^{i\omega t} = \cos(\omega t) + i\sin(\omega t) eiωt=cos(ωt)+isin(ωt)
为了凑出一个实数的 cos(ωt)\cos(\omega t)cos(ωt)，我们需要正负频率的对消：
cos(ωt)=eiωt+e−iωt2 \cos(\omega t) = \frac{e^{i\omega t} + e^{-i\omega t}}{2} cos(ωt)=2eiωt+e−iωt
所以，数学上的负频率 ，实际上是复平面上反向旋转的分量。它们与正频率分量共轭叠加，才构成了我们在示波器上看到的实数信号。
06. 总结
从数学角度看，傅里叶变换并没有什么魔法，它只是无穷维空间中的线性代数。
- 函数 就是向量。
- 傅里叶变换 就是求内积（计算投影坐标）。
- eiωte^{i\omega t}eiωt 就是正交基（坐标轴）。
- 积分 就是求和。
当你理解了这一点，你就不再只是在套公式，而是在脑海中看到一个函数向量，被优雅地投影到了频率的坐标系中。