傅里叶变换与矢量空间

贡献者： addis

本文存在未完成的内容。

预备知识　傅里叶变换与连续正交归一基底

　　在 “傅里叶变换与连续正交归一基底” 中，我们已经用矢量空间和连续基底的概念来理解傅里叶变换，但我们把函数看作矢量本身。而在本文中，我们再次用另一种方法理解傅里叶变换，即把函数看作是矢量的坐标而不是矢量本身。注意这种理解和 “连续基底” 的概念一样，并不十分严谨，但对于理解量子力学中的 “位置表象和动量表象” 却十分有用。

　　类比傅里叶级数，我们仍然可以将傅里叶变换看作是矢量空间中两组正交归一基底之间的变换，我们分别把他们叫做 $x$ 基底和 $k$ 基底。若使用 $x$ 基底，就说在 $x$ 表象下，若用 $k$ 基底就说在 $k$ 表象下。每个实数 $x_{0}$ 对应一个基底 $| x_{0} ⟩$ ，所有的 $| x_{0} ⟩$ 构成 $x$ 基底。每个实数 $k_{0}$ 对应一个基底 $| k_{0} ⟩$ ，所有的 $| k_{0} ⟩$ 构成 $k$ 基底。就像有限维空间中用 $(0, \dots, 1, \dots, 0)$ 表示一组基底的第 $i$ 个关于这组基底的坐标（见 “几何矢量的基底和坐标” 中的定义），可以用狄拉克 delta 函数 $δ (x - x_{0})$ 表示 $| x_{0} ⟩$ 关于所有 $x$ 基底的坐标，用 $δ (k - k_{0})$ 表示 $| k_{0} ⟩$ 关于所有 $k$ 基底的坐标。

　　现在，函数 $f (x)$ 可以看作是某个矢量 $| v ⟩$ 关于 $x$ 基底的坐标（有限维空间中的求和在无穷维空间中变为积分）, 而 $g (k)$ 可以看作是 $k$ 基底的坐标¹。

\begin{matrix} (1) & | v ⟩ = \int f (x_{0}) | x_{0} ⟩ d x_{0} = \int g (k_{0}) | k_{0} ⟩ d k_{0} . \end{matrix}

　　矢量空间中两个矢量的内积，在 $x$ 表象下为

\begin{matrix} (2) & \begin{aligned} ⟨ v_{1} | v_{2} ⟩ = {(\int f_{1} (x_{1}) | x_{1} ⟩ d x_{1})}^{†} \int f_{2} (x_{2}) | x_{2} ⟩ d x_{2} \\ = \iint f_{1} (x_{1})^{*} f_{2} (x_{2}) δ (x_{2} - x_{1}) d x_{1} d x_{2} \\ = \int f_{1} (x)^{*} f_{2} (x) d x, \end{aligned} \end{matrix}

k

表象同理。

　　将某矢量 $| v ⟩$ 投影到基底 $| x_{0} ⟩$ 上，可以验证其系数为

\begin{matrix} (3) & ⟨ x_{0} | v ⟩ = \int f (x) δ (x - x_{0}) d x = f (x_{0}) . \end{matrix}

x

表象下，可以验证

x

基底的正交归一化

\begin{matrix} (4) & ⟨ x_{1} | x_{2} ⟩ = \int δ (x - x_{1}) δ (x - x_{2}) d x = δ (x_{2} - x_{1}), \end{matrix}

k

表象同理。

1. 基底变换

　　将傅里叶变换对应的算符记为 $F$ ，反变换记为 $F^{- 1}$ 。傅里叶变换可以看成一个无穷维且连续的酉矩阵，将同一个矢量从 $x$ 表象坐标变换到 $k$ 表象坐标。反变换从 $k$ 表象变回 $x$ 表象。傅里叶变换和反变换并不改变矢量 $| v ⟩$ 本身， $F$ 是一个单位算符，即 $F | v ⟩ = | v ⟩$ 。

　　令 $| k_{0} ⟩$ 基底在 $x$ 表象下的函数（即坐标）为 $e^{i k_{0} x} / \sqrt{2 π}$ ，即

\begin{matrix} (5) & | k_{0} ⟩ = \int \frac{e^{i k_{0} x_{0}}}{\sqrt{2 π}} | x_{0} ⟩ d x_{0} . \end{matrix}

则基底变换矩阵的 “矩阵元” 为

\begin{matrix} (6) & \begin{aligned} ⟨ x_{0} | k_{0} ⟩ & = ⟨ x_{0} | \int \frac{e^{i k_{0} x_{1}}}{\sqrt{2 π}} | x_{1} ⟩ d x_{1} \\ = \int \frac{e^{i k_{0} x_{1}}}{\sqrt{2 π}} δ (x_{1} - x_{0}) d x_{1} = \frac{e^{i k_{0} x_{0}}}{\sqrt{2 π}} . \end{aligned} \end{matrix}

我们将矩阵元记为

F^{*} (x_{0}, k_{0})

，也叫做核（kernel）。两个变量就相当于矩阵的两个角标。

　　该矩阵乘以 $k$ 表象的坐标，就是 $x$ 表象的坐标，矩阵的求和同样需要写成积分的形式

\begin{matrix} (7) & f (x_{0}) = \int F^{*} (x_{0}, k_{0}) g (k_{0}) d k_{0} = \int \frac{e^{i k_{0} x_{0}}}{\sqrt{2 π}} g (k_{0}) d k_{0}, \end{matrix}

这就是反傅里叶变换。

　　由于酉矩阵的厄米共轭就是它的逆矩阵，所以逆矩阵的矩阵元为

\begin{matrix} (8) & ⟨ k_{0} | x_{0} ⟩ = {⟨ x_{0} | k_{0} ⟩}^{*} = \frac{e^{- i k_{0} x_{0}}}{\sqrt{2 π}}, \end{matrix}

核为

F (k_{0}, x_{0})

。该矩阵乘以

x

表象的坐标，就是

k

表象的坐标

\begin{matrix} (9) & g (k_{0}) = \int F (k_{0}, x_{0}) f (x_{0}) d x_{0} = \int \frac{e^{- i k_{0} x_{0}}}{\sqrt{2 π}} f (x_{0}) d x_{0}, \end{matrix}

这就是傅里叶变换。

　　 $x$ 表象下， $k$ 基底的正交归一化可以记为

\begin{matrix} (10) & ⟨ k_{1} | k_{2} ⟩ = \int \frac{e^{i k_{1} x}}{\sqrt{2 π}} \frac{e^{- i k_{2} x}}{\sqrt{2 π}} d x = δ (k_{2} - k_{1}), \end{matrix}

x

基底在

k

表象下的正交归一也同理。

　　我们就可以用以下过程在 $x$ 表象下简洁地 “证明” $f (x)$ 依次经过傅里叶变换和反变换后，仍然可以得到 $f (x)$ 。证明的矢量形式为

\begin{matrix} (11) & | v ⟩ = \int | k ⟩ ⟨ k | v ⟩ d k . \end{matrix}

将各个矢量替换为

x

表象的坐标，得

\begin{matrix} (12) & \begin{aligned} F^{- 1} [F f (x)] & = \int \frac{e^{i k x}}{\sqrt{2 π}} (\int \frac{e^{- i k x^{'}}}{\sqrt{2 π}} f (x^{'}) d x^{'}) d k \\ = \int f (x^{'}) (\int \frac{e^{- i k x^{'}}}{\sqrt{2 π}} \frac{e^{i k x}}{\sqrt{2 π}} d k) d x^{'} \\ = \int f (x^{'}) δ (x - x^{'}) d x^{'} \\ = f (x) . \end{aligned} \end{matrix}

1. ^ 从该式可以看出表象这个词的由来，同一个矢量，使用不同基底后，其坐标（即函数） $f (x)$ 和 $g (x)$ 表面上看起来不同。

致读者：小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。因此，我们请求广大读者热心打赏 ，使网站得以健康发展。如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损，并在接下来的一年里向所有读者继续免费提供优质内容。但遗憾的是只有不到 1% 的读者愿意捐款，他们的付出帮助了 99% 的读者免费获取知识，我们在此表示感谢。