多元傅里叶变换
贡献者： addis
预备知识 傅里叶变换（指数）
，多元函数的傅里叶级数
$N$ 维空间中，性质良好的标量函数 $f( \boldsymbol{\mathbf{r}} ) = f(x_1, x_2, \dots, x_N)$ 都可以用 $N$ 维平面波 $ \mathrm{e} ^{ \mathrm{i} \boldsymbol{\mathbf{k}} \boldsymbol\cdot \boldsymbol{\mathbf{r}} }$ 展开。
\begin{align}
g( \boldsymbol{\mathbf{k}} ) &= \frac{1}{\sqrt{2\pi}^N} \int f( \boldsymbol{\mathbf{r}} ) \mathrm{e} ^{- \mathrm{i} \boldsymbol{\mathbf{k}} \boldsymbol\cdot \boldsymbol{\mathbf{r}} } \,\mathrm{d}^{N}{r} ~,\\
f( \boldsymbol{\mathbf{r}} ) &= \frac{1}{\sqrt{2\pi}^N} \int g( \boldsymbol{\mathbf{k}} ) \mathrm{e} ^{ \mathrm{i} \boldsymbol{\mathbf{k}} \boldsymbol\cdot \boldsymbol{\mathbf{r}} } \,\mathrm{d}^{N}{k} ~.
\end{align}
这就是 $N$ 元函数的傅里叶变换和反变换。这个过程有点类似于
多元函数的傅里叶级数，事实上 $N$ 维平面波就是许多一维平面波的乘积，令 $ \boldsymbol{\mathbf{k}} = (k_1, k_2, \dots, k_N)$，有
\begin{equation}
\left\lvert \boldsymbol{\mathbf{k}} \right\rangle = \frac{1}{\sqrt{2\pi}^N} \mathrm{e} ^{ \mathrm{i} \boldsymbol{\mathbf{k}} \boldsymbol\cdot \boldsymbol{\mathbf{r}} } = \frac{1}{\sqrt{2\pi}} \mathrm{e} ^{ \mathrm{i} k_1 x_1} \frac{1}{\sqrt{2\pi}} \mathrm{e} ^{ \mathrm{i} k_2 x_2} \dots \frac{1}{\sqrt{2\pi}} \mathrm{e} ^{ \mathrm{i} k_N x_N}~.
\end{equation}
满足正交归一化条件（见
狄拉克 delta 函数）
\begin{equation}
\left\langle \boldsymbol{\mathbf{k}} ' \middle| \boldsymbol{\mathbf{k}} \right\rangle = \int \frac{1}{\sqrt{2\pi}^N} \mathrm{e} ^{- \mathrm{i} \boldsymbol{\mathbf{k}} ' \boldsymbol\cdot \boldsymbol{\mathbf{r}} } \frac{1}{\sqrt{2\pi}^N} \mathrm{e} ^{ \mathrm{i} \boldsymbol{\mathbf{k}} \boldsymbol\cdot \boldsymbol{\mathbf{r}} } \,\mathrm{d}^{N}{r} = \delta( \boldsymbol{\mathbf{k}} '- \boldsymbol{\mathbf{k}} )~.
\end{equation}
未完成：其实应该引用多元 delta 函数
多元傅里叶变换的证明可以类比傅里叶变换（指数），不再赘述。
例 1 $N$ 维高斯波包
要计算 $n$ 维高斯函数
\begin{equation}
f( \boldsymbol{\mathbf{r}} ) = \exp\left(-a \boldsymbol{\mathbf{r}} ^2\right) \qquad (a > 0)~.
\end{equation}
的傅里叶变换，只需将
式 5 代入
式 1 并利用
式 12 ，即得
\begin{equation}
g( \boldsymbol{\mathbf{k}} ) = \frac{1}{(\sqrt{2a})^N} \mathrm{e} ^{-\frac{k^2}{4a}}~.
\end{equation}
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。