在"编程与开发"这个分类里，大部分爆款教你怎么写代码，而这条视频教你怎么换一个坐标系看问题。3Blue1Brown 的《But what is the Fourier Transform? A visual introduction.》（但什么是傅里叶变换？一个可视化导论）是整个数学可视化赛道的常青标杆：它没有一行"教学大纲"式的推导，却让无数程序员第一次真正"看见"了频谱是什么。这条视频自发布以来播放量已超千万（据频道页面历史数据），长期出现在各类"程序员必看数学视频"推荐清单的前排。本文按视频的叙事顺序逐段拆解它的论证结构，把每个直觉装置对应到真实的数学与工程史，再补上视频没来得及说的边界条件——让你看完等于看完视频，还多懂一层。
| 项目 | 内容 |
|---|---|
| 中文标题 | 但什么是傅里叶变换？一个可视化导论 |
| 英文原题 | But what is the Fourier Transform? A visual introduction. |
| 频道 | 3Blue1Brown（主持人 Grant Sanderson） |
| 发布时间 | 2019年1月（据频道页面） |
| 播放量 | 超1,000万次（据频道页面历史数据，本文撰写时未能实时核验） |
| 时长 | 约21分钟 |
| 语言 | 英文（官方中英文字幕） |
需要说明的是，本文数据来自频道页面的历史公开信息，撰写环境无法实时联网核验，读者以频道页面最新数据为准。
视频开场不是定义，不是历史，而是一个谜题。屏幕上画出一条看起来杂乱无章的曲线——一段混合信号。Grant 提问：这条信号是由几个不同频率的纯余弦波叠加而成的，那么它的导数在某一点附近会是什么样子？
如果你试图在时域（横轴是时间，纵轴是信号值）里直接硬算，几乎无从下手。但视频随即抖出包袱：由于信号只是几个纯频率的叠加，而纯余弦波 cos(2πft) 求导后变成 -2πf·sin(2πft)——幅度被乘上了自己的频率——所以导数里高频分量会被急剧放大，主导整个结果。答案在"频率的世界"里一眼可见。
这是全片第一个、也是最重要的主张：傅里叶变换不是一块新知识，而是一次坐标系的更换。就像解几何题时把直角坐标换成极坐标，很多在时域里难解的问题，搬到频域里会变成"看一眼就知道答案"的题。这个"换坐标系"的框架贯穿全片，也是它区别于教科书讲法的关键。
接下来是这条视频封神的段落。Grant 构造了一个可操作的可视化：拿一条信号 g(t)，把它缠绕到一个单位圆上。具体做法是引入复数 e^(-2πift)（其中 f 是一个可调的"缠绕频率"），定义：
ĝ(f) = ∫ g(t) · e^(-2πift) dt
几何上，这相当于把原本平铺在时间轴上的信号曲线，卷绕在复平面上：时间变成旋转角，信号值变成半径的伸缩。改变缠绕频率 f，缠出来的图形形状会剧烈变化——时而是一团开花的乱麻，时而是一圈规整的环。
然后是点睛之笔：对每个缠绕频率，算出缠绕图形的质心（center of mass）。当 f 恰好等于信号里隐藏的真实频率时，缠绕图形会被"拉直"成一个偏心的圆环，质心明显偏离原点；而当 f 不匹配时，正负抵消，质心缩回原点附近。把质心的横坐标随 f 的变化画出来，得到的曲线就是傅里叶变换的图像——在真实频率处耸起尖峰。
这个装置的妙处在于：它把一个抽象积分 ∫g(t)e^(-2πift)dt 翻译成了"旋转-缠绕-找重心"三个动作。观众不需要会算积分，也能准确预测"什么时候质心会跑偏"。教科书教的是公式，这条视频教的是公式在空间里的样子。
建立了缠绕直觉后，视频快速过了几组经典的"变换对"，让频谱从"一个尖峰"丰富成一个体系：
cos(2πft)：频谱在 ±f 处出现一对对称尖峰——这里顺带引出了"负频率"这个初学者最困惑的概念：它不是玄学，只是缠绕方向相反时产生的对称伴影。sin(x)/x）的波形——中间一个主瓣，两侧拖着无限延伸的旁瓣。这三组例子合起来传递了一个经验性的"手感"：时间上越尖锐，频率上越铺开；时间上越铺开，频率上越集中。由此视频自然滑向结尾的悬念：傅里叶变换的数学结构里，天生就藏着一条"不确定性原理"——一个信号不可能同时在时域和频域都无限集中。量子力学里海森堡的位置-动量不确定性，在数学内核上正是同一个不等式（波函数的动量空间表示就是对波函数做傅里叶变换），视频以此收尾，留下一个巨大的"未完待续"。
视频本身不谈工程，但它的潜台词对开发者极其友好：一旦理解"变换=换坐标系"，一整片工程版图会自动展开——音频压缩、图像压缩、滤波、去噪、卷积加速，全都是"搬进频域做点简单的事再搬回来"。这部分我们放到"实用启示"一节展开。
傅里叶与热学（1807/1822）。 视频的核心思想可以精确溯源到法国数学家约瑟夫·傅里叶（Joseph Fourier）。他在1807年提交、1822年正式出版的《热的解析理论》（Théorie analytique de la chaleur）中提出：任意函数都可以表示为三角函数级数的叠加——他最初是为了解热传导方程。同频道另一集《But what is a Fourier series?》专门讲了这段起源，并复现了傅里叶级数最著名的娱乐化应用：用层层嵌套的旋转圆周（epicycles，本轮）画出任意笔迹——这一手法在天文学史上正是托勒密地心体系描述行星轨道的数学工具，算是一次漂亮的历史呼应。
拉格朗日的反对与严格化。 傅里叶"任意函数都能展开"的主张当年遭到拉格朗日等的强烈质疑，这个争论持续了几十年。严格的答案后来由狄利克雷（Dirichlet）的收敛条件、以及 20 世纪勒贝格（Lebesgue）积分与 Plancherel 定理给出：在 L² 空间的意义下，傅里叶变换是保范数的可逆变换。也就是说，傅里叶的直觉对了，但他当年陈述的方式在严格意义上有漏洞——这一点视频没有展开，下文"批判性审查"会回来补课。
FFT：让傅里叶变换从数学变成工业（1965）。 傅里叶变换在计算机上真正爆发，靠的是 1965 年 James Cooley 与 John Tukey 发表的 FFT（快速傅里叶变换）算法论文《An algorithm for the machine calculation of complex Fourier series》（Mathematics of Computation, 1965）。它把 DFT 的计算量从 O(n²) 降到 O(n log n)：n=100 万时，运算量从一万亿级降到两千万级，差五个数量级。更有趣的是数学史家后来发现，高斯在 1805 年的一份未发表手稿里已经用过同样的插值技巧——比傅里叶的正式出版还早。FFT 由此成为"一个算法改变一个学科"的标准案例：没有它，JPEG、MP3、频谱分析仪、Wi-Fi 芯片里的 OFDM 调制，全都不可能在消费级硬件上实时完成。
不确定性原理的数学根源。 视频结尾的"时频不可兼得"并非物理专属，而是一条纯数学不等式：对任意能量有限的信号，时域宽度与频域宽度的乘积有下界（在不同归一化下表现为 1/2 或 1/4π 的常数因子）。1927 年海森堡提出的不确定性原理，其数学骨架正是这个傅里叶对偶——因为量子力学中动量空间波函数就是位置空间波函数的傅里叶变换。把物理直觉还原成数学事实，是这条视频最容易被忽略却最有价值的一层。
为什么耳朵天生就是频谱仪。 傅里叶讲解中常引的一个生理学事实（视频作者在其他材料中也多次使用类似类比）：人耳耳蜗的基底膜是一台机械式频率分析器——不同频率的声波在基底膜不同位置引起共振，毛细胞按位置编码音高。换句话说，"把混合信号拆成纯频率"这件事，你的神经系统每秒都在做。这也是为什么"和弦=多个频率叠加"的类比在讲傅里叶时几乎不会失败。
站得住的部分。 "缠绕-质心"直觉在数学上是严谨的：ĝ(f) 的实部确实是缠绕图形质心横坐标的一个常数倍（积分按信号时长归一化后即完全一致），视频选择的可视化没有牺牲正确性。三个变换对（余弦、δ、矩形→sinc）都是教科书级别的标准结果，毫无争议。FFT 的历史与加速比是工程界公认的里程碑。
需要打补丁的部分。 其一，视频为保持流畅，把"傅里叶变换对任意函数都成立"当作默认背景，但严格来说：变换的存在性与可逆性需要条件（绝对可积、或 L²、或在 Schwartz 分布意义下推广）；不连续函数的傅里叶级数在跳变点附近会出现吉布斯现象（Gibbs phenomenon）——叠加永远无法完全贴合跳变，只能收敛到 9% 的过冲。历史上物理学家 Michelson 在 1898 年用他的谐波分析仪计算方波级数时发现了这个过冲，随后由 Josiah Gibbs 给出理论解释，是科学计算史上"机器先于理论发现问题"的著名案例。
其二，"质心"是归一化后的直觉，不是定义本身。 如果信号不是定义在整条时间轴上（比如窗口信号），质心类比需要小心处理积分限；初学者直接套用会在非周期信号的边带问题上踩坑。
其三，关于播放量与"爆红"的定位。 这条视频是 2019 年发布的常青内容，而非近期新片；它的持续热度来自课程推荐、面试备考和自学社区的长期引用（据频道页面及公开转载信息）。把它当作"必须精读的经典"比当作"新闻"更准确。
其四，可视化不是证明。 Grant 本人在多处公开场合强调 3B1B 的定位是"给直觉一个锚点"，而不是替代严格课程。看完视频觉得"懂了"的观众，距离能在习题里独立完成一个 DFT，还差一套练习——这是所有直觉型教学的共同边界。
第一，遇到 O(n²) 的 pairwise 计算，先想"有没有频域版本"。 卷积定理（时域卷积 = 频域乘积）是傅里叶变换送给程序员的最好礼物：模糊滤镜、字符串匹配的大规模变体、大整数乘法、多项式乘法、关联函数计算……只要问题能改写成卷积，就能用 FFT 把复杂度压到 O(n log n)。下次写出双重循环的相似度计算时，把"这能卷积吗"当作第一反射。
第二，采样和混叠是大多数"诡异 bug"的真凶。 由 δ 函数与 sinc 的变换对可以直接推出奈奎斯特采样定理：采样率必须高于信号最高频率的两倍，否则高频会"伪装"成低频（混叠，aliasing）。游戏里车轮倒转、示波器上波形漂移、音频里刺耳的金属声，本质都是同一件事。工程上的肌肉记忆是：在采样前加低通滤波（抗混叠滤波器），永远比事后修补便宜。
第三，把"换坐标系"内化为通用的学习策略。 这条视频真正的方法论遗产是：难解的问题往往不是难在问题本身，而是难在表示。傅里叶变换、对数变换、拉普拉斯变换、图邻接矩阵与拉普拉斯矩阵、甚至 Git 里"分支只是指针"的对象模型——本质都是同一招：换一种表示，让不变量显形。下次被问题卡住时，问自己一句 Grant 式的问题："如果把它画在一个旋转的圆上，会发生什么？"——字面意义或比喻意义都行。
flowchart TD
A[一条混合信号曲线] --> B[谜题:直接求导数很难]
B --> C[关键主张:换坐标系]
C --> D[把信号缠上单位圆]
D --> E[缠绕频率 f 可调]
E --> F[计算缠绕图形质心]
F --> G[质心横坐标随f变化]
G --> H[得到曲线就是频谱]
H --> I[纯余弦给出对称尖峰]
H --> J[尖峰脉冲给出平坦谱]
H --> K[矩形脉冲给出sinc]
I --> L[时频不可兼得]
J --> L
K --> L
L --> M[不确定性原理的数学内核]
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。