为什么任意一串毫无规律的数字，都能被拆成完美旋转的波形？

随手在纸上写五个毫无规律的数字：7，负82，3，109，0。

这串数字跟波浪、振动、音乐，没有半点关系。

如果拿折线把它们连起来，也是一段坑坑洼洼、七扭八歪的折线。

但数学上有一个极度霸道的定理：

只要数字的数量是有限的，哪怕你随手乱写，也可以百分之百、不差一丝一毫，精确还原成几根匀速旋转的指针组合。

不需要做近似，也没有误差，是完全对齐。

这就是离散傅里叶变换（DFT）。

很多人第一反应肯定是：傅里叶变换不是拿来拆声音的吗？

小提琴拉出一个音，拆成基频和泛音，这个好理解，因为声音本来就是空气的波动。

但一串离散的数字根本不是波。

今天的股票收盘价、照片上一行像素的灰度值，或者扔骰子扔出来的五个整数。

凭什么它们也能被拆成规规矩矩的旋转波形？

走，我们把底层的齿轮拆开看一下。

这里没有玄学，是线性代数做的一场几何换轴。

手里的这 5 个数字，在几何上相当于 5 维空间里的一个点。

平时我们记录这个点，用的是最朴素的时间坐标轴：

第 1 个数字是多少，第 2 个数字是多少，一直数到第 5 个。

离散傅里叶变换做了什么？

它根本没有移动这个点在空间里的物理位置。

它只是把整个房间的坐标轴旋转了一下。

它换了另外 5 根完全互相垂直的新坐标轴。

这 5 根新轴是什么？

就是 5 组不同旋转速度的指针，数学上叫正交基底。

一个一圈不转，一个匀速转一圈，一个转两圈，以此类推。

既然新轴在几何上彼此完全垂直，而且数量正好也是 5 根，空间里的任何一个点，就必然能在这一组新轴上找到唯一的投影坐标。

每个投影坐标，就是对应频率的旋转半径和起始角度。

把这 5 根指针按照各自的长度和起始角度转起来，在同一个时刻叠在一起。

咔哒一声。

原来那 5 个看起来杂乱无章的数字，就被原原本本复原出来了。

懂了，换个坐标系嘛。

那有人就要问了：原先的数字记着好好的，工程人员折腾这套旋转指针图什么？

图它的运算降维。

在原来的时间序列里做信号处理，简直是一场计算灾难。

比如你想给一段音频降噪，或者在通信里把杂波滤掉。

在时间轴上，这叫卷积。

如果数据有一千个点，卷积运算要把两串数字对齐、滑动、相乘、累加，计算量是一千的平方，也就是一百万次。

要是一百万个数据点呢？

一百万的平方是一万亿次乘法，计算芯片当场就得冒烟。

但在数学物理里，正弦波和复指数旋转有一个极其特殊的性质：

它们是线性时不变系统的特征函数。

通俗点讲就是：

任何复杂波形穿过滤波器、天线或者空气，都会被扭曲变形。

唯独正弦波穿过去的时候，它的频率永远不会变，被改变的只有振幅和起始角度。

这意味着什么？

在频率维度上，原来要算一万亿次的恐怖卷积，瞬间退化成了简简单单的逐点相乘。

复杂的相互纠缠，变成了各自单线运算。

但紧接着，又冒出来一个新麻烦。

从原始数字算出这组旋转指针，传统的矩阵乘法本身也要算 N 的平方次。

直到 1965 年，库利（James Cooley）和图基（John Tukey）发表了快速傅里叶变换算法（FFT）。

高斯早在 1805 年计算小行星轨道的时候就推导过，只是当时没有发表。

他们发现旋转指针在圆周上具有高度的对称性。

把数据按照奇数和偶数不断对半切开，分而治之，计算量直接从 N 的平方暴跌到了 N 乘以对数 N。

算一下这个差距有多大：

处理一百万个数据点，原来要算一万亿次。

换成快速傅里叶变换，只需要大约两千万次。

整整省了五万倍的计算量。

正是这五万倍的提速，托起了今天整个现代通信和数字生活。

手机现在能连 5G 和 Wi-Fi，靠的就是这套数学。

5G 和 Wi-Fi 的核心技术叫正交频分复用（OFDM）。

基站把成千上万个二进制数据，用反向快速傅里叶变换，瞬间打包进几千个互不干扰的无线电频率里发射出去。

手机里的射频芯片每秒钟运行成千上万次快速傅里叶变换，再把无线电波还原成数字。

医院里的核磁共振（MRI）扫描仪，探头根本拍不到现成的大脑切片照片。

它在频域空间里采集的是人体氢原子受激发的频率共振信号。

计算机在后台跑一遍逆变换，清晰的脑组织和血管影像才呈现在医生眼前。

甚至降噪耳机能在几十微秒内抵消外界轰鸣，也是在频域快速算出了反向波形。

纸上随手写下的几个孤立数字，原本看起来毫无节奏，也没有波澜。

但数学工具给工程界换了一双眼睛：

杂乱无章的离散点，只要换一组合适的旋转轴，立刻就能分解成严丝合缝的圆周运动。

从手机天线到医疗扫描，整个数字世界，全都是靠这么一个干净到极致的几何换轴撑起来的。