Worum geht es? Fourier behauptete 1822, dass jede Funktion als Summe von Sinus/Kosinus darstellbar ist. Dieses Kapitel formalisiert diese Behauptung: Wir definieren Fourier-Koeffizienten, Fourier-Reihen und untersuchen, wann die Reihe tatsachlich gegen $f$ konvergiert.
Die Exponentialfunktionen $\{e^{inx}\}_{n \in \mathbb{Z}}$ bilden ein Orthogonalsystem auf $[-\pi,\pi]$. Die Fourier-Koeffizienten $\hat{f}(n)$ sind die "Koordinaten" von $f$ bezuglich dieses Systems — wie Projektionen auf Basisvektoren.
Satz 12 (Ableitung $\to$ Multiplikation) ist DER Schlussel zum Abklingverhalten: Je glatter $f$, desto schneller fallen die $\hat{f}(n)$ ab. Das Beispiel der Sagezahnfunktion ($\hat{f}(n) = (-1)^{n+1}/in$) zeigt langsames Abklingen — sie ist nicht differenzierbar. Satz 9 (Eindeutigkeit) wird spater mit den Summationsmethoden in Kap. 5 verstarkt.
Worum geht es? Wir brauchen einen geeigneten Abstandsbegriff fur Funktionen, um Konvergenz prazise zu formulieren. Die $L^1$-Norm misst den "durchschnittlichen Abstand" und erlaubt Konvergenz im Mittel. Auerdem: Jede integrierbare Funktion lasst sich durch stetige Funktionen approximieren.
$\|f\|_1 = \frac{1}{2\pi}\int_{-\pi}^{\pi}|f(x)|\,dx$ misst die "Groe" einer Funktion. Zwei Funktionen, die sich nur auf einer Nullmenge unterscheiden, haben Abstand 0 — deshalb arbeiten wir mit Aquivalenzklassen ("$f = g$ fast uberall").
Lemma 17 ist ein technisches Werkzeug, das in Kap. 5 (Naherung im Mittelwert, Satz 36) entscheidend wird: Man zeigt Konvergenz erst fur stetige Funktionen und ubertrragt sie dann auf $L^1$. Die $L^1$-Norm ist schwacher als die $L^2$-Norm (Kap. 6) — $L^2$-Konvergenz impliziert $L^1$-Konvergenz.
Worum geht es? Die Faltung verbindet zwei Funktionen und ist das zentrale Werkzeug der Fourier-Analysis. Die entscheidende Entdeckung: Faltung im Zeitbereich = Multiplikation im Frequenzbereich. Auerdem wird hier das Konzept der "guten Kerne" (Approximation der Identitat) eingefuhrt.
$\widehat{f*g}(n) = \hat{f}(n)\cdot\hat{g}(n)$ — die Faltung verwandelt ein kompliziertes Integral in einfache Multiplikation. Die Partialsumme $S_Nf = f * D_N$ ist selbst eine Faltung! Eine "gute Folge von Kernen" ist wie ein immer scharferer Fokus, der $f$ am Ende perfekt rekonstruiert.
Die "guten Kerne" sind der Schlussel zu Kap. 5: Der Fejer-Kern ist ein guter Kern, der Dirichlet-Kern ist es NICHT (weil $\|D_N\|_1 \to \infty$). Das erklart, warum die Cesaro-Mittel ($f * F_N$) besser konvergieren als die Partialsummen ($f * D_N$). Die Faltungsformel wird auch in Teil 2 auf $\mathbb{R}$ ubertragen.
Worum geht es? Die direkte Fourier-Reihe konvergiert nicht immer (Satz 24!). Deshalb brauchen wir alternative "Summationsmethoden": Cesaro-Mittel (Fejer) und Abel-Mittel (Poisson). Beide konvergieren fur stetige Funktionen gleichmaig — die Fourier-Reihe selbst nicht.
Statt $S_Nf$ direkt zu nehmen, "glattet" man die Konvergenz: Cesaro mittelt uber die $S_Mf$ ($M = 0, \ldots, N-1$) und Abel dampft hohe Frequenzen mit $r^{|n|}$. Beide Methoden erzeugen gute Kerne — der Fejer-Kern $F_N \geq 0$ und der Poisson-Kern $P_r \geq 0$ — und konvergieren daher immer.
Satz 24 ist das "Negativresultat" — die Fourier-Reihe versagt. Die Losung sind die Summationsmethoden, die auf guten Kernen basieren (Kap. 4). Die Abel-Mittel fuhren direkt zur Losung der Laplace-Gleichung (Kap. 9). Der Fejer-Kern wird auch im Beweis der Gleichverteilung (Kap. 16, Weyl) verwendet.
Worum geht es? In $L^2$ konvergiert die Fourier-Reihe IMMER — ohne zusatzliche Voraussetzungen an $f$. Dies fuhrt zur Parseval-Identitat, die die "Energie" einer Funktion in Zeit- und Frequenzbereich gleichsetzt.
$S_Nf$ ist die beste Approximation von $f$ in $L^2$ unter allen trigonometrischen Polynomen vom Grad $\leq N$ (Lemma 39). Das ist wie die orthogonale Projektion in der linearen Algebra — Fourier-Koeffizienten sind die Koordinaten bezuglich einer Orthonormalbasis.
Parseval ist das Analogon zum Satz des Pythagoras in $\infty$ Dimensionen. Es wird in Teil 3 zum Beweis der Isoperimetrischen Ungleichung (Kap. 15) verwendet. Plancherel (Satz 66) ist die Verallgemeinerung auf $\mathbb{R}$. Achtung: $L^2$-Konvergenz impliziert NICHT punktweise Konvergenz!
Worum geht es? Wann konvergiert die Fourier-Reihe punktweise? Ist $f$ Lipschitz bei $x_0$, dann ja (Satz 43). An Sprungstellen tritt das Gibbs-Phanomen auf: ~9% Uberschwingen, das nie verschwindet. Kap. 8 beweist das Negativresultat von Du Bois-Reymond (Satz 24).
Lokalisierungsprinzip (Kor. 45): Die Konvergenz von $S_Nf(x_0)$ hangt nur vom Verhalten von $f$ in einer Umgebung von $x_0$ ab — nicht vom globalen Verhalten! Lipschitz-Stetigkeit bei $x_0$ reicht fur Konvergenz. Das Gibbs-Phanomen zeigt: Fourier-Partialsummen uberschwingen an Sprungstellen um den Faktor $\frac{2}{\pi}\int_0^\pi\frac{\sin t}{t}\,dt \approx 1.18$.
Satz 43 zeigt: $C^1 \Rightarrow$ Lipschitz $\Rightarrow$ punktweise Konvergenz. Das erganzt Kor. 14 ($C^2 \Rightarrow$ gleichmaige Konvergenz). Das Gibbs-Phanomen motiviert die Cesaro-Summation aus Kap. 5 — Cesaro-Mittel zeigen kein Uberschwingen ($\|C_Nf\|_\infty \leq \|f\|_\infty$).
Worum geht es? Das Dirichlet-Problem: Finde eine harmonische Funktion $g$ auf der Einheitsscheibe $D$ mit vorgegebenen Randwerten auf $S^1$. Die Losung nutzt die Abel-Mittel und den Poisson-Kern — eine elegante Anwendung der Fourier-Analysis auf partielle Differentialgleichungen.
Die Losung ist $g(re^{ix}) = \sum \hat{h}(n)r^{|n|}e^{inx}$ — genau die Abel-Mittel aus Kap. 5! Die Exponentialfunktionen $r^{|n|}e^{inx}$ sind harmonisch auf $D$, und die Reihe konvergiert weil $r^{|n|} \to 0$ fur $r < 1$. Fur $r \to 1^-$ nahern sich die Werte den Randdaten an (Kor. 35).
Dies zeigt eine konkrete Anwendung der Abel-Summation (Kap. 5). Der Poisson-Kern verbindet Fourier-Analysis mit PDE-Theorie. Der Ubergang $r \to 1^-$ nutzt Kor. 35. Dies ist auch Motivation fur die Fourier-Transformation auf $\mathbb{R}$ (Teil 2).
Worum geht es? Wir verlassen den Kreis ($[-\pi,\pi]$) und gehen auf ganz $\mathbb{R}$. Die Fourier-Transformation ersetzt die Fourier-Koeffizienten, die Schwartz-Funktionen $\mathcal{S}(\mathbb{R})$ sind der ideale Funktionenraum, und die Faltung auf $\mathbb{R}$ funktioniert analog zum periodischen Fall.
Auf dem Kreis: diskrete Frequenzen $n \in \mathbb{Z}$, Fourier-Koeffizienten $\hat{f}(n)$. Auf $\mathbb{R}$: kontinuierliche Frequenzen $\xi \in \mathbb{R}$, Fourier-Transformierte $\hat{f}(\xi) = \int f(x)e^{-2\pi ix\xi}\,dx$. Der Schwartz-Raum $\mathcal{S}$ ist perfekt, weil er unter FT, Ableitung, Polynom-Multiplikation und Faltung abgeschlossen ist. Die Gaufunktion $\Phi(x) = e^{-\pi x^2}$ ist Fixpunkt der FT: $\hat{\Phi} = \Phi$.
Die Struktur spiegelt Teil 1: Def. 47 $\leftrightarrow$ Def. 5, Satz 60 $\leftrightarrow$ Satz 20, gute Kerne Def. 61 $\leftrightarrow$ Def. 22. Die Gaufunktion als FT-Fixpunkt ist zentral fur die Unscharferelation (Kap. 14) und den Beweis von Weierstra (Kap. 13). Lemma 62 ($K_\varepsilon(x) = \frac{1}{\varepsilon}K(x/\varepsilon)$) konstruiert gute Kerne aus einem einzigen Kern.
Worum geht es? Kann man $f$ aus $\hat{f}$ zuruckgewinnen? Ja — die Inversionsformel $f(x) = \int \hat{f}(\xi)e^{2\pi ix\xi}\,d\xi$ und der Satz von Plancherel zeigen, dass die FT eine Isometrie auf $L^2(\mathbb{R})$ ist.
Die Fourier-Transformation ist umkehrbar und erhalt die $L^2$-Norm: $\|f\|_2 = \|\hat{f}\|_2$. Das ist das Analogon zu Parseval auf $\mathbb{R}$ — keine Information geht verloren. Auf $\mathcal{S}(\mathbb{R})$ ist die FT sogar ein Isomorphismus (Satz 69).
Plancherel verallgemeinert Parseval (Kap. 6) von Fourier-Reihen auf die FT. Die Inversionsformel braucht $\hat{f} \in L^1$ — das ist nicht immer erfullt! Fur $\mathcal{S}$ kein Problem (Satz 54(iii)). Plancherel wird fur Shannon (Kap. 17) und die Unscharferelation (Kap. 14) gebraucht.
Worum geht es? Der Satz von Weierstra (1885): Jede stetige Funktion auf $[0,1]$ kann gleichmaig durch Polynome approximiert werden. Der Beweis im Script nutzt elegant die Faltung mit Gau-Kernen.
Man faltet $f$ mit dem Gau-Kern $K_\delta(x) = \delta^{-1}e^{-\pi x^2/\delta^2}$. Die Faltung $f * K_\delta$ ist eine $C^\infty$-Funktion, die $f$ approximiert. Dann approximiert man $K_\delta$ durch Taylor-Polynome — und erhalt so Polynom-Approximationen von $f$.
Der Beweis kombiniert Faltung (Kap. 4/11), gute Kerne (Kap. 11), und die Gaufunktion (Satz 55). Weierstra ist auch ein Spezialfall der Stone-Weierstra-Theorie. Im Kontext der Fourier-Analysis zeigt er, dass Polynome eine "Basis" fur stetige Funktionen bilden.
Worum geht es? Eine Funktion und ihre Fourier-Transformierte konnen nicht gleichzeitig stark konzentriert sein. Dies ist die mathematische Form der Heisenberg'schen Unscharferelation — mit Anwendungen in der Quantenmechanik.
Die "Verbreitung" $V(f) = \int x^2|f|^2\,dx$ misst, wie breit $f$ verteilt ist. Die Unscharferelation sagt: $V(\psi) \cdot V(\hat{\psi}) \geq \frac{1}{16\pi^2}$. Gleichheit nur fur Gau-Funktionen — sie sind die "scharfsten" Funktionen, die es gibt.
Nutzt Plancherel (Kap. 12) und die Eigenschaft $\widehat{f'} = 2\pi i\xi\hat{f}$ (Satz 54). Die Gaufunktion als Minimierer verbindet sich mit Satz 55 ($\hat{\Phi} = \Phi$). In der Physik: Wellenfunktionen in der Quantenmechanik unterliegen dieser Beschrankung — Ort und Impuls konnen nicht gleichzeitig exakt gemessen werden.
Worum geht es? Unter allen geschlossenen Kurven mit gegebener Lange $L$ umschliet der Kreis die grote Flache. Der elegante Beweis von Hurwitz nutzt Fourier-Reihen und Parseval.
Man parametrisiert die Kurve $\gamma(t) = (x(t), y(t))$ nach Bogenlange, entwickelt $x, y$ in Fourier-Reihen, und wendet Parseval an. Die Bedingung $\|\gamma'\| = 1$ wird zu $\sum n^2(|a_n|^2+|b_n|^2) = 1$, und die Flache wird nach oben durch $L^2/(4\pi)$ beschrankt. Gleichheit nur wenn alle Koeffizienten fur $|n| \geq 2$ verschwinden — das ist genau ein Kreis.
Direkte Anwendung von Parseval (Kap. 6) auf ein geometrisches Problem. Zeigt die Starke der Fourier-Analysis: Ein Geometrie-Satz wird durch Frequenzanalyse bewiesen. Der Beweis ist ein Paradebeispiel fur die Prufung.
Worum geht es? Fur irrationales $\alpha$ sind die Bruchteile $\langle n\alpha \rangle = n\alpha - [n\alpha]$ gleichverteilt in $[0,1)$. Der Beweis nutzt Fourier-Analysis und den Satz von Fejer.
Gleichverteilt heit: $\frac{1}{N}\sum_{k=1}^{N}h(\langle k\alpha\rangle) \to \int_0^1 h(x)\,dx$ fur jede stetige $h$. Man zeigt dies erst fur $h(x) = e^{2\pi imx}$ (geometrische Reihe), dann fur stetige $h$ (Fejer-Approximation), dann fur Indikatorfunktionen (Sandwich).
Der Beweis nutzt den Fejer-Kern (Kap. 5, Kor. 28) zum Approximationsschritt. Ein schones Beispiel fur die Anwendung der Fourier-Analysis in der Zahlentheorie. Fur rationales $\alpha$ ware die Folge periodisch, nicht gleichverteilt.
Worum geht es? Bandbegrenzte Funktionen (deren Fourier-Transformierte kompakten Trager hat) konnen aus Abtastwerten an diskreten Punkten exakt rekonstruiert werden. Dies ist die mathematische Grundlage der digitalen Signalverarbeitung.
Ist $f \in B_\Omega$ (Bandbreite $\Omega$), dann wird $f$ durch seine Werte $f(k/\Omega)$ an aquidistanten Punkten vollstandig bestimmt. Die Rekonstruktion erfolgt uber $\text{sinc}$-Interpolation. Die Stichprobenisometrie $\int|f|^2 = \frac{1}{\Omega}\sum|f(k/\Omega)|^2$ zeigt: Keine Information geht verloren!
Nutzt Plancherel (Kap. 12) und die Theorie bandbegrenzter Funktionen ($\hat{f}$ hat kompakten Trager $\subset [-\Omega/2, \Omega/2]$). Verbindung zur Praxis: CD-Qualitat (44.1 kHz Abtastrate = $\Omega = 44100$, maximal horbare Frequenz $\sim 22$ kHz). Die Abschatzung $|E_N(x)| \leq \sqrt{\Omega}\|E_N\|_2$ zeigt gleichmaige Konvergenz.