写下一个级数，和信任它，是两回事
在前几篇指南里，你搭起了一个三角傅里叶级数：你拿一个周期信号，用欧拉-傅里叶积分算出它的系数，然后写下 f(x) = a_0/2 + sum (a_n cos(n x) + b_n sin(n x))。那个等号，值得你狠狠盯一眼。算系数只是制造出一个候选级数；这个无穷和究竟是否真的加得回原来的 f——又在哪些点上加得回——这是一个完全独立的问题。这正是你在第一卷里见过的那个区分：一个你能写下来的无穷级数，和一个真正收敛的级数，并不是一回事。
让这件事变得紧迫的是：傅里叶的全部卖点，恰恰是那些参差不齐的信号——方波脉冲、锯齿斜坡、电路的开关跳变。这些函数带着跳跃，而跳跃正是你该担心的地方：一堆处处光滑、各自处处连续的正弦和余弦之和，怎么可能重现出一道悬崖边？它没法以朴素的方式逐点做到这一点，而对它实际做了什么的诚实记账，正是本篇指南的主题。我们需要一个能用的收敛判据、一个在跳跃处明确的裁决，以及对级数唯一一处失常之地毫不回避的审视。
狄利克雷条件：一个用眼睛就能跑的判据
干净、实用的答案来自**狄利克雷条件**。它们是一组友好的假设——一眼就能验证，不需要任何重型机械——保证级数收敛，并告诉你它在每一个点上究竟收敛到什么值。对周期函数 f 来说：如果在一个周期上，f 是绝对可积的（|f| 的定积分有限）、只有有限个极大与极小、且只有有限个各自有限的跳跃间断点，那么它的傅里叶级数处处收敛。就这些——三件你看一眼图就能确认的事。
现在是逐点的裁决。在 f 连续的地方，级数收敛到 f(x) 本身——这不意外。在 f 有跳跃的地方，级数收敛到跳跃的中点：右极限与左极限的平均 (f(x+) + f(x-))/2。这一条，正是实用上最要紧的。级数拒绝选边站；它取折中。一个在原点从 -1 跃到 +1 的方波，它的傅里叶级数在原点处恰好收敛到 0——而事实上每一项 sin(n·0) 在那里都为零，算术完全对得上。这就是跳跃处的收敛，它不是一个需要道歉的缺陷；它是那个精确、正确的答案。
在实践中怎么用这个判据
拥有一个可验证的判据，回报在于：替一项傅里叶计算辩护，从一个研究课题缩成一次快速的目检。你几乎从不需要重型的 L^2 理论；你确认信号是分段光滑、跳跃有限的，就立刻知道这个级数是合法的，以及它在每一点落在哪里。下面就是整套流程，跑在锯齿函数 f(x) = x（从 (-pi, pi) 周期延拓）上。
- 查绝对可积性：|x| 在 (-pi, pi) 上的积分是 pi^2，有限。通过。
- 查极值点有限：x 在开区间上单调递增——内部没有转折点。通过。
- 查有限个有限跳跃：周期延拓在 x = pi（及其副本）处从 +pi 跌到 -pi。每周期一个跳跃，大小为有限的 2pi。通过。
- 读出裁决：处处收敛；在每个内部点都等于 x；而在跳跃点 x = pi 处，级数收敛到中点 (pi + (-pi))/2 = 0——而不是函数值 pi。
有两条值得内化的警告。其一，级数在 x = pi 处返回的值（也就是 0），干脆就不是你也许会替 f 在那里写下的 pi——而这没关系，因为傅里叶级数从来只在乎 f 在孤立跳跃点之外的取值。如果这让你不安，把 f 在跳跃处重新定义为它自己的中点，级数与函数就完全吻合。其二，正是这条中点法则会在半区间展开里咬人：对一个在端点处非零的函数取奇延拓，就在那里制造出一个全新的跳跃，于是它的正弦级数在端点处坍缩为 0——尽管你原来的 f 在区间上完全连续。那个跳跃是延拓造出来的，原始数据里并没有——这是只盯着公式、忘了图像时一个经典的困惑来源。
吉布斯现象：一个不肯消失的过冲
于是级数处处收敛——在跳跃处，收敛到中点。你现在也许会期待：项数足够多的部分和，无非就是 f 的一个略微圆滑的版本，随着加项越来越紧地贴住它。看看实际发生了什么。画出方波（从 -1 跳到 +1）的部分和，比如取十项：它确实把平台贴得很好，但就在跳跃旁边，它窜上到大约 1.179 才折回——一个高出真值 1 大约跳跃高度 9% 的鼓包。再加九十项。这鼓包变窄了，更挤向跳跃，但它的高度并不缩小：它仍然过冲到大约 1.179。加上一百万项；同样的过冲。这个顽固、不死的尖峰，就是吉布斯现象。
请细细体会这有多奇怪。我们刚刚借狄利克雷条件证明了级数在每一点都收敛。吉布斯过冲并不与此矛盾，原因美妙而微妙：收敛是逐点的，而过冲之所以幸存，是因为它的位置一直在移动。固定跳跃右侧任意一个点 x_0；随着你加项，那个鼓包终将滑过 x_0，那里的部分和确实会安定到真值。没有任何一个固定的点被永久地过冲——所以级数在每一点都收敛。但总存在某个点，离跳跃越来越近，部分和在那里仍以那固定的约 9% 在过冲。这个瑕疵从不在任何一个静止的点上停留得足够久，让逐点收敛把它抹掉。
那 9% 是从哪来的
过冲不是方波的怪癖；它是跳跃的一个普适常数，可以追溯到一个特定的积分。当你把傅里叶级数的前 N 项加起来，可以把部分和改写成 f 与狄利克雷核的卷积，而恰在跳跃处，这个卷积约化成 (sin t)/t 的一段积分——也就是正弦积分 Si(x) = 从 0 到 x 的 (sin t)/t 之积分背后的那个被积函数。过冲的高度，完全由 Si 在安定之前的行为决定，而 Si 会超出它自己的极限。当 x 增大到无穷，Si(x) 攀升到 pi/2 约 1.571——但它不是单调攀升；它的第一个峰，在 x = pi 处，达到 Si(pi) 约 1.852，越过了那个最终值。
Final limit: Si(infinity) = pi/2 ~ 1.5708 (the Dirichlet integral)
First peak: Si(pi) ~ 1.8519 (where the partial sum tops out)
Fractional overshoot of a unit step:
Si(pi)/(pi/2) - 1 = 1.8519/1.5708 - 1 ~ 0.1789
so the partial sum reaches ~ 1.0895 on a step of height 1
==> excess ~ 0.0895 = about 8.95% of the JUMP height
Square wave -1 -> +1 (jump = 2):
peak ~ 1 + 0.0895 * 2 ~ 1.179 (vs. true value 1)读出结论：部分和的峰值大约在 1 + 0.0895 乘以跳跃处，所以对跳跃为 2 的方波，它达到约 1.179，正是我们看到的那个数。两点澄清让这话保持诚实。过冲的百分比才是那个普适常数——约为跳跃的 8.95%，对任何狄利克雷类函数的任何跳跃都一样——但鼓包的绝对高度，当然随跳跃有多大而成比例变化。而随着项数增多确实改善的，是振铃的宽度：过冲被压进一道越来越细、紧贴跳跃的窄缝，纵然它的峰高拒绝下降。更多的项把损伤局部化；它们从不治愈它。
与之共处：光滑性、能量，以及一种补救
为什么方波遭此一劫，而光滑信号却安然通过？归根到底，在于系数衰减得多快，而这由 f 的光滑性决定——你能感到这个主题回响着光滑函数的泰勒级数为何收敛得那么甘愿。一个带跳跃的函数，它的傅里叶系数只像 1/n 那样消退，慢得远不足以让尾巴一致地消失，而那条迟缓的尾巴，恰恰就是振铃。把拐角磨平——让 f 连续，或可微——系数就像 1/n^2 或更快地下落，尾巴变得可忽略，收敛转为一致，根本不再有过冲。吉布斯是一道货真价实的间断的签名，仅此而已。
这里有一条令人宽慰的记账。吉布斯尖峰虽高，却薄得趋于消失，所以它几乎不携带能量：它对 f^2 总积分的贡献，随 N 增大而缩到乌有。这就是为什么帕塞瓦尔定理——那本把 f^2 的积分等同于系数平方和的能量账——尽管有过冲却依然精确成立，也是为什么即便在级数无法一致收敛之处，它仍在均方意义下收敛。那道偏差对眼睛是真实的，对能量却是隐形的。两个不同的问题，两个不同的答案；诚实，就在于把它们分开。
而如果振铃真的妨碍了你的应用——重建图像里锐边旁可见的光晕、数值解里虚假的振荡——有一种实用的补救。与其在第 N 项粗暴地截断级数（一刀切的矩形截断，正是它造出了振铃），不如在截断之前，用一个光滑的加权把高频系数温和地压低。像费耶尔平均或兰乔斯西格玛因子这样的方法做的正是这件事，以边缘处一点点模糊，换取过冲的消除。值得带走的教训是：吉布斯不是傅里叶想法里的一个漏洞，它是用光滑的波去表示一个瞬时跳跃所付的诚实代价——而你驾驭它的办法，是软化函数本身、或软化你截断求和的方式，绝不是简单地加更多项。