2026-09-14 · 当频率不再是一个数

0. 导读与元结构 (Orientation & Meta-structure)

起点问题。 在圆周或有限循环群上，Fourier 变换把函数分解为复指数频率；每个频率只给出一个复数系数。若底空间换成非 Abel 有限群，这种标量频率为何不够？障碍不是技术繁琐，而是群元素一般不交换：全部不可约表示不再都是一维，频率本身必须成为矩阵。

本期显式桥接两条既有路线：2026-07-23 已经用 character（特征标）与平均投影分解有限群表示；2026-07-26 已经用 Plancherel theorem（Plancherel 定理）说明 Fourier 变换如何保存 $L^2$ 能量。今天的数学增量，是把“特征标只取矩阵的迹”扩充为“保留不可约表示的全部矩阵系数”，从而在任意有限群上得到完整的反演、等距与卷积对角化。

对象与量词层。 固定有限群 $G$，令 $N=|G|$，在 $G$ 上使用归一化计数测度

$${\mathbb{E}}_{g\in G}F(g):=\frac{1}{N}\sum _{g\in G}F(g).$$

对象依次是：函数 $f:G\to \mathbb{C}$；每个不可约酉表示 $\pi :G\to U(V_{\pi })$；矩阵 Fourier 块 $\hat{f}(\pi )\in \mathrm{End}(V_{\pi })$。完整量词是：对每个 $f\in {\mathbb{C}}^G$，同时对所有不可约表示的同构类 $\pi \in \hat{G}$ 构造一个块，再由全部块唯一恢复 $f(x)$，对每个 $x\in G$ 成立。

前置与去向。 前置只需有限群、有限维内积空间、迹与正交基。主证明引擎是 Schur lemma（Schur 引理）、群平均与正则表示的维数平方公式。去向是有限群随机游走、群代数、Peter--Weyl theorem（Peter--Weyl 定理）及非交换调和分析。

弧线位置。 这是 exploration-2026-w38-noncommutative-fourier 的 Day 1/3。今天建立变换及其代数规则；下一日可把概率测度的卷积幂送入各表示块，用谱半径研究混合。

1. 核心概念、定理与谱系 (Concept, Theorem & Lineage)

1.1 从一维 character 到矩阵频率

若 $G$ 是有限 Abel 群，每个不可约复表示都是一维的，即一个同态 $\chi :G\to {\mathbb{C}}^{\times }$；在酉化后 $|\chi (g)|=1$。这正是熟悉的标量 Fourier 频率。

一般有限群中，不可约表示可能满足 $d_{\pi }:=\dim V_{\pi }>1$。先在每个 $V_{\pi }$ 上选标准正交基，并把表示酉化。定义矩阵系数

$${\pi }_{ij}(g):=⟨\pi (g)e_j,e_i⟩,1\le i,j\le d_{\pi }.$$

Schur 正交关系。 对任意 $\pi ,\sigma \in \hat{G}$ 及合法指标，

$$\frac{1}{N}\sum _{g\in G}{\pi }_{ij}(g)\overline{{\sigma }_{k\ell }(g)}=\{\begin{array}{ll}{\displaystyle \frac{1}{d_{\pi }}}{\delta }_{ik}{\delta }_{j\ell },& \pi \cong \sigma ,\\ 0,& \pi \ncong \sigma .\end{array}$$

证明机制。 对线性映射 $A:V_{\sigma }\to V_{\pi }$ 做群平均

$$T_A:=\frac{1}{N}\sum _{g\in G}\pi (g)A\sigma (g{)}^{-1}.$$

换元可得 $T_A\sigma (h)=\pi (h)T_A$。Schur 引理于是说：若 $\pi \ncong \sigma$，则 $T_A=0$；若 $\pi =\sigma$，则 $T_A$ 必为标量恒等映射。取 $A$ 为矩阵单位并比较矩阵元及迹，就得到上式中的 Kronecker 符号与因子 $1/d_{\pi }$。因此正交性来自“平均后只剩等变部分”，并非偶然的求和抵消。

Maschke theorem（Maschke 定理）给出正则表示分解

$$\mathbb{C}[G]\cong \underset{\pi \in \hat{G}}{⨁}{d}_{\pi }{V}_{\pi },$$

故

$$N=\sum _{\pi \in \hat{G}}{d}_{\pi }^2.$$

矩阵系数总数恰为 $N=\dim {\mathbb{C}}^G$；配合正交关系，它们构成全部函数空间的一组正交基。这一步是 Fourier 完备性的有限维根源。

1.2 Fourier 变换、反演与 Plancherel

定义（finite-group Fourier transform，有限群 Fourier 变换）。 对每个函数 $f:G\to \mathbb{C}$ 与每个 $\pi \in \hat{G}$，定义

$$\hat{f}(\pi ):=\frac{1}{N}\sum _{g\in G}f(g)\pi (g)\in \mathrm{End}(V_{\pi }).$$

注意输出不是一个数，而是一族大小不同的矩阵。归一化放在正变换中，因此反演式不再另带 $1/N$。

定理（Fourier inversion，Fourier 反演）。 对所有 $f:G\to \mathbb{C}$ 及所有 $x\in G$，

$$f(x)=\sum _{\pi \in \hat{G}}{d}_{\pi }\mathrm{tr}(\hat{f}(\pi )\pi (x^{-1})).$$

证明架构。 由线性性，只需检验点质量 $f={\mathbf{1}}_{\{a\}}$。此时

$$\hat{f}(\pi )=\frac{1}{N}\pi (a),$$

反演式右端成为

$$\frac{1}{N}\sum _{\pi \in \hat{G}}{d}_{\pi }{\chi }_{\pi }(a{x}^{-1}).$$

正则表示的 character 在单位元处为 $N$，在非单位元处为 $0$；而正则表示中 $V_{\pi }$ 出现 $d_{\pi }$ 次。因此上式恰为 ${\mathbf{1}}_{\{a\}}(x)$。线性组合即得一般情形。

令 $A^{\ast }$ 表示共轭转置，并定义 Hilbert--Schmidt 内积 $⟨A,B{⟩}_{HS}=\mathrm{tr}(A{B}^{\ast })$。同一正交基展开给出：

定理（finite-group Plancherel，有限群 Plancherel 公式）。 对所有 $f,h:G\to \mathbb{C}$，

$$\frac{1}{N}\sum _{g\in G}f(g)\overline{h(g)}=\sum _{\pi \in \hat{G}}{d}_{\pi }\mathrm{tr}(\hat{f}(\pi )\hat{h}(\pi {)}^{\ast }).$$

特别地，

$$\frac{1}{N}\sum _{g\in G}|f(g){|}^2=\sum _{\pi \in \hat{G}}{d}_{\pi }\parallel \hat{f}(\pi ){\parallel }_{HS}^2.$$

表示维数 $d_{\pi }$ 是能量权重；若所有 $d_{\pi }=1$，公式便退化为有限 Abel 群上的标量 Parseval 公式。

1.3 卷积为何变成矩阵乘法

对 $f,h:G\to \mathbb{C}$ 定义归一化卷积

$$(f\ast h)(x):=\frac{1}{N}\sum _{y\in G}f(y)h(y^{-1}x).$$

则对每个 $\pi \in \hat{G}$，

$$\widehat{f\ast h}(\pi )=\hat{f}(\pi )\hat{h}(\pi ).$$

推导。 令 $x=yz$，则

$$\begin{array}{rl}\widehat{f\ast h}(\pi )& =\frac{1}{N^2}\sum _{x,y\in G}f(y)h(y^{-1}x)\pi (x)\\ & =\frac{1}{N^2}\sum _{y,z\in G}f(y)h(z)\pi (yz)\\ & =(\frac{1}{N}\sum _{y}f(y)\pi (y))(\frac{1}{N}\sum _{z}h(z)\pi (z)).\end{array}$$

在 Abel 情形，右端是逐频率标量相乘；在非 Abel 情形，它是逐块矩阵乘法，而矩阵乘法本身一般不交换。Fourier 变换没有把非交换性消灭，只是把群卷积代数分块为更可处理的矩阵代数。

1.4 一个具体读法：$S_3$ 的频率块

$S_3$ 有三个不可约复表示：平凡表示、符号表示与二维标准表示，维数为 $1,1,2$。维数核验为

$$1^2+1^2+2^2=6=|S_3|.$$

所以任意 $f:S_3\to \mathbb{C}$ 的 Fourier 数据由两个标量和一个 $2\times 2$ 矩阵组成：总参数数为 $1+1+4=6$，与原函数的六个取值相同。二维块不是冗余包装；它正承载无法被两个一维 character 看见的方向信息。

计算核验。 本期用 Python 在模型 $S_3\cong C_3⋊C_2$ 上枚举了全部 $6$ 个点质量函数与全部 $36$ 对点质量卷积。双精度下，表示关系、反演、Plancherel 与卷积公式的最大绝对误差分别为

$$7.77\times {10}^{-16},5.55\times {10}^{-16},2.78\times {10}^{-17},2.08\times {10}^{-17}.$$

这只是有限实例的 sanity check，不替代理论证明。

1.5 Graduate / modern extension：Peter--Weyl 的有限原型

对 compact group（紧群），归一化计数平均被 normalized Haar measure（归一化 Haar 测度）积分取代，矩阵系数仍给出正交分解；Peter--Weyl 定理把有限群的

$$L^2(G)\cong \underset{\pi \in \hat{G}}{⨁}{V}_{\pi }\otimes V_{\pi }^{\ast }$$

推广为 Hilbert 空间意义的完备直和。对非紧群，离散的不可约表示求和通常还要被 Plancherel measure（Plancherel 测度）控制的连续谱分解取代。因而“频率是矩阵块”不是有限群的奇技，而是非交换 Fourier analysis（非交换 Fourier 分析）的最小完整模型。

2. 固定模板习题 (Template Exercise)

题目

设 $A\in {\mathbb{R}}^{n\times n}$ 为实对称矩阵，其特征值按

$${\lambda }_1\le {\lambda }_2\le \cdots \le {\lambda }_n$$

排列。证明：对每个非零向量 $x\in {\mathbb{R}}^n$，Rayleigh quotient（Rayleigh 商）满足

$${\lambda }_1\le \frac{x^{\mathsf{T}}Ax}{x^{\mathsf{T}}x}\le {\lambda }_n.$$

并刻画左、右等号分别何时成立。

模板识别

看到“实对称矩阵 + 二次型除以范数平方 + 求统一上下界”，优先使用 spectral theorem（谱定理）：在标准正交特征基中展开向量，把 Rayleigh 商写成特征值的凸组合。等号问题则转成“哪些权重可以非零”。

分级提示

1. Hint 1. 取 $A$ 的标准正交特征向量基 $u_1,\dots ,u_n$，写 $x=\sum _i{c}_i{u}_i$。
2. Hint 2. 分别计算 $x^{\mathsf{T}}x$ 与 $x^{\mathsf{T}}Ax$；交叉项为何消失？
3. Hint 3. 令 $w_i=|c_i{|}^2/\sum _j|c_j{|}^2$，检查 $w_i\ge 0$ 且 $\sum _i{w}_i=1$。
4. Hint 4. 若一个凸组合等于最小值 ${\lambda }_1$，所有落在严格更大特征值上的权重必须怎样？

3. 大家之言 (Mathematician in Their Own Words)

可核验语境。 William P. Thurston 的第一人称论文 “On Proof and Progress in Mathematics” 收于 1994 年 4 月 Bulletin of the American Mathematical Society。他反对把数学进展压成只生产“定义—定理—证明”的单轴模型，并把评价尺度放回数学理解本身：

“The measure of our success is whether what we do enables people to understand and think more clearly and effectively about mathematics.”

中译。 “衡量我们成功与否，要看我们的工作是否使人们能够更清晰、更有效地理解和思考数学。”

评论。 今天的矩阵 Fourier 变换若只被记成一张公式表，仍未达到 Thurston 所说的标准。真正可迁移的理解是三种表示彼此贯通：矩阵系数是函数空间的正交坐标，正则表示解释维数平方与反演，群平均解释为何只留下等变信息。它们分别暴露分析、代数与几何接口；同一个公式因而能被带往随机游走、群代数和紧群，而非停留为有限求和技巧。

4. 反例与边界 (Counterexample & Boundary)

只保留特征标，不能恢复一般函数

特征标 ${\chi }_{\pi }(g)=\mathrm{tr}\pi (g)$ 是 class function（类函数），在共轭类上恒定。若误把非交换 Fourier 变换简化为仅保留标量

$$c_{\pi }(f):=\frac{1}{|G|}\sum _{g\in G}f(g){\chi }_{\pi }(g),$$

则一般函数会被压扁。

取 $G=S_3$，选择两个不同换位 ${\tau }_1=(12)$、${\tau }_2=(23)$，令

$$f({\tau }_1)=1,f({\tau }_2)=-1,f(g)=0(g\ne {\tau }_1,{\tau }_2).$$

逐项检查：

1. $f$ 非零。 有 $f({\tau }_1)=1$，故
   $$\frac{1}{6}\sum _{g\in S_3}|f(g){|}^2=\frac{1}{3}>0.$$
2. $f$ 不是类函数。 两个换位彼此共轭，但函数值分别为 $1$ 与 $-1$。
3. 每个 character 加权系数都为零。 任意不可约 character 在三个换位上取同一值，因此 ${\tau }_1$ 与 ${\tau }_2$ 的贡献相消：
   $$c_{\pi }(f)=\frac{1}{6}({\chi }_{\pi }({\tau }_1)-{\chi }_{\pi }({\tau }_2))=0.$$
4. 完整 Fourier 变换不可能全零。 Plancherel 右端必须等于 $1/3$。两个一维表示块确实因相消而为零，所以能量必落在二维标准表示的非零矩阵块中。

故 character 只看见每个矩阵块的迹及共轭不变信息；它足以处理表示的同构类和类函数，却不足以恢复 ${\mathbb{C}}^{S_3}$ 中的一般函数。边界恰在这里：Abel 群中共轭类都是单点且不可约表示全为一维，标量频率足够；非 Abel 群中必须保留完整矩阵系数。

5. 今日一问与数学地图 (Question & Map)

今日一问。 设 $f:G\to \mathbb{C}$。试证明下列等价：

1. $f$ 在卷积代数中居中，即对每个 $h:G\to \mathbb{C}$ 都有 $f\ast h=h\ast f$；
2. $f$ 是类函数，即对所有 $x,g\in G$，$f(xg{x}^{-1})=f(g)$；
3. 对每个 $\pi \in \hat{G}$，存在标量 $a_{\pi }\in \mathbb{C}$ 使
   $$\hat{f}(\pi )=a_{\pi }{I}_{V_{\pi }}.$$

再思考：这如何把“群的共轭类数等于不可约复表示数”解释成卷积代数中心的两种坐标计数？

定向提示。 从第 1 条到第 2 条，可让 $h$ 取群元素上的点质量；从第 2 条到第 3 条，检查 $\hat{f}(\pi )$ 与每个 $\pi (x)$ 交换，再用 Schur 引理。逆向可借 Fourier 变换的单射性与逐块乘法。

数学地图。

$$\begin{array}{c}\text{有限群与归一化计数测度}\\ \Downarrow \\ \text{不可约酉表示及矩阵系数}\\ \Downarrow \text{Schur 正交}\\ {\mathbb{C}}^G\cong {\displaystyle \underset{\pi \in \hat{G}}{⨁}\mathrm{End}(V_{\pi })}\\ \Downarrow \\ \text{Fourier 反演与 Plancherel 等距}\\ \Downarrow \\ \text{卷积化为逐块矩阵乘法}\\ \Downarrow \\ \text{群代数中心、随机游走谱与表示论}\\ \Downarrow \\ \text{Peter--Weyl、紧群调和分析与非交换概率}\end{array}$$

附录 A：习题完整解答 (Full Solution)

展开完整解答

可复用模板：正交特征基展开 $\to$ Rayleigh 商写成凸组合 $\to$ 由权重支撑刻画等号。

由实对称矩阵的谱定理，存在标准正交基 $u_1,\dots ,u_n$，使

$$A{u}_i={\lambda }_i{u}_i.$$

对任意非零 $x$，唯一写成

$$x=\sum _{i=1}^n{c}_i{u}_i,$$

且至少一个 $c_i\ne 0$。由正交性，

$$x^{\mathsf{T}}x=\sum _{i=1}^n{c}_i^2,$$

并且

$$x^{\mathsf{T}}Ax=⟨\sum _i{c}_i{u}_i,\sum _j{c}_j{\lambda }_j{u}_j⟩=\sum _{i=1}^n{\lambda }_i{c}_i^2.$$

令

$$w_i:=\frac{c_i^2}{\sum _{j=1}^n{c}_j^2}.$$

则 $w_i\ge 0$ 且 $\sum _i{w}_i=1$，所以

$$\frac{x^{\mathsf{T}}Ax}{x^{\mathsf{T}}x}=\sum _{i=1}^n{w}_i{\lambda }_i$$

是 ${\lambda }_1,\dots ,{\lambda }_n$ 的凸组合。于是

$${\lambda }_1\le \sum _i{w}_i{\lambda }_i\le {\lambda }_n.$$

若左等号成立，则

$$0=\sum _{i=1}^n{w}_i({\lambda }_i-{\lambda }_1).$$

每项均非负，故只要 ${\lambda }_i>{\lambda }_1$ 就必须有 $w_i=0$，等价于 $c_i=0$。因此 $x$ 完全落在最小特征值的特征空间

$$E_{{\lambda }_1}=\ker (A-{\lambda }_{1}I)$$

中。反之，若 $x\in E_{{\lambda }_1}\setminus \{0\}$，则 $Ax={\lambda }_{1}x$，Rayleigh 商当然等于 ${\lambda }_1$。

同理，右等号成立当且仅当

$$x\in E_{{\lambda }_n}\setminus \{0\}.$$

因此结论连同等号条件为

$$\boxed{{\displaystyle {\lambda }_1\le \frac{x^{\mathsf{T}}Ax}{x^{\mathsf{T}}x}\le {\lambda }_n,\{\begin{array}{l}={\lambda }_1⟺x\in E_{{\lambda }_1}\setminus \{0\},\\ ={\lambda }_n⟺x\in E_{{\lambda }_n}\setminus \{0\}.\end{array}}}$$

资料与来源 (Sources)

1. Pavel Etingof, Oleg Golberg, Sebastian Hensel, Tiankai Liu, Alex Schwendner, Dmitry Vaintrob, and Elena Yudovina, Introduction to Representation Theory, lecture notes dated 2011-01-10. Chapter 3, especially §§3.1--3.7, was opened during this run and used to verify Maschke's theorem, the regular-representation decomposition, character orthogonality, invariant averaging, unitary structures, and orthogonality/completeness of matrix coefficients: https://math.mit.edu/~etingof/replect.pdf
2. William P. Thurston, “On Proof and Progress in Mathematics,” Bulletin of the American Mathematical Society (New Series) 30(2), April 1994, pp. 161--177, DOI 10.1090/S0273-0979-1994-00502-6. The quotation in Section 3 was checked against the AMS PDF opened during this run: https://www.ams.org/journals/bull/1994-30-02/S0273-0979-1994-00502-6/S0273-0979-1994-00502-6.pdf