科学：微积分怎么变成简单的代数问题？三大变换如何把微分变成乘法、积分变成除法？

luyuanhong

科学：微积分怎么变成简单的代数问题？三大变换如何把微分变成乘法、积分变成除法？

原创  费油的时光机  费油的时光机  2026 年 8 月 31 日 07:00  浙江

引言

你手机里那一段几秒钟的录音，是怎么被你从一段震动的空气，变成一串可以存储、编辑、甚至降噪的数字信号的？你打电话的时候，对方的声音是怎么从你嘴里“传”过去的？



答案藏在信号处理里。而信号处理的全部秘密，归根结底可以浓缩成三个名字：傅里叶变换、拉普拉斯变换、Z 变换。

这三座大厦，几乎撑起了整个现代电子与通信世界：你听的音乐、你拍的照片、你连的 Wi-Fi 、你手机里的降噪算法，全部建立在它们之上。

这篇文章把三大变换“拆”给你看：它们是什么，解决什么问题，以及你什么时候该用哪一个？



正文

在深入三大变换之前，先理解一个贯穿全文的核心概念：什么是“变换”？想象你面前有一团乱麻，你想知道这根绳子有多长，但它在桌面上弯来绕去，尺子根本量不准。这时你做了一个聪明的决定：把绳子拉直。拉直之后，长度一目了然。“变换”就是在做这件事，它把一个问题从“难以下手”的形态，转换成一个“容易处理”的形态，处理完之后再换回来。傅里叶、拉普拉斯和 Z 变换，就是信号处理领域里三把最常用的“拉直工具”。



信号处理当中有三大变换，分别是傅里叶变换、拉普拉斯变换和 Z 变换。其实这三种变换，本质上都是在从不同的角度去观察信号。可以把它们理解成是一张地图的三种不同的视图。

打个比方：你面前有一座山。你从正前方看，它是一座山；从侧面看，它是一条岭；从正上方俯瞰，它是一张等高线图。三种视角看的是同一座山，但每一种都揭示了不同的信息，山的正面轮廓、侧面坡度、顶部地形。变换也是这个意思。同一个信号，从不同的“域”去看，你就能看到它不同的侧面。通过这三种变换，就可以把一些非常复杂的微积分问题变成简单的代数问题，让信号和系统的分析变得更加简单和高效。而这，正是很多工程领域的基础。

这三种变换的诞生，其实都是为了解决实际问题。每一次新的变换的提出，都是为了弥补上一个变换的不足。傅里叶变换虽然很有用，但它只能处理一些比较特殊的信号；拉普拉斯变换拓展了它的适用范围；而Z变换则是专门为了离散时间信号而设计的。

简单来说，这三兄弟各有分工：傅里叶是“频域看频谱”，拉普拉斯是“复频域看稳定性”，Z变换是“离散域看数字系统”。虽然这三种变换看起来长得很像，但它们背后的物理意义和应用场景还是有一些差别的。不过，它们其实是同一个数学家族的不同成员，核心都是复指数函数。

那么，复指数函数为什么在信号处理中会有这么核心的地位呢？因为它能够把震荡和增长或衰减这两种运动统一在一个式子里。复指数函数的形式是 e 的 st 次方。如果 s 是一个实数，它就可以描述增长或衰减；如果 s 是一个虚数，它就会变成纯震荡；如果 s 是一个复数，它就可以同时包含增长或衰减和震荡。所以，它就成了用来拆解各种复杂信号的最基本的积木。



这句话意味着什么？意味着自然界里几乎所有你见过的信号——声音的振幅衰减、电流的指数上升、弹簧的阻尼振荡——都可以用复指数函数来“拼出来”。它就像乐高积木里最基础的那一块。

为什么一用到复指数函数作为 LTI 系统的输入，卷积运算就会神奇地变成乘法呢？因为当你把一个复指数函数 e 的 st 次方输入到一个 LTI 系统中的时候，输出其实就是输入再乘上一个关于 s 的函数 H(s) 。这是复指数函数非常特殊的一个性质。所以，这就相当于把卷积 y(t)=h(t)*x(t) 变成了一个简单的乘法 y(t)=H(s)e^(st) 。这也是为什么所有的这些变换都是以复指数为核心的——它把系统的分析从一个非常麻烦的时域卷积，变成了在 s 域里面的代数运算。



卷积是什么？你可以把它想象成：你往水里扔一块石头，水波扩散出去，然后你在下游某一个位置测量水面的波动——这个波动是所有之前的水波“叠加”的结果。卷积就是在算这种叠加。而复指数函数神奇的地方在于：当你用这种特殊的“水波”去扰动系统的时候，下游的波动不会“扭曲”，只是整体缩放了一下。于是卷积就变成了乘法——简单了不止一个数量级。

傅里叶变换：从热传导方程到频谱分析

傅里叶变换的名字，来自法国数学家让-巴普蒂斯·约瑟夫·傅里叶（Jean-Baptiste Joseph Fourier ，1768—1830）。但傅里叶最初研究的问题，跟信号处理没有半点关系，他在研究热。

1807 年，傅里叶向巴黎科学院提交了一篇题为《热的传播》的论文。他在推导热传导方程的过程中发现：求解这个方程时，解函数可以用一系列三角函数（正弦和余弦）的级数来表示。换句话说，任何一个函数——无论它多么复杂——都可以被拆解成无数个不同频率的正弦波和余弦波的叠加。

这个想法在当时极具争议。巴黎科学院的评审们，包括拉格朗日这样的大数学家一开始并不接受。因为“任何函数都能用三角函数展开”这个论断，在当时看起来过于大胆。但傅里叶坚持了下来。1811 年，他的研究获得了巴黎科学院大奖。1822 年，他出版了里程碑式的著作《热的解析理论》，系统建立了热传导的数学理论，并正式提出了后来以他命名的傅里叶积分。

傅里叶万万没有想到，他为了解决“热量如何传播”而发明的这套数学工具，会在一个多世纪后成为通信、音频、图像处理的核心基础。



傅里叶变换的物理意义和局限性是什么呢？傅里叶变换其实就是把一个信号拆解成了一系列不同频率的纯虚数指数函数 e 的 jωt 次方的叠加。它的系数直接反映了每个频率分量的幅度和相位，所以它的物理意义非常直观——就是信号在每个频率上有多少能量。因此，它被广泛应用在通信系统的调制解调、音频频谱分析以及图像处理等领域。

你现在听到的音乐，在 MP3 压缩时，编码器就是通过傅里叶变换把音频信号分解成不同频率，然后“扔掉”一些人耳不敏感的频率分量，这就是压缩的底层原理。你看到的JPEG图片，也是用类似的方法做压缩的。



不过，傅里叶变换也有根本性的局限。它要求信号必须是绝对可积或者平方可积的。但在工程实践中，经常会遇到指数增长的信号或者阶跃信号，这些信号就没有办法直接进行傅里叶变换，因为积分是发散的。这时候就不得不寻求更强大的变换方法了。

比如说，你给一个电路通电，电流从零突然跳到某一稳定值——这个“突然跳变”的瞬间，就是一个阶跃信号。它没法用傅里叶变换直接分析，因为它在跳变的那一瞬间，积分无法收敛。

拉普拉斯变换：驯服“不乖”的信号

拉普拉斯变换得名于另一位法国数学巨匠——皮埃尔-西蒙·拉普拉斯（Pierre-Simon Laplace ，1749—1827）。拉普拉斯的研究领域极为广泛，从天体力学到概率论都有他的身影。



拉普拉斯变换的思想最早可以追溯到 18 世纪 80 年代，拉普拉斯在概率论的研究中开始使用类似的方法。1782 年前后，他奠定了积分变换的基础，并用它来求解微分方程。1812 年，拉普拉斯出版了他著名的概率论著作，其中系统阐述了他所使用的方法。



不过，一个有趣的历史细节是：拉普拉斯并没有“发明”我们今天所讲的拉普拉斯变换。他使用的是类似的思想，但现代形式的拉普拉斯变换是后来逐步完善的。1809 年，拉普拉斯扩展了他的变换方法，用于处理那些“无限扩散”的问题——这正是我们今天所使用的拉普拉斯变换的雏形。

拉普拉斯变换和傅里叶变换的起源紧密交织在一起。事实上，包括这两种变换在内的积分变换，其根源都可以追溯到 18 世纪 80 年代拉普拉斯在概率论方面的开创性工作，以及 1822 年傅里叶的《热的解析理论》。两位法国数学巨匠，一个研究概率，一个研究热传导，却共同为现代信号处理铺设了基石。

拉普拉斯变换就是为了解决傅里叶变换的局限而诞生的。它其实就是在傅里叶变换的基础上，给信号乘上一个指数衰减因子 e 的 -σt 次方，先把信号驯服，让它变得收敛，然后再去做傅里叶变换。这样，积分就更容易收敛，也就可以处理更广泛的函数。如果我们把拉普拉斯变换的 s 限制在虚轴上，也就是 σ=0 的时候，拉普拉斯变换就变成了傅里叶变换。所以，傅里叶变换其实是拉普拉斯变换的一个特例。

这个“衰减因子”就像在冲咖啡之前先用冷水把咖啡粉浸湿一下，让它不会“噗”地一下喷出来——拉普拉斯用这个策略“驯服”了那些“不乖”的信号。

s 平面这个概念，可以帮助我们从几何的角度去理解拉普拉斯变换和傅里叶变换之间的关系。在 s 平面上，横轴是 σ ，纵轴是 jΩ 。当我们固定 σ=0 的时候，我们就是在看虚轴，而这个虚轴刚好就是傅里叶变换。所以，傅里叶变换就是拉普拉斯变换在 s 平面虚轴上的一个切片。整个 s 平面，其实就可以看成是由无数个不同的衰减因子所对应的傅里叶变换组合而成的。

Z 变换：数字时代的语言

Z 变换的历史比很多人想象的要更古老，也更复杂。

Z 变换的核心思想——用生成函数来处理离散序列——最早可以追溯到 18 世纪。1730 年前后，法国数学家棣莫弗（Abraham de Moivre）就已经引入了“生成函数”的概念，其数学形式与今天的 Z 变换几乎相同。拉普拉斯本人也很早就了解这个基本思想。

然而，Z 变换真正成为一门实用工具，要等到 20 世纪中叶。1947 年，波兰裔美国数学家维托尔德·胡列维奇（Witold Hurewicz）迈出了关键的第一步，他引入了一个用于处理离散序列的变换，作为求解常系数差分方程的一种简便方法。当时推动这项研究的直接需求来自雷达系统，工程师需要一种能够处理“采样数据控制系统”的数学工具。

1952 年，哥伦比亚大学采样控制研究组的约翰·拉加齐尼（John Ragazzini）和洛夫·扎德（Lotfi A. Zadeh），后者后来因模糊逻辑而闻名于世，正式将这种方法命名为“ Z 变换”。从此，Z 变换正式进入了工程学的工具箱。

到了 20 世纪 50 至 60 年代，随着数字计算机的兴起和离散控制系统的深入研究，Z 变换得到了飞速发展。20 世纪 70 年代，它正式进入了大学课堂。如今，Z 变换已经成为数字信号处理、计算机控制系统等领域最基础的工具之一。

Z 变换的故事告诉我们：一个数学工具从诞生到广泛应用，有时需要跨越两个多世纪，从 18 世纪棣莫弗的生成函数，到 20 世纪中叶雷达和计算机的需求驱动，再到今天每一部手机里的数字滤波器。科学史上的“突然出现”，往往是一段被忽略的漫长积累。

Z 变换是怎么来的呢？其实，Z 变换就是拉普拉斯变换的离散时间版本。当我们把一个连续时间信号进行均匀采样之后，再经过一个z=e 的 sT 次方的变量替换，其中 T 是采样周期，就可以直接从拉普拉斯变换推导出 Z 变换。所以，Z 变换是专门用来处理计算机能够理解的离散采样信号的。

你电脑里处理的所有数字信号，从麦克风采到的声音，到摄像头拍到的图像，全部都是离散采样后的结果。Z 变换就是专门为这些“一串一串”的数字信号设计的。

s 平面和 z 平面之间通过 z=e 的 sT 次方这个映射关系关联起来。这个变换会把 s 平面上的直线映射成 z 平面上的圆，s 平面上的带状区域会卷起来变成 z 平面上的一个圆环。这是一种非常特殊的卷曲和折叠的对应关系，也让我们可以用 z 平面来分析离散时间系统的特性。



极点又是怎么来的呢？极点其实就是系统函数的分母等于 0 的点。它的位置直接决定了系统的稳定性和动态特性。比如说，在 s 平面上，如果极点的实部是正的，系统就是不稳定的；在 z 平面上，如果极点落在单位圆外面，系统也是不稳定的。而且，极点的实部还决定了响应是衰减的还是增长的，虚部则决定了振荡的频率。所以，极点就像是系统的 DNA 一样，完全决定了系统的本质特性。

FFT ：让傅里叶变换“跑起来”

傅里叶变换在理论上很完美，但在计算机出现之前，它有一个致命的弱点：计算量太大。对一个包含 N 个数据点的信号做离散傅里叶变换，需要 N^2 次运算。当 N 很大时，比如一张高清图片有数百万个像素，这个计算量是天文数字。

1965 年，这个问题被两位美国数学家詹姆斯·库利（James W. Cooley）和约翰·图基（John W. Tukey）解决了。他们发表了一篇论文，提出了一种快速傅里叶变换（FFT）算法，将计算量从 N^2 骤降到 N·log2(N)。对于一个 100 万点的信号，这意味着从 1 万亿次运算减少到约 2000 万次，快了约 5 万倍。

有趣的是，FFT 并非库利和图基的原创。德国数学王子卡尔·弗里德里希·高斯（Carl Friedrich Gauss）早在 1805 年就已经描述过类似的算法。但高斯的这项工作被埋没在故纸堆里，直到 20 世纪 70 年代历史学家才发现。真正让 FFT 改变世界的，是库利和图基 1965 年的论文，它恰逢计算机开始普及的时代，FFT 让傅里叶变换从“理论上完美但实际不可行”变成了“工程师的日常工具”。

今天，FFT 已经无处不在：你听的 MP3 音乐、看的 JPEG 图片、打的 VoIP 电话、连的 Wi-Fi 信号，背后都在跑着 FFT 算法。它不是新的变换，而是让傅里叶变换“跑起来”的引擎。

三大变换的对比与选择

这三大变换其实是一个桥梁，它把原来在时域里面的微积分方程，变成了在复频域里面的代数方程。比如说，在拉普拉斯变换里面，对时间的微分就直接变成了乘以 s ，积分就变成了除以 s ；在 Z 变换里面，延迟一个采样周期就直接变成了乘以 z 的 -1 次方。这样，原来需要拆解凑系数的微积分难题，就变成了像解方程一样的简单问题，计算量大大减少，也更有系统性。



这就像你学做菜：原来你要记住每种食材的切法、火候、调味顺序——这是微积分。但如果你把所有的菜都提前配成“调理包”的话，你只需要按包装上的说明加热就可以了——这就是变换。前者需要每次都从头推演，后者只需要查表。变换，就是把复杂运算做成“调理包”的过程。

最后，来比较一下这三大变换的核心变量、基函数、频率的几何形态和稳定性判据。傅里叶变换的核心变量是 jω ，是纯虚数，基函数是 e 的 jωt 次方，是纯振荡，频域分析在虚轴上，只能判断稳态稳定性。拉普拉斯变换的核心变量是 s=σ+jΩ ，是复数，基函数是 e 的 st 次方，是带有包络的振荡，分析在整个 s 平面上，看极点是否在左半平面。Z 变换的核心变量是 z=e 的 sT 次方，也是复数，基函数是 z 的 n 次方，是离散的复指数序列，分析在 z 平面的单位圆上，看极点是否在单位圆内。

在实际遇到信号处理或者系统分析的问题时，选择哪种变换主要看信号形式和分析目的。如果想了解信号的频谱分布、做通信调制、音频和图像编码压缩，一般用傅里叶变换，特别是 FFT 。如果系统本身不稳定，或者需要考虑初始状态、分析瞬态响应，就应该选择拉普拉斯变换，可以借助 Bode 图或根轨迹进行分析。如果信号本身就是离散的，或者是在单片机里跑的数字滤波器，那就肯定要用 Z 变换了。



所以说，这三种变换其实是同一个数学体系下的不同表现形式。它们本质上是在帮助我们从不同的角度去理解和分析信号与系统。信号处理当中的三大变换，正是这个体系最核心的基石。

尾声

从 1807 年傅里叶提交那篇关于热传导的论文，到 1965 年库利和图基发表 FFT 算法，再到今天每一部手机、每一台电脑里无声运行的无数变换——这三大变换跨越了整整两个半世纪。它们最初的目标很具体：傅里叶想算热怎么传播，拉普拉斯想解概率和微分方程，胡列维奇和扎德想处理雷达采样数据。但最终，它们汇聚成了同一条大河，撑起了整个数字时代。

说到底，傅里叶、拉普拉斯和 Z 变换，做的其实是同一件事：把复杂的问题“换个角度看”，让原本困难的变简单，让原本模糊的变清晰。你不一定非要学会它们的全部数学细节，但你只要记住一件事：你刷的每一个视频、打的每一通电话、看的每一张高清图片，背后都有一个“变换”在默默地帮你把信号拆开、压缩、传输、再拼回去。它们是人类工程史上最优雅的“翻译官”，把时域翻译成频域，把微分翻译成代数，把连续翻译成离散。而你，正在它们搭建的桥梁上行走。



费油的时光机