[复变函数]第05堂课 1.4 复球面与 $\infty$; 作业讲解; 2 解析函数 2.1 解析函数的概念与 Cauchy-Riemann 方程

简介: 1. 复球面 大漠孤烟直, 长河落日圆. $$\bex \bbC\cong \bbS^2\bs \sed{N},\quad \bbC_\infty=\bbC\cup \sed{\infty}\mbox{ 扩充复平面}.

1. 复球面 大漠孤烟直, 长河落日圆. $$\bex \bbC\cong \bbS^2\bs \sed{N},\quad \bbC_\infty=\bbC\cup \sed{\infty}\mbox{ 扩充复平面}. \eex$$

 

2. $C_\infty$ 中一些概念的拓展

(1) $\infty$ 的 $\ve$ 邻域: $$\bex N_\ve(\infty)=\sed{z\in\bbC;\ |z|>\cfrac{1}{\ve}}. \eex$$

(2) Jordan 定理.

(3) 单连通区域 $D$: 怎样画 Jordan 闭曲线, 其内部 (或外部, 包含 $\infty$) 都在 $D$ 中.

(4) 极限: $\dps{\lim_{z\to z_0}f(z)=A}$ 当 $z_0=\infty$ 或 $A=\infty$ 时称为广义极限. 例: $\dps{\lim_{z\to 0}\cfrac{1}{z}=\infty,\ \lim_{z\to \infty}\cfrac{1}{z}=0}$.

(5) 以后, 复平面 $\bbC$, 扩充复平面 $\bbC_\infty$.

 

作业讲解: P 41-42, T 2, 6 (4) (8) , 7, 11 (1)  (3) .

 

1. 导数与微分

(1) 定义: 对 $w=f(z),\quad z\in D$, 若 $$\bee\label{diff} \lim_{\lap z\to0}\frac{\lap w}{\lap z}=f'(z) \eee$$ 存在, 则称 $$\bex \sedd{\ba{ll} f\mbox{ 在 }z\mbox{ 处可导},\\ f'(z)\mbox{ 为 } f \mbox{ 在 }z\mbox{ 处的导数}. \ea} \eex$$ 由 \eqref{diff}, $$\bex \frac{\lap w}{\lap z}=f'(z)+o(1) \ra \lap w=f'(z)\lap z+o(|z|) \eex$$ 知 $$\bex \sedd{\ba{ll} f\mbox{ 在 }z\mbox{ 处可微},\\ \rd f(z)=f'(z)\rd z=f'(z)\lap z\mbox{ 为 } f \mbox{ 在 }z\mbox{ 处的微分}. \ea} \eex$$

(2) 注记:

a. 可微 $\ra$ 连续.

b. 反过来不对. 比如 $f(z)=\bar z,\Re z,\Im z,|z|,\cdots$. 如对 $f(z)=\bar z$, $$\bex \frac{\lap w}{\lap z} =\frac{\overline{\lap z}}{\lap z} =\sedd{\ba{ll} 1,&\bbR\ni \lap z\to 0,\\ -1,&i\bbR\ni \lap z\to 0. \ea} \eex$$ 它们都是处处连续, 但处处不可微.

(3) 例: 证明: $f(z)=z^n\ (n=1,2,\cdots)$ 可微, 且 $f'(z)=nz^{n-1}$. 

目录
相关文章
|
SQL 数据挖掘 测试技术
南大通用GBase8s数据库:LISTAGG函数的解析
南大通用GBase8s数据库:LISTAGG函数的解析
|
存储 JSON 数据格式
ElasticSearch基础概念解析
以上就是ElasticSearch的基础概念。理解了这些概念,你就可以更好地使用ElasticSearch,像使用超级放大镜一样,在数据海洋中找到你需要的珍珠。
355 71
|
XML Java 开发者
Spring底层架构核心概念解析
理解 Spring 框架的核心概念对于开发和维护 Spring 应用程序至关重要。IOC 和 AOP 是其两个关键特性,通过依赖注入和面向切面编程实现了高效的模块化和松耦合设计。Spring 容器管理着 Beans 的生命周期和配置,而核心模块为各种应用场景提供了丰富的功能支持。通过全面掌握这些核心概念,开发者可以更加高效地利用 Spring 框架开发企业级应用。
448 18
|
机器学习/深度学习 自然语言处理 JavaScript
信息论、机器学习的核心概念:熵、KL散度、JS散度和Renyi散度的深度解析及应用
在信息论、机器学习和统计学领域中,KL散度(Kullback-Leibler散度)是量化概率分布差异的关键概念。本文深入探讨了KL散度及其相关概念,包括Jensen-Shannon散度和Renyi散度。KL散度用于衡量两个概率分布之间的差异,而Jensen-Shannon散度则提供了一种对称的度量方式。Renyi散度通过可调参数α,提供了更灵活的散度度量。这些概念不仅在理论研究中至关重要,在实际应用中也广泛用于数据压缩、变分自编码器、强化学习等领域。通过分析电子商务中的数据漂移实例,展示了这些散度指标在捕捉数据分布变化方面的独特优势,为企业提供了数据驱动的决策支持。
2099 2
信息论、机器学习的核心概念:熵、KL散度、JS散度和Renyi散度的深度解析及应用
|
C语言 开发者
【C语言】断言函数 -《深入解析C语言调试利器 !》
断言(assert)是一种调试工具,用于在程序运行时检查某些条件是否成立。如果条件不成立,断言会触发错误,并通常会终止程序的执行。断言有助于在开发和测试阶段捕捉逻辑错误。
444 5
|
调度 开发者
核心概念解析:进程与线程的对比分析
在操作系统和计算机编程领域,进程和线程是两个基本而核心的概念。它们是程序执行和资源管理的基础,但它们之间存在显著的差异。本文将深入探讨进程与线程的区别,并分析它们在现代软件开发中的应用和重要性。
570 4
|
机器学习/深度学习 自然语言处理 语音技术
揭秘深度学习中的注意力机制:兼容性函数的深度解析
揭秘深度学习中的注意力机制:兼容性函数的深度解析
|
消息中间件 存储 负载均衡
Apache Kafka核心概念解析:生产者、消费者与Broker
【10月更文挑战第24天】在数字化转型的大潮中,数据的实时处理能力成为了企业竞争力的重要组成部分。Apache Kafka 作为一款高性能的消息队列系统,在这一领域占据了重要地位。通过使用 Kafka,企业可以构建出高效的数据管道,实现数据的快速传输和处理。今天,我将从个人的角度出发,深入解析 Kafka 的三大核心组件——生产者、消费者与 Broker,希望能够帮助大家建立起对 Kafka 内部机制的基本理解。
625 2
|
算法 Java 数据库连接
Java连接池技术,从基础概念出发,解析了连接池的工作原理及其重要性
本文详细介绍了Java连接池技术,从基础概念出发,解析了连接池的工作原理及其重要性。连接池通过复用数据库连接,显著提升了应用的性能和稳定性。文章还展示了使用HikariCP连接池的示例代码,帮助读者更好地理解和应用这一技术。
314 1
|
存储 NoSQL MongoDB
MongoDB 概念解析
10月更文挑战第12天
373 0
MongoDB 概念解析

推荐镜像

更多
  • DNS
  • 下一篇
    开通oss服务