Carath\'eodory 不等式

简介: (Carath\'eodory 不等式) 利用 Scharwz 引理及线性变换, 证明: 若函数 $f(z)$ 在圆 $|z|

(Carath\'eodory 不等式) 利用 Scharwz 引理及线性变换, 证明: 若函数 $f(z)$ 在圆 $|z|<R$ 内全纯, 在 $|z|\leq R$ 上连续, $M(r)$ 及 $A(r)$ 分别为 $|f(z)|$ 及 $\Re f(z)$ 在圆周 $|z|=r$ 上的最大值, 则当 $0<r<R$ 时, 有 $ M(r)\leq \frac{2r}{R-r}A(R)+\frac{R+r}{R-r}|f(0)|.$

证明: (1) 当 $f(0)=0$ 时, 记 $A=A(R)$, 则由 $\Re f(z)$ 调和及最大模原理, $A\geq f(0)=0$. 所以 $f:D(0,R)\to \sed{w;\ \Re w\leq A}$. 记 $$\bex \psi(\xi)=R\xi,\quad \phi(w)=\frac{w}{w-2A}. \eex$$ 则 $\phi\circ f\circ \psi:D(0,1)\to D(0,1)$ 以 $0$ 为不动点. 由 Schwarz 引理, $$\beex \bea |\phi\circ f\circ \psi(\xi)|&\leq |\xi|,\quad \xi\in D(0,1),\\ |\phi(f(R\xi)|&\leq |\xi|,\quad \xi\in D(0,1),\\ \frac{|f(z)|}{|f(z)-2A}=|\phi(f(z))|&\leq\frac{|z|}{R},\quad z\in D(0,R),\\ |f(z)|&\leq \frac{2|z|A}{R-|z|},\quad z\in D(0,R),\\ M(r)&\leq \frac{2r}{R-r}A. \eea \eeex$$ (2) 当 $f(0)\neq 0$ 时, 考虑 $g(z)=f(z)-f(0)$, 则由 (1) 知 $$\beex \bea \max_{|z|=r}|g(z)|&\leq \frac{2r}{R-r}\max_{|z|=R}\Re g(z),\\ |f(z)|-|f(0)|&\leq \frac{2r}{R-r}[A(R)+|f(0)|],\quad|z|=r,\\ |f(z)|&\leq \frac{2r}{R-r}A(R)+\frac{R+r}{R-r}|f(0)|,\quad |z|=r. \eea \eeex$$

目录
相关文章
|
10月前
迭代法求一元三次方程
迭代法求一元三次方程
118 0
|
10月前
leetcode-990:等式方程的可满足性
leetcode-990:等式方程的可满足性
64 0
|
10月前
|
机器学习/深度学习 Python
【代数学习题4.1】从零理解范数与迹 —— 求极小多项式
【代数学习题4.1】从零理解范数与迹 —— 求极小多项式
194 0
|
Python
递推方程
递推方程是一种数学方程,其中未知量的值被表示为先前已知量值的函数。递推方程通常具有递归的形式,即一个或多个变量被递归地定义为同一变量的函数。递推方程的一个关键特征是,解决方案通常可以通过迭代计算得到,而不是直接求解。递推方程广泛应用于数学、物理、计算机科学等领域。
139 0
|
机器学习/深度学习 算法 开发者
不等式约束条件下求极值3| 学习笔记
快速学习不等式约束条件下求极值3。
不等式约束条件下求极值3| 学习笔记
|
机器学习/深度学习 算法 开发者
不等式约束条件下求极值1| 学习笔记
快速学习不等式约束条件下求极值1。
不等式约束条件下求极值1| 学习笔记
|
机器学习/深度学习 算法 开发者
不等式约束条件下求极值2| 学习笔记
快速学习不等式约束条件下求极值2。
不等式约束条件下求极值2| 学习笔记
|
人工智能 开发者
切比雪夫不等式 | 学习笔记
快速学习切比雪夫不等式
切比雪夫不等式 | 学习笔记
|
算法
绝对值不等式(贪心)
复习acwing算法基础课的内容,本篇为讲解基础算法:贪心——绝对值不等式,关于时间复杂度:目前博主不太会计算,先鸽了,日后一定补上。
151 0
绝对值不等式(贪心)