【复变函数】二、解析函数

目录

  • 1. 复变函数的导数
    • 1.1. 导数 f ′ ( z 0 ) f'(z_0) f(z0)
    • 1.2. 导函数 f ′ ( z ) f'(z) f(z)
  • 2. 复变函数解析
    • 2.1. 解析
    • 2.2. 调和函数
    • 2.3. 整函数
    • 2.4. 奇点 z 0 z_0 z0
  • 3. 初等函数
    • 3.1. 指数函数 w = e z w=e^z w=ez
    • 3.2. 对数函数 w = L n z w=Ln z w=Lnz
    • 3.3. 幂函数 w = z α w=z^\alpha w=zα
    • 3.4. 三角函数、反三角函数和双曲函数

1. 复变函数的导数

  设单值函数 w = f ( z ) ,   z ∈ D w=f(z),\,z\in D w=f(z),zD,对于 z 0 ∈ D z_0\in D z0D,有如下定义

1.1. 导数 f ′ ( z 0 ) f'(z_0) f(z0)

   f ( z ) f(z) f(z) z 0 z_0 z0可导可微导数存在),当且仅当以下极限存在
f ′ ( z 0 ) = d w d z ∣ z = z 0 = lim ⁡ z → z 0 f ( z ) − f ( z 0 ) z − z 0 f'(z_0)=\frac{dw}{dz}\Big\vert_{z=z_0}=\lim_{z\to z_0}\frac{f(z)-f(z_0)}{z-z_0} f(z0)=dzdwz=z0=zz0limzz0f(z)f(z0)

  其中,

  • z 0 z_0 z0沿复平面任意方向的极限都应存在且相同
  • 证明不可导,仅需举出反例,常检验 x = x 0 x=x_0 x=x0 y = y 0 y=y_0 y=y0 方向的极限
      

1.2. 导函数 f ′ ( z ) f'(z) f(z)

   ∀ z 0 ∈ D ,   f ( z ) \forall z_0\in D,\,f(z) z0D,f(z) z 0 z_0 z0可导,则 f ( z ) f(z) f(z) 在区域 D D D 上的导函数为
f ′ ( z ) = d f ( z ) d z = lim ⁡ Δ z → 0 f ( z + Δ z ) − f ( z ) Δ z f'(z)=\frac{df(z)}{dz}=\lim_{\Delta z\to0}\frac{f(z+\Delta z)-f(z)}{\Delta z} f(z)=dzdf(z)=Δz0limΔzf(z+Δz)f(z)

  其中,

  • 证明不可导,仅需举出反例,常检验 Δ x = 0 \Delta x=0 Δx=0 Δ y = 0 \Delta y= 0 Δy=0 方向的极限
  • 可导性的传递遵循求导法则:四则运算法则,反函数法则,链式法则

  

2. 复变函数解析

2.1. 解析

   f ( z ) f(z) f(z) U ( z 0 , δ ) U(z_0, \delta) U(z0,δ)可导,称 f ( z ) f(z) f(z) z 0 z_0 z0解析解析函数 f ( z ) f(z) f(z) 在其解析区域 D D D 上处处解析。

  其等价定义有两条:
f ( z ) = u ( x , y ) + i v ( x , y ) ,   z = x + i y ,   ∀ z ∈ D ,   f(z)=u(x,y)+iv(x,y),\,z=x+iy,\,\forall z \in D,\, f(z)=u(x,y)+iv(x,y),z=x+iy,zD,
   u ( x , y ) ,   v ( x , y ) u(x,y),\,v(x,y) u(x,y),v(x,y) 可微,且满足 C − R C-R CR 方程
∂ u ∂ x = ∂ v ∂ y ,   ∂ u ∂ y = − ∂ v ∂ x (1) \frac{\partial u}{\partial x}=\frac{\partial v}{\partial y},\,\frac{\partial u}{\partial y}=-\frac{\partial v}{\partial x}\tag{1} xu=yv,yu=xv(1)
  由解析的定义知,实部 u u u 和虚部 v v v 有二阶连续偏导数,在 C − R C-R CR 方程两端分别对 x ,   y x,\,y x,y 求偏导数,得到拉普拉斯方程
∂ 2 u ∂ x 2 + ∂ 2 u ∂ y 2 = ∂ 2 v ∂ x 2 + ∂ 2 v ∂ y 2 = 0 (2) \frac{\partial ^2u}{\partial x^2}+\frac{\partial ^2u}{\partial y^2}=\frac{\partial ^2v}{\partial x^2}+\frac{\partial ^2v}{\partial y^2}=0\tag{2} x22u+y22u=x22v+y22v=0(2)

  其中,解析的传递遵循:四则运算法则,反函数法则,链式法则
  

2.2. 调和函数

  区域内具有二阶偏导数满足拉普拉斯方程二元实函数,即:解析函数 f ( z ) f(z) f(z) 的实部 u ( x ,   y ) u(x,\,y) u(x,y) 和虚部 v ( x ,   y ) v(x,\,y) v(x,y) 在解析区域 D D D 内均为调和函数,且互为共轭调和函数

  由全微分的判定定理 P ( x ,   y ) P(x,\,y) P(x,y) Q ( x ,   y ) Q(x,\,y) Q(x,y) 在区域 D D D 内有一阶连续偏导, P ( x ,   y ) d x + Q ( x ,   y ) d y P(x,\,y)dx+Q(x,\,y)dy P(x,y)dx+Q(x,y)dy 为某一函数的全微分 等价于 ∂ P ∂ y = ∂ Q ∂ x \displaystyle\frac{\partial P}{\partial y}=\frac{\partial Q}{\partial x} yP=xQ

  可进一步推知,对于给定的调和函数 u ( x ,   y ) u(x,\,y) u(x,y),其共轭调和函数族
v ( x ,   y ) = ∫ ( x 0 ,   y 0 ) ( x ,   y ) ( − ∂ u ∂ y ) d x + ∂ u ∂ x d y + c v(x,\,y)=\int_{(x_0,\,y_0)}^{(x,\,y)}(-\frac{\partial u}{\partial y})dx+\frac{\partial u}{\partial x}dy+c v(x,y)=(x0,y0)(x,y)(yu)dx+xudy+c

  其中, c c c 为常数。
  

2.3. 整函数

  在复平面上处处解析的函数。
  

2.4. 奇点 z 0 z_0 z0

   f ( z ) f(z) f(z) z 0 z_0 z0不解析 ∀ δ > 0 ,   ∃ z ∈ U ( z 0 , δ ) \forall \delta>0,\,\exists z\in U(z_0, \delta) δ>0,zU(z0,δ) f ( z ) f(z) f(z) z z z解析

  例如:分母为零的点以及其他无穷间断点。
  

3. 初等函数

3.1. 指数函数 w = e z w=e^z w=ez

  由欧拉公式和同底数幂相乘运算法则,
w = e x p   z = e z = e x + i y = e x ⋅ e i y = e x ( c o s y + i s i n y ) w=exp\,z=e^z=e^{x+iy}=e^x\cdot e^{iy}=e^x(cosy+isiny) w=expz=ez=ex+iy=exeiy=ex(cosy+isiny)

  其中,

  • w w w 是初等函数中最重要的函数,可以定义其余的初等函数
  • w w w单值、非负、复平面内解析的函数,遵循实函数的求导法则和运算法则(指数运算法则)
  • w w w模、辐角和周期如下
    { ∣ w ∣ = e x A r g   w = y + 2 k π T = 2 k π i , ( k = 0 , ± 1 , ± 2 , . . . ) \begin{cases} \vert w \vert = e^x \\Arg\,w = y+2k\pi \\ T=2k\pi i\end{cases},(k=0,\pm1,\pm2,...) w=exArgw=y+2kπT=2kπi,(k=0,±1,±2,...)
      

3.2. 对数函数 w = L n z w=Ln z w=Lnz

  由方程 e w = z = r e i θ ≠ 0 e^w=z=re^{i\theta} \not=0 ew=z=reiθ=0
w = L n   z = l n r + i θ = l n ∣ z ∣ + i A r g z = l n ∣ z ∣ + i a r g z + 2 k π i    , ( k = 0 , ± 1 , ± 2 , . . . ) w=Ln\,z=lnr+i\theta=ln|z|+iArgz=ln|z|+iargz+2k\pi i\,\,,(k=0,\pm1,\pm2,...) w=Lnz=lnr+iθ=lnz+iArgz=lnz+iargz+2kπi,(k=0,±1,±2,...)

  对数函数有以下定义:

  • 主值 l n z = l n ∣ z ∣ + i a r g z lnz=ln|z|+iargz lnz=lnz+iargz,特别的, z = x > 0 z=x>0 z=x>0 时,退化为实对数函数
  • 分支 l n z + 2 k 0 π i lnz+2k_0\pi i lnz+2k0πi

  其中,

  • w w w 是指数函数的反函数,定义域为 z ≠ 0 z\not=0 z=0
  • w w w多值函数,其各分支在 C ∖ { z = x + y i   ∣   x ≤ 0 ,   y = 0 } \Bbb C \setminus \{z=x+yi\,|\,x\le0,\,y=0\} C{z=x+yix0,y=0}连续且解析,遵循实函数的求导法则和运算法则(对数运算法则)
  • 注意到, w w w a r g   z arg\,z argz 的定义域,连续性和解析区域是一致的
      

3.3. 幂函数 w = z α w=z^\alpha w=zα

w = z α = e α L n z w=z^\alpha=e^{\alpha Lnz} w=zα=eαLnz

  其中,

  • w w w 在复平面上的运算基于对数函数定义,并遵循实函数的求导法则和运算法则(幂运算法则)
  • w w w 退化为实函数后,在无定义的复平面区域上均不解析,其他情况下处处解析
      

3.4. 三角函数、反三角函数和双曲函数

  由欧拉公式 e i θ = c o s θ + i s i n θ ⇒ { c o s θ = 1 2 ( e i θ + e − i θ ) s i n θ = 1 2 i ( e i θ − e − i θ ) e^{i\theta}=cos\theta +isin\theta \Rightarrow \begin{cases} cos\theta=\frac{1}2(e^{i\theta}+e^{-i\theta}) \\sin\theta=\frac{1}{2i}(e^{i\theta}-e^{-i\theta})\end{cases} eiθ=cosθ+isinθ{cosθ=21(eiθ+eiθ)sinθ=2i1(eiθeiθ),得

c o s z = 1 2 ( e − i z + e i z ) cosz=\frac{1}2(e^{-iz}+e^{iz}) cosz=21(eiz+eiz) s i n z = i 2 ( e − i z − e i z ) sinz=\frac{i}{2}(e^{-iz}-e^{iz}) sinz=2i(eizeiz)

  由 z = c o s w = 1 2 ( e − i w + e i w ) z=cosw=\frac{1}2(e^{-iw}+e^{iw}) z=cosw=21(eiw+eiw),同理有
A r c   c o s z = − i L n ( z + z 2 − 1 ) Arc\,cosz=-iLn(z+\sqrt{z^2-1}) Arccosz=iLn(z+z21 ) A r c   s i n z = − i L n ( i z + 1 − z 2 ) Arc\,sinz=-iLn(iz+\sqrt{1-z^2}) Arcsinz=iLn(iz+1z2 )

  其中,

  • 复变三角函数的周期性、可导性、奇偶性、零点与实函数一致,适用所有三角公式和求导公式
  • 有界性不成立,即: ∃ z ∈ C ,   ∣ c o s z ∣ > 1 \exists z\in \Bbb C,\,|cosz|>1 zC,cosz>1 ∣ s i n z ∣ > 1 |sinz|>1 sinz>1

  由此推出:
t a n z = e − i z − e i z e − i z + e i z i tanz=\frac{e^{-iz}-e^{iz}}{e^{-iz}+e^{iz}}i tanz=eiz+eizeizeizi c o t z = e i z + e − i z e i z − e − i z i cotz=\frac{e^{iz}+e^{-iz}}{e^{iz}-e^{-iz}}i cotz=eizeizeiz+eizi s e c z = 2 e i z + e − i z secz=\frac{2}{e^{iz}+e^{-iz}} secz=eiz+eiz2 c s c z = 2 i e i z − e − i z cscz=\frac{2i}{e^{iz}-e^{-iz}} cscz=eizeiz2i A r c   t a n z = i 2 L n i + z i − z Arc\,tanz=\frac{i}2Ln \frac{i+z}{i-z} Arctanz=2iLnizi+z A r c   c o t z = i 2 L n z − i z + i Arc\,cotz=\frac{i}2Ln \frac{z-i}{z+i} Arccotz=2iLnz+izi A r c   s e c z = − i l n ( i 1 − 1 z 2 + 1 z ) Arc\,secz=-iln(i\sqrt{1-\frac{1}{z^2}}+\frac{1}{z}) Arcsecz=iln(i1z21 +z1) A r c   c s c z = − i l n ( 1 − 1 z 2 + i z ) Arc\,cscz=-iln(\sqrt{1-\frac{1}{z^2}}+\frac{i}{z}) Arccscz=iln(1z21 +zi) c h z = e z + e − z 2 chz=\frac{e^z+e^{-z}}2 chz=2ez+ez s h z = e z − e − z 2 shz=\frac{e^z-e^{-z}}2 shz=2ezez t h z = e z − e − z e z + e − z thz=\frac{e^z-e^{-z}}{e^z+e^{-z}} thz=ez+ezezez c o t h z = e z + e − z e z − e − z cothz=\frac{e^z+e^{-z}}{e^z-e^{-z}} cothz=ezezez+ez s e c h z = 2 e z + e − z sechz=\frac2{e^z+e^{-z}} sechz=ez+ez2 c s c h z = 2 e z − e − z cschz=\frac2{e^z-e^{-z}} cschz=ezez2

<think>好的,用户问的是e^x的导数公式及推导过程。首先,我需要回忆基本微积分知识,e^x的导数应该是它本身,但用户可能需要详细的推导过程。用户可能是在学习微积分,需要理解为什么导数不变,或者在做题时需要验证。 接下来,按照用户的要求,需要调用网络搜索工具。虽然我记得相关知识,但可能需要确认是否有不同的推导方法,或者是否有常见的误解需要澄清。比如,有些学生可能会混淆指数函数的导数规则,或者对极限过程不太清楚。 然后,整合信息。常见的推导方法包括使用导数的定义、利用自然对数底的性质、泰勒展开等。这里需要选择最标准的方法,可能从导数的极限定义出发,结合e^x的性质。同时,要确保步骤清晰,避免使用第一人称,并分点说明。 还要注意用户提到的格式要求,尤其是数学公式的格式,确保行内公式用$包裹,独立公式用$$。例如,导数的定义式需要正确呈现。另外,代码部分可能需要展示如何用Python计算导数,但用户的问题可能不需要代码,但根据之前的例子,可能可以添加数值验证的部分。 最后生成相关问题时要基于e^x导数的内容,比如其他指数函数的导数、导数的应用、高阶导数等。要确保问题相关且有助于用户深入学习。 检查是否有遗漏步骤,比如是否解释了为什么极限中的表达式趋向于1,或者是否提到了e的特殊性质。还要确保不出现步骤词汇,分点用换行分隔,引用内容分散在回答中,而不是集中在末尾。 总结:回答应包括导数的公式,从定义出发的推导步骤,可能的其他方法(如隐函数求导),数值验证示例,以及相关问题。需要符合用户的所有格式要求,特别是数学公式和代码部分。</think>#### e^x 的导数公式及推导过程 **1. 导数公式** 函数 $f(x) = e^x$ 的导数为: $$ \frac{d}{dx} e^x = e^x $$ 这是唯一一个导数等于自身的非零函数[^1]。 --- **2. 基于导数定义的推导** **步骤 1:导数定义** 根据导数的极限定义: $$ f'(x) = \lim_{h \to 0} \frac{e^{x+h} - e^x}{h} = e^x \lim_{h \to 0} \frac{e^h - 1}{h} $$ **步骤 2:关键极限计算** 需证明 $\lim_{h \to 0} \frac{e^h - 1}{h} = 1$。 利用自然指数函数 $e^h$ 的泰勒展开: $$ e^h = 1 + h + \frac{h^2}{2!} + \frac{h^3}{3!} + \cdots $$ 代入极限表达式: $$ \lim_{h \to 0} \frac{(1 + h + \frac{h^2}{2!} + \cdots) - 1}{h} = \lim_{h \to 0} \left(1 + \frac{h}{2!} + \frac{h^2}{3!} + \cdots \right) = 1 $$ **步骤 3:结论** 因此: $$ f'(x) = e^x \cdot 1 = e^x $$ --- **3. 隐函数求导法(替代方法)** 设 $y = e^x$,取自然对数: $$ \ln y = x $$ 对两边求导: $$ \frac{1}{y} \frac{dy}{dx} = 1 \implies \frac{dy}{dx} = y = e^x $$ --- **4. 数值验证(Python示例)** 通过对称差商近似计算 $x=1$ 处的导数: ```python import numpy as np h = 1e-5 x = 1 derivative = (np.exp(x + h) - np.exp(x - h)) / (2 * h) print(f"导数值(近似): {derivative:.6f}") # 输出 ≈ 2.718281(即e^1) ``` --- #### 公式扩展 - **复合函数导数**:若 $f(x) = e^{g(x)}$,则 $f'(x) = e^{g(x)} \cdot g'(x)$ - **高阶导数**:$\frac{d^n}{dx^n} e^x = e^x$ 对所有正整数 $n$ 成立
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值