2.1 解析函数定义

2.1 解析函数定义

本节摘要：SOURCE 2.1：这一结论并非显然，它依赖于柯西积分公式的强大威力（将在 2.3 节详述），但其内涵极为深刻：它表明，复可微性这一"一阶"微分条件，竟已蕴含了函数在邻域内无限次可微、且能被其泰勒级数完全重建的全部信息。

目标与定位

本节把第1章的"全向极限"落到导数定义上。读者需要理解一条主线：复可微比实可微严格得多。实函数 g(x)=|x| 在 0 处不可导、x\mapsto x^2 在 0 处导数 0，这些在复平面上的类比会立刻暴露差别——因为复可微要求 h\to0 沿任意方向都收敛到同一个极限。

复导数的定义

设 f 在 z_0 的邻域内有定义，若极限

存在（与 z\to z_0 的路径无关），则称 f 在 z_0 处复可微。若 f 在区域 D 的每一点都可微，则称 f 在 D 上解析（全纯）。

复可微与实可微的关键区别在于：实导数存在只要求两个方向（左右）一致；复导数存在要求无穷多个方向一致。因此复可微蕴含实可微（把 h 取实数方向即可），反之不然。

柯西-黎曼方程

把 f=u+iv、z=x+iy、h=\Delta x+i\Delta y 代入差商。若 f 在 z_0 复可微，取 h 分别沿实轴与虚轴趋近 0，得到两个方向的差商：

$$
\text{沿实轴: } f'(z_0) = \frac{\partial u}{\partial x} + i\frac{\partial v}{\partial x},
\qquad
\text{沿虚轴: } f'(z_0) = \frac{\partial v}{\partial y} - i\frac{\partial u}{\partial y}.
$$
​

两式相等，比较实部与虚部即得柯西-黎曼方程：

反过来，若 u,v 在 z_0 处实可微且满足柯西-黎曼方程，则 f 在 z_0 复可微，且 f'(z_0)=u_x+iv_x。这是判定复可微的标准工具。

判别例表（建议逐项用定义验证）：

解析性：一阶蕴含无限阶

解析的定义只要求"一阶导数存在"，但第3章的柯西积分公式将证明：解析函数其实无限可微，且在每个点的邻域内可展开为幂级数。这意味着解析函数拥有极强的"信息密度"——局部的值决定全局的行为。这是复分析区别于实分析最深刻的特征，也是后续最大模原理与唯一性定理的根基。

判别流程与常见反例

判断一个函数是否复可微，可依下列流程操作：

1. 写出 u=\operatorname{Re}f 与 v=\operatorname{Im}f；
2. 检查 u,v 的一阶偏导是否存在且连续（实可微）；
3. 代入柯西-黎曼方程验证 \frac{\partial u}{\partial x}=\frac{\partial v}{\partial y} 与 \frac{\partial u}{\partial y}=-\frac{\partial v}{\partial x}；
4. 若两步都通过，则 f 在该点复可微。

反例一：f(z)=\bar z。此时 u=x,\ v=-y，u_x=1 而 v_y=-1，方程不满足，处处不可微。这与实函数 x\mapsto x 处处可导形成强烈对比——共轭把"方向"翻转，破坏了方向无关性。

反例二：f(z)=|z|^2=x^2+y^2。此时 v\equiv0，u_x=2x,\ u_y=2y，方程 u_x=v_y 给出 2x=0，u_y=-v_x 给出 2y=0，故仅在原点可微。

反例三：f(z)=\operatorname{Re}z=x。u=x，v=0，u_x=1\ne0=v_y，处处不满足方程，处处不可微。

这些反例说明：复可微不是"实可微的自然推广"，而是一个额外强加的全向条件。正因如此，解析函数在二维平面上的表现才会如此"僵硬"而富有结构。

数值算例：用差商验证柯西-黎曼方程

import numpy as np

def cr_residual(f, z0):
    """数值估计柯西-黎曼方程的残差"""
    h = 1e-6
    # 实部 u 与虚部 v 的偏导（中心差商）
    ux = (f(z0 + h) - f(z0 - h)).real / (2*h)
    uy = (f(z0 + 1j*h) - f(z0 - 1j*h)).real / (2*h)
    vx = (f(z0 + h) - f(z0 - h)).imag / (2*h)
    vy = (f(z0 + 1j*h) - f(z0 - 1j*h)).imag / (2*h)
    return abs(ux - vy) + abs(uy + vx)

z0 = 0.5 + 0.3j
f_analytic = lambda z: z**2          # 解析函数
f_not = lambda z: np.conj(z)         # 共轭，非解析
print("f(z)=z^2   的 CR 残差:", cr_residual(f_analytic, z0))
print("f(z)=conj(z) 的 CR 残差:", cr_residual(f_not, z0))
# 期望：第一个接近 0，第二个约为 2
​

# 用差商直接估计导数，与解析导数 2z 对照
h = 1e-6
z = 0.5 + 0.3j
num = (f_analytic(z + h) - f_analytic(z - h)) / (2*h)
print("数值导数: %.8f %+.8fi" % (num.real, num.imag))
print("解析导数 2z: %.8f %+.8fi" % ((2*z).real, (2*z).imag))
# 二者应在浮点误差内一致
​

应用：调和函数预告

设 f=u+iv 解析。对柯西-黎曼方程交叉求导可得

即 u,v 都是调和函数。这是解析函数与位势论（静电、流体、传热）联系的第一条线索，2.2 节将展开。

⚠️ 常见坑：只记结论不记适用边界——柯西-黎曼方程只是"局部可微"判据；u,v 只在一点满足方程不代表 f 在该点解析，还要求 u,v 在该点实可微（导数连续）；更不表示 f 在邻域内解析。

💡 关键直觉：2.1 解析函数定义 应能对应至少一项可复现实验或算例——上文差商残差实验可清晰区分 z^2 与 \bar z。

思考与检验

1. 用定义证明 f(z)=\frac{1}{z} 在 \mathbb{C}\setminus\{0\} 上解析。
2. 写出 f(z)=\log|z|+i\arg z 的 u,v，验证在 \mathbb{C}\setminus(-\infty,0] 上满足柯西-黎曼方程。
3. 证明：若 f 与 \bar f 都解析，则 f 恒为常数。

小结

• 主干：2.1 解析函数定义 连接「输入—过程—输出」——复可微、柯西-黎曼方程、解析性。
• 边界：判别需同时满足偏导存在性与柯西-黎曼方程；"解析"要求区域上处处可微。
• 方法：用中心差商数值估计偏导，验证方程残差趋近零。