3.1 复积分定义与性质

3.1 复积分定义与性质

本节摘要：SOURCE 3.1：3.1节所确立的一切——严谨的参数化定义、对路径几何的深刻敏感、ML不等式提供的稳健控制、以及诸性质构成的逻辑网络——共同塑造了一种独特的复分析方法论：它教导我们，理解一个复函数，不仅要审视其在点上的取值，更要考察其在各种可能路径上的"响应"；解决问题，不仅需要代数技巧，更需要几何直觉与拓扑洞察；而所有高明的结论，其根基必深植于对最基本对象——积分——的绝对掌控之中。

目标与定位

本节把一维实积分推广到复平面上的曲线积分。核心转变：积分不再沿数轴单调累加，而是沿二维空间中的曲线"感知"函数。路径的形状第一次进入积分的定义，因此"路径无关性"成为需要专门研究的问题——这正是 3.2 节柯西定理的主题。

复积分的定义

设 C 是可微曲线，参数化为 z(t)=x(t)+iy(t)，t\in[a,b]，且 z'(t)\ne0。f 在 C 上连续，定义

把 f=u+iv、dz=dx+i\,dy 代入，可以把复积分拆成两个实线积分：

这个"实部—虚部"分解是数值计算的基础：复积分的实部与虚部分别是两组实曲线积分。

基本性质

复积分满足下列代数性质（假设各积分有意义）：

ML 不等式（估值工具）：若 |f(z)|\le M 在 C 上成立，且 C 的长度为 L，则

证明只需一行：\left|\int f(z)z'(t)\,dt\right|\le\int|f(z)|\,|z'(t)|\,dt\le M\int|z'(t)|\,dt=ML。ML 不等式看似粗糙，却是证明柯西定理、柯西估计、留数定理时最常用的"安全阀"。

路径敏感性：一个关键例子

积分是否依赖路径？考虑 f(z)=1/z 沿单位圆正向积分：

尽管 1/z 在 \mathbb{C}\setminus\{0\} 上解析，积分仍非零——因为定义域不单连通，原点被挖去。这个例子同时说明：复积分记住路径的拓扑，这正是第5章留数定理的出发点。

示例：沿直线段的积分

计算 f(z)=z 沿从 z=0 到 z=1+i 的直线段的积分。取参数化 z(t)=t(1+i)，t\in[0,1]，z'(t)=1+i，则

再沿折线：先沿实轴从 0 到 1，再竖直从 1 到 1+i。第一段 z=t，dz=dt，积分 \int_0^1 t\,dt=\frac12；第二段 z=1+it，dz=i\,dt，积分 \int_0^1(1+it)i\,dt=i-\frac12。两段相加仍是 i。

同一函数沿不同路径积分相同，这并非偶然——f(z)=z 是整函数，定义域 \mathbb{C} 单连通，柯西定理（3.2 节）保证积分与路径无关。对比之下，f(z)=\bar z 沿这两条路径的结果不同，因为它不解析。这个对照是理解"路径无关性"最直观的实验。

数值算例：梯形法计算复积分

import numpy as np

def line_integral(f, zfun, t, name=""):
    """沿参数曲线 zfun(t) 计算 f(z) dz 的梯形近似"""
    dz = np.gradient(zfun(t), t)
    I = np.trapz(f(zfun(t)) * dz, t)
    print("%s: %.6f %+.6fi" % (name, I.real, I.imag))
    return I

t = np.linspace(0, 2*np.pi, 20001)
# 单位圆
zfun = lambda t: np.exp(1j * t)
line_integral(lambda z: 1.0 / z, zfun, t, "单位圆上 1/z    ")
line_integral(lambda z: z**2,     zfun, t, "单位圆上 z^2    ")
line_integral(lambda z: np.conj(z), zfun, t, "单位圆上 conj(z)")
# 期望：2*pi*i、0、2*pi*i
​

参数化的选择

积分值与参数化无关这一事实，在实际计算中极具价值：遇到圆、线段、抛物线等曲线时，可以自由选择最简参数化。例如单位圆既可写 z=e^{it}，也可写 z=\cos t+i\sin t，两者给出相同积分值。但对方向必须小心：正向（逆时针）对应 t 递增，反向积分差一个负号。

路径变形与等价性

复积分的另一个直观性质是路径变形：只要变形过程不跨越奇点，积分值不变。更精确地说，若两条曲线 C_1,C_2 在解析区域内可以通过连续变形互相得到（同伦），则 \int_{C_1}f\,dz=\int_{C_2}f\,dz。这是因为两条曲线围成的区域上可以应用柯西定理。

这一原则给出快速计算技巧：把复杂的曲线"拉直"成简单曲线。例如计算 \int_C\frac{dz}{z}，其中 C 是任意绕原点一周的正向闭曲线，都可以变形为单位圆，结果恒为 2\pi i——曲线形状完全无关紧要，重要的是它绕原点转了几圈。这个"圈数"概念，正是辐角原理与第5章留数的几何雏形。

数值算例：路径无关性对照

import numpy as np

def int_polyline(f):
    """沿折线 0 -> 1 -> 1+i 计算积分（数值）"""
    t1 = np.linspace(0, 1, 20001)
    t2 = np.linspace(0, 1, 20001)
    # 第一段：z = t
    z1 = t1; dz1 = np.ones_like(t1)
    # 第二段：z = 1 + i t
    z2 = 1 + 1j * t2; dz2 = 1j * np.ones_like(t2)
    I = np.trapz(f(z1) * dz1, t1) + np.trapz(f(z2) * dz2, t2)
    return I

def int_line(f):
    """沿直线 0 -> 1+i 计算积分"""
    t = np.linspace(0, 1, 20001)
    z = (1 + 1j) * t
    return np.trapz(f(z) * (1 + 1j), t)

f1 = lambda z: z          # 解析
f2 = lambda z: np.conj(z) # 非解析
print("f=z    折线 %.6f%+.6fi  直线 %.6f%+.6fi" % (
    int_polyline(f1).real, int_polyline(f1).imag,
    int_line(f1).real, int_line(f1).imag))
print("f=conj 折线 %.6f%+.6fi  直线 %.6f%+.6fi" % (
    int_polyline(f2).real, int_polyline(f2).imag,
    int_line(f2).real, int_line(f2).imag))
# 期望：f=z 的两条路径结果相同；f=conj 不同
​

⚠️ 常见坑：只记结论不记适用边界——复积分依赖路径的拓扑；f(z)=1/z 沿单位圆积分非零并非反常，而是定义域含"洞"；ML 不等式要求 M 是 C 上的一个上界。

💡 关键直觉：3.1 复积分定义与性质 应能对应至少一项可复现实验或算例——上文的梯形法计算可直接验证 2\pi i、0、2\pi i 三个值。

思考与检验

1. 沿从 0 到 1+i 的直线段计算 \int_C z\,dz，并与沿折线（先沿实轴再沿虚轴）的结果比较。
2. 证明 ML 不等式，并估计 \int_{|z|=R}\frac{dz}{z^2+1} 当 R\to\infty 时的上界。
3. 解释为何 \int_C z\,dz 与路径无关而 \int_C \bar z\,dz 依赖路径。

小结

• 主干：3.1 复积分定义与性质 连接「输入—过程—输出」——参数化定义、性质网络、ML 不等式。
• 边界：积分值的路径独立性是特例而非通例，需要单连通与解析性共同保障。
• 方法：梯形法数值积分 + 解析公式双向核对。