logo

コーシー・リーマン方程式の逆が成立する条件 📂複素解析

コーシー・リーマン方程式の逆が成立する条件

定理

複素領域 ACA \subseteq \mathbb{C} で定義された複素関数 f:ACf: A \to \mathbb{C} が実数値をとる関数 u,vu,v について f(z)=f(x+iy)=u(x,y)+iv(x,y) f(z) = f(x+iy) = u(x,y) + iv(x,y) と表せるし、u,vu,vx,yx,y に対して連続一階偏微分関数を持ち、同時に連立微分方程式 {ux(x,y)=vy(x,y)uy(x,y)=vx(x,y) \begin{cases} u_{x} (x,y) = v_{y} (x,y) \\ u_{y} (x,y) = -v_{x} (x,y) \end{cases} を満たすならば、ffAA解析的である。

説明

解析学はいつもこうやって言葉が長くて読むのも嫌な問題がある。簡単にまとめると、コーシー・リーマン方程式の逆が成り立とうとするなら、偏微分関数が連続でなければならないということだ。当然、我々が扱うほとんどの関数はこの条件を簡単に満たす。

証明

Part 1. ux,uyu_{x}, u_{y} の形

一般性を失わずに二つの実数 α,β>0\alpha , \beta > 0 に対してh:=α+iβh := \alpha + i \beta と置くと ff に対して f(z+h)f(z)=[u(x+α,y+β)u(x,y)]+i[v(x+α,y+β)v(x,y)] f(z+h) - f(z) = [ u(x+\alpha,y+\beta) - u(x,y) ] + i [ v(x+\alpha,y+\beta) - v(x,y) ] を得る。同様に一般性を失わずに uu だけを考えれば、平均値の定理により u(x+α,y+β)u(x,y)=u(x+α,y+β)u(x,y+β)+u(x,y+β)u(x,y)=[u(x+α,y+β)u(x,y+β)]+[u(x,y+β)u(x,y)]=αux(x+θα,y+β)+βuy(x,y+ϕβ) \begin{align*} & u(x+\alpha,y+\beta) - u(x,y) \\ =& u(x+\alpha,y+\beta) - u(x,y+\beta) + u(x,y+\beta) - u(x,y) \\ =& [u(x+\alpha,y+\beta) - u(x,y+\beta)] + [u(x,y+\beta) - u(x,y)] \\ =& \alpha u_{x} (x+\theta \alpha,y+\beta) + \beta u_{y} (x,y+\phi \beta) \end{align*} を満たす 0<θ<10<\theta<10<ϕ<10<\phi<1 が存在する。

平均値の定理: 関数 f(x)f(x)[a,b][a,b]連続であり、(a,b)(a,b)微分可能であるならば、f(c)=f(b)f(a)ba\displaystyle f '(c)={{f(b)-f(a)}\over{b-a}} を満たす cc(a,b)(a,b) に少なくとも一つ存在する。

ここで θ(0,1)\theta \in (0,1) と置くのは u(x,y+β)u \left( x , y + \beta \right)[x,x+α]\left[ x , x + \alpha \right] で平均値の定理を使うとき ux(c,y+β)=u(x+α,y+β)u(x,y+β)(x+α)x    αux(c,y+β)=u(x+α,y+β)u(x,y+β) \begin{align*} {{ \partial u } \over { \partial x }} \left( c , y + \beta \right) =& {{ u(x+\alpha,y+\beta) - u(x,y+\beta) } \over { \left( x + \alpha \right) - x }} \\ \implies \alpha u_{x} \left( c , y + \beta \right) =& u(x+\alpha,y+\beta) - u(x,y+\beta) \end{align*} として c(x,x+α)c \in \left( x , x + \alpha \right)xx(x+α)\left( x + \alpha \right) の間の数 x+θαx + \theta \alpha として表せるからである。


Part 2. f(z)f ' (z) の形

今、ある ε1\varepsilon_{1}ε2\varepsilon_{2} に対して ux(x+θα,y+β)=ux+ε1uy(x,y+ϕβ)=uy+ε2 \begin{align*} u_{x} (x+\theta \alpha,y+\beta) =& u_{x} + \varepsilon_{1} \\ u_{y} (x,y+\phi \beta) =& u_{y} + \varepsilon_{2} \end{align*} と置くと、仮定で uxu_{x}uyu_{y} が連続だとしたので、(α,β)0(\alpha,\beta) \to 0 の時 ε1,ε20\varepsilon_{1}, \varepsilon_{2} \to 0 になる。(この部分で連続性が必要である。)したがって u(x+α,y+β)u(x,y)=αux+βuy+αε1+βε2 u(x+\alpha,y+\beta) - u(x,y) = \alpha u_{x} + \beta u_{y} + \alpha \varepsilon_{1} + \beta \varepsilon_{2} であり、同じ方法で vv もある η1\eta_{1}η2\eta_{2} に対して v(x+α,y+β)v(x,y)=αvx+βvy+αη1+βη2 v(x+\alpha,y+\beta) - v(x,y) = \alpha v_{x} + \beta v_{y} + \alpha \eta_{1} + \beta \eta_{2} と置くことができる。再び f(z+h)f(z)f(z+h) - f(z) に戻ると、u,vu,v がコーシー・リーマン方程式を満たしているので f(z+h)f(z)=[u(x+α,y+β)u(x,y)]+i[v(x+α,y+β)v(x,y)]=[αux+βuy+αε1+βε2]+i[αvx+βvy+αη1+βη2]=h(ux+ivx)+αξ1+βξ2 \begin{align*} & f(z+h) - f(z) \\ =& [ u(x+\alpha,y+\beta) - u(x,y) ] + i [ v(x+\alpha,y+\beta) - v(x,y) ] \\ =& [\alpha u_{x} + \beta u_{y} + \alpha \varepsilon_{1} + \beta \varepsilon_{2}] + i [\alpha v_{x} + \beta v_{y} + \alpha \eta_{1} + \beta \eta_{2}] \\ =& h(u_{x} + i v_{x}) + \alpha \xi_{1} + \beta \xi_{2} \end{align*} であり、ここで ξ1:=ε1+η1\xi_{1} := \varepsilon_{1} + \eta_{1} であり、ξ2:=ε2+η2\xi_{2} := \varepsilon_{2} + \eta_{2} である。今 f(z)=limh0f(z+h)f(z)h=limh0(ux+ivx+αξ1+βξ2h) f ' (z) = \lim_{h \to 0} {{f(z+h) - f(z)} \over h} = \lim_{h \to 0} \left( u_{x} + i v_{x} + {{\alpha \xi_{1} + \beta \xi_{2}} \over h} \right) なので、limh0αξ1+βξ2h=0\lim_{h \to 0} {{\alpha \xi_{1} + \beta \xi_{2}} \over h} = 0 を示せば証明が完了する。


Part 3. limh0αξ1+βξ2h=0\displaystyle \lim_{h \to 0} {{\alpha \xi_{1} + \beta \xi_{2}} \over h} = 0

不等式 αξ1+βξ2hmax(α,β)α2+β2ξ1+ξ2ξ1+ξ2ξ1+ξ2 \left| {{\alpha \xi_{1} + \beta \xi_{2}} \over {h}} \right| \le { {\max (|\alpha|,|\beta|)} \over {\sqrt{\alpha^2 + \beta^2}} } |\xi_{1} + \xi_{2}| \le |\xi_{1} + \xi_{2}| \le |\xi_{1}| + |\xi_{2}| から limh0ξ1=0limh0ξ2=0 \lim_{h \to 0} \xi_{1} = 0 \\ \lim_{h \to 0} \xi_{2} = 0 であるため、次のことが成立する。 limh0αξ1+βξ2h=0 \lim_{h \to 0} {{\alpha \xi_{1} + \beta \xi_{2}} \over h} = 0

リニューアル

  • 23年8月19日、リュデシク、平均値の定理に関連する内容を集中強化