การวิเคราะห์เชิงซ้อน

การวิเคราะห์เชิงซ้อนคือแคลคูลัสสำหรับจำนวนเชิงซ้อน โดยศึกษาฟังก์ชันของตัวแปรเชิงซ้อน $z = x + iy$ และถามว่าแนวคิดอย่างอนุพันธ์ อนุกรมกำลัง และอินทิกรัล ยังใช้ได้เมื่อใด

ประเด็นสำคัญคือ การหาอนุพันธ์เชิงซ้อนมีเงื่อนไขเข้มงวดกว่าการหาอนุพันธ์จริงแบบปกติมาก ถ้าฟังก์ชันหนึ่งหาอนุพันธ์เชิงซ้อนได้บนเซตเปิด เราเรียกฟังก์ชันนั้นว่า โฮโลมอร์ฟิก และเงื่อนไขเดียวนี้นำไปสู่ผลลัพธ์ที่ทรงพลังหลายอย่าง: ฟังก์ชันจะเรียบ และในบริเวณใกล้เคียงสามารถเขียนเป็นอนุกรมกำลังได้

การวิเคราะห์เชิงซ้อนศึกษาสิ่งใด

ฟังก์ชันในการวิเคราะห์เชิงซ้อนรับค่าป้อนเข้าเป็นจำนวนเชิงซ้อน และให้ผลลัพธ์เป็นจำนวนเชิงซ้อน:

$$f(z)$$

ตัวอย่างที่พบบ่อยคือพหุนาม เช่น $f(z) = z^2 + 1$ ฟังก์ชันเอ็กซ์โพเนนเชียล $e^z$ และฟังก์ชันตรีโกณมิติที่ขยายไปยังอินพุตเชิงซ้อน

คำถามหลักมีดังนี้:

• เมื่อใด $f(z)$ จึงมีอนุพันธ์เชิงซ้อน?
• อนุพันธ์นั้นบอกอะไรเราเกี่ยวกับฟังก์ชัน?
• อินทิกรัลของฟังก์ชันเชิงซ้อนมีพฤติกรรมอย่างไรตามเส้นโค้งในระนาบ?
• เมื่อฟังก์ชันเป็นโฮโลมอร์ฟิก จะมีทฤษฎีบทเพิ่มเติมใดใช้ได้บ้าง?

ทำไมการหาอนุพันธ์เชิงซ้อนจึงต่างออกไป

ที่จุด $z_0$ อนุพันธ์เชิงซ้อนนิยามโดย

$$f'(z_0) = \lim_{h \to 0} \frac{f(z_0 + h) - f(z_0)}{h}$$

หน้าตาคล้ายกับอนุพันธ์แบบปกติ แต่มีความต่างสำคัญอยู่ข้อหนึ่ง: $h$ สามารถเข้าใกล้ $0$ ได้จากทุกทิศทางในระนาบเชิงซ้อน ไม่ใช่แค่จากซ้ายหรือขวาบนเส้นตรง

นี่เองที่ทำให้เนื้อหานี้แตกต่าง ฟังก์ชันหนึ่งอาจมีอนุพันธ์ย่อยตาม $x$ และ $y$ แต่ก็ยังไม่สามารถหาอนุพันธ์เชิงซ้อนได้ เพราะเศษส่วนข้างต้นอาจขึ้นอยู่กับทิศทางที่เข้าใกล้

ถ้าฟังก์ชันหาอนุพันธ์เชิงซ้อนได้บนเซตเปิด เราเรียกว่าฟังก์ชันนั้น โฮโลมอร์ฟิก บนเซตนั้น ในการวิเคราะห์เชิงซ้อนมาตรฐาน ฟังก์ชันโฮโลมอร์ฟิกคือวัตถุหลักที่ศึกษา

ทำไมฟังก์ชันโฮโลมอร์ฟิกจึงทรงพลังมาก

ในแคลคูลัสของตัวแปรจริง การมีอนุพันธ์หนึ่งครั้งไม่ได้ทำให้ฟังก์ชันมีโครงสร้างพิเศษมากนักโดยอัตโนมัติ แต่ในการวิเคราะห์เชิงซ้อน ความเป็นโฮโลมอร์ฟิกให้ผลที่เข้มแข็งกว่ามาก

ถ้า $f$ เป็นโฮโลมอร์ฟิกบนบริเวณเปิด บริเวณใกล้แต่ละจุดสามารถเขียนเป็นอนุกรมกำลังได้:

$$f(z) = a_0 + a_1(z-z_0) + a_2(z-z_0)^2 + \cdots$$

สิ่งนี้ไม่เป็นจริงสำหรับฟังก์ชันที่หาอนุพันธ์จริงได้ทั่วไป นี่จึงเป็นเหตุผลว่าทำไมการวิเคราะห์เชิงซ้อนจึงดูมีข้อจำกัดที่เข้มงวดผิดปกติ: เงื่อนไขที่แรงเพียงข้อเดียวให้ข้อสรุปได้หลายอย่างพร้อมกัน

ตัวอย่างคำนวณ: ทำไม $f(z) = \overline{z}$ จึงไม่เป็นโฮโลมอร์ฟิก

พิจารณาฟังก์ชัน

$$f(z) = \overline{z}$$

มันดูเรียบง่าย แต่เป็นตัวอย่างมาตรฐานของฟังก์ชันที่ ไม่ เป็นโฮโลมอร์ฟิก จากนิยาม

$$\frac{f(z+h)-f(z)}{h} = \frac{\overline{z+h} - \overline{z}}{h} = \frac{\overline{h}}{h}$$

ตอนนี้ตรวจสอบสองทิศทาง:

$$\text{if } h \in \mathbb{R}, \quad \frac{\overline{h}}{h} = 1$$

แต่ถ้า $h = it$ โดยที่ $t$ เป็นจำนวนจริงและ $t \neq 0$ จะได้ว่า

$$\frac{\overline{h}}{h} = \frac{-it}{it} = -1$$

ลิมิตขึ้นอยู่กับทิศทาง ดังนั้นอนุพันธ์เชิงซ้อนจึงไม่มีอยู่ นี่คือประเด็นที่การวิเคราะห์เชิงซ้อนให้ความสำคัญอย่างชัดเจน

ในทางตรงกันข้าม พหุนามอย่าง $f(z) = z^2$ เป็นโฮโลมอร์ฟิกทุกจุด ความต่างไม่ได้อยู่ที่ความซับซ้อนทางพีชคณิต แต่อยู่ที่ว่าอนุพันธ์ให้ค่าเหมือนกันจากทุกทิศทางเชิงซ้อนหรือไม่

การทดสอบที่ใช้ได้จริง: สมการโคชี-รีมันน์

ถ้าเราเขียน

$$f(z) = u(x,y) + iv(x,y)$$

โดยที่ $z = x + iy$ การทดสอบมาตรฐานสำหรับความเป็นโฮโลมอร์ฟิกคือระบบสมการโคชี-รีมันน์:

$$u_x = v_y, \qquad u_y = -v_x$$

สมการเหล่านี้มีประโยชน์มาก แต่เงื่อนไขประกอบก็สำคัญ เงื่อนไขเพียงพอที่พบบ่อยคือ: ถ้าอนุพันธ์ย่อยอันดับหนึ่งของ $u$ และ $v$ ต่อเนื่องในย่านใกล้เคียง และสมการโคชี-รีมันน์เป็นจริงที่นั่น แล้ว $f$ จะเป็นโฮโลมอร์ฟิกที่นั่น

ดังนั้นสมการนี้เป็นเครื่องมือเชิงปฏิบัติ ไม่ใช่คำพูดสั้น ๆ ที่จะนำไปใช้โดยไม่ตรวจสอบสมมติฐาน

ข้อผิดพลาดที่พบบ่อยในการวิเคราะห์เชิงซ้อน

• มองการหาอนุพันธ์เชิงซ้อนเหมือนการหาอนุพันธ์ธรรมดาของฟังก์ชันสองตัวแปร ทั้งที่จริงเข้มงวดกว่า เพราะลิมิตต้องตรงกันจากทุกทิศทาง
• คิดว่าแค่อนุพันธ์ย่อยก็เพียงพอแล้ว ซึ่งจริง ๆ แล้วไม่พอด้วยตัวมันเอง
• ลืมว่าโดเมนมีความสำคัญ การเป็นโฮโลมอร์ฟิกบนดิสก์ที่เจาะจุดออกหนึ่งจุด ไม่เหมือนกับการเป็นโฮโลมอร์ฟิกบนดิสก์ทั้งก้อน
• คาดว่าการคอนจูเกต เช่น $f(z) = \overline{z}$ จะมีพฤติกรรมเหมือนพหุนามใน $z$ ซึ่งไม่จริง

การวิเคราะห์เชิงซ้อนถูกใช้ที่ไหน

การวิเคราะห์เชิงซ้อนปรากฏทั้งในคณิตศาสตร์บริสุทธิ์และคณิตศาสตร์ประยุกต์

• ในเรขาคณิตและแคลคูลัส อินทิกรัลตามเส้นโค้งและวิธีเรสิดิวสามารถเปลี่ยนอินทิกรัลจริงที่ยากให้กลายเป็นการคำนวณที่จัดการได้
• ในฟิสิกส์และวิศวกรรม ฟังก์ชันโฮโลมอร์ฟิกใช้จำลองการไหลศักย์สองมิติและบางส่วนของไฟฟ้าสถิต ซึ่งฟังก์ชันฮาร์มอนิกมีบทบาทสำคัญ
• ในคณิตศาสตร์บริสุทธิ์ เนื้อหานี้เชื่อมโยงกับทฤษฎีจำนวน สมการเชิงอนุพันธ์ และการวิเคราะห์ฟูเรียร์

บริบทของปัญหาก็สำคัญเช่นกัน ตัวอย่างเช่น วิธีเรสิดิวจะใช้ได้เมื่ออินทิแกรนด์และเส้นโค้งเป็นไปตามเงื่อนไขเชิงวิเคราะห์ที่เหมาะสม

สิ่งที่ควรจำ

การวิเคราะห์เชิงซ้อนศึกษาฟังก์ชันเชิงซ้อนของตัวแปรเชิงซ้อน และแนวคิดแกนกลางของมันคือ การหาอนุพันธ์เชิงซ้อนเป็นเงื่อนไขที่เข้มแข็งมาก

แนวคิดเดียวนี้อธิบายได้ว่าทำไมเนื้อหานี้จึงต่างจากแคลคูลัสทั่วไป เมื่อฟังก์ชันเป็นโฮโลมอร์ฟิกแล้ว เครื่องมือทรงพลังจำนวนมากก็พร้อมใช้งาน

ลองทำด้วยตัวเอง

ลองแก้โจทย์ที่คล้ายกัน: คำนวณอนุพันธ์ของ $f(z) = z^3$ จากนิยามลิมิต แล้วเปรียบเทียบผลนั้นกับ $f(z) = \overline{z}$ การเห็นว่าทำไมฟังก์ชันหนึ่งใช้ได้แต่อีกฟังก์ชันหนึ่งใช้ไม่ได้ เป็นวิธีที่ช่วยให้เข้าใจแนวคิดนี้ได้อย่างเป็นรูปธรรม