（本科·复变函数论·含例题详解）解析函数的幂级数表示法

GT_Lean

于 2025-05-25 18:15:20 发布

阅读量1.1k

点赞数 22

分类专栏：复变函数论文章标签：复变函数论解析函数幂级数泰勒公式

本文链接：https://blog.csdn.net/2504_91219670/article/details/148122605

版权

复变函数论专栏收录该内容

2 篇文章

订阅专栏

一、复级数的基本性质

1. 复数列的极限

复数中也有级数收敛相关的定义，和分析学中类似。

一复数列 $\{\alpha_n\}$ ， $\alpha_n=a_n+ib_n$ ，若 $\forall \varepsilon > 0 , \exists N > 0$ 当 $n>N$ 时，恒有

$|\alpha_n-\alpha|<\varepsilon$

则称复数列 $\{\alpha_n\}$ 收敛于 $\alpha$ 。记作

$\lim _ { n \rightarrow \infty } \alpha _ { n } = a$

不收敛的复数列成为发散数列。

定理： $\lim _ { n \rightarrow \infty } \alpha _ { n } = \alpha \Leftrightarrow \lim _ { n \rightarrow \infty } a _ { n } = a , \lim _ { n \rightarrow \infty } b _ { n } = b$

该定理说明可将复数列的敛散性转化为判别两个实数列的敛散性问题。甚至可以证明两个收敛复数序列的和、差、积、商仍收敛，并且其极限是相应极限的和、差、积、商。

2. 复数项级数

设复数列 $\{\alpha_n\}=a_n+ib_n$ ， $\sum^\infty_{n=1}=\alpha_1+\alpha_2+...+\alpha_n$ 为无穷级数， $\sum^\infty_{n=1}\alpha_n$ 为级数前n项和。

与实数项级数相同，判别复数项级数敛散性的基本方法是利用极限（部分和）

$lim_{n\rightarrow \infty}S_n=s$

但实际上，这种判别方式很困难，我们仍然将复数敛散性转换到实数上去判断，有如下定理。

定理：级数 $\sum^\infty_{n=1}\alpha_n$ 收敛 $\Leftrightarrow$ $\sum^\infty_{n=1}a_n$ 和 $\sum^\infty_{n=1}b_n$ 都收敛。

注意， $\sum^\infty_{n=1}a_n$ 和 $\sum^\infty_{n=1}b_n$ 有一个发散都能说明 $\sum^\infty_{n=1}\alpha_n$ 是发散的。

对于一复数项级数，可以初步用必要条件判断一下是否收敛：级数 $\sum^\infty_{n=1}\alpha_n$ 收敛的必要条件是 $\lim _ { n \rightarrow \infty } \alpha _ { n } = 0$ 。

定理：如果级数 $\sum^\infty_{n=1}|\alpha_n|$ 收敛，则级数 $\sum^\infty_{n=1}\alpha_n$ 也收敛。这也等价于 $\sum^\infty_{n=1}|a_n|$ 和 $\sum^\infty_{n=1}|b_n|$ 都收敛。此时 $\sum^\infty_{n=1}\alpha_n$ 为绝对收敛；若 $\sum^\infty_{n=1}|\alpha_n|$ 发散，而 $\sum^\infty_{n=1}\alpha_n$ 收敛，则称为条件收敛。

3. 函数项级数

同复数列一样有各种基本概念，这里额外介绍一下一致收敛：对于级数

$\sum^\infty_{n=1}f_n(z)=f_1(z)+f_2(z)+...f_n(z)+...$

如果在D上有一个函数 $s(z)$ ，使得对任意给定的 $\varepsilon >0$ ，存在正整数 $N=N(\varepsilon )$ ，当 $n>N$ ，对一切的 $z\in D$ 均有

$|s(z)-s_n(z)|<\varepsilon$

则称级数 $\sum^\infty_{n=1}f_n(z)=f_1(z)+f_2(z)+...f_n(z)+...$ 在D上一致收敛于 $s(z)$ 。

定理（一致收敛的柯西准则）：函数项级数 $\sum f_n(z)$ 在D上一致收敛的充要条件是任给的 $\varepsilon >0$ ，存在只与 $\varepsilon$ 有关的正整数 $N=N(\varepsilon )$ ，使得当 $n>N$ 时，对任意 $p$ 和任意 $z \in D$ ，有

$|f_{n+1}(z)+f_{n+2}(z)+...+f_{n+p}(z)|<\varepsilon$

定义（优级数）：设 $a_1+a_2+...+a_n+...$ 是一个收敛的正项级数且在D上，若

$|f_n(z)|<a_n(n=1,2,...)$

则级数 $\sum f_n(z)$ 在D上一致收敛。

在实分析中的内闭一致收敛、魏尔斯特拉斯定理等在复级数都有相应的体现。

二、幂级数

1. Able定理

定义（幂级数）：形如

$\sum _ { n = 0 } ^ { \infty } c _ { n } ( z - a ) ^ { n } = c _ { 0 } + c _ { 1 } ( z - a ) + c _ { 2 } ( z - a ) ^ { 2 } + \cdots$

的复函数项级数称为幂级数，其中 $c_n$ 和 $a$ 都是复常数。

定理（Able）：如果级数 $\sum c_nz^n$ 在 $z=z_0$ $(z_0\neq 0)$ 收敛，则对满足 $|z|<|z_0|$ 的一切 $z$ ，级数绝对收敛。反之则发散。

例：若幂级数 $\sum^{\infty}_{n=0} c_n(z-2)^n$ 在 $z_0=0$ 处收敛，那么在 $z_0=3$ 处是否还收敛？

解：令 $t=z-2$ ，则得 $\sum^{\infty}_{n=0} c_nt^n$ 在点 $z_0=0$ 处，即 $t_0=z_0-2=-2$ 处收敛。根据Able定理， $\sum^{\infty}_{n=0} c_nt^n$ 在点 $z=3$ ，即 $t=z-2=1$ 处满足

$|t|=1<|t_0|=2$

故原幂级数 $\sum^{\infty}_{n=0} c_n(z-2)^n$ 在 $z_0=3$ 处收敛。

2. 幂级数的收敛圆与收敛半径

幂级数 $\sum^{\infty}_{n=0} c_n(z-a)^n$ 的收敛范围是以 $a$ 点为中心的圆域。

定理：幂级数 $\sum^{\infty}_{n=0} c_nz^n$ 与 $\sum^{\infty}_{n=0} |c_n||z|^n$ 有相同的收敛半径。

既然如此，给出如下方法求幂级数的收敛半径，实战中看哪个好用用哪个。

1. 比值法： $lim_{n\rightarrow \infty}|\frac{c_{n+1}}{c_n}|=l$

2. 根值法： $lim_{n\rightarrow \infty}\sqrt[n]{|c_n|}=l$

$R=\left\{\begin{matrix} \frac{1}{l}(l\neq 0,l\neq +\infty)\\ 0(l=+\infty)\\ \infty(l=0) \end{matrix}\right.$

例：求幂级数 $\sum^{\infty}_{n=0} z^n=1+z+z^2+...+z^n+...$ 的收敛范围及和函数。

解：因 $lim_{n\rightarrow \infty}|\frac{c_{n+1}}{c_n}|=1$ ，所以收敛半径 $R=1$

和函数 $S _ { n } = 1 + z + z ^ { 2 } + \cdots + z ^ { n - 1 } = \frac { 1 - z ^ { n } } { 1 - z }(z\neq 1)$

当 $|z|<1$ 时， $lim_{n\rightarrow \infty}z^n=0$ ，因此 $\lim _ { n \rightarrow \infty } S _ { n } = \frac { 1 } { 1 - z }$ ；

当 $|z|=1$ 时， $lim_{n\rightarrow \infty}z^n\neq 0$ ，因此和函数发散。

综上， $\sum^{\infty}_{n=0} z^n$ 的收敛范围是 $|z|<1$ ，此时和函数为 $S _ { n } = \frac { 1 } { 1 - z }$ 。

3. 幂级数的性质

定理：

（1）幂级数的和函数 $f(z)=\sum_{n=0}^\infty c_n(z-z_0)^n$ 在其收敛圆内是一个解析函数；

（2）幂级数的和函数 $f(z)=\sum_{n=0}^\infty c_n(z-z_0)^n$ 在其收敛圆内可以逐项求导和逐项积分：

对于逐项求导：

$f ^ { \prime } ( z ) = \left[ \sum _ { n = 0 } ^ { \infty } c _ { n } ( z - z _ { 0 } ) ^ { n } \right] ^ { \prime } = \sum _ { n = 0 } ^ { \infty } \left[ c _ { n } ( z - z _ { 0 } ) ^ { n } \right] ^ { \prime }$

$= \sum _ { n = 1 } ^ { \infty } n c _ { n } ( z - z _ { 0 } ) ^ { n - 1 }$

对于逐项积分：

$\int _ { c } f ( z ) d z = \int _ { c } \sum _ { n = 0 } ^ { \infty } c _ { n } ( z - z _ { 0 } ) ^ { n } d z = \sum _ { n = 0 } ^ { \infty } c _ { n } \int _ { c } ( z - z _ { 0 } ) ^ { n } d z$

或表示为

$\int _ { z _ { 0 } } ^ { z } f ( \xi ) d \xi = \sum _ { n = 0 } ^ { \infty } \frac { c _ { n } ( z - z _ { 0 } ) ^ { n + 1 } } { n + 1 }$

4. 幂级数的运算

加减运算就跳过吧太简单了，主要说说乘法。

$( \sum _ { n = 0 } ^ { \infty } a _ { n } z ^ { n } ) \cdot ( \sum _ { n = 0 } ^ { \infty } b _ { n } z ^ { n } ) = a _ { 0 } b _ { 0 } + ( a _ { 0 } b _ { 1 } + a _ { 1 } b _ { 0 } ) z$

$+ ( a _ { 0 } b _ { 2 } + a _ { 1 } b _ { 1 } + a _ { 2 } b _ { 0 } ) z ^ { 2 } + ( a _ { 0 } b _ { 3 } + a _ { 1 } b _ { 2 } + a _ { 2 } b _ { 1 } + a _ { 3 } b _ { 0 } ) z ^ { 3 } + \cdots$

$= \sum _ { n = 0 } ^ { \infty } ( a _ { 0 } b _ { n } + a _ { 1 } b _ { n - 1 } + a _ { 2 } b _ { n - 2 } + \cdots + a _ { n } b _ { 0 } ) z ^ { n }$

$= f ( z ) g ( z ) , | z | < R$

其中 $R=min(r_1,r_2)$ 。仔细观察一下上式有个规律，就是z的次数和它的每一项系数下标之和是一样的。这其实是对角线法则。值得注意的是，上面的运算在两个级数中的较小的收敛圆内成立，但这并不意味着运算后级数的收敛半径就是上面两个级数中的较小一个收敛半径。

例：把 $\frac{1}{z-b}$ 表示成形如 $\sum _ { n = 0 } ^ { \infty } c _ { n } ( z - a ) ^ { n }$ 的幂级数， $a \neq b$ 。

解：注意到

$\frac { 1 } { z - b } = \frac { 1 } { ( z - a ) - ( b - a ) }$

因此有

$\frac { 1 } { z - b } = - \frac { 1 } { b - a } \frac { 1 } { 1 - \frac { z - a } { b - a } } = \frac { 1 } { 1 - g ( z ) } ( - \frac { 1 } { b - a } )$

$\frac { 1 } { 1 - g ( z ) } = 1 + g ( z ) + | g ( z ) | ^ { 2 } + \cdots + | g ( z ) | ^ { n } + \cdots , ( | g ( z ) | < 1 )$ $= 1 + \frac { z - a } { b - a } + \left[ \frac { z - a } { b - a } \right] ^ { 2 } + \cdots + \left[ \frac { z - a } { b - a } \right] ^ { n } + \cdots , | z - a | < | b - a | = R$

从而有

$\frac { 1 } { z - b } = - \frac { 1 } { b - a } \frac { 1 } { 1 - g ( z ) } = - \frac { 1 } { b - a } - \frac { 1 } { ( b - a ) ^ { 2 } } ( z - a )$

$- \frac { 1 } { ( b - a ) ^ { 3 } } ( z - a ) ^ { 2 } - \cdots \frac { 1 } { ( b - a ) ^ { n + 1 } } ( z - a ) ^ { n } - \cdots$

三、泰勒展式

在实函数范围内，泰勒展开需要满足的关键条件是在展开点处任意阶导数都要存在，对于复变函数来说，由于解析函数必定有任意阶导数，所以这一条是必然满足的。

1. 泰勒展开定理

设 $f(z)$ 在区域D内解析， $z_0 \in D$ ，R为 $z_0$ 到D的边界上各点的最短距离，则当 $|z-z_0|<R$ 时，

$f(z)=\sum_{n=0}^\infty c_n(z-z_0)^n$

其中， $c _ { n } = \frac { 1 } { n ! } f ^ { ( n ) } ( z _ { 0 } ) , n = 0 , 1 , 2 , \cdots$ ，即

$f ( z ) = f ( z _ { 0 } ) + f ^ { \prime } ( z _ { 0 } ) ( z - z _ { 0 } ) + \frac { f ^ { \prime \prime } ( z _ { 0 } ) } { 2 ! } ( z - z _ { 0 } ) ^ { 2 } + \cdots + \frac { f ^ { ( n ) } ( z _ { 0 } ) } { n ! } ( z - z _ { 0 } ) ^ { n } + \cdots$

说明：此级数收敛范围是以 $z_0$ 为中心，r为半径的圆域， $|\xi-z_0|<r$ ，圆k的半径r是可以任意增大的，只要圆k及其内部包含在D范围内即可。因此 $f(z)$ 在解析点 $z_0$ 处的Taylor级数的收敛半径至少等于 $z_0$ 到D的边界上各点的最短距离，也就是R。如果在D中存在奇点，那么收敛半径就等于 $z_0$ 到这个奇点的距离。

注： $f(z)$ 在 $z_0$ 的Taylor展开式是唯一的！

以后再说解析函数的等假命题，不要只能想到满足C-R方程啦， $f(z)$ 在 $z_0$ 的某一领域内可展开成幂级数也意味着 $f(z)$ 解析！

2. 几个重要的初等函数泰勒展开公式

$e ^ { z } = 1 + z + \frac { z ^ { 2 } } { 2 ! } + \frac { z ^ { 3 } } { 3 ! } + \cdots + \frac { z ^ { n } } { n ! } + \cdots = \sum _ { n = 0 } ^ { \infty } \frac { 1 } { n ! } z ^ { n }$ $\sin z = \sum _ { n = 0 } ^ { \infty } \frac { ( - 1 ) ^ { n } z ^ { 2 n + 1 } } { ( 2 n + 1 ) ! }= z - \frac { z ^ { 3 } } { 3 ! } + \frac { z ^ { 5 } } { 5 ! } - \frac { z ^ { 7 } } { 7 ! } + \cdots$

$cosz=(sinz)' = 1 - \frac { z ^ { 2 } } { 2 ! } + \frac { z ^ { 4 } } { 4 ! } - \cdots + ( - 1 ) ^ { n } \frac { z ^ { 2 n } } { ( 2 n ) ! } + \cdots$

上述函数在全平面解析，因此收敛半径 $R=+\infty$ 。

对于 $ln(z+1)$ 在原点处的泰勒展开，距离原点最近的奇点是-1，因此收敛范围是 $|z|<1$ ：

$\ln ( 1 + z ) = z - \frac { z ^ { 2 } } { 2 } + \frac { 1 } { 3 } z ^ { 3 } - \cdots + ( - 1 ) ^ { n } \frac { z ^ { n + 1 } } { n + 1 } + \cdots,|z|<1$

同理，对于 $\frac{1}{1-z}$ 和 $\frac{1}{1+z}$ ，还有 $(1+z)^\alpha$ ，它们的收敛范围也是 $|z|<1$ ：

$\frac { 1 } { 1 - z } = 1 + z + z ^ { 2 } + \cdots + z ^ { n } + \cdots , | z | < 1$

$\frac { 1 } { 1 + z } = 1 - z + \cdots + ( - 1 ) ^ { n } z ^ { n } + \cdots , | z | < 1$

$( 1 + z ) ^ { \alpha } = 1 + \alpha z + \frac { \alpha ( \alpha - 1 ) } { 2 ! } z ^ { 2 } + \cdots + \frac { \alpha ( \alpha - 1 ) \cdots ( \alpha - n + 1 ) } { n ! } z ^ { n } + \cdots , | z | < 1$