复变函数论(七)-共形映射2-分式线性变换1：分式线性变换及其分解

已于 2024-03-27 23:14:38 修改
阅读量1.2k 收藏 17
点赞数 25
分类专栏： 复变函数论 文章标签： 复变函数
于 2024-02-15 00:04:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013250861/article/details/136099152
版权
本文详细介绍了分式线性变换，包括w=cz+daz+b的形式，以及其在扩充复平面的定义。重点讨论了分式线性变换如何分解为整线性变换和反演变换，并分析了这两种变换的几何意义，如旋转、伸缩和平移。此外，还阐述了分式线性变换的不动点性质和它们如何保持图形的方向不变。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

w = a z + b c z + d , ∣ a b c d ∣ = a d − b c ≠ 0 w=\frac{a z+b}{c z+d}, \quad\left|\begin{array}{ll} a & b \\ c & d \end{array}\right|=a d-b c \neq 0 w=cz+daz+b​, ​ac​bd​ ​=ad−bc=0

称为分式线性变换,简记为 w = L ( z ) w=L(z) w=L(z).

条件 a d − b c ≠ 0 a d-b c \neq 0 ad−bc=0 是必要的, 否则将导致 L ( z ) L(z) L(z) 恒为常数.

此外,我们将 (7.3) 在扩充 z z z 平面上做如下补充定义:

如 c ≠ 0 c \neq 0 c=0, 在 z = − d c z=-\frac{d}{c} z=−cd​ 处定义 w = ∞ w=\infty w=∞, 在 z = ∞ z=\infty z=∞处定义 w = a c w=\frac{a}{c} w=

最低0.47元/天 解锁文章
复变函数论(七)-共形映射2-分式线性变换4：分式线性变换的保圆周 (圆)性
u013250861的博客
02-22 1387
形如 (I) 的整线性变换, 显然将圆周 (直线) 变为圆周 (直线), 这可由变换 (I)的几何意义得知.形如 (II) 的反演变换将圆周 (直线) 变为圆周或直线. 事实上,圆周或直线可表示为 (见第一章习题 (一)第 8 题)Azzˉβˉ​zβzˉC0AC为实数∣β∣2AC),当A0时就表示直线.经过反演变换wz1​7.11成为Cwwˉβˉ​wˉβwA0.它表示直线或圆周 (视C是否为零而定).
复变函数论(七)-共形映射2-分式线性变换6：分式线性变换的应用
u013250861的博客
02-22 1673
的确定还要求附加条件, 如与例 7.7 中所说过的类似. (读者可以验证,对于变换 (7.14), 有。分式线性变换在处理边界为圆弧或直线的区域的变换中,具有很大的作用., 或者指出实轴上一点与单位圆周上某点的对应关系,或者指出变换在。的分式线性变换, (7.13) 括弧中的条件应作怎样修改?的分式线性变换,(7.14) 括弧中的条件应作怎样修改?为对称点的圆周族, 又根据保对称性可知,单位圆。的分式线性变换,条件 (7.12)应怎样修改?. (读者可以验证,变换(7.13) 在。
线性分式变换（linear fractional transformation）
aizhao3648的博客
07-11 2630
线性分式变换（linear fractional transformation）的名称来源于其定义的形式： (ax+b)/(cx+d)， 其中分子分母是线性的，然后最外层是一个分式形式，所以叫做这个名字，但是这个名字其实基本没有对其几何的或者（可能的）物理内涵进行任何的解释或者表达。 根据《Convex Optimization》中Remark 2.2对其的解释，这个线性分式变...
复变函数论(七)-共形映射2-分式线性变换3：分式线性变换的保交比性
u013250861的博客
02-22 1274
扩充平面上有顺序的四个相异点z1z2z3z4z1​z2​z3​z4​构成下面的量, 称为它们的交比, 记为z1z2z3z4z1​z2​z3​z4​z1z2z3z4z4−z1z4−z2z3−z1z3−z2z1​z2​z3​z4​z4​−z2​z4​−z1​​z3​−z2​z3​−z1​​。
复变函数论(七)-共形映射2-分式线性变换2：分式线性变换的共形性
u013250861的博客
02-22 1093
二曲线在无穷远点处的交角为α\alphaα,就是指它们在反演变换下的像曲线在原点处的交角为α\alphaα.按照这样的定义, (II) 型变换w1zwz1​在z0z=0z0及z∞z=\inftyz∞处是保角的.因而 (II) 型变换在扩充zzz平面上是保角的.下面我们来看 ( I ) 型变换wkzhk≠0wkzhk0在扩充zzz平面上的保角性.因为dwdzk≠0dzdw​k0。
鲁棒与最优控制-线性分式变换
weixin_41773948的博客
08-23 2201
记录关于线性分式变换的学习过程 1 线性分式变换（LFT） 由单变量复变函数理论知： 表示一个线性分式变换。如果，则可以通过 , 实现。 当M被换为矩阵时，s被换为时： 引理1：设矩阵C是可逆...
初学线性分式变换(LFT)笔记
baolan2020的博客
12-20 870
线性分式变换(Linear fractional transformation)是具有如下形式的其中，是复常数，且有。这也被称为莫比乌斯变换或双线性变换。
复变函数论(七)-共形映射2-分式线性变换5：分式线性变换的保对称点性
u013250861的博客
02-22 1415
z1z2z1​z2​关于圆周γ∣z−a∣Rγ∣z−a∣R对称是指z1z2z1​z2​都在过圆心aaa的同一条射线上, 且满足∣z1−a∣∣z2−a∣R2∣z1​−a∣∣z2​−a∣R2此外,还规定圆心aaa与点∞\infty∞也是关于γ\gammaγ为对称的 (如图 7.7).由定义即知,z1z2z1​z2​关于圆周γ∣z−a∣R。
什么是仿射空间里的直线方程和平面方程
大坡3D软件开发
01-16 1956
在仿射空间中，点与点之间做差可以得到向量，点与向量做加法将得到另一个点.设任意两个有序点P、Q对应于n维矢量空间中的一个矢量a，那么过两点的直线方程为：（1-t)P + tQ笛卡尔平面是一个仿射空间，那么空间两点（a,b), (c, d)之间的参数化方程为：L = ｛((1-t)a + tc, (1-t)b + td)  | t是实数｝设P、Q、R为A中任意三点，P、Q对应于矢量a,Q、R对应于矢
PrintWriter out = response.getWriter()使用
ruiguang21的博客
12-10 1万+
// 取得输出流。当然，看具体环境。 PrintWriter out = Util.getWriter(); out.println("输出一些信息，可能很多"); out.flush(); out.close(); ------------------------------------------ flush()意思是把缓冲区的内容强制的写出。 因为操作系统的某些机制，为了防止一直不停地磁
Servlet弹窗并实现跳转
molkor的博客
07-05 7391
out.print("<script language='javascript'>alert('用户名或密码为空，请重新输入');window.location.href='index.jsp';</script>");
分式化简结果要求_复变函数学习笔记(3)special:分式线性变换
weixin_32711097的博客
12-31 1510
这一篇专门讲分式线性变换，这在后面的共形映射的理论里会有用，而且貌似对古典欧氏几何的理论也挺有用的(?(说实话，知乎的エロティック图片审查机制我貌似摸清楚了)所谓分式线性变换，或者说Möbius变换，是指复变函数 ，其中 。通过一些计算可以证明分式线性变换的复合和逆变换还是分式线性变换。具体而言，如果 ，则有 。如果 ，这个变换是一个线性函数 ，称为整线性变换(因为这是整函数)。作为分...
servlet弹出提示框并跳转页面
热门推荐
liona_koukou的博客
02-17 3万+
session绑定设置为10分钟失效 由于项目需求需要在servlet判断session是否失效，如果失效则跳转到登录页面重新登录 //判断session是否失效      HttpSession session1=request.getSession();      if(session1.getAttribute("permission")==null){         JO...
《凸优化》笔记（一）：凸集
bakalaka的博客
09-03 3203
本文转载自：https://blog.csdn.net/u010366427/article/details/51867027 笔记是根据《Convex Optimization》写的，对应第2章。 2 凸集 2.1 凸集(convex sets)  　　如果在集合CC中的任意两点满足：  θx1+(1−θ)x2∈Cθx1+(1−θ)x2∈C 其中0≤θ≤10≤θ≤1，则集合CC为凸集...
【凸优化】保留凸性的几个方式（交集、仿射变换、投影、线性分式变换）
weixin_30768661的博客
05-31 817
1. 交集 几个凸集的交集仍然是凸的 2. 仿射变换 关于仿射变换的讲解参看 https://blog.csdn.net/robert_chen1988/article/details/80498805 3. 投影（perspective func...
深度强化学习：DDPG、TD3、SAC与机器人MuJoCo
最新发布
05-03
内容概要：本文详细介绍了三种主流的深度强化学习算法-DDPG、TD3和SAC在机器人控制领域的应用，特别是在MuJoCo仿真环境中的实现细节。首先解释了每个算法的基本原理及其独特之处，如DDPG的确定性策略生成器、TD3的双Critic网络以及SAC的熵最大化机制。接着深入探讨了这些算法的具体代码实现，包括Actor和Critic网络的设计、损失函数的构建以及一些实用的调参技巧。此外，还分享了许多实战经验和常见陷阱，如正确处理done信号、添加动作变化量惩罚项、观测空间的归一化等。 适合人群：对深度强化学习有一定了解并希望深入了解其在机器人控制领域应用的研究人员和技术爱好者。 使用场景及目标：帮助读者掌握如何将DDPG、TD3和SAC应用于具体的机器人控制任务中，提高算法性能，解决实际问题。同时，也为进一步研究提供了宝贵的实践经验。 其他说明：文中不仅提供了详细的理论讲解，还附带了大量的代码片段，便于读者理解和实践。对于想要深入理解这些算法内部运作机制的人来说，是一份不可多得的学习资料。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值