当前位置: 首页 > article >正文

复变函数 $w = z^2$ 的映射图像演示

复变函数 w = z 2 w = z^2 w=z2 的映射图像演示

复变函数 w = z 2 w = z^2 w=z2 是一个基本的二次函数,在复平面上具有有趣的映射性质。下面我将介绍这个函数的映射特性,并使用MATLAB进行可视化演示。

映射特性

  1. 极坐标表示:若 z = r e i θ z = re^{i\theta} z=reiθ,则 w = z 2 = r 2 e i 2 θ w = z^2 = r^2e^{i2\theta} w=z2=r2ei2θ

    • 模被平方: ∣ w ∣ = ∣ z ∣ 2 |w| = |z|^2 w=z2
    • 角度加倍: arg ⁡ ( w ) = 2 arg ⁡ ( z ) \arg(w) = 2\arg(z) arg(w)=2arg(z)
  2. 直角坐标表示:若 z = x + i y z = x + iy z=x+iy,则:
    w = ( x + i y ) 2 = ( x 2 − y 2 ) + i ( 2 x y ) w = (x + iy)^2 = (x^2 - y^2) + i(2xy) w=(x+iy)2=(x2y2)+i(2xy)
    u = x 2 − y 2 u = x^2 - y^2 u=x2y2 v = 2 x y v = 2xy v=2xy

  3. 映射性质

    • 将第一象限映射到上半平面
    • 将上半平面映射到整个平面(除去负实轴)
    • 角度在原点处加倍

MATLAB 演示代码

以下是使用MATLAB可视化 w = z 2 w = z^2 w=z2 映射的代码:

clc
clear
% 定义网格
[x, y] = meshgrid(linspace(0, 2, 20), linspace(0, 2, 20));
z = x + 1i*y;% 计算映射
w = z.^2;
wu=real(w);
wv=imag(w);% 绘制原始网格
figure;
subplot(1, 2, 1);
plot(real(z), imag(z), 'b.');
hold on;
title('z-平面 (原像)');
xlabel('Re(z)');
ylabel('Im(z)');
axis equal;
grid on;% 绘制映射后的网格
subplot(1, 2, 2);
plot(real(w), imag(w), 'r.');
hold on;
title('w-平面 (像)');
xlabel('Re(w)');
ylabel('Im(w)');
axis equal;
grid on;% 绘制单位圆的映射
theta = linspace(0, 2*pi, 200);
z_circle = exp(1i*theta);
w_circle = z_circle.^2;figure;
subplot(1, 2, 1);
plot(real(z_circle), imag(z_circle), 'b');
title('z-平面上的单位圆');
xlabel('Re(z)');
ylabel('Im(z)');
axis equal;
grid on;subplot(1, 2, 2);
plot(real(w_circle), imag(w_circle), 'r');
title('w-平面上的像 (单位圆映射)');
xlabel('Re(w)');
ylabel('Im(w)');
axis equal;
grid on;

运行结果:
在这里插入图片描述
在这里插入图片描述

可视化结果说明

  1. 网格映射

    • 左侧显示z平面上的直角坐标网格
    • 右侧显示w平面上的映射结果,网格线变成了双曲线
  2. 单位圆映射

    • z平面上的单位圆 ∣ z ∣ = 1 |z| = 1 z=1 被映射为w平面上的单位圆 ∣ w ∣ = 1 |w| = 1 w=1,但角度加倍
    • 这意味着圆被"绕了两圈"

通过这些可视化,我们可以直观地理解复变函数 w = z 2 w = z^2 w=z2 的映射性质。

http://www.lryc.cn/news/2397205.html

相关文章:

  • Python实现P-PSO优化算法优化循环神经网络LSTM回归模型项目实战
  • 复合机器人:纠偏算法如何重塑工业精度与效率?
  • 审计- 1- 审计概述
  • 在MDK中自动部署LVGL,在stm32f407ZGT6移植LVGL-8.4,运行demo,显示label
  • 模块二:C++核心能力进阶(5篇) 篇一:《STL源码剖析:vector扩容策略与迭代器失效》
  • 计算机组成原理核心剖析:CPU、存储、I/O 与总线系统全解
  • 数据分类分级的实践与反思:源自数据分析、治理与安全交叉视角的洞察
  • 自动化立体仓库WCS的设计与实现
  • 百度蜘蛛池的作用是什么?技术@baidutopseo
  • 8.linux文件与文件夹内处理命令cp,mv,rm
  • JavaScript性能优化:实战技巧提升10倍速度
  • 核函数:解锁支持向量机的强大能力
  • UE5 2D地图曝光太亮怎么修改
  • C# 类和继承(基类访问)
  • 帕金森带来的生活困境
  • 集成测试的流程总结
  • Redis最佳实践——性能优化技巧之Pipeline 批量操作
  • Node.js 项目调试指南
  • win32相关(虚拟内存和物理内存)
  • Linux操作系统安全管理概述与命令操作
  • 《操作系统真相还原》——中断
  • [yolov11改进系列]基于yolov11引入特征融合注意网络FFA-Net的python源码+训练源码
  • 助力活力生活的饮食营养指南
  • 【软件测试】测试框架(unittest/pytest)
  • Kotlin 中 companion object 扩展函数详解
  • MySQL半同步复制配置和参数详解
  • 使用FastAPI构建车牌检测识别服务
  • pikachu通关教程-File Inclusion
  • CppCon 2014 学习:Defensive Programming Done Right.
  • 《机器学习数学基础》补充资料:韩信点兵与拉格朗日插值法