從一個要求，掉出兩條方程
上一篇留給我們一個嚴苛的單一要求：要讓複數導數 f'(z_0) 存在，差商 (f(z) - f(z_0)) / (z - z_0) 不管 z 從哪個方向進來，都得趨近同一個極限。這就是方向無關性，遠比實數線曾向你索取過的任何東西都強。柯西-黎曼方程，不過是我們把那個要求用 u 與 v 兌現出來時所發生的事。
把 f = u + i v 寫出來，其中 u(x, y) 與 v(x, y) 是實部與虛部。沿著無窮多個方向中的兩個來趨近 z_0。先水平滑進去，令 z - z_0 = h 是一個小實數：差商就成了（f 的變化）/（x 的變化），在極限裡那恰好是 u_x + i v_x。再垂直滑進去，令 z - z_0 = i k，k 是一個小實數：除以 i k 帶來一個因子 1/i = -i，於是極限成了 -i (u_y + i v_y) = v_y - i u_y。
如果 f 在 z_0 複可微，這兩個答案就必須相等——同一個導數，不管走哪條路。比較實部得到 u_x = v_y；比較虛部得到 v_x = -u_y，也就是 u_y = -v_x。這兩條恆等式就是柯西-黎曼方程。我們只用了兩個方向，所以它們僅僅是個必要條件——故事的必要方向。它們是否也足夠，是底下要處理的另一個、更微妙的問題。
並排來看：水平趨近說 f'(z_0) = u_x + i v_x，垂直趨近說 f'(z_0) = v_y - i u_y。令兩者相等，一行就是整個推導——實部給出 u_x = v_y，虛部給出 -u_y = v_x。注意這個計算順手附送你的副產品：只要 f' 存在，你就能直接從水平極限讀出 f'(z_0) = u_x + i v_x，這條公式我們會一再倚靠。
兩個實際檢驗：一個通過，一個不通過
方程一旦親手跑過，就更容易信任。取 f(z) = z^2。在上一階梯你把它拆成 u = x^2 - y^2 與 v = 2 x y。偏導數是 u_x = 2x、v_y = 2x，所以 u_x = v_y 成立；而 u_y = -2y、v_x = 2y，所以 u_y = -v_x 也成立。兩條方程處處通過，這跟我們早已知道的相符：z^2 在整個平面上可微，而它的導數確實是 u_x + i v_x = 2x + i (2y) = 2(x + i y) = 2z，正是冪法則所預言的答案。
現在來個警世故事：f(z) = z-bar，也就是共軛，其 u = x、v = -y。這裡 u_x = 1 但 v_y = -1，所以頭一條方程 u_x = v_y 就不成立——而且它在平面的每一點都不成立。共軛作為映射既光滑、溫和、又完全連續，卻處處不複可微。這是整門學問裡最重要的單一例子：它顯示實光滑很廉價，而複可微很稀罕。幾何上的理由是 z-bar 把平面反射、反轉了定向，而複數導數絕不允許翻面。
必要不等於充分——附帶細則
很容易想宣布：「檢查那兩條方程，就大功告成。」誠實點——那是錯的。柯西-黎曼方程只比較了兩個方向；一個狡猾的函數可以在某點滿足它們，卻仍讓差商沿著傾斜或彎曲的趨近路徑出亂子。經典反例是：當 z 不為 0 時等於 exp(-1/z^4)、在原點等於 0 的那個函數：它的偏導數在 0 滿足柯西-黎曼方程，卻在那裡不可微。所以單憑那兩條方程確實不夠。
補救方法既小又合理。充分條件說：若四個偏導 u_x、u_y、v_x、v_y 在 z_0 的某個鄰域裡存在且連續，並且它們在那裡滿足柯西-黎曼方程，那麼 f 在 z_0 確實複可微——導數為 f'(z_0) = u_x + i v_x。（還有一個更精簡的前提也行：只要 f 作為平面映射是實可微的並滿足那兩條方程即可。偏導連續是比較好檢查的版本。）實務上這幾乎不增加負擔，因為你會遇到的函數——多項式、指數函數、任何由 z 經常規運算搭出的東西——偏導都自動連續。
方程偷偷在說什麼：旋轉伸縮
有一個極漂亮的方式，能看出為什麼是這兩條方程、而不是別的，才是對的。平面的任何映射，在一點處都有一個局部線性近似——一個 2 乘 2 的實雅可比矩陣，告訴你微小向量如何被拉伸與轉動。對一般的光滑映射，那個矩陣什麼都能幹：把 x 方向和 y 方向拉伸得不一樣、剪切、反射。柯西-黎曼方程恰恰是強迫這個矩陣呈一種非常特殊形狀的條件。
Jacobian of f = u + i v :
[ u_x u_y ]
[ v_x v_y ]
impose u_x = v_y = a and u_y = -v_x = -b :
[ a -b ]
[ b a ] = a rotation-and-scaling, by angle arg(a + i b) and factor sqrt(a^2 + b^2)形如 [a, -b; b, a] 的矩陣，正是把複數乘上 a + i b 所得到的：它旋轉 a + i b 的輻角、伸縮它的模長，不剪切、不翻面。這就是旋轉伸縮（amplitwist——Needham 為「放大並扭轉」取的生動名字）。所以柯西-黎曼方程真正的內容是：到一階為止，一個複可微映射對每一個微小鄰域的作用，都是一次單一的旋轉伸縮，各方向皆然。擔當此職的那個複數就是導數 f'(z_0)，其中 a + i b = u_x + i v_x。下一篇會把這幅旋轉伸縮的圖景完整鋪開；在這裡它解釋了為什麼方程長成這樣。
方程附送的禮物：調和的兩個部分
一旦你信任：一個全純函數——也就是在某開集上複可微的函數——會自動要多光滑有多光滑（這是後面階梯所證、且沒有實變數對應物的事實），柯西-黎曼方程就讓你擠出一個關於 u 與 v 各自的驚人後果。把 u_x = v_y 對 x 微分、把 u_y = -v_x 對 y 微分，再相加。v 的混合偏導因次序無關而抵消，剩下 u_xx + u_yy = 0。反過來如法炮製，v 也滿足同一式。
方程 u_xx + u_yy = 0 就是拉普拉斯方程，凡服從它的函數都叫做調和的。所以全純函數的實部與虛部都是調和的——它們不能自由亂晃；它們受物理中最光滑、最剛性的那條方程支配，也就是描述穩態溫度、靜電位能、理想流體流動的那一條。這正是為什麼複分析是二維物理的工坊。這兩個部分不只各自調和，還彼此綁定：v 是 u 的一個調和共軛，意思是這對 u、v 一起滿足柯西-黎曼方程。
這種綁定是可建構的：給定一個調和的 u，你能重建出一個伙伴 v（在相差一個常數的意義下唯一），進而幾乎只憑實部就把整個全純函數 f 還原回來。其操作——積分 v_y = u_x，再用 v_x = -u_y 定下剩下那個只含 x 的函數——是本階梯最後一篇的主題。眼下，且驚嘆於你打造出的這條鎖鏈：單單一個複數導數逼出柯西-黎曼方程，方程逼出每個部分都調和，調和又把兩個部分綁成一個密不可分的全純整體。