解析学 TL -零-

ジョージ @Kiriyama_George

個人的にはCauchyの積分定理はStokesの定理を使わない証明法が好き

しぐま (ねこまっしぐま) @necoMathSiGMA

そうして正則性がいかに強い条件であるかを理解し始めたころ，Riemannの写像定理（別名 KoebeのUniformization定理）と出会います。「任意の単連結領域は互いに全単射な正則写像で移りあう」と主張するこの定理のおそろしさと言ったらもう・・・・・

すりっぷ @slip001

tudaさんこわい～

end.K @end313124

正則はすげー良い奴(抽象的)

ken yokoyama @knyokoyama

@necoMathSiGMA 素晴らしいの一言（Koebeの定理）

ぬるー @_Nururin

次は (RT:ha_uda) で埋まった

しぐま (ねこまっしぐま) @necoMathSiGMA

@knyokoyama 本当に，Cauchy-Riemannの関係式は平面上の構造をがっちがちに決めてしまうものなのですね・・・。その強力な束縛をもろともしないKoebeの定理はやっぱり，ものすごく恐ろしいです。

とんがらない @np_dif

正則で思いつくことなんて、コーシーリーマン方程式の正則性と逆行列存在するかのアレくらいなものです

とんがらない @np_dif

なつかしいなーCR方程式

ken yokoyama @knyokoyama

@necoMathSiGMA そうですねえ。直感的にC-Rや一致定理はうなずけ、これから解析接続という凄いことができることの驚きと、逆に障害物をものともしないKoebeの定理の驚きですよね。複素解析の美しいところだと思います。皆さんの年の頃を思い出させていただき、感謝いたします

ジョージ @Kiriyama_George

複素解析は変数が二つ以上になると難しくなる印象

Tomoki UDA @t_uda

どうでもいいけれど、"微分すればするほど滑らかになる函数"って、多項式とかそうなのではないか。

岡本暁広＠無限遠点の比較的近傍〄 @henkma

滑らか度って微分可能回数とかじゃないの

Tomoki UDA @t_uda

@henkma いやもちろん普通はそうなんですけど。昨日の解析 TL の時のついーとにそんな話が見えたので。

岡本暁広＠無限遠点の比較的近傍〄 @henkma

解析TLとか殺す気か

黒い楕円形のぜろ @0_uda

昨夜はわたくし、試験期間真っ只中の皆さんに数学 TL を提供しよう（訳：勉強するか寝るかしろ）と頑張ったのですが、思いのほかただの解析学 TL にあいなりましてですねぇ、えぇ、はい。