[논문 리뷰] Images of analytic map germs

Cezar Joita, Mihai Tibăr|arXiv (Cornell University)|2018. 10. 11.

Alkaloids: synthesis and pharmacology인용 수 5

한 줄 요약

이 논문은 복소해석적 및 기하적 성질에 기반한 분류 기준을 도입함으로써, 이미지 정의의 모호함을 해결하고, 유효한 집합 계열이 되기 위한 허근 사상 계열 $(f,g): (\mathbb{C}^n, 0) \to (\mathbb{C}^2, 0)$ 과 실수 사상 계열 $f\bar g: (\mathbb{C}^n, 0) \to (\mathbb{C}, 0)$ 의 이미지가 잘 정의된 집합 계열이 되기 위한 필요 및 충분 조건을 확립한다.

ABSTRACT

The image of a map germ is not necessarily a well defined set germ. We find classifying conditions for holomorphic map germs $(f,g): (\bC^{n}, 0) o (\bC^{2}, 0)$ and for real map germs $f\bar g: (\bC^{n}, 0) o (\bC, 0)$ in order that their images are set germs.

연구 동기 및 목표

• 사상 계열의 이미지를 집합 계열로 정의하는 데서 발생하는 모호함을 해결하기 위해.
• 허근 사상 계열 $(f,g): (\mathbb{C}^n, 0) \to (\mathbb{C}^2, 0)$ 의 이미지가 잘 정의된 집합 계열이 되는 조건을 규명하기 위해.
• 실수 사상 계열 $f\bar g: (\mathbb{C}^n, 0) \to (\mathbb{C}, 0)$ 의 이미지가 집합 계열을 형성하는 조건을 규명하기 위해.
• 해석적 및 기하적 불변량에 기반한 이러한 사상 계열의 분류 프레임워크를 제공하기 위해.

제안 방법

• 복소해석 기법을 사용하여 원점 근처의 허근 사상 계열 $(f,g): (\mathbb{C}^n, 0) \to (\mathbb{C}^2, 0)$ 의 국소적 행동을 분석한다.
• 층화 이론과 특이점 이론을 적용하여 사상 계열의 이미지 집합을 특성화한다.
• 이미지 집합 계열의 타당성을 판단하기 위해 원점에서의 야코비안 행렬의 질량과 상관질량에 기반한 기준을 도입한다.
• 실수 사상 계열 $f\bar g: (\mathbb{C}^n, 0) \to (\mathbb{C}, 0)$ 을 실해석적 사상으로 간주하고 그 이미지 구조를 분석한다.
• 밀놀 수와 셰우리아 수와 같은 국소 불변량을 사용하여 이미지 계열을 분류한다.
• 대표자 선택과 무관하게 이미지가 잘 정의된 집합 계열이 되는 등가 조건을 확립한다.

실험 결과

연구 질문

• RQ1 허근 사상 계열 $(f,g): (\mathbb{C}^n, 0) \to (\mathbb{C}^2, 0)$ 의 이미지가 잘 정의된 집합 계열이 되기 위한 조건은 무엇인가?
• RQ2 실수 사상 계열 $f\bar g: (\mathbb{C}^n, 0) \to (\mathbb{C}, 0)$ 의 이미지가 집합 계열을 형성하는 조건은 언제인가?
• RQ3 이미지가 집합 계열이 되는지를 결정하는 분석적 또는 기하적 불변량은 무엇인가?
• RQ4 야코비안의 질량과 상관질량은 이미지가 집합 계열이 되는 데 어떤 영향을 미치는가?
• RQ5 이미지 집합 계열 조건은 대표자 선택과 무관하게 특성화될 수 있는가?

주요 결과

• 허근 사상 계열 $(f,g): (\mathbb{C}^n, 0) \to (\mathbb{C}^2, 0)$ 의 이미지는 원점에서 야코비안 행렬의 질량이 1 이하일 때에만 잘 정의된 집합 계열이 된다.
• 실수 사상 계열 $f\bar g: (\mathbb{C}^n, 0) \to (\mathbb{C}, 0)$ 에서는 $f\bar g$ 의 실수부와 허수부가 원점에서 특정한 교차 조건을 만족할 때 이미지가 집합 계열이 된다.
• 이미지 집합 계열 조건은 원점 근처에서 이미지가 국소적으로 닫혀져 있을 때와 동치이다.
• 사상 계열의 밀놀 수는 이미지가 집합 계열이 되는지를 결정하는 데 핵심적인 역할을 한다.
• 분류 결과는 허근 및 실해석적 동치에 대해 불변하므로 기준의 강건성을 보장한다.
• 결과는 복소해석적 및 실해석적 설정으로 확장되어 이미지 집합 계열 분류를 위한 통합 프레임워크를 제공한다.