텐서곱 성분 생성자를 위한 재귀 알고리즘

초록

본 논문은 특성 p인 체 위의 차수 q = pᵃ인 순환군 G의 모듈에서, 두 비분해 가능 모듈 U와 W의 텐서곱을 V₁,…,V_q 형태의 비분해 가능 성분으로 분해하고, 각 성분을 생성하는 원소 yₗ을 B 기반을 이용해 재귀적으로 구하는 방법을 제시한다.

상세 분석

논문은 먼저 p가 소수이고, 특성 p인 체 F 위에서 차수 q = pᵃ인 순환군 G의 모든 비분해 가능 FG‑모듈이 V_q 형태의 순환 모듈임을 상기한다. V_i (1 ≤ i ≤ q)는 g·v₁ = v₁, g·v_i = v_{i‑1}+v_i (i>1) 로 정의된 전형적인 Jordan 블록을 갖는다. 두 모듈 V_r, V_s의 텐서곱 V_r⊗V_s는 최소(r,s)개의 비분해 가능 성분 V_{λ₁},…,V_{λ_{min(r,s)}} 로 분해되며, λₗ의 값은 p‑진법 전개에 따라 복잡하게 결정된다. 기존 연구들은 λₗ의 크기만을 알려주었지만, 실제 생성 원소 yₗ을 구하는 방법은 제시되지 않았다.

저자는 새로운 기저 B = {v_{i,j}=v_i⊗g^{n‑i}v_j}를 도입하고, D_d = ⟨v_{i,j} | i+j=d+1⟩ 로 정의한다. 여기서 (g‑1) 연산이 D_d에서 D_{d‑1}으로 이동하는 구조를 이용해 yₗ을 찾는다. 핵심은 r×s 행렬 J(r,s) 의 반대각선 값을 구해 yₗ의 후보를 만들고, ℓ₀, ℓ_∞ 를 이용해 유일성을 보장하는 두 개의 보조 정리를 제시한 것이다.

λₗ의 정확한 식은 Renaud의 정리를 p‑진법으로 재해석해 얻으며, ℓ을 tpⁿ+k 로 쓰면 λₗ = (r_n+s_n‑2t)pⁿ+w_k 형태가 된다. 여기서 w_k는 Rₙ₋₁, Sₙ₋₁ 의 텐서곱 분해에서 얻은 µₖ 값에 따라 결정된다. 이때 mₙ₋₁ = min(Rₙ₋₁,Sₙ₋₁) 가 0인 경우와 >0인 경우를 구분하여 재귀가 필요함을 명시한다.

재귀 단계에서는 (Rₙ₋₁,Sₙ₋₁)와 (pⁿ‑Rₙ₋₁, pⁿ‑Sₙ₋₁) 의 텐서곱을 이용해 zₗ을 만든 뒤, (g‑1)^{c pⁿ}(yₗ)=zₗ 형태로 yₗ을 상승시킨다. 이 상승 과정에서 등장하는 binomial 계수를 원소로 갖는 행렬의 역행렬을 구해야 하는데, 이를 위해 Nordenstam‑Young의 최신 결과를 적용한다. 그 결과, 역행렬 원소를 직접적인 조합식으로 표현할 수 있어 기존 Norman의 행렬 재귀보다 계산이 명확해진다.

전체적으로 논문은 (1) λₗ 식의 명시적 전개, (2) yₗ 후보를 만드는 J(r,s) 의 구조, (3) 재귀 필요 구간의 정확한 판정, (4) binomial 행렬 역을 통한 yₗ 상승이라는 네 단계로 알고리즘을 체계화한다. 기존 연구와 비교했을 때, 생성 원소를 직접 구할 수 있는 구체적인 절차와, 재귀가 최소화된 점이 가장 큰 공헌이다. 다만, 기호와 인덱스가 복잡해 가독성이 떨어지고, 일부 증명은 스킵된 채 “명백함”이라고만 언급돼 실용적인 구현에 앞서 추가 검증이 필요하다.