[论文解读] Schützenberger's factorization on the (completed) Hopf algebra of $q-$stuffle product

Chen Bui, Gérard Duchamp+1 more|arXiv (Cornell University)|May 20, 2013

Advanced Combinatorial Mathematics参考文献 14被引用 6

一句话总结

本文将Schützenberger的因子分解方法推广至$q$-stuffle乘积的完备霍普夫代数，该乘积是介于打结积（$q=0$）与stuffle积（$q=1$）之间的交换形变。通过适配Eulerian投影算子及其对偶，作者利用对角级数的对数构造了李元素的显式对偶基，推广了Reutenauer的框架，并在余交换的$q$-形变霍普夫代数中提供了一种有效且无需求逆的算法来构建对偶基。

ABSTRACT

In order to extend the Schützenberger's factorization, the combinatorial Hopf algebra of the $q$-stuffles product is developed systematically in a parallel way with that of the shuffle product and and in emphasizing the Lie elements as studied by Ree. In particular, we will give here an effective construction of pair of bases in duality.

研究动机与目标

• 将Schützenberger的因子分解从打结积推广至$q$-stuffle积，后者是介于打结积（$q=0$）与stuffle积（$q=1$）之间的形变。
• 在与打结积情况并行的基础上，为$q$-stuffle积建立系统的组合霍普夫代数框架。
• 通过李元素与Eulerian投影算子，构造$q$-stuffle霍普夫代数中显式且有效的对偶基，避免Gram矩阵求逆。
• 将Reutenauer关于李元素与Lyndon词的理论推广至$q$-形变设置，保持对偶性与超越基结构。

提出的方法

• 通过递推公式定义$q$-stuffle积及其对偶的余乘法$\Delta_{\square_q}$，推广打结代数与stuffle代数。
• 利用对角级数$\log_*(I)$的对数计算$q$-stuffle霍普夫代数中的基本元素。
• 应用Eulerian投影算子及其对偶的适配版本，将其投影至李元素并构造对偶基。
• 通过递归推导树与标准Lyndon词序列，构造对偶基$\{\Sigma_w\}$与$\{\Pi_w\}$。
• 在Maple中实现该构造，验证了低次词如$\Pi_{y_2}, \Pi_{y_2y_1}, \Sigma_{y_3y_1y_2}$的结果。
• 利用$\Sigma_w$与$\Pi_w$之间的对偶性，通过配对$\langle \Sigma_w | \Pi_{w'} \rangle = \delta_{w,w'}$建立联系，其中显式系数包含$q$-幂次。

实验结果

研究问题

• RQ1 如何将Schützenberger的因子分解方法推广至$q$-stuffle积，即打结积的一种形变？
• RQ2 $q$-stuffle霍普夫代数中的李元素具有何种结构？它们与Lyndon词之间有何关系？
• RQ3 能否构建一种有效且无需求逆的算法，以在$q$-stuffle霍普夫代数中生成对偶基，类似于Reutenauer为打结代数所提出的方法？
• RQ4 $q$-形变如何影响$\Sigma_w$与$\Pi_w$基之间的对偶性？$q$-幂次在系数中起到何种作用？
• RQ5 $q$-stuffle代数在$q=0$与$q=1$极限下，多大程度上保留了打结代数与stuffle代数的性质？

主要发现

• 在$q$-stuffle霍普夫代数中，对偶基$\{\Sigma_w\}$与$\{\Pi_w\}$的构造是有效的，且避免了矩阵求逆，推广了Reutenauer的方法。
• 当$q=0$时，该方法退化为打结代数的经典Schützenberger因子分解，恢复了已知结果。
• 配对$\langle \Sigma_{y_{s_1}\ldots y_{s_k}} | \Pi_{y_{s'_1}\ldots y_{s'_i} w} \rangle = \delta_{s_1+\cdots+s_i,s} \delta_{y_{s_{i+1}}\ldots y_{s_k}, w} \cdot \frac{q^{i-1}}{i!}$提供了对偶性的精确组合规则。
• 推导出$\Pi_w$与$\Sigma_w$的显式公式，例如$\Pi_{y_2} = y_2 - \frac{q}{2}y_1^2$与$\Sigma_{y_2y_1} = y_2y_1 + \frac{q}{2}y_3$，表明系数中存在明确的$q$-依赖性。
• 推导树结构确保每个Lyndon词$w$在树中唯一对应一个叶节点，从而保证仅当词结构匹配时对偶配对非零。
• 该算法已在Maple中实现，验证了低次词的正确性，并支持对$q$-形变李元素的进一步探索。