テンソル積の積ベクトル
📂線形代数テンソル積の積ベクトル
ビルドアップ
有限集合Γから複素数空間への関数の集まりをCΓのように記すことにする。
CΓ={f:Γ→C}
Γ=n={1,…,n}の場合、実質的にCn=Cnになり、ベクトル空間のテンソル積は次のように定義される。
CΓ1⊗CΓ2:=CΓ1×Γ2
vi∈CΓiとni=∣Γi∣とする。CΓiに対応する標準基底をそれぞれ{eji}ji∈Γiとする。すると、viは次のように表される。
v1v1:{1,…,n1}→C=(v1(1),…,v1(n1))∈Cn1=j1=1∑n1v1(j1)ej1v2v2:{1,…,n2}→C=(v2(1),…,v2(n2))∈Cn2=j2=1∑n2v2(j2)ej2
v1⊗v2のように表されるテンソル積CΓ1⊗CΓ2の要素をv1とv2の積ベクターと言う。
定義
v1とv2の積ベクターv1⊗v2を次のように定義する。
v1⊗v2=j1∈Γ1∑v1(j1)ej1⊗j2∈Γ2∑v2(j2)ej2:=(j1,j2)∈Γ1×Γ2∑(i=1∏2vi(ji))ej1⊗ej2
この時、v1⊗v2はテンソル積の定義によってCΓ1⊗CΓ2の要素になる。
v1⊗v2:=(j1,j2)∈Γ1×Γ2∑(i=1∏2vi(ji))ej1⊗ej2∈CΓ1⊗CΓ2
説明
CΓ1⊗CΓ2の全ての要素がv1⊗v2のような積ベクターの形で表されるわけではない。例えば、以下のベクターは2つのベクターの積ベクターとして表現可能だが、(e1⊗e1)+(e2⊗e2)は不可能である。
e1⊗e1−e1⊗e2+e2⊗e1−e2⊗e2=(e1+e2)⊗(e1−e2)
簡単な例として、上の定義を再び具体的に解き直してみよう。Γ1={1,2}、Γ2={1,2,3}とする。vi∈CΓiとする。CΓ1=C2に対応する標準基底を{ej1}j1∈Γ1、CΓ2=C3に対応する標準基底を{ej2}j2∈Γ2とする。すると、v1、v2は次のようになる。
v1v1:{1,2}→C=(v1(1),v1(2))∈C2=j1=1∑2v1(j1)ej1v2v2:{1,2,3}→C=(v2(1),v2(2),v2(3))∈C3=j2=1∑3v2(j2)ej2
すると、v1とv2の積ベクターは次のようになる。
v1⊗v2=(v1(1),v1(2))⊗(v2(1),v2(2),v2(3))=(j1=1∑2v1(j1)ej1)⊗(j2=1∑3v2(j2)ej2):=(j1,j2)∈Γ1×Γ2∑(i=1∏2vi(ji))ej1⊗ej2∈CΓ1⊗CΓ2=v1(1)v2(1)e1⊗e1+v1(1)v2(2)e1⊗e2+v1(1)v2(3)e1⊗e3+v1(2)v2(1)e1⊗e1+v1(2)v2(2)e1⊗e2+v1(2)v2(3)e1⊗e3=(v1(1)v2(1),v1(1)v2(2),v1(1)v2(3),v1(2)v2(1),v1(2)v2(2),v1(2)v2(3))∈C6≅CΓ1⊗CΓ2
v1⊗v2の成分をよく見ると、これが行列と関連があることが推測できるだろう。
座標行列
行列空間Mm×n(C)を考える。Eijが(i,j)成分だけ1で残りが全て0のm×n行列とするならば、{Eij}はMm×n(C)の基底になる。テンソル積Cm⊗Cnの基底ベクターei⊗ejをEijに移す線形変換をϕとしよう。
ϕ:Cm⊗Cnei⊗ej→Mm×n(C)↦Eij
これは基底を基底に写像するので、同型写像になる。2つのベクターv∈Cm、w∈Cnが次のようだとする。
v=i∑αiei=α1⋮αmw=j∑βjej=β1⋮βn
積ベクターv,wをϕで送ると次のようになる。
ϕ(v⊗w)=ϕ(i,j∑αiβjei⊗ej)=i,j∑αiβjϕ(ei⊗ej)=i,j∑αiβjEij=α1β1⋮αmβ1⋯⋱⋯α1βn⋮αmβn=α1⋮αm[β1⋯βn]=vwT
これは各成分がαiβjの行列である。したがって、ϕによって積ベクターv⊗wは一つのm×nと対応する。行列ϕ(v⊗w)=vwTを標準基底に対するv⊗wの座標行列と言う。これはベクターの座標ベクターと同じ概念と見なすことができる。
一般化
有限集合Γi(1≤i≤r)、Γ=Γ1×⋯×Γr、vi∈CΓiに対して、viの積ベクターを次のように定義する。
v1⊗⋯⊗vr=j1∈Γ1∑v1(j1)ej1⊗⋯⊗jr∈Γr∑vr(jr)ejr:=(j1,…,jr)∈Γ∑(i=1∏rvi(ji))ej1⊗⋯⊗ejr=∈CΓ1⊗⋯⊗CΓr
見てみよう