第一章 量子计算的数学基础

本章导读：量子计算 (Quantum Computing) 的底层语言是线性代数与复分析。本章选取最核心、最不可替代的三组数学工具——复数、向量空间与线性算子——为后续量子态 (Quantum State)、量子门 (Quantum Gate) 和量子测量 (Quantum Measurement) 的严格表述奠定数学基础。读者无需具备量子力学背景，只需熟悉高中数学中的复数概念和大学基础线性代数即可。我们的叙述策略是从具体到抽象、从熟悉到新颖：先回顾复数并将其几何化，再将实向量空间自然推广到复数域，最后引入描述量子演化的线性算子。

---

1.1 复数与欧拉公式 (Complex Numbers & Euler’s Formula)

1.1.1 复数的基本构造

我们从最简单的代数观察开始：方程 $x^2 + 1 = 0$ 在实数域 (Real Numbers) $\mathbb{R}$ 中没有解。无论取何实数 $x$，$x^2$ 总是非负的，因此 $x^2 + 1$ 永远大于零。为了弥补这一”缺陷”，数学家引入了一个全新的数，称为虚数单位 (Imaginary Unit)，记作 $i$，其定义性性质为

$$i^2 = -1$$

这不是从实数中”推导”出来的，而是一个创造性的定义。一旦接受 $i$ 的存在，我们就可以构造出复数 (Complex Number)：

$$z = a + bi, \quad a, b \in \mathbb{R}$$

其中 $a$ 称为实部 (Real Part)，记作 $\text{Re}(z) = a$；$b$ 称为虚部 (Imaginary Part)，记作 $\text{Im}(z) = b$。当 $b = 0$ 时，$z$ 退化为实数；当 $a = 0$ 且 $b \neq 0$ 时，$z$ 为纯虚数。全体复数构成的集合记为 $\mathbb{C}$。

每一个复数 $z = a + bi$ 都可以与复平面 (Complex Plane) 上的点 $(a, b)$ 一一对应：横轴表示实部，纵轴表示虚部。例如，复数 $z = 3 + 2i$ 对应复平面上坐标为 $(3, 2)$ 的点，位于第一象限。而复数 $z = -1 - 2i$ 则对应点 $(-1, -2)$，位于第三象限。这种将代数对象可视化为几何点的方法，是理解复数运算本质的关键。

1.1.2 四则运算与共轭

复数的加法 (Addition) 和减法 (Subtraction) 按实部与虚部分别进行，如同向量的分量运算：

$$(a + bi) + (c + di) = (a + c) + (b + d)i$$

几何上，这对应于复平面上两个向量的平行四边形法则。例如，$(1 + i) + (2 - i) = 3$，几何上就是将点 $(1, 1)$ 和点 $(2, -1)$ 的向量相加，得到点 $(3, 0)$。

乘法 (Multiplication) 则利用 $i^2 = -1$ 展开：

$$(a + bi)(c + di) = ac + adi + bci + bdi^2 = (ac - bd) + (ad + bc)i$$

这个公式初看起来有些复杂，但在极坐标表示下将变得非常直观。

除法 (Division) 是复数运算中最需要技巧的一种。为了计算 $\frac{a + bi}{c + di}$，我们需要引入复共轭 (Complex Conjugate)。给定 $z = a + bi$，其共轭定义为

$$z^* = \overline{z} = a - bi$$

共轭的几何意义是将复数关于实轴做镜像翻转：实部不变，虚部取反。一个极为重要的性质是 $zz^* = (a + bi)(a - bi) = a^2 + b^2$，它总是一个非负实数，等于 $|z|^2$。

利用这一性质，复数除法可通过”有理化分母”完成：

$$\frac{a + bi}{c + di} = \frac{(a + bi)(c - di)}{(c + di)(c - di)} = \frac{(ac + bd) + (bc - ad)i}{c^2 + d^2}$$

分母变成了实数 $c^2 + d^2$，整个表达式被拆分为清晰的实部和虚部。

例 1.1：计算 $\displaystyle\frac{1 + 2i}{3 - i}$。

分子分母同乘以分母的共轭 $3 + i$：

$$\frac{(1 + 2i)(3 + i)}{(3 - i)(3 + i)} = \frac{3 + i + 6i + 2i^2}{9 + 1} = \frac{3 + 7i - 2}{10} = \frac{1 + 7i}{10} = 0.1 + 0.7i$$

因此，$\frac{1 + 2i}{3 - i} = 0.1 + 0.7i$。作为验证，我们可以将 $0.1 + 0.7i$ 乘以 $3 - i$：$(0.1 + 0.7i)(3 - i) = 0.3 - 0.1i + 2.1i - 0.7i^2 = 0.3 + 2.0i + 0.7 = 1 + 2i$，与原分子一致。

1.1.3 极坐标表示与模

复数除了直角坐标 $z = a + bi$ 外，还可以用极坐标表示，这种表示揭示了复数乘除法的几何本质。在复平面上，点 $(a, b)$ 到原点的距离称为模 (Modulus) 或绝对值 (Absolute Value)：

$$r = |z| = \sqrt{a^2 + b^2}$$

该点与正实轴的夹角称为辐角 (Argument)：

$$\theta = \arg(z) = \arctan\left(\frac{b}{a}\right)$$

（当 $a < 0$ 时需要根据象限调整 $\pm\pi$，以确保角度位于正确的半平面。）于是复数可写为

$$z = r(\cos\theta + i\sin\theta)$$

这就是复数的三角形式 (Trigonometric Form)。例如，$z = 1 + i$ 的模为 $\sqrt{2}$，辐角为 $\pi/4$（即 $45°$），因此 $1 + i = \sqrt{2}(\cos\pi/4 + i\sin\pi/4)$。

1.1.4 欧拉公式的推导

欧拉公式 (Euler’s Formula) 是连接指数函数与三角函数的桥梁，也是整个数学中最令人惊叹的恒等式之一：

$$e^{i\theta} = \cos\theta + i\sin\theta$$

我们将从泰勒展开 (Taylor Series) 出发，给出这一惊人恒等式的严格推导，这也是教材中要求读者掌握的核心推导之一。

首先回顾三个函数在 $x = 0$ 处的泰勒展开（对所有实数 $x$ 收敛）：

$$\begin{aligned} e^x &= 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \frac{x^4}{4!} + \cdots \\ \cos x &= 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \frac{x^6}{6!} + \cdots \\ \sin x &= x - \frac{x^3}{3!} + \frac{x^5}{5!} - \frac{x^7}{7!} + \cdots \end{aligned}$$

现在将 $e^x$ 中的 $x$ 替换为 $i\theta$。这在数学上是合法的，因为指数函数的幂级数在整个复平面上都收敛（整函数的性质）：

$$\begin{aligned} e^{i\theta} &= 1 + (i\theta) + \frac{(i\theta)^2}{2!} + \frac{(i\theta)^3}{3!} + \frac{(i\theta)^4}{4!} + \frac{(i\theta)^5}{5!} + \cdots \\ &= 1 + i\theta + \frac{i^2\theta^2}{2!} + \frac{i^3\theta^3}{3!} + \frac{i^4\theta^4}{4!} + \frac{i^5\theta^5}{5!} + \cdots \end{aligned}$$

利用 $i$ 的周期性幂次：$i^2 = -1$，$i^3 = -i$，$i^4 = 1$，$i^5 = i$，依此类推：

$$e^{i\theta} = 1 + i\theta - \frac{\theta^2}{2!} - i\frac{\theta^3}{3!} + \frac{\theta^4}{4!} + i\frac{\theta^5}{5!} - \cdots$$

现在将实部（不含 $i$ 的项）和虚部（含 $i$ 的项）分离：

$$e^{i\theta} = \underbrace{\left(1 - \frac{\theta^2}{2!} + \frac{\theta^4}{4!} - \frac{\theta^6}{6!} + \cdots\right)}_{= \cos\theta} + i\underbrace{\left(\theta - \frac{\theta^3}{3!} + \frac{\theta^5}{5!} - \frac{\theta^7}{7!} + \cdots\right)}_{= \sin\theta}$$

括号中的级数恰好分别是 $\cos\theta$ 和 $\sin\theta$ 的泰勒展开。于是得到欧拉公式：

$$e^{i\theta} = \cos\theta + i\sin\theta$$

结合极坐标表示，任何复数可写为简洁的指数形式：

$$z = r e^{i\theta}$$

欧拉恒等式 (Euler’s Identity) 是当 $\theta = \pi$ 时的特例：

$$e^{i\pi} + 1 = 0$$

它将数学中五个最重要的常数——$0$、$1$、$e$、$i$、$\pi$——以极简的方式联系在一起，被誉为”数学中最美的公式”。这个公式的美不仅在于简洁，更在于它揭示了指数函数、三角函数和虚数之间深刻的内在联系。

1.1.5 复数乘法的几何意义：旋转与缩放

欧拉公式的真正威力在于揭示了复数乘法的几何本质，这也是量子计算中频繁使用复数的原因之一。

设 $z_1 = r_1 e^{i\theta_1}$，$z_2 = r_2 e^{i\theta_2}$，则它们的乘积为

$$z_1 \cdot z_2 = r_1 r_2 \, e^{i(\theta_1 + \theta_2)}$$

这一等式告诉我们：两个复数相乘，模长相乘（$r_1 r_2$），辐角相加（$\theta_1 + \theta_2$）。这一几何法则极为优美。

特别地，乘以 $e^{i\theta}$ 的效果是：保持模长不变，逆时针旋转 $\theta$ 角度。例如：

• $e^{i\pi/2} = i$：乘以 $i$ 等价于逆时针旋转 $90°$
• $e^{i\pi} = -1$：乘以 $-1$ 等价于旋转 $180°$
• $e^{i\pi/4} = \frac{\sqrt{2}}{2}(1 + i)$：旋转 $45°$
• $e^{i\cdot 0} = 1$：旋转 $0°$，即恒等操作

若 $|z| \neq 1$，则同时伴随缩放。例如 $2e^{i\pi/3}$ 将目标复数旋转 $60°$ 并放大 2 倍。若 $|z| < 1$，则是缩小。

几何解释示例：将 $z = 1 + i$ 乘以 $w = \sqrt{2}e^{i\pi/4}$。

首先，$z = 1 + i$ 的模为 $\sqrt{1^2 + 1^2} = \sqrt{2}$，辐角为 $\arctan(1) = \pi/4$。而 $w = \sqrt{2}e^{i\pi/4}$ 的模为 $\sqrt{2}$、辐角为 $\pi/4$。根据乘法法则，乘积的模为 $\sqrt{2} \cdot \sqrt{2} = 2$，辐角为 $\pi/4 + \pi/4 = \pi/2$。因此

$$z \cdot w = 2e^{i\pi/2} = 2i$$

直接代数验算：$(1 + i)(1 + i) = 1 + 2i + i^2 = 1 + 2i - 1 = 2i$，结果一致。这个例子清楚地展示了复数乘法的双重效应：旋转（从 $\pi/4$ 到 $\pi/2$）和缩放（从 $\sqrt{2}$ 到 $2$）。

1.1.6 为什么量子力学需要复数

在经典物理中，几乎所有可观测量——位置、动量、能量、温度——都可以由实数描述。但量子力学 (Quantum Mechanics) 从根本上不同：量子态 (Quantum State) 的演化涉及相位 (Phase)，而相位必须用量值表示。量子态的波函数 $\psi(x, t)$ 本身就是复数值函数。

复数相位在量子干涉 (Quantum Interference) 中扮演核心角色。两个概率幅 (Probability Amplitude) 相加时，它们的相对相位决定了最终概率是增强（相长干涉）还是抵消（相消干涉）。没有复数，就无法描述这种波动性行为。经典波的干涉可以用实数正弦函数描述，但量子力学中的”概率幅”是更为根本的概念，它必须是复数。

复平面上的旋转操作也直接对应量子门 (Quantum Gate) 对量子比特 (Qubit) 的变换——例如相位门 (Phase Gate) 就是在复平面上对某个基态施加旋转。泡利矩阵中的 $Y$ 门和 $Z$ 门本质上都是复平面上的旋转操作。

此外，量子力学的基本方程——薛定谔方程 (Schrödinger Equation)——本身就包含虚数单位 $i$：

$$i\hbar\frac{\partial\psi}{\partial t} = \hat{H}\psi$$

方程左侧显式出现 $i$，这意味着即使初始条件是实数值的，时间演化也会自然产生虚部。复数不是量子力学的”装饰”，而是其结构不可分割的一部分。

小结 (Summary)：

• 复数 $z = a + bi$ 扩展了实数域，$i^2 = -1$ 是其定义基石；全体复数记为 $\mathbb{C}$
• 四则运算中，加法减法按分量进行，乘法需要展开 $i^2 = -1$，除法依赖复共轭 $z^* = a - bi$
• 极坐标 $z = r(\cos\theta + i\sin\theta)$ 是描述复数的几何语言，其中 $r = |z|$ 是模，$\theta = \arg(z)$ 是辐角
• 欧拉公式 $e^{i\theta} = \cos\theta + i\sin\theta$ 可由指数函数、余弦函数和正弦函数的泰勒展开严格推导
• 复数乘法 = 模长相乘 + 辐角相加，即旋转与缩放的复合；乘以 $e^{i\theta}$ 等价于旋转角度 $\theta$
• 量子力学从根本上需要复数来描述不可缺失的相位信息和概率幅的干涉行为

与量子计算的连接 (Connection to Quantum Computing)： 量子比特的状态是复向量空间中的单位向量。单量子比特的一般态为 $\lvert\psi\rangle = \alpha\lvert 0\rangle + \beta\lvert 1\rangle$，其中 $\alpha, \beta \in \mathbb{C}$ 且 $|\alpha|^2 + |\beta|^2 = 1$。复数 $\alpha$ 和 $\beta$ 的相对相位直接决定了测量结果的概率分布，是量子并行性和量子干涉的数学根源。欧拉公式则为描述量子门的旋转操作提供了最简洁的指数形式，例如单比特相位门 $R_z(\theta) = e^{-i\theta Z/2}$ 就显式使用了复指数。

---

1.2 向量空间与希尔伯特空间 (Vector Spaces & Hilbert Spaces)

1.2.1 从 $\mathbb{R}^n$ 到 $\mathbb{C}^n$：向量空间的推广

在基础线性代数中，我们熟悉实向量空间 (Real Vector Space) $\mathbb{R}^n$，其中的向量如 $\mathbf{v} = (v_1, v_2, \ldots, v_n)^T$ 由 $n$ 个实数分量构成，可以进行加法和数乘运算。例如，$\mathbb{R}^3$ 中的向量 $(1, 2, 3)^T$ 可以表示三维空间中的一个点或一个从原点出发的有向线段。

量子计算中，向量的分量必须是复数。这不是随意的选择，而是因为量子态的振幅（概率幅）本质上是复数，如上一节所述。这引导我们进入复向量空间 (Complex Vector Space) $\mathbb{C}^n$：一个 $n$ 维复向量是由 $n$ 个复数组成的有序组

$$\mathbf{v} = \begin{pmatrix} v_1 \\ v_2 \\ \vdots \\ v_n \end{pmatrix}, \quad v_k \in \mathbb{C}$$

向量加法按分量进行：

$$\begin{pmatrix} v_1 \\ v_2 \end{pmatrix} + \begin{pmatrix} w_1 \\ w_2 \end{pmatrix} = \begin{pmatrix} v_1 + w_1 \\ v_2 + w_2 \end{pmatrix}$$

数乘允许用复数缩放：

$$c \cdot \begin{pmatrix} v_1 \\ v_2 \end{pmatrix} = \begin{pmatrix} c v_1 \\ c v_2 \end{pmatrix}, \quad c \in \mathbb{C}$$

注意这里的数乘标量 $c$ 可以是任意复数，包括纯虚数如 $2i$ 或复数如 $1 + i$。例如：

$$(1 + i)\begin{pmatrix} 1 \\ i \end{pmatrix} = \begin{pmatrix} 1 + i \\ i + i^2 \end{pmatrix} = \begin{pmatrix} 1 + i \\ -1 + i \end{pmatrix}$$

一个向量空间 (Vector Space) 的严格定义需要满足八条公理：加法交换律、加法结合律、零向量存在、负向量存在、数乘结合律、数乘分配律（对向量加法）、数乘分配律（对标量加法）、单位元 $1\mathbf{v} = \mathbf{v}$。这些公理确保了向量运算的行为与我们的几何直觉一致。在量子计算中，我们几乎总是工作在 $\mathbb{C}^n$ 上，因此这些公理自动满足。

1.2.2 线性无关、基与维度

一组向量 $\{\mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_m\}$ 称为线性无关 (Linearly Independent)，如果方程

$$c_1\mathbf{v}_1 + c_2\mathbf{v}_2 + \cdots + c_m\mathbf{v}_m = \mathbf{0}$$

的唯一解是 $c_1 = c_2 = \cdots = c_m = 0$。直观地说，没有一个向量可以被其他向量”表示出来”，每个向量都贡献了”新的方向”。

如果一组线性无关的向量能够”张成”（即通过线性组合表示出）整个空间，这组向量就称为该空间的一个基 (Basis)。基中向量的个数称为空间的维度 (Dimension)。一个空间的维度是唯一的，不依赖于基的选择。

$\mathbb{C}^n$ 的标准基 (Standard Basis) 由 $n$ 个向量组成：

$$\mathbf{e}_1 = \begin{pmatrix} 1 \\ 0 \\ \vdots \\ 0 \end{pmatrix}, \quad \mathbf{e}_2 = \begin{pmatrix} 0 \\ 1 \\ \vdots \\ 0 \end{pmatrix}, \quad \ldots, \quad \mathbf{e}_n = \begin{pmatrix} 0 \\ 0 \\ \vdots \\ 1 \end{pmatrix}$$

任何 $\mathbf{v} \in \mathbb{C}^n$ 都可唯一表示为

$$\mathbf{v} = v_1\mathbf{e}_1 + v_2\mathbf{e}_2 + \cdots + v_n\mathbf{e}_n$$

其中系数 $v_k$ 就是该向量的第 $k$ 个分量。这个表示是唯一的——给定一组基，每个向量有且只有一种方式写成基向量的线性组合。

1.2.3 内积与 bra-ket 符号

为了讨论向量的”长度”和”夹角”，我们需要内积 (Inner Product)。在 $\mathbb{R}^n$ 中，内积就是点积：$\mathbf{u} \cdot \mathbf{v} = u_1 v_1 + u_2 v_2 + \cdots + u_n v_n$。但在 $\mathbb{C}^n$ 中，定义需要调整——必须对一个向量取共轭，否则 $\langle\mathbf{v}, \mathbf{v}\rangle$ 可能不是非负实数（例如，若 $\mathbf{v} = (1, i)^T$，简单点积给出 $1 \cdot 1 + i \cdot i = 0$，这显然不能作为长度的平方）。

狄拉克符号 (Dirac Notation)，又称 bra-ket 符号，是量子力学中为内积量身定制的记号系统，由物理学家保罗·狄拉克 (Paul Dirac) 于1939年发明，现已成为量子计算和量子信息领域的标准语言。

我们从熟悉的列向量开始，逐步引入这套符号：

• 右矢 (Ket)：$\lvert\psi\rangle$ 表示一个列向量。符号 "$\rangle$" 形似尖括号的一半，提醒这是一个”封闭”的列向量。
• 左矢 (Bra)：$\langle\phi\rvert$ 表示一个行向量，是某个 ket 的”共轭转置”。

具体对应关系如下。若

$$\lvert\psi\rangle = \begin{pmatrix} \alpha_1 \\ \alpha_2 \\ \vdots \\ \alpha_n \end{pmatrix}$$

则其对应的 bra 为

$$\langle\psi\rvert = \begin{pmatrix} \alpha_1^* & \alpha_2^* & \cdots & \alpha_n^* \end{pmatrix}$$

也就是说，从 ket 到 bra，需要做两件事：转置（列变行）和取复共轭（每个分量加星号）。

内积 (Inner Product) $\langle\phi\mid\psi\rangle$ 定义为 bra 与 ket 的矩阵乘积：

$$\langle\phi\mid\psi\rangle = \begin{pmatrix} \beta_1^* & \beta_2^* & \cdots & \beta_n^* \end{pmatrix} \begin{pmatrix} \alpha_1 \\ \alpha_2 \\ \vdots \\ \alpha_n \end{pmatrix} = \sum_{k=1}^n \beta_k^* \alpha_k$$

注意取共轭的是第一个向量（bra）的分量。这保证了 $\langle\psi\mid\psi\rangle = \sum_k |\alpha_k|^2$ 是一个非负实数，从而可以定义长度。

例 1.2：设 $\lvert\psi\rangle = \begin{pmatrix} 1 \\ i \end{pmatrix}$，$\lvert\phi\rangle = \begin{pmatrix} 2 \\ 1+i \end{pmatrix}$，求 $\langle\phi\mid\psi\rangle$。

首先写出 bra：

$\langle\phi\rvert = \begin{pmatrix} 2^* & (1+i)^* \end{pmatrix} = \begin{pmatrix} 2 & 1-i \end{pmatrix}$

然后做矩阵乘法：

$\langle\phi\mid\psi\rangle = 2 \cdot 1 + (1-i) \cdot i = 2 + i - i^2 = 2 + i + 1 = 3 + i$

结果是一个复数。若交换顺序求 $\langle\psi\mid\phi\rangle$：

$\langle\psi\rvert = \begin{pmatrix} 1 & -i \end{pmatrix}, \quad \langle\psi\mid\phi\rangle = 1 \cdot 2 + (-i)(1+i) = 2 - i - i^2 = 3 - i$

注意到 $\langle\psi\mid\phi\rangle = \langle\phi\mid\psi\rangle^*$，这是内积的一般性质。

由内积可定义范数 (Norm) 即向量长度：

$$\|\psi\| = \sqrt{\langle\psi\mid\psi\rangle} = \sqrt{\sum_k |\alpha_k|^2}$$

这与 $\mathbb{R}^n$ 中欧几里得长度的公式形式一致，只是每个分量现在取了模的平方。以及两个非零向量的夹角：

$$\cos\theta = \frac{|\langle\phi\mid\psi\rangle|}{\|\phi\| \cdot \|\psi\|}$$

当 $\langle\phi\mid\psi\rangle = 0$ 时，称两向量正交 (Orthogonal)。正交意味着两向量在几何上”垂直”，没有重叠的”分量”。

1.2.4 希尔伯特空间：完备的内积空间

希尔伯特空间 (Hilbert Space) 是量子力学的舞台。其严格定义是”完备的内积空间”（Complete Inner Product Space），其中”完备性”是一个来自分析学的概念，指空间中没有”漏洞”——任何柯西序列 (Cauchy Sequence) 的极限仍落在空间内。

对于量子计算而言，这一抽象概念有一个极其实用的简化：

有限维希尔伯特空间就是 $\mathbb{C}^n$ 配上标准内积。

因为有限维空间天然完备。本书涉及的量子系统（有限个量子比特）都工作在有限维空间中，所以读者可以将希尔伯特空间直观地理解为”带内积的复向量空间，其中可以讨论长度和角度”。

一个标准正交基 (Orthonormal Basis) 是一组两两正交且范数为 1 的基向量。$\mathbb{C}^n$ 的标准基 $\{\mathbf{e}_1, \ldots, \mathbf{e}_n\}$ 就是标准正交基，因为

$$\langle\mathbf{e}_j\mid\mathbf{e}_k\rangle = \delta_{jk} = \begin{cases} 1 & j = k \\ 0 & j \neq k \end{cases}$$

其中 $\delta_{jk}$ 是克罗内克 delta (Kronecker Delta)。标准正交基的好处在于，任意向量的分量可以通过内积直接读出：$v_k = \langle\mathbf{e}_k\mid\mathbf{v}\rangle$。

1.2.5 $\mathbb{C}^2$：最简单的量子比特空间

量子计算中最基本的信息单元是量子比特 (Quantum Bit / Qubit)，其状态空间正是二维复向量空间 $\mathbb{C}^2$。这与经典比特形成鲜明对比：经典比特的状态空间只有两个离散的点 $\{0, 1\}$，而量子比特的状态空间是一个连续的二维复向量空间。

$\mathbb{C}^2$ 的标准正交基通常记为

$$\lvert 0\rangle = \begin{pmatrix} 1 \\ 0 \end{pmatrix}, \quad \lvert 1\rangle = \begin{pmatrix} 0 \\ 1 \end{pmatrix}$$

这与经典比特的 $0$ 和 $1$ 符号一致，但内涵完全不同：经典比特只能取 $0$ 或 $1$ 之一，而量子比特可以处于两者的叠加态 (Superposition)：

$$\lvert\psi\rangle = \alpha\lvert 0\rangle + \beta\lvert 1\rangle = \begin{pmatrix} \alpha \\ \beta \end{pmatrix}, \quad \alpha, \beta \in \mathbb{C}$$

由于全局相位（整体乘以 $e^{i\phi}$）不影响物理观测（因为概率只依赖于模的平方），我们通常要求状态是归一化 (Normalized) 的：

$$\langle\psi\mid\psi\rangle = |\alpha|^2 + |\beta|^2 = 1$$

这意味着量子态是希尔伯特空间中的单位向量，位于”单位球面”上。

例 1.3：验证 $\lvert+\rangle = \frac{1}{\sqrt{2}}(\lvert 0\rangle + \lvert 1\rangle) = \begin{pmatrix} 1/\sqrt{2} \\ 1/\sqrt{2} \end{pmatrix}$ 是归一化的。

$\langle+\mid+\rangle = \left(\frac{1}{\sqrt{2}}\right)^2 + \left(\frac{1}{\sqrt{2}}\right)^2 = \frac{1}{2} + \frac{1}{2} = 1$

验证通过。$\lvert+\rangle$ 是一个重要的量子态，表示 $|0\rangle$ 和 $|1\rangle$ 的等概率叠加。

另一个重要的态是 $\lvert-\rangle = \frac{1}{\sqrt{2}}(\lvert 0\rangle - \lvert 1\rangle)$，它与 $\lvert+\rangle$ 正交：$\langle+\mid-\rangle = \frac{1}{2}(1 - 1) = 0$。集合 $\{\lvert+\rangle, \lvert-\rangle\}$ 构成 $\mathbb{C}^2$ 的另一组标准正交基。

量子比特的状态空间在几何上对应三维单位球面——布洛赫球 (Bloch Sphere)。布洛赫球的北极是 $|0\rangle$，南极是 $|1\rangle$，赤道上的点对应各种等权重叠加态。这一几何表示将在后续章节详细讨论。

小结 (Summary)：

• 量子计算使用复向量空间 $\mathbb{C}^n$，它是实向量空间 $\mathbb{R}^n$ 的自然复数推广，其中数乘标量可以是任意复数
• 向量空间的核心结构：加法、数乘、线性无关、基、维度；$\mathbb{C}^n$ 的标准基有 $n$ 个向量
• bra-ket 符号 $\lvert\psi\rangle$ / $\langle\phi\rvert$ 是量子力学的标准语言；内积 $\langle\phi\mid\psi\rangle = \sum_k \beta_k^*\alpha_k$ 定义了长度和角度
• 希尔伯特空间 = 完备内积空间；有限维情形就是 $\mathbb{C}^n$ 配标准内积
• $\mathbb{C}^2$ 以 $\{\lvert 0\rangle, \lvert 1\rangle\}$ 为标准基，是单量子比特的状态空间；量子比特可处于叠加态，但必须归一化

与量子计算的连接 (Connection to Quantum Computing)： 量子态就是希尔伯特空间中的归一化向量。$n$ 个量子比特的联合状态空间是 $2^n$ 维希尔伯特空间 $\mathbb{C}^{2^n}$，这是量子计算指数级并行能力的数学根源——$n$ 个经典比特只能表示 $2^n$ 个状态中的一个，而 $n$ 个量子比特可以同时处于所有 $2^n$ 个基态的叠加。bra-ket 符号使量子态、内积和算子的表达极为紧凑，是阅读量子计算文献的必备工具。例如，著名的贝尔态 (Bell State) $\frac{1}{\sqrt{2}}(\lvert00\rangle + \lvert11\rangle)$ 就是 $\mathbb{C}^4$ 中的一个归一化向量。

---

1.3 线性算子与矩阵表示 (Linear Operators & Matrix Representation)

1.3.1 线性算子的定义

在向量空间上，我们关心保持线性结构的映射，这类映射称为线性算子 (Linear Operator)。严格地说，线性算子 $T$ 是满足以下两个条件的映射：

$$T(\alpha\lvert v\rangle + \beta\lvert w\rangle) = \alpha T\lvert v\rangle + \beta T\lvert w\rangle$$

对所有向量 $\lvert v\rangle, \lvert w\rangle$ 和所有标量 $\alpha, \beta$ 成立。也就是说，$T$“尊重”加法和数乘的结构——先线性组合再映射，等于先映射再做相同的线性组合。这一性质保证了 $T$ 不会破坏向量空间的代数结构。

例 1.4：验证 $T\begin{pmatrix}x \\ y\end{pmatrix} = \begin{pmatrix}2x \\ x+y\end{pmatrix}$ 是线性的。

设 $\mathbf{v} = (x_1, y_1)^T$，$\mathbf{w} = (x_2, y_2)^T$：

$T(\alpha\mathbf{v} + \beta\mathbf{w}) = T\begin{pmatrix}\alpha x_1 + \beta x_2 \\ \alpha y_1 + \beta y_2\end{pmatrix} = \begin{pmatrix}2(\alpha x_1 + \beta x_2) \\ (\alpha x_1 + \beta x_2) + (\alpha y_1 + \beta y_2)\end{pmatrix}$

展开并重新分组：

$= \begin{pmatrix}2\alpha x_1 + 2\beta x_2 \\ \alpha(x_1 + y_1) + \beta(x_2 + y_2)\end{pmatrix} = \alpha\begin{pmatrix}2x_1 \\ x_1+y_1\end{pmatrix} + \beta\begin{pmatrix}2x_2 \\ x_2+y_2\end{pmatrix} = \alpha T\mathbf{v} + \beta T\mathbf{w}$

因此 $T$ 是线性算子。作为反例，$T\begin{pmatrix}x \\ y\end{pmatrix} = \begin{pmatrix}x^2 \\ y\end{pmatrix}$ 不是线性的，因为 $T(2\mathbf{v}) = (4x^2, 2y)^T \neq 2(x^2, y)^T = 2T\mathbf{v}$。

1.3.2 矩阵表示：算子与矩阵的一一对应

线性代数的一个基本定理告诉我们：在有限维空间中，选定一组基后，每个线性算子唯一对应一个矩阵，反之亦然。这一对应关系是量子计算中将抽象的”算子”转化为可计算的”矩阵”的桥梁。

具体而言，设 $\{\lvert e_1\rangle, \ldots, \lvert e_n\rangle\}$ 是 $\mathbb{C}^n$ 的标准基。算子 $T$ 作用于基向量 $\lvert e_j\rangle$ 的结果仍是 $\mathbb{C}^n$ 中的向量，因此可展开为基向量的线性组合：

$$T\lvert e_j\rangle = \sum_{i=1}^n A_{ij}\lvert e_i\rangle$$

系数 $A_{ij}$ 构成的 $n \times n$ 矩阵 $A = (A_{ij})$ 就是 $T$ 在这组基下的矩阵表示 (Matrix Representation)。注意列索引 $j$ 对应输入基向量，行索引 $i$ 对应输出系数——这是矩阵表示的标准约定。

例 1.5：上述 $T\begin{pmatrix}x \\ y\end{pmatrix} = \begin{pmatrix}2x \\ x+y\end{pmatrix}$ 的矩阵是什么？

计算 $T$ 对每个基向量的作用：

$$T\lvert 1\rangle = T\begin{pmatrix}0 \\ 1\end{pmatrix} = \begin{pmatrix}0 \\ 1\end{pmatrix}$$

将这些结果作为矩阵的列（因为 $T|0\rangle$ 的第一列就是结果向量的分量），得到：

$$A = \begin{pmatrix} 2 & 0 \\ 1 & 1 \end{pmatrix}$$

验证：$A\begin{pmatrix}x \\ y\end{pmatrix} = \begin{pmatrix}2x + 0y \\ x + y\end{pmatrix} = \begin{pmatrix}2x \\ x+y\end{pmatrix}$，与 $T$ 的定义一致。这个验证很重要：它确认了矩阵 $A$ 确实正确编码了算子 $T$。

1.3.3 特殊矩阵类型

量子计算中，三类矩阵尤其重要。理解它们的性质和物理意义，是掌握量子门和量子测量的关键。

单位矩阵与对角矩阵

单位矩阵 (Identity Matrix) $I_n$（常简写为 $I$）是对角元全为 1、其余为 0 的方阵：

$$I = \begin{pmatrix} 1 & 0 & \cdots & 0 \\ 0 & 1 & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & 1 \end{pmatrix}$$

它对应”什么都不做”的恒等算子：$I\lvert\psi\rangle = \lvert\psi\rangle$ 对所有 $\lvert\psi\rangle$ 成立。在量子电路中，恒等门通常不显式画出，但在数学推导中不可或缺。

对角矩阵 (Diagonal Matrix) 只有主对角线上可能有非零元：$D = \text{diag}(d_1, d_2, \ldots, d_n)$。对角矩阵作用于基向量 $\lvert e_k\rangle$ 的效果仅仅是将其缩放 $d_k$ 倍：$D\lvert e_k\rangle = d_k\lvert e_k\rangle$。因此，对角矩阵的基向量就是其特征向量 (Eigenvectors)，对角元就是对应的特征值 (Eigenvalues)。

厄米矩阵

矩阵 $A$ 的共轭转置 (Conjugate Transpose)，又称厄米共轭 (Hermitian Conjugate)，记为 $A^\dagger$（读作”A dagger”），定义为：先取转置，再对每个元取复共轭。即 $(A^\dagger)_{ij} = A_{ji}^*$。

若 $A^\dagger = A$，则称 $A$ 为厄米矩阵 (Hermitian Matrix)。

核心性质：厄米矩阵的特征值都是实数 (Real Numbers)。这一性质的证明如下：设 $A\lvert\psi\rangle = \lambda\lvert\psi\rangle$，则

$\langle\psi\mid A\mid\psi\rangle = \lambda\langle\psi\mid\psi\rangle$

同时

$\langle\psi\mid A\mid\psi\rangle = \langle\psi\mid A^\dagger\mid\psi\rangle = (\langle\psi\mid A\mid\psi\rangle)^* = \lambda^*\langle\psi\mid\psi\rangle$

因此 $\lambda = \lambda^*$，即 $\lambda$ 为实数。

在量子力学中，可观测量 (Observable)——即可以测量的物理量，如能量、自旋、位置——对应厄米算子/厄米矩阵，其特征值就是测量可能得到的结果。由于测量结果必须是实数，厄米矩阵的实特征值性质恰好满足这一物理要求。

例 1.6：验证 $H = \begin{pmatrix} 3 & 1+i \\ 1-i & 2 \end{pmatrix}$ 是厄米的。

先取转置：$H^T = \begin{pmatrix} 3 & 1-i \\ 1+i & 2 \end{pmatrix}$

再取共轭：$H^\dagger = \begin{pmatrix} 3^* & (1-i)^* \\ (1+i)^* & 2^* \end{pmatrix} = \begin{pmatrix} 3 & 1+i \\ 1-i & 2 \end{pmatrix} = H$

因此 $H$ 是厄米矩阵。可以验证其特征值是实数（约为 $4.3$ 和 $0.7$）。

酉矩阵

若 $U^\dagger U = UU^\dagger = I$，即 $U^\dagger = U^{-1}$（共轭转置等于逆矩阵），则称 $U$ 为酉矩阵 (Unitary Matrix)。

核心性质：酉变换保持内积不变。对任意 $\lvert\psi\rangle, \lvert\phi\rangle$：

$$\langle U\phi\mid U\psi\rangle = \langle\phi\mid U^\dagger U\mid\psi\rangle = \langle\phi\mid I\mid\psi\rangle = \langle\phi\mid\psi\rangle$$

特别地，酉变换保持向量的范数：$\|U\lvert\psi\rangle\| = \|\psi\|$。这意味着如果 $\lvert\psi\rangle$ 是单位向量（归一化量子态），那么 $U\lvert\psi\rangle$ 也是单位向量。

在量子力学中，量子门 (Quantum Gate) 对应酉变换——它把归一化的量子态映射为另一个归一化的量子态，保证总概率为 1。量子计算中的每一步酉演化都是可逆的，这也反映在酉矩阵的可逆性上。

厄米 vs 酉的对比：

性质	厄米矩阵 $H$	酉矩阵 $U$
定义	$H^\dagger = H$	$U^\dagger U = I$
特征值	实数	模为 1（可写为 $e^{i\theta}$）
物理意义	可观测量（测量结果）	量子门（态的演化）
保持什么	—	内积/范数/概率守恒
典型示例	泡利 $X, Y, Z$（也是酉）	哈达玛门、相位门、CNOT

1.3.4 泡利矩阵

在单量子比特（$\mathbb{C}^2$）的操作中，四个泡利矩阵 (Pauli Matrices) 是最基础、最常用的矩阵。它们以物理学家沃尔夫冈·泡利 (Wolfgang Pauli) 命名，在量子门、量子测量和量子纠错中都扮演核心角色。

符号	名称	矩阵形式	类型
$\sigma_0$ 或 $I$	单位矩阵 / 恒等	$\displaystyle\begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}$	既是厄米也是酉
$\sigma_x$ 或 $X$	泡利-X / 非门 (NOT Gate)	$\displaystyle\begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}$	既是厄米也是酉
$\sigma_y$ 或 $Y$	泡利-Y	$\displaystyle\begin{pmatrix} 0 & -i \\ i & 0 \end{pmatrix}$	既是厄米也是酉
$\sigma_z$ 或 $Z$	泡利-Z / 相位翻转门	$\displaystyle\begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix}$	既是厄米也是酉

让我们逐一理解它们的物理作用：

• $I$（恒等）：不做任何操作。$I\lvert 0\rangle = \lvert 0\rangle$，$I\lvert 1\rangle = \lvert 1\rangle$。在任何基下都不改变状态。

• $X$（非门 / 泡利-X）：交换 $\lvert 0\rangle$ 和 $\lvert 1\rangle$，即 $X\lvert 0\rangle = \lvert 1\rangle$，$X\lvert 1\rangle = \lvert 0\rangle$。它是经典 NOT 门的量子对应，在布洛赫球上绕 $x$ 轴旋转 $\pi$ 角度。

• $Z$（相位翻转门 / 泡利-Z）：保持 $\lvert 0\rangle$ 不变，给 $\lvert 1\rangle$ 施加一个负号：$Z\lvert 0\rangle = \lvert 0\rangle$，$Z\lvert 1\rangle = -\lvert 1\rangle$。注意 $-\lvert 1\rangle$ 与 $\lvert 1\rangle$ 在物理上是同一个状态（全局相位不影响测量），但当 $\lvert 1\rangle$ 处于叠加态时，$Z$ 会改变相对相位。$Z$ 在布洛赫球上绕 $z$ 轴旋转 $\pi$ 角度。

• $Y$（泡利-Y）：可视为 $X$ 和 $Z$ 的组合（$Y = iXZ$），在布洛赫球上绕 $y$ 轴旋转 $\pi$ 角度。其效果为 $Y\lvert 0\rangle = i\lvert 1\rangle$，$Y\lvert 1\rangle = -i\lvert 0\rangle$。

验证酉性：以 $\sigma_x$ 为例，验证它是酉矩阵：

$\sigma_x^\dagger = \begin{pmatrix} 0^* & 1^* \\ 1^* & 0^* \end{pmatrix} = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} = \sigma_x$

$\sigma_x^\dagger \sigma_x = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}\begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} = I$

因此 $\sigma_x$ 是酉矩阵。同理可验证其余三个。值得注意的是，所有泡利矩阵同时是厄米矩阵（$\sigma^\dagger = \sigma$）和酉矩阵（$\sigma^\dagger\sigma = I$），这一双重性质使其既是可观测量（测量算子）又是量子门（演化算子）。

例 1.7：计算 $Z$ 作用于叠加态 $\lvert+\rangle = \frac{1}{\sqrt{2}}(\lvert 0\rangle + \lvert 1\rangle)$ 的效果。

$Z\lvert+\rangle = \frac{1}{\sqrt{2}}(Z\lvert 0\rangle + Z\lvert 1\rangle) = \frac{1}{\sqrt{2}}(\lvert 0\rangle - \lvert 1\rangle) = \lvert-\rangle$

这里 $\lvert-\rangle = \frac{1}{\sqrt{2}}(\lvert 0\rangle - \lvert 1\rangle)$ 是与 $\lvert+\rangle$ 正交的另一叠加态。$Z$ 门将 $\lvert+\rangle$ 变为 $\lvert-\rangle$，相当于在布洛赫球的 $x$-$y$ 平面上旋转了 $180°$。若对 $\lvert-\rangle$ 再次施加 $Z$，则回到 $\lvert+\rangle$：$Z^2 = I$。

1.3.5 矩阵运算的基本规则

量子计算中频繁使用矩阵乘法。对于 $2 \times 2$ 矩阵 $A = (a_{ij})$ 和 $B = (b_{ij})$，乘积的第 $(i, j)$ 元为：

$$(AB)_{ij} = \sum_{k=1}^2 a_{ik}b_{kj}$$

即”行乘列”。具体写出：

$$AB = \begin{pmatrix} a_{11}b_{11} + a_{12}b_{21} & a_{11}b_{12} + a_{12}b_{22} \\ a_{21}b_{11} + a_{22}b_{21} & a_{21}b_{12} + a_{22}b_{22} \end{pmatrix}$$

矩阵乘法一般不满足交换律：$AB \neq BA$。这是量子力学与经典力学的一个关键区别——算子的顺序（作用的先后）是有意义的。例如：

$\sigma_x \sigma_z = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}\begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} = \begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix}$

$\sigma_z \sigma_x = \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix}\begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} = \begin{pmatrix} 0 & 1 \\ -1 & 0 \end{pmatrix} = -\sigma_x\sigma_z$

有趣的是，$\sigma_x \sigma_z = -\sigma_z \sigma_x$——泡利矩阵是反交换 (Anticommute) 的。这一性质在量子纠错、费米子模拟和量子随机行走中都有重要应用。

泡利矩阵之间还满足著名的代数关系：

$\sigma_x\sigma_y = i\sigma_z, \quad \sigma_y\sigma_z = i\sigma_x, \quad \sigma_z\sigma_x = i\sigma_y$

以及平方恒等：$\sigma_x^2 = \sigma_y^2 = \sigma_z^2 = I$。

小结 (Summary)：

• 线性算子 $T$ 保持线性结构：$T(\alpha\lvert v\rangle + \beta\lvert w\rangle) = \alpha T\lvert v\rangle + \beta T\lvert w\rangle$；这是量子演化的基本约束
• 选定基后，算子与矩阵一一对应；矩阵乘法对应算子复合（注意顺序：$AB$ 表示”先做 $B$ 再做 $A$”)
• 厄米矩阵 $H^\dagger = H$：特征值为实数，对应可观测量（测量算子）
• 酉矩阵 $U^\dagger U = I$：保持内积/范数，对应量子门（演化算子）
• 泡利矩阵 $\{I, X, Y, Z\}$ 是 $\mathbb{C}^2$ 上最基础的算子集合，全部既是厄米也是酉；它们反交换且满足 $X^2 = Y^2 = Z^2 = I$
• 矩阵乘法一般不可交换；算子顺序对应物理上操作的先后顺序

与量子计算的连接 (Connection to Quantum Computing)： 量子计算的整个框架建立在三个数学支柱之上——本章恰好覆盖了这三个支柱：

1. 复数 (1.1节)：量子态的振幅是复数，相位 $e^{i\theta}$ 驱动量子干涉
2. 希尔伯特空间 (1.2节)：量子态是希尔伯特空间中的归一化向量，bra-ket 符号是标准语言
3. 线性算子 (1.3节)：量子门是酉算子，可观测量是厄米算子，二者的特征值分别对应”演化后的状态”和”可能的测量结果”

泡利矩阵 $X, Y, Z$ 加上恒等 $I$ 构成了所有单量子比特操作的”字母表”——任何单比特酉门都可以由它们（配合适当的相位旋转）组合而成。例如，哈达玛门 (Hadamard Gate) $H = \frac{1}{\sqrt{2}}(X + Z)$ 就是 $X$ 和 $Z$ 的叠加。这是理解量子电路 (Quantum Circuit) 和量子算法 (Quantum Algorithm) 的数学起点。后续章节将在此基础上，引入量子力学的公设体系，正式建立量子计算的理论框架。

---

下一步预告：在掌握了复数、向量空间和线性算子之后，第二章将引入量子力学的核心公设 (Postulates)——包括量子态演化（薛定谔方程）、测量的投影假设和复合系统的张量积结构——从而完成从”数学工具”到”量子理论”的过渡，为后续学习量子算法和量子信息理论奠定物理基础。

1.4 内积、范数与正交性 (Inner Products, Norms & Orthogonality)

在 1.2 节中，我们引入了向量空间 (vector space) 和希尔伯特空间 (Hilbert space) 的基本概念，并学习了狄拉克符号 (Dirac notation) 中的右矢 (ket) $\lvert v \rangle$ 和左矢 (bra) $\langle v \rvert$。这些符号不仅是简洁的记法，更蕴含着深刻的数学结构——内积 (inner product)。本节将从复向量空间 $\mathbb{C}^n$ 中熟悉的点积出发，将内积推广到一般的抽象向量空间，并由此建立范数 (norm) 和正交性 (orthogonality) 的严格定义。这些概念是量子力学形式化的核心支柱：量子态的”长度”、不同态之间的”夹角”、以及测量概率的计算，全都依赖于内积结构。理解内积不仅是后续学习特征值问题和谱分解的基础，更是掌握量子态叠加原理和测量公设的关键一步。没有内积结构，向量空间就只是一个抽象的代数对象；而一旦赋予内积，空间便拥有了度量、角度和投影等丰富的几何结构。

内积的定义与基本性质

回顾我们在 1.2 节中定义的右矢 $\lvert v \rangle \in \mathbb{C}^n$，其分量形式为：

$$\lvert v \rangle = \begin{pmatrix} v_1 \\ v_2 \\ \vdots \\ v_n \end{pmatrix}$$

对应的左矢 $\langle v \rvert$ 则是该向量的共轭转置 (conjugate transpose)：

$$\langle v \rvert = \begin{pmatrix} v_1^* & v_2^* & \cdots & v_n^* \end{pmatrix}$$

在 $\mathbb{C}^n$ 中，两个向量 $\lvert v \rangle$ 和 $\lvert w \rangle$ 的内积 (inner product) 定义为：

$$\langle v \mid w \rangle = \sum_{i=1}^{n} v_i^* w_i$$

这是一个复数。例如，若 $\lvert v \rangle = \begin{pmatrix} 1 \\ i \end{pmatrix}$，$\lvert w \rangle = \begin{pmatrix} 2 \\ 1+i \end{pmatrix}$，则：

$$\langle v \mid w \rangle = 1^* \cdot 2 + (-i) \cdot (1+i) = 2 - i(1+i) = 2 - i - i^2 = 3 - i$$

这里特别要注意复数共轭 (complex conjugate) 的作用：内积对第一个向量取共轭，这是为了保证正定性（见下文）。如果内积的定义中没有这个共轭，那么对于像 $\lvert v \rangle = \begin{pmatrix} 1 \\ i \end{pmatrix}$ 这样的向量，$\langle v \mid v \rangle = 1 + i^2 = 0$，将违反正定性要求。引入复数共轭后，$\langle v \mid v \rangle = 1 + (-i)(i) = 2 > 0$，从而保证了良好的数学结构。这一点在量子力学中尤为重要，因为量子态的归一化直接依赖于正定内积。

从 $\mathbb{C}^n$ 出发，我们可以将内积抽象地定义在任意复向量空间 $V$ 上。一个内积是一个映射 $\langle \cdot \mid \cdot \rangle: V \times V \rightarrow \mathbb{C}$，满足以下三条基本性质：

第一，共轭对称性 (conjugate symmetry)：对任意 $\lvert v \rangle, \lvert w \rangle \in V$，有：

$$\langle v \mid w \rangle = \langle w \mid v \rangle^*$$

这一性质保证了 $\langle v \mid v \rangle$ 是实数，因为 $\langle v \mid v \rangle = \langle v \mid v \rangle^*$。当 $v=w$ 时，内积的结果就是该向量与其自身的内积，必须是一个实数。这是范数定义的前提条件，因为范数要求是一个非负实数。共轭对称性还意味着如果内积是纯实数，则两个向量的顺序不影响结果；如果内积是复数，则交换顺序会得到其复共轭。

第二，对第二个参数的线性性 (linearity in the second argument)：对任意 $\lvert v \rangle, \lvert w \rangle, \lvert u \rangle \in V$ 和任意复数 $\alpha, \beta \in \mathbb{C}$，有：

$$\langle v \mid \alpha w + \beta u \rangle = \alpha \langle v \mid w \rangle + \beta \langle v \mid u \rangle$$

注意内积对第一个参数是反线性的 (antilinear)：$\langle \alpha v \mid w \rangle = \alpha^* \langle v \mid w \rangle$。这与矩阵乘法中左矢作为行向量的行为一致，也与量子力学中bra作为对偶空间元素的线性性质相吻合。在物理上，线性性保证了量子叠加态的内积计算可以按照叠加原理进行分解。

第三，正定性 (positive definiteness)：对任意非零向量 $\lvert v \rangle \neq 0$，有：

$$\langle v \mid v \rangle > 0$$

且 $\langle v \mid v \rangle = 0$ 当且仅当 $\lvert v \rangle = 0$。这条性质至关重要，它使我们能够定义向量的”长度”，并且排除了零向量之外的所有向量具有零长度的可能性。正定性与量子力学中概率诠释直接相关：量子态与其自身的内积必须为正，才能保证概率的正定性。如果允许非零向量具有零长度，那么概率诠释将失去数学基础。

范数与距离

由内积可以自然地定义范数 (norm)，即向量的”长度”或”大小”：

$$\lVert \lvert v \rangle \rVert = \sqrt{\langle v \mid v \rangle}$$

对于 $\mathbb{C}^n$ 中的向量，这给出：

$$\lVert \lvert v \rangle \rVert = \sqrt{\sum_{i=1}^{n} |v_i|^2}$$

其中 $|v_i|^2 = v_i^* v_i$ 是复数 $v_i$ 的模平方 (modulus squared)。例如，计算 $\lvert v \rangle = \begin{pmatrix} 1 \\ i \end{pmatrix}$ 的范数：

$$\lVert \lvert v \rangle \rVert = \sqrt{1^* \cdot 1 + (-i) \cdot i} = \sqrt{1 + 1} = \sqrt{2}$$

若 $\lVert \lvert v \rangle \rVert = 1$，则称 $\lvert v \rangle$ 为单位向量 (unit vector)。将任意非零向量归一化 (normalize) 的方法是除以它的范数：

$$\lvert \hat{v} \rangle = \frac{\lvert v \rangle}{\lVert \lvert v \rangle \rVert}$$

归一化后的向量满足 $\langle \hat{v} \mid \hat{v} \rangle = 1$。在量子力学中，量子态必须是归一化的，这对应于总概率为 1 的物理要求。例如，将上面的 $\lvert v \rangle$ 归一化得到：

$$\lvert \hat{v} \rangle = \frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ i \end{pmatrix}$$

验证：$\langle \hat{v} \mid \hat{v} \rangle = \frac{1}{2}(1 \cdot 1 + (-i) \cdot i) = \frac{1}{2}(1+1) = 1$。

由范数可以导出两个重要的不等式。柯西-施瓦茨不等式 (Cauchy–Schwarz inequality) 指出：

$$|\langle v \mid w \rangle| \leq \lVert \lvert v \rangle \rVert \cdot \lVert \lvert w \rangle \rVert$$

当且仅当两个向量线性相关时等号成立。三角不等式 (triangle inequality) 指出：

$$\lVert \lvert v \rangle + \lvert w \rangle \rVert \leq \lVert \lvert v \rangle \rVert + \lVert \lvert w \rangle \rVert$$

这两个不等式在分析量子态的叠加和演化时非常有用，例如限制两个量子态之间的保真度 (fidelity)。柯西-施瓦茨不等式的一个直接推论是，对于归一化的量子态，内积的模平方 $|\langle v \mid w \rangle|^2 \leq 1$，这保证了玻恩定则中的概率不会超过 1。此外，我们还可以定义两个非零向量之间的”夹角” $\theta$，满足 $\cos\theta = |\langle v \mid w \rangle| / (\lVert v \rVert \lVert w \rVert)$。当两个量子态正交时，$\theta = 90°$，这意味着它们是”垂直”的、完全可区分的状态。

正交性与标准正交基

两个向量 $\lvert v \rangle$ 和 $\lvert w \rangle$ 被称为正交 (orthogonal) 的，如果它们的内积为零：

$$\langle v \mid w \rangle = 0$$

正交意味着这两个向量在某种意义上是”垂直”的。在量子力学中，正交态具有极其重要的物理意义：它们代表可明确区分的物理状态。如果两个量子态正交，则测量绝不可能同时以非零概率得到这两个态的结果。这一性质是量子测量理论基础的一部分：正交态对应于互斥的测量结果。

一组向量 $\{\lvert e_1 \rangle, \lvert e_2 \rangle, \ldots, \lvert e_n \rangle\}$ 构成一个正交基 (orthogonal basis)，如果它们两两正交且线性无关。若进一步满足每个基向量都是单位向量：

$$\langle e_i \mid e_j \rangle = \delta_{ij} = \begin{cases} 1 & i = j \\ 0 & i \neq j \end{cases}$$

则称为标准正交基 (orthonormal basis)，其中 $\delta_{ij}$ 是克罗内克符号 (Kronecker delta)。在 1.2 节中我们提到的计算基 (computational basis) $\lvert 0 \rangle = \begin{pmatrix} 1 \\ 0 \end{pmatrix}$ 和 $\lvert 1 \rangle = \begin{pmatrix} 0 \\ 1 \end{pmatrix}$ 就是 $\mathbb{C}^2$ 的一组标准正交基，因为：

$$\langle 0 \mid 0 \rangle = 1, \quad \langle 1 \mid 1 \rangle = 1, \quad \langle 0 \mid 1 \rangle = 0$$

标准正交基的重要性在于它极大地简化了向量的展开和内积的计算。在标准正交基下，向量的分量可以直接通过内积得到：若 $\lvert v \rangle = \sum_i v_i \lvert e_i \rangle$，则 $v_i = \langle e_i \mid v \rangle$。任意两个向量的内积也可以写成对应分量乘积之和：$\langle v \mid w \rangle = \sum_i v_i^* w_i$。这种简洁性使得标准正交基成为量子计算中首选的基表示。

对于任意一组线性无关的向量，可以通过格拉姆-施密特正交化 (Gram–Schmidt process) 构造出一组标准正交基。该过程的核心思想是迭代地从每个向量中减去它在已构建正交向量上的投影分量。以二维空间为例，给定两个线性无关的向量 $\lvert a \rangle$ 和 $\lvert b \rangle$，构造过程如下：

首先令 $\lvert e_1 \rangle = \lvert a \rangle / \lVert \lvert a \rangle \rVert$。然后构造 $\lvert b' \rangle = \lvert b \rangle - \langle e_1 \mid b \rangle \lvert e_1 \rangle$，这相当于从 $\lvert b \rangle$ 中减去了它沿 $\lvert e_1 \rangle$ 方向的分量。最后归一化：$\lvert e_2 \rangle = \lvert b' \rangle / \lVert \lvert b' \rangle \rVert$。验证可知 $\langle e_1 \mid e_2 \rangle = 0$，且两者均为单位向量。这个过程可以推广到任意维数的空间，是构造标准正交基的通用算法。

投影算子

在 1.3 节中我们学习了线性算子 (linear operator) 和矩阵表示。现在，利用内积结构，我们可以定义一种特别重要的算子——投影算子 (projection operator)。给定一个归一化的向量 $\lvert v \rangle$，定义：

$$P_v = \lvert v \rangle \langle v \rvert$$

这个算子将任意向量 $\lvert w \rangle$ 投影到由 $\lvert v \rangle$ 张成的一维子空间上：

$$P_v \lvert w \rangle = \lvert v \rangle \langle v \mid w \rangle = (\langle v \mid w \rangle) \lvert v \rangle$$

结果是一个与 $\lvert v \rangle$ 平行的向量，其系数正是内积 $\langle v \mid w \rangle$。这个系数在量子力学中有着深刻的物理意义：它的模平方 $|\langle v \mid w \rangle|^2$ 给出了量子态 $\lvert w \rangle$ 被测量后坍缩到 $\lvert v \rangle$ 的概率。投影算子因此成为连接数学内积与物理测量概率的桥梁。

以 $\mathbb{C}^2$ 为例，取 $\lvert v \rangle = \lvert 0 \rangle = \begin{pmatrix} 1 \\ 0 \end{pmatrix}$，则投影算子的矩阵表示为：

$$P_0 = \lvert 0 \rangle \langle 0 \rvert = \begin{pmatrix} 1 \\ 0 \end{pmatrix} \begin{pmatrix} 1 & 0 \end{pmatrix} = \begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix}$$

类似地，$P_1 = \lvert 1 \rangle \langle 1 \rvert = \begin{pmatrix} 0 & 0 \\ 0 & 1 \end{pmatrix}$。易验证 $P_0^2 = P_0$ 和 $P_1^2 = P_1$，这是投影算子的特征性质：再次投影不改变结果，即 $P_v^2 = P_v$。此外，投影算子是厄米算子：$P_v^\dagger = P_v$。这两个性质——幂等性和厄米性——是投影算子的充分必要条件。

若 $\{\lvert e_i \rangle\}$ 是一组标准正交基，则对任意向量 $\lvert \psi \rangle$ 有展开式：

$$\lvert \psi \rangle = \sum_i \langle e_i \mid \psi \rangle \lvert e_i \rangle$$

这称为完备性关系 (completeness relation)。对应的算子形式为：

$$\sum_i \lvert e_i \rangle \langle e_i \rvert = I$$

其中 $I$ 是单位算子。这一恒等式在量子计算中无处不在，是进行基变换和推导公式的重要工具。例如，将任意算子 $A$ 插入完备性关系：$A = I A I = \sum_{i,j} \lvert e_i \rangle \langle e_i \rvert A \lvert e_j \rangle \langle e_j \rvert = \sum_{i,j} A_{ij} \lvert e_i \rangle \langle e_j \rvert$，其中 $A_{ij} = \langle e_i \rvert A \lvert e_j \rangle$ 正是 $A$ 在标准正交基下的矩阵元。完备性关系还可以用于将一个态展开到新的基中：$\lvert \psi \rangle = I \lvert \psi \rangle = \sum_i \lvert e_i \rangle \langle e_i \mid \psi \rangle$，这正是傅里叶展开在抽象向量空间中的类比。 让我们再考察一个显式例子来巩固内积的计算。设量子态 $\lvert \psi \rangle = \frac{1}{2}\begin{pmatrix} 1 \\ \sqrt{3} \end{pmatrix}$，计算其范数：

$$\lVert \lvert \psi \rangle \rVert = \sqrt{\frac{1}{4}(1 + 3)} = \sqrt{1} = 1$$

该态已经是归一化的。现在计算它与 $\lvert 0 \rangle$ 的内积：$\langle 0 \mid \psi \rangle = \frac{1}{2}$，因此测量得到 $\lvert 0 \rangle$ 的概率为 $|\langle 0 \mid \psi \rangle|^2 = \frac{1}{4}$。类似地，测量得到 $\lvert 1 \rangle$ 的概率为 $\frac{3}{4}$。两个概率之和为 1，符合归一化条件。这个例子清楚地展示了内积如何直接连接数学计算与物理测量结果。

从几何角度看，内积还可以用来定义两个向量之间的夹角。对于非零向量 $\lvert v \rangle$ 和 $\lvert w \rangle$，定义夹角 $\theta$ 满足：

$$\cos \theta = \frac{|\langle v \mid w \rangle|}{\lVert \lvert v \rangle \rVert \lVert \lvert w \rangle \rVert}$$

柯西-施瓦茨不等式保证了右端不超过 1。当 $\theta = 0$ 时，两个向量平行；当 $\theta = \pi/2$ 时，两个向量正交。在量子力学中，正交态对应完全可区分的测量结果，而平行态则代表相同的物理状态（仅差一个整体相位）。

小结 (Summary)：

本节从内积的定义出发，系统建立了量子力学所需的数学框架。内积 $\langle v \mid w \rangle$ 将复向量空间上的点积推广到抽象向量空间，其三大性质——共轭对称性、对第二个参数的线性性、正定性——保证了范数 $\lVert \lvert v \rangle \rVert = \sqrt{\langle v \mid v \rangle}$ 的良定义。正交性概念使我们可以定义标准正交基，而投影算子 $P_v = \lvert v \rangle \langle v \rvert$ 则给出了向一维子空间投影的显式操作。完备性关系 $\sum_i \lvert e_i \rangle \langle e_i \rvert = I$ 表明标准正交基足以表示空间中任意向量，为量子态在不同基下的展开提供了数学保证。柯西-施瓦茨不等式和三角不等式则从内积出发给出了向量间关系的基本约束。

与量子计算的连接 (Connection to Quantum Computing)：

内积是量子力学概率诠释的数学根源。量子态的归一化条件 $\langle \psi \mid \psi \rangle = 1$ 直接对应物理上的总概率守恒。两态之间的内积模平方 $|\langle \phi \mid \psi \rangle|^2$ 给出了玻恩定则 (Born rule) 中测量得到某个结果的概率。正交态 $\langle \phi \mid \psi \rangle = 0$ 意味着两个量子态可以被完全区分——测量绝不可能同时以非零概率得到两个正交态的结果。标准正交基构成了量子测量的可能结果集合，而投影算子则是量子测量公设的核心数学对象：测量算符的谱分解正是由一系列投影算子构成的。因此，本节的所有概念都直接支撑着量子比特 (qubit) 的状态描述和量子测量的数学形式，是理解量子算法和量子信息理论的基础。从量子门操作到量子纠错，从量子态层析到量子机器学习，内积结构无处不在。

---

1.5 特征值与特征向量 (Eigenvalues & Eigenvectors)

在 1.3 节中，我们学习了线性算子 (linear operator) 和矩阵表示，并熟悉了泡利矩阵 (Pauli matrices) 等具体的算子实例。本节将深入探讨线性算子的特征结构——特征值 (eigenvalue) 和特征向量 (eigenvector)。对于量子力学而言，这是最关键的一节：量子可观测量的可能测量结果对应于厄米算子 (Hermitian operator) 的特征值，而测量后系统的状态则坍缩到相应的特征向量上。谱定理 (spectral theorem) 将揭示厄米算子和酉算子 (unitary operator) 特征结构的深刻对称性，为量子力学的数学形式奠定基石。掌握本节内容是理解量子测量、量子演化和量子纠错码的必要前提。特征值问题不仅是线性代数的核心，更是连接抽象数学与物理可观测量的关键纽带。

特征方程

给定一个线性算子 $A$ 作用在向量空间 $V$ 上，如果存在一个非零向量 $\lvert v \rangle$ 和一个标量 $\lambda$，使得：

$$A \lvert v \rangle = \lambda \lvert v \rangle$$

则称 $\lambda$ 为 $A$ 的特征值，$\lvert v \rangle$ 为对应的特征向量。这个方程的含义非常直观：特征向量是那些经过算子 $A$ 作用后仅仅被拉伸或压缩（乘以标量 $\lambda$），而方向不变的向量。在物理上，这意味着特征向量代表那些在该算子描述的操作下保持”稳定”的状态。例如，若 $A$ 描述一个旋转操作，则旋转轴方向上的向量就是特征向量，特征值为 1（因为长度不变）。

将方程改写为 $(A - \lambda I)\lvert v \rangle = 0$，其中 $I$ 是单位算子。非零解存在的充要条件是算子 $(A - \lambda I)$ 奇异，即：

$$\det(A - \lambda I) = 0$$

这称为特征方程 (characteristic equation)。左端是关于 $\lambda$ 的多项式，称为特征多项式 (characteristic polynomial)。对于一个 $n \times n$ 矩阵，特征多项式是 $n$ 次多项式，因此有 $n$ 个（计重数）特征值。特征值可以是实数或复数，可以是单根或重根，这取决于矩阵的具体结构。

考虑一个 $2 \times 2$ 矩阵的例子：

$$A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$$

其特征多项式为：

$$\det\begin{pmatrix} a-\lambda & b \\ c & d-\lambda \end{pmatrix} = (a-\lambda)(d-\lambda) - bc = \lambda^2 - (a+d)\lambda + (ad-bc) = 0$$

系数 $(a+d)$ 是矩阵的迹 (trace)，$(ad-bc)$ 是行列式 (determinant)。这给出特征值的重要性质：特征值之和等于迹，特征值之积等于行列式。这一性质为验证特征值计算提供了简便方法。

显式计算：泡利 $Z$ 矩阵

让我们计算 1.3 节中引入的泡利 $Z$ 矩阵的特征值和特征向量：

$$Z = \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix}$$

特征方程为：

$$\det\begin{pmatrix} 1-\lambda & 0 \\ 0 & -1-\lambda \end{pmatrix} = (1-\lambda)(-1-\lambda) = 0$$

解得两个特征值：$\lambda_1 = 1$ 和 $\lambda_2 = -1$。验证：迹为 $1 + (-1) = 0$，等于特征值之和；行列式为 $1 \times (-1) - 0 = -1$，等于特征值之积。

对于 $\lambda_1 = 1$，解 $(Z - I)\lvert v \rangle = 0$：

$$\begin{pmatrix} 0 & 0 \\ 0 & -2 \end{pmatrix} \begin{pmatrix} v_1 \\ v_2 \end{pmatrix} = 0 \implies v_2 = 0$$

因此归一化的特征向量为 $\lvert e_1 \rangle = \begin{pmatrix} 1 \\ 0 \end{pmatrix} = \lvert 0 \rangle$。

对于 $\lambda_2 = -1$，解 $(Z + I)\lvert v \rangle = 0$：

$$\begin{pmatrix} 2 & 0 \\ 0 & 0 \end{pmatrix} \begin{pmatrix} v_1 \\ v_2 \end{pmatrix} = 0 \implies v_1 = 0$$

归一化的特征向量为 $\lvert e_2 \rangle = \begin{pmatrix} 0 \\ 1 \end{pmatrix} = \lvert 1 \rangle$。

注意到 $Z$ 矩阵的特征向量恰好是计算基 $\lvert 0 \rangle$ 和 $\lvert 1 \rangle$。这并非巧合：泡利 $Z$ 矩阵在量子力学中对应自旋沿 $z$ 轴的测量，其特征值 $\pm 1$ 分别代表自旋向上和自旋向下的测量结果。特征向量则是测量后系统坍缩到的最终状态。这一对应关系是量子测量公设的直接体现。

谱定理：厄米算子的对角化

现在我们进入本节的核心内容——谱定理 (spectral theorem)。在量子力学中，代表可观测量的算子都是厄米算子，即满足 $H = H^\dagger$（在 1.3 节中已定义）。谱定理告诉我们，厄米算子具有一系列美妙的性质，这些性质使得量子测量具有明确的物理意义。理解谱定理是掌握量子力学数学结构的关键。

性质一：厄米算子的特征值都是实数。

证明思路如下。设 $H$ 是厄米算子，$H\lvert v \rangle = \lambda \lvert v \rangle$，其中 $\lvert v \rangle \neq 0$。考虑 $\langle v \rvert H \lvert v \rangle$：

一方面，由特征方程：

$$\langle v \rvert H \lvert v \rangle = \langle v \rvert (\lambda \lvert v \rangle) = \lambda \langle v \mid v \rangle = \lambda \lVert \lvert v \rangle \rVert^2$$

另一方面，由厄米性质 $H = H^\dagger$：

$$\langle v \rvert H \lvert v \rangle = \langle v \rvert H^\dagger \lvert v \rangle = (H \lvert v \rangle)^\dagger \lvert v \rangle = (\lambda \lvert v \rangle)^\dagger \lvert v \rangle = \lambda^* \langle v \mid v \rangle = \lambda^* \lVert \lvert v \rangle \rVert^2$$

比较两式，因 $\lVert \lvert v \rangle \rVert^2 \neq 0$，故 $\lambda = \lambda^*$，即 $\lambda \in \mathbb{R}$。这一结论至关重要：量子测量的结果必须是实数，而厄米算子的实数特征值恰好保证了这一点。如果特征值是复数，那么测量结果将是复数，这与实验上只能读取到实数值的物理事实相矛盾。这一证明还展示了内积结构如何与算子的厄米性质结合，导出深刻的物理结论。

性质二：不同特征值对应的特征向量相互正交。

设 $H\lvert v \rangle = \lambda \lvert v \rangle$，$H\lvert w \rangle = \mu \lvert w \rangle$，且 $\lambda \neq \mu$。考虑 $\langle w \rvert H \lvert v \rangle$：

$$\langle w \rvert H \lvert v \rangle = \lambda \langle w \mid v \rangle$$

同时：

$$\langle w \rvert H \lvert v \rangle = \langle w \rvert H^\dagger \lvert v \rangle = (H\lvert w \rangle)^\dagger \lvert v \rangle = \mu^* \langle w \mid v \rangle = \mu \langle w \mid v \rangle$$

最后一步利用了 $\mu$ 是实数。因此：

$$(\lambda - \mu)\langle w \mid v \rangle = 0$$

由于 $\lambda \neq \mu$，必有 $\langle w \mid v \rangle = 0$，即两个特征向量正交。这意味着厄米算子的特征向量天然构成一组正交基。结合归一化条件，它们构成标准正交基，这是量子测量公设中”测量后系统处于某个本征态”的数学保证。正交性保证了不同测量结果是可区分的，这是量子测量理论的基础。

性质三：厄米算子可以谱分解。

对于有限维空间中的厄米算子 $H$，设其特征值为 $\lambda_1, \lambda_2, \ldots, \lambda_n$（允许重复），对应的归一化特征向量为 $\lvert e_1 \rangle, \lvert e_2 \rangle, \ldots, \lvert e_n \rangle$。谱定理断言：

$$H = \sum_{i=1}^{n} \lambda_i \lvert e_i \rangle \langle e_i \rvert$$

这就是谱分解 (spectral decomposition)。它将算子 $H$ 表示为一系列投影算子的加权和，权重即为特征值。这一分解在量子力学中具有根本性的重要性，因为它将抽象的算子表示为可以直接对应到物理测量的形式。每一个投影算子 $\lvert e_i \rangle \langle e_i \rvert$ 对应一个可能的测量结果，权重 $\lambda_i$ 则是该结果的数值。

显式计算：泡利 $X$ 矩阵的谱分解

让我们验证泡利 $X$ 矩阵的谱分解：

$$X = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}$$

特征方程为 $\det\begin{pmatrix} -\lambda & 1 \\ 1 & -\lambda \end{pmatrix} = \lambda^2 - 1 = 0$，特征值为 $\lambda_1 = 1$，$\lambda_2 = -1$。

对于 $\lambda_1 = 1$，解 $(X - I)\lvert v \rangle = 0$：

$$\begin{pmatrix} -1 & 1 \\ 1 & -1 \end{pmatrix} \begin{pmatrix} v_1 \\ v_2 \end{pmatrix} = 0 \implies v_1 = v_2$$

归一化得 $\lvert + \rangle = \frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ 1 \end{pmatrix}$。

对于 $\lambda_2 = -1$，解 $(X + I)\lvert v \rangle = 0$：

$$\begin{pmatrix} 1 & 1 \\ 1 & 1 \end{pmatrix} \begin{pmatrix} v_1 \\ v_2 \end{pmatrix} = 0 \implies v_1 = -v_2$$

归一化得 $\lvert - \rangle = \frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ -1 \end{pmatrix}$。

验证正交性：$\langle + \mid - \rangle = \frac{1}{2}(1 \cdot 1 + 1 \cdot (-1)) = 0$，确实正交。

现在进行谱分解：

$$X = (+1)\lvert + \rangle \langle + \rvert + (-1)\lvert - \rangle \langle - \rvert$$

计算投影算子的矩阵：

$$\lvert + \rangle \langle + \rvert = \frac{1}{2}\begin{pmatrix} 1 \\ 1 \end{pmatrix}\begin{pmatrix} 1 & 1 \end{pmatrix} = \frac{1}{2}\begin{pmatrix} 1 & 1 \\ 1 & 1 \end{pmatrix}$$ $$\lvert - \rangle \langle - \rvert = \frac{1}{2}\begin{pmatrix} 1 \\ -1 \end{pmatrix}\begin{pmatrix} 1 & -1 \end{pmatrix} = \frac{1}{2}\begin{pmatrix} 1 & -1 \\ -1 & 1 \end{pmatrix}$$

因此：

$$X = \frac{1}{2}\begin{pmatrix} 1 & 1 \\ 1 & 1 \end{pmatrix} - \frac{1}{2}\begin{pmatrix} 1 & -1 \\ -1 & 1 \end{pmatrix} = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}$$

验证成立。态 $\lvert + \rangle$ 和 $\lvert - \rangle$ 称为 $X$ 基或哈达玛基 (Hadamard basis)，在量子计算中广泛用于叠加态的构造。例如，哈达玛门 $H$ 的作用就是将计算基变换到 $X$ 基。

酉算子的特征值

在 1.3 节中我们定义了酉算子 (unitary operator)：满足 $U^\dagger U = U U^\dagger = I$ 的算子。酉算子描述量子态的时间演化，其特征值具有特殊性质。设 $U\lvert v \rangle = \lambda \lvert v \rangle$，则：

$$\langle v \rvert U^\dagger U \lvert v \rangle = \langle v \mid v \rangle = \lVert \lvert v \rangle \rVert^2$$

同时：

$$\langle v \rvert U^\dagger U \lvert v \rangle = (U\lvert v \rangle)^\dagger (U\lvert v \rangle) = (\lambda \lvert v \rangle)^\dagger (\lambda \lvert v \rangle) = \lambda^* \lambda \langle v \mid v \rangle = |\lambda|^2 \lVert \lvert v \rangle \rVert^2$$

因此 $|\lambda|^2 = 1$，即酉算子的特征值是模长为 1 的复数，可以写成 $e^{i\theta}$ 的形式，其中 $\theta \in \mathbb{R}$。例如，相位门 (phase gate) $P(\theta) = \begin{pmatrix} 1 & 0 \\ 0 & e^{i\theta} \end{pmatrix}$ 的特征值就是 $1$ 和 $e^{i\theta}$。这一性质保证了酉演化不会改变量子态的归一化条件。相位 $\theta$ 在量子干涉现象中起着核心作用，不同的相位可以导致相长干涉或相消干涉。 让我们再看一个非泡利矩阵的例子来加深理解。考虑厄米矩阵：

$$H = \begin{pmatrix} 3 & 1 \\ 1 & 3 \end{pmatrix}$$

其特征方程为 $\det\begin{pmatrix} 3-\lambda & 1 \\ 1 & 3-\lambda \end{pmatrix} = (3-\lambda)^2 - 1 = \lambda^2 - 6\lambda + 8 = 0$。解得 $\lambda_1 = 4$，$\lambda_2 = 2$。对于 $\lambda_1 = 4$，特征向量满足 $-v_1 + v_2 = 0$，归一化得 $\lvert e_1 \rangle = \frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ 1 \end{pmatrix}$。对于 $\lambda_2 = 2$，特征向量满足 $v_1 + v_2 = 0$，归一化得 $\lvert e_2 \rangle = \frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ -1 \end{pmatrix}$。验证正交性：$\langle e_1 \mid e_2 \rangle = 0$。谱分解为 $H = 4\lvert e_1 \rangle \langle e_1 \rvert + 2\lvert e_2 \rangle \langle e_2 \rvert$。这个例子说明，任何厄米矩阵都可以通过找到其特征向量基来实现对角化，这是量子测量理论的基础：如果我们用 $H$ 对应的物理量来测量系统，可能的结果是 4 或 2，对应概率取决于系统态在 $\lvert e_1 \rangle$ 和 $\lvert e_2 \rangle$ 上的投影。

关于简并 (degenerate) 特征值：当厄米算子存在重复的特征值时，属于该特征值的特征向量不唯一，而是张成一个子空间。例如恒等算子 $I$ 的所有特征值都是 1，任何向量都是其特征向量。在这种情况下，我们可以在这个子空间内任意选择一组标准正交基。简并性是量子系统对称性的体现：当系统具有某种对称性时，不同的量子态可能具有相同的能量本征值。处理简并情况需要借助额外的守恒量或对称性来确定合适的基。

特征值和特征向量的概念还可以推广到函数空间中的微分算子。例如量子力学中的位置算子 $\hat{x}$ 和动量算子 $\hat{p} = -i\hbar \frac{d}{dx}$ 都是无穷维空间中的算子。位置算子的”特征向量”是狄拉克函数 $\delta(x - x_0)$，对应的特征值是位置坐标 $x_0$；动量算子的特征向量是平面波 $e^{ipx/\hbar}$，对应的特征值是动量 $p$。虽然这些对象严格来说不属于希尔伯特空间，但通过引入 rigged Hilbert space 的框架，可以使数学严格化。这个视角揭示了特征值问题的普适性：它不仅是有限维矩阵的属性，更是所有线性算子的基本结构。

小结 (Summary)：

本节从特征方程 $A\lvert v \rangle = \lambda \lvert v \rangle$ 出发，系统研究了线性算子的特征结构。谱定理揭示了厄米算子的三大核心性质：特征值为实数、不同特征值对应的特征向量相互正交、以及算子可以分解为 $H = \sum_i \lambda_i \lvert e_i \rangle \langle e_i \rvert$。我们还证明了酉算子的特征值必为模长为 1 的复数 $e^{i\theta}$。通过泡利 $Z$ 矩阵和 $X$ 矩阵的显式计算，我们验证了这些抽象定理在具体算子上的体现，并展示了如何构造谱分解和验证其结果。特征值问题不仅提供了算子的”指纹”，更为量子测量理论提供了完整的数学框架。

与量子计算的连接 (Connection to Quantum Computing)：

谱定理是量子力学测量公设 (measurement postulate) 的数学基石。在量子力学中，每个物理可观测量对应一个厄米算子 $H$，其可能测量结果正是 $H$ 的实数特征值 $\lambda_i$。测量后量子态坍缩到对应的特征向量 $\lvert e_i \rangle$ 上。谱分解 $H = \sum_i \lambda_i \lvert e_i \rangle \langle e_i \rvert$ 中的投影算子 $\lvert e_i \rangle \langle e_i \rvert$ 直接给出了测量结果为 $\lambda_i$ 的概率：若系统处于态 $\lvert \psi \rangle$，则测得 $\lambda_i$ 的概率为 $\langle \psi \rvert (\lvert e_i \rangle \langle e_i \rvert) \lvert \psi \rangle = |\langle e_i \mid \psi \rangle|^2$，这正是玻恩定则。酉算子的特征值 $e^{i\theta}$ 则对应量子演化中累积的相位因子，在量子干涉和量子算法中扮演关键角色。因此，本节内容是理解量子测量、量子门操作和量子算法的不可或缺的理论基础。从量子模拟到量子化学计算，从量子优化到量子机器学习，特征值问题的求解都是核心计算任务。

---

1.6 张量积与多体系统 (Tensor Products & Composite Systems)

在前面的章节中，我们研究了单个量子比特 (qubit) 的数学描述，其状态空间是二维希尔伯特空间 $\mathbb{C}^2$。然而，真实的量子计算机包含多个量子比特，整个系统的状态空间不再是简单的 $\mathbb{C}^2$，而是需要通过张量积 (tensor product) 来构造的更大空间。张量积是描述多体量子系统 (multi-body quantum system) 的数学语言，也是理解量子纠缠 (quantum entanglement) 这一核心量子特性的必经之路。本节将建立在 1.2 节的向量空间和 1.3 节的线性算子基础之上，系统介绍张量积的定义、矩阵表示（克罗内克积），以及可分离态与纠缠态的区分。张量积是量子计算从单比特走向多比特、从理论走向实际应用的关键数学工具。没有张量积，我们就无法描述多量子比特的联合状态，也无法理解量子计算中那些超越经典计算能力的核心现象。

张量积的定义

给定两个向量空间 $V$ 和 $W$，其维数分别为 $\dim(V) = m$ 和 $\dim(W) = n$，它们的张量积 $V \otimes W$ 是一个新的向量空间，其维数为：

$$\dim(V \otimes W) = \dim(V) \cdot \dim(W) = m \cdot n$$

对于向量 $\lvert v \rangle \in V$ 和 $\lvert w \rangle \in W$，它们的张量积记为 $\lvert v \rangle \otimes \lvert w \rangle$，常简写为 $\lvert v \rangle \lvert w \rangle$ 或 $\lvert v w \rangle$。张量积与直和不同：直和空间的维数是维数之和，而张量积空间的维数是维数之积。这个指数增长是量子计算强大计算能力的数学根源。例如，两个量子比特的系统需要四维空间来描述，三个量子比特需要八维，而一百个量子比特则需要 $2^{100}$ 维——这个数字远远超过了宇宙中原子的总数。正是这种指数增长的态空间，使得量子系统能够编码和并行处理经典计算机难以模拟的信息量。

张量积对加法和标量乘法满足分配律：

$$\lvert v \rangle \otimes (\alpha \lvert w_1 \rangle + \beta \lvert w_2 \rangle) = \alpha (\lvert v \rangle \otimes \lvert w_1 \rangle) + \beta (\lvert v \rangle \otimes \lvert w_2 \rangle)$$ $$(\alpha \lvert v_1 \rangle + \beta \lvert v_2 \rangle) \otimes \lvert w \rangle = \alpha (\lvert v_1 \rangle \otimes \lvert w \rangle) + \beta (\lvert v_2 \rangle \otimes \lvert w \rangle)$$

但一般而言，$(\lvert v_1 \rangle + \lvert v_2 \rangle) \otimes (\lvert w_1 \rangle + \lvert w_2 \rangle) \neq \lvert v_1 \rangle \otimes \lvert w_1 \rangle + \lvert v_2 \rangle \otimes \lvert w_2 \rangle$。正确的展开应包含四项，这反映了张量积态空间结构的丰富性。

两量子比特系统的基

考虑量子计算中最重要的情形：$V = W = \mathbb{C}^2$。设 $\{\lvert 0 \rangle, \lvert 1 \rangle\}$ 是 $\mathbb{C}^2$ 的计算基，则 $\mathbb{C}^2 \otimes \mathbb{C}^2 = \mathbb{C}^4$ 的一组自然基由以下四个基向量构成：

$$\lvert 00 \rangle = \lvert 0 \rangle \otimes \lvert 0 \rangle = \begin{pmatrix} 1 \\ 0 \\ 0 \\ 0 \end{pmatrix}, \quad \lvert 01 \rangle = \lvert 0 \rangle \otimes \lvert 1 \rangle = \begin{pmatrix} 0 \\ 1 \\ 0 \\ 0 \end{pmatrix}$$ $$\lvert 10 \rangle = \lvert 1 \rangle \otimes \lvert 0 \rangle = \begin{pmatrix} 0 \\ 0 \\ 1 \\ 0 \end{pmatrix}, \quad \lvert 11 \rangle = \lvert 1 \rangle \otimes \lvert 1 \rangle = \begin{pmatrix} 0 \\ 0 \\ 0 \\ 1 \end{pmatrix}$$

其中列向量的形式来源于张量积的具体构造：若 $\lvert v \rangle = \begin{pmatrix} v_1 \\ v_2 \end{pmatrix}$，$\lvert w \rangle = \begin{pmatrix} w_1 \\ w_2 \end{pmatrix}$，则：

$$\lvert v \rangle \otimes \lvert w \rangle = \begin{pmatrix} v_1 w_1 \\ v_1 w_2 \\ v_2 w_1 \\ v_2 w_2 \end{pmatrix}$$

例如：

$$\lvert 0 \rangle \otimes \lvert 0 \rangle = \begin{pmatrix} 1 \cdot 1 \\ 1 \cdot 0 \\ 0 \cdot 1 \\ 0 \cdot 0 \end{pmatrix} = \begin{pmatrix} 1 \\ 0 \\ 0 \\ 0 \end{pmatrix}$$

验证 $\lvert 0 \rangle \otimes \lvert 1 \rangle$：

$$\lvert 0 \rangle \otimes \lvert 1 \rangle = \begin{pmatrix} 1 \cdot 0 \\ 1 \cdot 1 \\ 0 \cdot 0 \\ 0 \cdot 1 \end{pmatrix} = \begin{pmatrix} 0 \\ 1 \\ 0 \\ 0 \end{pmatrix}$$

这四个基向量构成 $\mathbb{C}^4$ 的标准正交基 (orthonormal basis)，满足 $\langle ij \mid kl \rangle = \delta_{ik}\delta_{jl}$。对于一般的双量子比特态，可以在这组基上展开：

$$\lvert \psi \rangle = \alpha_{00}\lvert 00 \rangle + \alpha_{01}\lvert 01 \rangle + \alpha_{10}\lvert 10 \rangle + \alpha_{11}\lvert 11 \rangle$$

其中复数系数满足归一化条件 $|\alpha_{00}|^2 + |\alpha_{01}|^2 + |\alpha_{10}|^2 + |\alpha_{11}|^2 = 1$。这个四维复向量空间中的归一化向量就是两个量子比特的量子态。值得注意的是，四个复系数中有一个整体相位可以被忽略，因此两个量子比特的纯态实际上由六个实参数描述，远多于两个经典比特的两个二进制参数。

矩阵张量积：克罗内克积

算子也可以做张量积。给定 $m \times m$ 矩阵 $A$ 和 $n \times n$ 矩阵 $B$，它们的克罗内克积 (Kronecker product) $A \otimes B$ 是一个 $(mn) \times (mn)$ 的分块矩阵：

$$A \otimes B = \begin{pmatrix} a_{11}B & a_{12}B & \cdots & a_{1m}B \\ a_{21}B & a_{22}B & \cdots & a_{2m}B \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1}B & a_{m2}B & \cdots & a_{mm}B \end{pmatrix}$$

即把 $A$ 的每个元素 $a_{ij}$ 替换为 $a_{ij}B$。克罗内克积满足以下重要性质：

$$(A \otimes B)(\lvert v \rangle \otimes \lvert w \rangle) = (A\lvert v \rangle) \otimes (B\lvert w \rangle)$$

以及：

$$(A \otimes B)(C \otimes D) = (AC) \otimes (BD)$$

第一个性质说明张量积算子作用于张量积态时，相当于各自算子分别作用于各自的子系统。这符合物理直觉：如果两个子系统独立演化，整体演化就是各自演化的张量积。第二个性质则保证了多步演化可以按顺序进行矩阵乘法。

显式计算：$2 \times 2$ 克罗内克积

让我们计算一个具体的例子。取泡利 $Z$ 矩阵和泡利 $X$ 矩阵：

$$Z = \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix}, \quad X = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}$$

计算 $Z \otimes X$：

$$Z \otimes X = \begin{pmatrix} 1 \cdot X & 0 \cdot X \\ 0 \cdot X & (-1) \cdot X \end{pmatrix} = \begin{pmatrix} X & 0 \\ 0 & -X \end{pmatrix}$$

展开为 $4 \times 4$ 矩阵：

$$Z \otimes X = \begin{pmatrix} 0 & 1 & 0 & 0 \\ 1 & 0 & 0 & 0 \\ 0 & 0 & 0 & -1 \\ 0 & 0 & -1 & 0 \end{pmatrix}$$

让我们验证这个矩阵如何作用于张量积态 $\lvert 0 \rangle \otimes \lvert + \rangle$，其中 $\lvert + \rangle = \frac{1}{\sqrt{2}}(\lvert 0 \rangle + \lvert 1 \rangle)$。

先计算 $(Z \otimes X)(\lvert 0 \rangle \otimes \lvert + \rangle)$。根据克罗内克积的性质，这等于 $(Z\lvert 0 \rangle) \otimes (X\lvert + \rangle) = \lvert 0 \rangle \otimes \lvert + \rangle$，因为 $Z\lvert 0 \rangle = \lvert 0 \rangle$（$\lvert 0 \rangle$ 是 $Z$ 的特征向量，特征值为 $+1$），且 $X\lvert + \rangle = \lvert + \rangle$（$\lvert + \rangle$ 是 $X$ 的特征向量，特征值为 $+1$，见 1.5 节）。

用矩阵乘法验证：$\lvert 0 \rangle \otimes \lvert + \rangle = \frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ 1 \\ 0 \\ 0 \end{pmatrix}$。

$$(Z \otimes X) \cdot \frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ 1 \\ 0 \\ 0 \end{pmatrix} = \frac{1}{\sqrt{2}}\begin{pmatrix} 0 & 1 & 0 & 0 \\ 1 & 0 & 0 & 0 \\ 0 & 0 & 0 & -1 \\ 0 & 0 & -1 & 0 \end{pmatrix} \begin{pmatrix} 1 \\ 1 \\ 0 \\ 0 \end{pmatrix} = \frac{1}{\sqrt{2}}\begin{pmatrix} 1 \\ 1 \\ 0 \\ 0 \end{pmatrix}$$

验证成立。这说明 $\lvert 0 \rangle \otimes \lvert + \rangle$ 是 $Z \otimes X$ 的特征向量，特征值为 $+1$。

再计算 $X \otimes Z$：

$$X \otimes Z = \begin{pmatrix} 0 \cdot Z & 1 \cdot Z \\ 1 \cdot Z & 0 \cdot Z \end{pmatrix} = \begin{pmatrix} 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & -1 \\ 1 & 0 & 0 & 0 \\ 0 & -1 & 0 & 0 \end{pmatrix}$$

注意张量积一般不满足交换律：$Z \otimes X \neq X \otimes Z$。这与量子系统的物理直觉一致：第一个量子比特上的 $Z$ 操作与第二个量子比特上的 $X$ 操作，不同于第一个量子比特上的 $X$ 操作与第二个量子比特上的 $Z$ 操作。操作顺序的不同会导致不同的物理结果。这一非交换性是量子门操作不可随意交换顺序的数学体现。

受控非门 (CNOT) 的矩阵

量子计算中最重要的双量子比特门之一是受控非门 (Controlled-NOT gate, CNOT)。它的物理含义是：若第一个量子比特（控制位）处于 $\lvert 1 \rangle$ 态，则对第二个量子比特（目标位）施加 $X$ 门（即取反）；若控制位处于 $\lvert 0 \rangle$ 态，则目标位保持不变。CNOT 门是实现通用量子计算的基本门之一。没有 CNOT 门，仅靠单量子比特门无法实现任意量子计算，因为单量子比特门只能对每个比特独立操作，无法建立比特之间的关联。

利用 1.4 节引入的投影算子 $P_0 = \lvert 0 \rangle \langle 0 \rvert = \begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix}$ 和 $P_1 = \lvert 1 \rangle \langle 1 \rvert = \begin{pmatrix} 0 & 0 \\ 0 & 1 \end{pmatrix}$，CNOT 门可以简洁地表示为：

$$\text{CNOT} = P_0 \otimes I + P_1 \otimes X$$

其中 $I$ 是 $2 \times 2$ 单位矩阵。这个表达式的物理意义非常清晰：当控制位为 0 时（投影到 $P_0$），目标位保持不变（$I$）；当控制位为 1 时（投影到 $P_1$），目标位被翻转（$X$）。这种用投影算子表示条件操作的方法可以推广到更复杂的多控制门。

让我们展开这个表达式：

$$P_0 \otimes I = \begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix} \otimes \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} = \begin{pmatrix} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \end{pmatrix}$$ $$P_1 \otimes X = \begin{pmatrix} 0 & 0 \\ 0 & 1 \end{pmatrix} \otimes \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} = \begin{pmatrix} 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 1 \\ 0 & 0 & 1 & 0 \end{pmatrix}$$

相加得到 CNOT 门的 $4 \times 4$ 矩阵：

$$\text{CNOT} = \begin{pmatrix} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 1 \\ 0 & 0 & 1 & 0 \end{pmatrix}$$

验证 CNOT 门对基态的作用：

• $\text{CNOT}\lvert 00 \rangle = \begin{pmatrix} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 1 \\ 0 & 0 & 1 & 0 \end{pmatrix}\begin{pmatrix} 1 \\ 0 \\ 0 \\ 0 \end{pmatrix} = \begin{pmatrix} 1 \\ 0 \\ 0 \\ 0 \end{pmatrix} = \lvert 00 \rangle$（控制位为 0，目标位不变）
• $\text{CNOT}\lvert 01 \rangle = \begin{pmatrix} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 1 \\ 0 & 0 & 1 & 0 \end{pmatrix}\begin{pmatrix} 0 \\ 1 \\ 0 \\ 0 \end{pmatrix} = \begin{pmatrix} 0 \\ 1 \\ 0 \\ 0 \end{pmatrix} = \lvert 01 \rangle$（控制位为 0，目标位不变）
• $\text{CNOT}\lvert 10 \rangle = \begin{pmatrix} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 1 \\ 0 & 0 & 1 & 0 \end{pmatrix}\begin{pmatrix} 0 \\ 0 \\ 1 \\ 0 \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \\ 0 \\ 1 \end{pmatrix} = \lvert 11 \rangle$（控制位为 1，目标位翻转）
• $\text{CNOT}\lvert 11 \rangle = \begin{pmatrix} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 1 \\ 0 & 0 & 1 & 0 \end{pmatrix}\begin{pmatrix} 0 \\ 0 \\ 0 \\ 1 \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \\ 1 \\ 0 \end{pmatrix} = \lvert 10 \rangle$（控制位为 1，目标位翻转）

这与 CNOT 门的定义完全一致。值得注意的是，CNOT 门本身是一个酉矩阵，满足 $\text{CNOT}^\dagger \cdot \text{CNOT} = I$，这保证了量子态演化后的归一化条件仍然满足。

可分离态与纠缠态

在多体量子系统中，态矢量可以分为两类。可分离态 (separable state) 可以写成单个张量积的形式：

$$\lvert \psi \rangle = \lvert a \rangle \otimes \lvert b \rangle$$

例如 $\lvert 0 \rangle \otimes \lvert + \rangle$ 就是一个可分离态。在这类态中，两个子系统的性质是”独立”的：对其中一个子系统的测量不会立即影响另一个子系统。可分离态的测量统计可以用经典概率论描述。经典物理中的任何复合系统都可以看作是可分离态的统计混合。

然而，并非所有态都是可分离的。纠缠态 (entangled state) 是指不能写成单个张量积形式的态。最经典的例子是贝尔态 (Bell state)：

$$\lvert \Phi^+ \rangle = \frac{1}{\sqrt{2}}(\lvert 00 \rangle + \lvert 11 \rangle)$$

让我们验证这是一个纠缠态。假设它可以分解为 $\lvert a \rangle \otimes \lvert b \rangle$，其中 $\lvert a \rangle = \alpha\lvert 0 \rangle + \beta\lvert 1 \rangle$，$\lvert b \rangle = \gamma\lvert 0 \rangle + \delta\lvert 1 \rangle$。展开后：

$$\lvert a \rangle \otimes \lvert b \rangle = \alpha\gamma\lvert 00 \rangle + \alpha\delta\lvert 01 \rangle + \beta\gamma\lvert 10 \rangle + \beta\delta\lvert 11 \rangle$$

要与 $\frac{1}{\sqrt{2}}(\lvert 00 \rangle + \lvert 11 \rangle)$ 相等，需要 $\alpha\delta = 0$ 和 $\beta\gamma = 0$，但同时 $\alpha\gamma = \beta\delta = 1/\sqrt{2} \neq 0$，这是不可能的。因此 $\lvert \Phi^+ \rangle$ 不能分解为单个张量积，它是一个纠缠态。纠缠态的存在是量子力学与经典物理最根本的区别之一。

纠缠态具有非经典的关联特性：即使两个量子比特在空间上相距遥远，对其中一个的测量会瞬时影响另一个的状态。爱因斯坦称之为”幽灵般的超距作用” (spooky action at a distance)。需要强调的是，这种关联不能用于超光速通信，因为测量结果是随机的，双方必须通过经典信道比对结果才能发现关联。纠缠是量子计算和量子通信的核心资源，量子隐形传态 (quantum teleportation)、超密编码 (superdense coding) 和量子纠错 (quantum error correction) 都依赖于纠缠态的操控。我们将在 3.3 节中详细展开纠缠的理论和应用。贝尔态不仅在理论上重要，还已在大量实验中被制备和验证，是量子信息科学中最基本的资源态之一。 让我们进一步考察张量积在三个量子比特系统中的体现。三量子比特的计算基为 $\lvert 000 \rangle, \lvert 001 \rangle, \ldots, \lvert 111 \rangle$，共八个基向量，张成 $\mathbb{C}^8$ 空间。一般的纯态为：

$$\lvert \psi \rangle = \sum_{i,j,k \in \{0,1\}} \alpha_{ijk} \lvert ijk \rangle$$

归一化条件要求 $\sum |\alpha_{ijk}|^2 = 1$。这种指数增长意味着，描述 $n$ 个量子比特的量子态需要 $2^n$ 个复振幅，即使是中等规模的量子系统也已远远超出经典计算机的模拟能力。这正是量子计算强大计算潜力的数学根源：量子系统天然工作在指数维度的空间中。

对于三量子比特系统，我们也可以构造更复杂的纠缠态。例如格林伯格-霍恩-蔡林格态 (GHZ state)：

$$\lvert \text{GHZ} \rangle = \frac{1}{\sqrt{2}}(\lvert 000 \rangle + \lvert 111 \rangle)$$

这个态同样是纠缠态，且其纠缠结构比双量子比特的贝尔态更为复杂。在多体量子系统中，纠缠的形式和度量成为一个丰富的研究领域，涉及纠缠熵、纠缠谱等概念。这些工具在量子纠错和量子多体物理中发挥着重要作用。

张量积的概念还可以推广到两个不同维度的子系统。例如一个量子比特与一个量子三能级系统（qutrit）的复合系统，其状态空间为 $\mathbb{C}^2 \otimes \mathbb{C}^3 = \mathbb{C}^6$。这种混合维度的张量积在量子通信和量子密码学中有重要应用。更一般地，对于任意两个有限维希尔伯特空间 $\mathcal{H}_A$ 和 $\mathcal{H}_B$，复合系统的状态空间总是它们的张量积 $\mathcal{H}_A \otimes \mathcal{H}_B$。这一构造是量子力学作为基本物理理论的数学核心，因为它允许我们将独立的子系统组合成更复杂的整体，同时保持每个子系统的个体特性。

小结 (Summary)：

本节介绍了张量积作为描述多体量子系统的数学工具。两个向量空间的张量积的维数是原来维数的乘积，$\mathbb{C}^2 \otimes \mathbb{C}^2 = \mathbb{C}^4$ 的显式基为 $\lvert 00 \rangle, \lvert 01 \rangle, \lvert 10 \rangle, \lvert 11 \rangle$。算子的张量积通过克罗内克积实现，并给出了 $Z \otimes X$ 和 $X \otimes Z$ 的完整 $4 \times 4$ 矩阵展开。我们推导了量子计算中最重要的双量子比特门——CNOT 门的 $4 \times 4$ 矩阵表示，并验证了它对计算基的作用。最后，我们区分了可分离态和纠缠态的概念，引入了贝尔态作为纠缠的典范例子，并简要讨论了纠缠在量子信息中的核心地位。张量积不仅是数学构造，更是理解量子计算指数级态空间和量子非经典关联的必经之路。

与量子计算的连接 (Connection to Quantum Computing)：

张量积是量子计算多比特系统的数学基础。$n$ 个量子比特的联合状态空间是 $(\mathbb{C}^2)^{\otimes n} = \mathbb{C}^{2^n}$，维数随量子比特数指数增长，这是量子计算潜在计算能力的来源。经典计算机描述 $n$ 比特系统需要 $n$ 个比特，而量子计算机描述 $n$ 个量子比特需要 $2^n$ 个复振幅，这个指数增长使得量子系统可以编码和并行处理指数级的信息。CNOT 门与单量子比特门（如哈达玛门 $H$、相位门 $S$、$T$ 门）一起构成了通用量子门集 (universal gate set)，任何量子计算都可以由这些门逼近实现。纠缠态如贝尔态是量子算法（如肖尔算法、格罗弗算法）和量子通信协议的关键资源。理解张量积和纠缠，是掌握量子计算从单比特走向多比特、从理论走向应用的必经之路。现代量子计算的所有前沿领域——从量子纠错到量子模拟，从量子机器学习到量子密码学——都深深植根于张量积和纠缠的数学结构之中。

---

1.7 概率论基础 (Probability Theory Foundations)

如果你曾抛掷过一枚硬币，你已经接触过概率 (probability) 的直觉：正面朝上的可能性是 $1/2$，反面也是 $1/2$。量子计算同样离不开概率，但它使用的概率体系与经典世界有本质区别。本节从熟悉的经典概率出发，逐步揭示量子概率的独特面貌。概率论不仅是现代统计学的根基，更是理解量子力学数学框架的必经之路。在量子计算中，我们将频繁遇到”测量结果的概率”、“量子态的期望值”等概念，而这些都建立在概率论的公理化基础之上。

1.7.1 概率空间

一次随机试验的所有可能结果构成样本空间 (sample space)，记作 $\Omega$。例如，抛掷一枚公平硬币时，$\Omega = \{\text{正面}, \text{反面}\}$；掷一个六面骰子时，$\Omega = \{1,2,3,4,5,6\}$。$\Omega$ 的任意子集称为事件 (event)。

概率测度 (probability measure) $P$ 为每个事件分配一个介于 $0$ 和 $1$ 之间的数值，满足两条公理：

• 非负性与有界性：对任意事件 $A$，有 $0 \leq P(A) \leq 1$
• 归一性：整个样本空间的概率为 $1$，即 $P(\Omega) = 1$
• 可加性：若 $A$ 与 $B$ 互斥（不能同时发生），则 $P(A \cup B) = P(A) + P(B)$

这三条公理是整个经典概率论的基石。

为了更直观地理解，我们可以把样本空间想象成一个装有所有可能结果的大盒子。每个结果就像盒子里的一颗小球，而事件则是由若干小球组成的集合。概率测度 $P$ 的作用，就是为每一个这样的集合分配一个”权重”——这个权重告诉我们，在重复进行随机试验时，该集合中的结果出现的相对频率。当两个事件互斥时，它们的并集的概率就等于各自概率之和，这完全符合我们的日常直觉：一枚硬币不可能同时既正面朝上又反面朝上，所以”正面或反面”的概率就是两者概率的简单相加。

在量子计算中，样本空间的概念将被推广到希尔伯特空间 (Hilbert space)，而事件则对应于该空间中的子空间或投影算符。这种推广保留了概率测度的核心思想——为”可能性”分配数值——但赋予其更加丰富的代数结构。

1.7.2 随机变量

为了用数值描述随机现象，我们引入随机变量 (random variable) $X$，它是从样本空间到实数的映射。随机变量分为两类：

离散型随机变量 (discrete random variable)：取值可数（如骰子的点数）。其分布由概率质量函数 (probability mass function, PMF) 描述： $p(x_i) = P(X = x_i)$

连续型随机变量 (continuous random variable)：取值连续（如电子元件的寿命）。其分布由概率密度函数 (probability density function, PDF) $f(x)$ 描述，事件 $X \in [a,b]$ 的概率为 $P(a \leq X \leq b) = \int_a^b f(x)\, dx$

随机变量的引入是概率论走向实用化的关键一步。通过将抽象的”事件”转化为具体的”数值”，我们能够对随机现象进行定量的分析和计算。离散型随机变量适合描述可数的结果，例如量子测量中某个特定本征值出现的次数；连续型随机变量则适合描述物理量的连续变化，例如粒子在空间中的位置坐标。

在量子力学中，可观测量 (observable) 本质上就是一种特殊的随机变量——只不过它的取值不再是固定的实数，而是与量子态的测量结果相关联的本征值。当我们对量子系统进行测量时，测量结果就是一个随机变量，其概率分布由量子态在该可观测量本征基上的展开系数决定。

1.7.3 期望与方差

期望 (expectation) 描述随机变量的”平均值”。对于离散型随机变量，期望的显式定义为 $\mathbb{E}[X] = \sum_i x_i \, P(X = x_i)$ 对于连续型随机变量，则为 $\mathbb{E}[X] = \int_{-\infty}^{\infty} x \, f(x)\, dx$

方差 (variance) 衡量随机变量偏离其期望的程度： $\text{Var}(X) = \mathbb{E}\left[(X - \mathbb{E}[X])^2\right] = \mathbb{E}[X^2] - \bigl(\mathbb{E}[X]\bigr)^2$

方差的第二个等式是计算中常用的简便形式：先算 $X^2$ 的期望，再减去期望的平方。

期望和方差是描述随机变量最重要的两个数字特征。期望告诉我们随机变量的”中心位置”——如果我们重复进行无数次试验并取平均值，这个平均值就会收敛到期望值。方差则告诉我们随机变量的”分散程度”——方差越大，随机变量的取值越偏离其中心；方差越小，取值就越集中在期望附近。

在量子力学中，期望的概念对应于量子期望值 (quantum expectation value)。对于一个量子态 $|\psi\rangle$ 和可观测量 $A$，其期望值为 $\langle\psi|A|\psi\rangle$。这正是我们在量子计算中经常需要计算的数学对象。而方差在量子力学中则对应于不确定性 (uncertainty)——著名的海森堡不确定性原理本质上就是关于两个不对易可观测量方差之间的不等式关系。当我们说”某个物理量的测量结果不确定”时，数学上就是在说该物理量对应随机变量的方差不为零。

1.7.4 条件概率与贝叶斯定理

条件概率 (conditional probability) 描述在已知某事件发生的前提下，另一事件发生的概率： $P(A \mid B) = \frac{P(A \cap B)}{P(B)}, \qquad P(B) > 0$

贝叶斯定理 (Bayes’ theorem) 将条件概率反过来写，在统计推断中具有核心地位： $P(A \mid B) = \frac{P(B \mid A) \, P(A)}{P(B)}$

条件概率和贝叶斯定理是概率论中最具哲学深度的概念之一。条件概率回答了这样一个问题：当我们获得新的信息（事件 $B$ 发生）时，应该如何更新我们对其他事件（事件 $A$）发生概率的信念？而贝叶斯定理则提供了一种从”原因推结果”的概率（$P(B \mid A)$，即似然）反推”结果溯原因”的概率（$P(A \mid B)$，即后验）的数学框架。这一框架不仅是现代统计学和机器学习的基础，也与量子测量理论有着深刻的联系。

数值例子：假设某种疾病的患病率为 $1\%$（$P(D)=0.01$），检测的准确率为：患者检测阳性的概率 $P(T+ \mid D) = 0.99$，健康者检测阳性的概率 $P(T+ \mid \neg D) = 0.05$。那么检测为阳性时实际患病的概率为 $P(D \mid T+) = \frac{0.99 \times 0.01}{0.99 \times 0.01 + 0.05 \times 0.99} \approx 0.167$

这个看似反直觉的结果（阳性却只有约 $16.7\%$ 真患病）正是条件概率力量的体现。让我们更详细地拆解这个计算过程：分子 $0.99 \times 0.01 = 0.0099$ 表示”真阳性”的概率——既患病又检测出阳性的联合概率。分母由两部分组成：第一部分是真阳性概率 $0.0099$，第二部分是”假阳性”概率 $0.05 \times 0.99 = 0.0495$，即健康人中被误判为阳性的概率。分母总和为 $0.0099 + 0.0495 = 0.0594$，代表所有检测出阳性的情况（无论真假）。因此，在检测阳性的条件下实际患病的概率就是真阳性占所有阳性的比例：$0.0099 / 0.0594 \approx 0.167$。这个结果之所以如此低，是因为疾病本身罕见（仅 $1\%$ 患病率），而假阳性的绝对数量远多于真阳性。

在量子计算中，条件概率的概念对应于量子测量更新。当我们对一个量子系统进行部分测量并获得某个结果时，系统的量子态会发生”坍缩”，未测量部分的量子态也随之更新。这种更新过程虽然与经典条件概率在数学形式上有所不同，但在概念上都体现了”获得新信息后对系统状态进行修正”的思想。

1.7.5 经典概率 vs 量子概率

经典概率与量子概率的最关键区别，在于量子世界使用概率幅 (probability amplitude) 而非直接的概率。

在经典概率中，若一个事件可以通过两种互斥方式发生，总概率是两者之和： $P_{\text{总}} = P_1 + P_2$

在量子力学中，每种方式对应一个复数概率幅 $\psi_1$ 和 $\psi_2$，而观测到的概率是概率幅的模平方： $P_1 = |\psi_1|^2, \qquad P_2 = |\psi_2|^2$

当两种方式同时存在时，总概率幅为 $\psi_1 + \psi_2$，对应的概率为 $P_{\text{总}} = |\psi_1 + \psi_2|^2 = |\psi_1|^2 + |\psi_2|^2 + \underbrace{\psi_1 \psi_2^* + \psi_1^* \psi_2}_{\text{干涉项}}$

注意交叉项（干涉项）的出现！这意味着 $|\psi_1 + \psi_2|^2 \neq |\psi_1|^2 + |\psi_2|^2$

用更简单的代数类比：令 $\psi_1 = a$，$\psi_2 = b$ 为两个复数，则 $|a + b|^2 = (a + b)(a^* + b^*) = |a|^2 + |b|^2 + a b^* + a^* b$

若 $a$ 和 $b$ 是实数，交叉项为 $2ab$；若 $ab < 0$，这一项会抵消部分概率，导致相消干涉 (destructive interference)；若 $ab > 0$，则相长干涉 (constructive interference)。正是这种干涉效应，使得量子粒子表现得像波一样。

双缝类比：想象粒子通过左缝到达屏幕某点的概率幅为 $\psi_L$，通过右缝为 $\psi_R$。经典思维会告诉你总概率是 $|\psi_L|^2 + |\psi_R|^2$；但量子力学给出的是 $|\psi_L + \psi_R|^2$。当两缝到该点的距离差导致 $\psi_L \approx -\psi_R$ 时，交叉项几乎完全抵消，该点概率趋于零——这就是著名的双缝干涉暗纹。

这一区别是量子计算全部魔法的数学根源。理解这一区别的关键在于认识到：在量子力学中，概率幅才是基本的物理量，而概率只是概率幅的衍生物。概率幅满足线性叠加原理——两个概率幅可以相加得到新的概率幅——但概率本身不满足这一原理。这就是为什么量子系统可以同时处于多个状态的”叠加态”，而经典系统只能处于其中一个状态。

从更深层次看，经典概率论建立在集合论的基础之上——样本空间是结果的集合，事件是子集，概率是集合上的测度。而量子概率论建立在线性代数的基础之上——量子态是希尔伯特空间中的向量，可观测量是厄米算符，概率由态向量和算符的内积给出。这种从”集合”到”向量空间”的跃迁，正是量子力学与经典物理最根本的数学差异。

小结 (Summary)：

本节构建了经典概率论的基本框架：概率空间 $(\Omega, P)$、随机变量及其期望与方差、条件概率与贝叶斯定理。核心要点在于，经典概率是事件集合上的测度，互斥事件的概率直接相加。而量子概率的核心区别是：概率由复数概率幅的模平方给出，叠加时产生干涉项 $ab^* + a^*b$，使得总概率不等于分概率之和。期望和方差的概念在量子力学中对应于量子期望值和不确定性，是后续学习量子算法时频繁使用的数学工具。条件概率和贝叶斯定理则为我们理解量子测量更新提供了经典类比。

与量子计算的连接 (Connection to Quantum Computing)：

量子计算中的量子比特 (qubit) 状态由概率幅描述，如 $|\psi\rangle = \alpha|0\rangle + \beta|1\rangle$，测量得到 $|0\rangle$ 的概率为 $|\alpha|^2$。量子算法的设计本质上是对概率幅的精确操控，利用干涉效应放大正确答案的概率幅、抑制错误答案的概率幅。例如，Grover 搜索算法通过构造性的振幅放大，将目标状态的概率幅从 $1/\sqrt{N}$ 提升至接近 $1$。量子期望值的计算则是评估量子算法性能的重要手段——我们常常需要计算某个可观测量在算法输出态上的期望值，以判断算法是否达到了预期的优化目标。理解经典概率与量子概率的根本区别，是掌握量子算法设计哲学的必要前提。

---

1.8 傅里叶分析入门 (Fourier Analysis Primer)

如果你曾用音乐软件查看一段音频的频谱，你已经接触过傅里叶分析的直觉：任何复杂的声音都可以分解为不同频率正弦波的叠加。这种”分解与叠加”的思想，正是量子算法中若干关键加速的数学引擎。傅里叶分析不仅在信号处理、图像压缩、通信工程等领域无处不在，在量子计算中更是扮演着核心角色——量子傅里叶变换（QFT）是Shor算法、量子相位估计等算法的基石。

1.8.1 从周期函数到傅里叶级数

傅里叶级数 (Fourier series) 的惊人洞见是：任何足够良好的周期函数 $f(x)$（周期为 $T$）都可以写成复指数函数的无穷级数： $f(x) = \sum_{n=-\infty}^{\infty} c_n \, e^{2\pi i n x / T}$

其中系数 $c_n$ 由积分给出。这相当于说，函数空间中有一组”标准正交基” $\{e^{2\pi i n x / T}\}$，任何周期函数都可以在这组基下展开。从物理上看，这就是把信号分解为不同频率的纯音。

傅里叶级数的核心思想是正交分解。在三维空间中，任何向量都可以分解为三个相互垂直的坐标轴方向的投影之和。傅里叶级数将这一思想推广到了无穷维的函数空间：复指数函数 $\{e^{2\pi i n x / T}\}$ 就像是函数空间中的”坐标轴”，它们两两之间相互”正交”（在合适的内积定义下），而傅里叶系数 $c_n$ 则是函数 $f(x)$ 在这些”坐标轴”方向上的”投影长度”。

从更直观的角度理解，傅里叶级数告诉我们：一个复杂的周期性波形，无论它看起来多么不规则，其本质都是简单的正弦波和余弦波的叠加。基频 $n=1$ 对应波形的”基本轮廓”，而高次谐波 $n=2,3,\dots$ 则负责刻画波形的”细节纹理”。在量子力学中，这种”分解为基本模式”的思想对应于将量子态在能量本征基上展开——每个能量本征态就像是一个”纯音”，而系统的任意量子态则是这些”纯音”的叠加。

1.8.2 连续傅里叶变换

对于非周期函数，我们将周期推向无穷，得到傅里叶变换 (Fourier transform)： $F(k) = \int_{-\infty}^{\infty} f(x) \, e^{-2\pi i k x}\, dx$

逆变换则把频域表示还原为时域（或空域）表示： $f(x) = \int_{-\infty}^{\infty} F(k) \, e^{2\pi i k x}\, dk$

本节不深入计算技巧，只需记住核心直觉：傅里叶变换是函数在”位置基”与”频率基”之间的坐标变换。

傅里叶变换揭示了一个深刻的数学对称性：时域和频域是描述同一信号的两种等价方式，但侧重点不同。在时域中，我们关注的是信号随时间的具体变化；在频域中，我们关注的是信号包含哪些频率成分以及各成分的强度。这就像描述同一个人，既可以用”身高、体重、年龄”这样的物理属性，也可以用”性格、爱好、职业”这样的社会属性——两种描述方式包含的信息等价，但适用的分析场景不同。

在量子力学中，这种”时频对偶”对应于位置-动量对偶。量子粒子的波函数 $\psi(x)$ 是位置空间中的概率幅分布，而其傅里叶变换 $\tilde{\psi}(p)$ 则是动量空间中的概率幅分布。海森堡不确定性原理 $\Delta x \cdot \Delta p \geq \hbar/2$ 正是这种对偶性的直接数学推论：一个波包在位置空间越局域化（$\Delta x$ 越小），它在动量空间就越分散（$\Delta p$ 越大），反之亦然。这一原理在量子计算中同样重要——当我们试图精确读取量子相位信息时，必须在测量精度和测量次数之间做出权衡。

1.8.3 离散傅里叶变换（重点）

在计算中，我们处理的是有限个离散数据点。离散傅里叶变换 (Discrete Fourier Transform, DFT) 作用于长度为 $N$ 的复向量 $\mathbf{x} = (x_0, x_1, \dots, x_{N-1})$，输出另一个长度 $N$ 的向量 $\mathbf{y} = (y_0, y_1, \dots, y_{N-1})$，其定义为 y_k = \sum_{j=0}^{N-1} x_j \, \omega_N^{jk}, \qquad k = 0, 1, \dots, N-1}

其中 $\omega_N = e^{2\pi i / N}$

是 $N$ 次单位根（primitive $N$-th root of unity）。

DFT 可以写成紧凑的矩阵形式 (matrix form)。定义 $N \times N$ 的 DFT 矩阵 $F_N$，其第 $j$ 行第 $k$ 列元素为 $(F_N)_{jk} = \omega_N^{jk}, \qquad j, k = 0, 1, \dots, N-1$

则 DFT 就是矩阵-向量乘法：$\mathbf{y} = F_N \mathbf{x}$。

DFT 是连接连续世界与离散计算的桥梁。在实际应用中，我们不可能处理连续函数，只能通过采样得到有限个离散数据点。DFT 告诉我们，如何在离散数据点上实现与连续傅里叶变换类似的”频率分解”。单位根 $\omega_N$ 是 DFT 的核心——它在复平面上均匀分布在单位圆上，就像是钟面上的刻度，每一个刻度对应一个”频率分量”。

DFT 还有一个重要的性质：它是循环卷积定理的基础。在时域中，两个序列的循环卷积对应于它们在频域中的逐点乘积。这一性质使得 DFT 成为快速计算卷积的强大工具，在数字滤波、模式识别等领域有广泛应用。在量子计算中，这一性质对应于量子态在计算基和傅里叶基之间的转换——QFT 能够将某些在计算基上难以分析的问题，转换到傅里叶基上变得简单直观。

显式示例：$2 \times 2$ DFT 矩阵

当 $N=2$ 时，$\omega_2 = e^{2\pi i / 2} = e^{\pi i} = -1$。矩阵元素为 $\omega_2^{jk} = (-1)^{jk}$： $F_2 = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}$

验证：对输入 $\mathbf{x} = (x_0, x_1)^T$， $y_0 = x_0 \cdot \omega_2^{0} + x_1 \cdot \omega_2^{0} = x_0 + x_1$ $y_1 = x_0 \cdot \omega_2^{0} + x_1 \cdot \omega_2^{1} = x_0 - x_1$

这正是著名的阿达玛变换 (Hadamard transform)，在量子计算中无处不在。

这个简单的 $2 \times 2$ 例子揭示了 DFT 与量子计算之间最直接的联系。在量子计算中，单量子比特的阿达玛门 (Hadamard gate) 对应的正是归一化后的 $F_2$ 矩阵：$H = \frac{1}{\sqrt{2}} \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}$。阿达玛门是量子计算中最基本的门之一，它能够将计算基态 $|0\rangle$ 转换为均匀叠加态 $\frac{1}{\sqrt{2}}(|0\rangle + |1\rangle)$，反之亦然。从傅里叶分析的角度看，阿达玛门就是在两个点上的”最小DFT”，它将信息从”时域”（计算基）转换到”频域”（叠加基）。

显式示例：$4 \times 4$ DFT 矩阵

当 $N=4$ 时，$\omega_4 = e^{2\pi i / 4} = e^{\pi i / 2} = i$。矩阵元素为 $\omega_4^{jk} = i^{jk}$。逐元素计算（注意 $i^2 = -1$，$i^3 = -i$）：

1 & 1 & 1 & 1 \\ 1 & i & -1 & -i \\ 1 & -1 & 1 & -1 \\ 1 & -i & -1 & i \end{pmatrix}

观察这个矩阵：第 1 行全为 $1$（直流分量）；第 2 行频率为 $1$；第 3 行频率为 $2$（奈奎斯特频率）；第 4 行频率为 $3$，等价于频率 $-1$。每列（除第 1 列外）的元素之和为零，体现了正交性。

$4 \times 4$ 的例子展示了 DFT 矩阵更丰富的结构。注意到矩阵的每一行对应一个不同的”频率模式”：第 1 行是所有元素相等（零频率，即直流分量），第 2 行是 $(1, i, -1, -i)$（一个完整周期的复指数采样），第 3 行是 $(1, -1, 1, -1)$（两个完整周期的余弦采样，即奈奎斯特频率），第 4 行是 $(1, -i, -1, i)$（等价于负频率 $-1$ 的采样）。这种规律性使得 DFT 矩阵具有强烈的对称性——事实上，DFT 矩阵的列向量是两两正交的，只是它们的模长为 $\sqrt{N}$ 而非 $1$。

1.8.4 复杂度与量子优势

经典计算中，直接按定义计算 DFT 需要 $N^2$ 次复数乘法与加法，即时间复杂度为 $O(N^2)$。快速傅里叶变换 (Fast Fourier Transform, FFT) 利用 $\omega_N$ 的对称性，将复杂度降至 $O(N \log N)$，这是数字信号处理的里程碑成就。

FFT 的核心思想是分治 (divide and conquer)。它巧妙地将长度为 $N$ 的 DFT 分解为两个长度为 $N/2$ 的 DFT 的组合——一个作用于偶数索引的样本，另一个作用于奇数索引的样本。这种分解可以递归进行，直到子问题变得足够简单。由于每次分解都将问题规模减半，而分解的层数为 $\log_2 N$，总复杂度就从 $O(N^2)$ 降到了 $O(N \log N)$。这种”分而治之”的策略是算法设计中极为强大的思想，而 FFT 是这一思想在数学结构上最优美的应用之一。

然而，量子计算提供了指数级的进一步加速。量子傅里叶变换 (Quantum Fourier Transform, QFT) 在 $n = \log_2 N$ 个量子比特上实现，仅需 $O(n^2) = O((\log N)^2)$ 个量子门操作。

注意这里有一个微妙但至关重要的区别：DFT 矩阵 $F_N$ 本身不是酉矩阵 (unitary matrix)——它的列向量虽然正交，但模长为 $\sqrt{N}$ 而非 $1$。归一化的 QFT 矩阵 $U_{\text{QFT}} = \frac{1}{\sqrt{N}} F_N$

才是酉矩阵，满足 $U_{\text{QFT}}^{\dagger} U_{\text{QFT}} = I$。这正是量子力学要求演化必须是酉变换的直接体现。QFT 作为酉变换，可以自然地在量子电路上实现。

QFT 之所以能够指数级加速，根本原因在于量子并行性 (quantum parallelism)。在经典计算中，处理 $N$ 个数据点需要依次或并行地操作这 $N$ 个数值；而在量子计算中，$n$ 个量子比特可以同时表示 $N = 2^n$ 个状态的叠加。QFT 利用这种指数级的状态空间，通过巧妙的量子门序列，在所有 $N$ 个基态上”同时”执行傅里叶变换。这并非真正的”并行计算”——我们没有 $N$ 个独立的处理器同时工作——而是利用了量子叠加态的数学结构，使得一个仅包含 $O(n^2)$ 个门的量子电路，等效地对一个 $N$ 维向量执行了变换。

下表对比三者的复杂度：

方法	时间/门复杂度	备注
直接 DFT	$O(N^2)$	经典
FFT	$O(N \log N)$	经典最优
QFT	$O((\log N)^2)$	量子，指数加速

QFT 是 Shor 算法、量子相位估计等核心算法的子程序。后续第 3.6 节将详细展开 QFT 的量子电路构造与分析。

小结 (Summary)：

傅里叶分析提供了将函数/信号从”时域”转换到”频域”的系统性工具。DFT 将这一变换推广到有限离散数据，其矩阵形式 $F_N$ 以 $N$ 次单位根 $\omega_N = e^{2\pi i / N}$ 为元素。经典 FFT 将 DFT 的复杂度从 $O(N^2)$ 降至 $O(N \log N)$，而量子傅里叶变换仅需 $O((\log N)^2)$ 个门操作，实现了指数级加速。关键在于归一化后的 QFT 矩阵是酉矩阵，可以直接嵌入量子电路。理解 DFT 的矩阵结构、单位根性质以及 FFT 的分治思想，是掌握量子傅里叶变换的数学基础。

与量子计算的连接 (Connection to Quantum Computing)：

QFT 是量子算法库中最强大的通用子程序之一。Shor 算法利用 QFT 从周期函数中提取周期，从而破解 RSA 加密；量子相位估计 (Quantum Phase Estimation) 利用 QFT 读取量子本征值的二进制表示；HHL 算法（量子线性系统求解）的核心步骤同样依赖 QFT 实现频域操作。理解 DFT 的矩阵结构和单位根性质，是掌握这些量子算法的必要前置。特别是，$2 \times 2$ DFT 矩阵与阿达玛门的直接对应关系，以及 $4 \times 4$ DFT 矩阵所展示的周期性模式，都是理解 QFT 量子电路构造的关键直觉。量子傅里叶变换不仅是一个数学工具，更是量子计算指数级加速能力的典范展示——它向我们证明，当算法能够充分利用量子叠加和干涉的数学结构时，经典计算中看似不可避免的复杂度壁垒可以被指数级突破。

---

附录

常见误区与 FAQ：量子计算前置教程配套文档

本文档配套《量子计算前置教程——从第一性原理出发》使用，旨在解答读者在学习过程中最常遇到的困惑和误解。每个条目按”❌ 常见误区 → ✅ 正确理解 → 📖 为什么重要 → 🔍 详细解释”的结构展开，并在适当时引用教程中的具体章节。

---

一、数学基础误区（5 则）

---

Q1. 复数的模平方：$\lvert z\rvert^2$ 和 $\lvert z^2\rvert$ 是一回事吗？

❌ 常见误区：认为 $\lvert z\rvert^2 = \lvert z^2\rvert$，因为对实数来说 $(\lvert x\rvert)^2 = \lvert x^2\rvert$ 确实成立。

✅ 正确理解：对复数 $z = a + bi$，$\lvert z\rvert^2 = a^2 + b^2$（总是非负实数），而 $z^2 = (a^2 - b^2) + 2abi$，其模 $\lvert z^2\rvert = \sqrt{(a^2 - b^2)^2 + (2ab)^2} = a^2 + b^2$。两者数值上恰好相等，但意义完全不同：$\lvert z\rvert^2$ 是模的平方，$\lvert z^2\rvert$ 是平方后的模。数值相等的原因是 $\lvert z^2\rvert = \lvert z\cdot z\rvert = \lvert z\rvert\cdot\lvert z\rvert = \lvert z\rvert^2$（复数乘法模长相乘）。

📖 为什么重要：量子测量概率 $P = \lvert\langle\phi\mid\psi\rangle\rvert^2$ 用的是内积模的平方，不是内积平方的模。区分这两者对后续理解玻恩定则至关重要。

🔍 详细解释：复数乘法对应旋转与缩放（1.1.5 节）。模长是缩放因子，$\lvert z_1 z_2\rvert = \lvert z_1\rvert\lvert z_2\rvert$。所以 $\lvert z^2\rvert = \lvert z\rvert\lvert z\rvert = \lvert z\rvert^2$。但注意 $\lvert z\rvert^2 = zz^*$ 可以直接计算（将 $z$ 乘以共轭），而 $\lvert z^2\rvert$ 需要先平方再取模。在量子计算中，我们几乎总是遇到 $\lvert\alpha\rvert^2$（概率幅模平方），而非 $\lvert\alpha^2\rvert$，记住内积后取模平方是玻恩定则的标准操作（1.4 节）。

---

Q2. 内积 $\langle\phi\mid\psi\rangle$ 和 $\langle\psi\mid\phi\rangle$ 是相等的吗？

❌ 常见误区：认为内积是对称的，即 $\langle\phi\mid\psi\rangle = \langle\psi\mid\phi\rangle$（从实数点积的习惯出发）。

✅ 正确理解：复内积满足共轭对称性：$\langle\phi\mid\psi\rangle = \langle\psi\mid\phi\rangle^*$。只有当结果恰好是实数时两者才相等。例如教程 1.2.3 节例 1.2：$\langle\phi\mid\psi\rangle = 3 + i$，而 $\langle\psi\mid\phi\rangle = 3 - i = (3 + i)^*$。

📖 为什么重要：内积中第一个向量（bra）取共轭是保证 $\langle\psi\mid\psi\rangle \geq 0$ 的关键（1.4 节），也是量子态归一化条件的数学基础。如果在计算 $\lvert\langle\phi\mid\psi\rangle\rvert^2$ 时搞错顺序会导致错误的共轭关系。

🔍 详细解释：从定义出发：$\langle\phi\mid\psi\rangle = \sum_k \beta_k^* \alpha_k$，而 $\langle\psi\mid\phi\rangle = \sum_k \alpha_k^* \beta_k$。两者恰为复共轭关系。在量子力学中，$\lvert\langle\phi\mid\psi\rangle\rvert^2$ 解释为”从 $\lvert\psi\rangle$ 态测量到 $\lvert\phi\rangle$ 态的概率”，因此顺序不影响最终概率。但中间计算中必须使用正确的顺序——先对 bra 的分量取共轭。一个常见的错误是在做投影 $P_v = \lvert v\rangle\langle v\rvert$ 时搞错 bra-ket 顺序：$\langle v\mid w\rangle$ 是标量，而 $\lvert v\rangle\langle w\rvert$ 是算子，两者完全不同（1.4 节）。

---

Q3. 矩阵乘法 $AB$ 和 $BA$ 是相同的吗？

❌ 常见误区：认为矩阵乘法满足交换律，因为标量乘法是可交换的。

✅ 正确理解：矩阵乘法一般不可交换：$AB \neq BA$。教程 1.3.5 节举例：$\sigma_x \sigma_z = \begin{pmatrix}0&-1\\1&0\end{pmatrix}$，而 $\sigma_z \sigma_x = \begin{pmatrix}0&1\\-1&0\end{pmatrix} = -\sigma_x \sigma_z$。更一般地，$[A, B] = AB - BA$ 称为对易子，是量子力学最基本的代数结构之一。

📖 为什么重要：量子力学中，算子的顺序对应物理操作的顺序。先做 $X$ 门再做 $Z$ 门（$ZX$）与先做 $Z$ 门再做 $X$ 门（$XZ$）的结果相差一个负号（2.4 节）。海森堡不确定性原理 $[X, P] = i\hbar$ 本质上正是非交换性的后果。在量子电路中，门的顺序不能随意调换。

🔍 详细解释：矩阵乘法的 $(i,j)$ 元是 $A$ 的第 $i$ 行与 $B$ 的第 $j$ 列的点积：$(AB)_{ij} = \sum_k A_{ik}B_{kj}$。泡利矩阵的对易关系是量子计算的核心：$[X, Y] = 2iZ$，$[Y, Z] = 2iX$，$[Z, X] = 2iY$（1.3.5 节）。更广义地说，两个可观测量 $A$ 和 $B$ 可同时精确测量当且仅当 $[A, B] = 0$。这是理解互补性原理的数学基础：位置和动量不对易，因此不能同时精确知道。

---

Q4. 特征向量就是那些被”拉伸”的向量，对吗？

❌ 常见误区：将特征向量的定义 $A\lvert v\rangle = \lambda\lvert v\rangle$ 理解为”向量被拉伸 $\lambda$ 倍”，认为 $\lambda$ 必须是正实数。

✅ 正确理解：特征值可以是复数（对一般矩阵），可以是负数，甚至是 0。酉算子的特征值是模为 1 的复数 $e^{i\theta}$，对应的是旋转而非拉伸（1.5 节）。泡利 $Z$ 矩阵的特征值为 $+1$ 和 $-1$，对应 $\lvert0\rangle$ 保持不变，$\lvert1\rangle$ 反号。

📖 为什么重要：量子门（酉算子）的特征值全是 $e^{i\theta}$ 形式，这保证了态归一化不被破坏（1.3 节）。特征值的相位 $\theta$ 是量子干涉的核心资源。误解特征值的”大小”会导致无法理解为何量子门不改变概率幅的总和。

🔍 详细解释：特征值方程 $A\lvert v\rangle = \lambda\lvert v\rangle$ 的真正含义是：$\lvert v\rangle$ 在 $A$ 作用下方向不变（$A$ 的输出与 $\lvert v\rangle$ 平行）。对厄米算子，$\lambda$ 是实数，表示测量结果（1.5 节谱定理）。对酉算子，$U\lvert v\rangle = e^{i\theta}\lvert v\rangle$ 意味着 $U$ 在 $\lvert v\rangle$ 上只添加了一个全局相位因子 $e^{i\theta}$。例如 $T$ 门（3.2 节）作用于 $\lvert1\rangle$ 时 $T\lvert1\rangle = e^{i\pi/4}\lvert1\rangle$，这不是”拉伸”，而是相位旋转。初学者常误以为特征值必须为正，因此觉得泡利 $Z$ 的 $-1$ 特征值很奇怪——但物理上这正是”相位翻转”的数学表述。

---

Q5. 张量积 $\lvert v\rangle\otimes\lvert w\rangle$ 就是两个向量的”并列”，对吗？

❌ 常见误区：认为 $n$ 个量子比特的态空间维度是 $n \times 2$（如 $2$ 个量子比特 = 4 个维度），或将其与直和 $\oplus$ 混淆。

✅ 正确理解：张量积空间的维度是各子系统维度的乘积：$\dim(\mathbb{C}^2)^{\otimes n} = 2^n$。$n$ 个量子比特的态空间是 $\mathbb{C}^{2^n}$，而非 $\mathbb{C}^{2n}$。例如 $2$ 个量子比特需要 $4$ 个复数系数 $\alpha_{00}, \alpha_{01}, \alpha_{10}, \alpha_{11}$ 来描述（1.6 节）。

📖 为什么重要：态空间的指数增长是量子计算潜在优势的根本来源。50 个量子比特的态空间就有 $2^{50} \approx 10^{15}$ 维（3.1 节），经典计算机无法直接模拟。如果误解为 $2n = 100$ 维，就完全丢失了量子优越性的数学根源。

🔍 详细解释：张量积与直和是两种不同的空间构造。直和 $\mathbb{C}^2 \oplus \mathbb{C}^2$ 的维度是 $2 + 2 = 4$，但它的基向量只有 4 个，而张量积 $\mathbb{C}^2 \otimes \mathbb{C}^2$ 的维度是 $2 \times 2 = 4$，两者数值相等但含义不同。等到 3 个量子比特时，差别就大了：直和 $\mathbb{C}^2 \oplus \mathbb{C}^2 \oplus \mathbb{C}^2$ 维度为 6，张量积 $(\mathbb{C}^2)^{\otimes 3} = \mathbb{C}^8$ 维度为 8。到 $n=10$ 时，直和为 20，张量积为 1024。张量积的基向量形如 $\lvert i_1 i_2 \ldots i_n\rangle$ 其中每个 $i_k \in \{0,1\}$，共有 $2^n$ 种排列（1.6 节）。

---

二、物理基础误区（7 则）

---

Q6. 叠加态 $\lvert+\rangle$ 就是”50% 概率是 $\lvert0\rangle$，50% 概率是 $\lvert1\rangle$”？

❌ 常见误区：将量子叠加等同于经典概率混合，认为 $\lvert+\rangle = \frac{1}{\sqrt{2}}(\lvert0\rangle + \lvert1\rangle)$ 与”以 50% 概率处于 $\lvert0\rangle$，50% 概率处于 $\lvert1\rangle$“是同一种状态。

✅ 正确理解：两者有本质区别。$\lvert+\rangle$ 是纯态（布洛赫球表面上的点，2.5 节），具有确定的量子相位关系。而”50% $\lvert0\rangle$ + 50% $\lvert1\rangle$“是混态 $\rho = \frac{I}{2}$（布洛赫球心），完全丢失了相干性。关键检验：在 $X$ 基下测量 $\lvert+\rangle$ 时确定性地得到 $+1$（因为 $\lvert+\rangle$ 是 $X$ 的本征态），而对混态 $\frac{I}{2}$ 测量 $X$ 时等概率得到 $\pm 1$（2.6 节）。

📖 为什么重要：叠加态保留了概率幅之间的相对相位，这是量子干涉的基础。如果 $\lvert+\rangle$ 只是经典混合，双缝实验就不会出现干涉条纹（2.1 节）。几乎所有的量子算法（如 Grover 搜索）都依赖于对概率幅的相干操纵——如果叠加只是经典混合，这些算法就无法工作。

🔍 详细解释：教程 2.6 节通过密度矩阵彻底澄清了这个问题。$\lvert+\rangle$ 的密度矩阵 $\rho_A = \frac12\begin{pmatrix}1&1\\1&1\end{pmatrix}$ 有非对角元 $1/2$，而非对角元正是量子相干性的体现。混态 $\rho_B = \frac12\begin{pmatrix}1&0\\0&1\end{pmatrix}$ 没有非对角元。测量 $\langle X \rangle$：对 $\rho_A$ 为 1，对 $\rho_B$ 为 0。两者在 $Z$ 基下测量虽然统计相同（各 50%），但本质完全不同。布洛赫球图像（2.5 节）直观地展示了这一点：纯态在球面，混态在球内。

---

Q7. 测量就是”读取信息”，对吧？

❌ 常见误区：将量子测量等同于经典测量——认为测量是被动地读取系统预先存在的属性，不影响系统状态。

✅ 正确理解：量子测量不可逆地改变系统的状态。根据测量公设（2.2 节公设 4），测量导致态坍缩到对应的本征态。测量结果 $a_i$ 的概率由玻恩定则 $P(a_i) = \lvert\langle a_i\mid\psi\rangle\rvert^2$ 给出，但测量后的态变为 $\lvert a_i\rangle$，原始态 $\lvert\psi\rangle$ 被破坏。

📖 为什么重要：这一特性深刻影响了量子算法的设计——测量通常放在算法最后（3.4 节），因为一旦测量，量子态中的相位信息就永久丢失。量子纠错也面临同样的挑战：我们不能直接”检查”量子态而不破坏它。量子密码学（BB84）则反过来利用这一特性检测窃听（3.6 节）。

🔍 详细解释：教程 3.5 节详细讨论了这一性质。以 $\lvert+\rangle$ 在 $Z$ 基下测量为例：测得 0 的概率为 $1/2$，测量后态变为 $\lvert0\rangle$。即便知道测量结果，也无法从 $\lvert0\rangle$ 还原出 $\lvert+\rangle$——信息不可逆地丢失了。这并非因为我们”测量精度不够”，而是量子力学的基本原理。测量后的态 $\frac{P_i\lvert\psi\rangle}{\sqrt{P(m_i)}}$ 是本征空间中的投影，原始叠加态的全部相干信息都不复存在。

---

Q8. 两个量子比特的纠缠意味着超光速通信？

❌ 常见误区：既然纠缠态中测量一个比特会”瞬间影响”另一个比特（无论距离多远），那么可以用它实现超光速通信。

✅ 正确理解：不能超光速通信。虽然对纠缠态中一个粒子的测量确实会立即影响另一个粒子的状态（量子力学认为这是一种非定域关联），但单次测量的结果是完全随机的，发送方无法控制测量结果。要想利用纠缠，双方必须通过经典信道（不超过光速）交换测量基和结果信息（3.6 节隐形传态）。没有经典信道，纠缠本身不能传递任何信息。

📖 为什么重要：贝尔态 $\lvert\Phi^+\rangle = \frac{1}{\sqrt{2}}(\lvert00\rangle + \lvert11\rangle)$ 展示了量子力学的非定域性，但这一性质没有违反狭义相对论（2.6 节）。理解这一点对于正确认识量子通信（如量子密钥分发和量子隐形传态）的工作原理至关重要。纠缠 + 经典通信 = 量子信息传输，缺一不可。

🔍 详细解释：教程 2.6 节的约化密度矩阵清晰揭示了原因。对贝尔态，子系统的约化密度矩阵 $\rho_A = \frac{I}{2}$ 是最大混态——Alice 做的任何测量都不能改变她自己的约化密度矩阵，也无法向 Bob 传递信息。在贝尔态 $\lvert\Phi^+\rangle$ 中，如果 Alice 测量自己的比特得到 0，她知道 Bob 的比特也是 0，但 Bob 在没有 Alice 告诉他的情况下，测量自己的比特仍然以 50% 概率得到 0——Bob 无法区分”Alice 已经测过”和”还没测过”（3.3 节）。必须通过经典通信传递测量结果，双方才能建立关联。

---

Q9. 全局相位和相对相位都能被忽略？

❌ 常见误区：教程中提到”全局相位不影响物理观测”，初学者因此认为所有相位都不重要。

✅ 正确理解：全局相位（整个态乘以 $e^{i\gamma}$）不可观测，因为 $P = \lvert e^{i\gamma}\alpha\rvert^2 = \lvert\alpha\rvert^2$，模平方消去了全局因子。但相对相位（两个分量之间的相位差）至关重要，它直接决定了测量概率和干涉图案（2.4 节）。例如 $\lvert+\rangle = (\lvert0\rangle + \lvert1\rangle)/\sqrt{2}$ 和 $\lvert-\rangle = (\lvert0\rangle - \lvert1\rangle)/\sqrt{2}$ 只差一个相对相位 $\pi$，但在 $X$ 基下测量时前者确定得到 $+1$，后者确定得到 $-1$。

📖 为什么重要：量子算法的全部力量来自对相对相位的精确操控。Grover 算法通过”相位翻转”标记目标态（3.6 节），Shor 算法通过 QFT 提取相位信息（1.8 节）。如果相对相位不重要，这些算法就完全失效。

🔍 详细解释：在布洛赫球上（2.5 节），全局相位对应绕 $z$ 轴旋转整个球而不改变点的位置（等价于所有态乘以相同的 $e^{i\gamma}$）。相对相位 $\phi$ 对应点的方位角——$\phi$ 的改变确实移动了点在球面上的位置。具体到数例：$\lvert\psi\rangle = \frac{1}{\sqrt{2}}(\lvert0\rangle + e^{i\phi}\lvert1\rangle)$ 在 $X$ 基下测量得到 $+1$ 的概率为 $\cos^2(\phi/2)$，当 $\phi = 0$ 时概率为 1，$\phi = \pi$ 时概率为 0——相对相位直接决定测量结果。

---

Q10. 量子力学概率是因为我们”不知道”系统的真实状态？

❌ 常见误区：用量子力学的概率性与经典统计力学类比，认为概率源于对系统微观状态的”无知”（隐变量观点）。

✅ 正确理解：在标准量子力学（哥本哈根诠释）中，测量结果的概率是内禀的，与观察者的知识无关。即使完全知道量子态 $\lvert\psi\rangle$，也无法预测单次测量的结果——量子力学允许多个可能结果以确定概率并存。贝尔不等式实验（虽然教程未详细展开）已证实：不存在局域的隐变量理论可以再现量子力学的全部预言。

📖 为什么重要：理解量子概率的内在性，有助于正确理解量子算法的”一次性”特性。量子计算不是”并行搜索所有可能性”（见 Q14），而是对概率幅的相干操纵。量子随机性也是量子密码学安全性的基石（3.6 节 BB84）：如果窃听者不能预测测量结果，就能通过统计检验发现窃听。

🔍 详细解释：教程 1.7 节对比了经典概率和量子概率：经典概率中互斥事件概率直接相加 $P_{\text{总}} = P_1 + P_2$；量子概率中概率幅先相加再取模平方 $P_{\text{总}} = \lvert\psi_1 + \psi_2\rvert^2$，产生干涉项。这种干涉效应无法用”我们对系统的无知”来解释——干涉需要相干叠加，而经典混合中各成分之间不存在相干关系。双缝实验（2.1 节）中单个电子”同时经过两条缝”与自身干涉，是量子概率内禀性的最直接证据。

---

Q11. 量子比特就是 0 和 1 的”之间状态”？

❌ 常见误区：将 $0 \leq \alpha, \beta \leq 1$ 理解为”介于 0 和 1 之间”，好像量子比特是 0 和 1 的连续过渡状态。

✅ 正确理解：量子比特态 $\lvert\psi\rangle = \alpha\lvert0\rangle + \beta\lvert1\rangle$ 中 $\alpha, \beta$ 是复数，不只是实数的百分比。$\lvert0\rangle$ 和 $\lvert1\rangle$ 是二维空间中的正交方向，叠加态 $\lvert\psi\rangle$ 是整个空间中的一个单位向量，而非”部分 0、部分 1”的模拟信号。用布洛赫球（2.5 节）来理解：量子比特对应单位球面上的任意点，而不只是北极（0）和南极（1）之间的连线。

📖 为什么重要：如果量子比特只是”部分 0、部分 1”，它最多和概率比特（Probabilistic Bit）等价，不会产生量子优势。概率幅的复数性质、相位干涉和纠缠能力才是量子计算超越经典的根本原因。

🔍 详细解释：一个经典概率比特可以用参数 $p \in [0, 1]$ 描述”处于 1 的概率”，其状态空间是一条线段。而量子比特的状态空间是整个布洛赫球面（加上球内的混态是球体），维度远高于线段。概率比特的密度矩阵 $\rho = (1-p)\lvert0\rangle\langle0\rvert + p\lvert1\rangle\langle1\rvert$ 没有非对角元，量子比特的纯态密度矩阵 $\rho = \lvert\psi\rangle\langle\psi\rvert$ 有非对角元——这是相干性的标志（2.6 节）。

---

Q12. 海森堡不确定性原理是测量仪器的问题？

❌ 常见误区：认为不确定性原理 $\Delta x \cdot \Delta p \geq \hbar/2$ 是因为测量仪器”扰动”了系统——测位置时碰乱了动量。

✅ 正确理解：不确定性原理是量子力学的基本公理，不是测量精度的问题。它是算子非对易 $[x, p] = i\hbar$ 的直接数学推论（教程 1.5 节）。即使使用完美的测量设备，位置和动量也不能同时精确确定——这是量子系统本身的属性，与测量技术无关。

📖 为什么重要：在量子计算中，互补性原理（不确定性原理的推广）意味着某些信息只能以损失其他信息为代价来获取。例如，在 BB84 协议中（3.6 节），在错误基下测量会不可逆地扰动量子态，这是量子密码学安全性的基础。

🔍 详细解释：严格来说，对任意两个不对易算子 $A$ 和 $B$，有 $\Delta A \cdot \Delta B \geq \frac{1}{2}\lvert\langle[A, B]\rangle\rvert$，其中 $\Delta A = \sqrt{\langle A^2\rangle - \langle A\rangle^2}$ 是标准差。教程在 1.7 节指出，方差（标准差平方）在量子力学中对应不确定性。这个不等式是算子代数的结果，与测量设备无关。更直观的理解来自 Fourier 分析（1.8 节）：一个波包在位置空间越窄，在动量空间（位置波函数的 Fourier 变换）就越宽，这是数学的必然——而非测量仪器的缺陷。

---

三、量子计算误区（9 则）

---

Q13. 量子计算机通过”尝试所有可能解”来加速？

❌ 常见误区：认为量子并行性意味着”量子计算机同时检查所有 $2^n$ 个可能输入，然后选出正确答案”，类似于有 $2^n$ 个经典处理器并行工作。

✅ 正确理解：量子并行性不等于指数级并行计算。虽然 $n$ 个量子比特确实能处于所有 $2^n$ 个基态的叠加，但测量时只能读出一个结果（概率性地）。量子算法的核心挑战在于：如何通过酉变换和干涉，将正确答案的概率幅放大到接近 1，同时将错误答案的概率幅抵消——这需要精巧的算法设计，而不是简单地”并行”。

📖 为什么重要：这是初学者对量子计算最普遍的误解。Grover 搜索的 $\sqrt{N}$ 加速（而非 $N \to 1$）就是最好的证据：如果真是”同时尝试所有 $N$ 项”，应该一次查询就找到答案，但实际上需要 $O(\sqrt{N})$ 次（3.6 节）。

🔍 详细解释：教程 3.6 节中 Deutsch-Jozsa 算法展示了量子并行性的本质。算法制备了均匀叠加态 $\frac{1}{\sqrt{2^n}}\sum_x\lvert x\rangle$，一次量子预言机操作确实同时”处理”了所有 $x$，但输出态是 $\frac{1}{\sqrt{2^n}}\sum_x (-1)^{f(x)}\lvert x\rangle$。最终通过 Hadamard 门和干涉效应提取出全局性质（常数或平衡），而不是读出所有 $f(x)$ 的值。关键在于，量子并行性不是”并行计算”，而是”并行操纵概率幅”——将函数编码到概率幅的相位中，然后用干涉提取全局信息。单个查询不能同时读取所有结果，这是不可克隆定理（3.3 节）的直接约束。

---

Q14. 不可克隆定理意味着完全不能复制任何量子信息？

❌ 常见误区：认为不可克隆定理禁止任何形式的量子信息复制。

✅ 正确理解：不可克隆定理（3.3 节）的具体陈述是：不存在单一的酉操作 $U$，使得对任意未知量子态 $\lvert\psi\rangle$ 都有 $U\lvert\psi\rangle\lvert0\rangle = \lvert\psi\rangle\lvert\psi\rangle$。但已知的量子态可以被复制（重新制备一份），而且我们可以克隆正交的量子态（例如 $\lvert0\rangle$ 和 $\lvert1\rangle$ 可以通过 CNOT 门复制）。不可克隆定理禁止的是对一般未知量子态的完美复制。

📖 为什么重要：这个微妙区别直接解释了为什么经典纠错可以简单地”三倍重复”（000, 111），而量子纠错需要更复杂的编码方案（如 Shor 码）。在经典计算中，复制比特是平凡的；在量子计算中，我们不能简单地将一个未知态备份三份。

🔍 详细解释：证明的关键在于线性性。假设存在通用克隆机 $U$ 使得 $U\lvert\psi\rangle\lvert0\rangle = \lvert\psi\rangle\lvert\psi\rangle$。对 $\lvert\psi\rangle$ 和 $\lvert\phi\rangle$ 都成立，那么对叠加态 $\lvert\xi\rangle = (\lvert\psi\rangle + \lvert\phi\rangle)/\sqrt{2}$，由线性性有 $U\lvert\xi\rangle\lvert0\rangle = (\lvert\psi\rangle\lvert\psi\rangle + \lvert\phi\rangle\lvert\phi\rangle)/\sqrt{2}$，但直接克隆 $\lvert\xi\rangle$ 要求得到 $(\lvert\psi\rangle + \lvert\phi\rangle)(\lvert\psi\rangle + \lvert\phi\rangle)/2$，两者不等（除非 $\langle\psi\rvert\phi\rangle = 1$）。注意如果 $\lvert\psi\rangle$ 和 $\lvert\phi\rangle$ 正交，可以通过先测量再制备来复制——但测量破坏了原始态，这不是”克隆”。

---

Q15. 量子隐形传态是”瞬间传送”物质？

❌ 常见误区：受科幻影响，认为量子隐形传态（3.6 节）能瞬间将物体从一个地方传到另一个地方。

✅ 正确理解：量子隐形传态传输的是量子态（信息），不是物质本身。而且传输过程需要经典通信信道（2 比特经典信息），速度不超过光速。隐形传态也不复制量子态（不可克隆定理）——Alice 的原始态在测量过程中被破坏，Bob 收到的态是”重建”而非”复制”。

📖 为什么重要：隐形传态是”纠缠 + 经典通信”的完美范例，展示了量子信息和经典信息如何协同工作（3.6 节）。它不违反相对论，也不是科幻中的”瞬间传送”，而是量子通信和量子中继器的核心原理。

🔍 详细解释：回顾教程 3.6 节的隐形传态电路。Alice 和 Bob 共享一个贝尔态 $\lvert\Phi^+\rangle_{AB}$。Alice 对她持有的两个比特（$\lvert\psi\rangle$ + 贝尔态的一半）进行 CNOT 和 $H$ 门操作后测量，得到 2 比特经典结果 $(m, n)$。Alice 通过经典信道将 $(m, n)$ 传给 Bob。Bob 根据结果执行 $X^m Z^n$ 门后，他的比特精确变为 $\lvert\psi\rangle$。整个过程中，量子态没有”飞过”空间中的距离——经典信息以光速传播，纠缠作为资源消耗掉了。隐形传态不能超光速，因为 Bob 必须在收到经典信息后才能重建态。

---

Q16. Grover 算法对任何搜索问题都提供指数级加速？

❌ 常见误区：认为 Grover 算法和 Shor 算法一样提供指数级加速（因为都来自量子效应）。

✅ 正确理解：Grover 算法提供的是二次加速：经典 $O(N)$ → 量子 $O(\sqrt{N})$，不是指数级（3.6 节）。加速幅度是有限的——在一个包含 100 万项的数据库中，经典需要 50 万次查询，量子需要约 500 次。而 Shor 算法提供的是指数级加速：经典亚指数 $O(\exp((\log N)^{1/3}))$ → 量子 $O((\log N)^3)$。

📖 为什么重要：不同类型的加速对应不同的应用场景。Grover 的二次加速虽然不改变问题的计算复杂性类别（NP 完全问题在 Grover 算法下仍是指数时间），但对实际数据库搜索有实用价值。Shor 的指数加速则改变了问题的计算复杂性（因子分解从难变易），威胁了 RSA 加密的基础。

🔍 详细解释：Grover 算法的核心是振幅放大（3.6 节）。每次 Grover 迭代包括：（1）翻转目标态的相位（通过 Oracle）；（2）关于平均值的反射（Grover 扩散算子）。每次迭代将目标态的概率幅增加约 $2/\sqrt{N}$，因此经过约 $\frac{\pi}{4}\sqrt{N}$ 次迭代后，目标态的概率接近 1。这个 $O(\sqrt{N})$ 已被证明是最优的——任何量子搜索算法都无法超过 $\Omega(\sqrt{N})$。所以 Grover 是二次而非指数加速，这不是实现层面的限制，而是信息论的基本极限。

---

Q17. Shor 算法可以直接在现有的量子计算机上运行？

❌ 常见误区：看到 Shor 算法只有 $O((\log N)^3)$ 的复杂度，认为破解 RSA 指日可待，现有量子计算机就能运行。

✅ 正确理解：Shor 算法的复杂度分析针对的是无噪声的理想量子计算机。要分解一个 2048 位的 RSA 密钥，需要大约数千个逻辑量子比特，而每个逻辑量子比特需要数千个物理量子比特通过纠错来保护（3.7 节）。这意味着物理量子比特数需要达到数百万。目前最好的量子处理器（如 Willow）只有约 105 个物理量子比特，且门保真度还远未达到纠错阈值。

📖 为什么重要：该误解导致了关于”量子计算何时威胁加密”的过度乐观和过度悲观。现实是：在纠错量子计算机实现之前，RSA 是安全的，但”现在就储备、以后才使用的加密数据”（harvest now, decrypt later）策略确实面临风险。

🔍 详细解释：Shor 算法的”量子部分”确实高效——量子傅里叶变换只需 $O(n^2)$ 个门，其中 $n = \log N$ 是比特数。但要运行 Shor 算法，需要：（1）足够多的逻辑量子比特（约 $2n$ 个）；（2）足够低的物理错误率使得量子纠错可行（表面码的纠错阈值约为 1%）；（3）足够多的物理量子比特实现纠错编码（每个逻辑比特约需 1000 个物理比特）。目前的量子处理器（3.7 节）在物理比特数量和保真度方面都还有数个数量级的差距。

---

Q18. 量子优势就是”量子计算机在所有任务上超越经典计算机”？

❌ 常见误区：认为量子优势演示（如 Sycamore 2019 的随机电路采样）意味着量子计算机已经”战胜”了经典计算机。

✅ 正确理解：量子优势是针对特定问题的，而非通用计算能力（3.7 节）。Sycamore 的随机电路采样（RCS）任务本身没有实际商业价值——它的输出是一串随机比特。而且每次量子优势演示后，经典算法往往会在数月内缩小差距（如张量网络算法将 Sycamore 级电路的模拟时间从数天降至数小时）。量子优势是一个持续的”军备竞赛”而非一次性胜利。

📖 为什么重要：正确理解量子优势的现状有助于设置现实的期望。量子计算在量子化学模拟（如固氮催化剂设计）、组合优化和机器学习等领域可能提供真正的商业价值，但这些”有用”的量子优势可能还需 5-10 年才能实现（3.7 节）。

🔍 详细解释：教程 3.7 节详细讨论了这一权衡。Sycamore（53 量子比特）在 RCS 任务上声称 200 秒完成经典需要 10,000 年的计算，但 IBM 很快指出使用更优的经典算法和存储层次可将模拟时间缩短到 2.5 天。2023-2024 年，新的张量网络算法甚至将时间进一步缩短。Willow（105 量子比特）在 2024 年重新拉开了差距（估计经典需 $10^{25}$ 年，Willow 约 5 分钟），但 RCS 仍然不是”有用”计算。正如教程所述：“量子优势不是一次性的成就，而是一个持续的过程。“

---

Q19. VQE 等含噪量子算法不需要纠错？

❌ 常见误区：认为 NISQ（含噪中等规模量子）时代的变分算法（如 VQE）完全不受噪声影响，因为它们是”抗噪的”。

✅ 正确理解：VQE 等混合量子-经典算法确实对噪声有一定容忍度——通过参数化量子电路和经典优化，可以在一定程度上抑制噪声的影响。但这不意味着它们不需要纠错。随着量子比特数增加，噪声效应累积，VQE 的质量会严重下降。VQE 只是”在现有噪声水平下尽可能工作”，而不是”无噪声的替代方案”。

📖 为什么重要：该误解导致了对 NISQ 算法实用性的不切实际期望。许多理论分析假设”足够低的噪声”，但实际量子硬件的噪声水平（特别是双比特门误差约 0.1-1%）对 VQE 等算法的精度有显著影响。这是当前量子计算领域”含噪 vs 纠错”两条技术路线争论的核心（教程 3.7 节和 5 章相关内容）。

🔍 详细解释：VQE 的基本思路（教程 5 章相关内容）是将问题哈密顿量的期望值 $\langle\psi(\theta)\rvert H\lvert\psi(\theta)\rangle$ 作为损失函数，通过经典优化器更新电路参数 $\theta$。噪声会在每个时间步引入误差：门误差导致 $\lvert\psi(\theta)\rangle$ 偏离目标态，测量误差导致期望值估计偏差。当电路深度增加时，这些误差累积会导致”变分方法失效”的困境。Google 的 Sycamore 实验中双门保真度约 99.5%（3.7 节），对深度 20 的 VQE 电路意味着整体保真度约 $(0.995)^{20} \approx 90\%$——尚可接受，但对更深的电路或更高的精度要求，纠错就不可或缺。

---

Q20. 量子态坍缩”之后”的演化可以用薛定谔方程描述吗？

❌ 常见误区：认为薛定谔方程描述量子系统的一切演化，包括测量过程。

✅ 正确理解：量子力学的标准框架中存在两种不同的演化过程（教程 2.2 节）：

1. 酉演化（公设 2）：由薛定谔方程 $i\hbar\partial_t\lvert\psi\rangle = H\lvert\psi\rangle$ 描述，是确定性的、可逆的。
2. 测量坍缩（公设 4）：由玻恩定则和投影公设描述，是概率性的、不可逆的。

两者是截然不同的过程。测量坍缩不能用薛定谔方程描述——这正是”测量问题”的核心。薛定谔方程在测量瞬间”失效”，系统态从叠加态不连续地跳到一个本征态。

📖 为什么重要：这一区分是理解量子计算的关键。量子门操作（酉演化）是确定性的、可逆的；而量子测量是概率性的、破坏性的。量子算法通常将测量放在最后（3.4 节），在测量之前的所有操作都必须是酉演化。如果误以为测量也能用薛定谔方程描述，就无法理解为什么测量会破坏叠加态。

🔍 详细解释：教程 2.2 节明确将酉演化和测量坍缩列为不同的公设。公设 2（酉演化）说：“封闭系统的状态演化由酉算子 $U$ 描述”，对应薛定谔方程的时间演化。公设 4（测量）说：“测量以概率 $\lvert\langle a_i\mid\psi\rangle\rvert^2$ 得到结果 $a_i$，系统坍缩到 $\lvert a_i\rangle$“。这两个过程不能相互归约。量子信息理论中的”量子操作”形式化（Kraus 算子）虽然可以统一描述两者，但这只是数学层面的统一，物理实质仍然是两种不同的过程。

---

Q21. 密度矩阵和纯态向量是完全不同、互不兼容的描述方式？

❌ 常见误区：认为密度矩阵是”另一种独立的”量子态描述，与态矢量 $|\psi\rangle$ 没有直接关系。

✅ 正确理解：密度矩阵是态矢量的推广。纯态的密度矩阵就是 $\rho = \lvert\psi\rangle\langle\psi\rvert$——这是 $\lvert\psi\rangle$ 的外积（复习 1.4 节投影算子的概念），不是独立的对象。混态 $\rho = \sum_i p_i \lvert\psi_i\rangle\langle\psi_i\rvert$ 表达的是”我们不知道系统确切处于哪个纯态”的经典不确定性（2.6 节）。所有纯态的描述都可以嵌入密度矩阵框架，反过来则不一定。

📖 为什么重要：密度矩阵框架统一了纯态、混态、子系统和测量更新。在学习约化密度矩阵（2.6 节）时，如果不知道 $\rho = \lvert\psi\rangle\langle\psi\rvert$ 就是纯态的密度矩阵，就会感到困惑——“为什么纠缠纯态的子系统用混态描述？“答案是：从 $\rho_{AB} = \lvert\Phi^+\rangle\langle\Phi^+\rvert$ 对 B 求偏迹，得到的 $\rho_A$ 是 $\frac{I}{2}$——这不是”产生了混态”，而是”只关注子系统 A 时，它表现得像混态”。

🔍 详细解释：密度矩阵的核心优势在于统一。在纯态框架中，我们需要准备量子态 $\lvert\psi\rangle$，用投影算子 $P_i$ 计算概率 $P(m_i) = \langle\psi\rvert P_i\lvert\psi\rangle$。在密度矩阵框架中，$\rho = \sum_i p_i\lvert\psi_i\rangle\langle\psi_i\rvert$，概率 $P(m_j) = \text{Tr}(\rho P_j)$，期望 $\langle M \rangle = \text{Tr}(\rho M)$。纯态与混态的判据（2.6 节）：$\text{Tr}(\rho^2) = 1$ 时是纯态（如 $\rho_A = \lvert+\rangle\langle+\rvert$ 有 $\text{Tr}(\rho^2)=1$），$\text{Tr}(\rho^2) < 1$ 时是混态（如 $\frac{I}{2}$ 有 $\text{Tr}(\rho^2)=1/2$）。

---

Q22. QFT 就是”量子版的 FFT”，直接加速经典计算？

❌ 常见误区：认为量子傅里叶变换（QFT）可以直接替代经典 FFT，加速经典信号处理任务。

✅ 正确理解：QFT 不能直接对经典数据进行傅里叶变换。QFT 作用于量子态的概率幅上，而不是作用于经典数值上。要从 QFT 得到经典傅里叶变换结果，需要量子态层析——这需要指数级多的测量次数，抵消了 QFT 的加速优势。QFT 的真正价值在于作为子程序嵌入量子算法，在量子数据的傅里叶变换上提供指数加速（1.8 节）。

📖 为什么重要：这一误解导致了”QFT 可以加速图像处理、音频处理等”的错误论断。QFT 不是经典 FFT 的加速版本，它的输入和输出都是量子态——QFT 在 Shor 算法中之所以有效，是因为我们只需要测量输出的频率信息（从 $\lvert k\rangle$ 中读出周期），而不需要读出全部 $2^n$ 个振幅。

🔍 详细解释：QFT 将 $\lvert j\rangle$ 变为 $\frac{1}{\sqrt{N}}\sum_{k=0}^{N-1}\omega_N^{jk}\lvert k\rangle$（1.8 节）。这个变换只需 $O(n^2)$ 个门，但输出是叠加态。要从中提取经典信息，需要测量——每次测量只得到一个 $k$ 值，且概率为 $\lvert y_k\rvert^2$。要恢复全部 $N$ 个傅里叶系数，需要 $O(N)$ 次测量。所以 QFT 不能加速经典的傅里叶变换计算。但在 Shor 算法中，我们只需要知道满足 $\omega_N^{jr} = 1$ 的周期 $r$，这可以通过一次测量结合连分数算法高效完成——不需要知道所有傅里叶系数。

---

附录：条目与教程章节的交叉引用

条目	主题	核心引用章节	难度
Q1	$\lvert z\rvert^2$ 与 $\lvert z^2\rvert$	1.1.3, 1.1.5	★☆☆
Q2	内积共轭对称性	1.2.3, 1.4	★☆☆
Q3	矩阵非交换性	1.3.5, 2.4	★☆☆
Q4	特征值与酉算子	1.5, 3.2	★★☆
Q5	张量积维度	1.6, 3.1	★☆☆
Q6	叠加 vs 混合	2.5, 2.6, 3.1	★★☆
Q7	测量坍缩	2.2 公设 4, 3.5	★★☆
Q8	纠缠与通信	2.6, 3.3, 3.6	★★★
Q9	全局 vs 相对相位	2.4, 2.5	★★☆
Q10	量子概率的内禀性	1.7, 2.1	★★★
Q11	量子比特的真面目	2.5, 3.1	★☆☆
Q12	不确定性原理	1.7, 1.8	★★☆
Q13	量子并行性的真相	3.6	★★★
Q14	不可克隆的边界	3.3	★★☆
Q15	隐形传态的原理	3.6	★★☆
Q16	Grover 的加速类型	3.6	★★☆
Q17	Shor 算法的现实	1.8, 3.6, 3.7	★★★
Q18	量子优势的局限	3.7	★★☆
Q19	NISQ 与噪声	3.7, 5 章	★★★
Q20	两种演化过程	2.2	★★☆
Q21	密度矩阵与纯态	2.6	★★☆
Q22	QFT 的正确应用	1.8	★★★

---

建议使用方式：通读教程一遍后，挑选难度匹配的条目阅读。带 ★☆☆ 的条目适合初读后巩固，★★☆ 适合深入理解，★★★ 适合学完第三章后用于检验是否真正掌握了核心思想。本文档鼓励读者在遇到疑问时返回教程对应章节重新阅读。

---

习题与解答 (Exercises and Solutions)

量子计算前置教程配套习题 | 20节60题 难度：⭐ 基础 · ⭐⭐ 综合 · ⭐⭐⭐ 拓展

---

第一部分 数学基础

---

1.1 复数与欧拉公式

习题 1.1.1 ⭐ 复数除法

计算 $(3+4i)(2-i)/(1+i)$，化为 $a+bi$ 形式。

解： 分子 = $(3+4i)(2-i)=6-3i+8i-4i^2=10+5i$。除以 $1+i$：

$$\frac{10+5i}{1+i}=\frac{(10+5i)(1-i)}{(1+i)(1-i)}=\frac{10-10i+5i-5i^2}{2}=\frac{15-5i}{2}=7.5-2.5i$$

验证：$(7.5-2.5i)(1+i)=7.5+7.5i-2.5i-2.5i^2=10+5i$，一致。

---

习题 1.1.2 ⭐⭐ 模平方恒等式

证明 $|z_1+z_2|^2=|z_1|^2+|z_2|^2+2\operatorname{Re}(z_1\overline{z_2})$。

解： 设 $z_j=a_j+ib_j$，则 $z_1+z_2=(a_1+a_2)+i(b_1+b_2)$。

$$|z_1+z_2|^2=(a_1+a_2)^2+(b_1+b_2)^2 = (a_1^2+b_1^2)+(a_2^2+b_2^2)+2(a_1a_2+b_1b_2)$$

而 $|z_1|^2+|z_2|^2=(a_1^2+b_1^2)+(a_2^2+b_2^2)$，且 $\operatorname{Re}(z_1\overline{z_2})=a_1a_2+b_1b_2$，因此等式成立。

这是量子干涉的数学根源：交叉项 $2\operatorname{Re}(z_1\overline{z_2})$ 对应干涉项。当两个复数异号时，交叉项为负，产生相消干涉。

---

习题 1.1.3 ⭐⭐ 欧拉公式加法

用欧拉公式 $e^{i\theta}=\cos\theta+i\sin\theta$ 推导 $\sin(\theta+\phi)$ 和 $\cos(\theta+\phi)$ 的公式。

解： $e^{i\theta}e^{i\phi}=(\cos\theta+i\sin\theta)(\cos\phi+i\sin\phi)$

展开 = $(\cos\theta\cos\phi-\sin\theta\sin\phi)+i(\sin\theta\cos\phi+\cos\theta\sin\phi)$。

而 $e^{i(\theta+\phi)}=\cos(\theta+\phi)+i\sin(\theta+\phi)$。比较实部和虚部：

$$\cos(\theta+\phi)=\cos\theta\cos\phi-\sin\theta\sin\phi,\quad \sin(\theta+\phi)=\sin\theta\cos\phi+\cos\theta\sin\phi$$

复数乘法等价于模长相乘、辐角相加，这是量子相位旋转的几何基础。

---

1.2 向量空间与希尔伯特空间

习题 1.2.1 ⭐ 线性无关性

判断 $\lvert v_1\rangle=(1,0,i)^T,\lvert v_2\rangle=(0,1,0)^T,\lvert v_3\rangle=(i,0,1)^T$ 在 $\mathbb{C}^3$ 中是否线性无关。

解： 设 $\alpha_1\lvert v_1\rangle+\alpha_2\lvert v_2\rangle+\alpha_3\lvert v_3\rangle=0$：

$$\begin{cases} \alpha_1+i\alpha_3=0 \\ \alpha_2=0 \\ i\alpha_1+\alpha_3=0 \end{cases}$$

由第一式 $\alpha_1=-i\alpha_3$，代入第三式：$i(-i\alpha_3)+\alpha_3=2\alpha_3=0$，故 $\alpha_3=0$，进而 $\alpha_1=\alpha_2=0$。唯一零解，线性无关。

---

习题 1.2.2 ⭐⭐ 计算基的正交归一性

验证 $\lvert0\rangle=(1,0)^T,\lvert1\rangle=(0,1)^T$ 是 $\mathbb{C}^2$ 的标准正交基。

解： $\langle0\mid1\rangle=0$（正交），$\langle0\mid0\rangle=\langle1\mid1\rangle=1$（归一）。任意 $\lvert\psi\rangle=(\alpha,\beta)^T=\alpha\lvert0\rangle+\beta\lvert1\rangle$ 可唯一展开，故为完备标准正交基。

---

习题 1.2.3 ⭐⭐ 函数空间的维数

证明次数 $\leq n$ 的复系数多项式集合 $P_n(\mathbb{C})$ 是复向量空间。写出维数和一组基。

解： 多项式加法、数乘封闭，零多项式为零元，加法逆为 $-p(x)$，满足所有公理。基为 $\{1,x,x^2,\ldots,x^n\}$，共 $n+1$ 个线性无关向量，$\dim(P_n)=n+1$。

例如 $f(x)=1+2x+3x^2$ 在这组基下的坐标向量为 $(1,2,3,0,\ldots,0)^T$。

---

1.3 线性算子与矩阵表示

习题 1.3.1 ⭐ 泡利矩阵乘积

计算 $XY$ 和 $YX$，验证 $XY=iZ$ 且 $XY\neq YX$。

解：

$$X=\begin{pmatrix}0&1\\1&0\end{pmatrix},\; Y=\begin{pmatrix}0&-i\\i&0\end{pmatrix},\; Z=\begin{pmatrix}1&0\\0&-1\end{pmatrix}$$ $$XY=\begin{pmatrix}0&1\\1&0\end{pmatrix}\begin{pmatrix}0&-i\\i&0\end{pmatrix}=\begin{pmatrix}i&0\\0&-i\end{pmatrix}=iZ$$ $$YX=\begin{pmatrix}0&-i\\i&0\end{pmatrix}\begin{pmatrix}0&1\\1&0\end{pmatrix}=\begin{pmatrix}-i&0\\0&i\end{pmatrix}=-iZ$$

$XY=-YX$，泡利矩阵互不对易，说明量子门顺序影响结果。

---

习题 1.3.2 ⭐⭐ 厄米矩阵验证

验证 $A=\begin{pmatrix}1&i\\-i&2\end{pmatrix}$ 是厄米矩阵，并求特征值。

解： $A^\dagger=\begin{pmatrix}1&(-i)^*\\(i)^*&2\end{pmatrix}^T=\begin{pmatrix}1&i\\-i&2\end{pmatrix}=A$，故为厄米矩阵。

特征方程：$\det\begin{pmatrix}1-\lambda&i\\-i&2-\lambda\end{pmatrix}=(1-\lambda)(2-\lambda)-1=\lambda^2-3\lambda+1=0$

解得 $\lambda=\frac{3\pm\sqrt5}{2}$，均为实数，符合厄米算子特征值为实数的性质。

---

习题 1.3.3 ⭐⭐ 酉算子保内积

证明酉算子 $U$（$U^\dagger U=I$）保持内积：$\langle Uv\mid Uw\rangle=\langle v\mid w\rangle$。

解： $\langle Uv\mid Uw\rangle=(U\lvert v\rangle)^\dagger(U\lvert w\rangle)=\langle v\rvert U^\dagger U\lvert w\rangle=\langle v\rvert I\lvert w\rangle=\langle v\mid w\rangle$。

因此酉算子保持范数和正交性，保证量子态演化后仍归一化。

---

1.4 内积、范数与正交性

习题 1.4.1 ⭐ 内积与范数

$\lvert v\rangle=(1+i,2)^T$，$\lvert w\rangle=(i,1-i)^T$。求 $\langle v\mid w\rangle$，$\lVert\lvert v\rangle\rVert$，$\lVert\lvert w\rangle\rVert$。

解：

$\langle v\mid w\rangle=(1-i,2)(i,1-i)^T=(1-i)i+2(1-i)=i+1+2-2i=3-i$

$\lVert\lvert v\rangle\rVert=\sqrt{(1-i)(1+i)+4}=\sqrt{2+4}=\sqrt6$

$\lVert\lvert w\rangle\rVert=\sqrt{(-i)i+(1+i)(1-i)}=\sqrt{1+2}=\sqrt3$

---

习题 1.4.2 ⭐⭐ 柯西-施瓦茨不等式证明

对复内积空间 $V$，证明 $|\langle v\mid w\rangle|\leq\lVert\lvert v\rangle\rVert\cdot\lVert\lvert w\rangle\rVert$。

解： 若 $\lvert w\rangle=0$ 显然成立。设 $\lvert w\rangle\neq0$，构造 $\lvert u\rangle=\lvert v\rangle-\frac{\langle w\mid v\rangle}{\langle w\mid w\rangle}\lvert w\rangle$。

$\langle w\mid u\rangle=\langle w\mid v\rangle-\frac{\langle w\mid v\rangle}{\langle w\mid w\rangle}\langle w\mid w\rangle=0$，故 $\lvert u\rangle\perp\lvert w\rangle$。

由勾股定理：

$$\lVert\lvert v\rangle\rVert^2=\lVert\lvert u\rangle\rVert^2+\frac{|\langle w\mid v\rangle|^2}{\lVert\lvert w\rangle\rVert^2}\geq\frac{|\langle w\mid v\rangle|^2}{\lVert\lvert w\rangle\rVert^2}$$

即 $|\langle v\mid w\rangle|\leq\lVert\lvert v\rangle\rVert\cdot\lVert\lvert w\rangle\rVert$，等号当 $\lvert u\rangle=0$（两向量线性相关）时成立。

---

习题 1.4.3 ⭐⭐ 投影算子矩阵与性质

对 $\lvert\psi\rangle=a\lvert0\rangle+b\lvert1\rangle$（$|a|^2+|b|^2=1$），写出 $P=\lvert\psi\rangle\langle\psi\rvert$ 的矩阵，验证 $P^2=P$，$P^\dagger=P$。

解： $P=\begin{pmatrix}a\\b\end{pmatrix}\begin{pmatrix}a^*&b^*\end{pmatrix}=\begin{pmatrix}|a|^2&ab^*\\a^*b&|b|^2\end{pmatrix}$。

$P^2=\begin{pmatrix}|a|^2&ab^*\\a^*b&|b|^2\end{pmatrix}\begin{pmatrix}|a|^2&ab^*\\a^*b&|b|^2\end{pmatrix}$，利用 $|a|^2+|b|^2=1$：

$(1,1)$ 元 $=|a|^4+|a|^2|b|^2=|a|^2$，$(1,2)$ 元 $=|a|^2ab^*+ab^*|b|^2=ab^*$，$(2,1)$ 元 $=|a|^2a^*b+a^*b|b|^2=a^*b$，$(2,2)$ 元 $=|a|^2|b|^2+|b|^4=|b|^2$。故 $P^2=P$。$P^\dagger=P$ 显然。

---

1.5 特征值与特征向量

习题 1.5.1 ⭐ 泡利 $Y$ 的特征系统

求 $Y=\begin{pmatrix}0&-i\\i&0\end{pmatrix}$ 的特征值和归一化特征向量。

解： $\det\begin{pmatrix}-\lambda&-i\\i&-\lambda\end{pmatrix}=\lambda^2-1=0$，特征值 $\lambda=\pm1$。

$\lambda=1$：解 $(-1)v_1-iv_2=0$，$v_1=-iv_2$，得 $\lvert+i\rangle=\frac1{\sqrt2}(-i,1)^T$。

$\lambda=-1$：解 $v_1-iv_2=0$，$v_1=iv_2$，得 $\lvert-i\rangle=\frac1{\sqrt2}(i,1)^T$。

验证：$\langle+i\mid-i\rangle=\frac12(i\cdot i+1\cdot1)=\frac12(-1+1)=0$，正交。

---

习题 1.5.2 ⭐⭐ $Z$ 矩阵的谱分解

对 $Z=\begin{pmatrix}1&0\\0&-1\end{pmatrix}$ 进行谱分解。

解： 特征值 $1$ 对应 $\lvert0\rangle=(1,0)^T$，特征值 $-1$ 对应 $\lvert1\rangle=(0,1)^T$。

$$Z=(+1)\lvert0\rangle\langle0\rvert+(-1)\lvert1\rangle\langle1\rvert = \begin{pmatrix}1&0\\0&0\end{pmatrix}-\begin{pmatrix}0&0\\0&1\end{pmatrix}=\begin{pmatrix}1&0\\0&-1\end{pmatrix}$$

---

习题 1.5.3 ⭐⭐⭐ 三能级期望值

$H=\operatorname{diag}(3,2,5)$ 在基 $\lvert0\rangle,\lvert1\rangle,\lvert2\rangle$ 下。求 $H$ 的特征值和特征向量。若系统处于 $\lvert\psi\rangle=(\lvert0\rangle+\lvert1\rangle+\lvert2\rangle)/\sqrt3$，求 $\langle H\rangle$。

解： 特征值 $3,2,5$，对应特征向量 $\lvert0\rangle,\lvert1\rangle,\lvert2\rangle$。

$\langle H\rangle=\langle\psi\rvert H\lvert\psi\rangle=\frac13(3+2+5)=\frac{10}{3}$。

或利用谱分解：$\langle H\rangle=\sum_i\lambda_i|\langle i\mid\psi\rangle|^2=\frac13(3+2+5)=10/3$。

---

1.6 张量积与多体系统

习题 1.6.1 ⭐ 张量积计算

计算 $\lvert0\rangle\otimes\lvert+\rangle$（$\lvert+\rangle=(\lvert0\rangle+\lvert1\rangle)/\sqrt2$）的 4 分量向量。

解： $\lvert0\rangle=(1,0)^T$，$\lvert+\rangle=\frac1{\sqrt2}(1,1)^T$。

$$\lvert0\rangle\otimes\lvert+\rangle=\frac1{\sqrt2}\begin{pmatrix}1\cdot1\\1\cdot1\\0\cdot1\\0\cdot1\end{pmatrix}=\frac1{\sqrt2}\begin{pmatrix}1\\1\\0\\0\end{pmatrix}$$

即 $\frac1{\sqrt2}(\lvert00\rangle+\lvert01\rangle)$。

---

习题 1.6.2 ⭐⭐ 贝尔态不可分解

证明 $\lvert\Phi^+\rangle=(\lvert00\rangle+\lvert11\rangle)/\sqrt2$ 不能写成 $\lvert a\rangle\otimes\lvert b\rangle$。

解： 反证。若 $\lvert a\rangle=\alpha\lvert0\rangle+\beta\lvert1\rangle$，$\lvert b\rangle=\gamma\lvert0\rangle+\delta\lvert1\rangle$，则

$$\lvert a\rangle\otimes\lvert b\rangle=\alpha\gamma\lvert00\rangle+\alpha\delta\lvert01\rangle+\beta\gamma\lvert10\rangle+\beta\delta\lvert11\rangle$$

与 $(\lvert00\rangle+\lvert11\rangle)/\sqrt2$ 比较：$\alpha\gamma=1/\sqrt2,\alpha\delta=0,\beta\gamma=0,\beta\delta=1/\sqrt2$。

若 $\alpha=0$ 则 $\alpha\gamma=0\neq1/\sqrt2$；若 $\beta=0$ 则 $\beta\delta=0\neq1/\sqrt2$； 若 $\delta=0$ 则 $\beta\delta=0\neq1/\sqrt2$；若 $\gamma=0$ 则 $\alpha\gamma=0\neq1/\sqrt2$。 全部矛盾，故不可分解，是纠缠态。

---

习题 1.6.3 ⭐⭐ CNOT 作用于叠加态

计算 CNOT 分别作用在 $\lvert+0\rangle$ 和 $\lvert++\rangle$ 上的结果（控制比特为第一个）。

解：

(a) $\lvert+0\rangle=(\lvert00\rangle+\lvert10\rangle)/\sqrt2$

$$\text{CNOT}\lvert+0\rangle=(\text{CNOT}\lvert00\rangle+\text{CNOT}\lvert10\rangle)/\sqrt2=(\lvert00\rangle+\lvert11\rangle)/\sqrt2=\lvert\Phi^+\rangle$$

可分离态通过 CNOT 变为纠缠态。

(b) $\lvert++\rangle=\frac12(\lvert00\rangle+\lvert01\rangle+\lvert10\rangle+\lvert11\rangle)$

$$\text{CNOT}\lvert++\rangle=\frac12(\lvert00\rangle+\lvert01\rangle+\lvert11\rangle+\lvert10\rangle)=\lvert++\rangle$$

$\lvert++\rangle$ 在 CNOT 下不变——它是 CNOT 的 $X$ 基本征态。

---

1.7 概率论基础

习题 1.7.1 ⭐ 骰子的期望与方差

求公平六面骰子点数 $X$ 的 $\mathbb{E}[X]$ 和 $\operatorname{Var}(X)$。

解： $\mathbb{E}[X]=\frac16(1+2+3+4+5+6)=3.5$

$\mathbb{E}[X^2]=\frac16(1+4+9+16+25+36)=\frac{91}{6}$

$\operatorname{Var}(X)=\mathbb{E}[X^2]-(\mathbb{E}[X])^2=\frac{91}{6}-\frac{49}{4}=\frac{35}{12}\approx2.917$

---

习题 1.7.2 ⭐⭐ 贝叶斯定理

疾病患病率 $2\%$，检测：患者 $95\%$ 阳性，健康者 $4\%$ 阳性。求检测阳性时实际患病的概率。

解： $P(D)=0.02$，$P(T^+\mid D)=0.95$，$P(T^+\mid\neg D)=0.04$。

$$P(D\mid T^+)=\frac{0.95\times0.02}{0.95\times0.02+0.04\times0.98}=\frac{0.019}{0.019+0.0392}\approx0.3265$$

即使阳性，患病的概率也只有约 $32.7\%$，因为罕见病中假阳性数量远超真阳性。

---

习题 1.7.3 ⭐⭐⭐ 经典概率与量子概率对比

$\lvert\psi\rangle=\sqrt{0.3}\lvert0\rangle+\sqrt{0.7}\lvert1\rangle$ 在 $Z$ 基下测得 0 的概率与经典比特 $p=0.3$ 有何异同？若相位改为 $e^{i\theta}$ 呢？

解： $P(0)=|\sqrt{0.3}|^2=0.3$，$P(1)=0.7$，数值上与经典概率相同。

但本质不同：

• 经典：系统实际处于 0 或 1，只是我们”不知道”
• 量子：系统处于相干叠加 $0.3|0\rangle+0.7|1\rangle$
• 密度矩阵对比：$\rho_{cl}=\begin{pmatrix}0.3&0\\0&0.7\end{pmatrix}$，$\rho_q=\begin{pmatrix}0.3&\sqrt{0.21}\\\sqrt{0.21}&0.7\end{pmatrix}$
• 非对角元的存在使 $X$ 基测量结果完全不同

若 $\lvert\psi'\rangle=\sqrt{0.3}\lvert0\rangle+e^{i\theta}\sqrt{0.7}\lvert1\rangle$，$Z$ 基测量概率与 $\theta$ 无关，但 $X$ 基测量概率与 $\theta$ 有关。经典概率中没有”相位”概念。

---

1.8 傅里叶分析入门

习题 1.8.1 ⭐ 2 点 DFT 矩阵

写出 $F_2$，计算对 $\mathbf{x}=(1,0)^T$ 的变换结果。

解： $\omega_2=e^{2\pi i/2}=-1$，$F_2=\begin{pmatrix}1&1\\1&-1\end{pmatrix}$。

$F_2\mathbf{x}=\begin{pmatrix}1&1\\1&-1\end{pmatrix}\begin{pmatrix}1\\0\end{pmatrix}=\begin{pmatrix}1\\1\end{pmatrix}$。

注意归一化后的阿达玛门 $H=F_2/\sqrt2$ 是酉矩阵。

---

习题 1.8.2 ⭐⭐ QFT 的酉性

证明 $U_{\text{QFT}}=F_N/\sqrt{N}$ 是酉矩阵，其中 $(F_N)_{jk}=\omega_N^{jk}$，$\omega_N=e^{2\pi i/N}$。

解： $(U^\dagger U)_{jl}=\frac1N\sum_{k=0}^{N-1}\overline{\omega_N^{kj}}\,\omega_N^{kl}$ $=\frac1N\sum_{k=0}^{N-1}\omega_N^{k(l-j)}$。

若 $j=l$，和为 $N$，$(U^\dagger U)_{jj}=1$。 若 $j\neq l$，令 $r=\omega_N^{l-j}\neq1$，$\sum_{k=0}^{N-1}r^k=(1-r^N)/(1-r)$。 $r^N=(\omega_N^{l-j})^N=1^{l-j}=1$，故和为 0。 因此 $(U^\dagger U)_{jl}=\delta_{jl}$，$U^\dagger U=I$。同理 $UU^\dagger=I$。

---

习题 1.8.3 ⭐⭐ 4 点 DFT

写出 $F_4$，对 $\mathbf{x}=(1,0,1,0)^T$ 计算 $\mathbf{y}=F_4\mathbf{x}$。

解： $\omega_4=i$，$F_4=\begin{pmatrix}1&1&1&1\\1&i&-1&-i\\1&-1&1&-1\\1&-i&-1&i\end{pmatrix}$。

$$\mathbf{y}=F_4\begin{pmatrix}1\\0\\1\\0\end{pmatrix}= \begin{pmatrix}1\cdot1+1\cdot0+1\cdot1+1\cdot0\\ 1\cdot1+i\cdot0+(-1)\cdot1+(-i)\cdot0\\ 1\cdot1+(-1)\cdot0+1\cdot1+(-1)\cdot0\\ 1\cdot1+(-i)\cdot0+(-1)\cdot1+i\cdot0\end{pmatrix} =\begin{pmatrix}2\\0\\2\\0\end{pmatrix}$$

周期为 2 的序列的 DFT 只在直流和奈奎斯特频率有非零值。

---

第二部分 量子力学物理基础

---

2.1 从经典到量子：动机与历史

习题 2.1.1 ⭐ 紫外灾难

什么是紫外灾难？普朗克如何用能量量子化解决？

解： 经典瑞利-金斯公式 $u(\nu,T)\propto\nu^2$ 预言紫外频率辐射无限大能量，与实验严重不符——紫外灾难。

普朗克假设能量以 $E=h\nu$ 的量子形式发射/吸收，推导出：

$$u(\nu,T)=\frac{8\pi h\nu^3}{c^3}\frac1{e^{h\nu/k_BT}-1}$$

高频时指数项使能量密度趋于零，避免了发散。这标志着量子力学的诞生。

---

习题 2.1.2 ⭐⭐ 光电效应

逸出功 $W=2.0\,\text{eV}$，光照 $\nu=6.0\times10^{14}\,\text{Hz}$。$h=4.136\times10^{-15}\,\text{eV·s}$。 (a) 求光电子最大动能。 (b) 求截止频率。

解： (a) $E=h\nu=4.136\times10^{-15}\times6.0\times10^{14}=2.482\,\text{eV}$ $E_k=E-W=2.482-2.0=0.482\,\text{eV}$

(b) $h\nu_0=W\implies\nu_0=W/h=2.0/4.136\times10^{-14}=4.84\times10^{14}\,\text{Hz}$

只有当 $\nu>\nu_0$ 时才能打出光电子，与光强无关——经典波动理论无法解释。

---

习题 2.1.3 ⭐⭐ 双缝干涉中的概率幅

$\psi_L=\sqrt{0.4}\,e^{i\pi/4}$，$\psi_R=\sqrt{0.6}\,e^{-i\pi/6}$。求经典概率和量子概率及干涉项。

解：

经典：$P_{\text{classical}}=|\psi_L|^2+|\psi_R|^2=0.4+0.6=1.0$

量子：$P_{\text{quantum}}=|\psi_L+\psi_R|^2=|\psi_L|^2+|\psi_R|^2+2\sqrt{0.24}\cos(\pi/4+\pi/6)$

$\cos(5\pi/12)\approx0.2588$，干涉项 $=2\times\sqrt{0.24}\times0.2588\approx0.2536$

$P_{\text{quantum}}\approx1.2536$（在该点上概率增加，全屏幕积分为 1）。

干涉项占总概率的 $25.4\%$，是纯量子效应。

---

2.2 量子力学基本公设

习题 2.2.1 ⭐ 单比特测量概率

$\lvert\psi\rangle=(\lvert0\rangle+i\lvert1\rangle)/\sqrt2$ 在 $Z$ 基下测量，求 $P(0)$ 和 $P(1)$。

解： $\langle0\mid\psi\rangle=1/\sqrt2$，$\langle1\mid\psi\rangle=i/\sqrt2$。

$P(0)=|1/\sqrt2|^2=1/2$，$P(1)=|i/\sqrt2|^2=1/2$。

该态在布洛赫球赤道的 $+y$ 方向。

---

习题 2.2.2 ⭐⭐ 酉演化保范数

证明归一化的 $\lvert\psi\rangle$ 经酉算子 $U$ 演化后仍归一化。

解： $\langle\psi\rvert U^\dagger U\lvert\psi\rangle=\langle\psi\rvert I\lvert\psi\rangle=\langle\psi\mid\psi\rangle=1$。

总概率在量子演化中守恒，这是量子门必须是酉矩阵的根本原因。

---

习题 2.2.3 ⭐⭐⭐ $Z$ 的谱分解与测量

$Z=\begin{pmatrix}1&0\\0&-1\end{pmatrix}$，系统处于 $\lvert+\rangle=(\lvert0\rangle+\lvert1\rangle)/\sqrt2$。 (a) 验证 $Z$ 厄米。 (b) 谱分解。 (c) 测量得 $+1$ 的概率和测量后的态。

解： (a) $Z^\dagger=Z$，厄米。

(b) $Z=(+1)\lvert0\rangle\langle0\rvert+(-1)\lvert1\rangle\langle1\rvert$。

(c) $P(+1)=\langle+\rvert(\lvert0\rangle\langle0\rvert)\lvert+\rangle=|\langle0\mid+\rangle|^2=1/2$。

若测得 $+1$，系统坍缩到 $\lvert0\rangle$。

---

2.3 波函数与薛定谔方程

习题 2.3.1 ⭐ 无限深势阱归一化

基态波函数 $\psi(x)=A\sin(\pi x/L)$，$0<x<L$。求 $A$。

解： $\int_0^L|A|^2\sin^2(\pi x/L)dx=|A|^2\int_0^L\frac12[1-\cos(2\pi x/L)]dx=|A|^2\cdot\frac L2=1$

$A=\sqrt{2/L}$。波函数为 $\psi(x)=\sqrt{2/L}\sin(\pi x/L)$。

---

习题 2.3.2 ⭐⭐ 定态薛定谔方程与分离变量

证明若 $H\lvert\psi\rangle=E\lvert\psi\rangle$，则 $\lvert\psi(t)\rangle=e^{-iEt/\hbar}\lvert\psi\rangle$ 满足含时薛定谔方程。

解： $\frac{\partial}{\partial t}\lvert\psi(t)\rangle=-\frac{iE}{\hbar}e^{-iEt/\hbar}\lvert\psi\rangle$

$i\hbar\frac{\partial}{\partial t}\lvert\psi(t)\rangle=E e^{-iEt/\hbar}\lvert\psi\rangle=e^{-iEt/\hbar}H\lvert\psi\rangle=H\lvert\psi(t)\rangle$

成立，且 $H$ 不显含时间。

---

习题 2.3.3 ⭐⭐ 位置期望值

对 $\psi_1(x)=\sqrt{2/L}\sin(\pi x/L)$ 计算 $\langle x\rangle$。

解： $\langle x\rangle=\frac2L\int_0^L x\sin^2(\pi x/L)dx$

$=\frac2L\int_0^L x\cdot\frac12[1-\cos(2\pi x/L)]dx=\frac1L\left[\frac{L^2}{2}-0\right]=\frac L2$

$\int_0^L x\cos(2\pi x/L)dx=0$（分部积分，正弦项在边界为零）。 对称势阱中位置期望值为中心 $L/2$。

---

2.4 二能级系统与自旋

习题 2.4.1 ⭐ $X$ 本征态

验证 $\lvert\pm\rangle=(\lvert0\rangle\pm\lvert1\rangle)/\sqrt2$ 是 $X$ 的本征态。

解： $X\lvert+\rangle=\begin{pmatrix}0&1\\1&0\end{pmatrix}\frac1{\sqrt2}\begin{pmatrix}1\\1\end{pmatrix}=\frac1{\sqrt2}\begin{pmatrix}1\\1\end{pmatrix}=\lvert+\rangle$，本征值 $+1$。

$X\lvert-\rangle=\begin{pmatrix}0&1\\1&0\end{pmatrix}\frac1{\sqrt2}\begin{pmatrix}1\\-1\end{pmatrix}=\frac1{\sqrt2}\begin{pmatrix}-1\\1\end{pmatrix}=-\lvert-\rangle$，本征值 $-1$。

$\langle+\mid-\rangle=0$，正交。

---

习题 2.4.2 ⭐⭐ 泡利对易关系

验证 $[X,Y]=2iZ$。

解： $[X,Y]=XY-YX=iZ-(-iZ)=2iZ$。

矩阵验证：$XY=\begin{pmatrix}i&0\\0&-i\end{pmatrix}$，$YX=\begin{pmatrix}-i&0\\0&i\end{pmatrix}$，差为 $2iZ$。

循环对易 $[Y,Z]=2iX$，$[Z,X]=2iY$，是自旋角动量代数的体现。

---

习题 2.4.3 ⭐⭐ $x$ 方向自旋测量

$\lvert\psi\rangle=\cos\frac\theta2\lvert0\rangle+e^{i\phi}\sin\frac\theta2\lvert1\rangle$。在 $x$ 方向测量自旋，求 $P(S_x=+\hbar/2)$。

解： $S_x=\frac\hbar2X$，$X$ 的本征态 $\lvert+\rangle=(\lvert0\rangle+\lvert1\rangle)/\sqrt2$。

$$\langle+\mid\psi\rangle=\frac1{\sqrt2}(\cos\frac\theta2+e^{i\phi}\sin\frac\theta2)$$ $$P(+\hbar/2)=|\langle+\mid\psi\rangle|^2=\frac12\left(1+\sin\theta\cos\phi\right)$$

$\theta=\pi/2,\phi=0$（$\lvert+\rangle$）时 $P=1$；$\theta=\pi/2,\phi=\pi$（$\lvert-\rangle$）时 $P=0$。

---

2.5 布洛赫球

习题 2.5.1 ⭐ 布洛赫球坐标

求 $\lvert0\rangle,\lvert1\rangle,\lvert+\rangle,\lvert-i\rangle$ 的布洛赫球坐标。

解： 参数化为 $\lvert\psi\rangle=\cos\frac\theta2\lvert0\rangle+e^{i\phi}\sin\frac\theta2\lvert1\rangle$，坐标 $(x,y,z)=(\sin\theta\cos\phi,\sin\theta\sin\phi,\cos\theta)$。

态	$\theta$	$\phi$	$(x,y,z)$
$\lvert0\rangle$	$0$	任意	$(0,0,1)$
$\lvert1\rangle$	$\pi$	任意	$(0,0,-1)$
$\lvert+\rangle$	$\pi/2$	$0$	$(1,0,0)$
$\lvert-i\rangle$	$\pi/2$	$-\pi/2$	$(0,-1,0)$

---

习题 2.5.2 ⭐⭐ 纯态布洛赫矢量长度为 1

对任意纯态，证明 $\langle X\rangle^2+\langle Y\rangle^2+\langle Z\rangle^2=1$。

解： 在 $\lvert\psi\rangle=\cos\frac\theta2\lvert0\rangle+e^{i\phi}\sin\frac\theta2\lvert1\rangle$ 下：

$\langle Z\rangle=\cos^2\frac\theta2-\sin^2\frac\theta2=\cos\theta$ $\langle X\rangle=\sin\theta\cos\phi$ $\langle Y\rangle=\sin\theta\sin\phi$

$\langle X\rangle^2+\langle Y\rangle^2+\langle Z\rangle^2=\sin^2\theta(\cos^2\phi+\sin^2\phi)+\cos^2\theta=1$

纯态对应球面点，混态对应球内点。

---

习题 2.5.3 ⭐⭐ $R_z(\pi)$ 旋转

计算 $R_z(\pi)=e^{-i\pi Z/2}$ 对 $\lvert+\rangle$ 和 $\lvert0\rangle$ 的作用。

解： $e^{-i\alpha Z/2}=\cos\frac\alpha2 I-i\sin\frac\alpha2 Z$

$\alpha=\pi$：$R_z(\pi)=-iZ$。

$R_z(\pi)\lvert0\rangle=-iZ\lvert0\rangle=-i\lvert0\rangle$（全局相位，物理不变）。

$R_z(\pi)\lvert+\rangle=-iZ\lvert+\rangle=-i\frac1{\sqrt2}(\lvert0\rangle-\lvert1\rangle)=-i\lvert-\rangle$。

$\lvert+\rangle$ 绕 $z$ 轴转 $180^\circ$ 到达 $\lvert-\rangle$。$\lvert0\rangle$ 在 $z$ 轴上，旋转不变。

---

2.6 测量理论与密度矩阵

习题 2.6.1 ⭐ 最大混态

$\rho=I/2$，求 $\operatorname{Tr}(\rho)$，$\operatorname{Tr}(\rho^2)$，判断纯态或混态。

解： $\operatorname{Tr}(\rho)=1/2+1/2=1$。$\rho^2=I/4$，$\operatorname{Tr}(\rho^2)=1/4+1/4=1/2<1$，是混态。

$Z$ 基测量：$P(0)=P(1)=1/2$。最大混态在任何基下都均匀分布，对应布洛赫球心。

---

习题 2.6.2 ⭐⭐ 贝尔态的约化密度矩阵

对 $\lvert\Phi^+\rangle=(\lvert00\rangle+\lvert11\rangle)/\sqrt2$，求 $\rho_A=\operatorname{Tr}_B(\lvert\Phi^+\rangle\langle\Phi^+\rvert)$。

解： $\rho_{AB}=\frac12(\lvert00\rangle\langle00\rvert+\lvert00\rangle\langle11\rvert+\lvert11\rangle\langle00\rvert+\lvert11\rangle\langle11\rvert)$

${}_B\langle0\rvert\rho_{AB}\lvert0\rangle_B=\frac12\lvert0\rangle\langle0\rvert$，${}_B\langle1\rvert\rho_{AB}\lvert1\rangle_B=\frac12\lvert1\rangle\langle1\rvert$

$\rho_A=\frac12\lvert0\rangle\langle0\rvert+\frac12\lvert1\rangle\langle1\rvert=I/2$，最大混态！

整体纯态但子系统完全混合——纠缠的本质是子系统的信息完全丢失在关联中。

---

习题 2.6.3 ⭐⭐⭐ 概率混合的密度矩阵

系统 $1/2$ 概率处于 $\lvert+\rangle$，$1/2$ 概率处于 $\lvert0\rangle$。求 $\rho$，$\operatorname{Tr}(\rho^2)$，判断纯/混态。

解： $\rho=\frac12\lvert+\rangle\langle+\rvert+\frac12\lvert0\rangle\langle0\rvert$

$\lvert+\rangle\langle+\rvert=\frac12\begin{pmatrix}1&1\\1&1\end{pmatrix}$，$\lvert0\rangle\langle0\rvert=\begin{pmatrix}1&0\\0&0\end{pmatrix}$

$\rho=\frac12\begin{pmatrix}3/2&1/2\\1/2&1/2\end{pmatrix}=\begin{pmatrix}3/4&1/4\\1/4&1/4\end{pmatrix}$

$\rho^2=\begin{pmatrix}5/8&1/4\\1/4&1/8\end{pmatrix}$，$\operatorname{Tr}(\rho^2)=5/8+1/8=3/4<1$，是混态。

一般参数 $p$：$\rho(p)=p\lvert+\rangle\langle+\rvert+(1-p)\lvert0\rangle\langle0\rvert$，$\operatorname{Tr}(\rho^2)=1-p+p^2$。

$p=0$ 或 $1$ 时为纯态，$p=1/2$ 时混度最大（$3/4$）。

---

第三部分 量子计算基础

---

3.1 量子比特

习题 3.1.1 ⭐ 量子态归一化

将 $\lvert\psi\rangle=3\lvert0\rangle+4\lvert1\rangle$ 归一化。

解： $\lVert\lvert\psi\rangle\rVert=\sqrt{3^2+4^2}=5$。归一化态：

$\lvert\hat\psi\rangle=\frac35\lvert0\rangle+\frac45\lvert1\rangle$。$P(0)=(3/5)^2=0.36$，$P(1)=0.64$。

---

习题 3.1.2 ⭐⭐ 布洛赫球参数化

将 $\lvert\psi\rangle=\frac{1+i}2\lvert0\rangle+\frac{1-i}2\lvert1\rangle$ 表示为 $(\theta,\phi)$。

解： $|\alpha|^2=|\beta|^2=1/2$，$\cos\frac\theta2=1/\sqrt2\implies\theta=\pi/2$。

$\alpha=\frac1{\sqrt2}e^{i\pi/4}$，$\beta=\frac1{\sqrt2}e^{-i\pi/4}$，相对相位 $\phi=-\pi/2$。

$(\theta,\phi)=(\pi/2,-\pi/2)$，即 $\lvert-i\rangle$。原态与 $\lvert-i\rangle$ 相差全局相位 $e^{i\pi/4}$。

---

习题 3.1.3 ⭐⭐⭐ $n$ 比特态空间维度

(a) 证明 $n$ 比特态空间维度为 $2^n$。 (b) 忽略全局相位，$n$ 比特纯态需几个实参数？ (c) $n=50$ 时需多少复参数？

解： (a) $\mathcal{H}=(\mathbb{C}^2)^{\otimes n}$，$\dim=2^n$。

(b) $2^n$ 个复振幅，归一化减 1，全局相位减 1。实参数 $=2^{n+1}-2$。

(c) $2^{50}\approx1.13\times10^{15}$ 个复参数，约 18 PB（双精度）。超过经典计算机内存，揭示了量子优势的根源。

---

3.2 单量子比特门

习题 3.2.1 ⭐ $H$ 门基本作用

计算 $H\lvert0\rangle$，$H\lvert1\rangle$，$H\lvert+\rangle$，验证 $H^2=I$。

解： $H=\frac1{\sqrt2}\begin{pmatrix}1&1\\1&-1\end{pmatrix}$

$H\lvert0\rangle=\lvert+\rangle$，$H\lvert1\rangle=\lvert-\rangle$，$H\lvert+\rangle=\lvert0\rangle$

$H^2=\frac12\begin{pmatrix}1&1\\1&-1\end{pmatrix}\begin{pmatrix}1&1\\1&-1\end{pmatrix}=I$，自逆。

---

习题 3.2.2 ⭐⭐ $H$ 的共轭关系

证明 $HXH=Z$，$HZH=X$。

解： $HX=\frac1{\sqrt2}\begin{pmatrix}1&1\\1&-1\end{pmatrix}\begin{pmatrix}0&1\\1&0\end{pmatrix}=\frac1{\sqrt2}\begin{pmatrix}1&1\\-1&1\end{pmatrix}$

$(HX)H=\frac12\begin{pmatrix}1&1\\-1&1\end{pmatrix}\begin{pmatrix}1&1\\1&-1\end{pmatrix}=\frac12\begin{pmatrix}2&0\\0&-2\end{pmatrix}=Z$

$HZH$ 同理得 $X$。$H$ 门在 $X$ 和 $Z$ 基之间做变换。

---

习题 3.2.3 ⭐⭐ 相位门关系

证明 $S=T^2$，$Z=S^2=T^4$。

解： $T=\begin{pmatrix}1&0\\0&e^{i\pi/4}\end{pmatrix}$，$S=\begin{pmatrix}1&0\\0&i\end{pmatrix}$，$Z=\begin{pmatrix}1&0\\0&-1\end{pmatrix}$。

$T^2=\begin{pmatrix}1&0\\0&e^{i\pi/2}\end{pmatrix}=S$，$S^2=\begin{pmatrix}1&0\\0&i^2\end{pmatrix}=Z$，$T^4=(T^2)^2=S^2=Z$。

$T,S,Z$ 分别是绕 $z$ 轴旋转 $\pi/4,\pi/2,\pi$。

---

3.3 多量子比特门与纠缠

习题 3.3.1 ⭐ CNOT 对叠加态

计算 CNOT 作用在 $\lvert1+\rangle$ 和 $\lvert+-\rangle$ 上（控制为第一个比特）。

解： $\lvert1+\rangle=(\lvert10\rangle+\lvert11\rangle)/\sqrt2$

$\text{CNOT}\lvert1+\rangle=(\lvert11\rangle+\lvert10\rangle)/\sqrt2=\lvert1+\rangle$，不变。

$\lvert+-\rangle=\frac12(\lvert00\rangle-\lvert01\rangle+\lvert10\rangle-\lvert11\rangle)$

$\text{CNOT}\lvert+-\rangle=\frac12(\lvert00\rangle-\lvert01\rangle+\lvert11\rangle-\lvert10\rangle)=\lvert+-\rangle$，也不变。

$\lvert1+\rangle$ 和 $\lvert+-\rangle$ 都是 CNOT 在 $X$ 基下的本征态。

---

习题 3.3.2 ⭐⭐ $\lvert\Psi^-\rangle$ 的纠缠性

证明 $\lvert\Psi^-\rangle=(\lvert01\rangle-\lvert10\rangle)/\sqrt2$ 是纠缠态。

解： 假设 $\lvert\Psi^-\rangle=\lvert a\rangle\otimes\lvert b\rangle$，$\lvert a\rangle=\alpha\lvert0\rangle+\beta\lvert1\rangle$，$\lvert b\rangle=\gamma\lvert0\rangle+\delta\lvert1\rangle$。

展开得 $\alpha\gamma=0$，$\alpha\delta=1/\sqrt2$，$\beta\gamma=-1/\sqrt2$，$\beta\delta=0$。

$\alpha=0\implies\alpha\delta=0$ 矛盾；$\beta=0\implies\beta\gamma=0$ 矛盾； $\gamma=0\implies\beta\gamma=0$ 矛盾；$\delta=0\implies\beta\delta=0$ 矛盾。

不可分解，是纠缠态。$\lvert\Psi^-\rangle$ 是唯一反对称的贝尔态。

---

习题 3.3.3 ⭐⭐⭐ 不可克隆定理证明

证明不存在酉算子 $U$ 使 $U\lvert\psi\rangle\lvert0\rangle=\lvert\psi\rangle\lvert\psi\rangle$ 对所有 $\lvert\psi\rangle$ 成立。

解： 取两个非正交、也非相同的态 $\lvert\psi\rangle,\lvert\phi\rangle$（$0<|\langle\psi\mid\phi\rangle|<1$）。

假设存在，则 $U\lvert\psi\rangle\lvert0\rangle=\lvert\psi\rangle\lvert\psi\rangle$，$U\lvert\phi\rangle\lvert0\rangle=\lvert\phi\rangle\lvert\phi\rangle$。

左边内积：$\langle\psi\rvert\langle0\rvert U^\dagger U\lvert\phi\rangle\lvert0\rangle=\langle\psi\mid\phi\rangle$ 右边内积：$\langle\psi\rvert\langle\psi\rvert\cdot\lvert\phi\rangle\lvert\phi\rangle=(\langle\psi\mid\phi\rangle)^2$

因此 $\langle\psi\mid\phi\rangle=(\langle\psi\mid\phi\rangle)^2$，解得 $\langle\psi\mid\phi\rangle=0$ 或 $1$，矛盾。

通用克隆机不存在。量子信息不可复制，这是量子密码学安全的基础。

---

3.4 量子电路

习题 3.4.1 ⭐ 贝尔态制备电路

分析下列电路制备了什么态：

|1⟩ —H—•—
|0⟩ ———⊕—

解： 初始 $\lvert10\rangle$。

$H$ 后：$(\lvert0\rangle-\lvert1\rangle)\lvert0\rangle/\sqrt2=(\lvert00\rangle-\lvert10\rangle)/\sqrt2$

CNOT 后：$(\lvert00\rangle-\lvert11\rangle)/\sqrt2=\lvert\Phi^-\rangle$

制备了 $\lvert\Phi^-\rangle$。

---

习题 3.4.2 ⭐⭐ GHZ 态电路跟踪

写出 GHZ 态 $(\lvert000\rangle+\lvert111\rangle)/\sqrt2$ 制备电路各步后的态。

解： 电路：

|0⟩ —H—•——————
|0⟩ ———⊕—•———
|0⟩ —————⊕———

1. 初始：$\lvert000\rangle$
2. $H$ 后：$(\lvert000\rangle+\lvert100\rangle)/\sqrt2$
3. CNOT$_{12}$ 后：$(\lvert000\rangle+\lvert110\rangle)/\sqrt2$
4. CNOT$_{23}$ 后：$(\lvert000\rangle+\lvert111\rangle)/\sqrt2=\lvert\text{GHZ}\rangle$

三比特完全纠缠：测量一比特即确定其余两比特。

---

习题 3.4.3 ⭐⭐ 设计 $\lvert\Phi^-\rangle$ 电路

设计电路制备 $\lvert\Phi^-\rangle=(\lvert00\rangle-\lvert11\rangle)/\sqrt2$。

解： 两种方法。

方法 1（标准电路加 $Z$ 门）：

|0⟩ —H—•——Z—
|0⟩ ———⊕———

$H$ 后：$(\lvert00\rangle+\lvert10\rangle)/\sqrt2$；CNOT 后：$(\lvert00\rangle+\lvert11\rangle)/\sqrt2$； $Z$ 后：$(\lvert00\rangle-\lvert11\rangle)/\sqrt2$。

方法 2（改变初始态，见 3.4.1）：

|1⟩ —H—•—
|0⟩ ———⊕—

直接得 $\lvert\Phi^-\rangle$，更简洁。

---

3.5 量子测量与读取

习题 3.5.1 ⭐ 测量概率与期望值

$\lvert\psi\rangle=0.6\lvert0\rangle+0.8\lvert1\rangle$。求 $P(0),P(1),\langle Z\rangle$。

解： $P(0)=|0.6|^2=0.36$，$P(1)=|0.8|^2=0.64$。

$\langle Z\rangle=|0.6|^2-|0.8|^2=0.36-0.64=-0.28$（靠近布洛赫球南极）。

---

习题 3.5.2 ⭐⭐ 三方向期望值

对 $\lvert+\rangle$ 求 $\langle X\rangle,\langle Y\rangle,\langle Z\rangle$，验证平方和为 1。

解： $\lvert+\rangle$ 是 $X$ 本征态（$+1$），故 $\langle X\rangle=1$。

$\langle Z\rangle=\langle+\rvert Z\lvert+\rangle=\frac12(1-1)=0$ $\langle Y\rangle=\langle+\rvert Y\lvert+\rangle=\frac12(-i+i)=0$

$\langle X\rangle^2+\langle Y\rangle^2+\langle Z\rangle^2=1$，布洛赫坐标 $(1,0,0)$，纯态。

---

习题 3.5.3 ⭐⭐⭐ $X$ 基测量

对 $\lvert\psi\rangle=\alpha\lvert0\rangle+\beta\lvert1\rangle$ 在 $X$ 基下测量，求 $P_+$ 和 $P_-$。

解： $\langle+\mid\psi\rangle=(\alpha+\beta)/\sqrt2$，$\langle-\mid\psi\rangle=(\alpha-\beta)/\sqrt2$。

$P_+=\frac{|\alpha+\beta|^2}{2}=\frac{|\alpha|^2+|\beta|^2+2\operatorname{Re}(\alpha^*\beta)}{2}=\frac12+\operatorname{Re}(\alpha^*\beta)$

$P_-=\frac12-\operatorname{Re}(\alpha^*\beta)$

$\lvert\psi\rangle=\lvert+\rangle$ 时 $P_+=1$；$\lvert\psi\rangle=\lvert0\rangle$ 时 $P_+=P_-=1/2$。

$Z$ 基态在 $X$ 基下完全随机，体现互补性。

---

3.6 量子算法导引

习题 3.6.1 ⭐ BB84 基对比

Alice 发 $\lvert+\rangle$，Bob 用 $X$ 基或 $Z$ 基测量的结果？

解： $X$ 基测量：$\lvert+\rangle$ 是 $X$ 本征态，以概率 1 得 $+$（比特 0）。

$Z$ 基测量：$P(0)=|\langle0\mid+\rangle|^2=1/2$，$P(1)=1/2$，完全随机。

基相同（$X/X$）概率 $1/2$，此时结果确定。基不同时结果随机丢弃。

---

习题 3.6.2 ⭐⭐ 隐形传态跟踪

Alice 传输 $\lvert1\rangle$，共享 $\lvert\Phi^+\rangle_{AB}=(\lvert00\rangle+\lvert11\rangle)/\sqrt2$。求 Alice 测量后 Bob 的态。

解： 三比特初态 $\lvert\Psi_0\rangle=\lvert1\rangle_A\lvert\Phi^+\rangle_{AB}=(\lvert100\rangle+\lvert111\rangle)/\sqrt2$。

CNOT$_{12}$（Alice 对两比特）：$\lvert\Psi_1\rangle=(\lvert110\rangle+\lvert101\rangle)/\sqrt2$。

$H_1$：$\lvert\Psi_2\rangle=\frac12(\lvert010\rangle-\lvert110\rangle+\lvert001\rangle-\lvert101\rangle)$。

四种测量结果及 Bob 修正：

Alice 测得	Bob 的态	修正门	最终态
$(0,0)$	$\lvert1\rangle$	$I$	$\lvert1\rangle$
$(0,1)$	$\lvert0\rangle$	$X$	$\lvert1\rangle$
$(1,0)$	$\lvert1\rangle$	$Z$	$\lvert1\rangle$
$(1,1)$	$\lvert0\rangle$	$ZX$	$\lvert1\rangle$

无论哪种情况，Bob 最终得到 $\lvert1\rangle$，隐形传态成功。

---

习题 3.6.3 ⭐⭐⭐ Grover 单次迭代（$N=4$）

$N=4$，目标态 $\lvert\omega\rangle=\lvert11\rangle$。证明一次迭代后以概率 1 得到目标态。

解： 初始 $\lvert s\rangle=H^{\otimes2}\lvert00\rangle=\frac12(\lvert00\rangle+\lvert01\rangle+\lvert10\rangle+\lvert11\rangle)$。

$U_\omega\lvert x\rangle=(-1)^{f(x)}\lvert x\rangle$，其中 $f(x)=1$ 仅当 $x=11$。

$U_\omega\lvert s\rangle=\frac12(\lvert00\rangle+\lvert01\rangle+\lvert10\rangle-\lvert11\rangle)$。

振幅平均 $\bar a=\frac14(\frac12+\frac12+\frac12-\frac12)=\frac14$。

$U_s=2\lvert s\rangle\langle s\rvert-I$：$a_i\to2\bar a-a_i$。

• $\lvert00\rangle$：$2\cdot\frac14-\frac12=0$
• $\lvert01\rangle$：$0$
• $\lvert10\rangle$：$0$
• $\lvert11\rangle$：$2\cdot\frac14-(-\frac12)=1$

得 $\lvert11\rangle$，测量以概率 1 得到目标态。$N=4$ 时 Grover 一次迭代完美成功。

---

文件信息：60 题覆盖 20 节 · 第一部分 24 题 · 第二部分 18 题 · 第三部分 18 题 难度分布：⭐ 20 题 · ⭐⭐ 30 题 · ⭐⭐⭐ 10 题

---

第一部分 数学基础 · 费曼练习册

学以致用，用以教学

本练习册奉行费曼学习法：最好的检验方式是能否用简单语言教会别人。 每节 4 题，覆盖四种能力：计算、证明、教学、洞察。

难度标记：⭐ 计算 / ⭐⭐ 证明 / 🗣️ 费曼 / 💭 洞察

---

1.1 复数与欧拉公式

⭐ 极坐标下的幂运算

计算 $(1+i)^6$。提示：先用极坐标表示 $1+i$，再利用棣莫弗定理。

⭐⭐ 棣莫弗定理的证明

用欧拉公式 $e^{i\theta} = \cos\theta + i\sin\theta$ 证明棣莫弗定理：

$$(\cos\theta + i\sin\theta)^n = \cos(n\theta) + i\sin(n\theta), \quad n \in \mathbb{Z}$$

并说明它对 $n$ 为负整数时是否仍然成立。

🗣️ 费曼：向高中生解释复数的”必要性”

假设你面前坐着一位学过三角函数但从未接触过复数的高中生。他问：“量子力学为什么非要用复数？用实数不是更’自然’吗？你那些所谓的相位 $e^{i\theta}$，难道不能用 $(\cos\theta, \sin\theta)$ 两个实数来代替吗？”

请你用不超过 3 句话 回答他。如果你觉得有必要，可以画一个简单的示意图来描述。

💭 洞察：如果 $i^2 = 1$

假设我们定义了一个”新数” $j$，满足 $j^2 = 1$ 但 $j \neq \pm 1$（双曲复数）。那么 $z = a + bj$ 的”乘法”会怎样？它的模的定义 $|z|^2 = z z^*$ 还有意义吗？

更进一步，如果量子力学用的是 $j$ 而不是 $i$，概率幅的叠加还会产生干涉吗？试着推测。

---

1.2 向量空间与希尔伯特空间

⭐ 验证基的合法性

判断以下三个向量是否构成 $\mathbb{C}^2$ 的一组基：

$$\lvert v_1\rangle = \begin{pmatrix}1 \\ i\end{pmatrix},\quad \lvert v_2\rangle = \begin{pmatrix}i \\ 1\end{pmatrix}$$

如果只取其中一个向量，它能生成整个 $\mathbb{C}^2$ 吗？为什么？

⭐⭐ 最大正交归一集

在 $\mathbb{C}^n$ 中，证明：任意一组正交归一向量 $\{\lvert e_1\rangle, \lvert e_2\rangle, \ldots, \lvert e_m\rangle\}$，若 $m < n$，则一定存在 $\lvert v\rangle \neq 0$ 与所有 $\lvert e_i\rangle$ 正交。

（换句话说：$\mathbb{C}^n$ 中不可能有超过 $n$ 个非零的相互正交向量。）

🗣️ 费曼：用”书架”类比解释基与维度

你的朋友没有学过线性代数，但理解现实中的”维度”概念（长、宽、高）。

请用书架、书的排列、或者坐标定位为类比，帮他理解：

1. 什么是向量空间的”基”
2. 什么是”维度”
3. 为什么同一个向量在不同基下有不同坐标

💭 洞察：函数空间也是向量空间

考虑所有从 $\mathbb{R}$ 到 $\mathbb{C}$ 的平方可积函数构成的集合 $L^2(\mathbb{R})$。它也是一个（无限维）向量空间。

1. 你能猜出”向量加法”和”数乘”在这个空间中对应什么操作吗？
2. “基”在这个空间中是什么？
3. 维数无限意味着什么？这和有限维 $\mathbb{C}^n$ 有什么本质不同？

---

1.3 线性算子与矩阵表示

⭐ 对易子计算

计算泡利矩阵的对易子 $[X, Y] = XY - YX$，并将结果表示为 $Z$ 的倍数。

已知：

$$X = \begin{pmatrix}0&1\\1&0\end{pmatrix},\quad Y = \begin{pmatrix}0&-i\\i&0\end{pmatrix},\quad Z = \begin{pmatrix}1&0\\0&-1\end{pmatrix}$$

⭐⭐ 厄米算子特征值为实数

设 $A$ 是厄米算子，即 $A^\dagger = A$。证明 $A$ 的所有特征值都是实数。

提示：设 $A\lvert\lambda\rangle = \lambda\lvert\lambda\rangle$，计算 $\langle\lambda|A|\lambda\rangle$ 并利用厄米性。

🗣️ 费曼：酉算子像”旋转门”

用不超过 4 句话 和一个生活类比，向一位初学者解释为什么量子门必须是酉算子。

你的解释需要包含：

• 酉算子保持向量的”长度”
• 为什么长度很重要（概率总和必须为 1）
• 举例说明一个非酉操作会怎样

💭 洞察：算子和矩阵的对应是”选择”的结果

我们在教程中说：给定一组基，每个线性算子对应唯一一个矩阵。但如果换一组基，同一个算子的矩阵会变。

1. 你能用相似变换（$A' = P^{-1}AP$）描述这种变化吗？
2. 算子的哪些性质（特征值、迹、行列式）在基变换下不变？
3. 为什么量子力学更关注算子本身而不是它的具体矩阵表示？

---

1.4 内积、范数与正交性

⭐ Gram-Schmidt 正交化

对以下两个向量执行 Gram-Schmidt 正交化过程：

$$\lvert v_1\rangle = \begin{pmatrix}1 \\ 1 \\ 0\end{pmatrix},\quad \lvert v_2\rangle = \begin{pmatrix}1 \\ 0 \\ 1\end{pmatrix}$$

从 $\lvert v_1\rangle$ 开始，得到一组正交归一基。

⭐⭐ 平行四边形定律

在复内积空间中，证明平行四边形定律：

$$\lVert \lvert v\rangle + \lvert w\rangle \rVert^2 + \lVert \lvert v\rangle - \lvert w\rangle \rVert^2 = 2\left(\lVert \lvert v\rangle \rVert^2 + \lVert \lvert w\rangle \rVert^2\right)$$

并解释其几何意义。（提示：用内积展开左右两边。）

🗣️ 费曼：向 5 岁小孩解释”投影”

假设你手中有一个手电筒和一堵墙。你要向一个 5 岁小孩解释什么是”把一个向量投影到另一个向量上”。

用生活语言描述，不需要公式。然后补充一句话说明”投影”在量子测量中扮演什么角色。

💭 洞察：柯西-施瓦茨与不确定原理

在量子力学中，海森堡不确定原理可以写为：

$$\Delta A \, \Delta B \geq \frac{1}{2} \left| \langle [A, B] \rangle \right|$$

其中 $\Delta A$ 是算子 $A$ 的标准差，$[A, B]$ 是对易子。

1. 这个不等式在数学形式上与柯西-施瓦茨不等式 $|\langle v \mid w \rangle| \leq \lVert v \rVert \lVert w \rVert$ 有何相似之处？
2. 你能看出为什么”不确定”本质上是一个几何性质（内积空间中的内角），而不是一个复杂的物理假设？

---

1.5 特征值与特征向量

⭐ 阿达玛矩阵的特征系统

求以下矩阵的特征值和归一化特征向量：

$$H = \frac{1}{\sqrt{2}}\begin{pmatrix}1 & 1 \\ 1 & -1\end{pmatrix}$$

（这是量子计算中最重要的门之一——阿达玛门。）

⭐⭐ 对易算子共享特征向量

设 $A$ 和 $B$ 是两个厄米算子，且 $[A, B] = 0$（对易）。证明：存在一组基同时对角化 $A$ 和 $B$。

提示：先用 $A$ 的特征空间分解，再证明 $B$ 在每个特征子空间上不变。

🗣️ 费曼：谱分解像”棱镜分光”

用物理类比向一位同学解释谱分解定理：

“任何厄米算子都可以分解为 $A = \sum_i \lambda_i \lvert \lambda_i \rangle\langle \lambda_i \rvert$。”

建议你使用白光通过棱镜分解成单色光的类比。然后说明为什么这种分解对量子测量如此重要。

💭 洞察：测量为什么只能得到特征值

量子力学有一条基本假设：测量某个物理量 $A$ 时，结果只能是 $A$ 的某个特征值。

1. 如果 $A$ 不是厄米算子（特征值可能是复数），测量结果会意味着什么？
2. 如果系统处于叠加态 $\lvert\psi\rangle = \alpha\lvert\lambda_1\rangle + \beta\lvert\lambda_2\rangle$，测量得到 $\lambda_1$ 的概率是多少？
3. 测量后系统的状态变成什么？这被称为”波包坍缩”——你能用投影算子的语言描述这个过程吗？

---

1.6 张量积与多体系统

⭐ 两比特张量积

已知：

$$\lvert a\rangle = \frac{1}{\sqrt{2}}(\lvert0\rangle + \lvert1\rangle), \quad \lvert b\rangle = \frac{1}{\sqrt{2}}(\lvert0\rangle - \lvert1\rangle)$$

计算 $\lvert a\rangle \otimes \lvert b\rangle$ 在计算基 $\{\lvert00\rangle, \lvert01\rangle, \lvert10\rangle, \lvert11\rangle\}$ 下的展开。

⭐⭐ Schmidt 分解的存在性

对于两体纯态 $\lvert\psi\rangle \in \mathcal{H}_A \otimes \mathcal{H}_B$，证明存在正交归一集 $\{\lvert u_i\rangle\}$ 在 $\mathcal{H}_A$ 中和 $\{\lvert v_i\rangle\}$ 在 $\mathcal{H}_B$ 中，使得：

$$\lvert\psi\rangle = \sum_{i} \sigma_i \lvert u_i\rangle \otimes \lvert v_i\rangle$$

其中 $\sigma_i \geq 0$ 且 $\sum_i \sigma_i^2 = 1$。

（提示：对 $\lvert\psi\rangle\langle\psi\rvert$ 在 $\mathcal{H}_A$ 上取部分迹，并对得到的密度矩阵进行谱分解。）

🗣️ 费曼：用”两枚硬币”解释纠缠

用不超过 4 句话 向一位没有物理背景的朋友解释：什么是张量积？什么是纠缠？

你可以用两枚硬币的不同状态（抛掷、粘连、相关）作为类比。注意区分”经典相关”和”量子纠缠”。

💭 洞察：如果世界是直积态

假设某种物理定律规定：所有多粒子态都必须是可以分解的直积态（即 $\lvert\psi\rangle = \lvert a\rangle \otimes \lvert b\rangle$，不能再有其他形式）。

1. 量子计算还有优势吗？为什么？
2. 贝尔不等式还会被违反吗？
3. 量子通信（如量子密钥分发）还会存在吗？

---

1.7 概率论基础

⭐ 偏置硬币的联合分布

有两枚偏置硬币：硬币 A 正面概率 $p_A = 0.6$，硬币 B 正面概率 $p_B = 0.3$，且两者独立。

1. 求两枚硬币抛出结果的联合概率分布（4 种可能的组合）。
2. 如果在某人抛掷后得知至少有一枚是正面，此时两枚都是正面的条件概率是多少？

⭐⭐ 全概率公式的推导

设 $\{B_i\}$ 是样本空间 $\Omega$ 的一个划分（互斥且 $\cup_i B_i = \Omega$）。证明全概率公式：

$$P(A) = \sum_i P(A \mid B_i) P(B_i)$$

并由此推导贝叶斯公式。

🗣️ 费曼：经典概率与量子概率的”本质区别”

你可以和一位同学做一个小辩论：

他说：“量子概率不就是复数版的经典概率吗？你把 $|a|^2$ 换成 $|a+bi|^2$ 不就行了？”

请你用 不超过 3 句话 指出他的理解错在哪里。关键点：干涉、相位、非对易。

💭 洞察：干涉从哪里来？

经典概率中，对于互斥事件 $A$ 和 $B$，有 $P(A \cup B) = P(A) + P(B)$。

量子概率中，对于两个可能的演化路径，概率幅相加后再取模平方：

$$P = |\psi_1 + \psi_2|^2 = |\psi_1|^2 + |\psi_2|^2 + 2\,\text{Re}(\psi_1^*\psi_2)$$

1. 这个额外的”交叉项” $2\,\text{Re}(\psi_1^*\psi_2)$ 就是干涉项的来源。它在什么条件下消失？
2. 如果 $\psi_1$ 和 $\psi_2$ 正交（$\langle\psi_1|\psi_2\rangle = 0$），会有干涉吗？
3. 这能否解释为什么测量会破坏干涉——因为测量使路径变得”可区分”？

---

1.8 傅里叶分析入门

⭐ 4 点 DFT 的频率识别

计算 $F_4$ 对 $\mathbf{x} = (1, 0, -1, 0)^T$ 的变换结果。这个序列的频率成分是什么？

（参考：$F_4$ 矩阵元 $(F_4)_{jk} = \omega_4^{jk}$，其中 $\omega_4 = e^{2\pi i/4} = i$。）

⭐⭐ DFT 的卷积定理

设 $\mathbf{x}, \mathbf{y} \in \mathbb{C}^N$，定义循环卷积：

$$(\mathbf{x} * \mathbf{y})_k = \sum_{j=0}^{N-1} x_j \, y_{(k-j) \bmod N}$$

证明离散傅里叶变换将循环卷积变为逐元素乘法：

$$F_N(\mathbf{x} * \mathbf{y}) = (F_N\mathbf{x}) \odot (F_N\mathbf{y})$$

其中 $\odot$ 表示逐元素乘法。

🗣️ 费曼：向初学者解释 QFT 的”指数加速”

假设你身边有一位懂经典 FFT（快速傅里叶变换）但没接触过量子计算的同事。他说：

“FFT 已经是 $O(N \log N)$ 了，你告诉我 QFT 是 $O(\log^2 N)$——这怎么可能？$N$ 是数据点数的话，$\log N$ 比特怎么可能存下 $N$ 个数据？”

请用 不超过 4 句话 帮他理解 QFT 中的 $N$ 和 FFT 中的 $N$ 是不同意义上的”大小”。

💭 洞察：DFT 是一种基变换

离散傅里叶变换本质上是在 $\mathbb{C}^N$ 中把向量从”时域基” $\{\lvert t_k\rangle\}$（标准基）变换到”频域基” $\{\lvert f_j\rangle\}$。

1. 你能写出这两组基的具体表达式吗？
2. 为什么说傅里叶变换是”酉变换”？酉性在实际应用中有什么好处？
3. 在量子计算中，我们在计算基和 $X$ 基之间切换本质上也相当于做了一次”小型的傅里叶变换”。你能看出 $H$ 门（阿达玛门）与 $F_2$ 之间的关系吗？

---

参考答案

1.1 复数与欧拉公式

⭐ 极坐标下的幂运算

$1+i = \sqrt{2}\, e^{i\pi/4}$，所以 $(1+i)^6 = (\sqrt{2})^6 e^{i\cdot 6\pi/4} = 8 e^{i 3\pi/2} = 8(\cos 3\pi/2 + i\sin 3\pi/2) = -8i$。

代数验算：$(1+i)^2 = 1 + 2i + i^2 = 2i$，$(1+i)^4 = (2i)^2 = -4$，$(1+i)^6 = (1+i)^4 (1+i)^2 = (-4)(2i) = -8i$，一致。

⭐⭐ 棣莫弗定理的证明

$(\cos\theta + i\sin\theta)^n = (e^{i\theta})^n = e^{i n\theta} = \cos(n\theta) + i\sin(n\theta)$。

当 $n$ 为负整数时，令 $n = -m$，$(\cos\theta + i\sin\theta)^{-m} = 1/(\cos\theta + i\sin\theta)^m = 1/e^{i m\theta} = e^{-i m\theta} = \cos(m\theta) - i\sin(m\theta) = \cos((-m)\theta) + i\sin((-m)\theta)$，也成立。

🗣️ 参考答案要点：关键在于”同时操作”而不是”分别存储”。如果使用两个实数 $(\cos\theta, \sin\theta)$，乘法时需要手动应用三角恒等式；而复数将旋转编码为单一乘法 $e^{i\theta_1} \cdot e^{i\theta_2} = e^{i(\theta_1+\theta_2)}$。在量子力学中，多个相位叠加干涉天然对应复数的加法和乘法结构——用实数对表示会丢失这种代数一致性。更简洁地：复数不是”两个实数”，而是”一个有内部结构的数”，其乘法结构恰好编码了旋转，而量子力学本质上是旋转的动力学。

💭 参考答案要点：如果 $j^2 = 1$，则 $z = a + bj$ 的乘法为 $(a_1+b_1j)(a_2+b_2j) = (a_1a_2+b_1b_2) + (a_1b_2+a_2b_1)j$。此时 $|z|^2 = zz^*$ 若定义 $z^* = a - bj$，则 $zz^* = a^2 - b^2$（可正可负），不是良定的模。在量子力学中，概率幅必须满足归一化，双曲复数的”模”可能为负或零非平凡解，导致概率解释失效。干涉项也将从 $\cos$ 型变为 $\cosh$ 型，概率可能出现大于 1 的情况。因此 $i^2 = -1$ 的选择对量子力学的概率解释是必要的。

---

1.2 向量空间与希尔伯特空间

⭐ 验证基的合法性

$\lvert v_1\rangle$ 和 $\lvert v_2\rangle$ 线性无关：设 $\alpha\lvert v_1\rangle + \beta\lvert v_2\rangle = 0$，得 $\alpha + i\beta = 0$ 且 $i\alpha + \beta = 0$，解得 $\alpha = \beta = 0$。两个线性无关向量在 $\mathbb{C}^2$（维数为 2）中构成一组基。

仅取一个向量（如 $\lvert v_1\rangle$）只能生成所有形如 $c(1, i)^T$ 的向量，不能生成 $(1, 0)^T$ 或 $(0, 1)^T$，因此不能张成整个 $\mathbb{C}^2$。

⭐⭐ 最大正交归一集

构造投影算子 $P = \sum_{i=1}^m \lvert e_i\rangle\langle e_i\rvert$。因为 $m < n$，$P$ 的秩为 $m$，所以 $I-P \neq 0$。取 $\lvert v\rangle$ 为 $I-P$ 的任意非零列向量，则对每个 $i$，$\langle e_i \mid v \rangle = \langle e_i \rvert (I-P)\lvert v\rangle = \langle e_i \mid v\rangle - \sum_j \langle e_i\mid e_j\rangle\langle e_j\mid v\rangle = \langle e_i\mid v\rangle - \langle e_i\mid v\rangle = 0$。因此 $\lvert v\rangle$ 与所有 $\lvert e_i\rangle$ 正交。

🗣️ 参考答案要点：用书架隔板比作”基向量”，每本书的位置由隔板上的坐标唯一确定（基的表示唯一性）。维度就是书架需要的隔板数。同一个位置（同一个向量）如果用横排书架和竖排书架两种方式描述，坐标数字不同——这就是基变换改变坐标。

💭 参考答案要点：向量加法对应函数相加 $(f+g)(x) = f(x)+g(x)$，数乘对应 $(cf)(x) = c\cdot f(x)$。“基”对应一组基函数（如傅里叶基 $\{e^{i n x}\}$ 或多项式基 $\{x^n\}$），每个函数可以按这些基函数展开。无限维意味着需要无穷多个基函数才能精确表示任意函数，这与有限维 $\mathbb{C}^n$ 有本质不同：有限维中任何向量都可以用有限个基精确表示，而无限维涉及收敛性等分析问题。

---

1.3 线性算子与矩阵表示

⭐ 对易子计算

$$XY = \begin{pmatrix}0&1\\1&0\end{pmatrix}\begin{pmatrix}0&-i\\i&0\end{pmatrix} = \begin{pmatrix}i&0\\0&-i\end{pmatrix} = iZ$$ $$YX = \begin{pmatrix}0&-i\\i&0\end{pmatrix}\begin{pmatrix}0&1\\1&0\end{pmatrix} = \begin{pmatrix}-i&0\\0&i\end{pmatrix} = -iZ$$

因此 $[X, Y] = XY - YX = iZ - (-iZ) = 2iZ$。

⭐⭐ 厄米算子特征值为实数

设 $A\lvert\lambda\rangle = \lambda\lvert\lambda\rangle$。计算 $\langle\lambda\rvert A\lvert\lambda\rangle$：

$\langle\lambda\rvert A\lvert\lambda\rangle = \langle\lambda\rvert (\lambda\lvert\lambda\rangle) = \lambda\langle\lambda\mid\lambda\rangle = \lambda \lVert \lvert\lambda\rangle\rVert^2$

另一方面，利用厄米性 $A^\dagger = A$：

$\langle\lambda\rvert A\lvert\lambda\rangle = (\langle\lambda\rvert A\lvert\lambda\rangle)^\dagger = (A\lvert\lambda\rangle)^\dagger \lvert\lambda\rangle = (\lambda^*\langle\lambda\rvert)\lvert\lambda\rangle = \lambda^* \lVert\lvert\lambda\rangle\rVert^2$

因此 $\lambda = \lambda^*$，$\lambda$ 为实数。

🗣️ 参考答案要点：酉算子像一扇完美旋转门——推门进去，门转了一圈后回到原位，你从另一面出来，你的身高体重（长度）不变。同样地，量子态通过酉门演化后，概率总和保持在 1。如果门不是酉的（比如你进去后变矮了一半），概率总和就不再是 1，物理上不可能。具体来说，非酉操作可以是”增益”（概率 > 1）或”损耗”（概率 < 1），都不符合量子力学幺正演化的要求。

💭 参考答案要点：基变换下的算子变换确实为 $A' = P^{-1}AP$。不变量包括：特征值（谱）、迹（$\text{tr}(A)$）、行列式、秩、特征多项式。量子力学更关注算子本身而非其矩阵表示，因为物理观测结果（特征值、概率）在基变换下不变——它们是内禀的物理性质，不依赖于观察者的数学描述方式。

---

1.4 内积、范数与正交性

⭐ Gram-Schmidt 正交化

令 $\lvert u_1\rangle = \lvert v_1\rangle / \lVert \lvert v_1\rangle\rVert = (1,1,0)^T / \sqrt{2}$。

计算投影分量：$\langle u_1 \mid v_2\rangle = \frac{1}{\sqrt{2}}(1,1,0)(1,0,1)^T = \frac{1}{\sqrt{2}}$。

$\lvert w_2\rangle = \lvert v_2\rangle - \langle u_1 \mid v_2\rangle \lvert u_1\rangle = (1,0,1)^T - \frac{1}{2}(1,1,0)^T = (\frac12, -\frac12, 1)^T$。

归一化：$\lVert \lvert w_2\rangle\rVert = \sqrt{1/4 + 1/4 + 1} = \sqrt{3/2}$。

$\lvert u_2\rangle = \frac{1}{\sqrt{6}}(1, -1, 2)^T$。

正交归一基：$\lvert u_1\rangle = \frac{1}{\sqrt{2}}(1,1,0)^T$，$\lvert u_2\rangle = \frac{1}{\sqrt{6}}(1,-1,2)^T$。

⭐⭐ 平行四边形定律

$$\begin{aligned} \lVert \lvert v\rangle + \lvert w\rangle\rVert^2 &= \langle v+w \mid v+w\rangle = \langle v\mid v\rangle + \langle v\mid w\rangle + \langle w\mid v\rangle + \langle w\mid w\rangle \\ \lVert \lvert v\rangle - \lvert w\rangle\rVert^2 &= \langle v-w \mid v-w\rangle = \langle v\mid v\rangle - \langle v\mid w\rangle - \langle w\mid v\rangle + \langle w\mid w\rangle \end{aligned}$$

两式相加，交叉项抵消，得 $2\langle v\mid v\rangle + 2\langle w\mid w\rangle = 2(\lVert \lvert v\rangle\rVert^2 + \lVert \lvert w\rangle\rVert^2)$。

几何意义：平行四边形的对角线平方和等于四边平方和——这刻画了内积空间的特征性质，在一般赋范空间中不一定成立。

🗣️ 参考答案要点：手电筒光束照向墙壁，在墙上形成一个光斑——这就是”向量在手电方向上的投影”。如果墙壁方向是 $\lvert w\rangle$，手电筒方向是 $\lvert v\rangle$，投影就是 $\lvert v\rangle$ “落在” $\lvert w\rangle$ 上的影子。关于量子测量：投影算子 $P = \lvert \psi\rangle\langle\psi\rvert$ 描述了测量时量子态向某个特定方向的”坍缩”。

💭 参考答案要点：柯西-施瓦茨不等式 $|\langle v \mid w \rangle| \leq \lVert v\rVert\lVert w\rVert$ 的左边可以改写为 $|\langle \Delta A \,\psi \mid \Delta B \,\psi\rangle|$，正好对应不确定原理的结构。两者的共同点是：两个向量（或两个偏差）的内积模由它们的长度乘积限制。这揭示了”不确定性”本质上是矢量几何中的三角不等式，而不是什么神秘的量子玄学——它来源于内积空间的几何结构本身。

---

1.5 特征值与特征向量

⭐ 阿达玛矩阵的特征系统

特征方程：$\det\begin{pmatrix}1/\sqrt{2}-\lambda & 1/\sqrt{2} \\ 1/\sqrt{2} & -1/\sqrt{2}-\lambda\end{pmatrix} = 0$

即 $(-1/\sqrt{2}-\lambda)(1/\sqrt{2}-\lambda) - 1/2 = 0$，$-\frac12 + \lambda^2 - \frac12 = 0$，$\lambda^2 = 1$，$\lambda = \pm 1$。

$\lambda = +1$：解 $(1/\sqrt{2} - 1)v_1 + (1/\sqrt{2})v_2 = 0$，得 $v_2 = (\sqrt{2} - 1)v_1 / (1/\sqrt{2}) = \cdots$ 直接代入：

$(1/\sqrt{2})v_1 + (1/\sqrt{2})v_2 = v_1 \implies (1/\sqrt{2} - 1)v_1 + (1/\sqrt{2})v_2 = 0 \implies v_2 = (1 - 1/\sqrt{2})\sqrt{2}\,v_1 = (\sqrt{2} - 1)v_1$

更简单的做法：$\lambda = +1$ 对应 $H\lvert v\rangle = \lvert v\rangle$，即 $v_1 + v_2 = \sqrt{2}v_1$ 且 $v_1 - v_2 = \sqrt{2}v_2$，得 $v_2 = (\sqrt{2}-1)v_1$。归一化得 $\lvert h_+\rangle = \frac{1}{\sqrt{4-2\sqrt{2}}}(1, \sqrt{2}-1)^T$。

$\lambda = -1$：由正交性，$\lvert h_-\rangle \propto (\sqrt{2}-1, -1)^T$，归一化即可。

（注：更常见的写法是 $H\lvert+\rangle = \lvert0\rangle$，$H\lvert0\rangle = \lvert+\rangle$，但这是在 $X$ 基下的理解。）

⭐⭐ 对易算子共享特征向量

设 $A\lvert a_i\rangle = a_i\lvert a_i\rangle$，将空间分解为 $A$ 的特征子空间 $V_a = \{\lvert v\rangle : A\lvert v\rangle = a\lvert v\rangle\}$。由于 $[A,B]=0$，对任意 $\lvert v\rangle \in V_a$，$A(B\lvert v\rangle) = B(A\lvert v\rangle) = a(B\lvert v\rangle)$，故 $B\lvert v\rangle \in V_a$。$B$ 限制在 $V_a$ 上是厄米算子，可在 $V_a$ 内对角化。对每个特征子空间分别对角化即得同时对角化。

🗣️ 参考答案要点：白光（任意量子态）通过棱镜（厄米算子的谱分解）分解成不同颜色的光（特征向量），每种颜色对应一个特定波长（特征值）。谱分解公式 $A = \sum_i \lambda_i \lvert \lambda_i\rangle\langle\lambda_i\rvert$ 告诉我们：算子 $A$ 的作用就是”先测量在各特征方向上的分量，再用特征值加权求和”。这对量子测量的重要性在于：测量就是”把你拆成特征向量的组合，然后告诉我你落在哪个特征值上”。

💭 参考答案要点：如果 $A$ 不是厄米的，特征值可能是复数，不能作为”可观测物理量”——测量结果必须是实数。测量概率：$P(\lambda_1) = |\alpha|^2$。测量后状态坍缩到 $\lvert\lambda_1\rangle$，这可以用投影算子描述：$\lvert\psi\rangle \to \frac{P_{\lambda_1}\lvert\psi\rangle}{\lVert P_{\lambda_1}\lvert\psi\rangle\rVert}$，其中 $P_{\lambda_1} = \lvert\lambda_1\rangle\langle\lambda_1\rvert$。

---

1.6 张量积与多体系统

⭐ 两比特张量积

$\lvert a\rangle = \frac{1}{\sqrt{2}}(\lvert0\rangle + \lvert1\rangle)$，$\lvert b\rangle = \frac{1}{\sqrt{2}}(\lvert0\rangle - \lvert1\rangle)$。

$$\begin{aligned} \lvert a\rangle \otimes \lvert b\rangle &= \frac12(\lvert0\rangle + \lvert1\rangle) \otimes (\lvert0\rangle - \lvert1\rangle) \\ &= \frac12(\lvert00\rangle - \lvert01\rangle + \lvert10\rangle - \lvert11\rangle) \end{aligned}$$

在向量形式下：$\frac12(1, -1, 1, -1)^T$。

⭐⭐ Schmidt 分解的存在性

考虑 $\lvert\psi\rangle\langle\psi\rvert$ 在 $\mathcal{H}_A$ 上的部分迹：$\rho_A = \text{tr}_B(\lvert\psi\rangle\langle\psi\rvert)$。$\rho_A$ 是半正定且迹为 1 的算子，谱分解为 $\rho_A = \sum_i \sigma_i^2 \lvert u_i\rangle\langle u_i\rvert$，其中 $\sigma_i^2 > 0$ 是特征值，$\lvert u_i\rangle$ 是对应特征向量。令 $\lvert v_i\rangle = \frac{1}{\sigma_i} (\langle u_i\rvert \otimes I_B) \lvert\psi\rangle$。可以验证 $\{\lvert v_i\rangle\}$ 正交归一，且 $\lvert\psi\rangle = \sum_i \sigma_i \lvert u_i\rangle \otimes \lvert v_i\rangle$。$\sum_i \sigma_i^2 = \text{tr}(\rho_A) = 1$。

🗣️ 参考答案要点：两枚独立硬币——A 的正反不影响 B（直积态）。两枚被胶水粘在一起的硬币——你只知道”要么都正要么都反”，但不知道是哪一种（经典相关）。两枚”量子纠缠硬币”——它们不仅是相关的，而且当你测量 A 发现是正面之前，它处于正和反的叠加，同时 B 也处于对应的叠加；测量 A 的瞬间，B 的状态也同时确定，无论它们相距多远。张量积 $\otimes$ 就是数学上”把两个系统组合起来”的操作。纠缠态就是不能写成 $\lvert a\rangle\otimes\lvert b\rangle$ 形式的态。

💭 参考答案要点：如果所有态都是直积态，量子计算将等价于经典概率计算（每个量子比特独立演化），没有指数级的状态空间，没有纠缠带来的并行性。贝尔不等式不会被违反（因为没有纠缠来产生更强的相关性）。量子通信协议（如 BB84 虽然不直接需要纠缠，但 QKD 的安全性和纠缠蒸馏等协议完全依赖纠缠）将大大受限或不可能。

---

1.7 概率论基础

⭐ 偏置硬币的联合分布

1. 4 种结果：

   • (正, 正): $0.6 \times 0.3 = 0.18$
   • (正, 反): $0.6 \times 0.7 = 0.42$
   • (反, 正): $0.4 \times 0.3 = 0.12$
   • (反, 反): $0.4 \times 0.7 = 0.28$

2. 至少一枚正面：$P = 0.18 + 0.42 + 0.12 = 0.72$。 两枚正面：0.18。 条件概率：$0.18 / 0.72 = 0.25$。

⭐⭐ 全概率公式的推导

对任意事件 $A$，$A = A \cap \Omega = A \cap (\cup_i B_i) = \cup_i (A \cap B_i)$。由于 $B_i$ 互斥，$A \cap B_i$ 也互斥。由概率的可加性：

$P(A) = \sum_i P(A \cap B_i) = \sum_i P(A \mid B_i) P(B_i)$。

贝叶斯公式：$P(B_j \mid A) = \frac{P(A \cap B_j)}{P(A)} = \frac{P(A \mid B_j) P(B_j)}{\sum_i P(A \mid B_i) P(B_i)}$。

🗣️ 参考答案要点：不是”把实数换成复数”这么简单。经典概率中，概率直接相加：$P = p_1 + p_2$。量子概率中，概率幅（复数）相加后再取模：$P = |\psi_1 + \psi_2|^2 = |\psi_1|^2 + |\psi_2|^2 + 2\text{Re}(\psi_1^*\psi_2)$。多出来的交叉项 $2\text{Re}(\psi_1^*\psi_2)$ 依赖于相对相位——这是经典概率完全没有的概念。相位可以导致”相消干涉”（概率反而减小），这在经典概率中不可能发生。

💭 参考答案要点：交叉项在 $\psi_1$ 与 $\psi_2$ 正交（即 $\langle\psi_1|\psi_2\rangle = 0$）时为零——这对应于两条路径在”物理上可区分”的情况。当路径不可区分时（如双缝实验中不观测哪条缝），$\psi_1$ 和 $\psi_2$ 不正交，干涉项出现。这正是测量导致退相干的核心：测量使路径变得可区分，从而消除了干涉项。

---

1.8 傅里叶分析入门

⭐ 4 点 DFT 的频率识别

$\omega_4 = i$，$F_4$ 同练习册 1.8.3 中矩阵。

$\mathbf{y} = F_4(1,0,-1,0)^T$：

$y_0 = 1 + 0 + (-1) + 0 = 0$ $y_1 = 1 + 0 + (-1)(-1) + 0 = 1 + 0 + 1 + 0 = 2$ $y_2 = 1 + 0 + (-1)(1) + 0 = 0$ $y_3 = 1 + 0 + (-1)(-i) + 0 = 1 + i$

更正：$(F_4)_{jk} = i^{jk}$，$j,k = 0,1,2,3$。

$y_0 = 1\cdot1 + 1\cdot0 + 1\cdot(-1) + 1\cdot0 = 0$ $y_1 = 1\cdot1 + i\cdot0 + i^2\cdot(-1) + i^3\cdot0 = 1 - 1 = 0$ $y_2 = 1\cdot1 + (-1)\cdot0 + 1\cdot(-1) + (-1)\cdot0 = 0$ $y_3 = 1\cdot1 + (-i)\cdot0 + (-1)\cdot(-1) + i\cdot0 = 1 + 1 = 2$

所以 $\mathbf{y} = (0, 0, 0, 2)^T$。序列 $(1,0,-1,0)$ 是周期为 4 的纯正弦波，频率 $f = 3/4$（或 $-1/4$）对应 $y_3$ 非零。

⭐⭐ DFT 的卷积定理

$(F_N(\mathbf{x}*\mathbf{y}))_k = \sum_{n=0}^{N-1} \omega_N^{kn} \sum_{j=0}^{N-1} x_j y_{(n-j)\bmod N}$

交换求和顺序：$= \sum_{j=0}^{N-1} \omega_N^{kj} x_j \sum_{n=0}^{N-1} \omega_N^{k(n-j)} y_{(n-j)\bmod N}$

令 $m = n-j$（模 $N$），第二个求和为 $\sum_{m=0}^{N-1} \omega_N^{km} y_m = (F_N\mathbf{y})_k$。

因此 $(F_N(\mathbf{x}*\mathbf{y}))_k = (F_N\mathbf{x})_k \cdot (F_N\mathbf{y})_k$，即逐元素乘积。

🗣️ 参考答案要点：FFT 的 $N$ 是数据点数，QFT 的 $N$ 是量子态空间的维数（$2^n$ 个振幅）。QFT 的输入不是 $N$ 个经典数据点，而是 $n$ 个量子比特编码的 $2^n$ 个概率幅。QFT 电路只需 $O(n^2) = O(\log^2 N)$ 个门就能同时变换所有 $2^n$ 个振幅——量子并行性使得这个”指数跳跃”成为可能。关键洞察：QFT 不是”更快地计算经典 DFT”，而是用量子并行性直接操作高维态。

💭 参考答案要点：时域基 $\{\lvert t_k\rangle\}$ 就是标准基 $\{\lvert 0\rangle, \lvert 1\rangle, \ldots, \lvert N-1\rangle\}$，频域基 $\{\lvert f_j\rangle\}$ 的第 $j$ 个基向量为 $\frac{1}{\sqrt{N}}\sum_{k=0}^{N-1} \omega_N^{-jk} \lvert t_k\rangle$。傅里叶变换矩阵 $U_{\text{QFT}} = F_N/\sqrt{N}$ 满足 $U^\dagger U = I$，所以是酉变换。酉性保证能量守恒（Parseval 定理）。$H = F_2/\sqrt{2}$：阿达玛门就是 $N=2$ 的量子傅里叶变换。更一般地，$H^{\otimes n}$ 是对 $n$ 个量子比特同时做”局部傅里叶变换”，而完整的 QFT 还包含受控相位门——区别在于 $H^{\otimes n}$ 只能产生等权叠加，而 QFT 可以编码频率信息。

---

开放性问题

以下问题没有标准答案。它们旨在激发跨域思考、文献阅读和创造性思维。

1. 复数在电路中 vs 在量子力学中

   复数在电路分析中用于简化交流电路计算（阻抗法），但它是一种”方便”而非”必需”——你也可以用微分方程硬算。在量子力学中，复数似乎是”必需”的——薛定谔方程显式含有 $i$，概率幅必须是复数。这两者对复数的需求有什么本质区别？是否存在某个实验可以证明复数在量子力学中是”真实”的而非仅仅方便？

2. 量子概率可以完全用实向量空间描述吗？

   有研究者尝试用实希尔伯特空间（所有系数为实数）重构量子力学。试查阅文献（或自行推导）：实向量空间的量子力学与标准复数量子力学有什么区别？是否存在实验可以区分两者？（提示：考虑复数的代数闭包性质和纠缠结构的差异。）

3. “矩阵力学” vs “波动力学”——两种等价的数学体系

   海森堡创立了矩阵力学（用无限维矩阵描述量子力学），薛定谔创立了波动力学（用偏微分方程），薛定谔后来证明两者等价。你能从线性算子（矩阵）和函数空间（希尔伯特空间）的角度，用不超过 500 字的篇幅向一位大二物理系学生解释为什么两者是”同一枚硬币的两面”吗？

4. 张量积的”维度灾难”——经典模拟的极限

   一个 $n$ 量子比特系统的状态空间维数为 $2^n$。一个 $n=50$ 的量子计算机需要 $2^{50} \approx 10^{15}$ 个复数来描述其状态，这远超经典计算机的内存。但物理上，我们真的”存储”了那么多信息吗？还是说这些振幅只是数学构造？查阅关于”量子态复杂度假说”（Quantum State Complexity）的讨论，提出你自己的理解。

5. 傅里叶变换无处不在

   傅里叶变换出现在信号处理、量子力学（位置-动量表象变换）、光学（夫琅禾费衍射本质上是傅里叶变换）、甚至数论（ζ 函数与傅里叶分析）。CHSH 不等式检测量子非局域性也用到傅里叶分析的思想。试选择一个你熟悉的领域（工程、物理、数学、数据科学、音乐），与量子傅里叶变换做对比，写出一段 300 字左右的短文说明它们之间的联系与区别。