![量子机器学习及区块链技术导论](https://wfqqreader-1252317822.image.myqcloud.com/cover/272/43738272/b_43738272.jpg)
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人
3.2.4 谱理论和张量积
谱理论(Spectral Theorem)可以方便地指定一个基,其算子是给定的对角矩阵。归一化算子是满足的线性量子算子。
谱理论指出,对于作用在有限维Hilbert空间H上的每个归一化算子T,存在一个空间H的正交基,其中包含特征向量,特征向量对应的特征值是
,T的特征值集合称为T的谱。
谱理论还指出,对于每个有限维归一化矩阵T都存在一个酉矩阵P,使得T,其中Λ为对角矩阵。T的对角项是Λ的特征值,P的列是T的特征向量的编码。例如,算子X在计算基态时的作用为:
![img](https://epubservercos.yuewen.com/D06023/23020648401665906/epubprivate/OEBPS/Images/txt003_117.jpg?sign=1739275873-fRx2AM93gnoLCp8e48Fxs09PzCp98JYE-0-b06b6190a84fea72da21348b2556b848)
算子的矩阵表示为:
![img](https://epubservercos.yuewen.com/D06023/23020648401665906/epubprivate/OEBPS/Images/txt003_118.jpg?sign=1739275873-E87emRGskdoukSwPCZ3iFTLyh7jbez2p-0-78b9cfba40cd95fbcdff72e2241106bc)
X被对角化,即:
![img](https://epubservercos.yuewen.com/D06023/23020648401665906/epubprivate/OEBPS/Images/txt003_119.jpg?sign=1739275873-1YXKH63QwRIDGHs0aslTIG6DOZvazflY-0-fd48933276d18090baf7e8629f56840f)
有,
。
因此X的特征值是1和-1,对应的特征向量是和
。
在Dirac符号中,有:
![img](https://epubservercos.yuewen.com/D06023/23020648401665906/epubprivate/OEBPS/Images/txt003_124.jpg?sign=1739275873-HHsFPevarLZdXO2D1rwmRnlvQERgWKKA-0-3cfa238e0e3098bb63fd3803789a0819)
![img](https://epubservercos.yuewen.com/D06023/23020648401665906/epubprivate/OEBPS/Images/txt003_125.jpg?sign=1739275873-aQ1Jdicz8FUGLDZSLBhZvTcQfIaLRB8l-0-09a38d81fd08af42e6df44d38e8e14cc)
![img](https://epubservercos.yuewen.com/D06023/23020648401665906/epubprivate/OEBPS/Images/txt003_126.jpg?sign=1739275873-B3Dc26qvJOpyGku3curadiUWo77GNbbG-0-0c846f849c5977a0fc04c4efbd5ecabc)
特征向量是:
![img](https://epubservercos.yuewen.com/D06023/23020648401665906/epubprivate/OEBPS/Images/txt003_127.jpg?sign=1739275873-SJxqEfIqZmzdoqK568trc5wGa1XoOcUU-0-c1f9cefa806dc2757edc884885c3fac1)
张量积(Tensor Product)是一种将空间、向量和算子组合在一起的方法。假设H1和H2分别是n维和m维的Hilbert空间,则张量积空间是一个新的、更大的Hilbert空间。H1和H2的正交基
和
构成新空间的正交基
,并具有一系列用于计算张量积的数学定理。