![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=1739609394-cuyujscGVRiv7ETH5xwwyVOZumOleYTB-0-534ffd3702435b96f06a95fe33a7d06d)
算子的矩阵表示为:
![img](https://epubservercos.yuewen.com/D06023/23020648401665906/epubprivate/OEBPS/Images/txt003_118.jpg?sign=1739609394-oy7PLiON9yYw4RbawoxxERcyBe5MlpxX-0-ed76edac872134492c2aa9a00d955406)
X被对角化,即:
![img](https://epubservercos.yuewen.com/D06023/23020648401665906/epubprivate/OEBPS/Images/txt003_119.jpg?sign=1739609394-6f0OhWt1gcg8Sh6zB4c9BPFdmaNl3KIO-0-94676484f38b5e577e820b651b2e19db)
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=1739609394-UpA44Oa2OSAXL8IERZcbdbSAq0Eob3Q7-0-8d9caa71d46fd1ef57c9e7ec6902a50d)
![img](https://epubservercos.yuewen.com/D06023/23020648401665906/epubprivate/OEBPS/Images/txt003_125.jpg?sign=1739609394-EnXdZO7V827z7gh3nUnMWrNDzyPiSEbm-0-54d9374c2c6a8f94cc3a15f80d80a816)
![img](https://epubservercos.yuewen.com/D06023/23020648401665906/epubprivate/OEBPS/Images/txt003_126.jpg?sign=1739609394-pKF9BsTQNK3vELYFzrGrIXWAjoBItUjt-0-b8571dd47dd8bef0823eedea8b2972fd)
特征向量是:
![img](https://epubservercos.yuewen.com/D06023/23020648401665906/epubprivate/OEBPS/Images/txt003_127.jpg?sign=1739609394-8CsuUo4MtAwQ31jP2FpUVGtheBkxJuJK-0-dc7963926515ad21ebadaa01d9967e57)
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。