使用Qiskit学习量子计算_4数学基础（上）

本节主要内容

• 概述
• 向量和向量空间
• 矩阵和矩阵运算
• 线性相关和基

概述

线性代数是量子计算的描述语言。因此，对线性代数所基于的基本数学概念有一个很好的理解，有助于得出量子计算中看到的许多令人惊奇和有趣的结构。本部分的目的是建立入门级线性代数知识的基础。

向量和向量空间

首先，将讨论量子计算中最重要的数学概念之一：矢量。

通常，向量 $|\text{v}⟩$ 被定义为向量空间集合中的元素。一个更直观的定义是向量“是具有方向和幅度的数学量”。例如，考虑向量$\left(\begin{array}{c}\text{3}\\ \text{5}\end{array}\right)$ ，作图显示如下：

from matplotlib import pyplot as plt
import numpy as np
from qiskit import *
from qiskit.visualization import plot_bloch_vector

plt.figure()
ax = plt.gca()
ax.quiver([3], [5], angles='xy', scale_units='xy', scale=1)
ax.set_xlim([-1, 10])
ax.set_ylim([-1, 10])
plt.draw()
plt.show()

在量子计算中，经常处理状态向量，可以使用Bloch球将其可视化。例如，代表量子系统状态的向量可能看起来像如下所示的箭头，被包围在Bloch球内部。所谓Bloch球的即“状态空间”，是状态向量可以“指向”的所有可能点：

plot_bloch_vector([1, 0, 0])

上图中表示的状态是$|0⟩$ 和 $|1⟩$ 的叠加态。bloch球上的状态允许旋转到球表面的任何位置，不同的位置代表不同的状态。

现在来看向量的正式定义，即向量是向量空间的元素。一个向量空间 $V$ 是域$F$上一组向量的集合，且需要满足两个条件成立。

• 两个向量的向量加仍在该集合中，即$|a⟩,|b⟩\in V$ ，$|a⟩+|b⟩=|c⟩$仍在$V$。
• 标量乘法，对$|a⟩\in V$ 和某个 $n\in F$，其乘积 $n|a⟩$仍在$V$.

现在，我们将通过一个简单示例来阐明上述的定义。让我们证明在域 $\mathbb{R}$上的集合${\mathbb{R}}^2$是一个向量空间。首先，

$$\left(\begin{array}{c}{x}_1\\ y_1\end{array}\right)+\left(\begin{array}{c}{x}_2\\ y_2\end{array}\right)=\left(\begin{array}{c}{x}_1+x_2\\ y_1+y_2\end{array}\right)$$

因为两个实数之和仍为实数，所上述式子的运算结果仍然在${\mathbb{R}}^2$中。同时

$$n|v⟩=\left(\begin{array}{c}nx\\ ny\end{array}\right)\in V\forall n\in \mathbb{R}$$

因为两个实数之和积仍为实数，所上述式子的运算结果也在${\mathbb{R}}^2$中。因此，在域$\mathbb{R}$上的集合${\mathbb{R}}^2$是一个向量空间。

矩阵和矩阵运算

现在来看另一个重要的概念矩阵。

一个简单的矩阵示例如下：

$$M=\left(\begin{array}{ccc}1& -2& 3\\ 1& 5i& 0\\ 1+i& 7& -4\end{array}\right)$$

矩阵运算中，矩阵的乘法非常重要，也很简单，不会的话自己百度。这里给一个示例，

( 2 0 5 − 1 ) ( − 3 1 2 1 )   =   ( ( 2 ) ( − 3 ) + ( 0 ) ( 2 ) ( 2 ) ( 1 )   +   ( 0 ) ( 1 ) ( 5 ) ( − 3 ) + ( − 1 ) ( 2 ) ( 5 ) ( 1 )   +   ( − 1 ) ( 1 ) )   =   ( − 6 2 −