《基于张量网络的机器学习入门》学习笔记5

量子概率体系

我们将经典的实数概率扩展到复数概率，从而论述了一整套新的概率体系，我们将其称为量子概率。现在，我们从较粗糙的公理化角度显现地论述整个量子概率公理体系。

事件

在经典概率论中，我们用集合表示事件，用交、并、补等运算来组合出更多的事件。同时定义了两个特殊的事件，一个是不可能事件对应集合空集，另一个是必然事件对应全集。
在量子概率中，我们用复线性空间(希尔伯特空间)$H$作为基本事件的集合。任意一个事件都是该线性空间中的一个子空间(直线、平面或者超平面)。在量子概率中，不可能事件对应$0$向量，即$0$维的线性空间。必然事件对应整个线性空间$H$。同时，量子概率中也有基本的三种运算。
定义：否运算——设事件$A$对应的子空间为$L_A$，那么$\bar{A}$事件则对应着垂直于$L_A$的子空间记做$L_A^{\perp }$
例如，事件$A$对应的子空间$L_A$为三维空间中的一条直线$l$，那么非$A$这个事件对应的子空间就是垂直于$l$的整个平面。

定义：与运算——设事件$A$对应的子空间为$L_A$，事件$B$对应的子空间为$L_B$，那么事件$A$且$B$对应的子空间就是这两个线性子空间的交集，即：$L_{A\cap B}=L_A\wedge L_B$
例如$L_A$和$L_B$都是三维空间中的两张平面，那么$L_{A\cap B}$就是这两张平面的交线。如果$L_A$和$L_B$都是三维空间中的直线，则它们的交$L_{A\cap B}$必然是一个点，这个点就是$0$维线性空间。

定义：或运算——设事件$A$对应的子空间为$L_A$，事件$B$对应的子空间为$L_B$，那么事件$A$或$B$对应的子空间就是由着两个空间所张成的更大的空间，即：$L_{A\cup B}=Span(L_A,L_B)$
注意：量子概率中的或运算与经典概率中事件或运算的本质是不同的，它不是两个子空间的并集，而是线性扩展$Span$。例如设$L_A$和$L_B$分别是两条相交于一点的直线，那么$L_{A\cup B}$就是这两条直线所张成的平面。

量子概率的运算性质虽然大多与经典事件的运算性质相同，但是有一个本质的区别，就是量子概率中的事件的运算不一定满足分配律，即：
$L_A\wedge (L_B\vee L_C)\ne (L_A\wedge L_B)\vee (L_A\wedge LC)$
例如，在如图所示的空间中，有三条同在一个平面内的直线$L_A,L_B,L_C$，分别对应事件$A,B,C$，则$L_B\vee L_C$就是整个平面，而$L_A(L_B\vee L_C)$就是$L_A$这根直线。但反过来，由于$L_A\wedge L_B$和$L_A\wedge L_C$都是点，所以$(L_A\wedge L_B)\vee (L_A\wedge L_C)$还是点。所以量子事件不一定满足分配律。

互斥事件

在传统概率论中，一枚硬币要么朝上，要么朝下，不可能同时发生，每抛一次必然有一个发生，那么这两个事件构成了互斥事件。
定义：互斥事件——给定一组事件$A_1,A_2,\cdots ,A_n$，它们分别对应子空间 L 1 , L 2 , ⋯   , L n L_1,L_2,\cdots,L_n L