量子计算入门学习笔记 (八—— 密度算符 )

article/2025/9/21 20:12:12

hello,大家好,如果您是第一次观看我的博客,如果您也是和我一样刚入门量子力学或是量子计算相关的学习,纠结于量子计算的抽象与晦涩难懂,那么本专栏(量子计算)一定是您的不二之选,学海本就苦,愿你有甜馨,如果觉得本人有错误的请直接在评论区留言,博主也是大一的一名程序狗,希望大家多多支持,点点赞,另外,本专题是每周一更或二更,有需要的小伙伴可以点点专注!

Rolling In The Deep

  • 一 . 密度算符引入,系综,纯态与混合态
    • (1) 系综与密度算符
    • (2) 纯态与混合态
  • 二. 某力学量在纯态与混合态上的区别
    • (1) 法一:
    • (1) 法二:
  • 三. 密度算符的性质

一 . 密度算符引入,系综,纯态与混合态

(1) 系综与密度算符

密度算符(也称为密度矩阵) 是对量子态的一种不同的描述方法。用密度算符描述量子系统在数学上完全等价于用状态向量描述(即所有量子力学的假设都可以用密度算符的语言重新描述), 但密度算符在描述未知量子系统和复合系统子系统方面更具有优越性。

我们先来通过 “系综” 这个概念间接的理解什么是密度算符( The density operator)

定义: 设量子系统以概率 p i p_{i} pi 处于状态 ∣ ϕ i ⟩ |\phi_{i}\rangle ϕi,则称 { p i , ∣ ϕ i ⟩ } \left \{ p_{i},|\phi_{i}\rangle\right \} {pi,ϕi} 为一个系综,其中 p i ⩾ 0 p_{i}\geqslant 0 pi0 , 且 ∑ i p i = 1 \sum_{i}p_{i}= 1 ipi=1

这个名字虽然起的非常的 “丑” ,但是丝毫也没有影响我们认为它简单!这里有点集合的那种感觉,其实就是把概率值和状态组合在一起而已!

在这里插入图片描述
在系综的引导下,我们将密度算子定义为:
ρ = ∑ i p i ∣ ϕ i ⟩ ⟨ ϕ i ∣ \rho=\sum_{i} p_{i}\left|\phi_{i}\right\rangle\left\langle\phi_{i}\right| ρ=ipiϕiϕi
本质上它是一个迹为1 的半正定厄米算子!

(2) 纯态与混合态

检测你九年义务教育是否合格的时候到啦!初中化学课本上 首次向我们介绍了 物质的分类,其中的纯净物与混合物 可以很好的类比到这里来,,虽没有那么简单,但是那种只可意会不可言传的思想还是在的。下面,且听老夫慢慢道来!

量子纯态 指的是可以用一个态矢量(含叠加态)描述的状态,也即在密度算子的定义中系统以概率 1 处于的状态!

例如: ∣ φ ⟩ = ∣ 0 ⟩ |\varphi\rangle = |0\rangle φ=0,或者 ∣ ψ ⟩ = ( ∣ 0 ⟩ + ∣ 1 ⟩ ) / 2 |\psi\rangle = (|0\rangle + |1\rangle)/ \sqrt{2} ψ=(0+1)/2 都是量子纯态!

量子混合态: 如果一个量子系统是由许多 N 个 态矢量描述的子系统构成,每个子系统 以确定的几率出现,则其称为混合系综,也叫混合态!即 ∣ ψ 1 ⟩ , p 1 ; ∣ ψ 2 ⟩ , p 2 ; ⋯ ; ∣ ψ n ⟩ , p n ; |\psi_{1}\rangle ,p_{1} ;|\psi_{2}\rangle ,p_{2}; \cdots;|\psi_{n}\rangle ,p_{n}; ψ1,p1;ψ2,p2;;ψn,pn;

混合态与 纯态的叠加态区别在于:

  • 当混合态中的 ∣ ψ i ⟩ |\psi_{i}\rangle ψi 构成正交归一集时,即:
    ∣ ψ ⟩ = P 1 ∣ ψ 1 ⟩ + P 2 ∣ ψ 2 ⟩ + ⋯ + P N ∣ ψ N ⟩ = ∑ i = 1 N P i ∣ ψ i ⟩ |\psi\rangle = \sqrt{P_{1}}|\psi_{1}\rangle + \sqrt{P_{2}}|\psi_{2}\rangle + \cdots + \sqrt{P_{N}}|\psi_{N}\rangle = \sum_{i=1}^{N}\sqrt{P_{i}}|\psi_{i}\rangle ψ=P1 ψ1+P2 ψ2++PN ψN=i=1NPi ψi也是系综中一个可能的量子态时,则为量子纯态!
  • t r ( ρ 纯 2 ) = 1 ; t r ( ρ 混 2 ) < 1 tr(\rho_{纯}^{2})=1; tr(\rho_{混}^{2})< 1 tr(ρ2)=1;tr(ρ2)<1

其实第二个规律还是比较好理解的,在分开的混合态中 一个为 1/2,另一个也为1/2 ,相加为1,但是二者平方后再相加就不是 1 了!

二. 某力学量在纯态与混合态上的区别

我们为了更加理性定量的去理解学习,这里我们用两种方法考察一个力学量 F \boldsymbol{F} F 在纯态与混合态上的区别,

(1) 法一:

假设某个算符 F ^ \boldsymbol{\widehat{F}} F 满足:

F ^ ∣ φ i ⟩ = f 1 ∣ φ i ⟩ \boldsymbol{\widehat{F}} |\varphi_{i}\rangle = f_{1}|\varphi_{i}\rangle F φi=f1φi
这个公式与线性代数中的特征方程本质上一模一样,各关键词就不介绍了!
(1)对于纯态 ∣ ψ ⟩ = c 1 ∣ ψ 1 ⟩ + c 2 ∣ ψ 2 ⟩ |\psi\rangle=c_{1}\left|\psi_{1}\right\rangle+c_{2}\left|\psi_{2}\right\rangle ψ=c1ψ1+c2ψ2 ,其取 f i f_{i} fi 的概率为 :
p ( f i ) = ∣ ⟨ φ i ∣ ψ ⟩ ∣ 2 = ∣ c 1 ⟨ φ i ∣ ψ 1 ⟩ + c 2 ⟨ φ i ∣ ψ 2 ⟩ ∣ 2 p\left(f_{i}\right)=\left|\left\langle\varphi_{i} \mid \psi\right\rangle\right|^{2}=\left|c_{1}\left\langle\varphi_{i} \mid \psi_{1}\right\rangle+c_{2}\left\langle\varphi_{i} \mid \psi_{2}\right\rangle\right|^{2} p(fi)=φiψ2=c1φiψ1+c2φiψ22
(2) 对于混合态,根据定义易得:
p ( f i ) = ∣ ⟨ φ i ∣ ψ 1 ⟩ ∣ 2 p 1 + ∣ ⟨ φ i ∣ ψ 2 ⟩ ∣ 2 p 2 p\left(f_{i}\right)=\left|\left\langle\varphi_{i} \mid \psi_{1}\right\rangle\right|^{2} p_{1}+\left|\left\langle\varphi_{i} \mid \psi_{2}\right\rangle\right|^{2} p_{2} p(fi)=φiψ12p1+φiψ22p2
如果我们将其转移到坐标表象下:

(1)纯态时, ψ ( x ) = c 1 ψ 1 ( x ) + c 2 ψ 2 ( x ) \psi(x) = c_{1}\psi_{1}(x) + c_{2}\psi_{2}(x) ψ(x)=c1ψ1(x)+c2ψ2(x),取在 x 0 x_{0} x0 处的概率为:
p ( x 0 ) = ∣ ψ ( x 0 ) ∣ 2 = ∣ c 1 ψ 1 ( x 0 ) + c 2 ψ 2 ( x 0 ) ∣ 2 p(x_{0}) = \left | \psi(x_{0})\right |^{2} = \left | c_{1}\psi_{1}(x_{0})+c_{2}\psi_{2}(x_{0}) \right |^{2} p(x0)=ψ(x0)2=c1ψ1(x0)+c2ψ2(x0)2
(2)在混合态上时:
p ( x 0 ) = p 1 ∣ ψ 1 ( x 0 ) ∣ 2 + p 2 ∣ ψ 2 ( x 0 ) ∣ 2 p(x_{0}) = p_{1}\left |\psi_{1}(x_{0})\right|^{2} + p_{2}\left |\psi_{2}(x_{0})\right|^{2} p(x0)=p1ψ1(x0)2+p2ψ2(x0)2
这里可以更加直观的看到,混合下,无干涉现象发生,纯态时有干涉情况发生,其又称为相干叠加!

(1) 法二:

我们计算某一力学量算符 F ^ \boldsymbol{\widehat{F}} F 在纯态和混合态中的平均值,也可以清晰的看出纯态和混合态之间的联系与区别:

(1) F ^ \boldsymbol{\widehat{F}} F 在纯态 ∣ Ψ ⟩ |\Psi\rangle Ψ 下的平均值为:
F ˉ = ⟨ Ψ ∣ F ^ ∣ Ψ ⟩ = ∑ i ∣ C i ∣ 2 ⟨ Ψ i ∣ F ^ ∣ Ψ i ⟩ + ∑ i ≠ j C i C j ⟨ Ψ i ∣ F ^ ∣ Ψ j ⟩ \bar{F}=\langle\Psi|\hat{F}| \Psi\rangle=\sum_{i}\left|C_{i}\right|^{2}\left\langle\Psi_{i}|\hat{F}| \Psi_{i}\right\rangle+\sum_{i \neq j} C_{i} C_{j}\left\langle\Psi_{i}|\hat{F}| \Psi_{j}\right\rangle Fˉ=ΨF^Ψ=iCi2ΨiF^Ψi+i=jCiCjΨiF^Ψj
(2)在混合态中的平均值为:
F ˉ = ∑ i = 1 N P i ⟨ Ψ i ∣ F ^ ∣ Ψ i ⟩ \bar{F}=\sum_{i=1}^{N}P_{i}\left\langle\Psi_{i}|\hat{F}| \Psi_{i}\right\rangle Fˉ=i=1NPiΨiF^Ψi

在(1)中等式最右边的就是干涉项,(2)式中无此项!

三. 密度算符的性质

(1)性质一:

最简单有用的性质就是我们前面刚说过的:
t r ρ 2 { = 1 ⇒ 纯 态 < 1 ⇒ 混 合 态 tr \rho^{2}\left\{\begin{matrix} =1 & \Rightarrow 纯态 \\ <1 & \Rightarrow 混合态 \end{matrix}\right. trρ2{=1<1

这个性质可以作为我们对密度矩阵的判定定理!
纯态的本质是 概率幅的叠加
混合态的本质是 概率数值的相加。

(2)性质二:

密度矩阵属于厄米算符! ,算一下就知道:
ρ † = ( ∑ i p i ∣ ϕ i ⟩ ⟨ ϕ i ∣ ) † = ∑ i p i ∣ ϕ i ⟩ ⟨ ϕ i ∣ = ρ \rho^{\dagger}=\left(\sum_{i} p_{i}\left|\phi_{i}\right\rangle\left\langle\phi_{i}\right|\right)^{\dagger}=\sum_{i} p_{i}\left|\phi_{i}\right\rangle\left\langle\phi_{i}\right|=\rho ρ=(ipiϕiϕi)=ipiϕiϕi=ρ自然,它也就和厄米算符一样满足 共轭转置等于本身, ρ † ρ = I \rho^{\dagger}\rho =I ρρ=I 等一系列性质!

如果某混合态是由一系列相互正交的态所构成的,那么其密度矩阵的本征态就是 这些相互正交的态 ∣ ϕ i ⟩ |\phi_{i}\rangle ϕi ,相对应的本征值也就是各自的概率 p i p_{i} pi ,即:
ρ ∣ ϕ i ⟩ = p i ∣ ϕ i ⟩ \rho|\phi_{i}\rangle = p_{i}|\phi_{i}\rangle ρϕi=piϕi

(3)性质三:

密度矩阵h还是半正定的!

我先带大家来复习什么是半正定?

矩阵 A A A正定是指, 对任意的X≠0恒有 X T A X > 0 X^{T}AX >0 XTAX>0
矩阵 A A A半正定是指, 对任意的X≠0恒有 X T A X ⩾ 0 X^{T}AX\geqslant 0 XTAX0
(不要弄混淆!)

我们用一条长式就可完成证明!
⟨ ϕ ∣ ρ ∣ ϕ ⟩ = ⟨ ϕ ∣ ( ∑ i p i ∣ ϕ i ⟩ ⟨ ϕ i ∣ ) ∣ ϕ ⟩ = ∑ i p i ⟨ ϕ ∣ ϕ i ⟩ ⟨ ϕ i ∣ ϕ ⟩ = ∑ i p i ∣ ⟨ ϕ ∣ ϕ i ⟩ ∣ 2 ⩾ 0 \langle\phi|\rho| \phi\rangle=\left\langle\phi\left|\left(\sum_{i} p_{i}\left|\phi_{i}\right\rangle\left\langle\phi_{i}\right|\right)\right| \phi\right\rangle=\sum_{i} p_{i}\left\langle\phi \mid \phi_{i}\right\rangle\left\langle\phi_{i} \mid \phi\right\rangle=\sum_{i} p_{i}\left|\left\langle\phi \mid \phi_{i}\right\rangle\right|^{2} \geqslant 0 ϕρϕ=ϕ(ipiϕiϕi)ϕ=ipiϕϕiϕiϕ=ipiϕϕi20

本次博客学习就到这里的了,大家下期再见!


http://chatgpt.dhexx.cn/article/gjlYViLl.shtml

相关文章

lammps npt系综iso和aniso控压对比

大家好&#xff0c;我是小马老师。 本文讲解lammps基础命令fix npt设置。 关于系综的设置&#xff0c;前面已经介绍过多次&#xff0c;但在咨询中发现&#xff0c;对于大部分初学者来说&#xff0c;对于系综选择和设置还是有些困惑。 fix npt命令名称就可以看出&#xff0c;它的…

lammps案例:npt系综练手,H2压缩模拟

上一篇文章中介绍了npt系综的设置方法&#xff0c;本文给出一个lammps模拟氢气压缩的案例&#xff0c;熟悉npt系综的设置方法。 模拟温度300k&#xff0c;压强100GPa&#xff0c;在该条件下&#xff0c;氢气应该为固态。 在MS中建立H2模型&#xff0c;共包含1000个H原子&…

lammps教程:实例讲解npt、nvt系综的选择

对于lammps新手来说&#xff0c;系综的选择令人困惑&#xff0c;到底是应该用nvt系综还是npt系综&#xff1f; 我在初学lammps时就被这个问题困扰了很久。如果去问别人&#xff0c;可能会告诉你一个答案&#xff1a;根据模拟需要确定。 其实和没说一样。 到底如何确定系综&a…

lammps问题-关于NVT与NVE系综产生的不同

相同的材料构型&#xff0c;在不同的系综下产生如下不同的结果&#xff1a; 1.NVE系综下&#xff1a; 2.NVT系综如下&#xff1a; 产生的不同结果如上&#xff0c;原脚本如下&#xff1a; 1. shell mkdir initial-comp shell mkdir config-comp shell mkdir restart-comp #--…

Ensemble Average(系综平均)(集平均)

什么是系综平均&#xff1f;&#xff1a; 下图&#xff08;来自知乎&#xff1a;卖艺的小青年&#xff09;中集平均实际就是系综平均&#xff0c;按照随机信号分析的知识来分析&#xff0c;我们可以把这一系列函数看成一个随机信号&#xff0c;取定一个时间&#xff0c;我们就得…

系综理论(Ensemble Theory)

本文参考[Pathria] Statistical Mechanics (3rd Ed.)里的思路整理了系综理论的一些基本知识。Pathria的书有较多繁复的计算&#xff0c;在此不详细给出&#xff0c;只希望对系综理论能形成一个宏观的认知。 1. 前言 给定一个系统的宏观态描述 ( N , V , E ) (N,V ,E) (N,V,E)…

经典系综理论

系综理论是统计力学的理论基础 本质上来说&#xff0c;统计热力学中只有一个问题&#xff0c;即给定能量$E$&#xff0c;如何分布在$N$个全同系统构成的系综上 --薛定谔 1.系综的定义 在下面的介绍中我们可以逐渐体会这句话的含义&#xff0c;此时我们暂且把这个定位我们解决的…

lammps教程:nve/nvt/npt系综设置方法

系综是指大量性质和结构完全相同的、处于各种运动状态的、各自独立的系统的集合。 在lammps模拟中&#xff0c;常用的系综有nve、nvt、npt三种系综&#xff0c;下面说说这三种系综的使用方法。 1. nve&#xff08;微正则系综&#xff09; nve系综保证系统中原子数量n、体系总…

数值分析(2)-多项式插值: 拉格朗日插值法

整理一下数值分析的笔记~ 目录&#xff1a; 1. 误差 2. 多项式插值与样条插值(THIS) 3. 函数逼近 4. 数值积分与数值微分 5. 线性方程组的直接解法 6. 线性方程组的迭代解法 7. 非线性方程求根 8. 特征值和特征向量的计算 9. 常微分方程初值问题的数值解 1. 拉格朗日基函数 定…

拉格朗日插值法求多项式系数 (附代码)

写在前面&#xff1a; 学了拉格朗日插值法之后发现大家都说可以在O(n^2)时间内得到多项式系数&#xff0c;但是没有找到代码&#xff0c;网上找了很多资料又因为我太弱了没能看懂&#xff0c;最后在emofunx学长的帮助下终于搞明白了。 由于太弱没能看懂的文章 引入 我们都知…

拉格朗日插值多项式的龙格现象

利用插值基函数可以很容易得到拉格朗日插值多项式&#xff0c;公式结构紧凑&#xff0c;在理论分析中甚为重要。但存在以下问题&#xff1a; 当插值节点增减时&#xff0c;计算要全部重新进行&#xff0c;甚为不便&#xff08;当然现在我们有MATLAB&#xff0c;只需改变下参数…

拉格朗日多项式插值法

在数值分析中&#xff0c;拉格朗日常用于多项式插值。假定提供一组数据点[xi,yi]&#xff0c;拉格朗日插值多项式就是由这些 数据的线性运算得到的。 其中基本的多项式有以下公式计算得到 注意 1.第一提供的xi应该是没有相同的&#xff0c;否则不能应用此算法 2.对于每一个xi&…

拉格朗日插值和求多项式系数

拉格朗日介绍 先说说拉格朗日是啥吧 首先 拉格朗日插值是给你 n1 个点 (x,y) 然后根据这n个点可以O(n^2)的求出多项式的系数。也就是解出这个多项式的答案。 假设给你一个多项式 ya0a1*xa2*x^2 然后给你3个解 (x1,y1)(x2,y2)(x3,y3)你第一个想法是怎么解&#xff1f;解方程啊…

数学建模准备 插值(拉格朗日多项式插值,牛顿多项式插值,分段线性插值,分段三次样条插值,分段三次Hermite插值)

文章目录 摘要&#xff08;必看&#xff09;0 基础概念什么是插值插值用途什么是拟合插值和拟合的相同点插值和拟合的不同点 1 常用的基本插值方法1.1 多项式插值法1.1.1 拉格朗日多项式插值法多项式插值并不是次数越大越好&#xff08;龙格现象&#xff09;分段低次线性插值以…

数模--拉格朗日多项式插值、matlab实现

拉格朗日多项式公式&#xff1a; matlab中插入一个值的代码 function yhlagrange(x,y,xh) %定义拉格朗日插入函数 nlength(x); %统计x和xh的长度 mlength(xh); yhzeros(1,m); %构建一行m列的zero矩阵 c1ones(n-1,1); …

计算方法实验(一):拉格朗日插值多项式

拉格朗日插值数学原理 给定平面上 n 1 n 1 n1个不同的数据点 ( x k , f ( x k ) ) (x_{k},f(x_{k})) (xk​,f(xk​))&#xff0c; k 0 , 1 , ⋯ , n k 0,1,\cdots,n k0,1,⋯,n&#xff0c; x i ≠ x j x_{i} \neq x_{j} xi​​xj​&#xff0c; i ≠ j i \neq j i​j&…

拉格朗日插值多项式在MATLAB中的实现

拉格朗日插值多项式在MATLAB中的实现 Hi! 这是我的一个CSDN博客 例 以下给出了针对题&#xff08;2&#xff09;的使用方法 输入&#xff1a; 1.节点值 2.需要插值的原函数 对于题&#xff08;2&#xff09;需要设置参数为&#xff1a; xx [0,0.25,0.5,1];% The nodes(n…

lagrange插值法:求拉格朗日插值多项式matlab实现(内附代码及例题)

lagrange插值法:求拉格朗日插值多项式matlab实现(内附代码及例题) 关于拉格朗日插值法相关理论知识&#xff0c;在这里小编不在赘述&#xff0c;请不明白的小伙伴自行百度。小编只负责给出matlab源码。 **例题:**看下面例题(如图): matlab代码: %%%% 求拉格朗日多项式及基函…

拉格朗日插值算法分析

这几天一直研究拉格朗日多项式&#xff0c;今天将自己对拉格朗日多项式的理解写在这里&#xff0c;方便大家交流。 在数值分析中&#xff0c;拉格朗日常用于多项式插值。假定提供一组数据点[xi,yi]&#xff0c;拉格朗日插值多项式就是由这些 数据的线性运算得到的。 其中基本…

拉格朗日(Lagrange)插值多项式

题目&#xff1a; 基本原理&#xff1a; 拉格朗日&#xff08;Lagrange&#xff09;插值多项式python实现&#xff1a; # encoding: utf-8 from symtable import Symbol X[0.4,0.5,0.6,0.7,0.8] Y[-0.9163,-0.6931,-0.5108,-0.3567,-0.2231] print(X,Y) Lfloat(0.0) x0.54 len…