矩阵求偏迹（约化密度矩阵）python代码

原创 已于 2024-12-28 16:43:53 修改 · 364 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#矩阵 #python #量子计算

于 2024-12-28 16:42:50 首次发布

在量子信息和量子计算领域，矩阵的偏迹运算是一项常用操作。不过，在实际编程中，用于量子计算的 Python 库常常与其他 Python 库存在兼容性问题。例如，笔者在使用 PyTorch 和 Cvxpy 中的优化器时，就发现它们与一些量子计算库不太兼容。因此，笔者特意将最常用的偏迹运算代码分享出来。

这段代码的逻辑较为简单，主要是通过对矩阵进行分块，然后不断递归实现的。但目前该函数仅支持 2n×2n2^n\times2^n2n×2

最低0.47元/天 解锁文章
矩阵求偏迹（约化密度矩阵）python代码（2）
cfcf89的博客
01-11 349
这篇文章接着上一篇分享的求偏迹代码，继续更新一些实用的函数，特别是“保留空间的偏迹运算”
Python基于pandas绘制散点图矩阵代码实例
09-16
散点图矩阵（scatter plot matrix）是一种多变量可视化方法，它可以同时显示数据集中所有成对变量之间的散点图，有助于发现数据之间的潜在关联。在pandas中，我们可以借助`pd.plotting.scatter_matrix()`函数来轻松...
密度算符
immcrr的博客
08-10 6152
混合态 \def\vec#1{\boldsymbol{#1}} \def\bra#1{\langle#1|} \def\ket#1{|#1\rangle} \def\dirac#1#2{\langle#1|#2\rangle} 如果系统并非处于一个态中，而是以概率p1p1p_1处于|ψ1⟩|ψ1⟩\ket{\psi_1}，以概率p2p2p_2处于态|ψ2⟩|ψ2⟩\ket{\psi_2}中，这...
矩阵的偏迹
程序员晓老九
07-18 2766
一、定义 矩阵的偏迹运算是量子力学中的一种特殊的运算，它是一种特殊的矩阵迹运算。只不过这种取迹的过程并不是对全空间展开的，而是对某一个子空间。 如果有两个希尔伯特空间分别记为HAH_{A}HA​和HBH_{B}HB​，它们可以分别用来表示两个量子系统A和B，那么就能对这两个空间做直积运算，从而得到系统A与B的复合系统，记为：HA,B=HA⨂HBH_{A, B}=H_{A} \bigotimes H...
对于给定量子纯态，求其中某一或某些量子比特的约化密度矩阵
qq_41827983的博客
07-30 999
在量子计算的结果中，我们可能只对其中几个量子比特感兴趣，这时就要求它们的约化密度矩阵。本文基于 MindQuantum 来实现这一点（撰写本文时，MindQuantum 的发行版为 0.8.0，尚不支持此功能，虽然后续版本中肯定会支持，但是考虑到网上目前很少有关于这方面内容的介绍，我还是稍微写得详细一些，便于读者参考。如果有地方表达不清，或者有错误，欢迎批评指正。）
矩阵求导迹的求导技巧
hhsh49的博客
11-15 1万+
矩阵的迹就是矩阵对角元素之和。有以下性质： tr(AB)=tr(BA) ∂tr(AB)∂A=BT 根据以上两个性质基本上就可以进行接下来的操作。首先利用上述性质计算如下导数： ∂tr(ABATC)∂A 对于不同位置含有两个矩阵A，该如何操作呢？这里先引入微积分中对$x^2$的分步求
光子学领域一维光子晶体态密度的Python代码实现及其应用
04-27
内容概要：本文详细介绍了在一维光子晶体中计算态密度的方法，从理论基础到具体的Python代码实现。文中解释了一维光子晶体的基本概念，即在一维方向上具有周期性折射率变化的结构，并通过麦克斯韦方程组求解电磁场的...
数据挖掘结果可视化Python代码 聚类分类结果展示
09-26
# 数据挖掘结果可视化Python代码 - 聚类分类结果展示 ## 项目简介 本项目提供了一套完整的数据挖掘结果可视化工具，专注于聚类分析和分类分析结果的可视化展示。通过直观的图表帮助用户理解算法性能和数据模式。 ...
气象数据可视化分析Python代码 温度降水数据图表制作
09-26
# 气象数据可视化分析Python代码 - 温度降水数据图表制作 ## 项目简介 本项目是一个功能全面的气象数据可视化分析系统，专注于温度和降水数据的图表制作和深度分析。提供多种专业级别的气象数据可视化功能，包括...
输入一个矩阵，求矩阵的迹
冬青的专栏
06-24 2272
package com.demo; import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import java.util.Scanner; class Matrix { /** * */ private int n = 0 ; /* * Th
【机器学习】汇总详解：矩阵的迹以及迹对矩阵求导
热门推荐
蔚蓝的天空Tom
03-17 3万+
矩阵的迹概念        矩阵的迹 就是 矩阵的主对角线上所有元素的和。        矩阵A的迹，记作tr(A)，可知tra(A)=∑aii，1<=i<=n。定理：tr(AB) = tr(BA)证明定理：tr(ABC) = tr(CAB) = tr(BCA)    这个是tr(AB)=tr(BA)的推广定理，很容易证明。    根据定理tr(AB)=tr(BA)可知：       ...
【力扣hot100题】（116）矩阵置零
s478527548的博客
01-02 256
比较简单，但我只想出空间复杂度O(m+n)的方法。答案空间复杂度为O(1)的方法是将第一行第一列设为标记数组，标记哪些行列需要置零，还是很巧妙的。
2026 最新矩阵剪辑系统搭建教程（附完整可运行源码
最新发布
2501_94051161的博客
01-07 381
调整剪辑时长（比如只保留视频前 30 秒）；RESOLUTION：修改分辨率（如 (1080, 1920) 适配小红书，(720, 720) 适配视频号）；：替换为自己的账号名称 / 水印内容。本文提供的矩阵剪辑系统基于 Python+FFmpeg 实现，核心是类封装批量剪辑、水印、转码等功能，零基础可快速部署；源码支持自定义分辨率、剪辑时长、水印，适配主流短视频平台的矩阵运营需求；扩展方向可聚焦可视化界面、更多剪辑功能（如调色、加背景音乐），进一步提升实用性。
2025 企业级后台管理系统的 AI 工程化落地实践 — vue3-element-admin 全栈矩阵解析
有来技术
01-03 901
2025 年 AI 开始密集落地，但在企业级后台系统中，更重要的是可控与安全围绕 vue3-element-admin，引入基于 Function Calling 的 AI 助手，将自然语言转为受控操作，构建可演进的企业级后台生态，并规划 youlai-ai 的平台化方向。
Ansys Zemax | 如何使用琼斯矩阵表面
ueotek的博客
01-05 681
琼斯矩阵 (Jones Matrix) 表面是一种非常简便的定义偏振元件的方法。这篇文章通过几个示例介绍了如何使用琼斯矩阵。
矩阵微积分速通
weixin_62528784的博客
01-02 687
机器学习中涉及到矩阵的微积分运算，所有会用到的一些基础的求导知识
矩阵系统前端底层搭建全解析（附完整源码）
2501_94051303的博客
01-04 981
矩阵系统前端核心是矩阵数据隔离和权限精细化控制，需将矩阵 ID 自动透传到所有请求；采用 “核心层 + 应用层 + 业务层” 的三层架构，核心层封装通用逻辑，业务层专注具体功能；动态路由 + 动态权限是矩阵系统的关键，需根据当前矩阵权限动态加载菜单和功能；矩阵切换需通过全局事件机制通知各模块更新数据，保证数据一致性。
Leetcode-240 :搜索二维矩阵
2402_86037826的博客
01-04 520
Leetcode-240 : 搜索二维矩阵 四种解题思路详解
矩阵求迹怎么用python计算
04-29
<think>好的，我现在需要帮助用户解决如何使用Python计算矩阵的迹的问题。用户之前已经询问过冯诺伊曼熵的实现，其中涉及到了密度矩阵的迹计算，现在他明确提问如何用Python实现矩阵的求迹，特别是使用numpy库。 首先，我应该回顾用户提供的引用内容。引用[1]和[2]提到了numpy中使用diagonal和sum函数来计算迹，以及使用T函数转置矩阵。引用[3]和[4]则涉及numpy中matrix对象和线性代数运算的相关信息。用户之前的问题中，我在回答冯诺伊曼熵时已经使用了np.trace，但根据引用[2]，用户可能看到了另一种方法，即用diagonal().sum()来计算迹。这可能让用户有些困惑，想知道哪种方法更好或者正确。 接下来，我需要整理出几种不同的方法来实现矩阵求迹。根据引用[2]，有两种方法：np.trace()和diagonal().sum()。同时，用户提到numpy的matrix对象，但根据引用[3]，虽然numpy有matrix类，但现在更推荐使用ndarray，因此可能需要说明这一点。 我需要确保回答结构清晰，分步骤说明不同的方法，并且比较它们的优缺点。同时，要提供示例代码，验证结果，并可能提到注意事项，比如处理非方阵的情况或者复数矩阵。 另外，用户之前的问题中提到了验证密度矩阵的迹是否为1，所以在当前问题中可能需要强调在计算迹时的注意事项，比如数值精度的问题，或者如何处理不同类型的矩阵。 可能还需要考虑用户的实际应用场景，比如他们可能在处理量子力学中的密度矩阵，或者是普通线性代数问题，因此需要示例代码覆盖这些情况。例如，提供实数矩阵和复数矩阵的例子，说明方法是否适用。 最后，根据用户的要求生成相关问题，这些问题应该围绕矩阵求迹的扩展应用、其他矩阵运算或者相关库函数的使用，帮助用户深入理解。</think>### Python矩阵求迹计算详解（基于NumPy） #### 一、矩阵迹的定义 矩阵的迹（Trace）指$n \times n$方阵主对角线上元素的和： $$ \text{Tr}(A) = \sum_{i=1}^n a_{ii} $$ #### 二、Python实现方法（三种方式） ##### 方法1：直接使用`numpy.trace()` ```python import numpy as np matrix = np.array([[1+2j, 3, 5], # 支持复数矩阵 [4, 5, 6], [7, 8, 9]]) trace_value = np.trace(matrix) print(f"迹计算结果: {trace_value}") # 输出 (15+2j) ``` **特点**： - 自动处理复数计算[^3] - 支持非对角偏移计算（通过`offset`参数） - 时间复杂度$O(n)$ ##### 方法2：手动计算对角线元素和 ```python diag_sum = matrix.diagonal().sum() # 等价于np.trace(matrix) ``` ##### 方法3：矩阵对象专用方法（适用于`numpy.matrix`） ```python matrix_obj = np.matrix('1 2 3; 4 5 6; 7 8 9') trace_matrix = matrix_obj.trace()[0,0] # 输出 15 ``` #### 三、关键特性对比 | 方法 | 支持数组类型 | 复数支持 | 计算效率 | 额外功能 | |-------------|--------------|----------|----------|----------------| | `np.trace` | ndarray | ✔️ | 高 | 偏移对角线计算 | | diagonal+sum| ndarray | ✔️ | 中 | 无 | | matrix.trace| matrix | ✔️ | 低 | 已弃用 | #### 四、特殊场景处理 **1. 非方阵处理**： ```python rect_matrix = np.array([[1,2,3], [4,5,6]]) try: print(np.trace(rect_matrix)) # 输出 6 (1+5) except: print("非方阵可计算主对角线元素和") ``` **2. 数值稳定性验证**： ```python # 验证量子态密度矩阵迹为1 rho = np.array([[0.5, 0.5], [0.5, 0.5]]) assert np.isclose(np.trace(rho), 1.0), "密度矩阵迹必须为1" ``` #### 五、性能优化建议 1. **预分配内存**：对大规模矩阵使用`np.zeros`预创建数组 2. **避免类型转换**：保持数据类型一致性（如`dtype=np.complex128`） 3. **批量计算**：利用`np.trace`处理三维张量 ```python batch_matrices = np.random.rand(100, 3, 3) batch_traces = np.trace(batch_matrices, axis1=1, axis2=2) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

热爱学习的CF

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值