量子力学与数学推导精选

30、考虑约化密度矩阵$\rho_{S,red} = CC^\dagger$,其中$C$是一个$M\times N$矩阵:$C = (c_{mn}) = \begin{pmatrix}c_{11} & c_{12} &… & c_{1N} \ c_{21} & c_{22} &… & c_{2N} \… &… &… &… \ c_{M1} & c_{M2} &… & c_{MN}\end{pmatrix}$。因此,系统有$M$个态,环境有$N$个态。估计$\rho_{S,red}$元素的数量级。

整体上,矩阵元素数量级的估计为 $\rho_{S,red}$ 的 $i,j$ 元素
$$
\rho_{S,red}^{ij} = O\left(\frac{1}{M}\right)\left(\delta_{ij} + O\left(\frac{1}{\sqrt{N}}\right)\right)。
$$
更详细的分析见练习部分。

31、证明当 r 趋于无穷时,eik|r−r′| / |r - r′| 趋近于 (eikr / r) e−ik′·r′。

当 $ r \to \infty $ 时,对 $ |\mathbf{r} - \mathbf{r}’| $ 进行泰勒展开,

$$
|\mathbf{r} - \mathbf{r}’| = r\left(1 - \frac{\hat{\mathbf{r}} \cdot \mathbf{r}’}{r} + O\left(\frac{1}{r^2}\right)\right).
$$

$$
\frac{e^{ik|\mathbf{r} - \mathbf{r}’|}}{|\mathbf{r} - \mathbf{r}’|} \to \frac{e^{ik\left(1 - \frac{\hat{\mathbf{r}} \cdot \mathbf{r}’}{r} + O\left(\frac{1}{r^2}\right)\right)}}{r\left(1 - \frac{\hat{\mathbf{r}} \cdot \mathbf{r}’}{r} + O\left(\frac{1}{r^2}\right)\right)}.
$$

根据指数运算法则,

$$
e^{ik\left(r - \hat{\mathbf{r}} \cdot \mathbf{r}’ + O\left(\frac{1}{r}\right)\right)} = e^{ikr} e^{-ik \frac{\hat{\mathbf{r}} \cdot \mathbf{r}’}{r}} e^{ikO\left(\frac{1}{r}\right)},
$$

所以原式等于

$$
\frac{e^{ikr} e^{-ik \hat{\mathbf{r}} \cdot \mathbf{r}’ / r} e^{ikO\left(1/r\right)}}{r\left(1 + O\left(1/r\right)\right)}.
$$

当 $ r \to \infty $ 时,$ e^{ikO(1/r)} \to 1 $,且 $ \frac{1}{1 + O(1/r)} \to 1 $,因此表达式趋近于

$$
\left(\frac{e^{ikr}}{r}\right) e^{-ik \hat{\mathbf{r}} \cdot \mathbf{r}’} = \left(\frac{e^{ikr}}{r}\right) e^{-i\mathbf{k}’ \cdot \mathbf{r}’},
$$

其中 $ \mathbf{k}’ = k\hat{\mathbf{r}} $。

32、将方程 |ψ⟩ = |ψ0⟩ + Gv |ψ⟩ 转换到位置表象。

对等式两边左乘 $\langle r|$,得到
$$
\langle r |\psi\rangle = \langle r |\psi_0\rangle + \langle r| G v |\psi\rangle
$$

由于势算符 $v$ 是定域的,即
$$
\langle r’ | v | r’’ \rangle = v(r’) \delta(r’ - r’‘)
$$

$$
\langle r | \psi \rangle = \psi(r), \quad \langle r| G | r’ \rangle = -\frac{1}{4\pi} \frac{e^{ik|r - r’|}}{|r - r’|}
$$

最终可得
$$
\psi(r) = \psi_0(r) - \frac{1}{4\pi} \int d^3r’ \, \frac{e^{ik|r - r’|}}{|r - r’|} v(r’) \psi(r’)
$$

33、找出268898680104636581和170699960169639253的质因数分解。

268898680104636581 = 998653·998681·269617;

170699960169639253 = 413158511 · 413158523

34、泡利矩阵如何作用于量子比特态 |0⟩ 和 |1⟩?

以下是对给定文本内容调整为 Markdown 格式后的输出:


Pauli 算符作用如下:

  • $ \sigma_x |0\rangle = |1\rangle $
  • $ \sigma_x |1\rangle = |0\rangle $
  • $ \sigma_y |0\rangle = i |1\rangle $
  • $ \sigma_y |1\rangle = -i |0\rangle $
  • $ \sigma_z |0\rangle = |0\rangle $
  • $ \sigma_z |1\rangle = -|1\rangle $

35、泡利矩阵如何作用于量子比特态 |ϕ⟩ = c |0⟩ + d |1⟩?

$$
\sigma_x |\phi\rangle = d |0\rangle + c |1\rangle;\quad
\sigma_y |\phi\rangle = -i d |0\rangle + i c |1\rangle;\quad
\sigma_z |\phi\rangle = c |0\rangle - d |1\rangle。
$$

36、已知归一化态 |x⟩ 和 |y⟩,且 ⟨x |y⟩ = 0;证明算符 U = 2 |x⟩⟨x| - 1 表示关于 |x⟩ 的反射,而 -U 表示关于 |y⟩ 的反射。

我们可以将任意态表示为
$$
|z\rangle = a |x\rangle + b |y\rangle
$$

则有:
$$
U |z\rangle = 2 |x\rangle\langle x | z\rangle - |z\rangle = 2a |x\rangle - a |x\rangle - b |y\rangle = a |x\rangle - b |y\rangle
$$

$$
-U |z\rangle = -a |x\rangle + b |y\rangle
$$

因此,算符 $ U $ 使 $ |x\rangle $ 的系数不变,改变了 $ |y\rangle $ 的系数;相应地,它是关于 $ |x\rangle $ 的反射。类似地,可以推断出 $ -U $ 表示关于 $ |y\rangle $ 的反射。

37、在对 U 进行 k 次迭代的情况下,测量概率会如何变化?

经过 k 次迭代,有
$$
|c_n|^2 \to |\alpha|^{2k} |c_n|^2;
$$
$$
|c_m|^2 \to 1 - |\alpha|^{2k} + |\alpha|^{2k} |c_m|^2。
$$

38、一个系统处于极化态 |r⟩。使用 wP = tr (ρP) 计算该系统被测量为处于态 |h⟩ 的概率。其中 tr 表

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究改进中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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