量子计算数学是量子计算理论的核心基础，它将量子力学的基本原理与线性代数、概率论、信息论等数学工具相结合，为量子算法的设计与分析提供严谨的数学框架。本文系统梳理量子计算涉及的数学概念、关键定理和应用场景。
量子计算利用量子力学中的叠加态、纠缠态等特性，在特定计算任务上展现出超越经典计算机的潜力。这一能力的数学根源在于量子态的向量空间表示、酉变换的计算性质，以及量子测量所带来的概率与信息特性。理解量子计算数学是深入掌握量子算法、量子错误纠正、量子通信等前沿领域的前提。
经典比特取值 0 或 1，而量子比特（qubit）可处于 ∣0⟩ 和 ∣1⟩ 的叠加态中，其数学表示为希尔伯特空间中的单位向量。量子计算的过程本质上是对这些向量施加酉变换，并通过测量提取结果。
单量子比特的态用二维复向量空间 C2 中的单位向量表示。选取标准正交基（计算基）：
∣0⟩=(10),∣1⟩=(01)
任意单量子比特态可表示为：
∣ψ⟩=α∣0⟩+β∣1⟩=(αβ)
其中 α,β∈C，且满足归一化条件：
∣α∣2+∣β∣2=1
归一化条件的物理解释：对 ∣ψ⟩ 进行测量时，以概率 ∣α∣2 得到 0，以概率 ∣β∣2 得到 1。
任意单量子比特态（忽略全局相位）可表示为布洛赫球面上的点：
∣ψ⟩=cos2θ∣0⟩+eiφsin2θ∣1⟩
其中 θ∈[0,π]，φ∈[0,2π)。这一参数化建立了量子态与三维单位球面的一一对应关系。
多量子比特系统的态空间是各自态空间的张量积。例如，两个量子比特的态空间为：
H=C2⊗C2≅C4
基矢为：
∣00⟩=∣0⟩⊗∣0⟩=(10)⊗(10)=1000
∣01⟩=∣0⟩⊗∣1⟩=0100
∣10⟩=∣1⟩⊗∣0⟩=0010
∣11⟩=∣1⟩⊗∣1⟩=0001
n 个量子比特的张量积空间维度为 2n，这解释了经典计算机模拟量子系统时的指数级存储需求。
量子态空间是内积空间，内积定义为：
⟨ϕ∣ψ⟩=i∑ϕi∗ψi
内积满足：
- 共轭对称性：⟨ϕ∣ψ⟩=⟨ψ∣ϕ⟩∗
- 正定性：⟨ψ∣ψ⟩≥0，等号当且仅当 ∣ψ⟩=0
- 线性性：⟨ϕ∣(α∣ψ1⟩+β∣ψ2⟩)=α⟨ϕ∣ψ1⟩+β⟨ϕ∣ψ2⟩
两个态正交当且仅当 ⟨ϕ∣ψ⟩=0。
若多量子比特态不能表示为各子系统的直积形式，则称为纠缠态。贝尔态是最著名的二量子比特纠缠态：
∣Φ+⟩=21(∣00⟩+∣11⟩)
∣Φ−⟩=21(∣00⟩−∣11⟩)
∣Ψ+⟩=21(∣01⟩+∣10⟩)
∣Ψ−⟩=21(∣01⟩−∣10⟩)
纠缠态的数学特征是Schmidt 秩大于 1：对任意纯态 ∣ψ⟩AB，可在子系统基矢下写成：
∣ψ⟩AB=i=1∑rλi∣iA⟩⊗∣iB⟩
其中 λi>0 为 Schmidt 系数，满足 ∑iλi2=1，r 为 Schmidt 秩。r=1 对应可分离态，r>1 对应纠缠态。
当系统状态不完全已知时，用密度算符描述：
ρ=i∑pi∣ψi⟩⟨ψi∣
其中 pi≥0，∑ipi=1。密度算符满足：
- 半正定性：ρ⪰0
- 迹为 1：Tr(ρ)=1
- 自伴性：ρ†=ρ
纯态满足 Tr(ρ2)=1，混合态满足 Tr(ρ2)<1。
对于二体系统 ρAB，约化密度算符为：
ρA=TrB(ρAB)
其中 TrB 表示对子系统 B 求偏迹。
量子门的作用是保持量子态归一化的线性变换，对应于酉矩阵。n 量子比特系统上的酉算子 U 满足：
U†U=UU†=I
其中 U† 为 U 的共轭转置。酉变换保持内积不变：
⟨Uϕ∣Uψ⟩=⟨ϕ∣ψ⟩
Pauli 矩阵是最基本的单量子比特门：
X=(0110),Y=(0i−i0),Z=(100−1)
Pauli 矩阵满足：
- X2=Y2=Z2=I
- XY=iZ，YZ=iX，ZX=iY
- 对易关系：[X,Y]=2iZ，等等
Hadamard 门将计算基变换到 X 基：
H=21(111−1)
其作用为：
H∣0⟩=21(∣0⟩+∣1⟩)=∣+⟩
H∣1⟩=21(∣0⟩−∣1⟩)=∣−⟩
相位门：
S=(100i),T=(100eiπ/4)
旋转门（绕布洛赫球坐标轴旋转）：
Rx(θ)=e−iθX/2=cos2θI−isin2θX=(cos2θ−isin2θ−isin2θcos2θ)
Ry(θ)=e−iθY/2=cos2θI−isin2θY=(cos2θsin2θ−sin2θcos2θ)
Rz(θ)=e−iθZ/2=cos2θI−isin2θZ=(e−iθ/200eiθ/2)
CNOT（Controlled-NOT）门是最重要的双量子比特门，它在量子纠错和纠缠态生成中扮演核心角色：
CNOT=1000010000010010
在计算基下的作用：若控制量子比特为 ∣1⟩，则翻转目标量子比特；否则保持不变：
CNOT∣00⟩=∣00⟩, CNOT∣01⟩=∣01⟩, CNOT∣10⟩=∣11⟩, CNOT∣11⟩=∣10⟩
SWAP 门交换两个量子比特的状态：
SWAP=1000001001000001
受控相位门（CZ）：
CZ=100001000010000−1
任意酉变换可由有限个量子门组成的通用门集近似。一个常用的通用门集为：
{H,S,T,CNOT}
其中 H 和 T 可生成单量子比特上的任意旋转（结合 Solovay–Kitaev 定理），CNOT 提供多量子比特间的纠缠。另一种常用通用门集是 {H,CNOT} 加上任意有限精度的旋转门。
Solovay–Kitaev 定理：对于任意单量子比特门 U 和精度 ε>0，存在一个由通用门集元素构成的长度为 O(logc(1/ε)) 的序列，其与 U 的算子范数误差不超过 ε。
投影测量由可观测量 M 的谱分解定义。设 M 有谱分解 M=∑mmPm，其中 Pm 是 M 的本征值 m 对应的本征空间的投影算符。对态 ∣ψ⟩ 进行测量得到结果 m 的概率为：
p(m)=⟨ψ∣Pm∣ψ⟩
测量后的态坍缩为：
∣ψm⟩=p(m)Pm∣ψ⟩
POVM（Positive Operator-Valued Measure）是最一般的量子测量形式，适用于不完全区分量子态等场景。POVM 由一组半正定算符 {Em} 组成，满足：
m∑Em=I,Em⪰0
测量结果为 m 的概率为：
p(m)=Tr(Emρ)
POVM 不指定测量后的态，因此仅适用于仅关心测量结果概率的场景。
量子态层析是通过一系列测量来重构未知量子态的过程。对于 d 维希尔伯特空间中的量子态，需要 d2−1 个独立参数来描述。通过对多个副本进行不同基下的测量，使用线性回归或最大似然估计来重建密度矩阵。
例如，单量子比特态层析需要对 X、Y、Z 三个基方向分别测量，从测量结果的期望值推断 Bloch 向量：
ρ=21(I+rxX+ryY+rzZ)
其中 rx=⟨X⟩，ry=⟨Y⟩，rz=⟨Z⟩。
量子傅立叶变换（QFT）是许多量子算法的核心子程序。在 N=2n 维空间中，QFT 将计算基 ∣j⟩ 映射为：
QFT∣j⟩=N1k=0∑N−1e2πijk/N∣k⟩
QFT 的矩阵元为：
QFTjk=N1ωjk
其中 ω=e2πi/N。QFT 可高效实现为 O(n2) 个量子门的电路，远优于经典 FFT 的 O(n2n) 复杂度。
QFT 的关键结构是递归分解：
QFT∣j1j2…jn⟩=2n1(∣0⟩+e2πi0.jn∣1⟩)⊗(∣0⟩+e2πi0.jn−1jn∣1⟩)⊗⋯⊗(∣0⟩+e2πi0.j1j2…jn∣1⟩)
其中 0.j1j2…jn=∑k=1njk2−k 是二进制分数。
量子相位估计算法（QPE）是 Shor 算法和其他量子算法的基石。给定一个酉算子 U 和其特征向量 ∣u⟩（满足 U∣u⟩=e2πiφ∣u⟩），QPE 以 n 比特的精度估计相位 φ。
QPE 的步骤为：
- 准备 n 个辅助量子比特在 ∣0⟩⊗n，应用 H⊗n 产生均匀叠加
- 应用受控 U2k 门
- 对辅助量子比特执行逆 QFT
- 测量辅助寄存器得到相位的 n 比特近似
数学上，若 φ=0.φ1φ2…φn（二进制表示），则经过逆 QFT 后，辅助寄存器坍缩到 ∣φ1φ2…φn⟩，精度为 2−n。
Grover 算法的核心是幅度放大，通过反复应用 Grover 算子 G 来增强标记态的幅度：
G=(2∣ψ⟩⟨ψ∣−I)O
其中 ∣ψ⟩=H⊗n∣0⟩⊗n 是均匀叠加态，O 是 oracle 算符（标记目标态）：
O∣x⟩={−∣x⟩,∣x⟩,x=x∗x=x∗
经过 k 次迭代后，目标态的幅度约为 sin((2k+1)θ)，其中 sinθ=1/N。最优迭代次数为：
kopt≈4πN
此时找到目标态的概率接近 1。这给出了无结构搜索问题的 O(N) 复杂度，较经典搜索的 O(N) 有二次加速。
Shor 算法将整数分解问题转化为周期查找问题，利用了以下数学事实：
- 随机选取 a 与 N 互素
- 定义函数 f(x)=axmodN，该函数是周期函数，周期为 r（即 ar≡1(modN)）
- 若 r 为偶数，且 ar/2≡±1(modN)，则 gcd(ar/2−1,N) 和 gcd(ar/2+1,N) 是 N 的非平凡因子
周期 r 的查找通过 QPE 完成：应用酉算符 U∣y⟩=∣aymodN⟩，其特征值为 e2πis/r（s=0,1,…,r−1）。QPE 测量得到 s/r 的近似值，再通过连分数展开得到精确的 r。
量子系统的信息含量用冯诺依曼熵度量：
S(ρ)=−Tr(ρlogρ)
若 ρ 有本征值 {λi}，则：
S(ρ)=−i∑λilogλi
纯态熵为零，最大混合态（ρ=I/d）熵为 logd。
Holevo 界给出了通过量子信道传输经典信息的容量上界。若发送者以概率 pi 制备态 ρi，则接收者能从测量结果中提取的最大经典信息量不超过：
χ=S(i∑piρi)−i∑piS(ρi)
即 χ≤S(ρ)−∑ipiS(ρi)。
量子纠错码的核心条件是 Knill–Laflamme 条件。对于纠错码的编码子空间 C=span{∣ci⟩}，一组误差 {Ea} 可被纠正当且仅当：
⟨ci∣Ea†Eb∣cj⟩=δijCab
其中 C 是 Hermitian 矩阵，与编码基矢 i,j 无关。该条件保证了误差不会破坏编码子空间的结构，且不同误差映射到正交的子空间。
量子信道是保迹的完全正映射（CPTP 映射），数学上用 Kraus 表示：
E(ρ)=k∑EkρEk†
其中 {Ek} 是 Kraus 算符，满足 ∑kEk†Ek=I。常见的量子信道包括：
去极化信道（以概率 p 将态替换为最大混合态）：
Ep(ρ)=(1−p)ρ+p2I
幅度阻尼信道（模拟自发辐射）：
E0=(1001−γ),E1=(00γ0)
相位阻尼信道（模拟退相干）：
E0=1−pI,E1=p(100−1)
阈值定理是量子计算可扩展性的理论基础：如果每个量子门或操作的基本错误率低于某个阈值（约 10−3 到 10−4），则可以通过对量子态进行编码来保护计算，使有效错误率任意低。
Shor 编码是最早的量子纠错码之一，将单量子比特编码到九个量子比特上：
∣0L⟩=221(∣000⟩+∣111⟩)⊗3
∣1L⟩=221(∣000⟩−∣111⟩)⊗3
表面码（Surface Code）是目前最有前途的纠错方案之一，物理量子比特排列在二维网格上，逻辑量子比特编码在非平凡拓扑结构中。表面码的纠错阈值约为 1%，远高于其他编码方案。
绝热量子计算基于绝热定理：如果系统初态是 H(0) 的基态，且哈密顿量从 H(0) 缓慢演化到 H(T)，则系统终态将是 H(T) 的基态。
动力学由含时薛定谔方程描述：
iℏdtd∣ψ(t)⟩=H(t)∣ψ(t)⟩
其中 H(t)=(1−s(t))H0+s(t)H1，s(t)∈[0,1] 是缓慢变化的参数。
绝热条件要求：
T≫mins∈[0,1]Δ(s)2maxs∈[0,1]∥dH/ds∥
其中 Δ(s) 是基态与第一激发态之间的能隙。能隙越小，所需演化时间越长，这也是绝热量子计算面临的主要挑战。
变分量子特征值求解（VQE）是近期量子计算（NISQ）时代的代表性算法。它通过参数化量子电路 U(θ) 制备试探态，并使用经典优化器最小化期望值：
E(θ)=⟨0∣U(θ)†HU(θ)∣0⟩=Tr(Hρ(θ))
其中 H 为目标哈密顿量。通过对 Pauli 字符串的期望值进行采样来实现：
H=i∑ciPi
其中 Pi 是 Pauli 字符串（如 X⊗Z⊗Y），ci 是实系数。则：
⟨H⟩=i∑ci⟨Pi⟩
VQE 的数学核心是变分原理：
E(θ)≥E0
其中 E0 是 H 的真实基态能量。经典优化器（如 SPSA、COBYLA、Adam）用于搜索使 E(θ) 最小的参数 θ。
量子机器学习利用量子态的内积计算和向量操作加速经典机器学习中的线性代数运算。关键操作包括：
量子主成分分析：基于密度矩阵的指数化。给定数据协方差矩阵的量子表示 ρ，可高效计算其本征值和本征向量。
量子支持向量机：将优化问题转化为线性方程组求解，利用 HHL 算法（Harrow–Hassidim–Lloyd 算法）以指数加速求解：
A∣x⟩=∣b⟩
HHL 算法在条件数 κ 良好的情况下达到 O(κ2logN) 的时间复杂度，较经典 O(Nκ) 有指数加速。
量子生成对抗网络（QGAN）：生成器和判别器均为量子电路或混合系统，通过对抗训练学习数据分布。
量子过程断层扫描（Quantum Process Tomography）通过施加已知输入态并测量输出态来重构未知量子过程 E。设 {ρj} 是一组输入态，{Πk} 是一组测量，则输出概率为：
p(j,k)=Tr(ΠkE(ρj))=m,n∑χmnTr(ΠkEmρjEn†)
其中 χmn 是过程矩阵的矩阵元，Em 是固定正交基下的 Kraus 算符。通过线性回归或最大似然估计求解 χ。
随机基准测试（Randomized Benchmark）通过随机 Clifford 门序列来估计量子门的平均错误率。数学上，保真度衰减服从：
F(m)=Apm+B
其中 m 是 Clifford 门数，p 是每次操作的退极化参数，A 和 B 是拟合参数。平均错误率下界为：
r≥21−p
判断一个量子态是否可分离是量子信息理论中的核心问题。常用的数学判据包括：
Peres–Horodecki 判据（PPT 判据）：对于 2×2 和 2×3 系统，可分离当且仅当密度矩阵的部分转置是半正定的：
ρTB⪰0
其中 ρTB 表示对子系统 B 进行部分转置。需要指出的是，对于更高维系统，PPT 仅是必要条件而非充分条件，即存在纠缠态也具有半正定的部分转置（称为 Bound Entangled States）。
纠缠见证：利用纠缠态与可分离态集合的可分离性，构造线性算符 W 使得：
Tr(Wρsep)≥0,Tr(Wρent)<0
纠缠见证的设计本质上是一个凸优化问题。
量子计算数学是融合了线性代数、泛函分析、概率论和信息论的交叉学科。从量子比特的张量积结构到酉变换的群论性质，从测量理论的概率公理到量子信息论的熵与信道容量，每一个量子计算的核心概念都有着深刻的数学根基。
当前面临的核心数学挑战包括：
- 退相干的时间尺度数学描述：开放量子系统的非马尔可夫动力学建模仍需更完善的数学工具
- 量子优势的理论证明：BQP 与 PH 的计算复杂性关系尚待解决
- 优化的量子电路综合：从任意酉变换到通用门集的近似分解仍是最优化领域的活跃问题
- 量子纠错码的最优参数：量子编码界的精确刻画仍是组合数学的重大课题
随着量子硬件规模的不断扩展，量子计算数学将继续为新一代量子算法的设计、验证和优化提供理论基础。
相关页面：数学知识库索引 | 线性代数 | 信息论 | 算法与复杂性