用sympy计算Pauli矩阵

这篇具有很好参考价值的文章主要介绍了用sympy计算Pauli矩阵。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Pauli矩阵

Pauli矩阵是3个 2 × 2 2\times2 2×2的矩阵,这三哥矩阵的行列式均为-1,一般以 σ \sigma σ表示如下

σ x = [ 0 1 1 0 ] σ y = [ 0 − i i 0 ] σ z = [ 1 0 0 − 1 ] \sigma_x=\begin{bmatrix}0&1\\1&0\end{bmatrix}\quad \sigma_y=\begin{bmatrix}0&-i\\i&0\end{bmatrix}\quad \sigma_z=\begin{bmatrix}1&0\\0&-1\end{bmatrix} σx=[0110]σy=[0ii0]σz=[1001]

在量子力学中,这三个矩阵分别表示自旋在三个坐标轴中的投影分量, σ x , σ y , σ z \sigma_x, \sigma_y, \sigma_z σx,σy,σz也可写为 σ 1 , σ 2 , σ 3 \sigma_1, \sigma_2, \sigma_3 σ1,σ2,σ3

Pauli矩阵满足如下关系

  • 对易计算 [ σ a , σ b ] = 2 i ϵ a b c σ c [\sigma_a, \sigma_b]=2i\epsilon_{abc}\sigma_c [σa,σb]=2iϵabcσc
  • 反对易 { σ a , σ b } = 2 δ a b I \{\sigma_a, \sigma_b\}=2\delta_{ab}I {σa,σb}=2δabI
  • 内积关系 σ a σ b = i ∑ c ϵ a b c σ c + δ a b I \sigma_a\sigma_b=i\sum_c\epsilon_{abc}\sigma_c+\delta_{ab}I σaσb=icϵabcσc+δabI

sympy实现

matrices中封装了msigma类,即Pauli矩阵的矩阵表示,示例如下

from sympy import print_latex
from sympy.physics.matrices import msigma
print_latex(msigma(1))

[ 0 1 1 0 ] \left[\begin{matrix}0 & 1\\1 & 0\end{matrix}\right] [0110]

此外,sympy中还封装了Pauli类,调用如下

from sympy.physics.paulialgebra import Pauli
from sympy import print_latex
p1 = Pauli(1)
print_latex(p1)

σ 1 \sigma_{1} σ1

quantum中提供了对易计算,测试如下

from sympy.physics.quantum import Commutator
p2 = Pauli(2)
comm = Commutator(p1, p2)   # [sigma1,sigma2]
print_latex(comm.doit())                 # 2*I*sigma3

[ σ 1 , σ 2 ] = 2 i σ 3 [\sigma_1, \sigma_2] = 2 i \sigma_{3} [σ1,σ2]=2iσ3

内积的计算结果如下

p1*p1   # 1
print_latex(p1*p2)

i σ 3 i \sigma_{3} iσ3文章来源地址https://www.toymoban.com/news/detail-789271.html

到了这里,关于用sympy计算Pauli矩阵的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 量子力学的实验验证:双缝实验和贝尔不等式

    亲爱的读者, 欢迎回到我们的量子力学系列文章。在前几篇文章中,我们介绍了量子力学的起源、基本概念,以及叠加态、超级定位和量子纠缠等奇特现象。今天,我们将深入探讨量子力学的实验验证,重点介绍双缝实验和贝尔不等式实验。 双缝实验是量子力学中最具代表

    2024年02月15日
    浏览(35)
  • 我借助 AI 神器,快速学习《阿里的 Java 开发手册》,比量子力学还夸张

    我平时经常要看 PDF,但是我看书贼慢,一个 PDF 差不多几十上百页,看一遍要花挺长时间。 我记性还不好,看完之后,过些日子就记不清 PDF 是讲什么的了。为了找到 PDF 里的某些信息,又得再花时间。 不过,现在这些问题都不是问题了。 因为我最近发现了一个神器,1 分钟

    2024年02月08日
    浏览(34)
  • [小尘送书-第二期]《从零开始读懂量子力学》由浅入深,解释科学原理;从手机到超导,量子无处不在;从微观到宏观,遐想人生的意义!

    大家好,我是小尘,欢迎关注,一起交流学习!欢迎大家在CSDN后台私信我!一起讨论学习,讨论如何找到满意的工作! 从微小的原子到浩瀚的宇宙,从每一滴水到闪亮的钻石,从划破夜空的激光到你身边的手机……所有事物的背后都有量子力学在主宰!你看过世界级畅销书

    2024年02月15日
    浏览(45)
  • 泡利矩阵(一)

    厄米矩阵(Hermitian Matrix),也称为自共轭矩阵(Self-adjoint Matrix),是线性代数中的一个重要概念。它是指 一个复数域上的方阵,其转置矩阵与共轭矩阵相等 。 具体来说,设A为一个n×n的复数矩阵,如果满足A的转置矩阵A等于A的共轭矩阵A*,即A^T = A*,则矩阵A被称为厄米矩阵

    2024年02月12日
    浏览(26)
  • sympy 偏振光学之Jones矩阵

    假设光波沿z轴传播,那么其三个方向的电场分量可以表示为 E x = A x cos ⁡ ( ω t − k r + φ x ) E y = A t cos ⁡ ( ω t − k r + φ y ) E z = 0 begin{aligned} E_x = A_xcos(omega t-bold kbold r+varphi_x)\\\\ E_y = A_tcos(omega t-bold kbold r+varphi_y)\\\\ E_z = 0\\\\ end{aligned} E x ​ E y ​ E z ​ ​ = A x ​ cos ( ω

    2024年02月12日
    浏览(38)
  • 「SymPy」符号运算(6) 矩阵Matrix及基础运算

    在前几篇文章中,我们学习了 SymPy 基础/高级用法、方程求解、微积分以及向量运算等内容,本节我们学习 SymPy 核心内容之一 Matrix 矩阵计算(基础)。 传送链接: 「SymPy」符号运算(1) 简介/符号/变量/函数/表达式/等式/不等式/运算符 「SymPy」符号运算(2) 各种形式输出、表达

    2024年02月14日
    浏览(31)
  • python进阶之符号计算概述SymPy

    一、概述 SymPy 是一个由 Python 编写的符号计算库,它的目标是成为一个全功能的计算机代数系统,同时保持代码简洁、易于理解和扩展。它完全由 Python 写成,不依赖于外部库。SymPy 支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散数学、几何

    2024年02月12日
    浏览(32)
  • 量子计算(二十):量子算法简介

    文章目录 量子算法简介 一、概述 二、量子经典混合算法 量子算法是在现实的量子计算模型上运行的算法,最常用的模型是计算的量子电路模型。经典(或非量子)算法是一种有限的指令序列,或一步地解决问题的过程,或每一步指令都可以在经典计算机上执行。 量子算法

    2024年02月02日
    浏览(39)
  • [量子计算与量子信息] 2.1 线性代数

    符号对照表 量子力学中,向量使用 ∣ ψ ⟩ ket psi ∣ ψ ⟩ (ket)来表示,可以理解为一个列向量。其对偶向量为 ⟨ ψ ∣ bra psi ⟨ ψ ∣ ,可以理解为行向量。 向量空间中零向量直接用 0 0 0 表示, ∣ 0 ⟩ ket{0} ∣ 0 ⟩ 已有了其他含义。 2.1.1 基与线性无关 向量空间中的一个

    2024年02月03日
    浏览(43)
  • 量子计算 | 解密著名量子算法Shor算法和Grover算法

    专栏集锦,大佬们可以收藏以备不时之需 Spring Cloud实战专栏:https://blog.csdn.net/superdangbo/category_9270827.html Python 实战专栏:https://blog.csdn.net/superdangbo/category_9271194.html Logback 详解专栏:https://blog.csdn.net/superdangbo/category_9271502.html tensorflow专栏:https://blog.csdn.net/superdangbo/category_869

    2024年02月05日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包