量子神经网络（附录1：含参量子门与矩阵欧拉公式）¶
本课知识点
指数函数的泰勒展开——能写出 \(e^x\) 的泰勒级数展开，并说明它只用到加法与乘法、因此可以原封不动地推广到矩阵。
矩阵指数的定义——能写出 \(e^A\) 的泰勒级数定义，并说明 \(e^{A+B}=e^A e^B\) 何时成立、何时失效。
矩阵欧拉公式——能证明当 \(M^2=I\) 时 \(e^{i\theta M}=\cos(\theta)\,I+i\sin(\theta)\,M\)，并验证三个泡利矩阵都满足前提条件。
旋转门 \(R_x\) 的闭式推导——能把矩阵欧拉公式应用到 \(R_x(\phi)=e^{-i\frac{\phi}{2}X}\)，写出它的 \(2\times 2\) 矩阵形式。
旋转门 \(R_y\) 与 \(R_z\) 的闭式推导——能仿照 \(R_x\) 的推导写出 \(R_y(\phi)\) 与 \(R_z(\phi)\) 的矩阵形式，并解释 \(R_z\) 为何是对角矩阵。
旋转门的数值检验与周期性——能用具体角度检验矩阵欧拉公式的正确性，并计算 \(R_x(2\pi)\)、\(R_x(4\pi)\)，解释"转两圈才复原"现象的半角根源。
预备知识：矩阵指数与矩阵欧拉公式¶
在我们正式介绍含参数的量子门之前，需要先掌握一个关键的数学工具：矩阵指数 (Matrix Exponential)。这听起来可能有点吓人，但它的思想其实非常直观，是我们熟悉的指数函数 \(e^x\) 在矩阵世界中的自然推广。
回顾：指数函数的泰勒展开¶
我们知道，标量指数函数 \(e^x\) 可以通过泰勒级数展开：
这个展开式只涉及加法和乘法，而这两种运算在矩阵中都有明确的定义，因此它可以原封不动地搬到矩阵上。
定义：矩阵指数 \(e^A\)¶
对于一个方阵 \(A\)，我们把矩阵指数 \(e^A\) 定义为将 \(A\) 代入上述泰勒级数所得到的矩阵：
其中：
\(I\) 是单位矩阵（相当于标量中的 1）；
\(A^2 = A \cdot A\)，\(A^3 = A \cdot A \cdot A\)，等等；
这个级数对于任何方阵 \(A\) 都是收敛的，所以 \(e^A\) 总是一个定义良好的矩阵。
重要提示：一般来说，\(e^{A+B} \neq e^A e^B\)。只有当 \(A\) 和 \(B\) 对易 (commute) 时，即 \(AB = BA\)，等号才成立。原因在于 \(e^A e^B\) 的展开式中会出现形如 \(AB\) 与 \(BA\) 的项，只有二者相等时才能合并成 \(e^{A+B}\) 中 \(A+B\) 的各次幂。
回顾：欧拉公式 \(e^{i\theta}\)¶
我们熟悉的欧拉公式连接了指数函数和三角函数：
这个公式也可以通过泰勒展开来证明：将 \(x = i\theta\) 代入 \(e^x\) 的展开式，并把实部与虚部分开整理，就分别得到 \(\cos(\theta)\) 和 \(\sin(\theta)\) 的泰勒展开式。
推广：矩阵欧拉公式¶
现在，让我们把这个思想应用到矩阵上。我们特别关心形如 \(e^{i\theta M}\) 的矩阵，其中 \(M\) 是一个矩阵，\(\theta\) 是一个标量。按定义展开：
第二个等号用到 \((i\theta M)^2 = i^2\theta^2 M^2 = -\theta^2 M^2\) 和 \((i\theta M)^3 = i^3\theta^3 M^3 = -i\theta^3 M^3\)。
一个非常特殊且有用的情况：当 \(M^2 = I\) 时。
如果一个矩阵 \(M\) 的平方是单位矩阵 \(I\)，那么上面的展开会变得异常简洁。三个泡利矩阵都满足这个性质：
其中 \(Y^2\) 的对角元用了 \((-i)(i) = -i^2 = 1\)。由 \(M^2 = I\) 出发可以归纳出幂次的规律：
\(M^3 = M^2 \cdot M = I \cdot M = M\)
\(M^4 = M^2 \cdot M^2 = I \cdot I = I\)
一般地，奇数次幂等于 \(M\)，偶数次幂等于 \(I\)。
现在我们重新整理 \(e^{i\theta M}\) 的展开式，把含有 \(I\) 的项和含有 \(M\) 的项分开：
把公共的 \(I\) 和 \(M\) 提取出来：
我们会发现，括号里的两部分正是 \(\cos(\theta)\) 和 \(\sin(\theta)\) 的泰勒展开式！因此，我们得到了一个极其重要的矩阵欧拉公式：
如果 \(M^2 = I\)，那么 \(e^{i\theta M} = \cos(\theta)\,I + i\sin(\theta)\,M\)
学以致用：推导旋转门 \(R_x(\theta)\)¶
含参数的旋转门正是通过矩阵指数定义的。例如，绕 X 轴的旋转门 \(R_x(\phi)\) 定义为：
这里的 \(M\) 就是泡利矩阵 \(X\)，而 \(\theta\) 对应于 \(-\frac{\phi}{2}\)。因为 \(X^2 = I\)，我们可以直接应用刚刚推导出的矩阵欧拉公式：
再利用 \(\cos(-x) = \cos(x)\) 和 \(\sin(-x) = -\sin(x)\)，得到
现在，把 \(I\) 和 \(X\) 的矩阵形式代入：
这正是我们在正文 2.1 节看到的 \(R_x\) 门的矩阵形式。
举一反三：推导 \(R_y(\phi)\) 与 \(R_z(\phi)\)¶
\(R_y\) 和 \(R_z\) 的推导与 \(R_x\) 完全平行，我们把它们完整地写出来。
\(R_y\) 的推导。 由定义 \(R_y(\phi) = e^{-i\frac{\phi}{2}Y}\)，且 \(Y^2 = I\)，矩阵欧拉公式给出
计算第二项中的矩阵乘积 \(-iY\)（标量 \(-i\) 乘以矩阵的每个元素）：
其中用到 \((-i)(-i) = i^2 = -1\) 和 \((-i)(i) = -i^2 = 1\)。因此
\(R_z\) 的推导。 由定义 \(R_z(\phi) = e^{-i\frac{\phi}{2}Z}\)，且 \(Z^2 = I\)，矩阵欧拉公式给出
由于 \(Z = \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix}\) 是对角矩阵，两项相加仍是对角矩阵：
最后一步用了复数的欧拉公式 \(e^{\pm ix} = \cos x \pm i\sin x\)。
数值检验与两个有用的推论¶
我们可以用一个具体的角度来检验矩阵欧拉公式的正确性。取 \(M = X\)、\(\theta = \frac{\pi}{2}\)：
这个结果可以用另一条路径交叉验证。一方面，直接平方：
另一方面，由于同一个矩阵的指数总是对易的，\(e^{A}e^{A} = e^{2A}\)，故
两条路径给出相同的答案，公式自洽。
矩阵欧拉公式还立刻给出旋转门的一个著名性质：量子比特要"转两圈"才回到原处。把 \(\phi = 2\pi\) 代入 \(R_x\) 的闭式表达式：
也就是说，把量子比特绕任意轴旋转 \(2\pi\)，得到的不是原来的态而是它的全局相位取反；只有旋转 \(4\pi\) 才严格复原。这个区别于经典比特的标志性现象，其根源正是矩阵欧拉公式中出现的半角 \(\frac{\theta}{2}\)。
小结：
矩阵指数 \(e^A\) 是指数函数在矩阵上的推广，由与标量情形完全相同的泰勒级数定义。
当生成元矩阵 \(M\) 满足 \(M^2 = I\) 时，矩阵欧拉公式 \(e^{i\theta M} = \cos(\theta)I + i\sin(\theta)M\) 成立，它把无穷级数压缩成两项。
我们即将学习的含参数旋转门，其定义源于矩阵指数，其矩阵形式源于矩阵欧拉公式。这个工具是连接抽象定义和具体矩阵计算的桥梁。
练习题¶
练习 1【指数函数的泰勒展开】（→ 回顾：指数函数的泰勒展开）
写出 \(e^x\) 的泰勒级数展开（前四项加通项），并指出级数中只出现了哪两种在矩阵世界里同样有定义的运算。
把 \(x = i\theta\) 代入泰勒展开，将各项按 \(n\) 的奇偶性分成两组，分别整理出 \(\cos(\theta)\) 与 \(\sin(\theta)\) 的泰勒展开式，从而证明欧拉公式 \(e^{i\theta} = \cos(\theta) + i\sin(\theta)\)。
提示：利用 \(i^{2k} = (-1)^k\) 与 \(i^{2k+1} = (-1)^k\,i\) 区分实部与虚部。
练习 2【矩阵指数的定义】（→ 定义：矩阵指数 \(e^A\)）
写出 \(e^A\) 的泰勒级数定义；设 \(A = \begin{pmatrix} 0 & a \\ 0 & 0 \end{pmatrix}\)，先算出 \(A^2\)，再把 \(e^A\) 化简成只含两项的闭式。
把 \(e^A e^B\) 与 \(e^{A+B}\) 分别展开到二阶项，证明二者之差中的二阶部分恰为 \(\frac{1}{2}(AB - BA)\)，并据此说明对易条件 \(AB = BA\) 为何必不可少。
提示：两个级数逐项相乘后，按矩阵因子的总个数（阶数）归并各项。
练习 3【矩阵欧拉公式】（→ 推广：矩阵欧拉公式）
写出 \(Z\) 的矩阵形式并完整计算 \(Z^2\)；然后写出 \(M^2 = I\) 时的矩阵欧拉公式。
用归纳法证明：若 \(M^2 = I\)，则 \(M^{2k} = I\)、\(M^{2k+1} = M\)（\(k = 0, 1, 2, \dots\)），并据此把 \(e^{i\theta M}\) 的级数重排成 \(I\) 的倍数与 \(M\) 的倍数两组，重走矩阵欧拉公式的推导。
提示：两组括号内的系数恰好分别是 \(\cos(\theta)\) 与 \(\sin(\theta)\) 的泰勒展开。
练习 4【旋转门 \(R_x\) 的闭式推导】（→ 学以致用：推导旋转门 \(R_x(\theta)\)）
从定义 \(R_x(\phi) = e^{-i\frac{\phi}{2}X}\) 出发写出 \(R_x(\phi)\) 的矩阵形式，并代入 \(\phi = \pi\) 给出 \(R_x(\pi)\)。
计算 \(R_x\!\left(\frac{\pi}{2}\right)|0\rangle\)，写出结果态以及测得 \(|0\rangle\)、\(|1\rangle\) 的概率，并说明概率公式中出现的是半角 \(\frac{\phi}{2}\) 的三角函数。
提示：矩阵作用在 \(|0\rangle = \begin{pmatrix} 1 \\ 0 \end{pmatrix}\) 上，只需读出它的第一列。
练习 5【旋转门 \(R_y\) 与 \(R_z\) 的闭式推导】（→ 举一反三：推导 \(R_y(\phi)\) 与 \(R_z(\phi)\)）
分别代入 \(\phi = \pi\)，写出 \(R_y(\pi)\) 与 \(R_z(\pi)\) 的矩阵形式。
计算 \(R_x\!\left(\frac{\pi}{2}\right)|0\rangle\) 与 \(R_y\!\left(\frac{\pi}{2}\right)|0\rangle\)，比较两个结果态：测得 \(|0\rangle\)、\(|1\rangle\) 的概率是否相同？\(|1\rangle\) 分量的相位有何不同？
提示：一个结果态的分量全为实数，另一个的 \(|1\rangle\) 分量带有因子 \(-i\)。
练习 6【旋转门的数值检验与周期性】（→ 数值检验与两个有用的推论）
用矩阵欧拉公式计算 \(e^{i\frac{\pi}{2}Z}\)，再用 \(e^{A}e^{A} = e^{2A}\) 计算它的平方，检验两条路径给出同一结果。
计算 \(R_z(2\pi)\) 与 \(R_z(4\pi)\)，验证"转 \(2\pi\) 得 \(-I\)、转 \(4\pi\) 复原"对绕 Z 轴的旋转同样成立，并指出这一现象源于闭式公式中的哪个因子。
提示：\(R_z(\phi)\) 的对角元为 \(e^{\mp i\phi/2}\)，分别代入 \(\phi = 2\pi\) 与 \(\phi = 4\pi\)。