定理（Schuld–Sweke–Meyer 2021）：数据只经旋转角进入线路时，模型输出 $f(x)=\langle 0|U^\dagger(x)\,M\,U(x)|0\rangle=\sum_\omega c_\omega e^{i\omega x}$ 必是三角多项式，可达频率集合 $\Omega$ 由数据门的生成元谱决定。单比特 $R_Z(x)$ 的生成元 $Z$ 的谱为 $\{+1,-1\}$，故单个数据门只能 $\Omega\subseteq\{0,\pm 1\}$；重上传 $L$ 次后总频率是各门频率之和 $\omega_1+\cdots+\omega_L$，频带扩张到 $\Omega\subseteq\{0,\pm 1,\ldots,\pm L\}$——重上传等于拉宽频带。演算：$U(x)=R_Z(x)\cdot W\cdot R_Z(x)$（$W$ 固定酉）的 $\langle Z\rangle$ 频率落在 $\{0,\pm 1,\pm 2\}$；第二门换 $R_Z(3x)$ 后总频率为 $\{0,\pm 1\}+\{0,\pm 3\}=\{0,\pm 1,\ldots,\pm 4\}$。拟合预算：目标 $f^*(x)=\sin(3x)+\cos(5x)/2$ 最高频率为 5，要求 $L\ge 5$ 才可能拟合。可训练参数只调系数 $c_\omega$、不创造新频率——假设空间在编码那一刻就定了；单层单比特角度编码只能学一阶正余弦纹波，不少"QML 不管用"的败因在编码而非优化器。