复向量空间与内积：量子态的舞台
一句话定义
n 个量子比特的态空间是维度为 2n 的复向量空间 ℂ2ⁿ 配上厄米内积；所有量子态、门与测量概率都在这个空间里定义。
为什么重要
这是全库的数学底座：门是矩阵、态是向量、测量概率是内积的模平方。本库坚持"够用即可"——只引入后面推导必需的四个对象（向量、内积、正交、范数），不需要特征值理论或泛函分析。掌握本节后，狄拉克符号（kp-007）只是记法层面的换装。
前置知识
01-心智模型（态的直觉图像）；高中复数（i²=−1、共轭、模长）。矩阵乘法在 kp-008 首次用到，本节不需要。
核心概念
- 复数速记：z = a+bi，共轭 z = a−bi，模 |z| = √(z·z)。复数相乘时模相乘、辐角相加——辐角即"相位"。
- 向量：n 维复数列，如单量子比特 (α, β)ᵀ；加法与数乘逐分量进行。
- 内积：⟨u,v⟩ = Σᵢ uᵢ*vᵢ（第一个向量取共轭）；它把两个向量映射成一个复数。
- 范数与归一化：‖v‖ = √⟨v,v⟩；量子态要求 ‖ψ‖ = 1（总概率为 1）。
- 正交：⟨u,v⟩ = 0；基向量组 |0⟩=(1,0)ᵀ、|1⟩=(0,1)ᵀ 相互正交且范数为 1。
直观类比
经典概率分布也是向量——比如 (0.7, 0.3) 表示两个结局的置信度，加总为 1。量子态同样是"归一化的向量"，但分量从非负实数换成了复数：多了相位这一个自由度，向量空间从概率单纯形变成了球面。这个差别正是 kp-003 中"干涉"的数学来源：正负与相位允许分量相消，而概率永远非负。
原理与机制
内积是"投影计数器"：⟨b,ψ⟩ 度量 ψ 在方向 b 上的分量，测量概率就是它的模平方 P(b) = |⟨b,ψ⟩|²——这一条规则把线性代数与实验读数绑在一起。为什么内积要取共轭？因为复分量的"投影长度"必须考虑相位：α 与 −α 投影模长相同，但 α 与 iα 的内积会带相位 i，直接相加会出错。归一化保证 ⟨ψ,ψ⟩ = 1，对应"所有互斥结局概率之和为 1"。正交基之所以重要：它们对应"测量后互斥的经典结果"，基的正交性等价于结局的互斥性。
公式或模型
内积定义：⟨u,v⟩ = Σᵢ uᵢ* vᵢ；测量概率：P(b) = |⟨b,ψ⟩|²。
验证例：⟨+,+⟩ = 1/2·(1·1 + 1·1) = 1；⟨+,−⟩ = 1/2·(1·1 + 1·(−1)) = 0——|+⟩ 与 |−⟩ 正交，可作一组测量基。这说明"正交"不等于"计算基下处处不同"，而是内积意义上的垂直。
图示
实例或案例
把 kp-001 的 Bloch 球翻译成坐标：|+⟩ = (1/√2, 1/√2)ᵀ，|−⟩ = (1/√2, −1/√2)ᵀ。用内积立刻得到三件事实：两者都归一（模 1）；相互正交（内积 0）；各自与 |0⟩ 的内积模平方均为 1/2（测量各 50/50）。三行代数，覆盖 kp-002 的全部实验叙述——这就是本节数学语言的效率。
与其他知识点的关系
kp-007 把 (u*, v) 内积记法升级为 bra-ket；kp-008 在此之上定义矩阵（算符）；kp-009 用张量积扩大空间；kp-016 之后所有算法推导都默认本节规则。
常见误区
- "内积就是对应分量相乘再相加"：漏掉共轭是新手第一大错——对复向量必须取第一个向量的共轭。
- "态向量的分量是概率"：分量是复振幅，模平方才是概率；分量可以为负或纯虚。
- "归一化是技巧性要求"：它对应概率守恒，是物理约束而非计算偏好。
自测题
- 计算 ⟨−|+⟩ 与 ⟨0|−⟩。
- 为什么测量概率必须是模平方而不是分量本身？
- 证明若 |u⟩ 与 |v⟩ 都归一且正交，则 a|u⟩+b|v⟩（|a|²+|b|²=1）也归一。
答案要点：⟨−|+⟩ = (1/2)(1−1) = 0；⟨0|−⟩ = 1/√2。
答案要点：分量是复数不能作概率；模平方非负且全空间求和为 1（归一化），与实验频率一致。
答案要点：展开 ⟨a u+b v, a u+b v⟩ = |a|²+|b|²+ab⟨u,v⟩+ab⟨v,u⟩ = |a|²+|b|² = 1，交叉项因正交消失。
延伸阅读
M. A. Nielsen、I. L. Chuang《Quantum Computation and Quantum Information》2.1 节（"线性代数"复习部分可直接当速查表用）。