4. QuTiP基础对象与操作

在QuTiP中，几乎所有量子力学计算都围绕一个核心对象展开——Qobj（Quantum Object，量子对象）。理解Qobj的结构与操作方式，是后续构建哈密顿量、求解主方程、计算期望值的前提。本节从Qobj的创建入手，逐步展开量子态与算符的表示方法，以及加减乘、张量积、迹、本征值等基本运算和常用函数的使用。

一、Qobj的创建与核心属性

Qobj本质上是对一个矩阵（或向量）的封装，附带维度信息和类型标记。创建Qobj最直接的方式是传入一个NumPy数组：

import numpy as np
import qutip as qt

# 用NumPy数组创建Qobj
H = qt.Qobj(np.array([[1, 0], [0, -1]]))
print(H)
# Quantum object: dims = [[2], [2]], shape = (2, 2), type = oper, isherm = True

输出中几个关键属性值得关注：dims表示子系统的维度结构，shape是矩阵形状，type标识对象类型（算符oper、态矢ket、左矢bra、超算符super等），isherm指示是否为厄米算符。这些属性不是装饰性的，它们直接影响后续运算的合法性判断和求解器的选择。

对于复合系统，dims会体现张量结构。例如两个二能级系统组成的四维空间，dims = [[2, 2], [2, 2]]，第一个列表描述行空间的子系统维度，第二个描述列空间。当维度信息与实际矩阵形状不匹配时，QuTiP会报错，这是初学者常见的错误来源之一。

除了从数组创建，QuTiP提供了便捷函数：qt.basis(N, i)生成N维希尔伯特空间中第i个基矢；qt.fock(N, n)等价于粒子数基矢；qt.destroy(N)和qt.create(N)分别生成湮灭与产生算符；qt.sigmax()、qt.sigmaz()等生成泡利矩阵；qt.qeye(N)生成单位算符。这些函数返回的都是标准Qobj，可以直接参与运算。

二、量子态与算符的表示

量子态在QuTiP中用ket表示，即列向量。例如qt.basis(2, 0)对应|0⟩，qt.basis(2, 1)对应|1⟩。叠加态可以通过线性组合构造：

psi = (qt.basis(2, 0) + qt.basis(2, 1)).unit()
# 归一化后的 (|0> + |1>)/sqrt(2)

.unit()方法执行归一化，返回新的Qobj而不修改原对象。对应的左矢用.dag()获得，即psi.dag()得到bra。密度矩阵则通过psi * psi.dag()或qt.ket2dm(psi)构造，类型变为oper。

算符方面，厄米算符（可观测量）的isherm为True。非厄米算符如湮灭算符a，其isherm为False。判断一个Qobj是否为厄米，除了看属性，也可用H.isherm直接读取。对于混合态，密度矩阵的迹应为1，可用rho.tr()验证；纯态的纯度(rho * rho).tr()应等于1。

三、基本运算：加减乘、张量积、迹与本征值

Qobj之间的加减乘遵循矩阵运算规则，但QuTiP会检查维度兼容性。两个Qobj相加要求dims一致；相乘要求左对象的列空间维度与右对象的行空间维度匹配。标量与Qobj相乘直接使用*，例如2 * qt.sigmax()。

张量积用qt.tensor()或&运算符实现。例如两比特系统：

sx1 = qt.tensor(qt.sigmax(), qt.qeye(2))  # 第一个比特上的X
sx2 = qt.tensor(qt.qeye(2), qt.sigmax())  # 第二个比特上的X
# 等价写法：qt.sigmax() & qt.qeye(2)

张量积结果的dims会自动合并为[[2, 2], [2, 2]]。注意tensor的顺序与子系统顺序严格对应，交换顺序会得到不同的矩阵表示，虽然物理上描述的是同一组算符作用在不同子系统上。

迹用.tr()方法，返回复数标量。本征值用.eigenenergies()获取（仅返回本征值，按升序排列），或用.eigenstates()同时返回本征值和本征矢。对于厄米算符，本征值为实数；对于非厄米算符，返回复本征值。例如：

evals, evecs = qt.sigmaz().eigenstates()
# evals = [-1., 1.]，evecs为对应的本征态列表

此外，.expm()计算矩阵指数，.sqrtm()计算矩阵平方根，.norm()计算范数，.ptrace(i)对第i个子系统求偏迹。偏迹在分析复合系统约化密度矩阵时非常常用，例如rho.ptrace(0)得到第一个子系统的约化态。

四、常用函数与操作要点

QuTiP还提供了一批便捷函数：qt.expect(op, state)计算期望值；qt.commutator(A, B)计算对易子AB−BA；qt.anticommutator(A, B)计算反对易子；qt.ket2dm(ket)将态矢转为密度矩阵；qt.tensor的别名&在链式构造多体算符时更简洁。需要强调的是，expect的第一个参数必须是算符，第二个参数可以是ket或密度矩阵，返回值是复数。

上图把Qobj的创建来源、核心属性、类型分支和常用运算放在同一张关系图中。可以看到，无论从数组还是从内置函数出发，最终都汇聚为带有dims、shape、type、isherm四个关键属性的Qobj；而所有运算都建立在这些属性的兼容性检查之上。实际编码时，建议养成先打印Qobj、确认dims和type再继续运算的习惯，这能避免大量因维度错位导致的隐蔽错误。

最后给出一个综合示例，把创建、张量积、本征值和期望值串起来：

# 两比特海森堡XX模型的一个简单项
sx1 = qt.sigmax() & qt.qeye(2)
sx2 = qt.qeye(2) & qt.sigmax()
H = 0.5 * (sx1 * sx2 + sx1 * sx2)  # 示例系数，非实测
evals = H.eigenenergies()
psi0 = qt.tensor(qt.basis(2,0), qt.basis(2,1))
print(qt.expect(H, psi0))  # 输出该态下的能量期望值

这段代码中，sx1 * sx2是两个算符的矩阵乘积，&完成张量积，eigenenergies()返回按升序排列的本征值，expect计算期望值。示例中的系数0.5仅为演示，实际物理模型需根据耦合强度设定。掌握这些基础操作后，就可以进入哈密顿量构建与时间演化求解的环节。