2. Qobj 维度不匹配错误的定位与修复

问题复现：两个“看起来能乘”的 Qobj

QuTiP 中 Qobj 的维度由 dims 属性描述，它是一个嵌套列表：[[行空间各子系统维数], [列空间各子系统维数]]。矩阵乘法要求左操作数的列空间与右操作数的行空间逐项一致，否则 QuTiP 会抛出 TypeError: incompatible dimensions 或 ValueError: shapes ... not aligned 类错误。下面构造一个典型场景：一个两比特算符与一个三能级算符相乘。

import qutip as qt
import numpy as np

# 两比特算符：dims = [[2,2],[2,2]]，shape = (4,4)
A = qt.tensor(qt.sigmaz(), qt.sigmax())
# 三能级算符：dims = [[3],[3]]，shape = (3,3)
B = qt.Qobj(np.diag([1, 2, 3]))

print("A.dims =", A.dims, " A.shape =", A.shape)
print("B.dims =", B.dims, " B.shape =", B.shape)

try:
    C = A * B
except Exception as e:
    print(type(e).__name__, ":", e)

预期输出（QuTiP 5.x 环境下）：A.dims = [[2, 2], [2, 2]] A.shape = (4, 4)，B.dims = [[3], [3]] B.shape = (3, 3)，随后抛出 TypeError: incompatible dimensions。注意：即使 A.shape[1] == 4 与 B.shape[0] == 3 已经不等，QuTiP 仍会先检查 dims 的子系统结构，因此错误信息指向的是“维度不兼容”而非单纯的矩阵形状。

从错误信息反推 dims 结构

QuTiP 的报错通常只给出“incompatible dimensions”，不会直接告诉你哪一维对不上。定位的关键是把两个 Qobj 的 dims 并排打印，逐项比较左操作数的 dims[1]（列空间）与右操作数的 dims[0]（行空间）。上例中 A.dims[1] = [2, 2]，B.dims[0] = [3]，长度和数值都不一致，因此必然失败。若两者长度相同但某一项不同（例如 [2,3] 对 [2,2]），同样会报错，此时需要检查张量积中哪个子系统的维数写错了。

修复：重建张量积结构

修复思路不是“强行 reshape”，而是让两个 Qobj 描述同一个复合希尔伯特空间。若希望 B 作用在两比特系统的第二个比特上（三能级嵌入两比特空间并不物理，这里仅作结构演示），应显式用 tensor 构造：

I2 = qt.qeye(2)
B2 = qt.tensor(I2, qt.Qobj(np.diag([1, 2, 3])))
print("B2.dims =", B2.dims, " B2.shape =", B2.shape)
# B2.dims = [[2, 3], [2, 3]]  B2.shape = (6, 6)

# 此时 A 也需扩展到同一空间
A2 = qt.tensor(qt.sigmaz(), qt.sigmax(), qt.qeye(3))
print("A2.dims =", A2.dims, " A2.shape =", A2.shape)
# A2.dims = [[2, 2, 3], [2, 2, 3]]  A2.shape = (12, 12)

# 若 A2 与 B2 仍不一致，继续对齐；正确做法是让两者 dims 完全一致
C = A2 * qt.tensor(qt.qeye(2), qt.qeye(2), qt.Qobj(np.diag([1,2,3])))
print("C.dims =", C.dims, " C.shape =", C.shape)

更常见的真实修复是：确认目标系统由哪些子系统组成，然后用同一组 tensor 因子分别构造算符和态，保证 dims 完全一致。例如两比特系统统一写成 tensor(op1, op2)，不要一边用 tensor、另一边用裸矩阵。

验证修复是否成功

• 打印 A.dims == B.dims，应为 True（对同空间算符）。
• 执行乘法后检查结果 C.dims 与输入一致，C.shape 符合预期。
• 对态矢量做 expect 时，算符与态的 dims 必须匹配，否则同样报维度错误。