np.dot(psi_tag, psi_tag.conj().T), H_tot)和np.dot(psi_tag, H_tot), psi_tag.conj().T)的区别

这两个式子的区别在于矩阵乘法的顺序不同。第一个式子是先将 psi_tag 和其共轭转置矩阵相乘，再与 H_tot 矩阵相乘；而第二个式子是先将 psi_tag 和 H_tot 矩阵相乘，再与其共轭转置矩阵相乘。因为矩阵乘法不满足交换律，所以这两个式子的结果可能不同。

相关问题

详解 psis_all_orth=psis_all_origin[:] for loop_psi in range(len(psis_all_origin)): psi_temp=psis_all_origin[loop_psi] for loop_n in range(loop_psi): psi_temp=psi_temp- np.dot(psis_all_orth[loop_n].conj().T, psis_all_orth[loop_psi])[0][0] * psis_all_orth[loop_n] if np.sqrt(np.dot(psi_temp.conj().T, psi_temp))[0][0] > 0.01: # print('len of psi',loop_psi,np.sqrt(np.dot(psi_temp.conj().T, psi_temp))[0][0]) psi_temp = psi_temp * 1.0 / np.sqrt(np.dot(psi_temp.conj().T, psi_temp)[0][0]) psis_all_orth[loop_psi] = psi_temp

这段代码的作用是对一个包含多个向量的列表进行正交化处理，生成一个新的正交向量列表psis_all_orth。

具体实现方式是：先将原始向量列表psis_all_origin复制一份，赋值给psis_all_orth。然后对于psis_all_origin中的每一个向量，都进行以下操作：

1. 将该向量赋值给临时变量psi_temp。

2. 对于已经处理过的向量列表中的每一个向量，都进行以下操作：

a. 计算该向量与当前处理的向量的内积，将其乘以已处理向量的单位向量。

b. 将该向量减去上述结果，得到一个新的向量。

3. 判断新的向量的模长是否大于0.01，如果是，则将其添加到正交向量列表psis_all_orth中。

最终，psis_all_orth中的向量两两正交，且模长均大于0.01。

逐句解释error_factor=np.random.rand(2**cluster_num, 1) * 2*error + 1-error psi_temp=psig_HA_gBg*error_factor psig_HA_gBg=psi_temp*1.0 / np.sqrt(np.dot(psi_temp.conj().T, psi_temp)[0][0])

这是一段 Python 代码，其中使用了 numpy 库中的随机数生成函数 np.random.rand()，生成了一个大小为 2 的 cluster_num 次方乘以 1 的矩阵 error_factor，并将其乘以 2*error-1，得到一个大小相同的矩阵。接着，使用 psig_HA_gBg 与 error_factor 相乘，得到一个新的矩阵 psi_temp。最后，将 psi_temp 除以其本身的模长，得到一个单位向量 psig_HA_gBg。