# 量子奇异值变换（QSVT）详解：量子算法的大统一框架

量子奇异值变换（Quantum Singular Value Transformation, QSVT）由 András Gilyén、Yuan Su、Guang Hao Low 和 Nathan Wiebe 于 2019 年提出，是量子计算领域近年来最重要的理论突破之一。它将 Grover 搜索、哈密顿量模拟、量子行走、矩阵求逆等看似独立的量子算法统一到同一个数学框架下——对矩阵奇异值的多项式变换。

本教程在 QSP 教程与 Qubitization 教程的基础上展开，并沿用全章统一的约定：信号矩阵取 $X$ 型旋转 $W(x)$、处理器取相位旋转 $S(\phi) = e^{i\phi Z}$、块编码辅助寄存器上的反射记作 $R_0 = 2|0\rangle\langle 0|^{\otimes m} - I$。QSVT 回答的问题是：能否把 QSP 的单量子比特多项式变换"并行地"施加到一个任意矩阵的所有奇异值上？答案是肯定的，而且构造可以逐步展开：我们把块编码的酉算符限制到一族二维不变子空间上，它在每个这样的子空间上的行为恰好是一个信号矩阵；于是整条 QSVT 电路逐块地化作一条 QSP 序列，QSP 的全部结论即可原封不动地搬运过来。

## 问题背景：量子算法的碎片化

在 QSVT 之前，量子算法的设计呈现高度碎片化：

| 算法 | 核心技术 | 目标 |
|------|---------|------|
| Grover | 振幅放大 | 搜索标记元素 |
| Shor | QFT + 周期查找 | 因数分解 |
| HHL | QPE + 受控旋转 | 线性方程组 |
| Trotter | 乘积公式 | 哈密顿量模拟 |
| LCHS | LCU + 后选择 | 哈密顿量模拟 |
| Qubitization | 量子行走 | 哈密顿量模拟 |

这些算法各自有不同的推导方法和分析工具，缺乏统一视角。QSVT 的核心贡献在于：将所有这些算法统一为"对矩阵奇异值施加多项式变换"这一单一操作。只要一个算法的目标可以被写成矩阵谱（奇异值）上的多项式，它就有深度最优的 QSVT 实现，而不同算法之间的差别只是多项式与相位参数的差别。

## 核心思想：从 QSP 到 QSVT

### 回顾：QSP 的一维版本

按 QSP 教程的约定，信号矩阵与处理器分别为

$$W(x) = \begin{pmatrix} x & i\sqrt{1-x^2} \\ i\sqrt{1-x^2} & x \end{pmatrix},\qquad S(\phi) = e^{i\phi Z} = \begin{pmatrix} e^{i\phi} & 0 \\ 0 & e^{-i\phi} \end{pmatrix},$$

$d$ 阶 QSP 序列定义为

$$U_{\text{QSP}}(\vec\Psi; x) = S(\Psi_0)\cdot \prod_{k=1}^{d} \big( W(x)\, S(\Psi_k) \Big),$$

其 $(0,0)$ 元素是 $x$ 的次数至多 $d$ 的多项式 $P(x)$，且 $P$ 的奇偶性与 $d$ 一致。反过来，任何满足次数与奇偶性约束、$|P(x)|\le 1$（$x\in[-1,1]$）且 $|P(\pm1)| = 1$ 的多项式，都存在相位 $\vec\Psi$ 使其被精确实现（证明见 QSP 教程"理论推导"一节）。QSP 的全部能力就封装在这条交替序列里。

### 推广到矩阵：投影酉算符

QSVT 的关键洞见是：块编码天然给出一个"夹在两个投影之间的酉算符"。设 $\Pi$ 与 $\tilde\Pi$ 是同一个 Hilbert 空间上的两个正交投影（projector），$U$ 是酉算符，我们定义投影酉算符（projected unitary）

$$A := \tilde\Pi\, U\, \Pi,$$

即 $U$ 的"左上角块"：输入限制在 $\mathrm{im}\,\Pi$ 中、输出只保留 $\mathrm{im}\,\tilde\Pi$ 中的分量。对归一化常数为 $\alpha$ 的块编码 $U_A$，取 $\Pi = \tilde\Pi = |0\rangle\langle 0|^{\otimes m}\otimes I_s$（辅助寄存器处于 $|0\rangle$、系统寄存器任意），就得到 $\tilde\Pi U_A \Pi = A/\alpha$。允许 $\Pi\ne\tilde\Pi$ 的一般形式（例如把非方阵矩阵嵌入"输入""输出"两个不同的子空间）会带来额外的自由度，我们将在理论推导中看到它并不增加任何困难。

QSVT 使用的相位门是围绕这两个投影的反射旋转。定义

$$Z_\Pi := 2\Pi - I,\qquad Z_{\tilde\Pi} := 2\tilde\Pi - I,$$

则 $e^{i\phi Z_\Pi}$ 在 $\mathrm{im}\,\Pi$ 上乘 $e^{i\phi}$、在 $\ker\Pi$ 上乘 $e^{-i\phi}$，是一个"多控相位旋转"。在块编码情形 $Z_\Pi = R_0\otimes I_s$ 恰是 Qubitization 教程中的反射算子，按该教程的分解由 $O(m)$ 个门实现。

### QSVT 电路

给定相位向量 $\vec\Phi = (\Phi_0,\Phi_1,\ldots,\Phi_d)$，QSVT 电路是"$U$ 与 $U^\dagger$ 交替、间隙插入相位门"的序列。电路按时间从右向左读（最右边的门最先作用在输入态上），输入子空间为 $\mathrm{im}\,\Pi$：

$d$ 为奇数时（输出子空间为 $\mathrm{im}\,\tilde\Pi$，使用 $(d+1)/2$ 次 $U$ 与 $(d-1)/2$ 次 $U^\dagger$）：

$$U_{\vec\Phi} = e^{i\Phi_0 Z_{\tilde\Pi}}\;U\,e^{i\Phi_1 Z_\Pi}\,U^\dagger\,e^{i\Phi_2 Z_{\tilde\Pi}}\;U\,e^{i\Phi_3 Z_\Pi}\,U^\dagger\;\cdots\;U\,e^{i\Phi_d Z_\Pi};$$

$d$ 为偶数时（输入输出都在 $\mathrm{im}\,\Pi$ 一侧，使用 $d/2$ 次 $U$ 与 $d/2$ 次 $U^\dagger$）：

$$U_{\vec\Phi} = e^{i\Phi_0 Z_\Pi}\;U^\dagger\,e^{i\Phi_1 Z_{\tilde\Pi}}\,U\,e^{i\Phi_2 Z_\Pi}\;\cdots\;U^\dagger\,e^{i\Phi_{d-1} Z_{\tilde\Pi}}\,U\,e^{i\Phi_d Z_\Pi}.$$

例如 $d=3$ 时电路为 $e^{i\Phi_0 Z_{\tilde\Pi}}\,U\,e^{i\Phi_1 Z_\Pi}\,U^\dagger\,e^{i\Phi_2 Z_{\tilde\Pi}}\,U\,e^{i\Phi_3 Z_\Pi}$，$d=2$ 时为 $e^{i\Phi_0 Z_\Pi}\,U^\dagger\,e^{i\Phi_1 Z_{\tilde\Pi}}\,U\,e^{i\Phi_2 Z_\Pi}$。相位门类型的选择规则很简单：电路每作用一次 $U$ 或 $U^\dagger$，态就在下文定义的两类二维子空间之间跳换一次；处于 $\{|v_j\rangle,|\bar v_j\rangle\}$ 一侧时用 $Z_\Pi$ 型门，处于 $\{|u_j\rangle,|\bar u_j\rangle\}$ 一侧时用 $Z_{\tilde\Pi}$ 型门。信号算符（$U$ 或 $U^\dagger$）的总使用次数为 $d$，故门复杂度为 $O(d\cdot C_U)$，其中 $C_U$ 是单次实现 $U$（或 $U^\dagger$）的代价。

### 主定理

记 $A = \sum_j \sigma_j |u_j\rangle\langle v_j|$ 为 $A = \tilde\Pi U\Pi$ 的奇异值分解，并设 $\sigma_j\in(0,1)$、且该分解覆盖了全部输入与输出方向（即 $\ker A\cap\mathrm{im}\,\Pi = \{0\}$ 且 $\mathrm{im}\,\tilde\Pi = \mathrm{span}\{|u_j\rangle\}$；对块编码这相当于 $A$ 满秩，退化情形见下文注记）。对给定的 $\vec\Phi$，定义平移后的相位向量

$$\Psi_0 = \Phi_0 + \frac{\pi}{4},\qquad \Psi_k = \Phi_k + \frac{\pi}{2}\ \ (1\le k\le d-1),\qquad \Psi_d = \Phi_d + \frac{\pi}{4},$$

并令 $P(x) := \big[S(\Psi_0)\prod_{k=1}^d(W(x)S(\Psi_k))\big]_{00}$ 为它对应的 QSP 多项式。

**定理（量子奇异值变换）**：在上述记号下，有

$$d\ \text{奇}:\qquad \tilde\Pi\,U_{\vec\Phi}\,\Pi \;=\; (-i)^d\sum_j P(\sigma_j)\,|u_j\rangle\langle v_j|;$$

$$d\ \text{偶}:\qquad \Pi\,U_{\vec\Phi}\,\Pi \;=\; (-i)^d\sum_j P(\sigma_j)\,|v_j\rangle\langle v_j|.$$

右端的整体相位 $(-i)^d$ 与 $\sigma_j$ 无关，可以通过把 $\Phi_0$ 平移 $\pi d/4$ 消去，物理上无关紧要。特别地，当 $A$ 是 Hermitian 矩阵且 $P$ 的奇偶性与 $d$ 一致时，两种情形都给出矩阵函数

$$\big(\langle 0|^{\otimes m}\otimes I\big)\,U_{\vec\Phi}\,\big(|0\rangle^{\otimes m}\otimes I\big) = (-i)^d\,P(A)$$

（注意对块编码应代入归一化后的矩阵 $A/\alpha$，即多项式作用在 $\sigma_j/\alpha$ 上）。**逆命题**同样成立：任何满足 QSP 可达条件（次数 $\le d$、奇偶性与 $d$ 一致、$|P|\le 1$、$|P(\pm1)| = 1$）的多项式都能被 QSVT 实现，相位由 QSP 的相位求解算法给出后再按上式平移即可。证明见"理论推导"一节，那里我们把整个论证逐步展开。

## 数学框架

### 块编码回顾

矩阵 $A\in\mathbb C^{N\times N}$（$N = 2^n$）的 $(\alpha, m, \varepsilon)$-块编码（block encoding）是 $(m+n)$ 量子比特酉算符 $U_A$，满足

$$\left\| A - \alpha \big( \langle 0|^{\otimes m} \otimes I \big) U_A \big( |0\rangle^{\otimes m} \otimes I \big) \right\| \le \varepsilon .$$

用本教程的语言重述：取 $\Pi = \tilde\Pi = |0\rangle\langle0|^{\otimes m}\otimes I$，则 $\tilde\Pi U_A\Pi$ 近似等于 $A/\alpha$。构造方法（LCU、泡利分解、直接构造）见块编码教程。

### 投影反射与相位门

QSVT 使用两个反射型相位门 $e^{i\phi Z_\Pi}$ 与 $e^{i\phi Z_{\tilde\Pi}}$。它们交替与 $U$、$U^\dagger$ 复合，实现对奇异值的"相位处理"。在块编码情形 $\Pi = \tilde\Pi$，两种门是同一个物理操作 $e^{i\phi R_0}$（辅助寄存器上的多控相位旋转，代价 $O(m)$ 个门），区别只在于它在电路中的位置；而在一般的双投影形式中，二者作用在不同的辅助结构上。这正是 QSVT 相比 Qubitization 行走算符（只用一个反射 $R_0$ 与 $U_A$ 的乘积 $W' = U_A R_0$）更一般的地方。

### 奇异值变换多项式与符号函数

对多项式 $P$，定义 $A = \sum_j\sigma_j|u_j\rangle\langle v_j|$ 的奇异值变换（singular value transformation）

$$P^{SV}(A) := \sum_j P(\sigma_j)\,|u_j\rangle\langle v_j| .$$

当 $A$ 是 Hermitian 矩阵时，奇异值分解可以直接由特征值分解读出，此时会出现符号函数（sign function）。设 $A = \sum_j \lambda_j|E_j\rangle\langle E_j|$（$\lambda_j$ 可正可负），则

$$\sigma_j = |\lambda_j|,\qquad |u_j\rangle = |E_j\rangle,\qquad |v_j\rangle = \mathrm{sign}(\lambda_j)\,|E_j\rangle,$$

其中极分解 $A = \mathrm{sign}(A)\cdot|A|$ 的偏等距算符正是 $\mathrm{sign}(A) = \sum_j\mathrm{sign}(\lambda_j)|E_j\rangle\langle E_j|$。由此可以直接核对两类多项式的行为：

- $P$ 为偶多项式时，$P(\sigma_j) = P(|\lambda_j|) = P(\lambda_j)$，故 $\sum_jP(\sigma_j)|v_j\rangle\langle v_j| = P(A)$；
- $P$ 为奇多项式时，$P(\sigma_j)|u_j\rangle\langle v_j| = P(|\lambda_j|)\mathrm{sign}(\lambda_j)|E_j\rangle\langle E_j| = P(\lambda_j)|E_j\rangle\langle E_j|$，故 $P^{SV}(A) = P(A)$。

也就是说，对 Hermitian 输入，只要多项式的奇偶性与电路层数一致，QSVT 实现的就是货真价实的矩阵函数 $P(A)$；符号函数正是左、右奇异向量之间的那一步符号配平。这个观察也是矩阵求逆应用的基础：$A^{-1} = \mathrm{sign}(A)\cdot|A|^{-1}$，因此用奇多项式 $P(x)\approx 1/(\kappa x)$ 就能实现 $A^{-1}$（见"应用一"）。

## 算法步骤详解

以"用 QSVT 实现 $f(A)$"为例，完整流程如下。

### 第一步：多项式逼近

将目标函数 $f: [-1, 1] \to \mathbb{C}$（必要时先做归一化缩放使 $|f|\le 1$）用 $d$ 次多项式 $P_d$ 逼近：

$$\max_{x \in [-1, 1]} |f(x) - P_d(x)| \le \varepsilon_{\mathrm{poly}} .$$

逼近的次数学与工具见 QSP 教程"逼近精度"一节，此处摘要如下：

- 切比雪夫（Chebyshev）截断：对解析函数给出指数收敛，例如 $f(x) = e^{-i\tau x}$ 需要 $d = O(\tau + \log(1/\varepsilon))$；
- Remez 算法：求最优一致逼近，用于压低常数因子；
- 带平滑过渡的构造（如误差函数核）：用于符号函数、截断求逆等有不连续性的目标，额外贡献 $\log$ 因子。

若目标不具备确定奇偶性（如 $e^{-i\tau x}$），我们把它拆成偶部与奇部（$\cos\tau x$ 与 $-i\sin\tau x$），分别用两条 QSVT 序列实现，再用一个附加辅助比特做线性组合，代价只增加常数因子。

### 第二步：计算相位参数

先用 QSP 的算法（Haah 的 $O(d^2)$ 解析算法，或 Levenberg–Marquardt 迭代）求出 QSP 相位 $\vec\Psi$，再按主定理中的公式平移为 QSVT 相位：

$$\Phi_0 = \Psi_0 - \frac{\pi}{4},\qquad \Phi_k = \Psi_k - \frac{\pi}{2}\ \ (1\le k\le d-1),\qquad \Phi_d = \Psi_d - \frac{\pi}{4},$$

最后可把 $\Phi_0$ 再平移 $\pi d/4$ 以消去整体相位 $(-i)^d$。

### 第三步：构造块编码

构造 $A$ 的块编码 $U_A$（归一化常数 $\alpha$，使 $\sigma_j/\alpha\le 1$；若某些 $\sigma_j/\alpha$ 恰好等于 $1$，把 $\alpha$ 稍微放大即可，见理论推导末尾的注记）。方法包括 LCU（对 $A = \sum_k\alpha_kU_k$）、泡利分解加 PREP/SELECT、专用电路，详见块编码教程。

### 第四步：执行 QSVT 电路

按 $d$ 的奇偶选择上文两种电路之一，调用 $U_A$（及其逆）共 $d$ 次，插入 $d+1$ 个相位门。门复杂度为 $O(d\cdot C_{U_A})$，其中 $C_{U_A}$ 为单次块编码调用的门代价。

### 第五步：提取结果

QSVT 的输出本身仍然是一个块编码：辅助寄存器投影到 $|0\rangle^{\otimes m}$ 的分量恰好是 $(-i)^dP^{SV}(A/\alpha)$。我们强调，这一步没有任何本质的概率损耗——投影恒等式是算符层面的精确陈述。当把 $P^{SV}(A)$ 作用到某个输入态 $|b\rangle$ 上时，成功幅度由 $\|P^{SV}(A)|b\rangle\|$ 决定（例如求逆问题的幅度约为 $1/\kappa$ 量级），不足时可用振幅放大以 $O(1/\text{幅度})$ 次调用补足。

## 具体应用

### 应用一：矩阵求逆 $A^{-1}$

设 $\|A\|\le\alpha$、条件数为 $\kappa = \alpha\sigma_{\min}$。由"奇异值变换多项式与符号函数"一节的分析，我们取奇多项式

$$P(x) \approx \frac{1}{\kappa x},\qquad x \in [1/\kappa, 1]$$

（先做 $1/\kappa$ 归一化以保证 $|P|\le 1$；在 $|x|<1/\kappa$ 处用符号函数型截断并做平滑过渡）。带过渡带的光滑逼近给出

$$d = O\big(\kappa\log(\kappa/\varepsilon)\big)$$

次多项式。QSVT 实现的总调用次数为 $O(\kappa\log(\kappa/\varepsilon))$ 次 $U_A$，总门数为 $O(\kappa\log(\kappa/\varepsilon)\cdot C_{U_A})$。作为对照，原始 HHL 算法对条件数的依赖是 $O(\kappa^2)$ 量级（源于相位估计与受控旋转的精度需求），QSVT 版本把 $\kappa$ 依赖从二次降到线性，这是理论上的重大改进。

### 应用二：哈密顿量模拟 $e^{-iHt}$

对 Hermitian 的 $H$ 构造块编码 $U_H$（归一化常数 $\alpha\ge\|H\|$，例如 LCU 情形取 $\lambda = \|\vec\alpha\|_1$），奇异值为 $|E_j|/\alpha\in[0,1]$，其中 $E_j$ 是 $H$ 的特征值。目标是

$$P(x) \approx e^{-i\tau x},\qquad \tau = \alpha t ,$$

这是一个整函数，由 QSP 教程"逼近精度"一节的 Bernstein 椭圆分析，切比雪夫截断需要

$$d = O\big(\alpha t + \log(1/\varepsilon)\big)$$

次；$e^{-i\tau x}$ 无确定奇偶性，按第一步末尾拆成 $\cos\tau x$（偶）与 $-i\sin\tau x$（奇）两支分别实现。总门数为 $O((\alpha t + \log(1/\varepsilon))\cdot C_{U_H})$，与 QSP、Qubitization 教程给出的结果一致；对 $L$ 项泡利分解的 $H$，$C_{U_H} = O(Ln + C_{\mathrm{PREP}})$。

### 应用三：振幅放大（Grover 搜索）

把搜索问题写成投影酉算符的语言。设 $\tilde\Pi = |w\rangle\langle w|$ 是标记态上的投影，$\Pi = |s\rangle\langle s|$ 是初始均匀叠加态上的投影，$U$ 是提供搜索动力学的酉（例如由制备与反射组合而成的算子）。关键的一阶块是

$$A = \tilde\Pi\,U\,\Pi = \langle w|U|s\rangle\;|w\rangle\langle s|,$$

它只有一个奇异值

$$\sigma_1 = \big|\langle w|U|s\rangle\big|$$

（一阶算符 $c\,|w\rangle\langle s|$ 的奇异值就是系数的模长；初始制备 $U = I$ 时 $\sigma_1 = \langle w|s\rangle = 1/\sqrt{N}$）：把 $|s\rangle$ 分量搬运到 $|w\rangle$ 的振幅正是被变换的"信号"。目标多项式取为在 $x = 1/\sqrt N$ 处接近 $1$、其余处接近 $0$ 的峰形多项式，所需次数为 $d = O(\sqrt N)$，于是 QSVT 以 $O(\sqrt N)$ 次调用复现 Grover 界。在不变平面上，信号与相位门的交替复合成熟悉的反射乘积型 Grover 迭代（每迭代一次转过 $2\arcsin(1/\sqrt N)$），与 QSP 教程例子一的振幅放大图像一致；QSVT 的版本还自动给出固定点搜索（fixed-point search）——峰形多项式不会过冲。

### 应用四：量子 Gibbs 态制备

目标是制备 $\rho_\beta = e^{-\beta H}/Z$。我们用 QSVT 实现 $e^{-\beta H/2}$ 的块编码：目标多项式为 $P(x)\approx e^{-\beta\alpha x/2}$（作用在 $x = E_j/\alpha$ 上），所需次数

$$d = O\big(\beta\alpha + \log(1/\varepsilon)\big).$$

注意配分函数 $Z = \mathrm{tr}(e^{-\beta H})$ 是全局常数，不能也不需要放进多项式里；正确流程是把 $e^{-\beta H/2}$ 的块编码作用到最大混合态或均匀叠加态的纯化上，后选择辅助寄存器即得温度 $\beta$ 的 Gibbs 态。该方法用于量子机器学习和统计物理。

## 理论推导

本节完整展开从块编码到奇异值变换的全部推导。论证分六步：先建立 $A = \tilde\Pi U\Pi$ 的奇异值分解（含符号函数），再由酉性构造"缺陷向量"，证明 $(\mathcal K_j, \mathcal K'_j)$ 二维子空间对的结构（酉分解 $U = \tilde S\Lambda S^\dagger$ 与信号矩阵 $M(\sigma)$），然后把 QSVT 电路约化为每个子空间上的 QSP 序列，导出精确的相位对应并完成定理证明。

### 记号与前提

以下设 $U$ 为酉算符，$\Pi,\tilde\Pi$ 为投影，$A = \tilde\Pi U\Pi$，其奇异值满足 $0<\sigma_j<1$，且奇异值分解覆盖全部输入输出方向（$\ker A\cap\mathrm{im}\,\Pi = \{0\}$、$\mathrm{im}\,\tilde\Pi = \mathrm{span}\{|u_j\rangle\}$；边缘与退化情形见本节末尾注记）。记 $\rho_j := \sqrt{1-\sigma_j^2}$。我们还需要一个初等事实：作为酉算符的块，$A$ 必是压缩算符，即 $\sigma_j\le 1$。证明：对 $|\varphi\rangle\in\mathrm{im}\,\Pi$，

$$\|A|\varphi\rangle\| = \|\tilde\Pi U|\varphi\rangle\| \le \|U|\varphi\rangle\| = \|\varphi\rangle\|,$$

故 $\|A\|\le 1$。

### 第一步：投影算符的奇异值分解（含符号函数）

$A$ 把 $\mathrm{im}\,\Pi$ 映到 $\mathrm{im}\,\tilde\Pi$，其奇异值分解有标准形式

$$A = \sum_j \sigma_j\,|u_j\rangle\langle v_j|,\qquad \{|v_j\rangle\}_j\subset\mathrm{im}\,\Pi\ \text{正交归一},\quad \{|u_j\rangle\}_j\subset\mathrm{im}\,\tilde\Pi\ \text{正交归一},$$

其中求和遍历所有正奇异值。构造方法与普通矩阵相同：$\{|v_j\rangle\}$ 是 $A^\dagger A$ 在 $\mathrm{im}\,\Pi$ 上的非零特征向量，$\sigma_j^2$ 为对应特征值，$|u_j\rangle := A|v_j\rangle/\sigma_j$ 自动落入 $\mathrm{im}\,\tilde\Pi$ 并构成正交组。当 $A$ 是 Hermitian 矩阵时，如"数学框架"一节所述，$|v_j\rangle = \mathrm{sign}(\lambda_j)|u_j\rangle$，符号函数恰好记录了左、右奇异向量的相对符号。

### 第二步：酉性强制出的缺陷向量

现在利用 $U$ 的酉性，把每个奇异向量"补全"成一个二维子空间。对每个 $j$，考虑 $U|v_j\rangle$ 并按 $\tilde\Pi$ 分块：

$$U|v_j\rangle = \tilde\Pi U|v_j\rangle + (I-\tilde\Pi)U|v_j\rangle = \sigma_j|u_j\rangle + |\bar u_j'\rangle,$$

其中 $|\bar u_j'\rangle := (I-\tilde\Pi)U|v_j\rangle\in\ker\tilde\Pi$。由于 $\langle u_j|\bar u_j'\rangle = 0$（两块正交）且 $\|U|v_j\rangle\| = 1$，勾股定理给出

$$\big\||\bar u_j'\rangle\big\|^2 = 1 - \sigma_j^2 = \rho_j^2 .$$

于是当 $0<\sigma_j<1$ 时可以定义单位向量

$$|\bar u_j\rangle := \frac{(I-\tilde\Pi)U|v_j\rangle}{\rho_j}\;\in\ker\tilde\Pi .$$

完全对称地（把 $U$ 换成 $U^\dagger$、$\Pi$ 与 $\tilde\Pi$ 互换、$A$ 换成 $A^\dagger$），利用 $\Pi U^\dagger|u_j\rangle = A^\dagger|u_j\rangle = \sigma_j|v_j\rangle$ 定义

$$|\bar v_j\rangle := \frac{(I-\Pi)U^\dagger|u_j\rangle}{\rho_j}\;\in\ker\Pi,$$

并记

$$\mathcal K_j := \mathrm{span}\{|v_j\rangle,|\bar v_j\rangle\},\qquad \mathcal K'_j := \mathrm{span}\{|u_j\rangle,|\bar u_j\rangle\}.$$

我们需要两组正交性。第一组是平凡的：$\langle v_j|\bar v_{j'}\rangle = 0$、$\langle u_j|\bar u_{j'}\rangle = 0$（像空间与核空间正交）。第二组需要计算：对 $j\ne j'$，

$$\rho_j\rho_{j'}\,\langle\bar u_j|\bar u_{j'}\rangle = \langle v_j|U^\dagger(I-\tilde\Pi)U|v_{j'}\rangle = \langle v_j|v_{j'}\rangle - \langle v_j|U^\dagger\tilde\Pi U|v_{j'}\rangle .$$

我们计算第二项。先把 $\tilde\Pi$ 作用到本步的分解式 $U|v_{j'}\rangle = \sigma_{j'}|u_{j'}\rangle + |\bar u_{j'}'\rangle$ 上，$\ker\tilde\Pi$ 中的分量被消去，得 $\tilde\Pi U|v_{j'}\rangle = \sigma_{j'}|u_{j'}\rangle$；再用 $\bar v_{j'}$ 的定义式 $U^\dagger|u_{j'}\rangle = \sigma_{j'}|v_{j'}\rangle + \rho_{j'}|\bar v_{j'}\rangle$，得

$$U^\dagger\tilde\Pi U|v_{j'}\rangle = \sigma_{j'}^2|v_{j'}\rangle + \sigma_{j'}\rho_{j'}|\bar v_{j'}\rangle,$$

于是与 $\langle v_j|v_{j'}\rangle = \delta_{jj'}$、$\langle v_j|\bar v_{j'}\rangle = 0$ 合并，得

$$\rho_j\rho_{j'}\,\langle\bar u_j|\bar u_{j'}\rangle = \delta_{jj'} - \sigma_j^2\delta_{jj'} = \rho_j^2\,\delta_{jj'},$$

即 $\langle\bar u_j|\bar u_{j'}\rangle = \delta_{jj'}$。同理 $\langle\bar v_j|\bar v_{j'}\rangle = \delta_{jj'}$。因此 $\{|u_j\rangle,|\bar u_j\rangle\}_j$ 与 $\{|v_j\rangle,|\bar v_j\rangle\}_j$ 各自构成正交归一系。

值得强调的是，$\mathcal K_j$ 与 $\mathcal K'_j$ 一般既不相等也不正交（例如 $\langle v_j|u_{j'}\rangle$ 可以是任意数）——这不影响任何推导，因为我们只需要每个族内部的正交性，以及下述"成对映射"的结构。

### 第三步：二维不变子空间与信号矩阵 $M(\sigma)$

现在计算 $U$ 在这些子空间之间的作用。由第二步的定义直接展开：

$$U|v_j\rangle = \sigma_j|u_j\rangle + \rho_j|\bar u_j\rangle. \tag{1}$$

对 $U^\dagger|u_j\rangle$ 用对称的定义式得

$$U^\dagger|u_j\rangle = \sigma_j|v_j\rangle + \rho_j|\bar v_j\rangle, \tag{2}$$

对 (2) 两边作用 $U$ 并解出 $U|\bar v_j\rangle$：

$$U|\bar v_j\rangle = \frac{|u_j\rangle - \sigma_j U|v_j\rangle}{\rho_j} = \frac{(1-\sigma_j^2)|u_j\rangle - \sigma_j\rho_j|\bar u_j\rangle}{\rho_j} = \rho_j|u_j\rangle - \sigma_j|\bar u_j\rangle. \tag{3}$$

最后，利用 $|\bar u_j\rangle = (I-\tilde\Pi)U|v_j\rangle/\rho_j$ 与第二步已算出的 $U^\dagger\tilde\Pi U|v_j\rangle = \sigma_j^2|v_j\rangle + \sigma_j\rho_j|\bar v_j\rangle$：

$$U^\dagger|\bar u_j\rangle = \frac{U^\dagger(I-\tilde\Pi)U|v_j\rangle}{\rho_j} = \frac{\big(1-\sigma_j^2\big)|v_j\rangle - \sigma_j\rho_j|\bar v_j\rangle}{\rho_j} = \rho_j|v_j\rangle - \sigma_j|\bar v_j\rangle. \tag{4}$$

把 (1)、(3)（以及 (2)、(4)）排成矩阵：在基 $(|v_j\rangle,|\bar v_j\rangle)$ 与 $(|u_j\rangle,|\bar u_j\rangle)$ 之间，$U$ 与 $U^\dagger$ 的表示矩阵都是同一个二阶矩阵

$$M(\sigma_j) := \begin{pmatrix} \sigma_j & \rho_j \\ \rho_j & -\sigma_j \end{pmatrix},\qquad \rho_j = \sqrt{1-\sigma_j^2}. \tag{5}$$

直接验证 $M(\sigma_j)^2 = I$（两列正交且范数为 $1$），故 $M^{-1} = M$——这解释了为什么 $U$ 与 $U^\dagger$ 的表示矩阵相同。

此外，(1)–(4) 还表明不同指标 $j$ 之间没有串扰：例如 $\langle u_{j'}|U|v_j\rangle = \sigma_j\langle u_{j'}|u_j\rangle + \rho_j\langle u_{j'}|\bar u_j\rangle = (\sigma_j\delta + \rho_j\cdot0)$ 只在 $j' = j$ 时非零，其余三个矩阵元同理。因此

$$U\,\mathcal K_j = \mathcal K'_j,\qquad U^\dagger\,\mathcal K'_j = \mathcal K_j,\qquad U\ \text{不把}\ \mathcal K_j\ \text{映到别的}\ \mathcal K'_{j'}\ (j'\ne j).$$

**酉分解（信号矩阵的集中陈述）**：把 $\{|v_j\rangle,|\bar v_j\rangle\}_j$ 与 $\{|u_j\rangle,|\bar u_j\rangle\}_j$ 分别扩充成全空间的正交基，定义以它们为列的酉算符 $S$ 与 $\tilde S$，并令

$$\Lambda := \Big(\bigoplus_j M(\sigma_j)\Big)\oplus \Lambda_{\mathrm{comp}},$$

其中 $\Lambda_{\mathrm{comp}}$ 是正交补上的任意酉算符（例如 $I$），则

$$U = \tilde S\,\Lambda\,S^\dagger .$$

这就是本教程意义下的"酉分解 $U = S'\,\Sigma\,S^\dagger$"：矩阵 $A$ 的全部信息（奇异值）都集中在块对角酉算符 $\Lambda$ 的 $2\times2$ 块 $M(\sigma_j)$ 里，而 $S,\tilde S$ 只是基变换。QSVT 的电路分析因此可以逐块进行。

### 第四步：QSVT 序列在不变子空间上的约化

现在考察两种相位门在这些子空间上的行为。由 $|v_j\rangle\in\mathrm{im}\,\Pi$、$|\bar v_j\rangle\in\ker\Pi$：

$$e^{i\phi Z_\Pi}\Big|_{\{(|v_j\rangle,|\bar v_j\rangle)\}} = \begin{pmatrix} e^{i\phi} & 0\\ 0 & e^{-i\phi} \end{pmatrix} = S(\phi),$$

同理 $e^{i\phi Z_{\tilde\Pi}}$ 在基 $(|u_j\rangle,|\bar u_j\rangle)$ 下也是 $S(\phi)$。于是整个 QSVT 电路的轨迹是：输入 $|v_j\rangle\in\mathcal K_j$，每作用一次信号（$U$ 或 $U^\dagger$，矩阵都是 $M(\sigma_j)$）就跳到另一个子空间，同时每个相位门在当前基下都是对角的处理器 $S(\Phi_k)$。把整条电路写在 $\mathcal K_j$ 的坐标里（以 $(|v_j\rangle,|\bar v_j\rangle)$ 为第 0、1 行），对任意的 $d$ 都得到统一的表达式

$$V_j \;=\; e^{i\Phi_0 Z}\,M(\sigma_j)\,e^{i\Phi_1 Z}\,M(\sigma_j)\;e^{i\Phi_2 Z}\,M(\sigma_j)\cdots M(\sigma_j)\,e^{i\Phi_d Z}, \tag{6}$$

其中含 $d$ 个 $M$ 与 $d+1$ 个处理器。输出的提取规则是：$d$ 偶时输出落在 $\mathcal K_j$，投影 $\Pi$ 取 $|v_j\rangle$ 分量；$d$ 奇时输出落在 $\mathcal K'_j$，投影 $\tilde\Pi$ 取 $|u_j\rangle$ 分量。两种情形取到的都是乘积 (6) 的 $(0,0)$ 元。

我们用最小例子逐步验证。(d=1，奇)：

$$V_j = e^{i\Phi_0 Z}M e^{i\Phi_1 Z}\ \text{作用于}\ (1,0)^{\mathsf T}:\quad e^{i\Phi_1}\ \text{（处理器）}\ \to\ e^{i\Phi_1}\begin{pmatrix}\sigma\\ \rho\end{pmatrix}\ \text{（信号）}\ \to\ \begin{pmatrix}e^{i(\Phi_0+\Phi_1)}\sigma\\ e^{i(\Phi_1-\Phi_0)}\rho\end{pmatrix}\ \text{（处理器）},$$

$(0,0)$ 元为 $\sigma e^{i(\Phi_0+\Phi_1)}$，是一个一次奇多项式。

(d=2，偶) 按时间从右向左逐步追踪 $|v_j\rangle$ 的坐标：

1. 处理器 $e^{i\Phi_2Z}$：得 $e^{i\Phi_2}|v\rangle$；
2. 信号 $U$（由式 (1)）：得 $e^{i\Phi_2}(\sigma|u\rangle + \rho|\bar u\rangle)$；
3. 处理器 $e^{i\Phi_1Z}$（在 $\mathcal K'_j$ 基下对角）：得 $e^{i\Phi_2}(e^{i\Phi_1}\sigma|u\rangle + e^{-i\Phi_1}\rho|\bar u\rangle)$；
4. 信号 $U^\dagger$（由式 (4)）：利用 $U^\dagger|u\rangle = \sigma|v\rangle+\rho|\bar v\rangle$ 与 $U^\dagger|\bar u\rangle = \rho|v\rangle-\sigma|\bar v\rangle$，得
$$e^{i\Phi_2}\Big[\big(e^{i\Phi_1}\sigma^2 + e^{-i\Phi_1}\rho^2\big)|v\rangle + \big(e^{i\Phi_1}-e^{-i\Phi_1}\big)\sigma\rho\,|\bar v\rangle\Big];$$
5. 处理器 $e^{i\Phi_0Z}$：给 $|v\rangle$ 分量乘 $e^{i\Phi_0}$。

输出投影 $\Pi$ 取 $|v\rangle$ 分量，得二次偶多项式

$$[V_j]_{00} = e^{i(\Phi_0+\Phi_2)}\big(e^{i\Phi_1}\sigma^2 + e^{-i\Phi_1}\rho^2\big). \tag{7}$$

### 第五步：与 QSP 的精确对应

第四步把 QSVT 化成了"信号 $M(\sigma)$ + 处理器 $e^{i\Phi Z}$"的单量子比特序列，而 QSP 教程的定理是关于"信号 $W(x)$ + 处理器 $S(\phi)$"的。二者由一个恒等式联系起来：

$$M(\sigma) = -i\,S\!\left(\tfrac{\pi}{4}\right)\,W(\sigma)\,S\!\left(\tfrac{\pi}{4}\right). \tag{8}$$

验证：$S(\pi/4) = \mathrm{diag}(e^{i\pi/4}, e^{-i\pi/4})$，逐块相乘得 $S(\pi/4)WS(\pi/4) = \begin{pmatrix} i\sigma & i\rho\\ i\rho & -i\sigma\end{pmatrix} = i\,M(\sigma)$。

把 (8) 代入 (6)，并利用相邻处理器可以合并相位（$S(a)S(b) = S(a+b)$）：

$$M\,e^{i\Phi_kZ} = -i\,S(\tfrac\pi4)\,W\,S\!\left(\Phi_k+\tfrac\pi4\right),$$

相邻两个 $M$ 之间多余的 $S(\pi/4)$ 被前一个处理器吸收，使中间相位移到 $\Phi_k+\frac\pi2$；最左端 $e^{i\Phi_0Z}$ 与 $S(\frac\pi4)$ 合并为 $S(\Phi_0+\frac\pi4)$。整理得矩阵恒等式

$$V_j = (-i)^d\;S(\Psi_0)\prod_{k=1}^{d}\Big(W(\sigma_j)\,S(\Psi_k)\Big) = (-i)^d\,U_{\mathrm{QSP}}(\vec\Psi;\sigma_j), \tag{9}$$

其中 $\Psi_0 = \Phi_0+\frac\pi4$、$\Psi_k = \Phi_k+\frac\pi2$（$1\le k\le d-1$）、$\Psi_d = \Phi_d+\frac\pi4$ 正是主定理中的相位平移。这就是"QSVT 的每个不变子空间上运行着一条 QSP 序列"的精确表述；换言之，QSVT 是 $N$ 条并行的 QSP 序列，每条对应一个奇异值。

我们再用两个低阶例子核对 (9)。$d=1$：右端 $(-i)\,[S(\Phi_0+\frac\pi4)WS(\Phi_1+\frac\pi4)]_{00} = (-i)\,\sigma\,e^{i(\Phi_0+\Phi_1+\frac\pi2)} = \sigma e^{i(\Phi_0+\Phi_1)}$，与第四步的直接计算一致。$d=2$：由 $[S(a)WS(b)WS(c)]_{00} = e^{i(a+c)}(\sigma^2e^{ib}-\rho^2e^{-ib})$（两次矩阵相乘即可验证），取 $(a,b,c) = (\Phi_0+\frac\pi4,\ \Phi_1+\frac\pi2,\ \Phi_2+\frac\pi4)$：

$$[U_{\mathrm{QSP}}]_{00} = e^{i(\Phi_0+\Phi_2+\frac\pi2)}\big(\sigma^2e^{i(\Phi_1+\frac\pi2)} - \rho^2e^{-i(\Phi_1+\frac\pi2)}\big) = -\,e^{i(\Phi_0+\Phi_2)}\big(e^{i\Phi_1}\sigma^2 + e^{-i\Phi_1}\rho^2\big),$$

乘以 $(-i)^2 = -1$ 后恰为 (7)。两种算法一致。

由 (9) 与 QSP 的矩阵形式定理（QSP 教程"引理 1"），我们还得到完整的矩阵形式：存在由 $\vec\Psi$ 决定的互补多项式 $Q$（$\deg Q\le d-1$，与 $d-1$ 同奇偶），使

$$V_j = (-i)^d\begin{pmatrix} P(\sigma_j) & i\rho_j\,Q(\sigma_j)\\ i\rho_j\,Q^{*}(\sigma_j) & P^{*}(\sigma_j) \end{pmatrix},\qquad |P(x)|^2 + (1-x^2)|Q(x)|^2 = 1 .$$

特别地，泄漏出投影子空间的分量由 $i\rho_jQ(\sigma_j)$ 精确给出，且在 $\sigma_j\to1$ 时自动消失。

### 第六步：定理的证明

**正命题的证明**。由第三步，电路的每个因子（$U$、$U^\dagger$、两种相位门）都保持子空间族 $\{\mathcal K_j,\mathcal K'_j\}$ 不变且不产生 $j$ 之间的串扰；由第四步，$U_{\vec\Phi}$ 限制到第 $j$ 对子空间上的矩阵是 (6)，输入 $|v_j\rangle$ 对应坐标 $(1,0)^{\mathsf T}$。于是：

- $d$ 奇：输出态的 $\mathcal K'_j$ 坐标是 (6) 的第一列，$\tilde\Pi$ 投影取其第 $0$ 分量 $[V_j]_{00}$，而 $\ker\tilde\Pi$ 中的 $|\bar u_j\rangle$ 分量被投影消去；
- $d$ 偶：输出态的 $\mathcal K_j$ 坐标是 (6) 的第一列，$\Pi$ 投影取第 $0$ 分量。

结合 (9) 与 $[U_{\mathrm{QSP}}]_{00} = P$，即得定理的两个等式。交叉项 $\langle v_{j'}|U_{\vec\Phi}|v_j\rangle$（$j'\ne j$）由无串扰性质为零；又由定理前提，$\mathrm{im}\,\Pi$ 恰由 $\{|v_j\rangle\}$ 张成、$\mathrm{im}\,\tilde\Pi$ 恰由 $\{|u_j\rangle\}$ 张成，不存在其他输入或输出方向，故两个算符等式在全体方向上成立。

**Hermitian 情形**。当 $A$ Hermitian、$\Pi = \tilde\Pi$ 时，$|u_j\rangle = \mathrm{sign}(\lambda_j)|E_j\rangle$、$|v_j\rangle = |E_j\rangle$（符号可任放一侧）。代入两个等式：$d$ 奇时 $\sum_jP(\sigma_j)|u_j\rangle\langle v_j| = \sum_jP(|\lambda_j|)\mathrm{sign}(\lambda_j)|E_j\rangle\langle E_j|$，对奇多项式等于 $\sum_jP(\lambda_j)|E_j\rangle\langle E_j| = P(A)$；$d$ 偶时 $\sum_jP(\sigma_j)|v_j\rangle\langle v_j| = \sum_jP(|\lambda_j|)|E_j\rangle\langle E_j|$，对偶多项式同样等于 $P(A)$。证毕。

**逆命题的证明**。设 $P$ 满足 QSP 可达条件。由 QSP 表示定理（QSP 教程"定理：QSP 表示定理"），存在相位 $\vec\Psi$ 使 $[U_{\mathrm{QSP}}(\vec\Psi)]_{00} = P$。按第二步的公式把 $\vec\Psi$ 平移为 QSVT 相位 $\vec\Phi$，由已证的正命题，所得电路实现 $(-i)^dP^{SV}$，整体相位用 $\Phi_0\to\Phi_0+\frac{\pi d}4$ 消去。证毕。

**注记（边缘奇异值与核方向）**。上述构造在 $\sigma_j = 1$ 处退化（$\rho_j = 0$，二维子空间塌缩成一维，此时 $U|v_j\rangle = |u_j\rangle$，电路退化为纯相位累积）。由于 (9) 的两端都是 $\sigma\in[0,1]$ 上的连续矩阵值函数，且在 $(0,1)$ 内恒等，故在端点处也成立；这同时说明 $\sigma_j = 1$ 的行为与 QSP 的端点条件 $|P(\pm1)| = 1$ 相容。实践中我们还可以直接把块编码的归一化常数 $\alpha$ 取为严格大于 $\|A\|$，使所有 $\sigma_j/\alpha < 1$，彻底避开退化。至于 $\ker A$ 方向：若 $A$ 在两个投影像之间存在核方向（例如 $A$ 不满秩），上述算符恒等式应理解为先把输出投影回 $\mathrm{span}\{|u_j\rangle\}$——用无串扰性质的同样归纳可以证明，从核方向出发的轨迹始终与所有 $\mathcal K'_j$ 正交，故其贡献到 $\mathrm{span}\{|u_j\rangle\}$ 的分量为零，与 $P^{SV}$ 在核方向上取零的定义一致；而电路把核方向输入泄漏到 $\mathrm{im}\,\tilde\Pi\ominus\mathrm{span}\{|u_j\rangle\}$ 的分量不受 $P^{SV}$ 约束。这不影响应用：应用中的输入态（如 $|b\rangle$ 经阈值多项式处理后）都落在 $A$ 支集的相关方向上。

**注记（可达集的放宽）**。在本文的电路形式下，可实现的多项式集与 QSP 完全一致（含端点条件 $|P(\pm1)| = 1$）。Gilyén 等人（2019）与 Martyn 等人（2021）利用双投影子形式与对称相位约定进一步证明：目标多项式可以作为某个复值 QSP 多项式的实部被实现，从而可达集放宽为"次数 $\le d$、奇偶性与 $d$ 一致、$|P|\le 1$"，不再要求端点条件。矩阵求逆等不满足端点条件的目标在实践中使用这一放宽形式；其完整证明涉及相位约定之间的细致换算，超出本教程范围，我们只引用结论。

### 数值抽查：一个 $2\times2$ 例子

取 Qubitization 教程例子一中的矩阵与块编码：$A = \mathrm{diag}(0.6, 0.8)$（Hermitian，$\alpha = 1$，一个辅助比特），

$$U_A = \begin{pmatrix} 0.6 & 0.8 \\ 0.8 & -0.6 \end{pmatrix}\oplus\begin{pmatrix} 0.8 & 0.6 \\ 0.6 & -0.8 \end{pmatrix}$$

（直和按系统态分块，$\langle0|_aU_A|0\rangle_a = A$）。取 $\Pi = \tilde\Pi = |0\rangle\langle0|_a\otimes I_s$。$A$ 的奇异值为 $\sigma_1 = 0.6$、$\sigma_2 = 0.8$，且 $v_j = u_j = |j\rangle_s$。

对 $j=1$：$U_A|0a\rangle|0s\rangle = 0.6\,|0a0s\rangle + 0.8\,|1a0s\rangle$，故 $\bar u_1 = |1a0s\rangle$、$\rho_1 = 0.8$，$\mathcal K_1 = \mathcal K'_1 = \mathrm{span}\{|0a0s\rangle, |1a0s\rangle\}$，$U_A$ 在此基下的矩阵恰为

$$M(0.6) = \begin{pmatrix} 0.6 & 0.8 \\ 0.8 & -0.6 \end{pmatrix}$$

——与公式 (5) 完全一致（$\sigma = 0.6$、$\rho = 0.8$）。$j = 2$ 同理给出 $M(0.8)$，即第二个直和块。

现在运行 $d=2$、$\vec\Phi = (0, \pi/2, 0)$ 的 QSVT 电路。由恒等式 (8) 反解，这对应 QSP 相位 $\vec\Psi = (\pi/4, \pi, \pi/4)$，其多项式为 $P(x) = e^{i(\Psi_0+\Psi_2)}(\sigma^2e^{i\Psi_1}-\rho^2e^{-i\Psi_1})$。代入 $e^{i(\Psi_0+\Psi_2)} = e^{i\pi/2} = i$ 与 $e^{i\Psi_1} = e^{-i\Psi_1} = -1$：

$$P(x) = i\,(\rho^2 - \sigma^2) = i(1-2\sigma^2) = -\,i\,T_2(\sigma),$$

即（差一个相位因子的）二阶切比雪夫多项式。直接计算 $j=1$ 块上 (6) 的 $(0,0)$ 元验证：此时 (6) 为 $M\,\mathrm{diag}(i,-i)\,M$，先算右端两个因子的乘积

$$\mathrm{diag}(i,-i)\,M = \begin{pmatrix}i&0\\0&-i\end{pmatrix}\begin{pmatrix}0.6&0.8\\0.8&-0.6\end{pmatrix} = \begin{pmatrix}0.6i&0.8i\\-0.8i&0.6i\end{pmatrix},$$

再左乘 $M = \begin{pmatrix}0.6&0.8\\0.8&-0.6\end{pmatrix}$，其 $(0,0)$ 元为 $0.6\times0.6i + 0.8\times(-0.8i) = 0.36i - 0.64i = -0.28i$；而定理的预言是 $(-i)^2\,P(0.6) = -P(0.6) = iT_2(0.6) = i\times(2\times0.36-1) = -0.28i$，两者一致。这与 Qubitization 教程中行走算符幂的转移矩阵恒等式 $(\langle0|\otimes I)W'^{\,n}(|0\rangle\otimes I) = T_n(A/\lambda)$ 相呼应：切比雪夫多项式 $T_d$ 既可以由行走算符的 $d$ 次幂实现，也可以由 $d$ 层 QSVT 相位电路实现，二者是同一多项式的两条电路路径。

### 误差传播与调用次数的最优性

QSVT 的误差来源有三类，我们逐项给出机制。

**多项式逼近误差**。由 $\|\sum_jc_j|u_j\rangle\langle v_j|\| = \max_j|c_j|$（SVD 基下的"对角"算符，范数等于最大系数），

$$\big\|f^{SV} - P^{SV}\big\| \le \|f - P\|_{\infty} \le \varepsilon_{\mathrm{poly}} .$$

**相位数值误差**。设计算出的相位满足 $|\tilde\Phi_k - \Phi_k|\le\delta$。每个处理器满足 $\big\|\frac{\partial}{\partial\phi}S(\phi)\big\| = \|iZS(\phi)\| = 1$，信号 $M(\sigma)$ 与相位无关，故乘积 (6) 的每个元素作为 $\vec\Phi$ 的函数是 Lipschitz 常数 $\le d+1$ 的映射（链式法则加三角不等式），输出偏差 $O(d\delta)$。

**块编码误差**。设以 $\varepsilon$-精度的块编码 $\tilde U$（即 $\|\tilde A - A\|\le\varepsilon$，$\tilde A = \tilde\Pi\tilde U\Pi$）代替 $U$ 运行同样的电路。Gilyén 等人（2019）证明输出与目标的偏差为 $O(d\varepsilon)$。证明思路：块误差相当于每个不变平面上的有效信号值偏离 $\sigma_j$ 达 $O(\varepsilon)$（Weyl 扰动定理），而电路输出 (6) 的 $(0,0)$ 元作为这些信号值的多项式函数，$d$ 步累积的灵敏度为 $O(d)$；严格证明还需处理不变子空间自身的扰动与块间的串扰，见原文。

三项合并：

$$\big\|f^{SV} - \text{QSVT 输出}\big\| = O\big(d\cdot(\varepsilon + \delta) + \varepsilon_{\mathrm{poly}}\big).$$

**调用次数的下界**。对 $U_A$（及其逆）的每一次查询，输出矩阵元作为 $U_A$ 各矩阵元的函数，其多项式次数至多增加 $1$（乘一个矩阵元是一次乘法）。因此实现次数为 $d$ 的多项式变换至少需要 $\Omega(d)$ 次查询——这是经典多项式方法（polynomial method）的标准论证。QSVT 的 $d$ 次调用恰好达到此下界，因此在查询复杂度意义下是最优的。

## 复杂度总结

| 应用 | 多项式次数 $d$ | 总门数 |
|------|-------------|--------|
| $A^{-1}$ | $O(\kappa \log(\kappa/\varepsilon))$ | $O(\kappa \log(\kappa/\varepsilon) \cdot C_{U_A})$ |
| $e^{-iHt}$ | $O(\alpha t + \log(1/\varepsilon))$ | $O((\alpha t + \log(1/\varepsilon))\cdot C_{U_H})$ |
| $\mathrm{sign}(A)$ | $O(\kappa \log(1/\varepsilon))$ | $O(\kappa \log(1/\varepsilon) \cdot C_{U_A})$ |
| $e^{-\beta H/2}$（Gibbs 态） | $O(\beta\alpha + \log(1/\varepsilon))$ | $O(d \cdot C_{U_H})$ |
| Grover 搜索 | $O(\sqrt{N})$ | $O(\sqrt{N})$ |

表中 $\alpha$ 为块编码归一化常数（LCU 情形为 $\lambda = \|\vec\alpha\|_1$），$C_{U_A}$ 为单次块编码调用的门数。所有情形均达到 $\Omega(d)$ 的查询下界。

## 与其他框架的统一关系

QSVT 可以重新导出本章前面各教程中的算法作为特例：

- QSP（一维信号处理）：取 $A = x$ 为 $1\times1$ 矩阵、$U$ 为单量子比特信号旋转，QSVT 逐字退化为 QSP；
- Qubitization：对 LCU 块编码，行走算符 $W' = U_AR_0$ 的二维不变平面正是本文的 $(\mathcal K_j,\mathcal K'_j)$ 结构在 Hermitian 情形下的实现；行走幂给出切比雪夫多项式（见数值抽查），相位交错给出一般多项式；
- HHL（矩阵求逆）：$d = O(\kappa\log(\kappa/\varepsilon))$ 的奇多项式加振幅放大；
- Grover（振幅放大）：一阶块编码 $A = |w\rangle\langle s|$，$d = O(\sqrt N)$；
- 哈密顿量模拟：$d = O(\alpha t+\log(1/\varepsilon))$，与 Trotter 的 $O(L\lambda^2t^2/\varepsilon)$-型门数（见 Trotterization 教程）相比，对精度的依赖从 $1/\varepsilon$ 改进到 $\log(1/\varepsilon)$。

这一统一不仅在理论上有审美价值，更有实际意义：所有算法共享相同的电路结构（交替的块编码与相位旋转），区别仅在于相位参数——这意味着通用的 QSVT 编译器可以一键生成各种量子算法。

## 实现挑战

### 1. 块编码的构造成本

QSVT 假定 $U_A$ 已知，但构造 $U_A$ 本身可能代价高昂：

- 泡利分解的 $L$ 项哈密顿量：$C_{U_A} = O(L\cdot n + C_{\mathrm{PREP}})$；
- 稠密矩阵：$C_{U_A} = O(N)$ 量级的 QRAM 型访问，失去量子优势；
- 结构化矩阵（稀疏、低秩）：$C_{U_A} = O(\mathrm{poly}(n))$。

### 2. 相位参数的数值精度

Haah 的 $O(d^2)$ 算法对大 $d$ 可能面临数值稳定性问题。当前最佳实践：

- 使用高精度浮点计算；
- 迭代求精（先用低精度求粗解，再用牛顿法细化）；
- 对称化约束（$\Psi_k = \Psi_{d-k}$ 型约束）降低参数空间。

### 3. 近期设备的限制

QSVT 电路需要 $d$ 次块编码调用，对近期量子设备（NISQ）来说 $d$ 可能过大。缓解策略：

- 低阶 QSVT（$d = O(10)$）结合经典后处理；
- 变分 QSVT：用参数化电路近似 QSVT 序列；
- 块编码的深度优化（使用专用量子门）。

## 近期进展

| 年份 | 贡献 | 内容 |
|------|------|------|
| 2019 | Gilyén et al. | QSVT 原始论文：统一框架与完整理论 |
| 2021 | Martyn et al. | QSP 与 QSVT 的等价性（Grand Unification），相位约定的系统梳理 |
| 2022 年起 | 多项工作 | QSVT 在量子化学、Gibbs 态制备、偏微分方程与量子机器学习中的应用 |

## 总结

QSVT 是量子计算理论的一座里程碑。它把看似独立的量子算法统一为"对奇异值的多项式变换"这一优雅框架：奇异值分解（Hermitian 情形下由符号函数配平左、右奇异向量）与酉性共同产生一族二维不变子空间，酉分解 $U = \tilde S\Lambda S^\dagger$ 把块编码的全部谱信息压缩进 $2\times2$ 信号矩阵 $M(\sigma)$；QSVT 电路在每个不变子空间上逐块化为一条 QSP 序列，相位对应为两端平移 $\pi/4$、中间平移 $\pi/2$。由此，QSP 的表示定理、逼近理论与最优性逐字提升为矩阵情形，实现了深度最优、误差精确可控的矩阵函数计算。理解 QSVT 是理解现代量子算法设计的钥匙。

---

**参考文献：**

1. Gilyén, A., Su, Y., Low, G. H., & Wiebe, N. (2019). *Quantum singular value transformation and beyond.* STOC 2019.
2. Martyn, J. M., Rossi, Z. M., Tan, A. K., & Chuang, I. L. (2021). *Grand unification of quantum algorithms.* PRX Quantum, 2(4), 040203.
3. Low, G. H., & Chuang, I. L. (2017). *Optimal Hamiltonian simulation by quantum signal processing.* Physical Review Letters, 118(1), 010501.
4. Haah, J. (2019). *Product decomposition of periodic functions in quantum signal processing.* Quantum, 3, 190.
---

> 返回目录：[量子计算算法教程系列](https://chenzhaoyun.com/index.php/archives/54/)