线性方程求解与量子 - 经典混合算法解析
1. 线性方程求解概述
线性方程求解是一个历史悠久的数学问题。早在近两千年前，中国就有关于求解线性方程的技术记载，其方法与现代的高斯消元法有显著的相似之处。而第一台数字计算机——阿塔纳索夫 - 贝瑞计算机（ABC），也是专门为求解线性方程而设计的。
如今，线性方程的求解在科学、工程甚至金融领域都有着重要的应用。线性方程组通常可以写成矩阵形式 (Ax = b)，其中 (x) 是需要确定的未知变量向量。如果能对矩阵 (A) 求逆，那么解为 (x = A^{-1}b)。对于三四个方程的系统，手动使用高斯消元法等方法可以很容易求解，但当线性方程数量很大时，就需要高效的计算算法，且通常不再基于高斯消元法。大多数计算机使用基于矩阵 (A) 的 LU 分解的算法，对于对称正定矩阵 (A) 可以使用 Cholesky 分解，对于 Toeplitz 矩阵则使用 Levinson 递归。此外，了解矩阵 (A) 是否稀疏也很有帮助。
2009 年，Aram Harrow、Avinatan Hassidim 和 Seth Lloyd 提出了一种用于求解线性方程组的量子算法——HHL 算法。经典计算机求解 (n) 个方程的系统需要多项式时间，对于规模为 (n)、条件数为 (\kappa)、稀疏度为 (s) 且期望精度为 (\epsilon) 的线性方程组，其时间复杂度为 (O(log(n)s^2\kappa^2/\epsilon))。与经典算法（如高斯消元法的时间复杂度约为 (O(n^3))，稀疏时通过梯度下降可降至 (O(\kappa sn log n / log \epsilon))）相比，HHL 算法虽然没有实现计算时间的指数级加速，但如果使用得当，仍能比经
