tecktom.com

Trotter の積公式:運動エネルギーとポテンシャルを分ける

2026年10月17日10分で読めますAI生成教科書『虎の巻』第3部 第2章 基準から経路積分を導く
目次
  1. 1区間の分割と BCH の公式
  2. 誤差は区間の数だけ足し合わさる
  3. 非有界な演算子への拡張
  4. 木下の層

AI 生成・木下が未勉強

量子力学の様々な構成方法 第3部 第2章 §3.2.2 ★★★ 可換でない2つの項の指数関数を積に分ける誤差は区間ごとに ϵ2\epsilon^2、全体で 1/N1/N。経路積分の唯一の近似がここにある

1区間の分割と BCH の公式

式 (3.2.4) の各因子 ⟨xk+1∣e−iH^ϵ/ℏ∣xk⟩\langle x_{k+1} | \mathrm{e}^{-\mathrm{i}\hat H\epsilon/\hbar} | x_k \rangle は、H^=H^0+V^\hat H=\hat H_0+\hat V の H^0=p^2/(2m)\hat H_0=\hat p^2/(2m) と V^=V(x^)\hat V=V(\hat x) が可換でないため、そのままでは計算できない。H^0\hat H_0 だけなら運動量の固有状態で、V^\hat V だけなら位置の固有状態で対角になるので、指数関数を

e−i(H^0+V^)ϵ/ℏ≈e−iH^0ϵ/ℏ e−iV^ϵ/ℏ(3.2.5)\mathrm{e}^{-\mathrm{i}(\hat H_0+\hat V)\epsilon/\hbar}\approx\mathrm{e}^{-\mathrm{i}\hat H_0\epsilon/\hbar}\,\mathrm{e}^{-\mathrm{i}\hat V\epsilon/\hbar}\tag{3.2.5}

と積に分けたい。この置き換えの誤差を見積もるのが Baker–Campbell–Hausdorff(BCH)の公式で、行列 A,BA,B について

eϵAeϵB=exp⁡(ϵ(A+B)+ϵ22[A, B]+O(ϵ3))(3.2.6)\mathrm{e}^{\epsilon A}\mathrm{e}^{\epsilon B}=\exp\Bigl(\epsilon(A+B)+\frac{\epsilon^2}{2}\left[A,\,B\right]+\mathcal{O}(\epsilon^3)\Bigr)\tag{3.2.6}

が成り立つ。両辺を ϵ\epsilon の2次まで展開すると、左辺は 1+ϵ(A+B)+ϵ22(A2+2AB+B2)1+\epsilon(A+B)+\frac{\epsilon^2}{2}(A^2+2AB+B^2)、右辺は1+ϵ(A+B)+ϵ22((A+B)2+[A, B])1+\epsilon(A+B)+\frac{\epsilon^2}{2}\bigl((A+B)^2+\left[A,\,B\right]\bigr) で、(A+B)2+AB−BA=A2+2AB+B2(A+B)^2+AB-BA=A^2+2AB+B^2 だから一致する。A=−iH^0/ℏA=-\mathrm{i}\hat H_0/\hbar、B=−iV^/ℏB=-\mathrm{i}\hat V/\hbar とおくと、式 (3.2.5) の1区間の誤差は ϵ22ℏ2[H^0, V^]\frac{\epsilon^2}{2\hbar^2}\left[\hat H_0,\,\hat V\right] の大きさである。

誤差は区間の数だけ足し合わさる

NN 区間を通した誤差は、ユニタリ演算子の積の差の恒等式

U^N−S^N=∑j=0N−1U^j(U^−S^)S^N−1−j(3.2.7)\hat U^N-\hat S^N=\sum_{j=0}^{N-1}\hat U^{j}(\hat U-\hat S)\hat S^{N-1-j}\tag{3.2.7}

で見積もる(U^=e−iH^ϵ/ℏ\hat U=\mathrm{e}^{-\mathrm{i}\hat H\epsilon/\hbar}、S^=e−iH^0ϵ/ℏe−iV^ϵ/ℏ\hat S=\mathrm{e}^{-\mathrm{i}\hat H_0\epsilon/\hbar}\mathrm{e}^{-\mathrm{i}\hat V\epsilon/\hbar}。右辺を展開すると隣り合う項が打ち消し合って左辺だけが残る)。U^\hat U と S^\hat S はユニタリでノルムが1なので、∥U^N−S^N∥≤N∥U^−S^∥\lVert \hat U^N-\hat S^N\rVert \le N\lVert \hat U-\hat S\rVert である。H^0,V^\hat H_0,\hat V が有界なら

∥e−iH^t/ℏ−(e−iH^0ϵ/ℏe−iV^ϵ/ℏ)N∥≤t22ℏ2N∥[H^0, V^]∥+O(N−2)(3.2.8)\Bigl\lVert\mathrm{e}^{-\mathrm{i}\hat Ht/\hbar}-\bigl(\mathrm{e}^{-\mathrm{i}\hat H_0\epsilon/\hbar}\mathrm{e}^{-\mathrm{i}\hat V\epsilon/\hbar}\bigr)^N\Bigr\rVert \le\frac{t^2}{2\hbar^2N}\bigl\lVert\left[\hat H_0,\,\hat V\right]\bigr\rVert+\mathcal{O}(N^{-2})\tag{3.2.8}

となり、誤差は 1/N1/N で 0 に向かう。1区間の誤差 ϵ2\epsilon^2 が N=t/ϵN=t/\epsilon 回足されて ϵ\epsilon になる、というのが式 (3.2.8) の中身である。行列についてのこの極限 eA+B=lim⁡N→∞(eA/NeB/N)N\mathrm{e}^{A+B}=\lim_{N\to\infty}(\mathrm{e}^{A/N}\mathrm{e}^{B/N})^N は、S. Lie にちなんで Lie の積公式と呼ばれる。

分け方を左右対称にすると、誤差の次数が1つ上がる。

e−iH^ϵ/ℏ=e−iV^ϵ/(2ℏ) e−iH^0ϵ/ℏ e−iV^ϵ/(2ℏ)+O(ϵ3)(3.2.9)\mathrm{e}^{-\mathrm{i}\hat H\epsilon/\hbar}=\mathrm{e}^{-\mathrm{i}\hat V\epsilon/(2\hbar)}\,\mathrm{e}^{-\mathrm{i}\hat H_0\epsilon/\hbar}\,\mathrm{e}^{-\mathrm{i}\hat V\epsilon/(2\hbar)}+\mathcal{O}(\epsilon^3)\tag{3.2.9}

である。左辺の逆元 e+iH^ϵ/ℏ\mathrm{e}^{+\mathrm{i}\hat H\epsilon/\hbar} は右辺の ϵ→−ϵ\epsilon\to-\epsilon で得られ、対称な積も ϵ→−ϵ\epsilon\to-\epsilon で逆元になる。このため、対称な積の BCH の展開の指数には ϵ\epsilon の奇数次の項しか現れず、ϵ2\epsilon^2 の項が消える。数値計算ではこれを Strang 分割と呼び、全体の誤差は 1/N21/N^2 で減る。

非有界な演算子への拡張

H^0=p^2/(2m)\hat H_0=\hat p^2/(2m) も V(x^)V(\hat x) も一般には非有界で、[H^0, V^]=−iℏ2m(p^V′(x^)+V′(x^)p^)\left[\hat H_0,\,\hat V\right]=-\frac{\mathrm{i}\hbar}{2m}(\hat pV'(\hat x)+V'(\hat x)\hat p) のノルムは有限でない。したがって式 (3.2.8) はそのままでは使えない。それでも次の形で極限が成り立つ。

定理 3.2.1(Trotter の積公式 ★★★)

A^,B^\hat A,\hat B を自己共役作用素とし、A^+B^\hat A+\hat B が定義域 D(A^)∩D(B^)\mathcal{D}(\hat A)\cap\mathcal{D}(\hat B) の上で自己共役であるとする。このとき、すべての状態 ψ\psi について

e−i(A^+B^)t/ℏψ=lim⁡N→∞(e−iA^t/(Nℏ)e−iB^t/(Nℏ))Nψ\mathrm{e}^{-\mathrm{i}(\hat A+\hat B)t/\hbar}\psi=\lim_{N\to\infty}\bigl(\mathrm{e}^{-\mathrm{i}\hat At/(N\hbar)}\mathrm{e}^{-\mathrm{i}\hat Bt/(N\hbar)}\bigr)^N\psi

がノルムの意味で成り立つ(作用素の強収束)。

H. F. Trotter は半群の積としてこの形の極限を示し(H. F. Trotter (1959), Proc. Amer. Math. Soc. 10, 545)、E. Nelson はこれを使って、時間分割した Feynman の積分が Schrödinger 方程式の解に収束することを示した(E. Nelson (1964), J. Math. Phys. 5, 332)。証明は作用素論の道具を使うので、ここでは書かない。収束が「状態ごと」の強収束であって作用素のノルムの収束でないことは、非有界な場合の代償で、誤差の速さ(1/N1/N か 1/N21/N^2 か)も状態の滑らかさに依存する。

近似の裏付け

型 B(極限) | 小さいもの ϵ/t=1/N→0\epsilon/t=1/N\to0(時間の分割を細かくする) | 証明 条件付き(H^0+V^\hat H_0+\hat V が D(H^0)∩D(V^)\mathcal{D}(\hat H_0)\cap\mathcal{D}(\hat V) 上で自己共役なら状態ごとの強収束。積分核そのものの収束は、VV が十分滑らかで2階以上の導関数が有界なら短い時間で証明済み:D. Fujiwara (2017), Rigorous Time Slicing Approach to Feynman Path Integrals, Springer) | 行き先 近似の数理 第3章

図

図 3.2.2 2準位系 H^=−(ℏΔ/2)σz−(ℏΩ/2)σx\hat H=-(\hbar\Delta/2)\sigma_z-(\hbar\Omega/2)\sigma_x(Ω=Δ\Omega=\Delta、t=2π/Ωt=2\pi/\Omega)を H^0=−(ℏΔ/2)σz\hat H_0=-(\hbar\Delta/2)\sigma_z と V^=−(ℏΩ/2)σx\hat V=-(\hbar\Omega/2)\sigma_x に分けたときの、時間発展の演算子の誤差(作用素ノルム)。丸は Lie の分割 (3.2.5)、四角は対称な分割 (3.2.9)。点線は傾き −1-1 と −2-2 の直線の目安。

例題 3.2.2 2準位系で分割の誤差を数える ★★

オリジナル共通例題②の H^=−(ℏΔ/2)σz−(ℏΩ/2)σx\hat H=-(\hbar\Delta/2)\sigma_z-(\hbar\Omega/2)\sigma_x を、H^0=−(ℏΔ/2)σz\hat H_0=-(\hbar\Delta/2)\sigma_z と V^=−(ℏΩ/2)σx\hat V=-(\hbar\Omega/2)\sigma_x に分ける。Ω=Δ\Omega=\Delta、t=2π/Ωt=2\pi/\Omega とする。

  1. (1) [H^0, V^]\left[\hat H_0,\,\hat V\right] とその作用素ノルムを求め、式 (3.2.8) の右辺の主要項を数値で評価せよ。
  2. (2) 図 3.2.2 の数値から、N=10,100,1000N=10,100,1000 の誤差を読み、(1) の上界と比べよ。
  3. (3) 対称な分割で誤差が 1/N21/N^2 になることを、図から確かめよ。
解答

(1) [σz, σx]=2iσy\left[\sigma_z,\,\sigma_x\right]=2\mathrm{i}\sigma_y なので

[H^0, V^]=ℏ2ΔΩ4[σz, σx]=iℏ2ΔΩ2σy\left[\hat H_0,\,\hat V\right]=\frac{\hbar^2\Delta\Omega}{4}\left[\sigma_z,\,\sigma_x\right]=\frac{\mathrm{i}\hbar^2\Delta\Omega}{2}\sigma_y

であり、σy\sigma_y の固有値は ±1\pm1 だからノルムは ℏ2ΔΩ/2\hbar^2\Delta\Omega/2 である。式 (3.2.8) の主要項はt22ℏ2N⋅ℏ2ΔΩ2=(Ωt)24N=π2N=9.87N\frac{t^2}{2\hbar^2N}\cdot\frac{\hbar^2\Delta\Omega}{2}=\frac{(\Omega t)^2}{4N}=\frac{\pi^2}{N}=\frac{9.87}{N} になる。

(2) 数値で計算すると、Lie の分割の誤差は N=10N=10 で 0.2190.219、N=100N=100 で 0.02140.0214、N=1000N=1000 で 2.14×10−32.14\times10^{-3} である。NN を10倍するごとに誤差は 1/101/10 になり、N×(誤差)≈2.14N\times(\text{誤差})\approx2.14 は上界 9.879.87 より小さい。上界は各区間の誤差がすべて同じ向きに積み重なる場合の値で、実際には区間ごとの誤差の向き(演算子 σy\sigma_y を時間発展で回したもの)が少しずつ回るため、和はその約 1/51/5 にとどまる。

(3) 対称な分割では N=10N=10 で 0.04430.0443、N=100N=100 で 4.36×10−44.36\times10^{-4}、N=1000N=1000 で 4.36×10−64.36\times10^{-6} で、NN を10倍するごとに 1/1001/100 になる。図 3.2.2 では四角の点が傾き −2-2 の直線に乗る。N=1000N=1000 での誤差は Lie の分割の約 1/5001/500 で、同じ精度を得るのに必要な区間の数が大幅に少ない。

木下の勉強ステータス

木下はまだこの記事を勉強していません。

AI(Claude)が書いた教材を、木下が勉強しながら公開しています。式と数値は検算していますが、誤りが残っているかもしれません。誤りのご指摘・削除のご依頼をいただければ直します。 連絡先:support@tecktom.com

← AI生成教科書『虎の巻』の記事一覧へ