Desigualdad Del Procesamiento de Datos

Desigualdades para la entrop a de von Neumann
Tesis que presenta:

.
Leopoldo Pantale on Mart nez.
Para obtener el grado de
Maestro en Ciencias (Matem aticas).
Asesor: Dr. Roberto Quezada Batalla.

Septiembre del 2003.
Universidad Aut onoma Metropolitana-Iztapalapa. Divisi on de Ciencias B asicas e Ingenier a.
Desigualdades para la entrop a de von Neumann

Leopoldo Pantale on Mart nez 8 de septiembre de 2003
ii
Indice General
Reconocimientos Introducci on 1 Elementos de los espacios de Hilbert 1.1 Nociones b asicas . . . . . . . . . . . . . . . . . . . . 1.2 Descomposici on espectral . . . . . . . . . . . . . . . 1.3 Operadores positivos . . . . . . . . . . . . . . . . . 1.4 C alculo funcional . . . . . . . . . . . . . . . . . . . . 1.5 Descomposici on polar de un operador . . . . . . . . 1.5.1 Descomposici on usando valores singulares . . 1.6 La traza de un operador . . . . . . . . . . . . . . . . 1.7 Productos tensoriales . . . . . . . . . . . . . . . . . . 1.7.1 El Producto tensorial de espacios vectoriales 1.7.2 Producto tensorial de operadores . . . . . . . 1.7.3 Producto tensorial de espacios de Hilbert . . 1.8 Resultados auxiliares . . . . . . . . . . . . . . . . . . 2 Representaci on de Lindblad 2.1 La traza parcial . . . . . . . . . . . . 2.2 Puricaci on . . . . . . . . . . . . . . 2.3 Descomposici on de Schmidt . . . . . 2.4 Operadores completamente positivos 2.4.1 Adjunto de un operador CP . 2.5 La representaci on de Lindblad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v vii 1 1 3 5 6 6 7 8 9 10 12 12 14 15 15 20 21 21 24 25 29 29 30 31 31 32 32 35
3 Entrop a 3.1 Entrop a de Shannon o cl asica . . . . . 3.1.1 Entrop a relativa de Shannon . 3.2 Entrop a conjunta . . . . . . . . . . . 3.2.1 Entrop a condicional . . . . . . 3.2.2 Informaci on com un . . . . . . . 3.3 Propiedades de la entrop a de Shannon 3.4 Entrop a de von Neumann . . . . . . . iii
iv
INDICE GENERAL 3.4.1 Entrop a relativa de von Neumann . . . . . . . . . . . . . Propiedades de la entrop a de von Neumann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 40 43 43 47 49 53 59 59 60 66 67 73 74 74 75 79 81 85
3.5
4 Desigualdades de la entrop a 4.1 Herramienta matem atica . . . . . . . . . . . 4.2 Subaditividad fuerte . . . . . . . . . . . . . 4.3 Desigualdades de la entrop a relativa . . . 4.4 Relaciones entre las desigualdades . . . . . 5 Aplicaciones, conclusiones y perspectivas 5.1 Subaditividad de la entrop a . . . . . . . . 5.2 Concavidad de la entrop a . . . . . . . . . 5.3 Desigualdad del procesamiento de datos . 5.4 La cota de Holevo . . . . . . . . . . . . . 5.5 Conclusiones . . . . . . . . . . . . . . . . 5.6
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
Perspectivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Ap endices A La desigualdad de Jensen B La derivada de funciones con valores en B (H) C Integral de Riemann Bibliograf a
Reconocimientos
Agradezco a la UAM-I todas las facilidades que obtuve para realizar mis estudios de Maestr a y para la realizaci on de esta tesis. Particularmente agradezco a los EXCELENTES PROFESORES, que como alumno tuve la buena suerte de tener: Jes us Chargoy Corona, Gabriel Villa Salvador, Carlos Signoret Poillon, Richard Wilson Roberts, y muy en especial les doy las gracias a los profesores Julio Garc a Corte y a Roberto Quezada Batalla. Finalmente, deseo agregar que mis estudios de Maestr a fueron realizados con el apoyo del CONACYT mediante una beca-cr edito y mediante el proyecto n umero 37491E.
vi
RECONOCIMIENTOS
Introducci on
Entrop a cl asica. Un concepto central de la teor a de la informaci on es la entrop a. La entrop a es una medida de la cantidad de informaci on ( o incertidumbre) contenida en una fuente de informaci on. Tambi en puede ser usada para cuanticar los recursos necesarios para almacenar la informaci on ver [11]. La fuente puede ser modelada como un proceso estoc astico y esto motiva el que se dena la entrop a de Shannon, H (X ) de una variable aleatoria X en (, P ), un espacio de probabilidad nito, como H (X ) px log px ,
xX ()
donde {px } es la distribuci on de probabilidad de X , y por denici on se acepta que 0 log 0 = 0. Entrop a cu antica. Shannon [17] introdujo su denici on en 1948 pero mucho antes, en 1927 von Neumann [19,20], queriendo extender la teor a cl asica de la mec anica estad stica (desarrollada por Gibbs, Boltzman et al.) al dominio cu antico, mas que buscar desarrollar una teor a de la comunicaci on cu antica, introdujo las nociones de estado mezclado, representado por una matriz de densidad ( i.e. 0, tr = 1, donde tr denota la traza de la matriz ) y su entrop a denida como S () tr ( log ) , expresi on que, en t erminos de los valores propios de , se puede escribir como S () = x x log x , donde nuevamente por denici on 0 log 0 = 0. Como las matrices de densidad diagonales (llamadas estados cl asicos) corresponden a distribuciones de probabilidad, de la igualdad anterior se sigue que la entrop a de Shannon es un caso especial de la de von Neumann. Consideremos un sistema compuesto, cuyo espacio de Hilbert es un producto tensorial HAB = HA HB de los espacios de Hilbert de dos sistemas A y B. Cuando el estado del sistema compuesto est a descrito por la matriz de densidad AB los estados de los subsistemas est an dados por las matrices de densidad, vii
viii
INTRODUCCION
A = trB (AB ) , y B = trA (AB ) obtenidas al tomar la traza parcial ( ver la Secci on 2.1 para la denici on de traza parcial). El objetivo principal de este trabajo es discutir las interrelaciones que hay en un conjunto importante de desigualdades relacionadas con la entrop a de los subsistemas de un sistema compuesto y algunas aplicaciones en la teor a cu antica de la informaci on; algunas de las desigualdades son las siguientes: La subaditividad S (AB ) S (A ) + S (B ) , demostrada en [7]; la concavidad de la entrop a, S ( + (1 ) ) S () + (1 ) S ( ) , demostrada en [9, 21], que como veremos puede obtenerse usando la desigualdad de subaditividad. Y cuando el sistema compuesto consta de tres subsistemas se cumple la siguiente desigualdad m as fuerte conocida como subaditividad fuerte que se suele simbolizar, por sus siglas en ingl es como (SSA) S (ABC ) + S (B ) S (AB ) + S (BC ) , esta desigualdad fue probada en [9].
Entrop a relativa cu antica. Un concepto u til en la discusi on de la entrop a que adem as es interesante por derecho propio es el de la entrop a relativa cu antica ; se dene para matrices de densidad ( i.e., matrices positivo semi-denidas de traza 1) tales que ker ker , como S ( ) tr log tr log . La denici on anterior todav a funciona si eliminamos la condici on de que los operadores sean de traza 1. Veremos en el cap tulo cuatro, que la (SSA) puede ser reenunciada como una propiedad de monoton a de la entrop a relativa bajo el operador traza parcial como S (AB IA B ) S (ABC I BC ) . Mas a un la entrop a relativa es mon otona bajo operadores completamente positivos (CP) que preservan la traza, (de los cuales la traza parcial es un caso particular) es decir se cumple que: S ( ( ) ( )) S ( ) .
ix Panorama general. En este trabajo restringiremos nuestra discusi on a espacios de Hilbert complejos de dimensi on nita y asumiremos, salvo que se especique otra cosa, que las matrices de densidad consideradas son estrictamente positivas. Lo que resta del escrito est a estructurado de la siguiente manera: En el cap tulo 1, recordamos algunos conceptos b asicos y se discuten los resultados de la teor a de los espacios de Hilbert necesarios en la tesis, entre otros: el importante teorema espectral para operadores normales y con base en el presentamos el c alculo funcional para esta clase de operadores; las propiedades b asicas de la traza de un operador lineal y los productos tensoriales tanto de espacios de Hilbert como de operadores. En el cap tulo 2, introducimos la terminolog a y nociones b asicas relacionadas con la entrop a de von Neumann : la noci on de traza parcial; el proceso de puricaci on; la descomposici on de Schmidt ; el concepto de operador completamente positivo (CP) y una generalizaci on de la representaci on de Lindblad [10]. En el cap tulo 3, discutimos los antecedentes de las nociones de von Neumann : propiedades b asicas de la entrop a de Shanonn, la entrop a condicional e informaci on conjunta; la desigualdad de Klein junto con una condici on necesaria y suciente para que se cumpla la igualdad; terminamos el cap tulo con las propiedades b asicas de la entrop a y la entrop a relativa de von Neumann. En el cap tulo 4, que es el n ucleo de este trabajo aparece inicialmente el bagaje matem atico necesario para el resto del cap tulo; luego demostramos las desigualdades siguientes junto con una condici on necesaria y suciente para que se d e la igualdad (excepto de CON) : (SSA) La subaditividad fuerte (MONO) La monoton a de la entrop a relativa bajo operadores CP que preservan la traza. (MPT) La monoton a de la entrop a relativa bajo la traza parcial. (CVX) La convexidad conjunta de la entrop a relativa. (CON) La concavidad de la entrop a condicional. Terminamos el cap tulo cuatro discutiendo la equivalencia entre estas cinco desigualdades. En el cap tulo 5, presentamos algunas aplicaciones y perspectivas: la desigualdad de subaditividad junto con una condici on de igualdad; la concavidad de la entrop a con una condici on de igualdad; la desigualdad del procesamiento de datos y presentamos una prueba completa de la importante desigualdad conocida como la cota de Holevo. En el ap endice abarcamos algunos temas cl asicos necesarios en el trabajo: las nociones de convexidad, concavidad y el teorema de Jensen ; la notaci on O ;
INTRODUCCION
la derivada y la integral de Riemann de funciones con dominio en un intervalo de n umeros reales y con valores en B (H) . Finalizamos esta introducci on con los siguientes comentarios: a) El trabajo es auto-contenido en el sentido de que los resultados relevantes presentados que se escapan del ambito de los conocimientos generales est an demostrados en la tesis. b) Este trabajo est a basado en algunas de las ideas principales del art culo [16] de Mary Beth Ruskai (MBR) a saber, la demostraci on de las desigualdades SSA, MONO, MPT y CVX de la lista escrita l neas arriba, todas ellas con una condici on necesaria y suciente de igualdad, as como la equivalencia entre ellas. Nuestros principales aportes y diferencias en relaci on al mencionado art culo, son: En el cap tulo 2, desarrollamos las propiedades del operador traza parcial y damos una prueba completa de una versi on general de la representaci on de Lindblad. En el art culo de MBR se bosqueja la prueba del resultado para el caso en que el dominio y codominio del operador CP involucrado son iguales y se menciona que la representaci on propuesta es v alida en el caso en que esta condici on es eliminada. Nosotros demostramos esto u ltimo. En el cap tulo 3, demostramos completamente la desigualdad de Klein junto con una condici on necesaria y suciente para que se cumpla la igualdad. Esta desigualdad y su condici on de igualdad resultan muy u tiles para demostrar las condiciones de igualdad de las desigualdades mencionadas en los cap tulos 4 y 5; tambi en agregamos las propiedades b asicas de la entrop a de von Neumann. En el cap tulo 4, demostramos la f ormula de Lie y la desigualdad de GoldenThompson ; a nadimos la desigualdad CON y dise namos una ruta diferente para demostrar las equivalencias, si bien para probar que MONO implica JCX, desarrollamos el bosquejo que da MBR. Tambi en presentamos una condici on necesaria (Corolario 4.11), al parecer nueva, para que se cumpla la igualdad en MONO. En el cap tulo 5, sin ser completamente original, la demostraci on de la desigualdad de la concavidad junto con su condici on de igualdad, no es la que aparece en [16]; aunque la prueba de la cota de Holevo se basa en el esbozo que da MBR, nosotros desarrollamos una demostraci on que tiene las ventajas de ser poco conocida, muy simple y que utiliza la teor a que hemos desarrollado.
Cap tulo 1
Elementos de los espacios de Hilbert

1.1 Nociones b asicas
Por un espacio de Hilbert H siempre se entender a un espacio vectorial complejo dimensionalmente nito con un producto interno , lineal conjugado en la primera variable y lineal en la segunda. Usamos el s mbolo B (H1 , H2 ) ( o B (H1 ) cuando H1 = H2 ) para el espacio de Banach de operadores lineales T de H1 en H2 con la norma T = sup
x=0
Tx 2 ; x 1
siendo el espacio H1 de dimensi on nita se sabe que T < . La norma de T tambi en se puede calcular como T = sup x =1 T x = sup x 1 T x . Antes de proseguir convenimos en usar como sin onimos las palabras matriz y operador lineal. Para T B (H1 , H2 ) se dene su adjunto como el u nico operador T B (H2 , H1 ) tal que x H2 , y H1, x, T y 2 = T x, y 1 . Si S, T B (H1 , H2 ) y C se tienen las siguientes propiedades: a) (S + T ) = S + T b) (ST ) = T S c) (S ) = S 1

CAP ITULO 1. ELEMENTOS DE LOS ESPACIOS DE HILBERT
d) S = S .
Con relaci on a la operaci on de adjunci on se denen las siguientes clases de operadores. Denici on a) Un operador A B (H) es Hermitiano o auto-adjunto si A = A. b) Cuando un operador N B (H) satisface N N = N N se dice que es normal. c) U B (H1 , H2 ) es unitario si es un isomorsmo (i.e. un operador lineal biyectivo) isom etrico (i.e. U x 2 = x 1 ) o equivalentemente si U U = IH1 y U U = IH 2 . d) V B (H1 , H2 ) es una isometr a parcial, si para h [ker V ] , V h = h . El espacio [ker V ] se llama espacio inicial de V y el espacio ranV es llamado espacio nal de V. Como veremos en las pr oximas secciones, los operadores auto-adjuntos y normales tienen propiedades importantes.
Supongamos que es un vector de H1 y es vector de H2 , denimos el operador lineal | | de H1 en H2 mediante la correspondencia | | = , , H1. Es f acil vericar que la funci on (v, u) |u v | de H H a B (H) satisface lo siguiente: a) |u v | es lineal en u y lineal conjugada en v. b) (|v u|) = |u v | , en particular |u u| es auto-adjunto. c) |u v | | | = v, |u | . d) |u v | = u v .
e) Para todo A B (H) , A |u v | = |Au v | y |u v | A = |u A v | .
Podemos apreciar la utilidad de la notaci on anterior en la siguiente propiedad llamada la relaci on de completez para bases ortonormales:
ESPECTRAL 1.2. DESCOMPOSICION
Si {|i } es una base ortonormal de H todo vector se escribe como v = i |i , donde i = i, v y por tanto j i i |j j | |i = j i i j, i |j =
i j
|j
j| v = j |j j | ( | j = v, es decir j j
i |i ) =
|i i| = I.
i
Dado un subespacio W de H, con una base ortonormal |1 , |2 , ..., |k dene la proyecci on ortogonal P sobre W como
k
se
P =
i=1
|i i| ,
se puede demostrar que la suma no depende de la base ortonormal elegida, y es inmediato vericar que las proyecciones ortogonales forman parte de la clase de los operadores auto-adjuntos.
1.2
Descomposici on espectral
Deniciones. Sea A B (H) , con H un espacio de Hilbert de dimensi on nita. Un vector v no cero tal que Av = v es un vector propio del operador lineal A y el n umero complejo es el valor propio de A correspondiente a v. Los valores propios tambi en se pueden denir como las ra ces del polinomio pA () = det (I A) llamado polinomio caracter stico de A; puesto que nuestros espacios de Hilbert son complejos el teorema fundamental del algebra garantiza que todo operador tiene al menos un valor propio y su correspondiente vector propio. El conjunto de vectores propios correspondientes a un valor propio es el espacio propio asociado a ; el conjunto de valores propios de un operador es su espectro; observe que el espectro es un conjunto nito porque est a formado por los ceros del polinomio caracter stico. Se dice que A es diagonalizable si existe una base ortonormal de vectores propios suyos {wi } H con valores propios correspondientes {i } tales que en se dice A que se diagonaliza con respecto a la A = i i |wi wi | . Tambi base {wi }. Ahora comentaremos algunas propiedades que nos servir an para demostrar la que tal vez, sea la propiedad m as importante de los operadores normales: que son diagonalizables. Si N es operador normal, entonces a) ker N = ker N , lo que se muestra desarrollando N x, N x y usando que N N = N N.
b) Si x es un elemento tal que N x = x, entonces N x = x ; porque (N I ) es normal y por la propiedad a), si (N I ) x = 0, tambi en (N I ) x = 0. c) Si v es un vector propio de N tal que N v = v y v, w son vectores ortogonales, entonces tambi en Nw y v son ortogonales, pues v, N w = N v, w = v, w . Teorema 1 (Descomposici on espectral). Cualquier operador normal N en un espacio de Hilbert H es diagonal con respecto a alguna base ortonormal de H. Rec procamente, cualquier operador diagonalizable es normal. Demostraci on. La proposici on rec proca es inmediata. Probaremos la proposici on directa por inducci on en d = dim H. El caso 1 es trivial. Sea d = n, como estamos tratando con espacios complejos, toda matriz tiene n valores propios. Por las propiedades mencionadas arriba, N y N tienen un vector propio com un w1 , que podemos suponer con norma 1. Sea W = {w1 } , por la propiedad c) la restricci on de N a W est a bien denida y por la hip otesis de inducci on, existe {w2 , w3 , ..., wn } una base ortonormal de W constituida por vectores propios de N. Es claro que {w1 , w2 , ..., wn } es una base ortonormal de H, por ende todo v H se expresa como v = i ai wi y entonces ( i i |wi wi |) v = i i ai wi = N ( i ai wi ) . Concluimos que para todo operador normal N existe una base ortonormal de H, {wi } formada por vectores propios de N con valores propios asociados {i } tales que i |wi wi | . QED N=
i
Observemos que la expresi on anterior equivale a decir que N = Pi es la proyecci on sobre el espacio propio asociado a i . Aqu tenemos una consecuencia del teorema espectral.
i Pi donde
Teorema 2 (Diagonalizaci on simult anea). Los operadores Hermitianos A, B B (H) conmutan si, y s olo si, existe una base ortonormal de H con respecto a la cual A y B son diagonalizables simult aneamente. Demostraci on. Demostremos la armaci on directa ya que la rec proca es inmediata. Sea A = a aPa donde los valores propios {a} son distintos entre s y Pa es la proyecci on sobre el espacio propio Ea asociado con a. Observemos que B (Ea ) Ea pues si x Ea se cumple ABx = BAx = Bax = aBx, as la restricci on Ba Pa BPa de B a Ea est a bien denida y es Hermitiana, por ende Ea tiene una base ortonormal de vectores propios de Ba (note que tambi en son vectores propios de A). Veamos ahora que cada vector propio u Ea de Ba tambi en lo es de B , en efecto, si Ba u = bu tenemos que bu = Ba u = Pa BPa u = Pa Bu = Bu pues
1.3. OPERADORES POSITIVOS
Bu Ea por la primera observaci on. As , por cada Ea hay una base ortonormal de vectores propios de A y B. La base buscada para H es la uni on de dichas bases. QED Antes de proseguir, conviene destacar que el Teorema 2 no es consecuencia necesariamente del teorema espectral, de hecho es un caso especial del siguiente teorema del Algebra Lineal, ver [12] : Sean U y T operadores lineales de V en V, donde V es un espacio vectorial de dimensi on nita. Si U y T son diagonalizables, las siguientes condiciones son equivalentes: a) T U = U T b) T y U son simult aneamente diagonalizables.
1.3
Operadores positivos
x H, P x, x 0
Denici on. Un operador P B (H) es positivo o positivo semi-denido, si
Esto se simboliza con P 0. Si adem as P x, x = 0 s olo es posible con x = 0 diremos que P es un operador positivo-denido o estrictamente positivo y escribiremos P > 0. Tambi en denimos A B si A B 0. Ejemplos. a) u H, |u u| es positivo. b) T B (H), T T y T T son positivos y T 0 T 0 c) Si T, S B (H) son operadores positivos, entonces S + T es un operador positivo si es un real no negativo. Proposici on 3 Si P 0, entonces P es Hermitiano. Demostraci on. Todo operador T se expresa como T = A + iB con A,B Hermitianos por ejemplo, A= 1 1 (T + T ) y B = (T T ) 2 2i
y en la expresi on para P, se tiene que B = 0. QED Proposici on 4 Sea P B (H) un operador normal y sea {i } su espectro, entonces P es un operador positivo si, y s olo, si i 0 para toda i.
Demostraci on. Sea P = i i |wi wi | su descomposici on espectral. La armaci on directa es inmediata de que i = wi , P wi . Rec procamente, sea x H y x = i ai wi su expresi on en t erminos de la base ortonormal {wi } , 2 luego x, P x = i i |ai | , por lo cual se cumple la armaci on rec proca. QED Se puede reenunciar la proposici on anterior de la siguiente forma : Proposici on 5 (Descomposici on espectral para operadores positivos). Para todo operador positivo P B (H) existe una base ortonormal de H formada con vectores propios de P, {wi } con valores propios correspondientes {i } tales que P =
i
i |wi wi | con i 0.
1.4
C alculo funcional
Dada una funci on f de valores complejos con dominio en alg un subconjunto de los complejos que contenga el espectro de un operador normal N usando su descomposici on espectral se dene un operador normal asociado con f como f (N ) =
i
f (i ) |wi wi | .
Este procedimiento se usa para denir la ra z cuadrada de un operador positivo, la exponencial de un operador normal, el logaritmo de un operador positivo denido (o estrictamente positivo), o el operador inverso de uno estrictamente positivo. Por ejemplo, dado un operador A sabemos que AA 0 y A A 0 por lo que AA y A A est an bien denidos y son operadores positivos. El u ltimo recibe el nombre de valor absoluto de A y se simboliza con |A| = A A
1.5
Descomposici on polar de un operador
Teorema 6 Sea A un operador lineal en el espacio de Hilbert H. Entonces existen un operador unitario U y un operador positivo K AA tales que A = U |A| = KU, adem as |A| y K son los u nicos operadores positivos que satisfacen estas igualdades, y si A es invertible U es u nico.
POLAR DE UN OPERADOR 1.5. DESCOMPOSICION
A la primera expresi on se le conoce com unmente como la descomposici on polar, mientras que a la segunda algunas veces se le llama la descomposici on polar derecha . Demostraci on. Sea i i |wi wi | , (i 0) la descomposici on espectral de J |A| . Si denimos i = Awi , se cumple que i , i = 2 i. Para aquellos i tales que i > 0 def nase i = i /i . Vemos que satisfacen i , j = wi , A Awj /i j = wi , J 2 wj /i j = ij por lo que son un conjunto ortonormal que podemos extender a una base ortonormal que seguimos simbolizando con i . Consideremos el operador unitario U i |i wi | , luego si i > 0, tenemos que U Jwi = i i = i = Awi y cuando i = 0, U Jwi = 0 = i lo que prueba que A y U J coinciden en los b asicos wi y en consecuencia son iguales.
J es u nico pues al multiplicar por A = JU en el lado izquierdo de A = U J 2 obtenemos J = A A de donde J = A A. Una peque na reexi on nos convence que J es invertible si A es invertible, as U est a determinado por la igualdad U = AJ 1 . Para ver la descomposici on polar derecha, A = U J = U JU U = KU donde K U JU y puesto que AA = KU U K = K 2 debemos tener K = AA . QED
1.5.1
Descomposici on usando valores singulares
Lema 7 (Descomposici on usando valores singulares). Si A es una matriz cuadrada, entonces existen matrices unitarias U,V y una matriz diagonal D con entradas no negativas tales que A = U DV. Los elementos de la diagonal de D son llamados los valores singulares de A . Demostraci on. Consideremos la descomposici on espectral |A| =
i
i |wi wi | ,
donde {wi } es una base ortonormal. Sea V la matriz de cambio de la base est andar a la base {wi } , entonces |A| = V DV donde D es la representaci on de |A| en la base {wi } . Luego usando la descomposici on polar, existe una matriz unitaria R tal que A = R |A| concluimos que A = (RV ) DV es la descomposici on buscada. QED
1.6
La traza de un operador
Otra funci on de operadores importante es la traza de un operador. Como sabemos, cuando A es una matriz cuadrada su traza es la suma de los elementos de la diagonal tr (A) = i Aii , vamos a reconsiderar esta funci on en la siguiente, Denici on. La transformaci on tr : B(H) C denida por trA = , A donde { } es cualquier base ortonormal de H se llama la traza n n n n de A. Veamos que la denici on no depende de la base elegida: sea {m } otra base ortonormal, luego n , An = y por tanto =
m n m n
n , m m , An = n , An =
n m m
A m , n n , m
A m , n n , m A m , m =
m
A m , n n , m =
m , Am ,
el intercambio en el orden de las sumas se puede realizar porque son nitas. Proposici on 8 La traza de un operador tiene las siguientes propiedades a) tr : B (H) C, es una funci on lineal continua con la norma de operadores. b) trT = trT c) trT S = trST cuando S B (H1 , H2 ), T B (H2 , H1 ) (la traza es c clica).
d) trU T U 1 = trT para cualquier operador invertible U . En particular cuando U es unitario. e) Si 0 T entonces 0 trT f ) trA =
i
Aii , para todo A B (H).
g) trT = suma de valores propios de T incluyendo multiplicidades. h) tr A |u v | = v, Au para todos u, v H.
Demostraci on. Las propiedades b), e) y f) son inmediatas. a) La linealidad es inmediata. Para probar la continuidad, supongamos que n = dim H y sea i un valor propio de T asociado al vector propio i , que podemos suponer de norma 1, entonces
1.7. PRODUCTOS TENSORIALES

2 2 2
|i | = T i , T i = T i ( T i ) de donde |i | T ahora usamos g) y tenemos |trT | = | i i | i |i | n T de donde se sigue la continuidad. c) Sean {en } , {fm } bases ortonormales de H1 y de H2 respectivamente, luego fm , ST fm 2 = S fm , T fm 1 = n S fm , en 1 en , T fm 1 y por tanto trST =
n m n
S f m , en
2
en , T f m
1
T en , fm
fm , Sen
T en , Sen
en , T Sen
= trT S.
d) El resultado es inmediato de c). g) Se usa f) y por d) podemos usar cualquier representaci on matricial, pues bien, usemos la descomposici on can onica de Jordan. h) Sea v distinto de cero. No perdemos generalidad si suponemos que tiene norma 1. Ahora completamos v a una base ortonormal digamos {v = e1 , e2 ..., en } y entonces tr A |u v | = i e1 , ei ei , Au = e1 , Au . QED
1.7
Productos tensoriales
Mediante el producto tensorial podemos usar espacios de Hilbert para formar espacios de Hilbert mas grandes. Supongamos que V y W son espacios de Hilbert de dimensi on n y m respectivamente entonces V W es un espacio vectorial de dimensi on nm. Para justicar la existencia del producto tensorial y sus propiedades necesitamos la siguiente discusi on.
Proposici on 9 (Construcci on del espacio vectorial libre con base S ). Dado un conjunto nito S = {s1 , , , sn } , existe un espacio vectorial T sobre K que tiene como base a {1s1 , ..., 1sn } . Demostraci on. Denamos para cada si S y cada c K, el s mbolo csi como la funci on csi : S K tal que csi (sj ) = cij . De esto es claro que a K, a (csi ) = (ac) si y (c + a) si = asi + asi . Sea T el espacio vectorial de todas las combinaciones lineales formales c1 s1 + c2 s2 + ... + cn sn , es decir T consta de todas las funciones de S en K que se pueden escribir en la n forma i=1 ci si para algunos ci K por lo que queda claro que es un espacio vectorial sobre K.
10
El espacio T tiene como base a las funciones {1s1 , ..., 1sn } pues estas forman n un subconjunto linealmente independiente ya que si i=1 ci 1si = 0 al evaluar en el elemento sj la funci on del lado izquierdo obtenemos
n n
ci 1si (sj ) =
i=1 i=1
ci 1ij = cj ,
es decir cj = 0 para cada j. QED
1.7.1
El Producto tensorial de espacios vectoriales
Sean V, W y U espacios vectoriales sobre un campo K. Denici on. G : V W U es una funci on bilineal, si son lineales las aplicaciones v V , w G (v, w) y w V , v G (v, w)
asicas). Si V y Teorema 10 (Existencia del Producto tensorial y propiedades b W son espacios vectoriales de dimensi on n y m respectivamente sobre un campo K, entonces existe un espacio vectorial V W de dimensi on nm y una funci on bilineal : V W V W, tal que (v, w) v w satisface las siguientes propiedades: a) El producto de v V y w W se denota por v w y satisface las siguientes relaciones: Si v1 , v2 V y w W, (v1 + v2 ) w = v1 w + v2 w Si w1 , w2 W y v V, v (w1 + w2 ) = v w1 + v w2 Si c es un escalar arbitrario y w2 W , v V , c (v w) = (cv ) w = v (cw) b) Todo elemento del producto tensorial se puede escribir en la forma para algunos escalares ci , y algunos vi V, ui W.
i ci vi ui
c) Si {v1 , ..., vn } y {w1 , ..., wm } son bases de V y W respectivamente, entonces los elementos vi wj , i = 1, ..., n y j = 1, ..., m constituyen una base de V W.
11
d) Propiedad Universal. Si U es un espacio vectorial sobre K y L : V W U es una funci on bilineal, entonces existe una u nica aplicaci on lineal L : V W U tal que L = L es decir L (v, w) = L (u v ) v V, w V.
Prueba de a). Sean {v1 , ..., vn } y {w1 , ..., wm } bases de V y W y sea S = {sij }ij un conjunto cualquiera con nm elementos. Denimos V W como el espacio vectorial libre sobre K con base S . Es decir V W es un espacio vectorial de dimensi on nm y consta de todas las combinaciones lineales formales de elementos sij con n m coecientes en K, o sea expresiones de la forma i=1 j =1 cij sij con cij K. n m Si v = i=1 xi vi y w = j =1 yj wj son las expresiones de v y w en t erminos de los b asicos se dene su producto tensorial como el elemento
n m
vw =
i=1 j =1
xi yj sij
en particular vi wj = sij n Probemos que (v, w) v w es bilineal. Sea v = i=1 xi vi y sean n on v y w como antes, entonces cv + v = i=1 (cxi + xi ) vi , luego por denici x y s = cx y s + ( cx + x ) y s = (cv + v ) w = j ij i j ij i j ij i i i j i j i j cv w + v w. La prueba de la linealidad en el otro lado es semejante. Prueba de b). Con la notaci on anterior, sabemos que un elemento arbitrario del producto endolo tenemos que = tensorial es de la forma = i j cij vi wj , reescribi
i
vi
j cij wj
lo que muestra el resultado.
Prueba de c). Sean {v1 , ..., v n } y {w1 , ..., vm } bases de V y W respectivamente, si v = i xi vi y w = j yj wj son las expresiones en t erminos de los b asicos de v y w, entonces vw = i j xi yj vi wj es decir los nm elementos vi wj generan al espacio vectorial V W de dimensi on nm y por tanto, necesariamente son linealmente independientes lo que prueba que forman una base. Prueba de d). Sea L : V W U una funci on bilineal. Deniendo L (vi wj ) = L (vi , wj ) , sabemos que existe una u nica trasformaci on lineal L : V W U. Adem as, si v V, w W son elementos cualesquiera expresados (como antes) en t erminos de los b asicos, entonces L (v, w) = L i xi vi , j yj w j = i j xi yj L (vi , wj ) = L (v w ) .
12
1.7.2
Producto tensorial de operadores
Como aplicaci on de la propiedad universal del producto tensorial se puede justicar que, salvo isomorsmo de espacios vectoriales, el producto tensorial es u nico. Tambi en se usa para construir el producto tensorial de operadores como sigue. Supongamos que V, W son espacios vectoriales de dimensi on nita y que A : V V , B : W W son operadores lineales. Denimos L : V W V W como L (v, w) = Av Bw, es inmediato vericar que L es una funci on bilineal, entonces existe una u nica funci on lineal L : V W V W tal que L (v w) = L (v, w) = Av Bv. Se denota a L como A B es decir, A B es el u nico operador lineal tal que v V, w V, (A B ) (v w) = Av Bw.
Sea La (V ) el espacio vectorial formado por todas las transformaciones lineales de V en V. Observemos que se cumple que La (V )La (W ) La (V W ) y como el subespacio vectorial de la izquierda tiene la misma dimensi on que el de la derecha, vemos que en el contexto de dimensionalidad nita se cumple que La (V )La (W ) = La (V W ). Por 2) del teorema anterior esto signica que todo operador lineal L : V W V W se puede expresar como una combinaci on lineal de productos tensoriales de operadores lineales que van de V en V con operadores lineales de W en W ci Ai Bi . L=
i
1.7.3
Producto tensorial de espacios de Hilbert
Cuando (H1 , , 1 ) y (H1 , , 2 ) son espacios de Hilbert de dimensi on n y m respectivamente, la construcci on anterior nos proporciona el espacio vectorial H1 H2 . Usando los productos internos de cada espacio se dene un producto interno en H1 H2 de la siguiente forma: Sean {v1 , ..., v n } y {w1 , ..., wm } bases de H1 y H2 respectivamente, si v = i xi vi , v = r xr vr , w = j yj wj y w = s ys ws son las expresiones en t erminos de los b asicos, entonces se dene el producto interno de v w = i j xi yj (vi wj ) y v w = r s xr ys (vr ws ) como
i i,j,r,s j
xi yj (vi wj ) ,
1
xr ys (vr ws )
2
xi yj xr ys vi , vr
wj , ws
13
en particular c1 (v1 w1 ) , c2 (v2 w2 ) = c1 c2 v1 , v2 1 w1 , w2 2 . Se puede vericar que esta funci on satisface los axiomas de un producto interno. Con respecto a la norma inducida por , , H1 H2 es un espacio de Hilbert ya que por ser un espacio de dimensi on nita es completo, adem as si {i } , {j } son bases ortonormales de H1 y H2 respectivamente, entonces {i j } es una base ortonormal de H1 H2 . La construcci on anterior se generaliza cuando aparecen involucrados m as de dos espacios de Hilbert y se cumplen las siguientes propiedades del producto tensorial de operadores. Proposici on 11 Sean Hi , i = 1, 2, ..., n espacios de Hilbert de dimensi on nin S y T = T , donde S : H H , T : H Hi , ta. Si S = n i i i i i i=1 i i=1 i entonces a) T = i Ti y ST = i Si Ti b) Si cada Ti tiene un inverso, T tiene inverso y T 1 = i Ti1 c) T es auto-adjunto, unitario, normal o proyecci on si cada Ti es auto-adjunto, unitario, normal o proyecci on. d) S es positivo si cada Si es positivo f ) Si Ti = |ui vi | donde ui , vi Hi , entonces T = |u1 u2 un v1 v2 vn | Demostraci on. Se sigue directamente de las deniciones y la omitimos.
Proposici on 12 Para todos S B (H1 ) y T B (H2 ) se cumple trS T = trS trT. Demostraci on. Si {v1 , ..., vn } y {w1 , ..., wm } son bases ortonormales de H1 y H2 respectivamente, {vi wj } es una base ortonormal, luego vi wj , S T (vi wj )
i,j
=
i,j
vi wj , Svi T wj vi , Svi
i,j
= =
i
wj , T wj wj , T wj . QED
j
vi , Svi
14
1.8
Resultados auxiliares
A continuaci on discutiremos dos lemas que ser an de utilidad en los cap tulos restantes, la raz on de incluirlos aqu es que son similares en contenido y uno de ellos es una propiedad referente al producto tensorial de operadores positivos. Denici on. Sea 0 y = i i |ui ui | su descomposici on espectral, entonces denimos el operador log = i i |ui ui | donde i = log i 0 si i > 0 si i = 0
La diferencia fundamental con log cuando > 0 es que este u ltimo es invertible mientras que el que acabamos de denir no lo es en general. umero real y un operador en H. Si > 0 y Lema 13 Sea un n entonces log () = log I + log . > 0 ,
on espectral de , es Demostraci on. Si = i i |ui ui | es la descomposici on espectral de y por ende claro que = i i |ui ui | es la descomposici log = log
i i
log (i ) |ui ui | =
i
(log + log i ) |ui ui | =
|ui ui | +
log i |ui ui | = log I + log . QED B (H1 ) y B (H2 ) , entonces
Lema 14 Si , > 0 con
log ( ) = (log ) I2 + I1 (log ) Demostraci on. Si j j |vj i i |ui ui | , pectrales de y respectivamente, entonces descomposici on espectral de y por tanto log ( ) =
i,j
vj | son descomposiciones esi,j i j |ui vj ui vj | es la ui vj | ,
log (i j ) |ui vj
pero esta suma es igual a

i,j
log i |ui ui | |v j log i |ui ui |)

j
vj | + |v j
i,j
log j |ui ui | |v j
i
vj | =
j
vj | + (
|ui ui |)
log j |v j
vj | =
(log ) I2 + I1 (log ) . QED
Cap tulo 2
Representaci on de Lindblad
2.1 La traza parcial
Advertencia sobre la notaci on. Sean H1 , H2 , H3 espacios de Hilbert. Cuando se trata con productos tensoriales, para hacer menos pesada la notaci on se acostumbra simbolizar H1 H2 H3 con H123 , y 123 simboliza un operador lineal de H123 en H123 . Si en un mismo enunciado aparecen 123 B (H123 ) , 12 B (H12 ) , 2 B (H2 ) etc, signica que 2 = tr13 123 , 12 = tr3 123 , etc. ( el s mbolo tr13 (), etc. se denir a en el siguiente p arrafo). Tambi en se acostumbra abusar de la notaci on y suprimir la identidad en productos tensoriales de operadores, e.g. log 12 B (H123 ) signica (log 12 ) I3 . Sin embargo, cuando sea pertinente escribiremos expl citamente los s mbolos. Denici on. Sean H1 , H2 espacios de Hilbert, y 12 un operador en H12 denimos la traza parcial (en el espacio H1 ) de 12 como el operador 1 B (H1 ) tal que dada una base ortonormal {ei } de H2 se cumple que para cualesquiera u, v H1 , u,
1v
=
j
u ej ,
12
(v ej ) ,
(TP1)
el operador traza parcial se simboliza con 1 tr2 12 . Nota: an alogamente se dene 2 tr1 12 . Demostraremos a continuaci on la existencia de la traza parcial. Primero veamos que la suma no depende de la base elegida. Sea {j } otra base ortonomal de H2 y recordemos que trA |x y | = y, Ax , luego
j
u j ,
12
(v j ) =
tr
12
|v j u j | = |v u| |j j | =
tr
12
(|v u| |j j |) = tr
12
15
16 tr
12
DE LINDBLAD CAP ITULO 2. REPRESENTACION |v u|

j
|j j | u j ,
= tr
12
12
(|v u| I2 ) , es decir
12
(v j ) = tr
(|v u| I2 ) .
Pongamos provisionalmente Lu (v ) = j u ej , 12 (v ej ) , y observemos que para u jo Lu () B (H1 , C) lo que se ve aplicando la desigualdad de Schwarz y usando que la dimensi on de H2 es nita. Aplicando el bien conocido Lema de Riesz tenemos que existe un u H1 tal que u , v = Lu (v ) para todo v H1 , ahora haciendo variar a u podemos denir una funci on : H1 H1 tal que u = u . Se puede vericar que es un operador lineal continuo. Por la forma como fue construido tenemos que Lu (v ) = u, v = u, v denimos nico operador lineal tal que u, v H1 , 1 = y por tanto 1 es el u u ej ,
i 12
(v ej ) = u,
1v
El operador 1 es u nico porque de haber otro con la misma propiedad, digamos 1 , tendr amos que u, v H1 , u, 1 v = u, 1 v de donde 1 = 1 . QED Podr amos haber denido la traza parcial de la siguiente manera. Proposici on 1 Sea 12 un operador en H12 y 1 B (H1 ) . Entonces tr2 12 si, y s olo si, para todo x B (H1 ) se cumple que tr 1 x = tr
12 1
(x I2 )
(TP2)
Demostraci on. Para la implicaci on directa, sean {ei } , {fj } bases ortonormales de H1 y H2 respectivamente, luego tr (x I2 ) =
i,j
12
ei f j ,
i j
12
(x I2 ) (ei fj )
= =
i
ei fj ,
1
12
(xei fj )
ei ,
(xei ) = tr 1 x.
Rec procamente, si 1 satisface (TP2), para u, v H1 , se cumple que u, 1 v = tr 1 |v u| = tr 12 (|v u| I2 ) , y como ya vimos en la prueba de la independencia de la base, tr
12
(|v u| I2 ) =
j
u fj ,
12
(v fj ) ,
lo que demuestra (TP1).
QED
2.1. LA TRAZA PARCIAL Proposici on 2 (Propiedades de la traza parcial). Para se cumple lo siguiente,
12
17 un operador en H12
a) La traza parcial es un operador lineal que preserva la traza, es decir, si 12 , 12 B (H12 ) y C, entonces tr2 (12 + 12 ) = tr2 12 + tr2 12 . y tr
12
= tr
= tr 2 .
c) Para todos B (H1 ) , B (H2 ) se satisface que tr2 ( ) tr1 ( ) = tr , y = (tr) .
En particular si A B (HA ) , B B (HB ) y trA = trB = 1, entonces trA (A B ) = B y trB (A B ) = A . Antes de iniciar las demostraciones merece la pena comentar, que en proposiciones donde aparece involucrada la traza parcial, algunas veces convendr a utilizar la propiedad (TP1) y otras, su equivalente (TP2) como se ilustrar a en las siguientes demostraciones. Demostraci on. a) Sean 1 = tr2 12 y 1 = tr2 12 y x B (H1 ). Por la linealidad de la traza y (TP2) tenemos, tr [(1 + 1 ) x] = tr (1 x) + tr (1 x) = tr12 (x I2 ) + tr12 (x I2 ) = tr (12 + 12 ) (x I2 ) .
12
b) Al usar (TP2) con x = I1 , se obtiene tr ( 1 I1 ) = tr [
(I1 I2 )] .
c) Vericaremos que se cumple (TP1). Sea {fj } una base ortonormal de H2 y sean u, v H1 y j fj , (fj ) = tr . Calculando tenemos, u fj , ( ) (v fj )
j
=
j
u fj , v fj u, v fj , fj =
j j
fj , fj u, v
= =
u, v ,
y por (TP1) concluimos que tr2 ( ) = es decir, tr2 ( ) = tr. QED Del mismo estilo son las pruebas de las siguientes propiedades.
18 Lema 3 Si
23
DE LINDBLAD CAP ITULO 2. REPRESENTACION B (H23 ) y

2
= tr3
23 , 23 )
entonces se cumple que = I1

2.
tr3 (I1
Demostraci on. Sean a, a H1 y b, b H2 y sea {ei } una base ortonormal de H3 . Calculando tenemos
i
a b ei , (I1 a, a b ei ,
23
23 ) (a
b ei ) = b,
i 2b
a b ei , a = a b, (I1
23
(b ei ) = b) ,
(b ei ) = a, a
2 ) (a
es decir se cumple que a b, (I1

2 ) (a
b) =
i
a b ei , (I1
23 ) (a
b ei ) .
Luego dados u, v H12 por b) del Teorema 1.10 podemos expresarlos en la forma u = r ar br , v = s as bs y por la sesqui-linealidad del producto interno, obtenemos que
i
u ei , (I1 (
s r
23 ) (v
ei ) =
23 ) (( s
ar br ) ei , (I1
i
as bs ) ei ) = bs ei ) =
r
ar br ei , (I1
2 ) (as
23 ) (as
ar br , (I1
2) v
bs ) =
ar br , (I1
23 ) (
as bs ) =
u, (I1
, es decir se tiene que para todas u, v H12

2) v
u, (I1
=
i
u e i , ( I1
23 ) (v
ei ) . QED
Desarrollaremos un resultado auxiliar que ocuparemos en el cap tulo 4, pero antes, necesitamos observar que si 123 > 0 es un operador en H123 y R 1 (I1 ( 2 + uI ) I3 ) con u 0, u R, entonces R = I1 R2 I3 , donde 1 R2 = ( 2 + uI ) > 0. Proposici on 4 Sea 123 H123 con y 23 = tr1 123 , entonces tr [(
12 123
> 0. Si
= tr13
123 ,
12
= tr3
123
I3 ) R (I1
23 ) R]
= tr [ 2 R2
2 R2 ] .
2.1. LA TRAZA PARCIAL Demostraci on. Sean 1 B (H1 ) y 2 B (H2 ) , se arma que tr [(1 2 I3 ) R (I1
23 ) R]
19
= tr1 tr [2 R2
2 R2 ] .
En efecto, si {a} , {b} , {c} son bases ortonormales de H1 , H2 , H3 respectivamente, entonces

a,b,c a,b a,b b b
a b c, [(1 2 I3 ) R (I1
c 1 a R2 2 b c, (I1 2) a 23 ) a
23 ) R] a
bc =
R2 b c =
1 a R2 2 b, (I1 a
R2 b =
2) a
a R2 2 b, (1 I2 ) (I1
R2 b =
R2 2 b, (tr1 ) 2 R2 b = tr1 b b, 2 R2 2 R2 b , observe que hemos usado el lema previo al sumar sobre c y la Proposici on 2 inciso c) en la pen ultima igualdad. i i i i B (H2 ) ; B (H1 ) y 2 con algunos 1 2 Ahora escribimos 12 = i 1 i no perdemos generalidad si suponemos que cada 1 tiene traza 1. Por argumentos de linealidad y usando lo anterior concluimos que tr [( 12 I3 ) R (I1 23 ) R] = tr [ 2 R2 2 R2 ] . QED
Lema 5 Sea 12 B (H12 ) y B (H3 ) . Si a) Cuando tr = 1,
= tr1
12 ,
entonces
tr13 (12 ) = 2 b) tr1 (12 ) = 2 Demostraci on. a) Sea Y B (H2 ). Calculando tenemos que tr (12 ) (I1 Y I3 ) = tr (12 (I1 Y ) ) = tr12 (I1 Y ) tr = tr12 (I1 Y ) = tr (2 Y ) , o sea tr (2 Y ) = tr (12 ) (I1 Y I3 ) b) Sea {a} , una base ortonormal de H1 y tomemos b, b H2 y c, c H3 , entonces a b c, (12 ) a b c
a
=
a
a b c, 12 (a b ) c c, c
a
= = =
a b, 12 (a b )
c, c b, 2 b b c, (2 ) b c ,
20 o sea
DE LINDBLAD CAP ITULO 2. REPRESENTACION
b c, (2 ) b c =
a
a b c, (12 ) a b c ,
luego usamos la linealidad del producto interno y el hecho de que podemos escribir u = i bi ci y v = i bi ci con algunos bi , bi H2 y ci , ci H3 para concluir que u, (2 ) v = a a u, (12 ) a v para cualesquiera u, v H23 . QED
2.2
Puricaci on
Lema 6 (Puricaci on). Sea H1 un espacio de Hilbert. Dado 1 B (H1 ), con tr 1 = 1 y 1 0, existen un espacio de Hilbert H12 y 12 B (H12 ) tal que un H12 con = 1 y que satisface, 12 = | | para alg
1
= tr2
12
Este resultado se suele expresar diciendo que dado un estado cu antico 1 ( o una matriz de densidad), existe un estado puro 12 (i.e. un operador de la forma 12 = | | para alg un H12 con = 1) tal que 1 = tr2 12 . Demostraci on. Escribamos a
1 1
en su representaci on espectral
m
=
i=1
i |i i | ,
donde {i } es una base ortonormal de H1 de vectores propios de 1 asociados a los valores propios {i } . Sea H2 un espacio de dimensi on m con una base ortonormal {j } .
1
Si i=1 i2 i i , entonces 12 | | es un estado puro tal que 2 = tr2 12 , en efecto calculando tenemos , =
i,j
2 i2 j i i , j j 1 1
=
i,j
2 i , j i2 j
i , j =
i
i = 1 .
Y usando la sesqui-linealidad de | | obtenemos, | | =

i,j
2 i2 j |i j | |i j | 1 1
de tal forma que por la linealidad de la traza parcial, tr2 | | = =

1 1
i,j
2 i2 j tr2 [|i j | |i j |] =
i,j
2 i2 j |i j | tr (|i j |)
i,j
2 i2 j |i j | j , i =
i |i i | . QED
DE SCHMIDT 2.3. DESCOMPOSICION
21
2.3
Descomposici on de Schmidt
Teorema 7 (La descomposici on de Schmidt). Para cualquier vector normalizado H1 H2 existen conjuntos ortonormales {i },{j } de H1 y H2 respectivamente tales que = i i i ,
i
donde {i } son n umeros reales no negativos que satisfacen
2 i =1 .
Demostraci on. Sean {ej } , {fk } bases ortonormales de H1 y H2 , respectivamente entonces {ej fk } es una base ortonormal de H1 H2 y para algunos escalares ajk podemos escribir =
j,k
ajk ej fk .
(S1)
En caso de que las dimensiones de H1 y H2 no coincidan, ponemos algunos ars = 0 para que la matriz A = (ajk ) sea cuadrada, luego por el lema 1.7 existen matrices unitarias U,V tales que A = U DV, donde D es una matriz diagonal con entradas no negativas. Por tanto, el elemento j,k- esimo de A se puede escribir como ajk = (U DV )jk = i uji dii vik , r dir vrk ) = i uji ( i uji (DV )ik = sustituyendo esto en (S1) podemos escribir = i,j,k uji dii vik ej fk = Deniendo i
j i
dii
uji ej (
vik fk ) .
uji ej , i
k
vik fk
, i dii ,
y usando que U es unitaria (respec. V ), por la ortonormalidad de {ej } (respec. {fk }) es f acil vericar que {i } y {i } son conjuntos ortonormales, y con base es esto, al desarrollar , y usar que es un vector de norma 1 se obtiene que i 2 i = 1. QED
2.4
Operadores completamente positivos
Denici on. Un operador completamente positivo (CP), es una funci on : B (H1 ) B (H2 ) de la forma
n
( ) =
i=1
Ei Ei ,
para algunos Ei B (H1 , H2 ) . Comentemos que esta representaci on de se llama representaci on de Krauss y que existen otras deniciones equivalentes para un operador CP, ver [6].
22
Denici on. Una funci on lineal : B (H1 ) B (H2 ) preserva la traza si para todo B (H1 ) , se cumple que tr ( ) = tr .
A continuaci on discutimos una clase especial de operadores CP que preservan la traza. Proposici on 8 La traza parcial es un operador completamente positivo que preserva la traza. Demostraci on. Preserva la traza por la Proposici on 2 a). Para probar la primera parte supongamos que tenemos un sistema conjunto H12 y que deseamos descartar H2 . Sea {vj }j J una base ortonormal de H2 . Para cada i J , denimos un operador lineal Ei : H12 H1 por Ei
j
j qj vj = i qi ,
donde {j } C y {qj } H1 . Observemos que cada E i est a bien denido pues cada elemento de H12 se puede escribir como combinaci on lineal de elementos de la forma q h, con q H1 y h H2 pero cada uno de estos se expresa como qh=q j j q vj . j j vj = Ahora vericaremos que para cada i, el operador adjunto Ei : H1 H12 , act ua como (q ) = q vi , Ei para esto, sean p, q H1 y y H2 expresado en t erminos de la base {vj } como y = j j vj . Calculando tenemos, q vi , p y = j j q vi , p vj = j j q, p vi , vj = i q, p vi , vi = i q, p , y por otra parte q, Ei (p y ) = q, Ei j j p vj H1 y y H2 se cumple que
= q, i p = i q, p , es decir p, q
q vi , p y = q, Ei (p y ) . Con base en lo anterior abordemos el caso general; sean q H1 y H12 , entonces

j
pj yj
2.4. OPERADORES COMPLETAMENTE POSITIVOS q, Ei q vi ,

j
23
pj yj
j
q, Ei (pj yj ) =
q vi , pj yj =
pj yj
y podemos concluir que Ei ( q ) = q vi .
Ahora denimos : B (H12 ) B (H1 ) , tal que para todo B (H12 ) , ( ) = i Ei Ei . Vericaremos que para todo B (H1 ) se cumple la igualdad ( |vj vj |) = jj = tr2 ( |vj vj |) , en efecto, si q H1 , ( |vj vj |) q =
i i i Ei ( |vj vj |) Ei (q ) = i
(R1)
Ei ( |vj vj |) (q vi ) =
E i [ q | vj vj | vi ] =
vj , vi Ei [ q vj ] = Ej [ q vj ] = jj q. Esto es ( |vj vj |) q = jj q.
Por otra parte, sea x H1 arbitrario. Usando la denici on de traza parcial se tiene que x, tr2 ( |vj vj |) q =
r r
x vr , ( |vj vj |) q vr =
r
x vr , q |vj vj | vr =
vj , v r
j
x vr , q vj = q .
j
x vj , q vj = x, q vj , vj = x, j
Por tanto, para toda x H1 se cumple que x, tr2 ( |vj vj |) q = x, j y podemos concluir que para todo q H1 tr2 ( |vj vj |) q = j
j
(q ) ,
(q ) ,
lo cual muestra que (R1) se cumple. Como y tr2 () son lineales, (R1) implica que son iguales como veremos a continuaci on. Dado un elemento arbitrario u H2 lo podemos escribir como combinaci on lineal en t erminos de la base {vj } y por ende, usando la sesqui-linealidad de | | todo |u u| B (H2 ) se puede escribir como combinaci on lineal de elementos de la forma |vj vj | , entonces por la linealidad de y de tr2 () la relaci on (R1) tambi en es v alida para cualquier B (H1 ) y para todo |u u| con u H2 arbitrario. Esto u ltimo implica que y tr2 () coinciden en elementos de la forma donde es arbitrario y es Hermitiano porque por el teorema espectral, se puede escribir como combinaci on lineal de elementos de la forma |ui ui | con {ui } H2 .
24
Finalmente, y tr2 () coinciden en elementos de la forma donde , son arbitrarios, pues recordemos que en la prueba de la Proposici on 1.3 vimos que todo operador se puede escribir como combinaci on lineal de dos operadores Hermitianos. QED
2.4.1
Adjunto de un operador CP
HS
Dado un espacio de Hilbert H, en B (H) se dene un producto escalar , llamado producto interno de Hilbert-Schmidt de la siguiente manera S, T B (H) , S, T
HS
= trS T.
Resulta que respecto a este producto interno el adjunto del operador CP n , es el : B (H1 ) B (H2 ) con representaci on de Krauss (x) = i=1 Ei xEi n operador : B (H2 ) B (H1 ) tal que (y ) = i=1 Ei yEi , y B (H2 ) como veremos a continuaci on: y, x
i HS
= y,
Ei xEi
HS
y, Ei xEi
HS
tr (y Ei xEi )=
y Ei x) = tr (Ei
yEi ) x = tr ( tr (Ei
yEi ) x = Ei
yEi ) , x HS y puesto que esta igualdad se cumple y B (H2 ) , x ( i Ei B (H1 ) se concluye que n
(y ) =
i=1
Ei yEi , y B (H2 ) .
Observe que en el desarrollo anterior hemos usado la ciclicidad de la traza y que est an en juego dos productos internos de Hilbert-Schmidt que podr an ser distintos, pero que no obstante esto, los hemos simbolizado de la misma manera para evitar cargar a un m as la notaci on. En la proposici on que sigue discutimos dos criterios necesarios y sucientes para que un operador CP preserve la traza. Proposici on 9 Un operador completamente positivo : B (H1 ) B (H2 ) , con n representaci on de Krauss ( ) = i=1 Ei Ei , Ei B (H1 , H2 ), preserva la traza si, y s olo si, su adjunto respecto del producto interno de Hilbert-Schmidt n : B (H2 ) B (H1 ) tal que (y ) = i=1 Ei yEi para todo y B (H2 ) , es unital i.e., (I2 ) = I1 o equivalentemente si, y s olo si,
n Ei Ei = I1 i=1
DE LINDBLAD 2.5. LA REPRESENTACION
25
Demostraci on. Supongamos que preserva la traza, entonces B (H1 ) , tr = tr ( i Ei Ei ) = i tr (Ei Ei ) = tr [( i Ei Ei ) ] donde hemos usado la ciclicidad de la traza. Es decir para todo se cumple, tr = tr (I2 ) .
Sea (I2 ) = i i |ui ui | su descomposici on espectral donde {ui } es una base ortonormal de H1 . Como (I2 ) |uj uj | = j |uj uj | , entonces para cada j, 1 = tr |uj uj | = tr (I2 ) |uj uj | = trj |uj uj | = j , por lo tanto (I2 ) = I1 .
Rec procamente, suponiendo que i=1 Ei Ei = I1 , inferimos que B (H1 ), tr = tr [( i Ei Ei ) ] = i tr (Ei Ei ) = tr ( i Ei Ei ) = tr ( ) . QED n
2.5
La representaci on de Lindblad
En el siguiente teorema discutimos otra forma de representar a un operador CP que preserva la traza, que generaliza una expresi on dada por Lindblad en [10], la representaci on original establece que cuando el dominio y codominio de coinciden, se cumplen los incisos b) y c) es decir, ( ) = tr2 U ( |a a|) U , donde U es un operador unitario. En la versi on que presentamos U es s olo una isometr a parcial pero en cambio : B (H1 ) B (H2 ) , o sea, que el dominio y codominio pueden ser distintos. Terminamos este comentario destacando que en el inciso d) enunciamos otra manera de representar el adjunto de un operador CP que preserva la traza que ser au til en el cap tulo 4. Teorema 10 (Representaci on de Lindblad general) Sea : B (HA ) B (HB ) un operador CP que preserva la traza, con representaci on de Krauss ( ) = n , donde E B ( H , H ) para cada i, entonces existen operadores E E i A B i i i=1 V : HA HB Cn y U : HA Cn HB Cn tales que: a) U, V son isometr as parciales. b) V V = U ( |a a|) U , donde a C es un vector normalizado. c) ( ) = tr2 V V ,
n
B (HA ) ,
B (HA ) .
d) Si : B (HB ) B (HA ) es el adjunto de respecto del producto interno de Hilbert-Schmidt se cumple que ( ) = V ( I2 ) V, B (HB ) .
26
Demostraci on Sea = {b} una base ortonormal de Cn y a , denimos un operador lineal U : HA Cn HB Cn como U = 0 en [HA a] U ( a) =
b como preserva la traza se cumple que i=1 Ei Ei = I1 , y de esto resulta que U es una isometr a parcial con espacio inicial HA a como veremos a continuaci on: Sea HA , luego n
y por (L1)
Eb b,
a HA a,
U a, U a =
b b b
Eb b,
b
b b
Eb b = Eb , Eb b, b =
b b
Eb b, Eb b = Eb , Eb =
b
Eb , Eb b, b
, Eb Eb = ,
Eb Eb = , .
Ahora veremos que HA , b {b}

U ( b) = Eb a,
(L2)
para lo cual sea {} una base de HA , luego b, U ( a) = b,

b b
Eb b =
b, Eb b =
, Eb b, b = , Eb b, b = Eb , a, a = Eb ( ) a, a
esto es U ( b) , a = = b, U ( a) Eb ( ) a, a ,
tambi en si b = a se cumple que U ( b) , b = b, U ( b ) = b, 0 =

0 = Eb ( ) , a, b = Eb ( ) a, b ,
es decir que para cualquier elemento b de la base { b} tenemos que

U ( b) , b = Eb ( ) a, b ,
por lo tanto se cumple la igualdad (L2). Para continuar denimos j : HA HA Cn mediante j (h) = h a y armamos que su adjunto j : HA Cn HA act ua seg un la correspondencia j (h v ) = a, v h. (L3)
DE LINDBLAD 2.5. LA REPRESENTACION
27
En efecto, sea un elemento arbitrario v Cn expresado en t erminos de los b asicos como v = b b b, luego para elementos arbitrarios h, h2 HA , tenemos que h v, j (h2 ) = h v, h2 a = h, h2 v, a = h, h2 h, h2 esto es j ( h v ) , h2 = = h v, j (h2 ) a, v h, h2
b b
b b, a =
b b, a = a h, h2 a, a = a h, h2 ,
lo que muestra (L3). Despu es denimos la funci on V : HA HB Cn como la composici on V = U j y vericaremos que tiene las propiedades enunciadas: a) Como U es una isometr a parcial, por la forma en que est a denida V se sigue inmediatamente que tambi en es isometr a parcial. b) Sea {} una base ortonormal de HA . Vericaremos que V V y U |a a| U son iguales en la base { b} de HA Cn . En efecto: V V ( b) = = y por otra parte
U |a a| U ( b) = U |a a| (Eb a) = U ( Eb |a a| a) = a, a U ( Eb a) = U ( Eb a) , U j j U ( b) = U j j (Eb a) U j (Eb ) = U j ( E b ) = U ( Eb a)
lo que demuestra b). c) Hagamos algunos c alculos: sean x, y HA , luego x b, V V (y b) = = = j U (x b) , j U (y b) y a) j (Eb x a) , j (Eb y , Eb x, Eb y = x, Eb Eb
y despu es sumemos para obtener que x, tr2 [V V ] y =

b
x b, V V (y b)
x, Eb Eb y b
= = x,
Eb Eb y b
28

b Eb Eb =
y por la unicidad de la traza parcial concluimos que tr2 V V = ( ).
d) Usaremos la denici on del producto interno de Hilbert-Schmidt , HS , la propiedad (TP2) de la traza parcial y la ciclicidad de la traza como sigue: sean x B (HB ) , y B (HA ) luego x, y HS = trx (y ) = tr (y ) x = tr [tr2 (V yV ) x ] = tr [V yV (x I2 )] = tr [V (x I2 ) V y ] = tr (V x I2 V ) y = V x I2 V, y HS y por lo tanto (x) , y
HS
= =
x, (y )
HS HS
V x I2 V, y
de aqu concluimos que (x) = V (x I2 ) V. QED Para terminar este cap tulo enunciaremos un corolario que conjunta los resultados del Teorema 10 y la Proposici on 8. on : B (HA ) B (HB ) es un operador CP que Corolario 11 Una funci preserva la traza si, y s olo si, existen n N, a Cn un vector normalizado y un operador U : HA Cn HB Cn tales que: ( ) = tr2 U ( |a a|) U , B (HA ) .
Cap tulo 3
Entrop a
3.1 Entrop a de Shannon o cl asica
La entrop a es una medida de la cantidad de informaci on (o incertidumbre) contenida en una fuente de informaci on. Tambi en puede ser usada para cuanticar los recursos necesarios para almacenar la informaci on ver [11, 17]. La fuente puede ser modelada como un proceso estoc astico y esto motiva la siguiente denici on. Denici on (Entrop a de Shannon ). La entrop a de Shannon H (X ) de una variable aleatoria X denida en (, P ), un espacio de probabilidad nito es H (X )
xX ()
p (x) log p (x)
donde p (x) = P (X = x) P X 1 {x} es la distribuci on de probabilidad de X, por tanto p (x) 0 y xX () p (x) = 1. Completamos la denici on conviniendo en que 0 log 0 = 0 lo cual se justix log x, x > 0 es continua en cero, pues ca porque la funci on f (x) = 0, x=0 x log x 0 cuando x 0+ . Observemos que la entrop a de Shannon es una cantidad no negativa, si la base elegida de los logaritmos es estrictamente mayor que 1. Otro factor que determina la elecci on de la base, es el de la unidad en que se necesite expresar la entrop a. Cuando la base es 2, la entrop a est a expresada en bits ; y si se emplean logaritmos naturales la entrop a se mide en nats. Por ejemplo la entrop a de una moneda honesta es 1 bit o log(2) nat. Usaremos logaritmos naturales a lo largo de este trabajo. Ejemplo (funci on de la entrop a binaria.) La entrop a de una variable aleatoria X de dos resultados es Hbin (q ) = q log q (1 q ) log (1 q ) , donde 29
30
CAP ITULO 3. ENTROP IA
q y 1 q son las probabilidades de los dos resultados. No es dif cil ver que Hbin (q ) es una funci on c oncava y que alcanza su m aximo en q = 1 . 2
3.1.1
Entrop a relativa de Shannon
La entrop a relativa es una medida muy u til para medir la cercan a de dos distribuciones de probabilidad p (x) y q (x). Es una cantidad muy u til porque frecuentemente otras cantidades entr opicas pueden ser consideradas como casos especiales de ella . Denici on. Supongamos que p (x) , q (x) son dos distribuciones de probabilidad. La entrop a relativa de p (x) , respecto de q (x) es H (p (x) q (x))
x
p (x) log (p (x) /q (x)) H (X )

x
p (x) log q (x)
donde denimos 0 log 0 = 0 y p (x) log 0 = + si p (x) > 0. Teorema 1 (No negatividad de la entrop a relativa). Sean p (x) , q (x) dos distribuciones de probabilidad, entonces H (p (x) q (x)) 0
con igualdad si, y s olo si, p (x) = q (x) para toda x. Demostraci on. La desigualdad de Jensen (Ap endice A ), nos garantiza que si f es una funci on estrictamente convexa, entonces f ( i ai xi ) i ai f (xi ) , as, si cada a i es tal que 0 < ai < 1, con tal que cada ai 0 y i ai = 1. Adem se obtiene la igualdad s olo si los xi son iguales entre s . En lo anterior, poniendo ax = q (x) y f (t) = t log t, obtenemos H (p (x) q (x)) =
x
p (x) log (p (x) /q (x)) q (x) (p (x) /q (x)) log (p (x) /q (x))
x
q (x) (p (x) /q (x)) log

x x
q (x) (p (x) /q (x)) = 1 0.
=
x
p (x) log
x
p (x)
Si por otra parte H (p (x) 0 =

x
q (x)) = 0, en el desarrollo anterior tenemos que
q (x) (p (x) /q (x)) log [p (x) /q (x)] q (x) (p (x) /q (x)) log
x x
q (x) (p (x) /q (x))
3.2. ENTROP IA CONJUNTA
31
y dado que en este caso f es una funci on estrictamente convexa, por lo ya mencionado concluimos que para todo x se cumple que p (x) /q (x) = 1. QED Un ejemplo de c omo la entrop a relativa se usa para deducir propiedades es el siguiente. Teorema 2 Supongamos que X es una variable aleatoria con d valores, entonces H (X ) log d con igualdad si, y s olo si, X est a uniformemente distribuida. Demostraci on. Usaremos la no negatividad de la entrop a relativa. Sea p (x) una distribuci on de probabilidad sobre X y sea q (x) 1/d la distribuci on uniforme, entonces 0 H (p (x) 1/d) = H (X ) x p (x) log (1/d) = H (X )+ log d x p (x) = H (X ) + log d y hay igualdad si, y s olo si, p (x) = 1/d para cada x. QED
3.2
Entrop a conjunta
Supongamos que X,Y son variables aleatorias; para contestar la pregunta de c omo se relaciona la informaci on contenida en X con la informaci on contenida en Y se introducen los conceptos de entrop a condicional e informaci on compartida. Denici on. Sean X, Y variables aleatorias discretas. La entrop a conjunta de X , Y se dene por H (X, Y ) =
x,y
p (x, y ) log p (x, y ) ,
donde p (x, y ) P (X = x, Y = y ). Intuitivamente, la entrop a conjunta mide nuestra incertidumbre total acerca del par (X, Y ) .
3.2.1
Entrop a condicional
Ahora supongamos que conocemos el valor de Y, por lo que hemos adquirido H (Y ) digamos, bits, de informaci on sobre el par (X, Y ) . La incertidumbre remanente acerca del par (X, Y ) se asocia con nuestra incertidumbre sobre X dado que conocemos Y. Denici on. Sean X, Y variables aleatorias. La entrop a de X condicionada a que conocemos Y se dene como H (X | Y ) = H (X, Y ) H (Y ) Intuitivamente, la entrop a condicional mide la incertidumbre promedio que tenemos sobre el valor de X dado que conocemos el valor de Y.
32
3.2.2
Informaci on com un
Denici on. Sean X,Y variables aleatorias. La informaci on com un o compartida entre X y Y se dene como H (X : Y ) = H (X ) + H (Y ) H (X, Y ) Note que H (X : Y ) = H (X ) H (X | Y ) . Intuitivamente, la informaci on com un contenida en X y Y mide que tanta informaci on tienen en com un X y Y y se obtiene despu es de quitarle a la suma de las informaciones H (X ) y H (Y ) la informaci on conjunta H (X, Y ) porque en H (X )+ H (Y ) la informaci on com un se ha contado dos veces, una por H (X ) y otra por H (Y ), mientras que la informaci on no com un se ha contado una vez.
3.3
Propiedades de la entrop a de Shannon
La denici on que sigue la usaremos en el Teorema 3. Denici on: Una sucesi on de variables aleatorias (X, Y, Z ) es una cadena de Markov si para toda tripleta x, y, z, se verica que P (Z = z, Y = y, X = x) P (Z = z, Y = y ) = . P (Y = y, X = x) P (Y = y ) Abreviaremos la condici on anterior escribiendo simplemente P (Z | Y, X ) = P (Z | Y ) y con X Y Z, simbolizamos que (X, Y, Z ) es una cadena de Markov. Observemos que si, X Y Z es una cadena de Markov, entonces tambi en Z Y X es una cadena de Markov. A continuaci on enlistaremos algunas propiedades de la entrop a de Shannon. Volveremos a encontrar la propiedad 6) en una forma m as general en el cap tulo 4 y la propiedad 4) aparecer a nuevamente en el cap tulo 5 Teorema 3 (Propiedades de la entrop a de Shannon) 1) H (X, Y ) = H (Y, X ) , H (X : Y ) = H (Y : X ) 2) H (Y | X ) 0 y como consecuencia H (X : Y ) H (Y ) , con igualdad si, y s olo si, Y es funci on de X, Y = f (X ) . 3) H (X ) H (X, Y ) , con igualdad si, y s olo si, Y es funci on de X, Y = f (X ) .
3.3. PROPIEDADES DE LA ENTROP IA DE SHANNON 4) Subaditividad: H (X, Y ) H (X ) + H (Y ) , con igualdad si, y s olo si, X y Y son variables aleatorias independientes.
33
5) H (Y | X ) H (Y ) y por ende H (X : Y ) 0, con igualdad si, y s olo si, X y Y son variables aleatorias independientes. 6) Subaditividad fuerte: H (X, Y, Z ) + H (Y ) H (X, Y ) + H (Y, Z ) , con igualdad si, y s olo si, Z Y X es una cadena de Markov. 7) El condicionamiento reduce la entrop a: H (X | Y, Z ) H (X | Y ) Demostraci on. 1) Se sigue de las deniciones. 2) Puesto que p (x, y ) = p (x) p (y | x) tenemos que H (X, Y ) =
x,y
p (x, y ) log p (x) p (y | x) p (x) log p (x)

x x,y
p (x, y ) log p (y | x)
= H (X )
x,y
p (x, y ) log p (y | x)
por lo tanto H (Y | X ) H (X, Y ) H (X ) = x,y p (x, y ) log p (y | x), es decir H (Y | X ) = p (x, y ) [ log p (y | x)] , (E1)
x,y
como este u ltimo t ermino es no negativo se sigue la primera parte del resultado. Para analizar la condici on de igualdad, si H (Y | X ) = 0 cada sumando [ log p (y | x)] p (x, y ) debe ser cero lo que obliga a que log p (y | x) = 0 o bien p (x, y ) = 0. Cuando p (x, y ) = 0 dado que x ocurre, y no ocurre. Ahora supongamos que p (x, y ) = 0, entonces log p (y | x) = 0 es decir p (y | x) = 1, y en todo caso se cumple que la ocurrencia de y depende de la de x, o sea y = f (x) . Rec procamente, usando la misma expresi on (E1) es claro que p (y | x) = 1 x implica que H (Y | X ) = 0. 3) Es consecuencia del inciso anterior.
34
4) Usaremos que para todo t > 0 se cumple la desigualdad t 1 log t con igualdad si, y s olo si, t = 1. p (x) p (y ) p (x, y ) p (x) p (y ) 1 p (x, y )
p (x, y ) log
x,y
x,y
p (x, y )
=
x,y
p (x) p (y ) p (x, y )
= 111=0 , con igualdad si, y s olo si, p (x) p (y ) = p (x, y ) x, y . 5) Se sigue de la subaditividad y de las deniciones relevantes. 6) Se usa la no negatividad de la entrop a relativa de la distribuci on de probabilidad p (x, y, z ) respecto de la distribuci on de probabilidad q (x, y, z ) = 1 p (x, y ) [p (y )] p (y, z ) y la siguiente equivalencia, H (p(x, y, z ) q (x, y, z )) H (X, Y, Z ) + H (X, Y ) H (Y ) + H (Y, Z ) 0 0
La equivalencia se verica usando la denici on de entrop a relativa y las siguientes igualdades: p (x, y, z ) log p (x, y ) =
x,y,z x,y
log p (x, y )
z
p (x, y, z )
=
x,y x,y,z
log p (x, y ) p (x, y ) ,
p (x, y, z ) log p (y ) =
p (y ) log p (y ) ,
y,z
x,y,z
p (x, y, z ) log p (y, z ) =
p (y, z ) log p (y, z )
La condici on de igualdad para la subaditividad fuerte equivale a que la entrop a relativa de p (x, y, z ) respecto de q (x, y, z ) sea igual a cero, o lo que es lo mismo que para toda tripleta x, y, z, se cumpla que, p (x, y, z ) = p (x, y ) [p (y )]
1
p (y, z )
x, y, z
(S1)
La igualdad anterior se puede escribir como 1 1 p (x, y, z ) [p (x, y )] = p (y, z ) [p (y )] , y denotando con p (Z | Y ) la distribuci on de probabilidad condicional cl asica, esta u ltima igualdad la podemos reescribir, como p (Z | X, Y ) = p (Z | Y ) , es decir X Y Z es una cadena de Markov.
3.4. ENTROP IA DE VON NEUMANN
35
Observemos que la igualdad (S1) tambi en, se puede escribir en la forma equivalente, log p (x, y, z ) log p (x, y ) = log p (y, z ) log p (y ) x, y, z
que nos interesa resaltar ahora porque aparecer a nuevamente cuando discutamos las condiciones de igualdad de la subaditividad fuerte de la entrop a de von Neumann. 7) Intuitivamente, esperamos que la incertidumbre acerca de X, dado que conocemos el valor de Y y Z sea menor que nuestra incertidumbre acerca de X, si s olo conocemos el valor de Y. Para la prueba formal simplemente usamos que por denici on se cumplen las igualdades: H (X | Y, Z ) = H (X, Y, Z ) H (Y, Z ) y H (X | Y ) = H (X, Y ) H (Y ) , reescribiendo la desigualdad de subaditividad fuerte obtenemos el resultado H (X, Y, Z ) H (Y, Z ) H (X, Y ) H (Y ) . QED
3.4
Entrop a de von Neumann
La entrop a de Shannon mide la incertidumbre asociada con una distribuci on de probabilidad y es un caso particular de la entrop a de von Neumann. Denici on. Un operador o matriz 0 y B (H) es de densidad, si tr = 1
Observemos que si se representa espectralmente como = i i |i i |, la condici on de que tenga traza 1 signica que i i = 1. Queda como comentario que un operador de densidad tambi en es llamado estado cu antico mezclado, aunque nosotros rara vez usaremos esta denominaci on. Denici on. La entrop a de von Neumann de un operador de densidad S ( ) tr log recordemos que hemos convenido en usar logaritmos naturales (ver los comentarios hechos despu es de la denici on de la entrop a de Shannon ). Si se representa espectralmente como = i i |i i | la denici on anterior se puede expresar como S( )=
i
es
i log i
donde por denici on aceptamos que 0 log 0 = 0
36
Observaciones: a) Por el Teorema 1.1 las matrices de densidad son diagonales respecto a alguna base, es decir, se pueden poner en correspondencia biun voca con distribuciones de probabilidad, y usando la igualdad anterior vemos que la entrop a de von Neumann contiene como caso especial a la entrop a de Shannon. b) Como H es un espacio de Hilbert de dimensi on nita, la entrop a de von Neumann es una funci on continua con la norma de operadores. En efecto: Sean {A, A1 , A2 , . . .} B (H) , operadores de densidad positivo semi-denidos tales que An A. Si para cada n, k (An ) , k (A) son los valores propios enumerados en orden decreciente, de An y A respectivamente, usando el teorema del mini-m ax se puede demostrar (ver el corolario III.2.6 de [1] ), que para cada k, |k (An ) k (A)| An A y por ende para cada k k (An ) k (A) cuando n . Ahora usamos la continuidad de la funci on x log x en el intervalo [0, 1] para concluir que ( A ) log ( ( A )) n k n k k k k (A) log (k (A)) cuando n , es decir limn S (An ) = S (A) .
.
Lema 4 Si U B (H) es un operador unitario y 0 es un operador en H, entonces U (log ) U = log (U U ) .
on espectral de , Demostraci on. Si = i i |i i | es la descomposici on entonces U U = i i U |i i | U = i i |U i U i | es la descomposici espectral de U U ya que {U i } es una base ortonormal de H porque U es unitario. Por tanto, log U U = i log i |U i U i | = U ( i log i |i i |) U = U (log ) U . QED
Proposici on 5 (Invarianza de la entrop a de von Neumann bajo conjugaci on unitaria). Si U B (H) es un operador unitario y 0 es un operador de densidad en H, entonces S (U U ) = S ( ) .
Demostraci on trU U log U U = trU ( log ) U = tr log . La primera igualdad es por el Lema anterior y la u ltima por la invarianza de la traza bajo conjugaci on unitaria. QED
37
3.4.1
Entrop a relativa de von Neumann
Como en el caso de la entrop a de Shannon es u til denir la entrop a relativa. Denici on. Sean , B (H) matrices de densidad tales que ker ( ) ker (), se dene la entrop a relativa de respecto a como S ( )
i
tr log tr log i log i

i j
i cij log j , vj | son descomposiciones espec-
donde = i i |ui ui | y = j j |vj 2 trales, y para cada i, j cij | ui , vj | .
La primera propiedad de la entrop a relativa que discutiremos es su invarianza bajo conjugaci on unitaria, caracter stica que como vimos en la proposici on anterior, comparte con la entrop a de von Neumann. Proposici on 6 (Invarianza de la entrop a relativa de von Neumann bajo conjugaci on unitaria). Si U B (H) es un operador unitario y , 0 son operadores de densidad en H, entonces S (U U U U ) = S ( ) .
Demostraci on. Se sigue de que trU U log U U = trU log U = tr log y de la denici on. QED Para demostrar algunas propiedades de la entrop a relativa y de la entrop a, necesitamos desarrollar algunos resultados, que desembocar an en la prueba de la Desigualdad de Klein (Corolario 9), desigualdad que tambi en ser a de suma ecacia en los pr oximos cap tulos. Lema 7 Sea A un operador auto-adjunto en H y H tal que = 1. Si f es una funci on convexa real con dominio en alg un subconjunto convexo de R que contiene al espectro de A, entonces f ( , A ) , f (A) Nota: Cuando f es estrictamente convexa, la igualdad se da si, y s olo si, es vector propio de A. Demostraci on. Sea A = on espectral de A i ai |i i | la descomposici donde {i } es una base ortonormal de vectores propios y sea = j cj j la 2 expresi on de en t erminos de los b asicos, entonces j |cj | = 1, y f (A) =
i
f (ai ) |i i | luego , f (A) =
|ck | f (ak ) f
|ck | ak
f ( , A ) . QED
38
Teorema 8 (Klein). Sea f una funci on de valores reales, convexa y diferenciable. Si A,B son operadores auto-adjuntos y sus espectros est an contenidos en el dominio de f, entonces tr [ f (A) f (B )] tr [(A B ) f (B )] . Demostraci on. Sea {i } una base ortonormal de vectores propios de B con valores propios asociados {bi } , por el lema anterior y por el Lema A5 del ap endice se cumple que i , (A B ) f (B ) i = = = i , Af (bi ) i i , bi f (bi ) i f (bi ) [ i , Ai bi ] [f ( i , Ai ) f (bi )] i , f (A) i f (bi ) i , f (A) i i , f (B ) i ,
sumando obtenemos el resultado. La siguiente observaci on se usar a en el pr oximo corolario. Si trA = trB, entonces dada una base ortonormal {i } de vectores propios de B con valores propios asociados {bi }, existe j tal que j , Aj = j , Bj = bj . Por lo que si f es estrictamente convexa y tiene segunda derivada, su derivada es estrictamente creciente y por el teorema del valor medio, se cumple que f (bj ) [ j , Aj bj ] < f ( j , Aj ) f (bj ) y la cadena anterior de desigualdades implica que 0 < f ( j , Aj ) f (bj ) f (bj ) [ j , Aj bj ] tr [f (A) f (B ) (A B ) f (B )] , es decir 0 < tr [f (A) f (B ) (A B ) f (B )] . QED
Corolario 9 (Desigualdad de Klein). Para A, B > 0 en B (H) se cumple que tr (A log A A log B ) tr (A B ) , con igualdad si, y s olo si, A = B . Demostraci on. Si f (x) = x log x, entonces tr (A log A B log B ) tr [(log B + I ) (A B )] , desarrollando ambos lados y usando la ciclicidad de la traza vemos que esta desigualdad equivale a trA log A trB log B trA log B trB log B + tr (A B ) de donde se sigue (KLE). (KLE)
39
Para discutir la condici on de igualdad, por la observaci on hecha al nal de la demostraci on del Teorema 8 es suciente considerar el caso cuando trA = trB. Sean A = i ai |ui ui | y B = j bj |vj vj | las descomposiciones espectrales de A y B donde {ui } , {vj } son bases ortonormales para H. 2 Para cada i, j sea cij = | ui , vj | , luego ui , A log Bui = Aui , log Bui = j cij ai log bj y por tanto 0 = =
i
tr (A B ) = tr (A log A) tr (A log B ) ai log ai

j
cij log bj
j
cij bj
ai log ai log H (ai ri ) ,
la desigualdad es debido a que log () es una funci on c oncava (estrictamente) a de Shannon es y hemos denido ri j cij bj . Como sabemos, si la entrop cero, entonces ai = ri para toda i. Sustituyendo esto en los t erminos de arriba tenemos 0
i
ai log ai ri log ri
i j j
cij log bj cij log bj 0,
por la concavidad del logaritmo cada uno de los u ltimos sumandos es no negativo y entonces se cumple que i, log ri = j cij log bj . De nuevo por la concavidad estricta del logaritmo existe un, necesariamente, u nico j tal que cij = 1 y cij = 0 para j = j por lo tanto, existe un u nico j tal que ai = ri j cij bj = bj . En resumen, A y B tienen el mismo espectro y i j tal que ui , vj = 0 alogamente cuando j = j . Por tanto ui = j vj , ui vj = vj , ui vj y an vj = i ui , vj ui = ui , vj ui , usando estas relaciones y el hecho de que Aui = ai ui y Bvj = bj vj = ai vj , despu es de algunos c alculos obtenemos que BAui = ai Bui = a2 i ui y ABui = 2 A vj , ui Bvj = ai ui , es decir A y B conmutan, por el Teorema 1.2 existe una base com un de vectores propios con respecto a la que son diagonales y como tienen el mismo espectro concluimos que A y B son iguales. QED a relativa) Si , B (H) Teorema 10 (No negatividad de la entrop operadores de densidad tales que , > 0, entonces S ( ) 0 con igualdad si, y s olo si, = son
40
Demostraci on. Usamos directamente la desigualdad de Klein. Por esto suele llam arsele desigualdad de Klein a la no negatividad de la entrop a relativa junto con su condici on de igualdad. QED
3.5
Propiedades de la entrop a de von Neumann
El siguiente resultado re une algunas de las propiedades b asicas de la entrop a de von Neumann. Teorema 11 (Propiedades b asicas de la entrop a de von Neumann.) a) La entrop a es no negativa. La entrop a de un estado es cero si, y s olo si, el estado es un estado puro (i.e. es de la forma = | | para alg un H de norma 1). b) En un espacio de Hilbert de dimensi on d la entrop a es a lo m as log d. La entrop a es igual a log d si, y s olo si, el sistema est a en el estado uniformemente I mezclado d . c) Si 12 B (H12 ) es un estado puro (i.e. es de la forma alg un H12 de norma 1), entonces S ( 1) = S ( 2) Se suele enunciar este resultado diciendo que si un sistema compuesto est a en estado cu antico puro, entonces las entrop as de los subsistemas que lo componen son iguales. d) (Entrop a de un producto tensorial ). Para B (H1 ) , B (H2 ) operadores de densidad estrictamente positivos se cumple que S ( ) = S () + S ( ) . Desde el punto de vista de la teor a de la informaci on, esta propiedad se interpreta como sigue: si tenemos dos sistemas independientes descritos por , H1 y , H2 respectivamente, entonces la informaci on total del sistema descrita por , H1 H2 es igual a la suma de informaci on contenida en sus subsistemas. e) (La entrop a relativa es aditiva ). Si i , i > 0 con i , i B (Hi ) son operadores de densidad, entonces S (1 2 1 2 ) = S (1 1 ) + S ( 2 2 )
12
= | | para
3.5. PROPIEDADES DE LA ENTROP IA DE VON NEUMANN
41
f ) Si {pi } es una distribuci on de probabilidad y los estados i tienen soporte en subespacios ortogonales, entonces S
i
pi i
= H (pi ) +
i
pi S (i ) ,
donde el soporte de un operador T se dene como SuppT = [ker T ] . g) Teorema de la entrop a conjunta. Supongamos que {pi } es una distribuci on de probabilidad, {|i } es un subconjunto ortogonal de HA y {i } B (HB ) es un subconjunto de operadores de densidad, entonces S
i
pi |i i| i
= H (pi ) +
i
pi S (i )
Las hip otesis de este resultado se suelen enunciar de la siguiente manera: pi son probabilidades, {|i } son estados ortogonales del sistema A y i es un conjunto de operadores de densidad de otro sistema B. Demostraci on. a) La no negatividad de la entrop a es inmediata de la denici on. Si = | | para alg un de norma 1 es claro que su entrop a es cero. Rec procamente, supongamos que el operador de densidad tiene entrop a on espectral. La condici on cero y sea = i i |ui ui | su descomposici (i log i ) = 0,
i
implica que para cada i, i log i = 0, por lo tanto i0 = 1 para un u nico i 0 , pues i i = tr = 1, porque es un operador de densidad. Concluimos que = |ui0 ui0 | , para un elemento ui0 de norma 1. b) Usamos la no negatividad de la entrop a relativa y que tr = 1. I I 1 1 0S = S ( ) tr log = S ( ) tr log d I = S ( ) log d tr = d d 1 S ( ) log d = S ( ) + log d, y como sabemos por la condici on de igualdad I de la entrop a relativa, hay igualdad a cero si, y s olo si, = d . c) De la descomposici on de Schmidt (Teorema 2.7), sabemos que las trazas parciales tienen los mismos valores propios y como la entrop a est a completamente determinada por los valores propios se tiene el resultado. d) Sabemos (lema 1.14), que log ( ) = (log ) I2 + I1 (log ) y como tr = tr = 1 tenemos que tr [ log ( )] = tr (log ) + tr (log ) , de donde se deduce el resultado. e) Usamos de nuevo que log (1 2 ) = (log 1 ) I2 + I1 (log 2 ) y como en el inciso anterior se tiene que,
42
tr (1 2 ) log (1 2 ) = tr (1 log 1 ) tr2 + tr1 tr (2 log 2 ) , es decir tr (1 2 ) log (1 2 ) = tr (1 log 1 ) + tr (2 log 2 ) y de aqu , usando la denici on de entrop a relativa tenemos S ( 1 2 1 2 ) = tr (1 2 ) log (1 2 ) tr (1 2 ) log (1 2 )
= S (1 2 ) tr (1 log 1 ) tr (2 log 2 ) = S (1 ) S (2 ) tr (1 log 1 ) tr (2 log 2 ) la u ltima igualdad es por el inciso anterior. Usando las deniciones y reagrupando se tiene el resultado.
f ) Supongamos que pi es una distribuci on de probabilidad y que los estados i tienen soportes ortogonales, es decir [ker i ] [ker j ] si i = j . En el caso de dimensi on nita se cumple que [ker T ] = ranT y as , lo anterior equivale a que rani ranj para i = j emplearemos esta forma en la demostraci on. j Sean j y e los correspondientes elementos propios asociados de . Observemos i i i j que pi j i y ei son valores propios y vectores propios asociados de i pi i . Para verlo usaremos que ran i ran j cuando i = j como sigue:
j i e j k , i ek = 1 j k j j j 2 i ek , k ek = 2 1 j k j j 2 i ek , k ek = 1 j k j i i ej k , k ek
0, si k = i. Por lo tanto i ej k pi i
i
= 0 si k = i y en consecuencia,
j j j pi i ej k = pk k ek = pk k ek i
ej k =
y as , S (
i
pi i ) =
j
i,j
j pi j i log pi i =
i,j
pi j i log pi
i
i,j
j pi j i log i =
pi log pi
j i
pi
j j i log i = H (pi ) +
p i S ( i ) .
g) Usando el inciso precedente, tenemos que S(

i
pi |i i| i ) = H (pi ) +
i
pi S (|i i| i )
i
= H (pi ) +
pi [S (|i i|) + S (i )] = H (pi ) +
pi S (i ) ,
la u ltima igualdad se obtiene usando los incisos d) y a). QED
Cap tulo 4
Desigualdades de la entrop a
4.1 Herramienta matem atica
En esta secci on desarrollaremos el bagaje matem atico necesario para el cap tulo. Denici on Supongamos que f (n) , g (n) son dos funciones con valores reales y denidas en los enteros no negativos. Diremos que f(n) est a en la clase de funciones O (g (n)) o s olo que f (n) es O (g (n)) , si existen constantes C > 0 y N0 tales que si n N0 , entonces |f (n)| Cg (n) . Esto es, para n suciente grande la funci on g(n) es una cota superior de f(n) salvo un factor constante. Lema 1 (F ormula del producto de Lie). Para cualesquiera matrices A, B se cumple m A B lim e m e m = eA+B
m
m 1 i=0
Demostraci on. Para dos matrices X, Y y m N se tiene X m Y m = m1i X (X Y ) Y i , entonces X m Y m mM m1 X Y ,
donde M = max { X , Y } .
X + Y A+B A B an acotadas por e( m ) . Poniendo X = e m y Y = e m e m vemos que est Usando la expansi on en serie de potencias de la funci on exponencial se tiene
X Y = 43
44 1+
A+ B m 1 m2
CAP ITULO 4. DESIGUALDADES DE LA ENTROP IA +

1 2 A+ B 2 m
+ 1 +
A m
1 2
A 2 m
+
m
1+ =e
=O , para m grande. Como para todo m, X desigualdad obtenemos eA+B e m e m

A B
B 1 m + 2 A+B
B 2 m
por la primera
m e(
X + Y )
1 m2
que tiende a cero cuando m . QED Teorema 2 (Golden-Thompson). Para operadores auto-adjuntos A y B, tr eA+B tr eA eB . (G-T)
Nota: hay igualdad en la desigualdad anterior si, y s olo si, A y B conmutan, ver [16]. Demostraci on. Sea T un operador cualquiera. Observemos que si {ti } son los valores propios de T usando la descomposici on can onica de Jordan se tiene 2 m que {tm } son los valores propios de T y que | t | son los valores propios de i i i T T, y entonces trT 2m = es decir
2m i ti
m t2 = i m
|ti |
= tr [(T T ) ],
trT 2m tr [(T T ) ] .
Usando esta desigualdad y la ciclicidad de la traza tenemos,

A 2m+1 B 2m+1
tr e
2m+1
tr tr
A 2m+1
B 2m+1
A 2m+1
e ,
B 2m+1
2m
e 2m+1
e 2m+1
m 2 2
es decir tr e 2m+1 e 2m+1

A B
2m+1
tr e 2m e 2m
2m
Repitiendo el procedimiento con este u ltimo t ermino obtenemos

A B
tr e 2m e 2m
2m
tr
e 2m e 2m
A B
e 2m e 2m
2m1
2m1
tr e 2m1 e 2m1
2m
lo que muestra que tr e 2m e 2m

A B
es una sucesi on decreciente acotada supe-
riormente por tre e , t ermino que corresponde a m = 0. Haciendo tender m , por la continuidad de la traza y la f ormula del producto de Lie obtenemos el resultado. QED
4.1. HERRAMIENTA MATEMATICA Lema 3 Sean A, B B (H) tales que A, B > 0, entonces
45
log B log A =
0
(xI + A)
(xI + B )
dx
Demostraci on. Por el teorema fundamental del c alculo para funciones con valores en el algebra B(H), (ver Ap endice D) tenemos que
(xI + B )
0
dx = =
log (I + B ) log B = log I + 1 B log B log I + log I + 1 B log B
Similarmente 1 (xI + A) dx = log I + log I + 1 A log A, y por tanto 0
(xI + A) dx 0 (xI + B ) dx = log I + 1 B +log B +log I + 1 A log A y dado que log () es funci on continua se sigue el resultado. QED
Corolario 4 Para todo x [0, ) y para cualesquiera operadores S, T > 0,
log (S + xT ) log S =
0
1 1 xT du (S + uI ) (S + xT + uI )
Demostraci on. Sean B = S + xT y A = S . Ahora usamos que A1 B 1 = 1 A [B A] B = A1 xT B 1 . QED

1
Lema 5 Si A B (H) es un operador positivo denido y B B (H) es un operador arbitrario, entonces
I=
0
(xI + A)
A (xI + A)
dx.
Como consecuencia
a) A =
0
A (xI + A)
A (xI + A)
dx
b) B =
0
B (xI + A)
A (xI + A)
dx.
46
CAP ITULO 4. DESIGUALDADES DE LA ENTROP IA
Demostraci on. La primera integral se sigue de la continuidad de la inversi on matricial y de las siguientes igualdades,
0
(xI + A)
A (xI + A)
dx =
0
A (xI + A) A (xI + A) A (I + A)
dx
0
= = =
+ A1
1
A 1 I + 1 A
+ A1 . QED
El siguiente teorema fue establecido por E. Lieb en [8] y despu es Epstein [4] encontr o una prueba m as breve que fue simplicada por M.B. Ruskai [16] que es la que recomendamos. Teorema 6 Sea K una matriz ja. Si K es auto-adjunta, entonces la funci on A F (A) = treK +log A es c oncava en A > 0. Demostraci on. Ver el art culo de Mary Beth Ruskai [16], para una prueba simplicada, breve y elegante encontrada originalmente por Epstein en [4]. Teorema 7 (Lieb) Para R, S, T > 0, tr elog Rlog S +log T tr
0
1 1 T du. (S + uI ) (S + uI )
F
Demostraci on. Por el teorema anterior, A tr eK +log A es c oncava para A > 0 y K ja. Sea x un n umero real tal que x > 0. Usando que log (xA) = log xI + log A (Lema 1.13), tenemos eK +log(xA) = eK +log xI +log A = xeK +log A , es decir, la funci on F tambi en es homog enea. Sea K = log R log S , por el Lema A6 (Ap endice A) con a = S y b = T , se tiene que xtr e(log Rlog S )+log T tre(log Rlog S )+log(S +xT ) trelog R trelog R elog(S +xT )log S trR,
la u ltima desigualdad es por (G-T). En resumen trelog Rlog S +log T trRelog(S +xT )log S trR . x
Por otra parte, aplicando el Corolario 4 se tiene que
4.2. SUBADITIVIDAD FUERTE elog(S +xT )log S = e o (x) ,

R
0 1 1 xT (S +xT du (S +uI ) +uI )
47 = I +x
1 1 T du 0 (S +uI ) (S +xT +uI )
y tomando la traza trRelog(S +xT )log S = trR + xtrR
1 1 T du 0 (S +uI ) (S +xT +uI )
+ o (x) , por ende
tr elog Rlog S +log T trR

0
1 o (x) 1 T du + (S + uI ) (S + xT + uI ) x
de donde se sigue el resultado al hacer tender x 0+ . QED
4.2
Subaditividad fuerte
En adelante usaremos la convenci on hecha en la introducci on de que, salvo que se establezca otra cosa, trabajaremos operadores de densidad estrictamente positivos (i.e. operadores de traza 1 y positivos estrictamente). Ocasionalmente para enfatizar alguna propiedad escribiremos expl citamente esta condici on. Observaci on: Usando la igualdad (Proposici on 2.4), tr
12
1 ( 2 + uI )
23
1 = tr ( 2 + uI )
1 ( 2 + uI )
1 , ( 2 + uI )
y la continuidad de la traza deducimos que
tr
0
12
1 ( 2 + uI )
23
1 du = ( 2 + uI ) = =
1 1 du 23 + uI ) ( + uI ) 2 2 0 1 1 tr 2 du 2 ( + uI ) ( + uI ) 2 2 0 1 1 tr du, 2 2 ( + uI ) ( + uI ) 2 2 0 tr
12
es decir
tr
0
12
1 ( 2 + uI )
23
1 du = ( 2 + uI ) =
tr
0
1 ( 2 + uI )
1 du ( 2 + uI )
tr 2 ,
la u ltima igualdad se justica por a) del Lema 5. Usaremos este resultado en la demostraci on del teorema siguiente.
48

123
Teorema 8 (Subaditividad Fuerte). Si densidad estrictamente positivo, entonces S(

123 )
B (H123 ) es un operador de +S(

12 23 )
+ S ( 2) S (
123
12 )
(SSA1 )
23
y la igualdad se alcanza si, y s olo si, log Recordemos que, e.g. log
12
log
= log
log
2.
signica (log
12 )
I3 .
Demostraci on. Por la propiedad TP2 de la traza parcial (Proposici on 2.1) se cumplen las siguientes igualdades: tr 12 log 12 = tr 123 (log 12 I3 ), tr 2 log 2 = tr 123 (I1 log 2 I3 ) y tr 23 log 23 = tr 123 (I1 log 23 ). Sean A = 123 y B = elog 12 log 2 +log 23 , es decir B se ha elegido de tal forma que satisface log B = log entonces S (
123 ) 12 log 2 +log 23 ,
+S(
12 )
S ( 2) + S (
23 )
= tr
123
(log
123
log B ) .
La Desigualdad de Klein (Corolario 3.9) y el teorema de Lieb (Teorema 7), respectivamente implican tr
123
(log
123
log B ) = =
tr tr
123
elog
12 log
2 +log
23
1 1 du 23 ( 2 + uI ) ( 2 + uI ) 0 1 1 tr 123 tr du 2 2 ( + uI ) ( + uI ) 2 2 0 (tr 123 tr 2 ) = 1 1 = 0,

123 12
on previa a este teorema, donde la primera de las igualdades es por la observaci y la segunda es porque el operador traza parcial preserva la traza ( Proposici on 2.2, b) ) por ende se cumple (SSA1 ) Para la condici on de igualdad, notemos que hemos mostrado que S (
123 )
+S(
12 )
S ( 2) + S (
23 )
= tr tr 0,
123
(log 123 log B ) log 12 log 2 +log 123 e
23
de tal manera que si en (SSA1 ) hay igualdad, entonces 0 = tr 123 (log 123 log B ) tr 123 elog 12 log 2 +log 23 = 0, y por la condici on para igualdad correspondiente en la Desigualdad de Klein (Corolario 3.9), tenemos que log 12 log 2 +log 23 . 123 = e Rec procamente, si log 0 = tr
123 123
log
12
= log
123 )
23
log
12 )
2,
entonces
23 ) .
(log
123
log B ) = S (
+S(
S ( 2) + S (
QED
4.3. DESIGUALDADES DE LA ENTROP IA RELATIVA
49
4.3
Desigualdades de la entrop a relativa
Teorema 9 (Monoton a bajo la traza parcial). Si 12 , 12 B (H12 ) son operadores de densidad estrictamente positivos, entonces S (2 2 ) S (12 12 ) (MPT)
Con igualdad si, y s olo si, log 2 log 2 = log 12 log 12 . Recordemos que esta igualdad debe interpretarse como I1 (log 2 log 2 ) = log 12 log 12 . Demostraci on. Por la propiedad (TP2) de la traza parcial (Prop. 2.1), tr2 log 2 = tr12 (I1 log 2 ) y tr2 log 2 = tr12 (I1 log 2 ), entonces S (2 2 ) = tr [12 (I1 log 2 ) 12 (I1 log 2 )]
y por ende S (12 12 ) S (2 2 ) = tr [12 log 12 12 (log 12 + I1 log 2 I1 log 2 )] . Sean A = 12 y B = elog 12 +I1 log 2 I1 log 2
( log B = log 12 + I1 log 2 I1 log 2 ) , entonces la Desigualdad de Klein (Cor. 3.9) y el teorema de Lieb (Teo.7), implican S (12 12 ) S (2 2 ) = = tr 12 elog 12 +log 2 log 2 1 1 2 du (2 + uI ) (2 + uI ) 0 1 1 tr12 tr 2 2 du (2 + uI ) (2 + uI ) 0 (tr12 tr2 ) = 1 1 = 0, tr 12 12
la primera igualdad se demuestra de manera semejante a la observaci on hecha previamente al enunciado del Teorema 8 y la segunda es porque el operador traza parcial preserva la traza y porque al usar la ciclicidad de la traza tenemos tr
0 1 1 2 2 + uI 2 2 +uI du = 0 1 1 tr2 2 + uI 2 2 +uI du = 0 1 1 tr2 2 + uI 2 2 +uI du
1 1 = tr 0 2 2 + ltima integral resulta de aplicar uI 2 2 +uI du = tr2 , donde la u el inciso b) del Lema 5.
Para la condici on de igualdad, observe que hemos mostrado la validez de S (12 12 ) S (2 2 ) = tr (A log A A log B ) tr (A B ) 0
50
de tal manera que si en (MPT) hay igualdad, entonces 0 = tr (A log A A log B ) = tr (A B ) y por la condici on correspondiente en la Desigualdad de Klein (Cor. 3.9) concluimos que A = B o lo que es lo mismo 12 = elog 12 +log 2 log 2 . Rec procamente si log 12 log 12 = I1 log 2 I1 log 2 , entonces log 12 = log 12 + I1 log 2 I1 log 2 , o sea log A = log B y en consecuencia 0 = trA (log A log B ) = S (12 12 ) S (2 2 ) . QED
Teorema 10 (Monoton a de la entrop a relativa bajo operadores completamente positivos) Sea : B (HA ) B (HB ) un operador CP que preserva la traza. Si y son operadores de densidad estrictamente positivos en HA , entonces S ( () ( )) S ( ) , (MONO)
con igualdad si, y s olo si, [log () log ( )] = log log , donde denota el adjunto de respecto al producto interno de Hilbert -Schmidt. Demostraci on. Supongamos que tiene la representaci on de Krauss ( ) = . Por la representaci on de Lindblad (Teorema 2.10, c)), existe una Ei Ei isometr a parcial V : HA HB Cn tal que
n i=1
( ) = tr2 V V
B (HA ) ;
y por el teorema previo (Monoton a bajo la traza parcial), tenemos que S ( () ( )) = = S (tr2 V V tr2 V V ) S (V V V V ) S ( ) ,
la u ltima igualdad se debe a que trV V log V V = tr log , ver [16] para la isometr a parcial V. Esto muestra que se cumple (MONO). Demostremos que la condici on de igualdad es necesaria. Usando de nuevo que para el operador V se cumple que S ( ) = S (V V V V ) se obtiene S ( () ( )) = S ( ) S (tr2 V V tr2 V V ) = S (V V V V )
y por la condici on de igualdad en el Teorema 4.9 (Monoton a bajo la traza parcial ), lo anterior implica que si I2 B (Cn ) es el operador identidad, entonces (log tr2 V V log tr2 V V ) I2 = log V V log V V = V (log log ) V , (4.1)
4.3. DESIGUALDADES DE LA ENTROP IA RELATIVA
51
y como V V = IHA , lo que se puede demostrar a partir de la construcci on de V en el Teorema 2.10, concluimos que si se alcanza la igualdad en (MONO), entonces V [(log () log ( )) I2 ] V = log log ; (4.2) y usando la igualdad ( ) = V ( I2 ) V, B (HB ) , (Teorema 2.10, d) concluimos que la condici on es necesaria. Rec procamente, como es el adjunto de respecto del producto interno de Hilbert-Schmidt se cumple tr ( ) = tr [ ( )] , para todos B (HA ) y B (HB ) ; usamos esta observaci on despu es de multiplicar por la igualdad (4.2) en ambos miembros y tomar la traza para obtener que tr [log () log ( )] = tr () [log () log ( )] y de aqu tr () [log () log ( )] = tr [ (log log )] . QED
Corolario 11 Una condici on necesaria para que se alcance la igualdad en MONO es que n [log () log ( )] = (log log ) . donde n es el n umero de sumandos en la representaci on de Krauss de . Demostraci on Se sigue de la igualdad (4.1) que aparece l neas arriba y del inciso c) de la Proposici on 2.2. QED Antes de continuar argumentaremos lo armado en la introducci on acerca de que la SSA1 se puede ver como una propiedad de la entrop a relativa y de la monoton a de la traza parcial. Proposici on 12 La monoton a de la entrop a relativa bajo la traza parcial implica la subaditividad fuerte. Demostraci on. Sea 123 B (H123 ) con tr Lema 2.3 y la hip otesis se cumple que S( Por la denici on de S ( S(
12 12 123
=1 y
23 ) .
123
> 0. Usando el
I1
2)
S(
123
I1
) y la propiedad (TP2) de la traza parcial tenemos, log

12
I1
2)
= tr
12
tr
12
(I1 log
2)
= tr
12
log
12
tr
log
123
y S ( 123 I1 23 ) = tr 123 log 123 tr 123 (I1 log tr 23 log 23 , as la anterior desigualdad equivale a S (
12 )
23 )
= tr
123
log
+ S ( 2 ) S (
123 )
+S(
23 )
y esta a su vez, despu es de reagruparla vemos que equivale a (SSA1 ). QED
52
Teorema 13 (Convexidad conjunta de la entrop a relativa). Sean 1 , . . . , n n umeros reales no negativos tales que = 1. Si = k k k k k y = donde para cada k, , B ( H ) son operadores de densidad k k k k k estrictamente positivos, entonces
S (
)
k
k S ( k
k ) .
(JCX)
Con igualdad si, y s olo si, log log = log k log k para toda k.
Demostraci on. Para cada k, poniendo Ak = k y eligiendo B k tal que log Bk = log k + log log en la Desigualdad de Klein tenemos
trk log k trk (log k + log log ) tr k elog log +log k
(C1)
Multiplicamos esta desigualdad por k y despu es sumamos para obtener
k S (k
k
k ) S (
tr
k
k elog log +log k

log log +log
tr e
P
k
k k
= tr elog = 0,
la segunda desigualdad es por la concavidad (Teorema 6), de A tr eK +log A con K = log log y A > 0. Discutamos la condici on de igualdad: si para alg un k hubiera desigualdad estricta en (C1), entonces por el desarrollo anterior tendr amos k k S (k k ) S ( ) > 0. Por lo tanto, si k k S (k k ) = S ( ) , necesariamente hay igualdad en (C1) para toda k y la condici on de igualdad en la Desigualdad de Klein obliga a que log log = log k log k para toda k. Rec procamente, si log log = log k log k para toda k, entonces despu es de multiplicar por k k ambos miembros de esta igualdad, tomar la traza y sumar obtenemos S ( ) = k k S (k k ) . QED
4.4. RELACIONES ENTRE LAS DESIGUALDADES
53
4.4
Relaciones entre las desigualdades
Teorema 14 Las siguientes proposiciones son equivalentes: 1. Monoton a de la entrop a relativa bajo operadores completamente positivos CP que preservan la traza. Sea : B (HA ) B (HB ) un operador completamente positivo que preserva la traza. Si y son operadores de densidad estrictamente positivos en HA , entonces S ( () ( )) S ( ) , (MONO) 2. Monoton a de la entrop a relativa bajo la traza parcial. Si 12 , 12 B (H12 ) son operadores de densidad estrictamente positivos, entonces S (2 2 ) S (12 12 ) . (MPT) 3. Subaditividad fuerte de la entrop a de von Neumann. Si 123 B (H123 ) es un operador de densidad estrictamente positivo, entonces se cumplen las desigualdades SSA1 y SSA2 , adem as son equivalentes entre s , S(
123 )
+ S ( 2) S (
12 )
+S(
23 )
(SSA1 ) (SSA2 )
S ( 1) + S ( 2) S (
13 )
+S(
23 ) .
4. Convexidad conjunta de la entrop a relativa. Sean 1 , . . . , n n umeros reales no negativos tales que k k = 1. Si = donde para cada k , , B (H) son operado y = k k k k k k k k res de densidad estrictamente positivos, entonces S ( )
k
k S ( k
k )
(JCX)
5. Concavidad de la entrop a condicional. Sean 1 , . . . , n n umeros reales no negativos tales que i i = 1. Si para cada i i, i 12 B (H12 ) , es un operador de densidad estrictamente positivo y 2 i tr1 12 entonces
i i S i 12 S 2 i
S
i
i i 12
S
i
i i 2
(CON)
Es decir, la funci on 12 S (12 ) S (2 ) es c oncava.
54
La demostraci on se har a de acuerdo al siguiente arreglo JCX M ON O SSA2 SSA1 CON
MPT
DEMOSTRACION. JCXSSA2 1 I1 B (H1 ) donde d = dim H1 . Sea 1 d Denimos h : B (H123 ) R con h (123 ) = S (13 1 3 ) .
Usando la hip otesis y la linealidad de la traza parcial veremos que h es una funci on convexa. Para ello, sean {i } reales tales que 0 i 1 con i i = 1 y sean i 123 B (H123 ) ; evaluando tenemos que h
i i
i i 123 = S i S i 123
i i 123
i
i i 3
=S
i i 123
i 1 i 3
1 i 3 =
i h i 123 .
Ahora observemos que S (13 1 3 ) = tr13 log 13 tr13 log (1 3 ) = S (13 ) tr13 (log 1 ) I3 tr13 (I1 log 3 ) = S (13 ) + S (1 ) + S (3 ) = S (13 ) + log d + S (3 ), es decir S (13 ) + S (3 ) = S (13 1 3 ) log d,
por lo anterior la funci on g con dominio en las matrices de densidad 123 0, con regla de correspondencia g (123 ) S (13 ) + S (3 ) es una funci on convexa en 123 > 0. Extenderemos esta propiedad al caso 123 0, para lo cual es suciente ver que los operadores estrictamente positivos son densos, con la norma de operadores, en el conjunto D+ { B (H123 ) / 0 y tr = 1 } y que la funci on g es continua con la norma de operadores en dicho conjunto. La continuidad de g ocurre porque las funciones A S (A) , A D+ y la traza parcial son funciones continuas con la norma de operadores, lo primero se cumple por la observaci on b) hecha despu es de la denici on de la entrop a de von Neumann, y lo segundo es porque la traza parcial es un operador CP y estos, no es dif cil comprobarlo, son continuos con la norma de operadores. Para ver la densidad del conjunto de matrices estrictamente positivas en D+ , sea 123 = j j |j j | , con {j } una base ortonormal de H123 . Si denimos 0 para cada n N, n = 1 + k n , donde k0 = dim ker 123 y j = j , 1 n, si j > 0 , si j = 0
4.4. RELACIONES ENTRE LAS DESIGUALDADES
55
1 entonces n on de operadores de densidad 123 j n j |j j | , es una sucesi estrictamente positivos que convergen en la norma de operadores a 123 . As , podemos concluir que la funci on denida en los operadores de densidad 123 0, mediante
f (123 ) S (13 ) + S (3 ) S (12 ) + S (2 ) es convexa; adem as si H123 es de norma 1, entonces el operador 123 = | | satisface f (123 ) = 0 pues por el Teorema 3.11 c) se cumple que S (3 ) = S (12 ) y S (2 ) = S (13 ) . Para terminar, por el teorema espectral todo 123 B (H123 ) se puede expresar en la forma 123 = i i |i i | con vectores ortonormales i H123 y por la convexidad de f es v alida la desigualdad f (123 ) i i f (|i i |) = 0, es decir, para toda matriz de densidad 123 B (H123 ) se verica que 0 f (123 ) S (13 ) + S (3 ) S (12 ) + S (2 ) . QED
SSA2 SSA1 Dado 123 B (H123 ) con tr puro 1234 , tal que 123 = tr4 S(
123 )
123
1234
= 1, por el Lema 2.6 obtenemos un estado y entonces S ( 4) + S ( 2) S ( 14 ) + S ( 12 ) S ( 23 ) + S ( 12 ) ,
+ S ( 2) = =
las igualdades son por el Teorema 3.11 c) y la desigualdad es por la hip otesis. QED SSA1 CON. umeros Para cada i = 1, 2, ..., n sean i 12 B (H12 ) y {i } un subconjunto de n reales tales que i 0 y i i = 1. Introducimos un espacio auxiliar H3 de dimensi on n . Sea {|i } una base de H3 y denimos 123 = i i 12 |i i| ,
i i luego por la Proposici on 2.2 c) se cumple que 12 = tr3 123 = i i 12 y i por el Lema 2.5 a) y b) respectivamente, 2 = tr13 123 = i i 2 , 23 = i tr1 123 = | i i | , ahora usamos el Teorema 3.11 g) para obtener i 2 i i S (123 ) = H (i ) + i i S i S i 12 , S (23 ) = H (i ) + 2 y al usar i la hip otesis, tenemos
S(
123 )
+ S ( 2) S (
12 )
+S(
23 )
(SSA1 )
que equivale a las siguientes desigualdades
56 H (i ) + y
i i
CAP ITULO 4. DESIGUALDADES DE LA ENTROP IA i S i 12 + S

i
i i 2 S S
i
i i 12 + H (i ) +
i
i S i 2 ,
i i S i 12 S 2
i i 12 S
i i 2 . QED
Observaci on: Para , B (H2 ) , tales que , > 0 y para cualquier real no negativo x se cumple, d S ( + x) = tr log ( + x) tr. dx En efecto: d dx S ( + x) =
d dx
[tr ( + x) log ( + x)]
d = tr dx [( + x) log ( + x)]
= tr log ( + x) + ( + x) ( + x)
= tr [ log ( + x) + ] = tr log ( + x) tr. CONMPT. Sean 12 , 12 B (H2 ) , demostraremos que S (1 1 ) S (12 12 ) . (MPT)
La hip otesis implica que la funci on f(

12 )
= S ( 1) S (
12 )
es convexa, ahora veremos que es homog enea: sea x R, x > 0 calculando vemos que S (x1 ) = trx1 log x1 = trx1 (log xI1 + log 1 ) = x log xtr1 xtr1 log 1 y similarmente S (x12 ) = x log xtr12 xtr12 log 12 , usando ambas relaciones se sigue que S (x 1 ) S (x 12 ) = x [S ( 1 ) S ( 12 )] . Luego el Lema A6 implica que
x0
lim
f (12 + x12 ) f (12 ) f (12 ) , x
si denimos g (x) = f (12 + x12 ) , entonces la desigualdad anterior signica g (0) f (12 ) . (D1 )
Usando la observaci on previa al inicio de esta demostraci on y recordando que d d g (x) |x=0 = dx |x=0 (S (1 + x1 ) S (12 + x12 )) = tr1 = tr12 , tenemos dx tr1 log 1 + tr12 log 12 , por eso (D1 ) equivale a las siguientes desigualdades tr1 log 1 + tr12 log 12 S (1 ) S (12 ) , S (12 ) tr12 log 12 , S (12 12 ) . QED S (1 ) tr1 log 1 S (1 1 )
4.4. RELACIONES ENTRE LAS DESIGUALDADES Observemos que si hubi esemos denido inicialmente f ( tendr amos S (2 2 ) S (12 12 ) .
12 )
57 = S ( 2) S (
12 )
MPTMONO. De hecho esta implicaci on fue la que demostramos en la prueba del Teorema 10.
MONOJCX. En la proposici on 2 de este Teorema, elegimos 12 (y similarmente 12 ) como una matriz con bloques en la diagonal iguales a k k ( resp. k k ), entonces 1 1 0 0 log 1 I + log 1 0 0 .. .. 12 log 12 = 0 . . 0 0 0 0 0 n n 0 0 log n I + log n 1 1 log 1 I + 1 1 log 1 0 0 .. = . 0 0 0 0 n n log n I + n n log n donde hemos usado que log ( ) = (log ) I + log para todo > 0 y > 0 (Lema 1.13), de manera similar encontramos que 1 1 log 1 I + 1 1 log 1 0 0 .. 12 log 12 = . 0 0 0 0 n n log n I + n n log n por tanto 12 log 12 12 log 12 = 1 1 (log 1 log 1 ) 0 0 0 .. . 0 , 0 n n (log n log n ) 0
al tomar la traza obtenemos S (12 12 ) = tr (12 log 12 12 log 12 ) = i ) S (2 2 ) donde la u ltima desigualdad es por la hip otesis, i i S (i ya que la traza parcial es un operador CP que preserva la traza (Proposici on 2.8). Para terminar, es suciente demostrar que 2 tr1 12 = y 2 tr1 12 =
k k
k k
k k
58
CAP ITULO 4. DESIGUALDADES DE LA ENTROP IA 2.1 como sigue: sea Y B (H2 ) , luego 0 0 Y 0 0 .. .. . . 0 0 0 0 0 .. . 0 n n 0 0 0 Y tr (k k Y )
k
lo que haremos usando la Proposici on 1 1 tr12 (I1 Y ) = tr 0 0 1 1 Y = tr 0 0 = tr

k
= 0 n n Y
k k
Y ,
por la unicidad de la traza parcial concluimos que k k = 2 ,

k
y an alogamente k k = 2 ;
k
con esto terminamos el ciclo. QED
Cap tulo 5
Aplicaciones, conclusiones y perspectivas

5.1 Subaditividad de la entrop a
Como aplicaci on de la subaditividad fuerte tenemos la siguiente propiedad conocida como la subaditividad de la entrop a; daremos dos demostraciones de esta, en la primera usaremos como ya qued o dicho, la subaditividad fuerte (SSA) y en la segunda volver a a aparecer la Desigualdad de Klein con su condici on de igualdad. Teorema 1 (Subaditividad ). Si estrictamente positivo, entonces S( con igualdad si, y s olo si,
12 12 )
12
B (H12 ) es un operador de densidad
S ( 1) + S ( 2) ,
1
2.
Demostraci on 1 (no incluye condici on de igualdad). Consideremos el operador 123 = 12 1 B (H12 C) , por la (SSA) tenemos que S (123 )+ S (3 ) S (13 ) + S (23 ) , es decir S(
12
1) + S (1) S (
1) + S (
1) .
Por el inciso d) del teorema 3.11 se cumplen las igualdades S ( 12 1) = S ( 12 ) + S (1) , S ( 1 1) = S ( 1 ) + S (1) , y S ( 2 1) = S ( 2 ) + S (1) , al sustituirlas en la desigualdad anterior se obtiene el resultado. QED Demostraci on 2 (incluye condici on de igualdad). Usando la denici on de entrop a, y por la propiedad TP2, (Proposici on 2.1 ) de la traza parcial se cumple que 59
60 CAP ITULO 5. APLICACIONES, CONCLUSIONES Y PERSPECTIVAS
S ( 1) + S ( 2) S ( tr tr
12
12 )
= tr
12
log
tr + tr
2 )]
log log
+ tr
12
12
log
12
(log
12
I2 ) tr
1
(I1 log
2)
12
=
12
12
[log
(log
I2 ) (I1 log
= tr
12
[log
log (
2 )] ,
donde hemos usado que log ( ) = (log 1 ) I2 I1 (log ) , (Lema 1.14 ) y por la Desigualdad de Klein (Corolario 3.9); concluimos que S ( 1) + S ( 2) S ( lo que prueba la desigualdad. Para la condici on de igualdad si S ( 1 )+ S ( 2 ) S ( 12 ) = 0, entonces usando las desigualdades de arriba y por la condici on correspondiente en la Desigualdad de Klein, concluimos que 12 = 1 2 Rec procamente, cuando se cumple esta u ltima igualdad tenemos que 0 = tr
12 12 )
= tr 12 [log tr [ 12
log ( 1 1 2] = 0
12
2 )]
[log
12
log (
2 )]
= S ( 1) + S ( 2) S (
12 ) .
QED
5.2
Concavidad de la entrop a
Teorema 2 Dada una distribuci on de probabilidad {p1 , ..., pn } (n umeros reales p = 1 ) y operadores de densidad { 1 , ..., n } no negativos tales que i i B (HA ) , se cumple que
n n
S
i=1
pi i
i=1
pi S (i ) ,
con igualdad si, y s olo si, todos los i son iguales. Demostraci on. Usamos la subaditividad de la entrop a para lo cual, introducimos un espacio auxiliar HB de dimensi on n (el n umero de sumandos) con una base ortonormal {|i } . Consideremos el estado AB
i
pi i |i i|
en B (HA HB ) , aplicando el inciso g) del teorema 3.11 obtenemos que S (AB ) = S

i
pi i |i i|
= H (pi ) +
i
pi S (i ) .
5.2. CONCAVIDAD DE LA ENTROP IA Notemos que A trB AB = trB ( i pi i y por ende

i
61
i
pi i |i i|) = p i i
i
pi trB (i |i i|) =
S (A ) = S an alogamente B trA AB = trA ( i tr (pi i ) |i i| = i pi |i i| y S (B ) = S

i i
,
i
pi i |i i|) =
trA (pi i |i i|) =
pi |i i|
= H (pi ) ,
para terminar sustituimos las expresiones anteriores en la desigualdad de subaditividad S (AB ) S (A ) + S (B ) , y despu es de simplicar se obtiene la desigualdad deseada. Antes de discutir la condici on de igualdad necesitamos el siguiente Lema: Cuando f1 g1 y f2 g2 son elementos distintos de cero en un producto tensorial de espacios de Hilbert, entonces f1 g1 = f2 g2 si, y s olo si, existe un escalar c distinto de cero tal que f1 = cf2 y g1 = c1 g2 . Demostraci on. Demostraremos s olo la condici on necesaria porque la otra se comprueba f acilmente. Por hip otesis, 0 = f1 g1 = f2 g2 , en particular 2 2 f1 , g1 , f2 y g2 son elementos distintos de cero; luego 0 < f1 g1 = f1 , f1 g1 , g1 = f1 g1 , f1 g1 = f1 g1 , f2 g2 = f1 , f2 g1 , g2 , es decir 2 2 f1 g1 = f1 , f2 g1 , g2 , (5.1) y por consiguiente, el segundo t ermino de la igualdad es estrictamente mayor que cero. Tambi en se cumple que f1 , f2 g1 , g2 = = = f1 g1 , f2 g2 f1 g1 f2 g2 f1 g1 f2 g2 (5.2)
la segunda igualdad de este bloque es por la condici on de igualdad en la Desigualdad de Schwarz. Esto u ltimo implica que existen escalares c,k distintos de cero tales que f1 = cf2 y g1 = kg2 porque de lo contrario usando nuevamente la Desigualdad de Schwarz, se tendr a que | f1 , f2 | < f1 f2 o | g1 , g2 | < g1 g2 y al multiplicarlas se cumplir a que | f1 , f2 | | g1 , g2 | < f1 f2 g1 g2 contradiciendo las igualdades en el bloque (5.2). Ahora en (5.1) sustituimos f2 = c1 f1 y g2 = k 1 g1 para obtener f1
2
g1
= =
f1 , c1 f1 c1 k 1 f1
g1 , k 1 g1
2
g1
62 CAP ITULO 5. APLICACIONES, CONCLUSIONES Y PERSPECTIVAS como f1 , g1 son distintos de cero podemos cancelar el t ermino f1 concluir que 1 = c1 k 1 .
2
g1
Continuemos con la discusi on de la condici on de igualdad del Teorema 2. S olo probaremos la necesidad de la condici on porque la suciencia es inmediata. Conservando la notaci on usada en la primera parte de la prueba, si suponemos n n v alida la igualdad i=1 pi S (i ) = S ( i=1 pi i ) , despu es de sumar H (pi ) en ambos lados obtenemos S (AB ) = S (A ) + S (B ) , y por el Teorema 1 esto s olo es posible si AB = A B , usaremos esta igualdad despu es de algunos c alculos con las expresiones de AB , A y B como sigue: Si a HA y |j es un elemento de la base {|i } , entonces AB (a |j ) = ( pj |j ,
i
pi i |i i|) (a |j ) =
pi i a (|i i| |j ) = j a ps |s s| |j ) =
y (A B ) (a |j ) = A a B |j = ( (
r
pr r a) (
pr r a) (pj |j ) y por lo tanto j a pj |j =

r
pr r a
(pj |j ) ;
por el lema para alg un escalar no cero se cumple que j a = c ( r pr r a) y pj |j = c1 pj |j y de aqu inferimos que j a = r pr r a para toda j es decir, j a = k a para todo par j,k. QED Como veremos en el Corolario 6, los siguientes resultados le dar an m as profundidad a la concavidad de la entrop a y nos ser an de utilidad posteriormente. Lema 3 (Las mediciones proyectivas incrementan la entrop a) Si {Pi } B (H) es un conjunto completo de proyecciones ortogonales (i.e. i Pi = I ) y B (H) es un operador de densidad, entonces P P tiene entrop a al i i i menos tan grande como la de , S ( ) S () con igualdad si, y s olo si, = . Antes de proceder con la demostraci on observemos que es un operador de densidad. Demostraci on Por hip otesis Pj Pi = ij Pi y esto implica que ( i Pi Pi ) Pj = Pj Pj = Pj ( i Pi Pi ) , es decir que para toda j, y Pj conmutan y por ende tambi en conmutan Pj y log .
5.2. CONCAVIDAD DE LA ENTROP IA
63
2 Ahora aplicamos que i Pi = I, Pi = Pi , la ciclicidad de la traza y la observaci on anterior para realizar los siguientes c alculos:
tr log
= tr
i
Pi log
=
i
tr (Pi log ) tr (Pi Pi log )

i
=
i
tr (Pi log Pi ) = Pi Pi log

i
= tr
= tr log
y de aqu tr log = S ( ) ; esta igualdad y la no negatividad de la entrop a relativa ( Teorema 3.10), implican que 0 S ( ) = S () tr log = S () + S ( ) . QED
on de probabilidad {p1 , ..., pn } (n umeros reales Teorema 4 Dada una distribuci no negativos tales que i pi = 1) y vectores normalizados {1 , ..., n } HA , se cumple que
n
S
i=1
pi |i i |
H (pi )
con igualdad si, y s olo si, {1 , ..., n } son ortogonales. Demostraci on Introducimos un espacio auxiliar HB de dimensi on n (el n umero de sumandos) con una base ortonormal {|i } . Consideremos el vector
i
pi i |i HA HB ,
es f acil ver que , = 1, y por ende | | = i,j pi pj |i j | |i j | es un estado puro. Usando las propiedades de la traza parcial se puede mostrar que A = trB | | =
i
pi |i i |
(*)
y B = trA | | =
i,j
pi pj i , j |i j |
(**)
Ahora aplicamos el inciso c) del teorema 3.11 para obtener que S (B ) = S (A )
64 CAP ITULO 5. APLICACIONES, CONCLUSIONES Y PERSPECTIVAS Deniendo el operador : B (HB ) B (HB ) tal que ( ) = donde Pi = |i i| , luego de algunas operaciones podemos hallar que (B ) =
i i
Pi Pi (***)
pi |i i|
y por el lema anterior concluimos que S (B ) S (B ) es decir, S (A ) S (B ) pero por (*) y (***) esto demuestra la desigualdad enunciada en el teorema. Por el Lema 3 se da la igualdad si, y s olo si, B = (B ) y como veremos a continuaci on esta condici on equivale a que los vectores {i } son ortonormales; en efecto: ] Si {i } son ortonormales, B = pi pj i , j |i j | , por (**)
i,j
=
i,j
pi pj ij |i j | pi |i i| = (B ) , por (***).
i
] Si B = (B ) , usando (**) tenemos que para |m {|i } se cumple lo siguiente: B |m = pi pj i , j |i j | |m = pi pm i , m |i , mientras i,j i que usando (***), B |m = i pi |i i| |m = pm |m e igualando ambas expresiones concluimos que para todo |m {|i } 0 = pi pm i , m |i pm |m
i
=
i=m
pi pm i , m |i + pm [ m , m 1] |m
y por la independencia lineal del conjunto {|i } se concluye i , m = im . QED Como consecuencia tenemos el resultado siguiente. Teorema 5 Dada una distribuci on de probabilidad {p1 , ..., pn } (n umeros reales no negativos tales que i pi = 1) y operadores de densidad {1 , ..., n } B (H) , se cumple que S
i
p i i
pi S (i ) + H (pi ) ,
con igualdad si, y s olo si, {1 , ..., n } tienen soportes ortogonales.
5.2. CONCAVIDAD DE LA ENTROP IA
65
Intuitivamente, esta desigualdad nos dice que nuestra incertidumbre sobre el estado promedio i pi i nunca es mayor que nuestra incertidumbre promedio acerca de los estados i , m as la contribuci on adicional de H (pi ) .
i Demostraci on Sean = i pi i , y para cada i, i = j pi i j j j una i descomposici on ortonormal, entonces para cada i se cumple que j pj = 1 y i i i = i,j pi pi i j j j ; como i j pi pj = i pi j pj = 1 1 podemos usar el teorema anterior para tener
S () H pi pi j , pero al usar la denici on de entrop a de Shannon y desarrollar tenemos H pi pi j =

i i,j i pi pi j log pi pj = i
(*)
pi log pi
pi j
i
pi
i pi j log pj =
pi log pi +
pi
i pi j log pj = H (pi ) +
pi S (i ) .
Tambi en por el teorema anterior la igualdad se alcanza en (*) si, y s olo si, los son ortogonales y esta condici o n equivale a que los operadores elementos i j i i on: i = j p i j tienen soportes ortogonales como veremos a continuaci j j Recordemos, que el soporte de un operador T es el conjunto [ker T ] y que es igual al conjunto ranT si este es de dimensi on nita; entonces los operadores {i } tienen soportes ortogonales si, y s olo, si rani ranj para i = j. ] Sean x, y H, luego i x, j y = i j j j i i r , s = 0 r pr r , x s ps s , y
r i pi r r
i r x,
j pj s s
j s y =
i i ] Observemos que i i r = pr r y como estamos suponiendo que tienen soportes ortogonales, para todos r, s, y para i = j tenemos que
= =
j i i j j i i r , j s = pr r , ps s j i j pi r ps r , s . QED
Corolario 6 Dada una distribuci on de probabilidad {p1 , ..., pn } y operadores de densidad {1 , ..., n } B (H) , se cumple que pi S (i ) S
i i
pi i
pi S (i ) + H (pi )
Demostraci on S olo estamos resumiendo el teorema anterior y la concavidad de la entrop a. QED Ahora veamos algunos ejemplos propios de la Teor a de la informaci on.
5.3
Desigualdad del procesamiento de datos
Iniciamos con una observaci on: por el Teorema 3.3, 5) la informaci on com un o compartida H (X : Y ) H (X ) + H (Y ) H (X, Y ) , es igual a cero si, y s olo si, las variables aleatorias X, Y son independientes lo que refuerza la idea de que H (X : Y ) , mide que tanto X, Y conocen una acerca de la otra. Cuando tenemos informaci on disponible, antes de llegar a nosotros, ha sido sometida a ruido. La desigualdad del procesamiento de datos establece que la informaci on de salida de una fuente puede u nicamente decrecer con el tiempo. Para trabajar la noci on del proceso de la informaci on se usa el concepto de cadena de Markov, que fue denido al inicio de la secci on 3.3; recordemos que una sucesi on de variables aleatorias X Y Z es una cadena de Markov si P (Z | Y, X ) = P (Z | Y ) . Antes de enunciar el siguiente teorema, recordemos que se dene la entrop a condicional de Shannon de las variables aleatorias X1 , X2 como H (X1 | X2 ) = H (X1 , X2 ) H (X2 ) . Teorema 7 (Desigualdad del procesamiento de datos) Si X Y Z es una cadena de Markov, entonces H (X ) H (X : Y ) H (X : Z ) , y en la primera desigualdad hay igualdad si, y s olo si, dado Y es posible reconstruir X. Una interpretaci on intuitiva de este resultado es que Z no puede conocer m as sobre X que lo que Y conoce, lo que es menos que la informaci on contenida en X. Demostraci on La primera desigualdad y la condici on de igualdad son consecuencias directas del Teorema 3.3, 2). Para la otra desigualdad, como X Y Z es una cadena de Markov, es inmediato comprobar que Z Y X es tambi en una cadena de Markov, luego usando esto es f acil vericar, a partir de la denici on de la entrop a de Shannon, que H (X | Y ) = H (X | Y, Z ) . Pero por el mismo Teorema 3.3, 7), tenemos que H (X | Y, Z ) H (X | Z ) es decir H (X | Y ) H (X | Z ) y al usar la denici on de H ( | ) tenemos H (X, Y ) H (Y ) H (X, Z ) H (Z ) , y despu es de sumar H (X ) en ambos lados de la desigualdad anterior y de reagrupar, vemos que H (Z ) + H (X ) H (X, Z ) H (Y ) + H (X ) H (X, Y ) ,
5.4. LA COTA DE HOLEVO y por denici on concluimos que H (X : Z ) H (X : Y ) . QED
67
Denici on. Una familia nita {Eb } B (H) es una medici on con valores en los operadores positivos o POVM (por sus siglas en ingl es: positive operator valued measurement) si para toda b, Eb 0 y
b
Eb = I.
La u ltima igualdad se llama la relaci on de completez. Dada una POVM ja M= {Eb } B (H) y una matriz de densidad , i.e. 0 y tr = 1, queda denida una distribuci on de probabilidad cl asica p (b) = tr (Eb ) , cuya entrop a de Shannon denotamos por H (trEb ) . Veamos que en efecto {trEb }b es una distribuci on de probabilidad. Como es un operador no negativo sabemos, por la Proposici on 1.5 que en su descomposici on espectral = n n |un un | se cumple que n 0 para cada n, luego trEb = tr ( n n |un un | Eb ) = n n tr |un Eb un | = n n Eb un , un 0 pues Eb 0, es decir trEb 0 b. Y por la relaci on de completez, tr = 1.
b
tr (Eb ) = tr (
Eb ) = tr (
Eb ) =
5.4
La cota de Holevo
Lema 8 Si {1 , ..., n } es una distribuci on de probabilidad y {1 , ..., n } es un conjunto de matrices de densidad estrictamente positivas en H, entonces la matriz de densidad promedio = j j j tiene la siguiente propiedad j S (j
j
) = S ()
j
j S ( j ) .
Observemos que debido a la concavidad de la entrop a de von Neumann la cantidad del lado derecho de la igualdad es no negativa. Algunas veces se le llama la cantidad de Holevo y se denota con el s mbolo , es decir S ( )
j
j S (j ) .
68 CAP ITULO 5. APLICACIONES, CONCLUSIONES Y PERSPECTIVAS Demostraci on.

j
j S (j
j
) =
j trj log j
j
j trj log
j S (j ) tr log =
j S (j ) + S () . QED
Antes de proseguir tenemos las siguientes Deniciones: a) Dado un conjunto de matrices {1 , ..., n } B (H) y una distribuci on de probabilidad {1 , ..., n } , su ensemble es el conjunto E = {j j }j . b) Sea {Eb } B (H) una POVM. Si E = {j j }j es un ensemble de matrices donde cada j 0 es matriz de densidad y si = j j j es la matriz de densidad promedio, la informaci on accesible en el ensemble se dene como I (E , M) H (trEb )
j
j H (trj Eb )
Una motivaci on f sica para el concepto de la informaci on accesible es la siguiente: Tenemos dos jugadores llamados Alice y Bob. Supongamos que Alice tiene informaci on cl asica, es decir una variable aleatoria A con valores {a} y probabilidades a . Tambi en cuenta con un conjunto nito jo de estados (operadores de densidad) {a } y elige un estado acorde al valor a {a} que desea trasmitir, y se lo da a Bob quien tiene una POVM {Eb } para medir el estado que recibe y obtener un resultado b que es un valor de una variable aleatoria B con valores {b} . El prop osito del juego es que Bob determine el valor de A basado en los resultados B de su medici on. Hablemos con un poco m as de precisi on sobre la medici on que hace Bob ; el puede aplicar cada elemento Eb de la POVM a cualquier estado que Alice le mande y una de las reglas del juego es que la probabilidad de obtener el resultado b est a dada por P (b) = tr (Eb ) . En particular P (b) = tr (Eb ) , donde =
a
a a .
As , cuando Bob hace su medici on en el estado a , la probabilidad condicional de que resulte b es P (b | a) = tra Eb y esta induce una distribuci on conjunta sobre el mensaje de entrada a de Alice y el mensaje b decodicado por Bob, P (a, b) = a P (b | a) = a tra Eb .
5.4. LA COTA DE HOLEVO
69
Ya que existe una distribuci on de probabilidad conjunta entre los mensajes de entrada y de salida (las variables aleatorias A y B respectivamente) la informaci on transferida puede ser analizada por la teor a de la informaci on cl asica: la informaci on que Bob puede conocer acerca del mensaje de Alice, esto es la informaci on accesible a Bob, est a dada por la informaci on com un o compartida H (A : B ) , entre A y los resultados de su medici on B ; como comentamos en el pre ambulo del Teorema 7, esta es una buena medida de cuanta informaci on gana Bob sobre A, a trav es de su medici on. Debido a la desigualdad del procesamiento de datos (Teorema 7), sabemos que Bob puede inferir A de B si, y s olo si, H (A : B ) = H (A) y que en general H (A : B ) H (A) ; as la meta de Bob es elegir la medici on que maximice H (A : B ) H (A) + H (B ) H (A, B ) , aproximando este valor tan cerca como le sea posible a H (A) . Para determinar H (A : B ), necesitamos los c alculos siguientes: H (A, B ) =
a,b a a,b
P (a, b) log P (a, b) =

a,b a
a,b
(a tra Eb ) log (a tra Eb ) =
(a tra Eb ) log a +
b
(a tra Eb ) log (tra Eb ) = a

b
a log a
tra Eb +
(tra Eb ) log (tra Eb ) =

a
H (A) tra +
a H (tra Eb ) = H (A) + H (A, B ) = H (A) +

a
a H (tra Eb ) , esto es
a H (tra Eb ) ,
de all que H (A : B ) = = esto es H (A : B ) = H (tr (Eb ))

a
H (A) + H (B ) H (A, B ) H (B )
a
a H (tra Eb ) ,
a H (tra Eb )
que es el t ermino denido como la informaci on accesible I (E , M) . Teorema 9 (La cota de Holevo). Sean {1 , ..., n } una distribuci on de probabilidad y {1 , ..., n } un conjunto de matrices de densidad estrictamente positivas en H. La cota de Holevo asegura que si, = j j j es la matriz de densidad promedio, entonces la informaci on accesible en el ensemble satisface I (E , M) , para cualquier POVM, M= {Eb } .
70 CAP ITULO 5. APLICACIONES, CONCLUSIONES Y PERSPECTIVAS Queda como comentario que hay igualdad en la cota de Holevo si, y s olo si, 1 , . . . , n conmutan entre s , ver [16]. Demostraci on. Sean M= {Eb } B (H) una POVM y = {b} una base ortonormal de H. Denimos el operador : B (H) B (H) , como ( ) =
b
|b b| tr ( Eb ) ,
B (H) .
Veamos que preserva la traza. En efecto, usando la misma base = {b} para calcular la traza tenemos: tr ( ) =
b b b b
b,
|b b| tr ( Eb ) b =
b b
b , |b b| tr ( Eb ) b =
|b b| b , tr ( Eb ) b =
b
b , b b, tr ( Eb ) b =
b
b , tr ( Eb ) b =
b
tr ( Eb ) b , b =
tr ( Eb ) =
tr (
Eb ) = tr ,
b
en la u ltima igualdad hemos usado la relaci on de completez
Eb = I.
Ahora armamos que es un operador completamente positivo; para comprobarlo veremos que tiene la siguiente representaci on de Krauss : ( ) =
k b
|b k |
Eb
Eb |k b| ,
B (H) .
En efecto, sean b , b elementos de la base {b} , calculando tenemos, b, =

b b
|b b| tr ( Eb ) b |b b| b , tr ( Eb ) b b , tr ( Eb ) b
= =
b , |b b| tr ( Eb ) b
b
b, b
b, tr ( Eb ) b = b b tr ( Eb ) ,
= b ,b esto es
= b , tr ( Eb ) b
b,
b
|b b| tr ( Eb ) b
= b b tr ( Eb ) .
(5.3)
Y por otra parte b,

k k,b
|b k |
Eb Eb
Eb |k b| b Eb k =
=
k
b , bb |b k | Eb
Eb
Eb k
b , |b
k|
|k b | b ,
Eb k
5.4. LA COTA DE HOLEVO

k
71 = b ,b
k
b ,b Eb
k, Eb Eb
Eb k
k, Eb
Eb k =
b b tr
= b b tr ( Eb ) ,
la u ltima igualdad es por la ciclicidad de la traza, o sea b,

k,b
|b k |
Eb
Eb |k b| b
= b b tr ( Eb ) ,
(5.4)
comparando (5.3) con (5.4) se comprueba lo armado. Para continuar, aplicamos la monoton a de la entrop a relativa bajo operadores completamente positivos (Teorema 4.10, proposici on 1), y obtenemos que para cada j S ( (j ) ()) S (j ) o equivalentemente, usando la denici on de entrop a relativa en el lado izquierdo tr ( (j ) log (j )) tr ( (j ) log ()) S (j Pero por la denici on de tenemos que log (j ) =
b
) .
|b b| log tr (j Eb ) , log () =
b b
|b b| log tr (Eb ) , y por ende
(j ) log (j ) = (j ) log () =
|b b| tr (j Eb ) log tr (j Eb ) y
|b b| tr (j Eb ) log tr (Eb ) ,
por esto podemos reescribir la desigualdad anterior como tr (j Eb ) log tr (j Eb )

b b
tr (j Eb ) log tr (Eb ) S (j
luego multiplicamos por j y sumamos para obtener

j j
j [
tr (j Eb ) log (trj Eb )]
tr (Eb ) log tr (Eb )
j S (j
) = , la igualdad es por el Lema 8. QED
La cota de Holevo es un resultado clave para demostrar varios resultados en la teor a de la informaci on cu antica, ver [11]. Nosotros s olo lo aplicamos en el juego de Alice y Bob como sigue: Por el Teorema 5 se inere que S
a
a a
a S (a ) H (A) ,
72 CAP ITULO 5. APLICACIONES, CONCLUSIONES Y PERSPECTIVAS con igualdad si, y s olo si, los estados a tienen soportes ortogonales. As , cuando los operadores a de Alice no tienen soportes ortogonales la desigualdad anterior y el Teorema 9 (la cota de Holevo ), implican que H (A : B ) es estrictamente menor que H (A) y consecuentemente, es imposible para Bob determinar con certeza absoluta, el estado que Alice le est a enviando basado en los resultados de su medici on. Terminamos con un ejemplo concreto del juego de Bob y Alice en el cual usaremos logaritmos de base 2 para calcular la entrop a: Sean H un espacio de Hilbert de dimensi on 2 con una base ortonormal {|0 , |1 } y = cos |0 + sen |1 , donde es alg un par ametro real. Alice tiene los estados {|0 0| , | |} B (H) y los valores 0 y 1 que elige lanzando una moneda honesta. Si la moneda cae cara, Alice prepara el estado |0 0| y cuando la moneda cae aguila elije el estado | | = cos2 |0 0| + cos sen |0 1| + cos sen |1 0| +sen2 |1 1| . Usando la expresi on anterior de | | es f acil ver, que respecto a la base 1 {|0 , |1 } , el estado promedio = 1 | 0 0 | + | | tiene la expresi on matricial 2 2 = 1 2 1 0 0 0 + 1 2 cos2 cos sen cos sen sen2 ,
y que sus valores propios son 1cos . 2 En este caso, la cota de Holevo es
= = =
1 1 S () S (|0 0|) S (| |) 2 2 S () 1 + cos , Hbin 2
pues S (|0 0|) = S (| |) = 0 por tener respectivamente los valores propios 1 y 0. Es decir, es la entrop a binaria Hbin
1 ln 2 1+cos 2 1+cos 2
= ln
1+cos 2
1 ln 2
1cos 2
ln
1cos 2
por lo cual la cota de Holevo es m axima cuando = /2, alcanzando el valor m aximo de 1, que corresponde al caso cuando los estados preparados por Alice son ortogonales en cuyo caso Bob puede determinar con certeza los estados preparados por Alice. Para otros valores de , la cota de Holevo es menor estrictamente que H (A) = 1 y es imposible para Bob determinar con certeza cu al es el estado preparado por Alice.
5.5. CONCLUSIONES
73
5.5
Conclusiones
La teor a que presentamos es muy interesante y rica. Integra conceptos, ideas y m etodos cl asicos con nociones modernas. Como ejemplos de los primeros y de los segundos, respectivamente tenemos: a) Convexidad, derivabililidad, integral de Riemannn y la prueba de Epstein del Teorema 4.6 pues, aunque no lo probamos aqu , no podemos dejar de mencionar que se demuestra usando m etodos del an alisis complejo. b) El operador traza parcial, los operadores completamente positivos, la representaci on generalizada de Lindblad, as como la presentaci on del proceso de puricaci on para obtener desigualdades (la demostraci on del Teorema 4.14 es un ejemplo). Dentro de los logros de este trabajo merece la pena resaltar que: a) Desarrollamos las propiedades b asicas del operador traza parcial para el caso de dimensi on nita que se pueden generalizar al caso en que el espacio de Hilbert es de dimensi on innita pero separable. b) Demostramos la desigualdad de Klein junto con una condici on de igualdad. c) Demostramos que el operador traza parcial es un operador CP que preserva la traza. d) Demostramos el caso general, que para los operadores : B (H1 ) B (H2 ) , ser CP y preservar la traza equivale a tener una representaci on de Lindblad. e) Dise namos una nueva ruta para demostrar la equivalencia entre las desigualdades SSA, MONO, MPT, CVX y CON que aparecen en el Teorema 4.14
f) Encontramos una nueva condici on necesaria para que se cumpla la igualdad en MONO, (Corolario 4.11). g) Presentamos una prueba simple de la cota de Holevo.
5.6
Perspectivas
Nuestro trabajo ha sido tan s olo un asomo a la interesante y de intenso desarrollo teor a de la informaci on cu antica, por lo mismo las tareas por realizar son muchas, sin embargo, proponemos tan s olo algunas que consideramos importantes: a) Extender los conceptos presentados e investigar cu ales resultados siguen siendo v alidos en el caso en que los espacios de Hilbert subyacentes son de dimensi on no nita pero separables. b) Adaptar o buscar nuevas demostraciones de las desigualdades para el caso menos restrictivo en que los operadores de densidad sean positivos semi-denidos ( 0). c) Estudiar e investigar las propiedades de continuidad de la entrop a y entrop a relativa de von Neumann. d) Explorar la conexi on entre las desigualdades para las normas de la clase de traza Lp con el estudio de la entrop a y la capacidad en informaci on cu antica. Seg un Mary Beth Ruskai [16], dicha conexi on promete ser una v a promisoria de estudio.
Ap endice A
La desigualdad de Jensen
Denici on A1 (Conjunto convexo ) Un subconjunto C de un espacio vectorial real se llama convexo si para todas a, b C y 0 1, R se cumple que a + (1 ) b C . Se puede demostrar que la condici on anterior equivale a pedir que para cualquier subconjunto nito de n umeros reales {i } tales que 0 i 1 y i i = 1 y cualquier subconjunto {ai } de elementos de C se cumple que on Matem atica : i i ai C , por ejemplo usando Inducci n+1 Si a1 , ..., an , an+1 C y 0 i 1 con i=1 i = 1, entonces se deduce que 1 a1 +(1 1 ) C y que 1 < 1.
n+1 i i=2 11 ai
n+1 i=1
i ai C suponiendo que
n+1 i i=2 11 ai
Denici on A2 (Funci on Convexa ). Sea C un conjunto convexo, una funci on f : C R es convexa, si para todas a, b C y 0 1, f (a + (1 ) b) f (a) + (1 ) f (b) . Si adem as se da la igualdad s olo cuando = 0 ( o = 1) o a = b se dice que f es estrictamente convexa. Se puede demostrar que esta denici on equivale a pedir que para cualquier subconjunto nito de n umeros reales {i } tales que 0 i 1 y i i = 1 y cualquier subconjunto {ai } de elementos de C se cumple que f
i
i a i
i f (ai )
y si adem as se da la igualdad s olo cuando i = 1 para alg un i o cuando todos los ai son iguales, entonces f es estrictamente convexa. 75
76
APENDICE A. LA DESIGUALDAD DE JENSEN
Denici on A3 (Funci on c oncava) Una funci on es c oncava si f es convexa.
A continuaci on discutimos el conocido criterio para decidir si una funci on dos veces derivable es convexa con base en el signo de la segunda derivada.
Proposici on A4 Sea I = (a, b) un intervalo abierto de R y sea f : I R una funci on que tiene segunda derivada tal que f > 0, en I entonces f es estrictamente convexa en I . (A.1)
Demostraci on. Sean reales i tales que 0 < i < 1, con i i = 1 y {ai } I , entonces x i i ai I . Por el Teorema de Taylor para cada i, existe alg un i entre x y ai tal que f (ai ) = f (x) + (ai x) f (x) + multiplicando por i y sumando obtenemos, i f (ai ) = f (x) +
i i
1 2 (ai x) f (i ) , 2
1 2 i (ai x) f (i ) , 2
y por (A.1) i f (ai ) f (x) =

i i
1 2 i (ai x) f (i ) 0 2
o equivalentemente, i f (ai )
i
f (x) f
i 2
i a i
1 adem as si hay igualdad, entonces i 2 i (ai x) f (i ) = 0 y como por 2 hip otesis 0 < i < 1, concluimos que (ai x) = 0 para cada i y en consecuencia todos los ai son iguales a x. QED
77 Lema A5 Sea I un intervalo abierto de R y sea f : I R una funci on diferenciable y convexa, entonces para todos a, b I . (a b) f (b) f (a) f (b) Demostraci on. Sea h (0, 1] , por la convexidad tenemos que f ((1 h) b + ha) (1 h) f (b)+ hf (a) lo que implica f ((a b) h + b) f (b) f (a) f (b) . h Deniendo la funci on g : [0, 1] R con g (x) = f ((a b) x + b) , tenemos g (x) = f ((a b) x + b) (a b) y por ende f (b) (a b) = = = g (0) g (h) g (0) lim h0 h f ((a b) h + b) f (b) lim h0 h f (a) f (b) . QED
Denici on A6 (Cono convexo ). Un subconjunto C de un espacio vectorial real se llama cono convexo si es un subconjunto convexo y xa C , x > 0, x R Observemos que un cono convexo tiene la propiedad de que a, b C y x > 0, x R se cumple que a + xb C porque podemos escribir a + xb = 1 1 (1 + x) (1 + x) a + x (1 + x) b . Lema A6 Sea C un cono convexo y f : C R una funci on c oncava y homog enea ( i.e. f (xa) = xf (a) para x > 0). Entonces para x R tal que x > 0, f (a + xb) f (a) f (b) x
)f (a) y limx0+ f (a+xb f (b) cuando f es diferenciable a la derecha en a en x f (a+xb)f (a) el sentido de que lim existe para todo par a, b C . x x 0+
Demostraci on. De la concavidad y homogeneidad se sigue que 1 2 f (a + xb) = f (a+xb)f (a) a xb 1 1 f 2 + 2 2 f (a) + 2 f (xb) que equivale a f (b) . x La segunda parte se sigue directamente de la desigualdad mostrada. QED
78
APENDICE A. LA DESIGUALDAD DE JENSEN
Ap endice B
La derivada de funciones con valores en B (H)

A lo largo de este ap endice simbolizamos con E al espacio de Banach B (H) donde H es un espacio de Hilbert complejo. Denici on B1 Sea [a, b] un intervalo de n umeros reales. f : [a, b] E es una funci on derivable en t0 (a, b) , si existe un vector xt0 E tal que f (t) f (t0 ) lim xt0 = 0, tt0 t t0 cuando t0 es alguno de los extremos a o b pedimos que los l mites laterales existan. Es f acil vericar que si existe xt0 , es u nico y que en este caso la funci on es continua en t = t0 y se escribe xt0 = f (t0 ) = df dt .
t= t0
Proposici on B2 Si f : [a, b] E es una funci on derivable en t y B (E, C) , entonces ( f ) (t) = f (t) . En este caso la funci on f : [a, b] C es derivable en t en el sentido usual. Demostraci on. El resultado se sigue de la siguiente igualdad que se cumple por la linealidad de , f (t) f (t0 ) f (t) f (t0 ) = . QED t t0 t t0
79
80APENDICE B. LA DERIVADA DE FUNCIONES CON VALORES EN B (H) Si F : [a, b] B (H) es una funci on y x, y H denimos la funci on Fx,y : [a, b] C, Fx,y (t) = x, F (t) y , t [a, b] La siguiente proposici on se reere a la funci on recientemente denida.
Proposici on B3 Si F : [a, b] B (H) es una funci on derivable en t [a, b] y x, y H, entonces la funci on Fx,y es derivable en t y Fx,y (t) = x, F (t) y Demostraci on. Observemos que para s = t Fx,y (s) Fx,y (t) 1 x, F (t) y = x, [F (s) F (t) (s t) F (t)] y , st st de all que
Fx,y (s)Fx,y (t) st F (s)F (t) s t
x, F (t) y x
1 |st|
F (s) F (t) (s t) F (t)
F (t)
y de donde se sigue el resultado. QED
Ap endice C
Integral de Riemann
La integral de Riemann para funciones F : [a, b] B (H) , donde [a, b] es un intervalo de n umeros reales se dene de la manera usual. Una partici on P del intervalo [a, b] de R es un conjunto de n umeros reales de la forma P = {a = t0 < t1 < t2 <, ..., < tn1 < tn = b} ; la norma de P se dene como (P ) = max {tj tj 1 : 1 j n} . Una elecci on asociada a la partici on P es un conjunto A = {1 , ..., n } donde para cada j, j [tj 1 , tj ]. Sea F : [a, b] B (H) , si A es una elecci on asociada a la partici on P se dene la suma de Riemann de F como
n
(F ; P , A) =
j =1
(tj tj 1 ) F (j )
Proposici on C1 Si F : [a, b] B (H) es una funci on continua, entonces existe un u nico operador J con la propiedad de que para cada > 0, existe > 0 tal que si P es una partici on de [a, b] con (P ) < , entonces (F ; P , A) J < para cualquier elecci on A asociada a P . El operador J se llama la integral de F sobre [a, b] y se denota por
b
J=
a
F (t) dt
Demostraci on. Por ser similar al caso real y complejo s olo se indican los pasos esenciales. Como F es uniformemente continua en [a, b] , para cada > 0, existe tal que si (P ) , (P ) < , entonces (F ; P , A) 81 (F ; P , A ) < ,
82
APENDICE C. INTEGRAL DE RIEMANN
para cualesquier elecciones A, A asociadas a las particiones de P y P respectivamente. Despu es se toma una sucesi on de particiones (Pn )n de [a, b] con (Pn ) 0 cuando n y cualquier sucesi on de aumentaciones (An )n , por u ltimo se verica que la sucesi on { (F ; Pn , An )}n converge en la norma de B (H) a un u nico l mite J. QED
La integral tiene las siguientes propiedades. Proposici on C2 Si F, F2 : [a, b] B (H) son funciones continuas y C, entonces a) La integral es lineal
b b b
[F (t) + F2 (t)] dt =
a a
F (t) dt +
a
F2 (t) dt
b)
b b
F (t) dt
a a
F (t) dt
c) La funci on G : [a, b] B (H) tal que G (t) = G (t) = F (t) para todo t [a, b] . d) Si x, y H, entonces
b b
t a
F (s) ds es derivable y
x,
a
F (t) dt y
=
a
x, F (t) y dt
Demostraci on.
a) Se omite. b) Sea J = a F (t) dt. Si > 0, existe > 0 tal que si P es una partici on de [a, b] con (P ) < , entonces (F ; P , A) J < . Ahora escogemos una partici on Q con (Q) < y una elecci on A asociada a Q, luego J (F ; Q, A) + J (F ; Q, A) . (C.1)
b
83 Dado que (F ; Q, A) j =1 (tj tj 1 ) F (j ) sigualdad (C.1) se puede expresar como

b n b a
F (t) dt, la de-
J
a
F (t) dt +
y de aqu se inere el resultado.
c) Sea to [a, b] . Por la continuidad de F en t 0 dada > 0 existe > 0 tal que F (s) F (t0 ) < , cuando |s t0 | < . Usando el inciso precedente, y si 0 < |t t0 | < , tenemos las siguientes estimaciones: G (t) G (t0 ) F (t0 ) t to = de donde se sigue el resultado. 1 |t to | 1 |t to | 1 |t to |
t
[F (s) F (t0 )] ds
to t
F (s) F (t0 ) ds
to t
ds = ,
to
Hagamos una pausa para recordar que si f : [a, b] C es una funci on con valores complejos tal que sus partes real e imaginaria (f ) , (f ) : [a, b] R son funciones Riemann integrables se dene
b b b
f (t) dt =
a a
(f ) (t) dt + i
a
(f ) (t) dt.
Esta integral tiene propiedades semejantes a las de la integral de Riemann de funciones reales de variable real, una de ellas que nos interesa remarcar es: El Teorema fundamental del c alculo cl asico. Si f : [a, b] C es una funci on integrable y h : [a, b] C es una funci on derivable con h = f en [a, b] , entonces
b
f (t) dt = h (b) h (a) .

a
Se demuestra usando el caso real en las funciones parte real e imaginaria de f respectivamente.
84
APENDICE C. INTEGRAL DE RIEMANN
d) Continuando, denimos la funci on g : [a, b] C con

t
g (t) =
x,
a
F (s) ds y ,
luego por la Proposici on B3 y el inciso anterior tenemos g (t) = x, F (t) y , y por el Teorema fundamental del c alculo cl asico concluimos que
b
x, F (t) y dt =
a
g (b) g (a)
b
x,
a
F (s) ds y
Proposici on C3 (Teorema fundamental del c alculo ). Si F : [a, b] B (H) es una funci on continua y G : [a, b] B (H) es derivable con G = F en [a, b] , entonces
b
F (t) dt = G (b) G (a)

a
Demostraci on. Para evidenciar la igualdad es suciente vericar que para cualquier par x, y H se satisface que
b
x,
a
F (t) dt y
= x, [G (b) G (a)] y ;
con esto en mente, denimos la funci on g : [a, b] C mediante g (t) = x, G (t) y ; por la Proposici on B3 y por hip otesis g satisface que g (t) = x, G (t) y = x, F (t) y , despu es usando el inciso d) de la proposici on C2 y el Teorema fundamental del c alculo cl asico para el caso complejo vemos que
b b
x,
a
F (t) dt y
=
a
x, F (t) y dt g (t)]a = g (b) g (a) x, G (b) y x, G (a) y . QED

b
= =
Bibliograf a
[1] R. Bhatia, Matrix Analysis (Springer-Verlag, 1997). [2] O. Bratteli y D. Robinson, Operator Algebras and Quantum Statistical Mechanics Vol II (Springer-Verlag, 1981; segunda edici on 1997). [3] J. B. Conway, A Course in Functional Analysis (Springer-Verlag, 1990; cuarta impresi on corregida 1997). [4] H. Epstein, Remarks on Two Theorems of E. Lieb Commun. Math. Phys. 31, 317-325 (1973). [5] A. S. Holevo, Information Theoretical aspects of Quantum Measurement Prob. Inf. Transmission USSR 9, 31-42 (1973). [6] K. Krauss, States, Eects and Operations: Fundamental Notions of Quantum Theory (Springer-Verlag, 1983). [7] O. Landford y D. Robinson, Mean Entropy of States in Quantum Statistical Mechanics J. Math. Phys. 9, 1120-1125 (1968). [8] E. Lieb, Convex Trace Functions and the Wigner-Yanase-Dyson Conjecture Adv. Math. 11, 267-288 (1973). [9] E. Lieb y M. B. Ruskai, Proof of the Strong Subadditivity of Quantum Mechanical Entropy J. Math. Phys. 14, 1938-1941 (1973). [10] G. Linblad, Completely Positive Maps and Entropy Inequalities Commun. Math. Phys. 40, 147-151 (1975).
85
86
BIBLIOGRAF IA
[11] M. A. Nielsen y I. L. Chuang, Quantum Computation and Quantum Information (Cambridge University Press, 2000). [12] H. A. Rincon, Algebra Lineal, (Coordinaci on de Servicios Editoriales, Facultad de Ciencias, UNAM, 2001). [13] R. T. Rockafellar, Convex Analysis (Princeton, 1972). [14] W. Rudin, Functional Analysis (McGraw-Hill, 1973). [15] D. Ruelle, Statistical Mechanics- Rigorous Results, (W. A. Benjamin, New York, 1969). [16] M. B. Ruskai, Inequalities for Quantum Entropy J. Math. Phys. 43, No 9, 4358-4375 (2002). [17] C. Shannon, A Mathematical Theory of Communication Bell Systems Tech Journal (1948). [18] V. Vedral, The Role of Relative Entropy in Quantum Information Theory Rev. Mod. Phys. 74 197-233 (2002). [19] J. von Neumann, Thermodynamik Quantenmechanischer Gesamheiten G ott. Nach. 1, 273-291 (1927). [20] J. von Neumann, Mathematische Grundlagen der Quantenmechanik (Berlin, 1932); Traducci on al ingl es por R. T. Beyer Mathematical Foundations of Quantum Mechanics (Princeton, 1955). [21] A. Werhl, General Properties of Entropy Rev. Mod. Phys. 50, 221-260 (1978).

Desigualdad Del Procesamiento de Datos

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Desigualdad Del Procesamiento de Datos

Caricato da

Copyright:

Formati disponibili

Desigualdades para la entrop a de von Neumann

Tesis que presenta:

Leopoldo Pantale on Mart nez.

Para obtener el grado de

Maestro en Ciencias (Matem aticas).

Asesor: Dr. Roberto Quezada Batalla.

Universidad Aut onoma Metropolitana-Iztapalapa. Divisi on de Ciencias B asicas e Ingenier a.

Desigualdades para la entrop a de von Neumann

Elementos de los espacios de Hilbert

CAP ITULO 1. ELEMENTOS DE LOS ESPACIOS DE HILBERT

e) Para todo A B (H) , A |u v | = |Au v | y |u v | A = |u A v | .

ESPECTRAL 1.2. DESCOMPOSICION

CAP ITULO 1. ELEMENTOS DE LOS ESPACIOS DE HILBERT

1.3. OPERADORES POSITIVOS

Denici on. Un operador P B (H) es positivo o positivo semi-denido, si

CAP ITULO 1. ELEMENTOS DE LOS ESPACIOS DE HILBERT

Descomposici on polar de un operador

POLAR DE UN OPERADOR 1.5. DESCOMPOSICION

Descomposici on usando valores singulares

CAP ITULO 1. ELEMENTOS DE LOS ESPACIOS DE HILBERT

Aii , para todo A B (H).

g) trT = suma de valores propios de T incluyendo multiplicidades. h) tr A |u v | = v, Au para todos u, v H.

1.7. PRODUCTOS TENSORIALES

CAP ITULO 1. ELEMENTOS DE LOS ESPACIOS DE HILBERT

es decir cj = 0 para cada j. QED

El Producto tensorial de espacios vectoriales

1.7. PRODUCTOS TENSORIALES

lo que muestra el resultado.

CAP ITULO 1. ELEMENTOS DE LOS ESPACIOS DE HILBERT

Producto tensorial de operadores

Producto tensorial de espacios de Hilbert

1.7. PRODUCTOS TENSORIALES

CAP ITULO 1. ELEMENTOS DE LOS ESPACIOS DE HILBERT

(log + log i ) |ui ui | =

log i |ui ui | = log I + log . QED B (H1 ) y B (H2 ) , entonces

Lema 14 Si , > 0 con

vj | son descomposiciones esi,j i j |ui vj ui vj | es la ui vj | ,

pero esta suma es igual a

log i |ui ui | |v j log i |ui ui |)

(log ) I2 + I1 (log ) . QED

DE LINDBLAD CAP ITULO 2. REPRESENTACION |v u|

lo que demuestra (TP1).

c) Para todos B (H1 ) , B (H2 ) se satisface que tr2 ( ) tr1 ( ) = tr , y = (tr) .

b) Al usar (TP2) con x = I1 , se obtiene tr ( 1 I1 ) = tr [

DE LINDBLAD CAP ITULO 2. REPRESENTACION B (H23 ) y

entonces se cumple que = I1

es decir se cumple que a b, (I1

, es decir se tiene que para todas u, v H12

En efecto, si {a} , {b} , {c} son bases ortonormales de H1 , H2 , H3 respectivamente, entonces

Lema 5 Sea 12 B (H12 ) y B (H3 ) . Si a) Cuando tr = 1,

DE LINDBLAD CAP ITULO 2. REPRESENTACION

Y usando la sesqui-linealidad de | | obtenemos, | | =

de tal forma que por la linealidad de la traza parcial, tr2 | | = =

DE SCHMIDT 2.3. DESCOMPOSICION

donde {i } son n umeros reales no negativos que satisfacen

Operadores completamente positivos

DE LINDBLAD CAP ITULO 2. REPRESENTACION

q vi , p y = q, Ei (p y ) . Con base en lo anterior abordemos el caso general; sean q H1 y H12 , entonces

2.4. OPERADORES COMPLETAMENTE POSITIVOS q, Ei q vi ,

y podemos concluir que Ei ( q ) = q vi .

DE LINDBLAD CAP ITULO 2. REPRESENTACION

DE LINDBLAD 2.5. LA REPRESENTACION

DE LINDBLAD CAP ITULO 2. REPRESENTACION

Ahora veremos que HA , b {b}