Escolar Documentos
Profissional Documentos
Cultura Documentos
INSTITUTO DE MATEMATICA
EM MATEMATICA
PROGRAMA DE POS-GRADUAC
AO
PROCESSOS ESTOCASTICOS
QUANTICOS
Bolsista da Coordenac
ao de Aperfeicoamento de Pessoal de Nvel Superior (CAPES).
Agradecimentos. Ao professor Artur Lopes pela sua orientacao de inestimavel valor durante o programa de doutorado, e tambem por sua amizade
e pelos muitos anos de iniciacao matematica que antecederam este trabalho.
Agradeco tambem aos professores da banca, Marcelo Terra Cunha, Alexandre
Baraviera, Sandra Prado e Rogerio Steffenon, pelo apoio e pelos ambientes
de discussoes, que tornam o trabalho de investigacao cientfica uma atividade tao estimulante. Agradeco a` minha famlia e aos meus amigos, mas
nao os enumero de forma explcita simplesmente para evitar algum injusto
esquecimento.
Sum
ario
1 Introduc
ao
2 Processos estoc
asticos qu
anticos e QIFS
2.1 Probabilidade em mecanica quantica . . . . . . . . . . .
2.2 Processos estocasticos quanticos . . . . . . . . . . . . . .
2.3 IFS classicos . . . . . . . . . . . . . . . . . . . . . . . . .
2.4 Exemplos de IFS . . . . . . . . . . . . . . . . . . . . . .
2.5 IFS quanticos . . . . . . . . . . . . . . . . . . . . . . . .
2.6 Exemplos de QIFS . . . . . . . . . . . . . . . . . . . . .
2.7 Mecanica quantica e a equacao de Chapman-Kolmogorov
2.8 Medidas de probabilidade induzidas por QIFS . . . . . .
2.9 Apendice: Aplicacoes completamente positivas . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
6
6
9
14
15
16
18
23
26
38
3 Formalismo termodin
amico e o operador de
3.1 Problema variacional . . . . . . . . . . . . .
3.2 Operador de Ruelle . . . . . . . . . . . . . .
3.3 Operador de Ruelle e o problema variacional
3.4 Um teorema de autovalores . . . . . . . . .
Ruelle
. . . . .
. . . . .
. . . . .
. . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
41
41
52
64
65
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
69
69
71
74
75
81
.
.
.
.
88
88
89
92
94
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5.5
5.6
5.7
5.8
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7 Func
ao de Wigner
7.1 Relacoes de Weyl discretas . . . . . . . . . . . . . . . . . .
7.2 Introducao `a funcao de Wigner . . . . . . . . . . . . . . .
7.3 Funcao de Wigner discreta . . . . . . . . . . . . . . . . . .
7.4 Calculando funcoes de Wigner . . . . . . . . . . . . . . . .
7.5 Funcoes de Wigner e QIFS . . . . . . . . . . . . . . . . . .
7.6 Propriedades basicas da funcao de Wigner discreta . . . .
7.7 Sobre transformada de Fourier discreta e W -transformada
7.8 Transformadas discretas e canais quanticos . . . . . . . . .
.
.
.
.
.
.
.
.
97
99
102
109
.
.
.
.
.
.
.
.
.
.
.
.
115
. 115
. 124
. 126
. 128
. 129
. 140
. 144
. 152
. 154
. 160
. 161
. 162
.
.
.
.
.
.
.
.
168
. 168
. 169
. 172
. 178
. 181
. 183
. 185
. 194
Captulo 1
Introdu
c
ao
Um dos objetivos deste trabalho e construir uma versao do Princpio Variacional de Pressao, problema basico do Formalismo Termodinamico [27],
para o contexto de operadores densidade [24],[26]. Tais operadores sao uma
construcao fundamental em Mecanica Quantica.
Como motivacao, descrevemos brevemente o problema classico de pressao.
Considere o espaco de smbolos X = {0, 1}N e seja 0 < < 1. Defina a
metrica d , tal que se x, y X entao d (x, y) = N , onde N e o maior inteiro
tal que xi = yi , para todo i < N . Seja f : X R. Denote por F (X) o
espaco das funcoes Lipschitz com respeito a metrica d . O shift e definido
por (x1 , x2 , . . .) := (x2 , x3 , . . .) e o operador de transferencia e
X
Lf : F (X) F (X), (Lf w)(x) =
exp [f (y)]w(y)
(y)=x
k
X
log
tr(Hj Hj )tr(Vj Vj )
tr(Wj W Wj ) log
j=1
tr(Hj Hj )tr(Vj Vj ) =
tr(Vi W Vi )
4
(1.1)
k
X
i=1
tr(Wi W Wi )
k
Wj Vi W V W
Wj Vi W V W
X
i
j
i
j
tr
log
tr
tr(Vi W Vi )
tr(Vi W Vi )
j=1
Veremos que tal entropia contem a entropia para cadeias de Markov como
caso particular. Ainda, o n
umero que aparece em 1.1 e autovalor de
LH () :=
k
X
tr(Hi Hi )Vi Vi
i=1
AcimaP
os operadores Hi sao lineares, e formam um hamiltoniano do tipo
H = i Hi Hi . Por sua vez os Vi e Wi sao lineares, obtidos a partir de um
Quantum Iterated Function System, que sera descrito com detalhe.
Outro objetivo deste trabalho e o de fornecer uma definicao de processo
estocastico quantico. Veremos que e possvel obter uma definicao natural a
partir de QIFS, e analisamos algumas de suas propriedades. Ainda, estamos
interessados em desenvolver ferramentas gerais que permitam a analise de
problemas em Computacao Quantica. Nossa analise ira considerar, em geral,
apenas uma unidade de informacao (qubit), e faremos algumas consideracoes
quando um n
umero maior de unidades for relevante (via produto tensorial).
No captulo 2 fornecemos uma definicao de processo estocastico quantico
e sobre a classe especial de sistemas de funcoes iteradas (QIFS) que sera
de nosso interesse. Diversas construcoes feitas ali seguem os trabalhos [24],
[29]. No captulo 3 falamos do operador de Ruelle e algumas construcoes
basicas relacionadas com um princpio variacional de pressao. No captulo 4
analisamos mais caractersticas de IFS e no captulo 5 definimos a entropia
que iremos usar, bem como outras construcoes relevantes. Finalmente o
captulo 6 enuncia e prova uma versao do princpio variacional de pressao
no contexto de matrizes densidade. O captulo 7 define a funcao de Wigner
discreta, seguindo [25], e contem algumas relacoes entre tais funcoes e os
canais quanticos considerados anteriormente.
Captulo 2
Processos estoc
asticos
qu
anticos e QIFS
2.1
Probabilidade em mec
anica qu
antica
onde , , sao n
umeros reais. Como trabalhamos no espaco projetivo, o
fator ei pode ser ignorado e entao podemos escrever
Definic
ao Um operador densidade e um operador agindo em HN ,
com = , 0, tr = 1. Tais operadores sao tambem chamados de
matrizes densidade. Denote o espaco de operadores densidade por MN .
Um estado misturado pode ser escrito como
=
k
X
pi |i ihi |,
(2.1)
i=1
P
onde os pi sao n
umeros positivos com i pi = 1, os i tem norma igual a 1 e
sao ortogonais entre si. Um estado puro sera representado por uma projecao
em um dos estados, ou seja,
= |i ihi |
para algum i. Lembre que um estado puro e tal que seu operador densidade
associado satisfaz tr(2 ) = 1. Se um estado e misturado, temos apenas
tr(2 ) < 1. Ainda, um operador sera um operador densidade se, e somente
se, seu traco for igual a 1 e se tal operador for positivo [26].
Exemplo 2.1.1 Suponha que a evolucao de um sistema quantico e descrita
por um operador unitario U em um espaco de Hilbert de dimensao finita. Se o
sistema encontra-se em um estado |i i com probabilidade pi entao depois que
a evolucao ocorreu, o sistema estara no estado U |i i com probabilidade
pi .
P
Portanto, a evolucao de um operador densidade dado por = i pi |i ihi |
e descrita por
X
X
U
=
pi |i ihi | 7
pi U |i ihi |U = U U .
i
Definic
ao A entropia de von Neumann de um sistema quantico
descrito por uma matriz densidade e definida por
S() := tr( log )
Se i sao os autovalores de entao a entropia de von Neumann pode ser
escrita como
X
S() =
i log i
(2.2)
i
2.2
Processos estoc
asticos qu
anticos
Definic
ao Um espaco de fase e um espaco mensuravel (, ) onde
representa o conjunto dos resultados possveis para uma medicao e e uma
-algebra de subconjuntos de .
Seja V o espaco dual de V . Introduza uma ordem parcial em V definindo se, e somente se, (u) (u), para todo u K.
Definic
ao Um efeito e uma aplicacao V tal que 0 .
Denotamos o espaco de efeitos por E V .
Definic
ao Dizemos que x : E e um observ
avel se x e uma medida
que toma valores no conjunto de efeitos, tal que x() = .
Se E , u K e (u) = 1 entao x(E)u pode ser interpretado como
sendo a probabilidade de que o resultado da medicao da quantidade fsica representada por x, preparada no estado u, pertenca ao conjunto E. No caso de
9
xT : E
como sendo
T (E) :=
Pi Pi ,
(2.5)
(Pi ),
(2.6)
iE
xT (E) :=
X
iE
Z
T (E) :=
Pa Pa dm(a)
(2.7)
(Pa )dm(a),
(2.8)
Z
xT (E) :=
E
(2.9)
(2.10)
11
Definic
ao Um processo estoc
astico qu
antico (quantum stochastic
process, QSP) e uma famlia arbitraria de instrumentos {It }tI . O parametro
t pode ser interpretado como sendo o tempo fsico. Seja I = Z ou I = R
para tempo discreto ou contnuo, respectivamente.
As distribuic
oes de dimens
ao finita do processo sao medidas ut0 ,...,tn1
n
n
definidas em ( , B( )) como sendo as extensoes naturais das funcoes dadas
por
ut0 ,...,tn1 (E0 En1 ) = ((Ttn1 (En1 ) Ttn2 (En2 ) Tt0 (E0 ))u),
(2.11)
onde n N, t0 < < tn1 , ti I, u V e E0 , . . . , En1 . O
significado de tal expressao e o seguinte: ut0 ,...,tn1 (E0 En1 ) e a probabilidade conjunta de que medicoes sucessivas do sistema pelos instrumentos T0 , . . . , Tn1 nos instantes t0 , . . . , tn1 produzam valores em E0 , . . . , En1 ,
quando o estado de pre-medicao for u.
Definic
ao Dizemos que um QSP e Markov se existe uma famlia de
transicoes de probabilidade {Ps,t }s<t tais que
ut0 ,...,tn1 (E0 En1 )
Z
Ptn1 ,tn (yn1 , dyn ) Pt0 ,t1 (y0 , dy1 )ut0 (dy0 )
=
E0
E1
(2.12)
En
Definic
ao Se o espaco de fase (, ) esta munido com a medida de Borel
m, uma transicao de probabilidade P pode ter a forma
Z
P (x, E) =
p(x, y)dm(y)
(2.13)
E
+
(2.14)
Z
f dm, E
x(E) =
(2.17)
(2.18)
(2.19)
(2.20)
(2.21)
onde D = ha |a i. Consequentemente,
p(a, b) = |hb |U |a i|2 /D
(2.22)
2.3
IFS cl
assicos
Definic
ao Seja um espaco metrico compacto e fi : P
, pi :
[0, 1], i = 1, . . . , k, tais que para cada x a condicao ki=1 pi (x) = 1 e
satisfeita. Chamamos o conjunto FCl = {, fi , pi : i = 1, . . . , k} de sistema
de func
oes iteradas (iterated function system, IFS).
Entendemos as funcoes fi dadas acima como sendo aplicacoes classicas
que agem aleatoriamente em , com probabilidades pi .
Seja M1 () o espaco de probabilidades em . Associado ao IFS FCl
temos o operador de Markov P : M() M(),
k Z
X
(P )(B) =
pi (x)d(x),
i=1
f 1 (B)
2.4
Exemplos de IFS
Exemplo 2.4.5 = [0, 1], k = 2, p1 = p2 = 1/2, f1 (x) = 2x para x < 1/2
e f1 (x) = 2(1 x) para x 1/2. f2 (x) = 2x para x < 1/2 e f2 (x) = 2x 1
para x 1/2. Ambas aplicacoes sao expansivas, portanto este IFS nao e
hiperbolico. A medida de Lebesgue em [0, 1] e uma medida invariante para
este IFS.
2.5
IFS qu
anticos
Definic
ao Sejam Vi : HNP HN , Wi : HN HN , i = 1, . . . , k operadores
lineares invertveis, com
Wi Wi = I. Defina Fi : PN PN , i = 1, . . . , k
como sendo
Vi (|i)
.
Fi (|i) :=
kVi (|i)k
Defina tambem pi : PN [0, 1], i = 1, . . . , k,
pi (|i) := kWi (|i)k2 .
Chamamos o conjunto FN = {PN , Fi , pi : i = 1, . . . , k} de QIFS para
estados puros.
P
Note que na definicao acima, vale a condicao i pi (|i) = 1. Ainda, tais
QIFS nao podem ser hiperbolicas, pois as aplicacoes Fi nao sao contracoes
com respeito a metrica de Fubini-Study em PN .
Para poder definir IFS para estados misturados, consideramos o espaco
MN dos operadores densidade para descrever tais estados.
Defini
c
ao Sejam Gi : MN MN , pi : MN [0, 1], i = 1, . . . , k e tal
P
que i pi () = 1. Chamamos o conjunto
FN = {MN , Gi , pi : i = 1, . . . , k}
(2.23)
Vi Vi
tr(Vi Vi )
16
(2.24)
e
pi () := tr(Wi Wi )
(2.25)
k Z
X
i=1
G1
i (B)
pi ()d(),
Definimos tambem : MN MN ,
() :=
k
X
pi ()Gi ()
i=1
Vi Vi
(2.26)
q
DBures (1 , 2 ) =
1/2
1/2
Tais metricas geram a mesma topologia em M. Munindo o espaco de estados misturados com uma metrica usamos uma definicao de hiperbolicidade
analoga a do caso para IFS.
Definic
ao Um QIFS e hiperb
olico se as aplicacoes quanticas Gi forem
contracoes com respeito a uma das distancias em MN e se as pi forem Holdercontnuas e positivas.
Proposic
ao 2.5.2 Se um QIFS (2.23) e homogeneo e hiperbolico entao o
operador de Markov associado P possui uma u
nica medida invariante . Tal
medida invariante determina um u
nico estado -invariante MN , dado
por (2.27).
A secao 4.5 contem a demonstracao da proposicao acima.
2.6
Exemplos de QIFS
Definic
ao Uma aplicacao e completamente positiva, CP, se I for
positiva para qualquer extensao do espaco de Hilbert inicial HN HN HE .
Sabemos que toda aplicacao CP que preserva o traco pode ser representada (de forma nao u
nica) na forma
K () =
k
X
Vj Vj ,
com
k
X
j=1
Vj Vj = I,
j=1
normal: Vj Vj = Vj Vj .
Definic
ao Uma aplicacao CP unitaria e que preserva o traco e dita biestoc
astica.
Um exemplo de aplicacao biestocastica e
U () =
k
X
pi Ui Ui ,
i=1
pi = 1.
XX
nA mA
|Unm |2 =
nA mA
XX
nA mB
|Unm |2
nI mA
= |A|
XX
|Unm |2
nB mA
XX
|Unm |2 ,
nB mA
e portanto
nB
mA
|Unm |2 = 0.
Prova da proposic
ao Sejam Ui , i = 1, . . . , k diagonais em bloco
PLna base comum a elas, e sejam 1 , . . . , L as dimensoes dos blocos, onde j=1 j = N .
P
Defina, para j quaisquer tais que Lj=1 j = 1, a seguinte matriz densidade
diagonal:
L
M
j
:=
1
j j
j=1
Entao Ui Ui = para cada i = 1, . . . , k. Portanto e U -invariante e e
uma medida PU -invariante em PN para uma escolha arbitraria de (j )j=1,...,L .
Reciprocamente, seja um estado invariante para U tal que 6= .
Entao pode ser escrito na forma
=
N
X
n |n ihn |,
n=1
onde |m i PN , hn |m i = mn , n, m = 1, . . . , N , e 1 2 N ,
1 < 1/N .
Para [0, 1], defina o operador densidade
:= + (1 ) =
N
X
n=1
20
n0 |n ihn |,
k
X
i=1
pi
N
X
0
|(Ui )nm |2 m
,
m=1
k
X
i=1
pi
N
X
0
|(Ui )nm |2 m
.
m=n0 +1
21
U=
qi ViA ViB ,
i=1
K
X
qi ViA A ViA
i=1
Portanto, se A
:= 1N /N , temos
A
B
A
U (A
) = trB (U ( )U ) =
22
2.7
Mec
anica qu
antica e a equa
c
ao de ChapmanKolmogorov
(2.30)
P (Xm+n = j, Xm = k|X0 = i)
23
(2.31)
(2.32)
24
(2.34)
A(B1 B2 )
A(B2 )
(2.36)
(2.39)
k
n
e portanto Am+n = Am An e An = A .
2.8
1 2
p11
p12
0
0
V1 =
, =
, V2 =
p21
p22
3 4
0
0
Queremos obter os pontos fixos de
L() = q1 V1 V1 + q2 V2 V2
para os Vi definidos acima. Entao
q1 V1 V1 + q2 V2 V2 =
(2.40)
implica
h
i
q1 ( p11 1 + p12 3 ) p11 + ( p11 2 + p12 4 ) p12 = 1
h
i
q2 ( p21 1 + p22 3 ) p21 + ( p21 2 + p22 4 ) p22 = 4
E (2.40) tambem implica que 2 = 3 = 0, e entao reescrevemos o sistema
acima como
h
i
q1 p11 1 p11 + p12 4 p12 = 1
26
q2
i
p21 1 p21 + p22 4 p22 = 4
ou ainda como
a1 + f 4 = 1
(2.41)
g1 + h4 = 4
(2.42)
onde
a = q1 p11 , f = q1 p12 , g = q2 p21 , h = q2 p22
Ainda, obtemos
f
4
1a
1h
1 =
4
g
1 =
q1 p12
q1 p12 q1 p11 +1
1q1 p11
q1 p12 q1 p11 +1
1q2 p22
1q2 p22 +q2 p21
q2 p21
1q2 p22 +q2 p21
(2.43)
Assumiremos agora que
P =
p11 p12
p21 p22
1 p11
p12
,
)
p12 p11 + 1 p12 p11 + 1
(2.44)
Compare (2.44) com (2.43). Basta entao fixar q1 = q2 = 1 entao temos que
as entradas nao nulas de sao as entradas de . Temos que a escolha feita
para os qi acima e u
nica. De fato, comparando a (i, i)-esima coordenada de
27
com a i-esima coordenada de , vemos que se existem qi0 que tambem tornam
e iguais, entao
q1 p12
q10 p12
,
= 0
q1 p12 q1 p11 + 1
q1 p12 q10 p11 + 1
o que implica
q1 (q10 p12 q10 p11 + 1) = q10 (q1 p12 q1 p11 + 1)
q1 q10 p12 q1 q10 p11 + q1 = q1 q10 p12 q1 q10 p11 + q10
e cancelando, obtemos q1 = q10 . Analogamente,
1 q2 p22
1 q20 p22
=
1 q2 p22 + q2 p21
1 q20 p22 + q20 p21
implica
(1 q2 p22 )(1 q20 p22 + q20 p21 ) = (1 q20 p22 )(1 q2 p22 + q2 p21 )
1 q20 p22 + q20 p21 q2 p22 + q2 q20 p222 q2 q20 p22 p21
= 1 q2 p22 + q2 p21 q20 p22 + q2 q20 p222 q2 q20 p22 p21
Cancelando, obtemos
q20 p21 = q2 p21 q20 = q2
e portanto neste caso, a escolha de q1 e q2 e u
nica.
Por simplicidade, vamos supor que o sistema quantico considerado pode assumir dois estados, e chamaremos tais estados de 1 e 2. Fixaremos k = 2 e
vamos supor que temos dois operadores lineares V1 e V2 .
28
(2.46)
Definic
ao Dizemos que um processo estocastico quantico e Markov se
(Xn = xn |X1 = x1 , . . . , Xn1 = xn1 ) = (Xn = xn |Xn1 = xn1 ) (2.47)
P
Observac
ao A condicao i Vi Vi = I e suficiente para mostrar que a
medida de uma particao de cilindros e igual a 1. Por exemplo, para dois
estados 1 e 2, para k = 2 e denotando
(ij) := (X1 = i, X2 = j),
temos
(11) + (12) + (21) + (22)
= tr(V1 V1 V1 V1 ) + tr(V2 V1 V1 V2 ) + tr(V1 V2 V2 V1 ) + tr(V2 V2 V2 V2 )
= tr(V1 V1 [V1 V1 ]) + tr(V2 V2 [V1 V1 ]) + tr(V1 V1 [V2 V2 ]) + tr(V2 V2 [V2 V2 ])
= tr (V1 V1 + V2 V2 )[V1 V1 ] + tr (V1 V1 + V2 V2 )[V2 V2 ]
= tr(V1 V1 ) + tr(V2 V2 ) = tr((V1 V1 + V2 V2 )) = 1
(2.48)
Agora vamos considerar o caso particular em que oPoperador 0 MN
na definicao de QSP e ponto fixo do operador () = ki=1 Vi Vi induzido
pelo QIFS F.
Considere o caso particular em que temos
p11
p12
0
0
,
, V2 =
V1 =
p21
p22
0
0
(2.49)
(2.51)
(2.52)
De forma semelhante,
e
(X1 = 1, X2 = 2, X3 = 1) = tr(V1 V2 V1 0 V1 V2 V1 ) = p12 p21 11
(2.53)
Observac
ao Um
Pcalculo simples mostra que as escolhas de Vi dadas por
(2.49) sao tais que i Vi Vi 6= I, mas no entanto temos
(11) + (12) + (21) + (22) = 1
Para provar que a escolha (2.49) se reduz ao caso classico para qualquer
sequencia, usaremos o seguinte lema.
Lema 2.8.1 Suponha N = 2, k = 2. Entao para todo m, para a escolha de
Vi dada por (2.49) e 0 correspondente ao vetor estacionario de P , temos
que o produto
Vxm Vxm1 Vx1 0 Vx1 Vx2 Vxm
(2.54)
e da forma
0
0 0
ou
0 0
0
dependendo se xm = 1 ou xm = 2, respectivamente.
30
(2.55)
V1 0 V1 =
0
0
e
V2 0 V2
=
0
0
0 p21 11 + p22 22
(2.56)
(2.57)
V1
V1 e V1
V1
0 0
0
(2.58)
(2.59)
possuem apenas a entrada (1, 1) nao nula. Analogamente para o caso em que
xm+1 = 2, ou seja
0
0 0
V2
V2 e V2
V2
(2.60)
0 0
0
possuem apenas a entrada (2, 2) nao nula.
Lema 2.8.2 Fixando
0
0
p11
p12
, V2 =
,
V1 =
0
0
p21
p22
(2.61)
temos que
(X1 = x1 , X2 = x2 , . . . , Xn = xn ) = pxn xn1 pxn1 xn2 px3 x2 px2 x1 x1 x1
P (2.62)
onde ij denota a (i, j)-esima entrada de 0 , autoestado de () = i Vi Vi .
Prova Por definicao, temos
(X1 = x1 , . . . , Xn = xn ) := tr(Vxn Vxn1 Vx2 Vx1 0 Vx1 Vx2 Vxn1 Vxn )
(2.63)
Faremos a prova por inducao. Suponha n = 1. Entao
(X1 = 1) = tr(V1 0 V1 ) = p11 11 + p12 22 = 11
31
(2.64)
(2.65)
(2.66)
(2.67)
(2.68)
Vxn1 Vxn V1
= V1
0
0 0
V1
=
p11 0
0 0
(2.69)
Analogamente se xn = 2
0 0
=
0
0 0
p12 0
V1 =
V1 Vxn Vx2 Vx1 0 Vx1 Vx2 Vxn1 Vxn V1 = V1
0
0 0
Vxn Vx2 Vx1 0 Vx1 Vx2
Vxn1 Vxn
e tomando o traco,
tr(V1 Vxn Vx2 Vx1 0 Vx1 Vx2 Vxn1 Vxn V1 )
32
(2.70)
(2.71)
Vxn1 Vxn
=
0
0 0
e portanto
V2 Vxn Vx2 Vx1 0 Vx1 Vx2
Vxn1 Vxn V2
= V2
0
0 0
V2
=
p21 0
0 0
(2.72)
Analogamente se xn = 2
0 0
=
0
0 0
p22 0
Vxn1 Vxn
e tomando o traco,
tr(V2 Vxn Vx2 Vx1 0 Vx1 Vx2 Vxn1 Vxn V2 )
= p22 p2xn1 pxn1 xn2 px3 x2 px2 x1 x1 x1
(2.73)
p11
p12
0
0
, V2 =
,
V1 =
0
0
p21
p22
e Markov.
33
(2.74)
(2.75)
e
(X2 = l, X3 = m) =
(X1 = p, X2 = l, X3 = m)
= tr(Vm Vl V1 0 V1 Vl Vm ) + tr(Vm Vl V2 0 V2 Vl Vm )
= tr Vm Vl (V1 0 V1 + V2 0 V2 )Vl Vm = tr(Vm Vl 0 Vl Vm )
(2.76)
Vi Vi ,
i1 ,...,im1
i2 ,...,im1
i2 ,...,im1
onde
ij (n) = (Xm+n = j|Xm = i)
Vamos tomar, por exemplo, m = n = i = j = 1 entao
X
ik (m)kj (n) = 11 (1)11 (1) + 12 (1)21 (1)
k
(2.78)
e
ij (m + n) = 11 (2) = (X3 = 1|X1 = 1)
tr(V1 V1 V1 V1 V1 V1 ) tr(V1 V2 V1 V1 V2 V1 )
=
+
tr(V1 V1 )
tr(V1 V1 )
(2.79)
tr(V1 V1 )
tr(V1 V1 )
tr(V2 V2 )
11 + 422
e
tr(V1 V1 V1 V1 V1 V1 ) tr(V1 V2 V1 V1 V2 V1 )
+
=1+1=2
tr(V1 V1 )
tr(V1 V1 )
35
(2.82)
0
0
3
3
(2.83)
V1 =
, V2 =
0 0
0 1
Escolha por exemplo 0 = 14 |1ih1| + 34 |2ih2|. Um calculo simples mostra que
(2.78) e (2.79) sao distintos. Logo, estes calculos mostram que a equacao de
Chapman-Kolmogorov nao vale em geral.
Lema 2.8.7 Para todo QSP Markov homogeneo no tempo, vale a equacao
de Chapman-Kolmogorov.
A prova e a mesma vista na secao 2.7, pagina 24.
tr(Wx2 Vx1 0 Vx1 Wx2 ) tr(Wx3 Vx2 Vx1 0 Vx1 Vx2 Wx3 )
tr(Wx1 0 Wx1 )
tr(Vx1 0 Vx1 )
tr(Vx2 Vx1 0 Vx1 Vx2 )
(2.84)
ou seja,
(X1 = x1 , . . . , Xn = xn ) :=
tr(Wx1 0 Wx1 )
n
Y
tr(Wxi Vxi1 Vx1 0 Vx1 Vxi1 Wxi )
tr(Vxi1 Vxi2 Vx1 0 Vx1 Vxi2 Vxi1 )
i=2
36
(2.85)
Observac
ao Um calculo mostra que, com a suposicao
temos
X
(i1 in ) = 1
Wi Wi = I,
i1 ,...in
(2.86)
Vi Vi
tr(Vi Vi )
Wi Wi = I.
Definic
ao Dizemos que o par ({Xn }nN , ), Xn : {1, . . . , k}, e um
processo estoc
astico qu
antico associado ao QIFS nao homogeneo F se
e definida por (2.85), onde 0 MN e qualquer operador densidade.
E definimos para qualquer r,
(Xr = xr |Xr1 = xr1 ) =
= tr(Wr1 0 Wr1
)
Wr )
tr(Wr Vr1 0 Vr1
tr(Vr1 0 Vr1
)
(2.87)
Observac
ao Na definicao acima podemos, e claro, considerar o caso particular em que 0 e ponto fixo do operador
() =
k
X
tr(Wi Wi )
i=1
Vi Vi
tr(Vi Vi )
Exemplo 2.8.8 Seja {Xn }nN QSP induzido por um QIFS nao homogeneo.
Vamos fazer uma inspecao com respeito a estacionariedade. Queremos saber
se
?
(X1 = 1, X2 = 2) = (X2 = 1, X3 = 2)
(2.88)
Por definicao temos:
(X1 = 1, X2 = 2) = tr(W1 0 W1 )
tr(W2 V1 0 V1 W2 )
tr(V1 0 V1 )
(2.89)
E tambem
(X2 = 1, X3 = 2) = (X1 = 1, X2 = 1, X3 = 2)+(X1 = 2, X2 = 1, X3 = 2)
= tr(W1 0 W1 )
+tr(W2 0 W2 )
tr(W1 V1 0 V1 W1 ) tr(W2 V1 V1 0 V1 V1 W2 )
tr(V1 0 V1 )
tr(V1 V1 0 V1 V1 )
tr(W1 V2 0 V2 W1 ) tr(W2 V1 V2 0 V2 V1 W2 )
tr(V2 0 V2 )
tr(V1 V2 0 V2 V1 )
h
V1 0 V1 tr(W1 V1 0 V1 W1 )
= tr W2 V1 tr(W1 0 W1 )
+
tr(V1 0 V1 ) tr(V1 V1 0 V1 V1 )
V2 0 V2 tr(W1 V2 0 V2 W1 ) i
V1 W2
+tr(W2 0 W2 )
tr(V2 0 V2 ) tr(V1 V2 0 V2 V1 )
(2.90)
(2.91)
2.9
Ap
endice: Aplica
co
es completamente positivas
Vimos brevemente na secao 2.6 a definicao de aplicacoes completamente positivas. Nesta secao definimos tais operadores com mais detalhe.
Seja Cnn o conjunto das matrizes complexas de ordem n. Diremos que
A Cnn e positivo, denotado por A 0, se A for hermitiano com espectro
nao negativo.
38
A11 A1k
..
.. ,
..
.
.
.
Ak1 Akk
A11 A1k
(A11 )
..
.
..
.
..
.. ) =
(Ik )( .
.
Ak1 Akk
(Ak1 )
Entao
(A1k )
..
..
.
.
(Akk )
Dizemos que e k-positiva se Ik for uma aplicacao positiva e chamaremos de completamente positiva se for k-positiva para todo k.
Nem toda aplicacao positiva e completamente positiva. O exemplo classico
e a transposicao, que e positiva, mas nao e 2-positiva. De fato, denote por T
a transposicao em C22 . Seja
1 0 0 1
0 0 0 0
22
C22
0 0 0 0 C
1 0 0 1
Entao
1
0
(I2 T )(
0
1
0
0
0
0
0
0
0
0
0
) =
0
1
1
0
0
0
0
0
1
0
0
1
0
0
0
0
0
1
k
X
Vi Vi ,
i=1
k
X
Vi Vi = I,
i=1
40
Captulo 3
Formalismo termodin
amico e o
operador de Ruelle
3.1
Problema variacional
k
X
Vi Vi ,
i=1
onde os Vi sao certas aplicacoes lineares. Vamos tentar relacionar esta analise
com estados que maximizam pressao. Nossa analise inicial ocorre fazendo
N = 2 e k = 2. Sejam
v1 v2
w1 w2
1 2
,
V1 =
, V2 =
, =
2 4
v3 v4
w3 w4
onde V1 e V2 sao operadores invertveis e e operador densidade (i.e., hermitiano, positivo, traco igual a 1).
Suponha que e tal que
V1 V1 + V2 V2 = .
(3.1)
Um calculo para (3.1) produz 4 igualdades, mas duas delas sao identicas,
entao temos 3 equacoes independentes:
(1 |v1 |2 +2 v1 v2 +2 v1 v2 +4 |v2 |2 )+(1 |w1 |2 +2 w1 w2 +2 w1 w2 +4 |w2 |2 ) = 1
41
(3.2)
(3.3)
1 (v1 v3 v2 v4 + w1 w3 w2 w4 ) + 2 (v1 v4 + w1 w4 1)
+2 (v2 v3 + w2 w3 ) + (v2 v4 + w2 w4 ) = 0.
(3.4)
Exemplo 3.1.1 Seja
p
0
1p
0
ik
il
V1 = e
, V2 = e
,
0 p
0
1p
onde k, l R, p (0, 1). Entao V1 V1 +V2 V2 = I. Neste exemplo, um calculo
simples mostra que as funcoes Fi , Gi e Ji se reduzem a
Fi = 0, i = 1, . . . , 4
Gi = 0, i = 1, . . . , 4
J1 = 0, J2 = 2, J3 = J4 = 0
e portanto 2 = 0. Entao
=
q
0
0 1q
p
1
1p p
1 22 p(1p)+1p
p1
= 2
2
1+
2
1 22
2
p(1p)+1p
p1
Exemplo 3.1.3 Um exemplo nao diagonal. Seja
q
1
3
1
4
V1 =
1
5
1
4
290
359
31 359
4308
, V2 =
359
20
V2 V2
=
25
144
31
240
31
240
41
400
+
119
144
31
240
31
240
=I
359
400
290)1 +
290 +
23335 1353430
1885
24383
4837
9
2 = (
+
290)1
290
14001 1353430
1885
Mas 1 R, portanto 2 = 2 e assim obtemos
2 = (
6
65
9
13
1 = 0.5296472016
=
0.5296472016 0.1810101467
0.1810101467 0.4703527984
1 2
3 4
=
1 + i1 2 + i2
3 + i3 4 + i4
F () = tr( log )
,H =
h1 h2
h2 h4
1
1
tr(H) = S() tr(H)
T
T
44
(3.7)
h1
+ = 0,
T
S 1
h2
+ = 0,
T
h2
S3
= 0,
T
h4
S4
+ = 0,
T
1 + 4 = 1,
ih1
+ i = 0
T
ih2
+ =0
T
ih2
S 3
+ =0
T
ih4
S 4
+ i = 0
T
1 + 4 = 0
S2
S2
2 = 3
2 = 3 ,
45
1 4 1 p
1 4 1 p
+ +
(1 4 )2 + 42 3 , 2 = +
(1 4 )2 + 42 3 .
2
2 2
2
2 2
Entao
S1 =
1 1 2
1 2
1
log 1 1
log 2 2
1
1 1
1
2 1
=
1
2
(log 1 + 1)
(log 2 + 1)
1
1
Si =
2
1
(log 1 + 1)
(log 2 + 1),
i
i
1
2
(log 1 + 1)
(log 2 + 1), i = 1, . . . , 4.
i
i
E temos, escrevendo k = k + ik , k = 1, . . . , 4 sempre que for conveniente,
e Si =
1
1 1
1 4
,
= + p
1
2 2 (1 4 )2 + 42 3
1
3
=p
2
(1 4 )2 + 42 3
1
1 1
4 1
= + p
4
2 2 (1 4 )2 + 42 3
1
2
=p
,
3
(1 4 )2 + 42 3
2
1 1
1 4
= p
,
1
2 2 (1 4 )2 + 42 3
2
3
= p
2
(1 4 )2 + 42 3
2
1 1
4 1
= p
4
2 2 (1 4 )2 + 42 3
2
2
,
= p
3
(1 4 )2 + 42 3
e
1
1
2
2
=i
,
=i
,
k
k
k
k
Das equacoes para = 0, temos
S1
k = 1, . . . , 4
h1
h4
S4 +
=0
T
T
h1 h4
T
T
1
2
1
2
h1 h4
K1
K2 +
K1 +
K2 =
1
1
4
4
T
S1 S4 =
46
1 1
2 2
h1 h4
)K1 + (
)K2 =
,
4
1
4
1
T
onde
K1 = 1 + log 1 , K2 = 1 + log 2
Pelas expressoes para 1 e 2 obtidas acima, vemos que
4 1
1 1
=p
,
4
1
(1 4 )2 + 42 3
e que
1 1
2
2
4
1
4
1
Entao simplificamos para obter
h1 h4
1 4
2
p
=
log
1
T
(1 4 )2 + 42 3
(3.8)
Continuando, temos:
S2
h2
h2
+ S3
=0
T
T
1
2
1
2
2
K1
K2
K1
K2 = Re(h2 )
2
2
3
3
T
2 + 3
2
2 + 3
)K1 ( p
)K2 = Re(h2 )
( p
T
(1 4 )2 + 42 3
(1 4 )2 + 42 3
2 + 3
2
2
p
log
= Re(h2 )
1
T
(1 4 )2 + 42 3
(3.9)
E ainda
ih2
ih2
S2 +
=0
T
T
2
S3 S2 + Im(h2 ) = 0
T
1
2
1
2
2
K1
K2 +
K1 +
K2 + Im(h2 ) = 0
3
3
2
2
T
2
1
2
2
1
i
K1
K2 +
K1 +
K2 = Im(h2 )
3
3
2
2
T
3 2
2 3
2
i p
K1 + p
K2 = Im(h2 )
T
(1 4 )2 + 42 3
(1 4 )2 + 42 3
S3
47
2 3
2
2
i p
= Im(h2 )
log
2
1
T
(1 4 ) + 42 3
2
2 3
2
= iIm(h2 )
p
log
1
T
(1 4 )2 + 42 3
(3.10)
(1 4
)2
+ 42 3
Defina
= (1 , 2 ) = p
log
h2
2
=
1
T
1
(1 4
)2
+ 42 3
log
(3.11)
2
1
h4 h1
h4 h1
=
T
T (4 1 )
2 =
e obtemos
h2
h2
=
T
T 2
2
h2
h2
2
=
=
.
1 4
h1 h4
21 1
h1 h4
Note que a expressao acima nos diz que obtemos uma solucao diagonal se,
e somente se, h2 = 0. Substitua em (3.11) a expressao de 2 obtida acima,
entao aplicando os vnculos impostos sobre e um calculo elementar nos leva
a
4 1+4h
e h1 h
T
1
+
4h
1
+ 1 + 1 + 4h
1
h h
,
(3.12)
1,q =
1
4
2
1 + 4h e T 1+4h + 1
h1 h4
2,q
(e T 1+4h 1)h2
h h
=
,
1
4
1 + 4h e T 1+4h + 1 (h1 h4 )
(3.13)
(3.14)
h1 h4 =
(3.15)
1 + 4h
2,p T
log 2
21,p 1+4h+1 1+4h
.
(3.16)
h2 =
1 + 4h(21,p 1)
Note que tais expressoes implicam
h2
2,p
=
h1 h4
1 21,p
(3.17)
e portanto temos uma expressao para h = |h2 /(h1 h4 )|2 que nao depende
dos hi (pois a solucao p = (1,p , 2,p ) para o problema (3.1) nao depende dos
hi ).
Vamos escrever a expressao matricial
de . Multiplicamos e dividimos as
expressoes (3.12) e (3.13) por e(h1 /T ) 1+4h e rearranjamos para obter
h1
1,q
h4
i
e T 1+4h e T 1+4h
1h
= 1+
h1
h4
2
1 + 4h(e T 1+4h + e T 1+4h )
h4
4,q
(3.18)
h1
i
1h
e T 1+4h e T 1+4h
= 1+
h4
h1
2
1 + 4h(e T 1+4h + e T 1+4h )
h4
(e T
(3.19)
h1
e T
1+4h
1+4h
)h2
2,q =
h1
h4
1 + 4h(e T 1+4h + e T 1+4h )(h1 h4 )
(3.20)
1
2
2
h1hh
4
2
h1hh
4
1
+
2
2
onde
=
h4
:=
e T
1
2
0
1
2
1+4h
h1
1 + 4h(e T
21
+
h1
e T
1+4h
h2
h1 h4
h2
h1 h4
1
2
(3.21)
1+4h
h4
+ e T
1+4h
1
(h1 h4 ) 1 + 4h
=
tanh
(1, 1),
2T
1 + 4h
49
(3.22)
au
ltima igualdade seguindo da definicao
tanh x =
e2x 1
e2x + 1
h4
e T + e T = 1.
(3.24)
log
2
2(h1 h4 )
2
2(h1 h4 )
1 h1
|h2 |2
h4
(1 ) + 2
+ (1 + ) ,
(3.25)
T 2
h1 h4
2
F (q ) = tr(q log q )
2 2
e
1
1
1
1
F (q ) = (1) log (1 )+(1+) log (1 + )+
h1 (1)+h4 (1+)
2
2
2
T
com reescrito como
=
h4
h1
h
T4
h
T1
e T e T
e
+e
= tanh
h1 h4
2T
Demonstrac
ao Imediata.
Note que tanto no caso classico como no geral, temos limT = 0.
Ainda, limT 0 = 1, dependendo do sinal de h1 h4 .
Alguns calculos sugerem que os seguintes resultados sao validos.
Conjectura 3.1.5 Seja H hermitiano, entao limT F (q ) = log 2. Denotando por FT (q ) a pressao na temperatura T , temos ainda que {FT (q )}
T =1
e uma sequencia monotona.
Conjectura 3.1.6 Suponha que H e tal que h1 , h4 satisfazem (3.24). Entao
para o q associado, temos F (q ) 0 e F (q ) = 0 se, e somente se, h2 = 0.
O lema acima mostra que a condicao (3.24) e apropriada para o caso
classico, mas nao para o caso geral. Uma ideia seria obter uma generalizacao
de (3.24). Observe que no caso classico temos, por (3.23), o seguinte:
Lema 3.1.7 Suponha que h1 h4 = k. Entao
h1
h4
h1
e T + e T = 1 k = T log (e T 1)
(3.26)
(3.27)
(3.28)
Vamos analisar o problema (3.1) onde temos apenas um operador V1
invertvel. Isso equivale a considerar as equacoes (3.2), (3.3) e (3.4) onde as
entradas wi de V2 sao nulas. Entao
1 (|v1 |2 |v2 |2 1) + 2 (v1 v2 ) + 2 (v2 v1 ) + (|v2 |2 ) = 0
(3.29)
(3.30)
(3.31)
S({2,3,4})
S({1,2,3})
1,p = P
P
S({1,3,4})
2,p = P
S({1,2,3})
(3.32)
(3.33)
3.2
Operador de Ruelle
V3 =
0 0
p10 0
, V4 =
0 0
0 p11
, =
1 2
3 4
Defina
L() =
4
X
qi ()Vi Vi
i=1
(3.34)
c1 + d4 = 4
(3.35)
onde
a = q1 p200 , b = q2 p201 , c = q3 p210 , d = q4 p211
Resolver (3.34) e (3.35) para 1 nos fornece
1 =
b
1d
4 , 1 =
4
1a
c
ou seja,
b
1d
=
1a
c
o que e uma restricao sobre os qi .
Por (3.36), podemos resolver (3.34) e (3.35):
1d
b
0
0
1a
c
= 4
= 4
,
0 1
0 1
(3.36)
ou seja,
= 4
q2 p201
1q1 p200
0
1
!
= 4
1q4 p211
q3 p210
0
1
53
q1 =
1
1
1
1
, q2 =
, q3 =
, q4 =
p00
p01
p10
p11
(3.38)
(3.39)
(3.40)
p10
1 p00
,
)
p10 p00 + 1 p10 p00 + 1
Entao escolhendo
q2 =
1 q3 p10 (1 p00 )
p10 (q1 p200 1)
, q4 =
,
2
p01 (p00 1)
p211
(3.41)
Observac
ao Outra forma de se chegar na mesma condicao sobre os
qi e a seguinte. Suponha
P que os operadores Vi formam uma resolucao da
identidade, ou seja
ao as coordenadas
i Vi Vi = I. Note que se os Vi s
de uma matriz estocastica, isso nao ocorre imediatamente. Ao inves disso
considere matrizes ci Vi , onde os ci sao constantes a determinar. Entao para
termos
2 2
4
X
c1 p00 + c23 p210
0
2
ci Vi Vi =
= I,
0
c22 p201 + c24 p211
i=1
basta escolher (notando que p00 + p10 = 1 e p01 + p11 = 1) os ci tais que
1
1
1
1
, c22 =
, c23 =
, c24 =
p00
p01
p10
p11
54
Agora consideramos apenas duas matrizes Vi . Sejam
p00 p01
0
0
V1 =
, V2 =
0
0
p10 p11
Entao
q1 V1 V1 + q2 V2 V2 =
(3.42)
implica
q1 [(p00 1 + p01 3 )p00 + (p00 2 + p01 4 )p01 ] = 1
q2 [(p10 1 + p11 3 )p10 + (p10 2 + p11 4 )p11 ] = 4
E (3.42) tambem implica que 2 = 3 = 0, e entao reescrevemos o sistema
acima como
a1 + f 4 = 1
(3.43)
g1 + h4 = 4
(3.44)
onde
a = q1 p200 , f = q1 p201 , g = q2 p210 , h = q2 p211
Ainda, obtemos
f
4
1a
1h
1 =
4
g
1 =
q1 p201
q1 p201 q1 p200 +1
!
=
1q1 p200
q1 p201 q1 p200 +1
1q2 p211
1q2 p211 +q2 p210
q2 p210
1q2 p211 +q2 p210
(3.45)
55
p00 p01
p10 p11
1 p00
p01
,
)
p01 p00 + 1 p01 p00 + 1
(3.46)
Compare (3.46) com (3.45). Temos uma situacao diferente do que ocorre no
caso anterior, onde possui q1 e q2 em sua expressao, ao passo que neste caso
temos apenas q1 (ou apenas q2 ) na expressao de . Fixando
q1 =
p200
1
p10
, q2 =
,
2
p00 p01 + p01
p01 p10 p11 p00 + p211
temos que as entradas nao nulas de sao as entradas de . Ainda, comparando a (i, i)-esima coordenada de com a i-esima coordenada de , vemos
que se existem qi0 que tambem tornam e iguais, entao
q10 p201
q1 p201
,
=
q1 p201 q1 p200 + 1
q10 p201 q10 p200 + 1
o que implica
q1 (q10 p201 q10 p200 + 1) = q10 (q1 p201 q1 p200 + 1)
q1 q10 p201 q1 q10 p200 + q1 = q1 q10 p201 q1 q10 p200 + q10
e cancelando, obtemos q1 = q10 . Analogamente,
1 q2 p211
1 q20 p211
=
1 q2 p211 + q2 p210
1 q20 p211 + q20 p210
implica
(1 q2 p211 )(1 q20 p211 + q20 p210 ) = (1 q20 p211 )(1 q2 p211 + q2 p210 )
1 q20 p211 + q20 p210 q2 p211 + q2 q20 p411 q2 q20 p211 p210
= 1 q2 p211 + q2 p210 q20 p211 + q2 q20 p411 q2 q20 p211 p210
Cancelando, obtemos
q20 p210 = q2 p210 q20 = q2
e portanto neste caso, a escolha de q1 e q2 e u
nica.
56
Ainda, podemos comparar (3.45) com o ponto fixo de P , mas agora supondo P = V1 + V2 linha estocastica. Tal ponto fixo e 0 tal que 0 P = 0 ,
0 = (
p10
1 p00
,
)
p10 p00 + 1 p10 p00 + 1
p10 p200
1 p00
p10
, q2 = 3
,
2
2
p01 p00 + p01
p10 p211 p00 + p211
(3.47)
k1 + m4 = 2
(3.48)
s1 + t4 = 4
(3.49)
onde
a = q1 p200 , b = q2 p201 , k = q1 p00 p10 , m = q2 p01 p11 , s = q1 p210 , t = q2 p211
Note que 2 e determinado por 1 e 4 . Podemos resolver (3.47) e (3.49)
de forma semelhante a dos casos anteriores. Primeiro, obtemos a relacao de
consistencia
b
1t
=
1a
s
57
q2 p201
q2 p201 q1 p200 +1
k1 + m4
q2 p201
q2 p201 q1 p200 +1
q1 q2 p00 p10 p201
q2 p01 p11 (1q1 p200 )
+
2
2
q2 p01 q1 p00 +1
q2 p201 q1 p200 +1
k1 + m4
!
(3.50)
1q1 p200
q2 p201 q1 p200 +1
q1 q2 p00 p10 p201
q p p (1q p2 )
+ 2q201p2 11q1 p2 1+100
q2 p201 q1 p200 +1
00
01
1q1 p200
q2 p201 q1 p200 +1
1q2 p211
2
q1 p10 q2 p211 +1
k1 + m4
1q2 p211
2
q1 p10 q2 p211 +1
q1 p00 p10 (1q2 p211 )
q1 q2 p01 p11 p210
q1 p210 q2 p211 +1
q1 p210 q2 p211 +1
k1 + m4
q1 p210
2
q1 p10 q2 p211 +1
q1 q2 p01 p11 p210
q1 p00 p10 (1q2 p211 )
+
2
2
q1 p10 q2 p11 +1
q1 p210 q2 p211 +1
2
q1 p10
q1 p210 q2 p211 +1
p01
1 p00
,
)
p01 p00 + 1 p01 p00 + 1
0 = (
1 p00
p10
,
),
p10 p00 + 1 p10 p00 + 1
1 q1 p200
,
p01 p10
58
Defina
L() =
4
X
0 0
h10 0
2
4
qi Vi Vi ,
i=1
(3.51)
c1 + d4 = 4 ,
(3.52)
com
a = q1 h200 , b = q2 h201 , c = q3 h210 , d = q4 h211
donde
=
d
4
c
0
4
=
a 4
0
4
d
b
=
c
a
Resolvendo para , obtemos os autovalores
p
(d a)2 + 4bc
a+d
a+d
=
=
2
2
2
2
59
1 2
q1 h00 + q4 h211
=
2
onde
(q4 h211
q1 h200 )2
q
p
2
= (d a) + 4bc = (q4 h211 q1 h200 )2 + 4q2 q3 h201 h210
e as autofuncoes associadas
ad
0
4
2c
=
=
0
4
2b
da 4
0
4
0
2q3 h210
q1 h200 q4 h211 +2q3 h210
(3.53)
ou de forma equivalente, a relacao
!
2b
0
a2bd
=
=
ad
0
a2bd
2q2 h201
q1 h200 2q2 h201 q4 h211
0
q1 h200 q4 h211
2
q1 h00 2q2 h201 q4 h211
(3.54)
Assim obtemos que 1 , 4 , q1 , ..., q4 , sao solucoes implcitas do conjunto de
equacoes (3.51)-(3.52). Lembre que neste caso, obtemos 2 = 3 = 0.
Agora consideramos o problema de encontrar o autovetor v associado ao
autovalor dominante de H. Os autovalores sao
p
1
2
h00 + h11 (h00 h11 ) + 4h01 h10
=
2
Entao obtemos v tal que Hv = v a partir do conjunto de equacoes
h00 v1 + h01 v2 = v1
(3.55)
h10 v1 + h11 v2 = v2
(3.56)
1
1
1
1
, q2 =
, q3 =
, q4 =
h00
h01
h10
h11
vemos que os conjuntos de equacoes (3.51)-(3.52) e (3.55)-(3.56) sao os mesmos. Assim, conclumos que o problema classico de Perron e um caso particular do problema do operador L agindo em matrizes.
60
V1 =
h00 0
h10 0
, V2 =
0 h01
0 h11
(3.57)
(3.58)
(3.59)
q1 |h10 |2 1 + q2 |h11 |2 4 = 4
(3.60)
=
=
2
4
e
a 4
b
d
=
c
a
61
2
4
q
(d a
)2 + 4b
c
+ d
a
+ d a
=
2
2
2
2
p
1
=
q1 |h00 |2 + q2 |h11 |2 (q2 |h11 |2 q1 |h00 |2 )2 + 4q2 q1 |h01 |4 (3.61)
2
Entao obtemos a relacao
!
a
d
2
+2
c
a
d
=
2
c
2
+2
c
a
d
=
q1 |h00 |2 q2 |h11 |2
2
2
2q1 |h10 |2
2
2
(3.62)
=
onde
2b
a
2bd
a
d
a
2bd
2q2 |h01 |2
q1 |h00 |2 2q2 |h01 |2 q2 |h11 |2
2
q1 |h00 |2 q2 |h11 |2
q1 |h00 |2 2q2 |h01 |2 q2 |h11 |2
q2
q1
h00 h01 1 + h01 h11 4
q1
q2
= h00 h01 1 + h01 h11 4
(3.63)
2 =
(3.64)
62
a
+ d a
+ d
=
2
2
2
temos
=
a
d
+2
c
a
d
q1 |h00 |2 q2 |h11 |2
2
q
(d a
)2 + 4b
c
2
!
2
c
+2
c
a
d
0
2q1 |h10 |2
2
(3.65)
ou de forma equivalente,
=
2b
a
2bd
a
d
a
2bd
2q1 |h01 |2
2
q1 |h00 | 2q1 |h01 |2 q2 |h11 |2
q1 |h00 |2 q2 |h11 |2
q1 |h00 |2 2q1 |h01 |2 q2 |h11 |2
(3.66)
63
3.3
q =
1
2
01
h00hh
11
01
h00hh
11
1
+
2
2
!
=
e
1
2
1
2
h11
1+4h
T
12
h01
h00 h11
h01
h00 h11
1
2
!
, (3.67)
h00
1+4h
T
h00
h11
1
(h00 h11 ) 1 + 4h
=
tanh
(1, 1),
2T
1 + 4h
(3.68)
referente a` solucao do problema variacional de pressao que analisamos anteriormente, com as relacoes
!
a
d
2
+2
c
a
d
=
2
c
2
+2
c
a
d
q1 |h00 |2 q2 |h11 |2
2
2
2
2
(3.69)
= q1 |h00 | q2 |h11 | +2q1 |h10 |
2q1 |h10 |2
2
2
2
2
q |h | q |h | +2q |h |
1
00
11
2b
a
2bd
a
d
a
2bd
2q2 |h01 |2
q1 |h00 |2 2q2 |h01 |2 q2 |h11 |2
10
2
q1 |h00 |2 q2 |h11 |2
q1 |h00 |2 2q2 |h01 |2 q2 |h11 |2
(3.70)
q2
q1
q2
q1
h00 h01 1 + h01 h11 4 = h00 h01 1 + h01 h11 4 ,
(3.71)
onde
2 =
a
= q1 |h00 |2 , b = q2 |h01 |2 , c = q1 |h10 |2 , d = q2 |h11 |2
q
p
= (d a
)2 + 4b
c = (q2 |h11 |2 q1 |h00 |2 )2 + 4q2 q1 |h01 |4
64
(3.72)
(3.73)
(3.74)
3.4
Um teorema de autovalores
k
X
Vi Vi
(3.75)
i=1
Proposic
ao 3.4.1 Existem MN e > 0 tais que LV () = .
Prova Defina Ln : MN MN ,
LV ( + nI )
Ln () :=
, n1
tr(LV ( + nI ))
Note que o operador acima esta bem definido. De fato, note que
tr(
X
i
Vi ( +
X
I
1X
)Vi ) = tr(
Vi Vi +
Vj Vj )
n
n
i
j
= tr(LV ()) +
1X
tr(Vj Vj )
n j
N
X
hP vi , vi i > 0
i=1
onde
I
))
n
Pela compacidade de MN , podemos escolher um ponto MN que seja
ao, por continuidade, LV () = , onde =
limite da sequencia {n }
n=1 e ent
tr(LV ()). Ainda, note que 0, pois para {v1 , . . . , vN } base ortonormal
de HN ,
N
X
tr(LV ()) =
hLV ()vi , vi i 0,
n := tr(LV (n +
i=1
k
X
tr(Wi Wi )Vi Vi
(3.76)
i=1
Proposic
ao 3.4.2 Existem MN e > 0 tais que LW,V () = .
Prova Defina Ln : MN MN ,
LW,V ( + nI )
, n1
Ln () :=
tr(LW,V ( + nI ))
Tal operador esta bem definido. De fato, note que LW,V (), Wj Wj , Vj Vj sao
positivos para todo j. Entao
tr
hX
i X
I
I
I
I
tr Wi (+ )Wi Vi (+ )Vi =
tr Wi (+ )Wi tr(Vi (+ )Vi )
n
n
n
n
i
i
=
tr(Wi Wi +
1
1
Wi Wi )tr(Vi Vi + Vi Vi )
n
n
67
N
X
hP vi , vi i > 0
i=1
N
X
hLW,V ()vi , vi i 0,
i=1
68
Captulo 4
Baricentros, pontos fixos e
autovalores para IFS
4.1
Denote por M (X) o cone dos elementos positivos de ca(X) (i.e., as medidas) e
M f in (X) := bca(X) M (X)
M 1 (X) := { M (X) : (X) = 1}
Para m f a(X), defina
Z
hf, mi :=
f dm,
se
Z
f d,
(x) =
X
70
para todo V .
Denote por co(X) a cobertura convexa de X, ou seja, o conjunto
convexo mnimo que contem X. Definimos o fecho convexo como sendo
co(X).
Proposic
ao 4.1.1 Seja (X, d) espaco metrico compacto, M f in (X), seja
(V, +, ; ) espaco localmente convexo e seja f : X V uma funcao contnua
tal que cof (X) e compacto. Entao a integral de f em X existe e pertence a
cof (X).
Observac
ao Se (V, k k) e um espaco de Banach e e a topologia
da norma em V , entao a suposicao da compacidade de cof (X) e satisfeita
automaticamente.
Proposic
ao 4.1.2 [33] Seja V um espaco localmente convexo, seja E V
um conjunto completo, convexo e limitado, e M 1 (E). Entao existe um
u
nico x E tal que
Z
l(x) =
ld,
E
para todo l V .
A expressao acima e dita f
ormula baric
entrica e o ponto x definido
acima e dito baricentro de , denotado por r().
4.2
Estados
Seja (V, +, ) um espaco vetorial real. Seja C V , nao vazio. Dizemos que
C e um cone se C + C C e C C, R+ . Dizemos que C e um cone
pr
oprio se C (C) = {0} e gerador se C (C) = V .
Um exemplo de cone que veremos e o espaco PHN dos operadores hermitianos positivos em um espaco de Hilbert HN .
Seja uma ordem parcial em V . Dizemos que (V, +, , ) e um espaco
vetorial ordenado se
x y x + z y + z, x, y, z V
x y x y, x, y V, R+ .
71
(4.2)
e
kxkf := f+ (x) + f (x), x V.
Observac
ao Apesar do nome, note que a princpio um funcional positivo
e em V pode assumir valor negativos para algum ponto em V (pois, por
definicao, e(V + ) R+ , e nao e(V ) R+ ).
No contexto de matrizes densidade, o funcional e sera o traco em V = HN .
Definic
ao Seja K um cone em V e seja e um funcional estritamente
positivo em V . Dizemos que x V admite uma decomposic
ao mnima
com respeito a (K, e) se existirem y, z K tais que x = y z, e para
quaisquer u, v K tais que x = u v, temos que e(y) e(u) e e(z) e(v).
Definic
ao Dizemos que (V, V + , e) e um espaco de estados se
1. (V, +, ) e um espaco vetorial real e V + V e um cone.
2. e : V R e um funcional estritamente positivo tal que todo x V
admite uma decomposicao mnima com respeito a (V + , e).
O funcional e e chamado funcional de carga. Se no item 2, a decomposicao
mnima for u
nica, dizemos que (V, V + , e) e um espaco de estados regular.
Definic
ao Seja K V um cone gerador proprio e seja B um subconjunto
convexo de K. Dizemos que B e uma base de K se para todo x K\{0}
existe um u
nico b B e > 0 tal que x = b.
Proposic
ao 4.2.1 [32] Seja B um subconjunto de um cone gerador proprio
K. Sao equivalentes:
72
1. B e uma base de K.
2. Existe um funcional estritamente positivo e em V tal que
B = {x K : e(x) = 1}.
Pela proposicao acima, se (V, V + , e) e um espaco de estados, temos que
B = {x V + : e(x) = 1} e um base de V + . Tais elementos sao ditos estados
e dizemos que x B e um estado puro se x ex(B), onde ex(B) denota o
conjunto de pontos extremais de B.
Naturalmente, iremos associar B a`s matrizes densidade, que sao os objetos que descrevem os estados misturados, e ex(B) aos estados puros.
No caso de espaco de estados regulares, iremos denotar os elementos da
u
nica decomposicao mnima de x V por x+ e x . Entao, x = x+ x ,
x+ , x V + e ainda, temos e(x+ ) = e+ (x) e e(x ) = e (x), onde, de forma
analoga a`s definicoes (4.1) e (4.2),
e+ (x) := inf{e(y) : y V + , y x V + }
(4.3)
e (x) := inf{e(z) : z V + , z + x V + }
(4.4)
Precisaremos destas definicoes acima para poder descrever certas propriedades de operadores de Markov e submarkovianos em geral. Lembre que
uma aplicacao positivamente homog
enea F e aquela em que F (x + y) =
F (x) + F (y) e F (x) = F (x), > 0.
Proposic
ao 4.2.2 Seja (V, V + , e) um espaco de estados regular. Entao
1. e pode ser decomposto como e = e+ e , onde e+ , e sao positivos,
positivamente homogeneos e subaditivos.
2. e marca o contorno do cone, i.e., V + = {x V : e(x) = e+ (x)}.
Definic
ao Seja (V, V + , e) um espaco de estados com base
B = {x V + : e(x) = 1}
(4.5)
4.3
I+u
, u R3 , |u| 1,
2
74
4.4
+
Definic
ao Seja (X,
Pkd) espaco metrico. Sejam pi : X R funcoes mensuraveis tais que i=1 pi = 1 e sejam Fi : Xi X funcoes mensuraveis, i =
1, . . . , k, onde Xi = {x X : pi (x) 6= 0}. Dizemos que F = (X, Fi , pi )i=1,...,k
e um sistema de func
oes iteradas parcial (PIFS).
Observac
ao A diferenca entre IFS definidos anteriormente e os PIFS e
o fato de que nesta u
ltima, as funcoes Fi estao restritas ao subconjunto de
X onde os pi nao se anulam. Note que a definicao de IFS hiperbolicos dada
antes ja contem essa restricao, sendo que nesse caso IFS e PIFS sao o mesmo
objeto. Ainda, e possvel mostrar que os teoremas classicos de existencia de
uma u
nica medida atrativa invariante para IFS podem ser estendidos para
PIFS. Por causa disso iremos, por simplicidade, nos referir sempre a IFS
indistintamente, exceto quando tal propriedade sobre os pi for essencial.
(4.6)
se x Bi , e i (x) := 0 se x
/ Bi . Entao dizemos que F e homog
eneo se pi
e i = pi Fi forem aplicacoes afins, i = 1, . . . , k.
Em termos de espacos de matrizes, uma aplicac
ao afim e uma aplicacao
M : MN (C) MN (C) do tipo
M (Q) = L(Q) + K, K, Q MN (C), L : MN (C) MN (C),
e L e linear.
Um operador de Markov para medidas de probabilidade e um operador
P : M 1 (X) M 1 (X) tal que
P (1 + (1 )2 ) = P 1 + (1 )P 2 ,
para 1 , 2 M 1 (X), (0, 1). Um exemplo de operador de Markov para
medidas e o que definimos anteriormente, V : M 1 (X) M 1 (X),
(V)(B) =
k Z
X
i=1
Fi1 (B)
pi d,
iI(x)
Proposic
ao 4.4.1 [32] Seja f mb (X) e M 1 (X), entao
hf, Vi = hUf, i =
k Z
X
i=1
pi (f Fi )d,
Xi
76
(4.7)
P+ (x + y) = kx + ykP (
x+y
)
kx + yk
kxk
x
kyk
y
= (kxk + kyk)P
+
= P+ (x) + P+ (y)
kxk + kyk kxk kxk + kyk kyk
Ainda,
P+ (x) = kxkP (
Alem disso,
x
kxk
x
) = P+ (x)
kxk
B implica
kP+ (x)k = kxkkP (
x
)k = kxk.
kxk
77
Proposic
ao 4.4.3 Todo operador de Markov P : B B pode ser estendido
de maneira u
nica a um operador P : V V , satisfazendo
1. P e linear
2. P (x) V + , x V +
3. kP (x)k = kxk, x V +
4. kP (x)k kxk, x V
5. e P = e
Prova Defina P : V V como sendo P (x) = P+ (y) P+ (z), para x V ,
y, z V + , x = y z, onde P+ : V + V + e definido na proposicao anterior.
De tal proposicao segue que P e uma extensao de P+ , e portanto de P . Logo
os itens 2 e 3 que enunciamos sao validos. Para mostrar que P esta bem
definida, assuma que x = y z = y z, com y, y, z, z V + . Entao
P+ (y) + P+ (
z ) = P+ (y + z) = P+ (
y + z) = P+ (
y ) + P+ (z)
e portanto P+ (y) P+ (z) = P+ (
y ) P+ (
z ).
A seguir provamos que P e linear. Claramente P e aditiva pois P+ e
aditiva. Seja x V , y, z V + , x = y z. Para > 0, temos P (x) =
P+ (y) P+ (z) = (P+ (y) P+ (z)) = P (x). Para < 0, temos P (x) =
P+ (||z) P+ (||y) = ||P+ (z) ||P+ (y) = ||(P (x)) = P (x). Isso
prova o item 1.
Seja x V , y, z V + tais que x = y z e kxk = kyk + kzk. Entao
P+ (y) e P+ (z) sao uma decomposicao positiva de P (x). Logo, kP (x)k
kP+ (y)k + kP+ (z)k = kyk + kzk = kxk. Isso prova o item 4. Ainda, pela
proposicao anterior deduzimos que
e(P (x)) = kP+ (y)k kP+ (z)k = e(y) e(z) = e(x),
e com isso provamos o item 5.
Definic
ao Um operador Q : V + V + e dito submarkoviano (ou
subestocastico) se
1. Q(x + y) = Q(x) + Q(y)
78
2. Q(x) = Q(x)
3. kQ(x)k kxk,
para todo x, y V + , > 0.
Observac
ao De maneira analoga a feita na proposicao para operadores
de Markov, todo operador submarkoviano Q : V + V + pode ser estendido
de maneira u
nica a uma contracao linear positiva em V .
Definic
ao Seja P : V + V + um operador de Markov e sejam
Pi : V +
P
V + , i = 1, . . . , k operadores submarkovianos tais que P = i Pi . Dizemos
que (P, {Pi }ki=1 ) e um par de Markov.
A relevancia dos pares de Markov esta indicada na seguinte proposicao,
onde estabelecemos uma correspondencia 1-1 entre IFS homogeneos e pares
de Markov.
Proposic
ao 4.4.4 Seja F = (B, Fi , pi )i=1,...,k um IFS. Sao equivalentes:
1. F e homogeneo.
2. Existe um par de Markov (, {i }ki=1P
), i.e, um operador de Markov
: B B e uma decomposicao = i i , com i : B V + , tal que
pi (x) = ki (x)k, x B
Fi (x) =
i (x)
, x Bi .
ki (x)k
k
X
pi (x)Fi (x)k =
i=1
k
X
Pk
i=1
i . Para
pi (x)kFi (x)k = 1
i=1
Por exemplo, sejam Vi : B V + operadores lineares, e defina
Fi () :=
Vi Vi
tr(Vi Vi )
pi () := tr(Vi Vi )
P
P
Entao defina () := i i = i Vi Vi , onde i := pi Fi . Temos, pela demonstracao da proposicao acima,
P que (, {i }) e um par de Markov. Vimos
anteriormente que supondo i Vi Vi = I, temos ainda que representa um
operador linear positivo que preserva o traco.
Dizemos que uma medida M 1 (X) e invariante para um PIFS F se
ela for invariante para o operador de Markov associado V, dado por (4.7).
Denotaremos
M V (X) := { M 1 (X) : V() = }
Observamos que M V (X) e um subconjunto convexo de M 1 (X) [32].
Ainda, se V e o operador de Markov induzido por uma PIFS F, denotaremos
M F (X) := M V (X)
w
80
4.5
(4.8)
Xi := X F1 (Xi )
(4.9)
pi (x) =
pi (F x)p (x)
0
se x X
se x X \ X
(4.10)
(4.11)
e
p (x) = pi1 (x)pi2 (Fi1 x) pin (Fin1 (Fin2 ( (Fi1 x))))
81
(4.12)
k Z
X
i=1
Fi1 (A)
pi d, A B(X)
e, como antes,
(Uf )(x) =
iI(x)
Defina ainda
Ikn (x) := { Ikn : x X }, x X
Proposic
ao 4.5.1 Seja n N, f mb (X), x X. Entao
X
(U n f )(x) =
p (x)f (F (x))
Ikn (x)
Proposic
ao 4.5.2 Seja x B, n N. Entao
X
n (x) =
p (x)F (x).
Ikn (x)
Proposic
ao 4.5.3 Seja F um IFS e seja g : B R. Entao para n N,
1. Se g e concava entao U n g g n
2. Se g e convexa entao U n g g n
3. Se g e afim entao U n g = g n
4. Se x e ponto fixo para entao a sequencia (U n g)(x))nN sera descrescente, crescente ou constante, conforme g seja concava, convexa ou
afim, respectivamente.
Ainda, suponha que F e homogeneo. Entao:
5. Se g e concava, entao Ug e concava.
6. Se g e convexa, entao Ug e convexa.
7. Se g e afim, entao Ug e afim.
82
n1
X
P i )nN }
i=0
3. Se Vx = x , entao (x) = x.
4. Se (x) = x entao x e o baricentro de V n x e
X
x=
pi (x)Fi (x),
iIkn (x)
para cada n N.
Destacamos no seguinte lema um resultado visto em [32].
Lema 4.5.5 Seja F homogeneo, x B. Sao equivalentes:
1. Vx = x
2. i (x) = pi (x)x, para todo i = 1, . . . , k
3. Fi0 (x) = x e pi0 (x) = 1 para algum i0 = 1, . . . , k
Prova Primeiro, note que
Vx (B) =
k Z
X
Fi1 (B)
i=1
k Z
X
i=1
pi dx
(4.13)
i:pi (x)6=0
Agora, suponha que vale o item 1. Note que pelo teorema 4.5.4, Vx = x
implica
k
k
X
X
(x) = x = x
pi (x) =
pi (x)x,
i=1
i=1
i:pi (x)6=0
o que implica 3. Para provar que 3 implica 1, basta observar que por (4.13),
X
Vx =
pi (x)Fi (x) = pi0 (x)Fi0 (x) = x
i:pi (x)6=0
84
1 a
a 0
(4.14)
2
2
, V2 0 V2 =
V1 0 V1 =
0 0
a 0
e portanto F1 (0 ) 6= 0 e F2 (0 ) 6= 0 .
Teorema 4.5.7 [32] Seja (, {i }ki=1 ) um par de Markov no espaco de estados (V, V + , e) e seja (C, ) uma estrutura compacta em (V, V + , e) tal que
(, {i }ki=1 ) e (C, )-contnuo. Seja BC = B C e defina
FC = ((BC , ), Fi |Bi C , pi |BC )i=1,...,k
(lembre que Bi := {x B : pi (x) 6= 0}). Entao
1. Um elemento x BC e tal que (x) = x se, e somente se, x e o
baricentro de algum M FC (BC ).
2. Se FC possui uma medida invariante e atrativa entao
n (y) r(), n ,
para todo y BC .
Estamos interessados na versao do teorema acima aplicado ao caso particular de IFS quanticos para estados misturados, ou seja, em que o espaco
considerado e o espaco das matrizes densidade MN . Nesse caso particular,
o teorema pode ser reescrito como:
85
para alguma medida V-invariante , isto e, se, e somente se, for o baricentro de algum M V (MN ):
Z
(
) =
()d(), (MN )
MN
n1
1X
hg, P i+j i = min{hg, i : S()}
lim lim inf
n j n
i=0
2.
n1
1X
hg, P i+j i = max{hg, i : S()}
n i=0
MN
MN iI()
Z
X
pi ()Fi () d =
=
MN
iI()
Z
=
(())d
MN
()d = ((
)) = (
)
MN
1X
(
) = lim lim inf
n j n
i=0
Z
dV
i+j
86
= min
nZ
d : SF ()
n1 Z
nZ
o
1X
i+j
dV = max
(
) = lim lim sup
d : SF ()
n j n
i=0
R
Portanto (
) = d, para qualquer SF () M F (MN ). Reciprocamente, seja = r() o baricentro de uma certa medida M V (MN ).
Entao para (MN ) , usando a proposicao 4.5.3,
Z
Z
Z
((
)) = U()(
) =
U()d =
dV =
d = (
),
MN
MN
MN
donde (
) = .
Lembre que um IFS e hiperbolico se as aplicacoes Fi forem contracoes com
respeito a uma das distancias padrao em MN , e as pi sao Holder contnuas e
positivas. Nestas condicoes, obtemos unicidade da medida invariante. Temos
o seguinte:
Proposic
ao 4.5.10 Se um QIFS e homogeneo e hiperbolico entao o operador de Markov associado V possui uma u
nica medida invariante .
Observac
ao Pela proposicao e pelo teorema 4.5.8, tal medida invariante
determina um u
nico estado -invariante MN , dado por (4.15).
Para provar este resultado, tomamos a seguinte definicao. Dizemos que o
operador de Markov V e assintoticamente est
avel se admite uma medida
invariante e atrativa. Dizemos que o IFS F e assintoticamente estavel se o
operador de Markov V associado for assintoticamente estavel. Agora, note
que o item 2 do teorema 4.5.7 nos diz que se o IFS F e assintoticamente
estavel, entao {n (y)} converge para um u
nico estado invariante, independentemente da escolha do estado inicial y. Em particular, possui um u
nico
ponto fixo invariante, e pelo teorema 4.5.7, V possui uma u
nica medida invariante, e tal resultado e a proposicao 4.5.10.
Portanto, uma maneira de completar o argumento feito acima e provar
a proposicao 4.5.10 e mostrar que toda IFS hiperbolica e assintoticamente
estavel. Tal resultado pode ser visto em [32]. Assumindo tal resultado, temos
que se 0 MN e um estado qualquer, entao para funcional linear,
Z
Z
n
n
n
( (0 )) = U (0 ) =
U d0 =
dV n 0 ,
MN
MN
R
n
e portanto, ( (0 )) MN d = (r()), quando n , para todo
(MN ) . Portanto, n (0 ) r(), quando n , o que conclui a
prova.
87
Captulo 5
Entropia para QIFS
5.1
Z
|xi ihxi |dm(xi ) = I,
1
|hy|U |xi|2
N
CS
Z
dm(x0 )
(i0 , . . . , in1 ) :=
Ei0
dm(xn1 )
Ein1
n1
Y
KU (xj1 , xj ),
j=1
k
X
i0 ,...,in1 =1
88
k
X
i=1
5.2
Uma definic
ao de entropia para QIFS
k
X
i=1
k Z
X
i=1
89
Fi1 (B)
pi d,
k
X
f Fi
)d
log(
f
i=1
i=1
Z
f Fi d
f d
i=1
1B Fi d
k Z
X
i=1
k Z
X
i=1
Z
= Vp ()(B) = (B) =
90
1B d
Fi1 (B)
pi (x)d(x)
l
X
j=1
Pl
j=1 bj 1Bj ,
bj 1Bj Fi d =
j=1
bj
l
X
bj
j=1
k Z
X
k Z
X
1Bj Fi d
i=1
l
X
i=1
bj Vp ()(Bj )
j=1
l
X
Z
bj (Bj ) =
f d
j=1
i=1
Z
lim
n
Z
fn d =
i=1
Z
lim fn d =
n
f d
Z
Z
k
k
X
X
f Fi
log (
)d = log (
f Fi )d log (f )d
f
i=1
i=1
Defina
ai = f Fi ()
91
(5.1)
Entao
1 log Pk f F
i
0 1,
() = exp
Pk i=1
k i=1 log f Fi
k
X
f Fi )
i=1
k
X
log (0 f Fi )
(5.2)
i=1
k Z
X
Z
log (0 f Fi )d
log (0 f )d
i=1
Entao, pelo lema 5.2.3 aplicado na funcao log (f ) (temos log (0 f ) B+ pois
0 1), obtemos
Z
Z
I log (f )d log (f )d = 0
Seja H : MN MN um operador hermitiano. Temos o seguinte problema. Defina F0 : MF R,
1
F0 () := h0 () tr(H ) = inf+
f B
T
k
X
f Fi
1
log(
)d tr(H ),
f
T
i=1
= sup F0 ()
MF
5.3
F
ormula integral para entropia de IFS
x log x
0
92
se x 6= 0
se x = 0
Defina a func
ao entropia de Shannon-Boltzmann por h : X
R+ ,
k
X
h(x) :=
(pi (x))
i=1
1
Hn (x),
n
para n 1 e H0 () := 0.
Proposic
ao 5.3.1 Seja M F (X). Entao as sequencias n1 (Hn ())nN e
(Hn+1 () Hn ())nN sao nao negativas, descrescentes e possuem o mesmo
limite.
Definimos o limite comum das sequencias mencionadas na proposicao
acima de H() e o chamamos de entropia da medida , i.e.,
1
Hn () = lim (Hn+1 () Hn ())
n n
n
H() := lim
Z
H(x) = H() =
hd.
X
5.4
k
X
pi F i =
i=1
k
X
tr(Wi Wi )
i=1
Vi Vi
,
tr(Vi Vi )
Os lemas valem para IFS quaisquer, exceto o lema 5.4.4, cuja prova dada
abaixo vale apenas com a suposicao de homogeneidade.
Lema 5.4.1 Seja {X, Fi , pi }i=1,...,k um IFS, funcional linear em X. Entao
U = L.
Prova Temos
(U)(x) =
pi (x)(Fi (x)) = (
X
i
iI(x)
94
Corol
ario 5.4.2 Seja F = (X, Fi , pi )i=1,...,k um IFS e seja 0 X. Entao
L(0 ) = 0 se, e somente se, U((0 )) = (0 ), para todo funcional linear.
Prova Suponha que L(0 ) = 0 . Entao
X
X
U((0 )) =
pi (0 )(Fi (0 )) = (
pi (0 )Fi (0 )) = (L(0 )) = (0 )
i
Reciprocamente, se U((0 )) = (0 ),
(L(0 )) = U((0 )) = (0 )
Lema 5.4.3 Seja F = {X, Fi , pi }i=1,...,k um IFS, V()(B) =
Pk R
i=1
Fi1 (B)
pi d.
k Z
X
i=1
k
X
Fi1 (B)
pi d0 =
k Z
X
i=1
pi (0 )1B (Fi (0 )) =
i=1
k
X
pi (0 )1B (0 ) = 0 (B)
i=1
Z
U(())d0 =
()dV0
Z
=
()d0 = (0 )
p i Fi .
2. Seja probabilidade invariante para V. Entao o baricentro de , denotado por , e ponto fixo de .
Prova 1. Temos, para funcional linear,
Z
Z
Z
(( )) = (())d = U d = dV
Z
U d =
Z
dV =
d = ( ),
1 0
0 1
, V2 =
322
342
!
,
X
i
pi ()Fi () =
tr(Wi Wi )
1
3 V2 V2
Vi Vi
=
V
V
+
1
1
tr(Vi Vi )
4
4 tr(V2 V2 )
1
3 V2 V
= V1 V1 + 9 272
4
4 ( 8 + 8 1 )
induz um IFS nao homogeneo e e tal que possui 0 = 31 |0ih0| + 23 |1ih1| como
ponto fixo, e ainda temos F1 (0 ) = F2 (0 ) = 0 . Podemos aplicar o lema
5.4.3 e concluir que 0 e medida invariante para o operador de Markov V
associado ao IFS determinado pelos pi e Fi , e que 0 e ponto fixo de L. Ainda,
um calculo sobre as iteracoes de tal IFS sugere que 0 e o u
nico ponto fixo.
O seguinte lema, adaptado de [32], fixa condicoes razoaveis em que podemos obter um ponto fixo para L a partir de uma certa medida invariante
para o operador de Markov V.
96
Lema 5.4.6 Seja {MN , Fi , pi }i=1,...,k um IFS que possui uma medida atrativa e invariante para V. Entao limn Ln (0 ) = , para qualquer 0
MN , onde e o baricentro de .
Prova Seja 0 MN . Entao
n
(L (0 )) = U ((0 )) =
U (())d0 =
()dV n 0
R
e portanto (Ln (0 )) ()d = ( ), quando n , para todo
funcional linear. Logo, Ln (0 ) quando n , para todo 0 MN .
5.5
Alguns c
alculos sobre entropia
K
X
i=1
I
/n
e
defina
A
n
(A ) := trB (U U ) =
K
X
qi ViA A ViA
i=1
Lembre que
trB (|a1 iha2 | |b1 ihb2 |) := |a1 iha2 |tr(|b1 ihb2 |)
onde |a1 i e |a2 i sao vetores no espaco de estados de A e |b1 i e |b2 i sao vetores
no espaco de estados de B. O operador traco aparecendo no lado direito e o
operador traco usual para o sistema B.
A
A
Um calculo mostra que se A
e uma
= Im /m, ( ) = e portanto
aplicacao biestocastica (i.e., (Im /m) = Im /m e preserva o traco).
A
Seja F o IFS homogeneo associado aos ViA , isto e pi () = tr(qi ViP
ViA ),
Fi () = (qi ViA ViA )/tr(qi ViA ViA ) e seja 0 ponto fixo de =
i pi F i .
97
pi Fi . Seja U o
Ikn ()
e como h() =
quer,
Pk
j=1
Z
=
MN
p ()
MN I n ()
k
X
Ikn (0 )
p (0 )
k
X
(5.5)
pj (F (0 )) log pj (F (0 ))
(5.6)
j=1
k
X
j=1
(5.7)
Ikn (0 )
k
X
pj (Fin (Fin1 ( (Fi1 0 )))) log pj (Fin (Fin1 ( (Fi1 0 )))) = (U n h)(0 )
j=1
(5.8)
Suponha (0 ) = 0 . Temos pela proposicao 4.5.3 que, como h e concava,
(U n h)nN e descrescente, U n h h n e entao
Z
hdV n 0 h(n (0 )) = h(0 ),
(5.9)
MN
para todo n.
98
MN
o que implica
Z
hd h(
),
hd = lim (U h)() e
MN
MN
onde e o baricentro de .
Observac
ao Um operador de Markov e assintoticamente est
avel se
ele admite uma medida invariante e atrativa. Um IFS e dita assintoticamente
estavel se o operador de Markov V associado for assintoticamente estavel e
o lema acima e verdadeiro para tais tipos de IFS. Ainda, o caso hiperbolico
segue do fato de que IFS hiperbolicos sao assintoticamente estaveis. Portanto,
temos
Lema 5.5.2 [32] O lema 5.5.1 e valido supondo que o IFS homogeneo F e
assintoticamente estavel.
5.6
Seja MN o espaco dos operadores densidade. Seja H um operador autoadjunto, e Vi , i = 1, . . . , k operadores lineares de tal forma que podemos definir
uma dinamica Fi : MN MN :
Fi () :=
Vi Vi
tr(Vi Vi )
(5.10)
P
Sejam Wi , i = 1, . . . , k operadores lineares tais que ki=1 Wi Wi = I. Desta
forma, toda escolha de Wi determina funcoes pi : MN R
pi () := tr(Wi Wi )
99
(5.11)
P
e temos, naturalmente, que ki=1 pi () = 1, para todo . Entao uma famlia
W := {Wi }i=1,...,k determina um QIFS FW ,
FW = {MN , Fi , pi }i=1,...,k
com Fi , pi dados por (5.10) e (5.11), e tambem uma entropia hV (W ),
hV (W ) :=
k
X
tr(Wi W Wi )
i=1
k
Wj Vi W V W
Wj Vi W V W
X
i
j
i
j
tr
log tr
tr(Vi W Vi )
tr(Vi W Vi )
j=1
(5.12)
onde W denota o baricentro da u
nica medida atrativa e invariante para o
operador de Markov V associado a FW (i.e., supomos um QIFS com tal
propriedade). Nestas condicoes, pelo lema 5.4.6, vale que W e um ponto
fixo para o operador LbFW associado,
LbFW () :=
k
X
pi ()Fi () =
k
X
i=1
tr(Wi Wi )
i=1
Vi Vi
tr(Vi Vi )
(5.13)
Definimos tambem
LFW () :=
k
X
tr(Wi Wi )Vi Vi
(5.14)
i=1
U h(0 ) =
U hd0 =
hdV 0 =
Z
hdV0 =
Uhd0 = Uh(0 )
au
ltima passagem devido a convergeRncia fraca Rde (V n )nN
R . Isso prova a
primeira igualdade em (5.15). Como Uhd = hdV = hd, obtemos a
segunda igualdade.
Lema 5.6.3 Seja F = (MN , Fi , pi ) um QIFS, com Fi , pi da forma (5.10)
e (5.11). Suponha que e o u
nico ponto tal que LbF () = (eq. (5.13)).
Suponha que Fi () = , i = 1, . . . , k. Entao
U n h() = h(),
n = 1, 2, . . ., e portanto hV (W ) independe de n.
101
i 0
0 i
5.7
P := {(p1 , . . . , pk ) : pi : MN R , i = 1, . . . , k,
k
X
pi () = 1, MN }
i=1
P 0 := P {(p1 , . . . , pk ) : Wi , i = 1, . . . , k : pi () = tr(Wi Wi ),
X
Wi linear, invertvel ,
Wi Wi = I}
i
k Z
X
i=1
Fi1 (B)
pi d
Defina
k
k
tr(Wj Vi W V W )
X
tr(Wi W Wi ) X
i
j
tr
W
V
V
W
log
,
hV (W ) :=
j
i
W
i
j
tr(Vi W Vi ) j=1
tr(Vi W Vi )
i=1
(5.16)
onde, como antes, W denota o baricentro da u
nica medida atrativa e invariante para o operador de Markov V associado a FW .
Lema 5.7.1 0 hV P
(W ) log k, para qualquer famlia W de operadores
lineares satisfazendo i Wi Wi = I, i = 1, . . . , k.
Prova Note que, por definicao,
Z
hV (W ) = (Uh)(W ) =
hdVW
MN
N
X
hWi W Wi vl , vl i > 0
l=1
tr(Wj Wj Vi W Vi )
k
X
tr(Wj Wj Vi W Vi )
j=1
k
X
= tr(
Wj Wj Vi W Vi ) = tr(Vi W Vi )
j=1
k
X
i=1
tr(Wi W Wi )
k
Wj Vi W V W
Wj Vi W V W
X
i
j
i
j
log
tr
tr
tr(Vi W Vi )
tr(Vi W Vi )
j=1
103
pode ser vista como uma media ponderada de entropias (cada uma destas
dada pelo somatorio em j), entao o maximo de hV (W ) sera determinado se
estimarmos o valor do somatorio em j. Primeiro note que, para i fixado, os
termos
Wj Vi W V W
j
i
qj := tr
tr(Vi W Vi )
P
sao positivos e j qj = 1. Ainda, a soma
k
Wj Vi W V W
Wj Vi W V W
X
j
j
i
i
tr
log tr
tr(Vi W Vi )
tr(Vi W Vi )
j=1
k
X
i=1
Observac
ao O maximo e o mnimo da entropia sao atingidos. Com
efeito, para qualquer dinamica fixada Vi , i = 1, . . . , k, se temos Wm Wm = I
para
m entao os demais pi devem ser iguais a zero, pela condicao
P algum
Definic
ao Seja P = (pij )i,j=1,...,N uma matriz estocastica e irredutvel.
Seja o vetor estacionario de P . A entropia de P , i.e., a entropia da probabilidade invariante no espaco de Bernoulli associada a` matriz estocastica
P , e definida por
H(P ) :=
N
X
(5.17)
i,j=1
Faremos a seguir alguns exemplos, cujos resultados serao usados posteriormente. No final da secao, apresentamos um lema simples relacionado com
tais exemplos.
104
p00 0
0
p01
V1 =
, V2 =
,
0
0
0
0
0
0
0
0
V3 =
, V4 =
p10 0
0
p11
Note que
X
Vi Vi
e portanto temos
=
p00 + p10
0
0
p01 + p11
Vi Vi = I ao supor que
p00 p01
P :=
p10 p11
V1 V1 =
, V2 V2 =
0
0
0
0
0
0
0
0
V3 V3 =
, V4 V4 =
0 p10 1
0 p11 4
donde
tr(V1 V1 ) = p00 1 , tr(V2 V2 ) = p01 4
tr(V3 V3 ) = p10 1 , tr(V4 V4 ) = p11 4
Um calculo simples mostra que o ponto fixo de L() =
!
p01
0
1p00 +p01
V =
1p00
0
1p00 +p01
Vi Vi e
p01
1 p00
,
)
1 p00 + p01 1 p00 + p01
(5.18)
tr
W
V
V
W
log
=
j i V i
j
tr(V
V
)
tr(V
V
)
i V i
i V i
j=1
i=1
tr(Vj Vi V V V )
X
i j
tr Vj Vi V Vi Vj log
tr(V
V
i V i )
i,j
(5.19)
(5.20)
p00 0
0
p01
V1 =
, V2 =
0
0
0
0
0
0
0
0
V3 =
, V4 =
p10 0
0
p11
q00 0
0
q01
W1 =
, W2 =
0
0
0
0
0
0
0
0
W3 =
, W4 =
q10 0
q11
0
Note que
X
X
p00 + p10
0
q00 + q10
0
Vi Vi =
,
Wi Wi =
0
p01 + p11
0
q01 + q11
i
e portanto temos
Vi Vi = i Wi Wi = I ao supor que
p00 p01
q00 q01
P :=
, Q :=
p10 p11
q10 q11
p00 1 0
0
0
q01 p01 4 0
q10 0
q11 0
0
0
+
+
+
=
0
0
p01
p10 0 p10 1
p11 0 p11 4
Note que os pij se cancelam e entao obtemos um calculo analogo ao do exemplo anterior para o ponto fixo, que sera
!
q01
0
1q00 +q01
W =
,
1q00
0
1q00 +q01
cujas coordenadas nao nulas sao as coordenadas do ponto fixo da matriz
estocastica Q. Vamos calcular hV (W ). Alguns calculos simples nos levam a
k
k
tr(Wj Vi W V W )
X
tr(Wi W Wi ) X
i
j
hV (W ) =
tr
W
V
V
W
log
j i W i
j
tr(V
V
)
tr(V
V
)
i W i
i W i
i=1
j=1
q10
q01
(q00 log q00 +q10 log q10 )
(q01 log q01 +q11 log q11 ) = H(Q)
q01 + q10
q01 + q10
(5.21)
onde H(Q) e a entropia da probabilidade invariante no espaco de Bernoulli
associada `a matriz estocastica Q. Logo, obtemos um calculo analogo ao do
caso homogeneo. Portanto, este resultado generaliza o que vimos no exemplo
anterior.
Observac
ao Neste exemplo os n
umeros pij se cancelam e nao aparecem
nos demais calculos. Portanto nao e necessario supor neste exemplo que os
pij formam uma matriz estocastica.
=
p00 0
0
p01
V1 =
, V2 =
,
p10 0
0
p11
Note que, da mesma forma que no exemplo anterior,
X
p00 + p10
0
Vi Vi =
0
p01 + p11
i
107
e portanto temos
Vi Vi = I ao supor que
p00 p01
P :=
p10 p11
tr(Vj Vi V V V )
X
i j
tr Vj Vi V Vi Vj log
= H(P )
tr(V
V
)
i
V
i
i,j
(5.22)
por um calculo identico ao feito para a equacao (5.21) do exemplo anterior.
Observe que o fato de o ponto fixo de L nao ser diagonal nao modifica o
calculo da entropia.
Exemplo 5.7.5 (Caso nao homogeneo, 2 matrizes). Pela simetria dos exemplos anteriores, e de se esperar que a entropia do IFS seja igual ao do processo
estocastico associado. Sejam
p00 0
0
p01
, V2 =
V1 =
p10 0
0
p11
q00 0
0
q01
W1 =
, W2 =
q10 0
0
q11
P
P
pkl pij li |kihj|
(5.23)
entao
X
X
2P () = P (
Vij Vij ) =
Vkl Vij (Vkl Vij )
i,j
XX
k,j
k,l,i,j
p2kj |kihj||jihk| = P 2 ()
k,j
5.8
N
Considere o espaco = Im
, onde Im = {1, . . . , m}, seja C = {C :
n
nN Im } o conjunto dos cilindros em , onde
r
C := { IkN : w(j) = ij , j = 1, . . . , r, = (i1 , . . . , ir ) Im
}
(5.24)
k
X
f Fi
)d
log(
f
i=1
(5.25)
k
X
i=1
tr(Wi W Wi )
k
Wj Vi W V W
Wj Vi W V W
X
i
j
j
i
tr
log
tr
tr(Vi W Vi )
tr(Vi W Vi )
j=1
(5.26)
no caso em que a medida em (5.25) e uma medida de Markov. Mais
precisamente, mostraremos que nesse caso tais entropias sao iguais. Isso e o
que faremos a seguir.
N
que consiste no
Usamos a notacao ij para denotar o cilindro em Im
conjunto das sequencias (w1 , w2 , . . .) tais que w1 = i e w2 = j. Denote
por 1ij a funcao indicadora de ij. Para simplificar, suponha m = 2 entao o
alfabeto considerado possui apenas 2 smbolos, que denotaremos por 1 e 2.
Defina a seguinte funcao f : I2N R+ ,
f (x) =
2
X
(5.27)
i,j=1
N
N
Vamos supor que Fi : Im
Im
e a aplicacao Fi (w1 , w2 , . . .) = (i, w1 , w2 , . . .).
Se e uma medida de Markov, temos
2
X
Z
log f d =
I2N
I2N i,j=1
2
X
i,j=1
2
X
i,j=1
(5.28)
Ainda, temos, para w = (i, j, . . .),
X
f Fl (w) =
aij 1ij (Fl (w)) = ali
(5.29)
i,j
Entao
Z
Z
Z
2
2
X
X
f Fi
f Fl )d log f d
)d = log(
log(
f
i=1
l=1
Z
=
2
2
X
X
log(
f Fl )d
i pij log aij
(5.30)
i,j=1
l=1
N
, w = (1, . . .) ou w = (2, . . .). Entao, por
Note que para qualquer w Im
(5.29),
2
X
a11 + a21 se w = (1, . . .)
f Fl (w) =
(5.31)
a12 + a22 se w = (2, . . .)
l=1
Agora, fixe aij = pji , onde pij sao as entradas da matriz linha estocastica
P fixada inicialmente. Desta forma, a11 + a21 = p11 + p12 = 1 e a12 + a22 =
N
p21 + p22 = 1. Portanto, para tal escolha de aij e para qualquer w Im
,a
soma (5.31) e igual a 1. Logo, de (5.30), obtemos
Z
2
2
X
X
f Fi
log(
)d =
i pij log pij = H(P )
f
i=1
i,j=1
(5.32)
Logo,
Z
inf
f B+
2
X
f Fi
log(
)d H(P )
f
i=1
(5.33)
111
Agora note que qualquer funcao f positiva pode ser escrita como
f (w) =
2
X
i,j=1
Defina
u(w) :=
2
X
i,j=1
e
g(w) :=
2
X
i,j=1
Temos
2
X
Z
log f d =
I2N i,j=1
I2N
2
X
i,j=1
2
X
i,j=1
2
X
j pji log(aij ) +
i,j=1
2
X
j pji log(pji )
(5.34)
i,j=1
Escrevemos
Lg (u)(w) =
f Fl (w) =
XX
l
(5.35)
i,j
Z
Lg (log u)d =
log ud
(5.36)
Prova Temos
Z
Z X
X
X
log ud =
log(aij )1ji d =
log(aij )(ji) =
log(aij )j pji
i,j
i,j
i,j
(5.37)
E ainda
Z
Lg (log u)d =
Z XX
l
i,j
112
log(aij )pji
i,j
log(aij )pji
i,j
XZ
(lj) =
i,j
log(aij )j pji
i,j
(5.38)
Logo,
Z
Z
Lg (log u)d =
log ud
(5.39)
Z
=
Z
Z
2
k
X
X
f Fi
f Fl )d log f d
)d = log(
log(
f
i=1
l=1
2
2
2
X
X
X
log(
f Fl )d
j pji log(aij ) +
i pij log(pij )
i,j=1
l=1
Z
=
Z
=
i,j=1
(5.40)
(5.41)
(5.42)
(5.43)
Au
ltima expressao segue de convexidade. De fato, para provar a desigualdade acima, basta mostrar que para qualquer w = (i, j, . . .), temos
X
X
log
ali pil
pil log ali
(5.44)
l
113
pil =
k
X
f Fi
log(
)d H(P )
f
i=1
(5.45)
Conclus
ao Por (5.33) e (5.45) conclumos que se e uma medida de
Markov associada `a uma matriz estocastica P , temos
Z
inf
f B+
2
X
f Fi
)d = H(P )
log(
f
i=1
114
(5.46)
Captulo 6
Problema variacional de
press
ao para QIFS
6.1
Problema de press
ao e multiplicadores de
Lagrange
1
tr(HW ),
T
(6.1)
(6.2)
MF
Observac
ao A pressao, como definida em (6.1), e uma aplicacao que
toma como valor o baricentro
medida invariante associada. Dadas
Pde uma
No que segue faremos alguns calculos preliminares a fim de resolver o problema dado por (6.2). Estamos interessados nos pontos fixos de
L() :=
k
X
i=1
pi Fi =
k
X
tr(Wi Wi )
i=1
Vi Vi
tr(Vi Vi )
(6.3)
V
V
V2 V2 =
+
1
1
tr(V1 V1 )
tr(V2 V2 )
(6.4)
Continuando, temos
tr(V1 V1 ) = (x21 + x23 )1 + 2(x1 x2 + x3 x4 )2 + (x22 + x24 )4 = A1 1 + A2 2 + A3
tr(V2 V2 ) = (y12 + y32 )1 + 2(y1 y2 + y3 y4 )2 + (y22 + y42 )4 = A4 1 + A5 2 + A6
1 ) = u1 1 + (u2 + u3 )2 + u4 4 = B1 1 + B2 2 + B3
tr(W
2 ) = z1 1 + (z2 + z3 )2 + z4 4 = B4 1 + B5 2 + B6
tr(W
onde, como 4 = 1 1 ,
A1 = x21 + x23 x22 x24 , A2 = 2(x1 x2 + x3 x4 ), A3 = x22 + x24
A4 = y12 + y32 y22 y42 , A5 = 2(y1 y2 + y3 y4 ), A6 = y22 + y42
B1 = u1 u4 , B2 = u2 + u3 , B3 = u4
116
B4 = z1 z4 , B5 = z2 + z3 , B6 = z4
e
1 V1 V1 ) = C1 1 + C2 2 + C3 = 11 ()
tr(W
2 V1 V ) = C4 1 + C5 2 + C6 = 21 ()
tr(W
1
1 V2 V ) = D1 1 + D2 2 + D3 = 12 ()
tr(W
2
2 V2 V2 ) = D4 1 + D5 2 + D6 = 22 ()
tr(W
para certas constantes Ci , Di , i = 1, . . . , 6 que dependem das entradas dos
Vi e Wi . Ainda
V2 V2 =
y1 y3 1 + (y2 y3 + y1 y4 )2 + y2 y4 4
y32 1 + 2y3 y4 2 + y42 4
V1 V1
De (6.4) obtemos 4 igualdades, mas duas delas sao identicas entao temos
3 equacoes independentes:
B1 1 + B2 2 + B3 2
(x1 x22 )1 + 2x1 x2 2 + x22
A1 1 + A2 2 + A3
B4 1 + B5 2 + B6 2
+
(y1 y22 )1 + 2y1 y2 2 + y22 = 1
(6.5)
A4 1 + A5 2 + A6
B1 1 + B2 2 + B3
(x1 x3 x2 x4 )1 + (x2 x3 + x1 x4 )2 + x2 x4
A1 1 + A2 2 + A3
B4 1 + B5 2 + B6
(y1 y3 y2 y4 )1 + (y2 y3 + y1 y4 )2 + y2 y4 = 2 (6.6)
+
A4 1 + A5 2 + A6
B1 1 + B2 2 + B3 2
2
2
(x3 x4 )1 + 2x3 x4 2 + x4
A1 1 + A2 2 + A3
B4 1 + B5 2 + B6 2
(6.7)
+
(y3 y42 )1 + 2y3 y4 2 + y42 = 1 1
A4 1 + A5 2 + A6
Podemos reescrever tais equacoes como
1 ()
(x21
x22 )1
+ 2x1 x2 2 + x22
+ 2 ()
117
(y12
y22 )1
+ 2y1 y2 2 + y22
= 1
(6.8)
1 () (x1 x3 x2 x4 )1 + (x2 x3 + x1 x4 )2 + x2 x4
+2 () (y1 y3 y2 y4 )1 + (y2 y3 + y1 y4 )2 + y2 y4 = 2
(6.9)
1 () (x23 x24 )1 +2x3 x4 2 +x24 +2 () (y32 y42 )1 +2y3 y4 2 +y42 = 11
(6.10)
onde
B1 1 + B2 2 + B3
1 () :=
A1 1 + A2 2 + A3
B4 1 + B5 2 + B6
2 () :=
A4 1 + A5 2 + A6
tr(Vi Vi ) =
tr(Vi Vi )d
(6.11)
M2
tr(Wi Wi )
Z
=
tr(Wi Wi )d
Z
=
pi ()d()
M2
tr(Wj Vi Vi Wj )
Z
=
(6.12)
M2
tr(Wj Vi Vi Wj )d
Z
=
M2
M2
Vamos enunciar o problema (6.2) com multiplicadores de Lagrange. Escreveremos i = i para simplificar a notacao. Consideramos o caso real com
N = 2. Defina
1 2
1 2
h1 h2
W = =
=
, H=
2 4
2 4
h2 h4
118
V1 =
x1 x2
x3 x4
, V2 =
y1 y2
y3 y4
, W1 =
u1 u2
u3 u4
, W2 =
z1 z2
z3 z4
F (W ) = F (W1 , W2 ) = F (u, z)
= F (u1 , u2 , u3 , u4 , z1 , z2 , z3 , z4 ) := hW,V ( )
1
tr(H )
T
tr(H) = h1 1 + 2h2 2 + h4 4
A condicao
G3 (W1 , W2 ) := u1 u2 + u3 u4 + z1 z2 + z3 z4
i =
Observac
ao Como sugerido inicialmente, poderamos escrever W
e considerar os vnculos associados a tal transformacao. As conclusoes
i.
a seguir valeriam da mesma forma para os W
Wi Wi
Continuando, defina
(W1 , W2 , 1 , 2 , 3 ) := F + 1 G1 + 2 G2 + 3 G3
Vamos calcular = 0. Temos
u21 + u23 + z12 + z32 = 1
u22 + u24 + z22 + z42 = 1
u1 u2 + u3 u4 + z1 z2 + z3 z4 = 0
hV (W ) =
tr(W V V W )
tr(W1 W W1 )
1 1 W 1
1
tr
W
V
V
W
log
1 1 W 1
1
tr(V1 W V1 )
tr(V1 W V1 )
+tr
W2 V1 W V1 W2
tr(W V V W )
2 1 W 1
2
log
tr(V1 W V1 )
119
tr(W V V W )
tr(W2 W W2 )
1 2 W 2
1
tr
W
V
V
W
log
1
2
W
2
1
tr(V2 W V2 )
tr(V2 W V2 )
tr(W V V W )
2 2 W 2
2
+tr W2 V2 W V2 W2 log
tr(V2 W V2 )
11 (W )
21 (W )
= 1 (W ) 11 (W ) log
+21 (W ) log
A1 1 + A2 2 + A3
A1 1 + A2 2 + A3
22 (W )
12 (W )
+22 (W ) log
2 (W ) 12 (W ) log
A4 1 + A5 2 + A6
A4 1 + A5 2 + A6
(6.14)
Pela equacao (6.14) nota-se, uma vez que iremos calcular a derivada da
entropia, que precisamos obter uma expressao explcita para
j e
j ,
ui
zi
onde i = 1, . . . , 4, j = 1, 2, 4 e ui , zi sao as coordenadas dos Wi . Em outras
palavras, dados Wi , obtemos uma medida invariante e o baricentro associado
a tal medida. Entao sera necessario obter uma expressao para as derivadas
das coordenadas i do baricentro.
Note que como supomos que o baricentro e o ponto fixo do operador
L associado ao IFS podemos, a princpio, usar como expressao para a
solucao dada pelo sistema (6.5)-(6.7), cuja solucao e o ponto fixo
P para L. Na
pratica, a expressao que resolve tal sistema, para Wi tais que i Wi Wi = I
e Vi quaisquer, e difcil de ser analisada e entao uma pergunta natural seria
tentar analisar algum caso particular que forneca simplificacoes algebricas
convenientes.
2 = W2 W2 . Entao
W
u1 u2
z1 z2
W1 =
, W2 =
u3 u4
z3 z4
120
e
tr(V1 V1 ) = a2 1 , tr(V2 V2 ) = b2 4
1 ) = u1 1 + (u2 + u3 )2 + u4 4
tr(W
2 ) = z1 1 + (z2 + z3 )2 + z4 4
tr(W
2 V1 V1 ) = a2 z1 1
1 V1 V1 ) = a2 u1 1 , tr(W
tr(W
1 V2 V ) = b2 u4 4 , tr(W
2 V2 V ) = b2 z4 4
tr(W
2
u4
u4 u1 + 1
(6.15)
Logo
W =
u4
u4 u1 +1
1u1
u4 u1 +1
(6.16)
Ainda, 1 + 4 = 1 implica
4 =
1
ui
ui
(6.17)
u4
1 u1
,
1 =
=
0,
=
1
1
1
u1
(u4 u1 + 1)2 u2
u3
u4
(u4 u1 + 1)2
(6.18)
Ainda, obtemos
tr(HW ) = h1 1 + h4 4
u1 1 + (u2 + u3 )2 + u4 4
a2 1
a2 u
a2 z
1 1
1 1
2
2
a u1 1 log
+ a z1 1 log
2
2
a 1
a 1
hV (W ) =
z1 1 + (z2 + z3 )2 + z4 4
b2 4
b2 z
b2 u
4 4
4 4
2
+
b
z
log
b2 u4 4 log
4 4
b2 4
b2 4
u1 1 + u4 4 2
2
=
a u1 1 log (u1 ) + a z1 1 log (z1 )
a2 1
121
z1 1 + z4 4 2
2
b
u
log
(u
)
+
b
z
log
(z
)
4 4
4
4 4
4
b2 4
= (u1 1 +u4 4 ) u1 log (u1 )+z1 log (z1 ) (z1 1 +z4 4 ) u4 log (u4 )+z4 log (z4 )
(6.19)
Observe que em dimensao 2, e imediato escrever as variaveis zi em funcao
das variaveis ui . Podemos a seguir considerar o problema de multiplicadores
de Lagrange sobre as 4 variaveis ui apenas, e com vnculos que levam a
equacoes faceis de analisar. Desta forma, usando (6.15), (6.18), (6.19), e
escrevendo z1 = 1 u1 , z4 = 1 u4 , obtemos
hV (W ) = (
u4 (1 u1 )
u1 u4
+
)(u1 log(u1 ) + (1 u1 ) log(1 u1 ))
u4 u1 + 1 u4 u1 + 1
(1 u4 )(1 u1 )
u4 (1 u1 )
+
)(u4 log(u4 ) + (1 u4 ) log(1 u4 )) (6.20)
u4 u1 + 1
u4 u1 + 1
donde
h u (log(u )u + log(u ) log(1 u )u
4
1 4
1
1 4
hV (W ) =
u1
(u4 u1 + 1)2
(
(6.21)
(6.22)
Agora, definimos
F (u1 , u2 , u3 , u4 ) := hV (W )
1
tr(HW )
T
(6.23)
1
(h1 1 + h4 4 )
(6.24)
T
1 , W
2 ) := u2 + z2 , G2 (W
1 , W
2 ) := u3 + z3 , G3 (W
1 , W
2 ) := u2 u3
G1 (W
= hV (W )
1 , W
2 , {i }i=1,...,3 ) := F +
(W
3
X
i Gi
(6.25)
i=1
(6.26)
(6.27)
i = 1, . . . , 4 e entao
u2 + z2 = u3 + z3 = 0, u2 = u3
(6.28)
h1 h4
u1 1 = 0
(6.29)
T
h1 h4
u2 hV (W )
u2 1 + 1 + 3 = 0
(6.30)
T
h1 h4
u3 hV (W )
u3 1 + 2 3 = 0
(6.31)
T
h1 h4
u4 hV (W )
u4 1 = 0
(6.32)
T
As equacoes (6.30) e (6.31) se reduzem a 2 = 3 = 1 . Portanto, o
problema se reduz a resolver (6.29) e (6.32). Usando (6.18), temos
u1 hV (W )
hV (W )
h1 h4
u4
=
u1
T
(u4 u1 + 1)2
(6.33)
h1 h4
hV (W )
1 u1
=
u4
T
(u4 u1 + 1)2
(6.34)
eh1 /T
0
eh1 /T +eh4 /T
,
q
W1 =
(6.36)
h
e 1 /T
0
eh1 /T +eh4 /T
q
W2 =
eh4 /T
eh1 /T +eh4 /T
0
q
eh4 /T
eh1 /T +eh4 /T
(6.37)
123
6.2
Revisando um exemplo
W1 =
, W2 =
u2 u4
u2 1 u4
Defina
LbW,V () =
k
X
i )
tr(W
i=1
LW,V () =
k
X
Vi Vi
tr(Vi Vi )
(6.38)
i )Vi Vi
tr(W
(6.39)
i=1
O ponto fixo de Lb e
W =
u4
u4 u1 +1
(6.40)
1u1
u4 u1 +1
i tais que
A escolha de W
F = hV (W )
1
tr(HW )
T
(6.41)
2 =
W
eh1 /T
h
/T +eh4 /T
1
e
eh1 /T
eh1 /T +eh4 /T
eh4 /T
eh1 /T +eh4 /T
eh4 /T
eh1 /T +eh4 /T
!
(6.42)
!
(6.43)
Portanto, por (6.40), o ponto fixo para o operador Lb associado aos Wi maximais e
!
eh1 /T
0
eh1 /T +eh4 /T
W,m =
(6.44)
eh4 /T
0
h
/T
h
/T
e 1 +e 4
Agora, note que pela proposicao 3.4.2, temos que existem MN e
> 0 tal que LW,V ( ) = e. Os autovalores e autoestados associados a
L sao
124
= a u1 , =
e
1 0
0 0
= b (1 u1 ), =
0 0
0 1
(6.45)
(6.46)
a2 eh1 /T
eh1 /T + eh4 /T
ou m =
b2 eh4 /T
eh1 /T + eh4 /T
(6.47)
eh1 /T
eh1 /T +eh4 /T
1
tr(HW )
T
+ T eh4 /T log
h
/T
h
/T
1
4
T e
+e
h1 eh1 /T + h4 eh4 /T
+
T eh1 /T + eh4 /T
eh4 /T
eh1/T +eh4 /T
(6.48)
(6.49)
xH := eh1 /T + eh4 /T
(6.50)
onde
Como o exemplo a seguir mostra, temos a igualdade F = log apenas em
certos casos especiais.
(6.51)
= a2
6.3
Func
ao capacidade com custo
k
X
Vi Vi ,
i=1
k
X
Vi Vi = I,
i=1
i MN
n
X
n
X
pi (i )
pi S (i )
i=1
(6.54)
i=1
ondeP
S() = tr( log ) e a entropia de Von Neumann e acima escrevemos
= i pi i . O maximo e, portanto, sobre as escolhas de n probabilidades pi
e operadores densidade i , para algum n N. A capacidade de Holevo estabelece um limite superior sobre a quantidade de informacao que um sistema
quantico possui [26].
Definic
ao Seja um canal quantico. Defina a entropia mnima de
sada como sendo
H min () := min S((|ih|))
|i
Definic
ao Seja MF o conjunto das medidas invariantes definido na secao
5.7 e seja H um operador autoadjunto. Para MF seja o seu baricentro.
Defina a func
ao capacidade-custo C : R+ R+ por
C(a) := max {hW,V ( ) : tr(H ) a}
MF
(6.55)
(6.56)
MF
(6.57)
127
6.4
k
X
tr(Wi Wi )Vi Vi ,
(6.61)
i=1
6.5
k
X
Wi Wi = I e seja
Hi Hi
(6.62)
i=1
k
X
j=1
qj log qj +
k
X
j=1
129
qj log rj 0
k
X
tr(Hi Hi )Vi Vi
(6.63)
i=1
tr(Hi Hi )Vi Vi =
(6.64)
i=1
(6.65)
i=1
De (6.64) obtemos
k
X
1
tr(Hi Hi )tr(Vi Vi ) = 1
i=1
130
(6.68)
(Vj Vj )lm
1
= tr(Hj Hj )
( )lm
(6.70)
P
Portanto, temos j rjlm = 1. Para a analise que queremos fazer no momento nao precisaremos das expressoes explcitas dos n
umeros (Vj Vj )kl .
Posteriormente faremos tais calculos (ver expressao (6.96) e seguintes).
Seja
qij := tr
Wj Vi W V W
i
tr(Vi W Vi )
(6.71)
onde, como antes, W denota o ponto fixo associado ao operador renormalizado LbW,V , induzido pelo QIFS (MN , Fi , pi )i=1,...,k ,
Fi () =
Vi Vi
tr(Vi Vi )
e
pi () = tr(Wi Wi )
Note que temos
k
X
X
1
qij =
tr(Wj Wj Vi W Vi )
tr(V
V
)
i
W
i
j=1
j=1
k
X
1
tr(
Wj Wj Vi W Vi ) = 1
=
tr(Vi W Vi ) j=1
Logo, podemos aplicar o lema 6.5.1 para rjlm , qij , j = 1, . . . k, com i,l,m
fixados, para obter
Wj Vi W V W
X Wj Vi W Vi Wj
i
j
tr
log tr
tr(Vi W Vi )
tr(Vi W Vi )
j
+
1
X Wj Vi W Vi Wj
tr
log
tr(H
H
)(V
V
)
j j
j j lm 0 (6.72)
tr(V
V
)
(
)
i
W
lm
i
j
131
(6.73)
Entao
Wj Vi W V W
X Wj Vi W Vi Wj
j
i
log tr
tr
tr(Vi W Vi )
tr(Vi W Vi )
j
X Wj Vi W Vi Wj
(Vj Vj )lm
+
tr
log tr(Hj Hj )
tr(Vi W Vi )
( )lm
j
X Wj Vi W Vi Wj
log
tr
tr(V
V
)
i
W
i
j
o que equivale a
Wj Vi W V W
X Wj Vi W Vi Wj
j
i
tr
log
tr
)
)
tr(V
V
tr(V
V
i W i
i W i
j
X tr(Wj Vi W Vi Wj )
j
tr(Vi W Vi )
(Vj Vj )lm
log tr(Hj Hj )
log
( )lm
(6.74)
(
)
tr(V
V
)
lm
i
W
i
j
i
(6.75)
tr(Hj Hj )
=
( )lm
tr(Vi W Vi )
(6.76)
tr(Wi W Wi )
Vi W Vi
= W
tr(Vi W Vi )
132
(6.77)
(Vj Vj )lm
log tr(Hj Hj )
Wj Wj
( )lm
j=1
(6.78)
tr(Wi W Wi )
i=1
= W
k
(Vj Vj )lm
Vi W Vi X
log
tr(H
H
)
Wj Wj
j
j
tr(Vi W Vi ) j=1
( )lm
k
X
log
tr(Hj Hj )
j=1
(Vj Vj )lm
Wj Wj
( )lm
(6.79)
log
tr(Hj Hj )
j=1
= W
k
(Vj Vj )lm X
tr(Wi W Wi )
Vi W Vi Wj Wj
( )lm
tr(V
V
)
i W i
i=1
k
X
(Vj Vj )lm
Wj Wj
log tr(Hj Hj )
( )lm
j=1
(6.80)
log
tr(Hj Hj )
j=1
k
(Vj Vj )lm X
tr(Wi W Wi )
tr(Wj Vi W Vi Wj )
( )lm
tr(V
V
)
i W i
i=1
k
X
(Vj Vj )lm
tr(W Wj Wj )
log tr(Hj Hj )
(
)
lm
j=1
(6.81)
Note que o lado esquerdo de (6.81) e uma das somas em (6.75). Portanto,
substituindo (6.81) em (6.75) nos fornece a seguinte desigualdade:
hV (W ) +
k
X
(Vj Vj )lm
log tr(Hj Hj )
tr(Wj W Wj ) log
(
)
lm
j=1
o que equivale a
hV (W ) +
k
X
j=1
133
(6.82)
k
X
tr(Wj W Wj ) log
(Vj V )lm
j=1
( )lm
log
(6.83)
( )lm
tr(Vi W Vi )
(6.84)
hV (W ) + log tr(H H ) +
k
X
tr(Wj W Wj ) log
j=1
(Vj Vj )lm
log (6.85)
( )lm
( )lm
tr(Vi W Vi )
(6.86)
Observac
ao Observe que podemos obter uma versao da desigualdade
(6.83) se analisarmos a equacao (6.64),
k
X
tr(Hi Hi )Vi Vi =
(6.87)
i=1
mas desta fazendo um calculo diretamente sobre tal equacao (e nao sobre
suas coordenadas). Enunciamos assim o resultado:
Teorema 6.5.3 Seja FW um QIFS tal que existe uma u
nica medida atrativa
invariante para o operador de Markov associado V. Seja W o baricentro de
tal medida e seja um autoestado de LH () com autovalor . Entao
hV (W ) +
k
X
j=1
k
X
(6.88)
j=1
tr(Vi W Vi )
134
(6.89)
A prova de tal resultado e semelhante aos calculos vistos acima, e pode ser
vista no apendice deste captulo.
k
X
(6.90)
j=1
onde
hI (W ) =
(6.91)
(6.92)
(6.93)
(6.94)
135
(6.95)
v11 v12
v21 v22
, V2 =
w11 w12
w21 w22
temos
2
2
(V1 V1 )11 = v11
11 + 2v11 v12 12 + v12
22
(V1 V1 )12 = (V1 V1 )21 = v21 v11 11 + (v21 v12 + v22 v11 )12 + v22 v12 22
2
2
(V1 V1 )22 = v21
11 + 2v21 v22 12 + v22
22
2
2
(V2 V2 )11 = w11
11 + 2w11 w12 12 + w12
22
(V2 V2 )12 = (V2 V2 )21 = w21 w11 11 + (w21 w12 + w22 w11 )12 + w22 w12 22
2
2
(V2 V2 )22 = w21
11 + 2w21 w22 12 + w22
22
(6.96)
tr(H1 H1 )(v21 v11 11 + (v21 v12 + v22 v11 )12 + v22 v12 22 )
+tr(H2 H2 )(w21 w11 11 + (w21 w12 + w22 w11 )12 + w22 w12 22 ) = 12 (6.97)
2
2
tr(H1 H1 )(v21
11 + 2v21 v22 12 + v22
22 )
2
2
+tr(H2 H2 )(w21
11 + 2w21 w22 12 + w22
22 ) = 22
(6.98)
136
(6.100)
11 0
0 22
tr(Hi Hi )Vi Vi =
(6.101)
i=1
implica
=
k
X
tr(Hi Hi )
(6.102)
i=1
k
X
(6.103)
j=1
137
(6.104)
Exemplo 6.5.8 No exemplo 6.5.7, onde consideramos uma dinamica unitaria,
suponha que o potencial e tal que Hi = H, i = 1, . . . , k para um certo H.
Entao podemos, por (6.102), escrever
tr(H H ) =
(6.105)
k
X
(6.106)
j=1
ou seja,
hV (W ) + log
log
k
(6.107)
(6.108)
(6.109)
V1 =
, V2 =
, V3 =
, V4 =
0 0
0 0
p3 0
0
p4
0 0
0 0
h1 0
0
h2
H1 =
, H3 =
, H4 =
, H2 =
0 0
0 0
h3 0
0
h4
e tambem
=
1
2
2 1 1
P
Se L() = i tr(Hi Hi )Vi Vi entao resolver a equacao L() = nos
leva a
p 1 1 0
p2 (1 1 ) 0
0 0
h1 1
+ h2 (1 1 )
+ h3 1
0 0
0
0
0 p3 1
0
0
1
2
+h4 (1 1 )
=
(6.110)
0 p4 (1 1 )
2 1 1
138
o que implica 2 = 0 e
(h1 p1 )21 + (h2 p2 )(1 1 )2 = 1
(6.111)
(6.112)
(6.113)
a = h3 p3 + h4 p4 + h1 p1 + h2 p2
(6.114)
onde
b = h1 p1 2h4 p4 3h2 p2 , c = 3h2 p2 + h4 p4 , d = h2 p2
(6.115)
(6.116)
tr(H3 H3 ) = h3 1 , tr(H4 H4 ) = h4 4
(6.117)
tr(V1 V1 ) = p1 1 , tr(V2 V2 ) = p2 4
(6.118)
tr(V3 V3 )
(6.119)
= p 3 1 ,
tr(V4 V4 )
= p4 4
k
X
j=1
k
X
(6.120)
j=1
k
X
(6.121)
j=1
equivale a
hV (W ) + tr(W1 W W1 )[log(p1 h1 ) + log 21 ] + tr(W2 W W2 )[log(p2 h2 ) + log 24 ]
+tr(W3 W W3 )[log(p3 h3 ) + log 21 ]
+tr(W4 W W4 )[log(p4 h4 ) + log 24 ] log
(6.122)
ou seja,
hV (W ) +
X
tr(Wi W Wi ) log pi hi + [tr(W1 W W1 ) + tr(W3 W W3 )] log 21
(6.123)
139
6.6
Considere o operador
LH () =
k
X
tr(Hi Hi )Vi Vi
(6.124)
i=1
induzido
por uma dinamica fixada Vi i = 1, . . . , k, Vi lineares, e por H :=
P
(6.125)
tr(H1 H1 )(v21 v11 11 + (v21 v12 + v22 v11 )12 + v22 v12 22 )
+tr(H2 H2 )(w21 w11 11 +(w21 w12 +w22 w11 )12 +w22 w12 22 ) = 12 (6.126)
2
2
tr(H1 H1 )(v21
11 + 2v21 v22 12 + v22
22 )
2
2
+tr(H2 H2 )(w21
11 + 2w21 w22 12 + w22
22 ) = 22
(6.127)
(6.131)
Comparando tal sistema com o obtido no problema de encontrar os autovalores de uma matriz com entradas positivas A = (aij ),
a11 v1 + a12 v2 = v1
140
(6.132)
a21 v1 + a22 v2 = v2
vemos que tais sistemas sao identicos no caso em que tivermos
(6.133)
(6.134)
(6.135)
(6.136)
2
2
tr(H2 H2 )(w21
11 + w22
22 ) = 22
(6.137)
ou seja,
2
2
[((h111 )2 + (h112 )2 )11 + ((h112 )2 + (h122 )2 )22 ](v11
11 + v12
22 ) = 11 (6.138)
2
2
[((h211 )2 + (h212 )2 )11 + ((h212 )2 + (h222 )2 )22 ](w21
11 + w22
22 ) = 22 (6.139)
(6.140)
Entao obtemos
((h111 )2 + (h112 )2 )11 + ((h112 )2 + (h122 )2 )22 = 11
(6.141)
(6.142)
(6.143)
a21 v1 + a22 v2 = v2
(6.144)
(6.145)
(6.146)
H1 =
, H2 =
0
0
a12
a22
Entao o operador LH associado possui um autoestado diagonal
11 0
=
0 22
(6.148)
(6.149)
(6.150)
(6.151)
tr(V1 V1 ) = tr(V2 V2 ) = 1
(6.152)
1 + 212 0
0
0
LH () = (a11 11 +a12 22 )
+(a21 11 +a22 22 )
0
0
0 1 + 212
Note que LH () = nos leva a 12 = 0. Entao
= tr(H1 H1 )tr(V1 V1 ) + tr(H2 H2 )tr(V2 V2 )
= tr(H1 H1 ) + tr(H2 H2 ) = (a11 + a21 )11 + (a12 + a22 )22
Tembem podemos escrever
a11 + a22
a11 + a22
=
=
2
2
2
p
(a11 a22 )2 + 4a12 a21
2
onde
=
p
(a11 a22 )2 + 4a12 a21
142
(6.153)
(6.154)
a21 11 + a22 22 = 22
(6.155)
0
1 a11 2a12 a22
2 a11 a12 +a21 a22
(6.156)
Logo, temos
hV (W ) + tr(W1 W W1 ) log a11 11 + a12 22
+tr(W2 W W2 ) log a21 11 + a22 22 log
(6.157)
1 1
0 0
, V2 =
0 0
1 1
(6.158)
e defina
A=
1 4
3 21
(6.159)
193
4 4
com autovetores, respectivamente,
1
1
12
1
1
1
(
193, 1)
1
+ 12 193 12 12
143
(6.160)
(6.161)
1
1
+ 12
temos = 43 + 14 193, v = 1+ 1 +11 193 ( 12
193, 1) tais que Av = v.
12
12
Sejam
3 0
1 0
a11
0
a21
0
=
, H2 =
=
H1 =
0 12
a12
0 2
a22
0
0
(6.162)
Entao resolver LH () = nos leva a 12 = 0 e
11 + 422 = 11
(6.163)
1
311 + 22 = 22
2
(6.164)
1 1
+ 12 193
12
0
1
1
(6.165)
= 1+ 12 + 12 193
1
0
1+ 1 + 1 193
12
12
6.7
C
alculos de uma desigualdade
k
X
qj log qj +
j=1
k
X
qj log rj 0
(6.166)
j=1
Defina
rij :=
eaij vi
vj
144
(6.168)
Logo,
k
X
k
X
i=1
Entao
k
X
i qij
(6.169)
i=1
i=1
k
X
qij log
i=1
eaij vi
0
vj
(6.170)
Da
k
X
i=1
k
X
qij aij +
i=1
k
X
qij log vi
i=1
k
X
i=1
Ou seja,
k
X
i=1
k
X
qij aij +
k
X
i=1
(6.171)
i=1
j
qij log qij +
j
qij aij +
j
qij (log vi log vj ) log
j
(6.172)
P
j
qij log qij +
j
qij aij
j
X
j
qij log vi
(6.173)
Da,
log vi
j qij
j log vj
qij aij
qij log
donde
X
j
X
j
145
X
i
qij aij
(6.174)
i log vi
j log vj log
(6.175)
j
qij log qij +
j
qij aij log
(6.176)
j
Definic
ao Chamamos a desigualdade (6.176) de desigualdade cl
assica
associada `a matriz com entradas positivas A e `a matriz estocastica Q.
Definic
ao Para k fixado, e para l, m = 1, . . . , k, chamamos a desigualdade
k
X
hV (W ) +
tr(Wj W Wj ) log tr(Hj Hj )
j=1
k
X
tr(Wj W Wj ) log
(Vj V )lm
j=1
( )lm
log ,
(6.177)
que e equivalente a
X
X tr(Wi Vj W Vj Wi )
(Vi Vi )lm
log
tr(H
H
)
hV (W )+
tr(Wj W Wj )
i
i
tr(Vj W Vj )
( )lm
j
i
log
(6.178)
de desigualdade b
asica associada ao potencial H = i Hi Hi e ao QIFS
determinado por Vi , Wi , i = 1, . . . , k. Tal desigualdade foi obtida na secao
6.5 e vale a igualdade se, e somente se, para todo i, j, l, m,
P
(Vj Vj )lm
tr(Wj Vi W Vi Wj )
1
tr(Hj Hj )
=
( )lm
tr(Vi W Vi )
(6.179)
Acima e autoestado de
LH () =
k
X
tr(Hi Hi )Vi Vi
i=1
146
k
X
tr(Wj W Wj )
k
X
tr(Wi Vj W Vj Wi )
j=1
tr(Vj W Vj )
i=1
log
tr(Wi Vj W Vj Wi )
,
tr(Vj W Vj )
1 0
0 0
0 0
1 0
, V2 =
, V4 =
0 1
0 0
0 0
0 1
(6.180)
(6.181)
Seja A = (aij ) matriz com entradas positivas e Q = (qij ) matriz linhaestocastica, ambas de ordem 2. Defina
ea11
ea11
ea12
ea12
, H12 =
(6.182)
H11 =
0
0
0
0
H21 =
0
0
ea21
ea21
e tambem
, H22 =
W1 =
W3 =
q11 0
0
0
0
0
q21 0
0
0
ea22
ea22
, W2 =
, W4 =
q12
0
0
0
0
q22
0
0
(6.183)
(6.184)
(6.185)
Vi dada por
0
, V2 =
0
0
, V4 =
0
v12
0
0
0
0
v22
0
0
(6.186)
(6.187)
tr(Wi Wi )
Vi Vi
tr(Vi Vi )
Escrevendo,
=
11 12
12 22
tr(H1 H1 )
+ tr(H2 H2 )
0
0
0
0
0
0
0
0
11 12
+tr(H3 H3 )
tr(H4 H4 )
=
0 v21 11
0 v22 22
12 22
Portanto, 12 = 0 e entao e diagonal.
148
Prova da proposic
ao 6.7.1 Sejam Vi , i = 1, . . . , 4 como os definidos no
enunciado. Seja A matriz com entradasPpositivas aij fixadas e seja Q uma
matriz com entradas positivas qij , com i qij = 1 (i.e., coluna-estocastica).
Defina Wi , i = 1, . . . , 4 e Hij , i, j = 1, 2 como no enunciado. Um calculo
simples mostra que tal escolha de Hij satisfaz
tr(Hij Hij ) = eaij
(6.188)
(note que e diagonal, pelo lema 6.7.2). Pelo exemplo 5.7.3, as escolhas de
Vi e Wi que fizemos sao tais que a entropia hV (W ) se reduz a entropia de
cadeias de Markov. Desta forma, um calculo simples mostra
Analogamente,
(Vi Vi )11
( )11
=
=1
( )11
( )11
(6.189)
(Vi Vi )22
( )22
=
=1
( )22
( )22
(6.190)
X
X tr(Wi Vj W Vj Wi )
(Vi Vi )lm
hV (W )+
tr(Wj W Wj )
log
tr(H
H
)
i i
tr(Vj W Vj )
( )lm
j
i
log
(6.191)
obtemos
hV (W ) +
X
j
tr(Wj W Wj )
X tr(Wi Vj W Vj Wi )
i
tr(Vj W Vj )
(6.192)
= e , obtemos apos alguns calculos simples,
Finalmente como
observando que Q = , que a desigualdade (6.192) se torna a desigualdade
classica (6.176).
tr(Hij Hij )
aij
Exemplo 6.7.3 O seguinte exemplo ilustra um calculo da desigualdade basica
com um potencial composto por coordenadas complexas. Tambem ilustramos
aqui a renormalizacao de tal potencial. Sejam
2i 2i
i 2 i 2
H1 =
, H2 = I, H3 =
, H4 = I
0 0
0
0
149
Entao
H1 =
2i 0
2i 0
, H2 = I, H3 =
i2 0
, H4 = I
i 2 0
5+
com autoestado
=
7+
17
2
17
3+ 17
4
0
1
k
X
(6.193)
j=1
( )lm
tr(Vi W Vi )
(6.194)
tr(Hj Hj ) =
tr(Vi W Vi )
150
(6.195)
i
ci = (wij
ci = Wi Wi e escrevemos W
).
Para simplificar calculos, escrevemos W
Alguns calculos nos fornecem
tr(Hi Hi )
i
i
= w11
= w22
, i = 1, . . . , 4
(6.196)
(6.197)
Ou seja,
1
1
2
2
W1 = I, W2 = I, W3 = I, W4 = I
Note que
X
i
Wi Wi
4+ 2
= I 6= I
i := Hi
H
onde
(6.198)
:=
4+ 2
(6.199)
(6.200)
nos fornece o
Desta forma, um calculo mostra que a equacao LH () =
mesmo autoestado que obtivemos antes, ou seja, = . Mas note que o autovalor associado e P
= . Agora, note que e possvel renormalizar os Wi de
i W
i = I, e que maximizam a desigualdade basica
modo a ter Wi , com i W
i renormalizados,
para os Hi fixados inicialmente. Com efeito, dados os H
definimos
i = Wi , i = 1, . . . , 4
W
(6.201)
P
Note que temos
W Wi = I. E tambem obtemos
i
)+
hV (W
k
X
j W
) log tr( Hj H ) log
tr(W
j
j
W
(6.202)
j W
) log(tr(Hj H )) log + log
tr(W
j
j
W
(6.203)
j=1
o que equivale a
)+
hV (W
k
X
j=1
151
Ou seja
)+
hV (W
k
X
j W
j ) log
tr(W
W
j=1
k
X
j W
) log tr(Hj H ) log + log ,
tr(W
j
j
W
(6.204)
j=1
k
X
j W
j ) log tr(Hj Hj ) = log
tr(W
W
(6.205)
j=1
6.8
Pk
i=1
Ai = I entao para
152
X
(I A)k
log A :=
k
k=1
(6.206)
(6.208)
(6.209)
i=1
2
X
i=1
Qi log Pi +
2
X
i=1
153
Qi log Qi 0
(6.211)
Dado o exemplo acima, queremos saber se o seguinte resultado, ou algo
semelhante, e verdadeiro.
Conjectura 6.8.3
P Sejam
P Qi , Pi operadores positivos tais que (I Pi ) < 1,
(I Qi ) < 1, i Pi = i Qi = I, i = 1, . . . , k. Entao
k
X
i (Pi )
i=1
k
X
(Qi ) 0
(6.212)
i=1
ou seja
k
X
Qi log Pi +
i=1
k
X
Qi log Qi 0
(6.213)
i=1
Observac
ao Podemos aumentar o domnio de convergencia da serie (6.206).
Defina
i2k+1
X
1 h
(A I)(A + I)1
(6.214)
log A := 2
2k
+
1
k=0
que e convergente para toda matriz A tal que [(A I)(A + I)1 ] < 1. Isto
implica que tal serie converge para todas as matrizes cujo espectro esteja
situado sobre o semiplano aberto a` direita do eixo imaginario [9].
6.9
k
X
Hi Hi Vi Vi
i=1
154
(6.215)
tr(Vi Hi Hi Vi ) =
tr(Ai Ai ),
onde
Ai = 1/2 Vi Hi 1/2
De fato, note que
Ai = (1/2 Vi Hi 1/2 ) = 1/2 (1/2 Vi Hi )
= 1/2 Hi (1/2 Vi ) = 1/2 Hi Vi 1/2
Sabemos que para qualquer operador positivo A 6= 0, se {v1 , . . . , vN } e uma
base ortonormal para HN , temos
tr(A) =
N
X
hAvi , vi i > 0
i=1
Portanto,
tr(LH,V ) =
tr(Ai Ai ) =
XX
i
hAi vj , vj i > 0
Proposic
ao 6.9.1 Existem MN e > 0 tais que LH,V () = .
Prova Defina Ln : MN MN ,
Ln () :=
LH,V ( + nI )
, n1
tr(LH,V ( + nI ))
hX
Hi ( +
i X
I
I
I
I
)Hi Vi ( + )Vi =
tr Hi ( + )Hi Vi ( + )Vi
n
n
n
n
i
X
i
X
i
tr((Hi Hi +
1
1
Hi Hi )(Vi Vi + Vi Vi ))
n
n
1
1
1
tr(Hi Hi Vi Vi )+ tr(Hi Hi Vi Vi )+ tr(Hi Hi Vi Vi )+ tr(Hi Hi Vi Vi )
n
n
n
hX
i
Hi ( +
i X
I
I
)Hi Vi ( + )Vi
tr(Hi Hi Vi Vi ) = tr(LH,V )
n
n
i
N
X
hP vi , vi i > 0
i=1
N
X
hLH,V ()vi , vi i 0,
i=1
k
X
Hi Hi
Wi Wi = I e seja
(6.216)
i=1
k
X
Hi Hi Vi Vi
(6.217)
i=1
Hi Hi Vi Vi =
(6.218)
i=1
(6.219)
i=1
(Hj Hj Vj Vj )lm
=
( )lm
(6.220)
rjlm = 1.
Seja
qij := tr
Wj Vi W V W
i
tr(Vi W Vi )
(6.221)
onde, como antes, W denota o ponto fixo associado ao operador renormalizado LbW,V , induzido pelo QIFS (MN , Fi , pi )i=1,...,k ,
Fi () =
Vi Vi
tr(Vi Vi )
157
e
pi () = tr(Wi Wi )
Note que temos
k
X
qij =
j=1
X
1
tr(Wj Wj Vi W Vi )
tr(Vi W Vi ) j=1
k
X
1
tr(
W Wj Vi W Vi ) = 1
=
tr(Vi W Vi ) j=1 j
Logo, podemos aplicar o lema 6.5.1 para rjlm , qij , j = 1, . . . k, com i,l,m
fixados, para obter
Wj Vi W V W
X Wj Vi W Vi Wj
i
j
tr
log
tr
tr(V
V
)
tr(V
V
)
i W i
i W i
j
(Hj H Vj V )lm
X Wj Vi W Vi Wj
j
j
log
0
tr
tr(Vi W Vi )
( )lm
j
(6.222)
(6.223)
Entao
Wj Vi W V W
X Wj Vi W Vi Wj
j
i
tr
log
tr
tr(V
V
)
tr(V
V
)
i W i
i W i
j
(Hj H Vj V )lm
X Wj Vi W Vi Wj
j
j
+
tr
log
tr(Vi W Vi )
( )lm
j
X Wj Vi W Vi Wj
log
tr
tr(Vi W Vi )
j
o que equivale a
Wj Vi W V W
X Wj Vi W Vi Wj
i
j
log tr
tr
tr(Vi W Vi )
tr(Vi W Vi )
j
+
X tr(Wj Vi W Vi Wj )
j
tr(Vi W Vi )
log
(Hj H Vj V )lm
j
( )lm
158
log
(6.224)
X tr(Wi W W ) X
i
i
tr(Vi W Vi )
log
(Hj H Vj V )lm
j
( )lm
tr(Wj Vi W Vi Wj )
(6.225)
(6.226)
tr(Wi W Wi )
i=1
Vi W Vi
= W
tr(Vi W Vi )
(6.227)
(Hj H Vj V )lm
j
j
Wj Wj
log
(
)
lm
j=1
(6.228)
tr(Wi W Wi )
i=1
= W
(Hj H Vj V )lm
Vi W Vi X
j
j
log
Wj Wj
tr(Vi W Vi ) j=1
( )lm
k
X
log
(Hj H Vj V )lm
j
( )lm
j=1
Wj Wj
(6.229)
i
tr(Vi W Vi )
k
X
j=1
log
(Hj H Vj V )lm
j
( )lm
j=1
log
(Hj H Vj V )lm
j
( )lm
159
tr(Wj Vi W Vi Wj )
tr(W Wj Wj )
(6.230)
Note que o lado esquerdo de (6.230) e uma das somas em (6.225). Portanto,
substituindo (6.230) em (6.225) nos fornece a seguinte desigualdade:
hV (W ) +
k
X
log
(Hj H Vj V )lm
j
( )lm
j=1
tr(Wj W Wj ) log
(6.231)
(6.232)
6.10
Exemplo
1
2
0
0
0
0
3
3
q , W3 =
, W2 =
W1 =
0 13
2
0 0
0
3
P
Temos que
alculos
i Wi Wi = I. Ainda, como 11 + 22 = 1, alguns c
fornecem
V1 V1
1
1 0
tr(W1 W1 )
= 11
(6.233)
0 0
tr(V1 V1 )
3
V2 V2
1
1 i
tr(W2 W2 )
=
(6.234)
tr(V2 V2 )
3 i 1
V3 V3
1
0 0
tr(W3 W3 )
= 22
(6.235)
0 1
tr(V3 V3 )
3
E portanto
Vi Vi
tr(Vi Vi )
i
1
1
1
1 0
1 i
0 0
= 11
+
+ 22
0 0
0 1
3
3 i 1
3
1 1 + 11
i
=
i
1 + 22
3
L() =
tr(Wi Wi )
160
(6.236)
6.11
Uma das questoes que nos interessam neste trabalho e entender de que forma
podemos formular um princpio variacional de pressao em um contexto de informacao quantica. Uma combinacao apropriada destas duas teorias poderia
ter como ponto de partida relacionar a desigualdade para n
umeros positivos
X
X
qi log qi +
qi log pi 0,
i
k
X
log tr(Hj Hj )tr(Vj Vj ) tr(Wj W Wj ) log
(6.237)
j=1
tr(Vi W Vi )
(6.238)
k
X
j=1
161
(6.239)
(6.240)
E temos o seguinte:
Lema 6.11.1 Dado um QIFS com dinamica unitaria (i.e., com Vi unitario,
i que maximizam (6.237), ou seja, tais que
para cada i), existem W
)+
hV (W
k
X
j W
j ) log tr(Hj Hj ) = log
tr(W
W
(6.241)
j=1
1
tr(Hj Hj )I
(6.242)
6.12
Ap
endice: c
alculo alternativo para o problema de press
ao
k
X
i=1
162
Hi Hi
Wi Wi = I e seja
(6.243)
tr(Hi Hi )Vi Vi =
(6.245)
i=1
(6.246)
i=1
De (6.245) obtemos
k
X
1
tr(Hi Hi )tr(Vi Vi ) = 1
i=1
163
(6.249)
1
tr(Hj Hj )tr(Vj Vj )
(6.251)
rj = 1.
Observac
ao A definicao de rj acima e a diferenca fundamental entre a
analise feita aqui, e que e feita na secao 6.5.
Seja
qji := tr
Wj Vi W V W
i
tr(Vi W Vi )
(6.252)
onde, como antes, W denota o ponto fixo associado ao operador renormalizado LbW,V , induzido pelo QIFS (MN , Fi , pi )i=1,...,k ,
Fi () =
Vi Vi
tr(Vi Vi )
e
pi () = tr(Wi Wi )
Note que temos
k
X
j=1
qji
X
1
tr(Wj Wj Vi W Vi )
=
tr(Vi W Vi ) j=1
k
X
1
tr(
W Wj Vi W Vi ) = 1
=
tr(Vi W Vi ) j=1 j
Wj Vi W V W
X Wj Vi W Vi Wj
i
j
tr
log
tr
tr(V
V
)
tr(V
V
)
i W i
i W i
j
164
1
X Wj Vi W Vi Wj
tr
log
tr(H
H
)tr(V
V
)
0
j
j
j
tr(Vi W Vi )
(6.253)
tr(Hj Hj )tr(Vj Vj ) =
tr(Vi W Vi )
(6.254)
Entao
Wj Vi W V W
X Wj Vi W Vi Wj
i
j
log tr
tr
tr(Vi W Vi )
tr(Vi W Vi )
j
X Wj Vi W Vi Wj
X Wj Vi W Vi Wj
tr
log
tr(Vi W Vi )
j
o que equivale a
Wj Vi W V W
X Wj Vi W Vi Wj
j
i
tr
log
tr
tr(Vi W Vi )
tr(Vi W Vi )
j
X tr(Wj Vi W Vi Wj )
j
tr(Vi W Vi )
log tr(Hj Hj )tr(Vj Vj ) log
(6.255)
hV (W )+
log tr(Hj Hj )tr(Vj Vj )
tr(Wj Vi W Vi Wj )
tr(Vi W Vi )
j
i
(6.256)
tr(Vi W Vi )
(6.257)
tr(Wi W Wi )
Vi W Vi
= W
tr(Vi W Vi )
165
(6.258)
log tr(Hj Hj )tr(Vj Vj ) Wj Wj
(6.259)
j=1
e entao obtemos
k
X
tr(Wi W Wi )
i=1
= W
k
Vi W Vi X
log
tr(H
H
)tr(V
V
)
Wj Wj
j
j
j
tr(Vi W Vi ) j=1
k
X
log tr(Hj Hj )tr(Vj Vj ) Wj Wj
(6.260)
j=1
log
k
X
tr(Wi W Wi )
Vi W Vi Wj Wj
tr(V
V
)
i W i
i=1
tr(Hj Hj )tr(Vj Vj )
j=1
= W
k
X
log tr(Hj Hj )tr(Vj Vj ) Wj Wj
(6.261)
j=1
k
X
tr(Wi W Wi )
tr(Wj Vi W Vi Wj )
log tr(Hj Hj )tr(Vj Vj )
tr(V
V
)
i W i
j=1
i=1
k
X
log tr(Hj Hj )tr(Vj Vj ) tr(W Wj Wj )
(6.262)
j=1
Note que o lado esquerdo de (6.262) e uma das somas em (6.256). Portanto,
substituindo (6.262) em (6.256) nos fornece a seguinte desigualdade:
hV (W ) +
k
X
log tr(Hj Hj )tr(Vj Vj ) tr(Wj W Wj ) log
j=1
o que equivale a
hV (W ) +
k
X
j=1
166
(6.263)
k
X
(6.264)
j=1
tr(Hj Hj )tr(Vj Vj ) =
tr(Vi W Vi )
(6.265)
167
Captulo 7
Fun
c
ao de Wigner
7.1
Relac
oes de Weyl discretas
2
iu
N
N
1
X
2
ik
N
|kihk|, VN := e
k=0
2
iv
N
N
1
X
|kihk 1|
(7.1)
k=0
(7.4)
WN (n) := ei N n1 n2 UNn1 VNn2
Tais operadores satisfazem
WN (n) = W (n)
e
168
(7.5)
(7.6)
N
1
X
l=0
N
1
X
l=0
= n2 ,0
N
1
X
2in1
(u +l)
N
= N n,0
(7.7)
l=0
(7.8)
1 X
tr WN (n)A WN (n)
N
2
(7.9)
nZN
7.2
Introduc
ao `
a fun
c
ao de Wigner
Esta secao segue partes de [31]. Estamos interessados em obter uma outra
forma de representar a funcao de onda (x). Tal forma sera a funcao de
Wigner, que sera dependente de duas variaveis, momento e posicao. Para se
entender tal objeto, sera importante estudar a estrutura de espacos de fase.
A funcao de Wigner consiste de uma maneira especial de descrever operadores densidade. A princpio, podemos dizer que o operador densidade
e uma estrutura mais fundamental do que a sua representacao de Wigner.
Por exemplo, a representacao de Wigner e incapaz de descrever os operadores
densidade correspondentes a sistemas de dois nveis. Entretanto, devido a sua
simplicidade, veremos que compreender a distribuicao de Wigner nos fornece
maneiras de se entender melhor certos aspectos dos operadores densidade.
169
Definic
ao Dada uma funcao de onda (x), a func
ao distribuic
ao de
Wigner e
Z
s
s
1
eisp/~ hq |ih|q + ids
(7.10)
W (q, p) :=
2~
2
2
onde acima, estamos usando a notacao de Dirac
s
s
hq |i = (q )
2
2
s
s
h|q + i = (q + )
2
2
Defina a mudanca de coordenadas
s
s
x = q + , x0 = q
2
2
(7.11)
(7.12)
(7.13)
e entao obtemos
1
W (q, p) =
2~
(7.14)
(7.16)
W (q, p)dpdq = 1
(7.17)
(7.20)
(7.21)
P
onde pi 0 e i pi = 1. Tal equacao descreve como uma superposicao
incoerente de operadores densidade de estados puros |i ihi |, onde i e
uma funcao de onda, mas nao necessariamente um autoestado de energia.
Na equacao (7.21) os pi denotam as probabilidades de se encontrar o sistema
no estado |i i.
Portanto, alem da interpretacao probabilstica usual para se encontrar a
partcula descrita por uma certa funcao de onda em uma certa posicao, temos
tambem uma distribuicao de probabilidade de que tal partcula se encontre
em estados distintos.
= tr(A)
hAit = h(t)|A|(t)i
= tr(|(t)ih(t)|A)
(7.22)
hAit = tr(A)
(7.23)
Logo,
Observe que a expressao acima e o analogo da expressao de mecanica classica
para a media de um observavel A(p, q) com respeito a uma densidade classica
(p, q), ou seja
Z Z
hAicl =
(7.24)
Ou seja, em mecanica quantica o operador traco faz o papel de uma integracao sobre p e q em mecanica classica.
171
7.3
Func
ao de Wigner discreta
W (q, p) :=
eip/~ hq ||q + id
(7.25)
2~
2
2
Tal funcao e determinada de forma u
nica pelas seguintes propriedades [25],[34]:
1. W (q, p) R
2. O produto interno entre dois estados 1 e 2 pode ser computado a
partir da funcao de Wigner da seguinte forma:
Z
tr(1 2 ) = 2~ W1 (q, p)W2 (q, p)dqdp
(7.26)
3. (Propriedade de projecao) A integral ao longo de uma linha no espaco
de fase, descrita pela equacao a1 q + a2 p = a3 , e a densidade de pro + a2 P tenha a3 como
babilidade de que a medicao do observavel a1 Q
resultado.
Observac
ao A propriedade de projecao enunciada acima nos diz, em
outras palavras, que a projecao da funcao de Wigner ao longo de qualquer
direcao do espaco de fase e igual `a distribuicao de probabilidade de um certo
observavel, a1 q + a2 p, associado com aquela direcao. Dois casos especiais
desta propriedade sao bem conhecidos:
Z
W (q, p)dq
(7.27)
e a distribuicao de probabilidade para o momento, e
Z
W (q, p)dp
(7.28)
172
Podemos escrever W como o valor esperado de um certo operador, chamado operador de Fano, de modo que
p))
W (q, p) = tr(A(q,
onde A pode ser escrito como
Z
i
h
0
1
exp (P p) + i (Q q) dd0
A(q, p) =
(2~)2
~
~
Z
i
h i
1
0
0
=
D(, )exp ( q p) dd0
2
(2~)
~
(7.29)
(7.30)
(7.31)
onde
i
h i
D(,
0 ) := exp (P 0 Q)
~
(7.32)
(7.33)
onde R
=
| xi.
A prova de que a funcao W definida acima satisfaz as propriedades de
unicidade 1 a 3 segue de propriedades simples do espaco de fase. O fato de
p) ser hermitiano. A propriedade 2
que W (q, p) R e consequencia de A(q,
p). De fato, e possvel mostrar que
segue da relacao de completude de A(q,
tais operadores satisfazem a relacao
p)A(q
0 , p0 ) = 1 (q q 0 )(p p0 )
(7.34)
tr A(q,
2~
Como consequencia disso, e possvel inverter a equacao (7.29) e expressar o
operador densidade como uma combinacao linear dos operadores de Fano. A
funcao de Wigner determina os coeficientes de tal expansao:
Z
p)dqdp
= 2~ W (q, p)A(q,
(7.35)
A propriedade 2 segue da formula acima. Quanto a propriedade 3, observe
p) ao longo de uma linha no espaco de fase fornece um
que integrar A(q,
operador projecao. Logo,
Z
p)dqdp = |a3 iha3 |
(a1 q + a2 p a3 )A(q,
(7.36)
173
Agora estamos interessados em definir a funcao de Wigner no caso discreto. Primeiro faremos algumas observacoes preliminares. O primeiro passo
e definir um espaco de fases discreto. Iremos considerar um espaco de Hilbert
de dimensao N . Considere uma base
Bx = {|ni, n = 0, . . . , N 1},
que sera uma base de posico
es discretas. Iremos impor a condicao de
contorno periodica |n + N i = |ni, para todo n. Agora, queremos definir uma
base de momentos conjugados, que denotaremos por
Bp = {|ki, k = 0, . . . , N 1}
Uma maneira natural de introduzir a base de momentos a partir da base de
posicoes e atraves da transformada de Fourier discreta. Entao podemos
obter os estados de Bp a partir dos estados de Bx da seguinte forma:
1 X
exp[2ink/N ]|ni
|ki =
N n
(7.37)
Portanto, assim como no caso contnuo, posicao e momento estao relacionados pela transformada de Fourier.
Observac
ao Podemos relacionar a dimensao do espaco de Hilbert com a
constante de Planck da seguinte forma. Estamos considerando que o espaco
de fase possui uma area finita, que podemos supor igual a 1. Nessa area
podemos comportar N estados ortogonais. Se cada estado ocupar uma area
do espaco de fase que e igual a 2~, temos que N = 1/2~. Em outras
palavras, N faz o papel do inverso da constante de Planck, e o limite para
N tendendo ao infinito pode ser visto como o limite semiclassico [25].
174
Dadas as bases de posicao e momento, podemos definir os seus respectivos operadores de deslocamento. Para sistemas discretos podemos definir
operadores de translacao finitos, U e V , de forma semelhante ao que temos
em (7.1) e (7.2) na secao 7.1:
U m |ni := |n + mi, U m |ki := exp[2imk/N ]|ki
(7.38)
(7.39)
V p U q = e2 N ipq U q V p ,
(7.40)
as relacoes de Weyl discretas (7.3), vistas na secao 7.1. Vamos tambem definir
(7.41)
(7.42)
= UF2 T
R
(7.43)
Observac
ao O uso da transformada de Fourier discreta (DFT) para relacionar posicao e momento implica que temos condicoes de contorno periodicas
em ambas as variaveis, e portanto temos a geometria de um toro sobre o
espaco de fase. Nao somos obrigados a considerar a transformada, mas a
escolha do toro como a geometria preferida para os problemas que nos interessam tambem se deve ao fato de que a DFT e bastante usada no estudo de
algoritmos quanticos [25].
Defina
T(q, p) := U q V p exp[iqp/N ]
(7.44)
(7.45)
Observac
ao Em R2 definimos o operador de translacao na posicao q e
momento p como sendo
i
(7.46)
A()
:=
2N
1
h
X
(0 q p) i
1 q p ipq/N
1
0
T (, ) exp 2i
=
U RV e
2
(2N ) ,0 =0
2N
2N
(7.47)
2N
1
X
(7.48)
(7.49)
(7.50)
(7.51)
onde e 0 estao em GN e
N (q) :=
N 1
1 X 2iqn/N
e
N n=0
(7.52)
W () := tr(A())
(7.53)
(7.54)
A().
Podemos ver que a funcao de Wigner W () fornece os coeficientes de
tal expansao. Portanto, e possvel mostrar que
X
X
)
= 4N
W ()A()
=N
W (
)A(
(7.55)
G
2N
GN
A prova da terceira propriedade requer uma analise do reticulado GN e referimos o leitor a` secao 7.6 deste captulo para mais detalhes.
177
Um resumo Definimos a funcao de Wigner discreta para sistemas sobre
um espaco de Hilbert de dimensao N < qualquer. A funcao de Wigner
7.4
Calculando fun
c
oes de Wigner
N 1
h 2i
i
1 X
hq n||ni exp
p(n q/2)
2N n=0
N
(7.57)
1
exp[ipq/N ]tr(U q RV p )
2N
N 1
N 1
N 1
N 1
X
X
1
1
exp[ipq/N ]
hn|U q RV p |ni =
exp[ipq/N ]
hU q n|RV p |ni
2N
2N
i=0
i=0
X
X
1
1
=
exp[ipq/N ]
hnq|RV p |ni =
exp[ipq/N ]
hqn|V p |ni
2N
2N
i=0
i=0
N 1
X
1
exp[ipq/N ]
hV p (q n)||ni
=
2N
i=0
N 1
X
1
=
exp[ipq/N ]
exp[2ip(q n)/N ]hq n||ni
2N
i=0
178
ip
ip
2ip
(q 2(q n)) =
(2n q) =
(n q/2)
N
N
N
Logo,
N 1
1 X
2ip
W (q, p) =
hq n||ni exp[
(n q/2)]
2N n=0
N
Exemplo 7.4.2 Seja N = 2, e seja |i = a|0i + b|1i uma superposicao
de estados. Sejam W1 () e W2 () as funcoes de Wigner para |0i e |1i,
respectivamente. Temos que a funcao de Wigner W para |i e tal que
W () = |a|2 W1 () + |b|2 W2 () + 2Re{ab h1|A()|0i}
(7.58)
exp
S(, , ) ,
(7.60)
(, , ) := tr(A()A()A()) =
4N 3
N
se 2 ou 3 dos pontos (, , ) possuem coordenadas q e p pares. Caso
contrario, definimos
(, , ) := 0,
(7.61)
179
(7.62)
1
V p |q0 ieipq/N
hq0 |U q R
2N
1
N (q 2q0 )(1)p[(q2q0 ) mod N ]
(7.63)
2N
De forma semelhante e possvel fazer o calculo para um autoestado de momento,
k0 = |k0 ihk0 |
(7.64)
=
2
1
N (
q )(1)qp cos
p+
N
onde
q = q0 + q1 q, =
2N
q0 q 1
(7.67)
(7.68)
180
Agora fazemos algumas consideracoes sobre a evolucao temporal de sistemas quanticos no espaco de fase. Se U e o operador de evolucao unitario que
leva o estado do sistema do tempo t ao tempo t + 1 entao a matriz densidade
evolui da seguinte forma
(t + 1) = U (t)U
(7.69)
Usando tal fato e possvel mostrar que a funcao de Wigner evolui da seguinte
forma:
X
W (, t + 1) =
Z W (, t)
(7.70)
G2N
:= N tr A()U
A()U
(7.71)
7.5
Func
oes de Wigner e QIFS
181
(7.73)
k
X
Vi Vi
(7.74)
i=1
Agora considere
P Vi operadores lineares, i = 1, . . . , k tais que
Entao () = i Vi Vi MN . Logo,
W() (q, p) =
Vi Vi = I.
N 1
h 2i
i
1 X
hq n|()|ni exp
p(n q/2)
2N n=0
N
N 1 k
i
h 2i
1 XX
hq n|Vi Vi |ni exp
p(n q/2)
2N n=0 i=1
N
N 1 k
i
h 2i
1 XX
=
p(n q/2)
h(q n)Vi ||Vi (n)i exp
2N n=0 i=1
N
P
PN 1
Escrevendo = j=0 j |jihj|, j j = 1, obtemos
(7.76)
N 1 k
i
h 2i
1 XX
W() (q, p) =
p(n q/2)
j h(q n)Vi |jihj|Vi (n)i exp
2N n,j=0 i=1
N
(7.77)
Portanto a funcao de Wigner de () e obtida de forma simples a partir da
funcao para .
Observac
ao Note que a funcao de Wigner e linear com respeito a soma
de operadores densidade, pois
W+ () = tr(A()( + )) = tr(A()) + tr(A()) = W () + W ()
No entanto, e claro que o fato analogo com respeito a funcoes de onda nao e
verdadeiro, pois se = a|0i + b|1i e uma funcao de onda entao o operador
induzido e
|ih| = (a|0i+b|1i)(a h0|+b h1|) = |a|2 |0ih0|+|b|2 |1ih1|+ab |0ih1|+a b|1ih0|
Portanto, W+ () 6= W () + W (). O mesmo ocorre no caso contnuo.
182
7.6
Propriedades b
asicas da fun
c
ao de Wigner discreta
W () = tr(A())
(7.79)
1 X
|ki =
exp[2ink/N ]|ni
N n
(7.80)
Ainda,
U m |ni := |n + mi, U m |ki := exp[2imk/N ]|ki
V m |ki := |k + mi, V m |ni := exp[2imn/N ]|ni
183
(7.81)
(7.82)
T(q, p) := U q V p exp[iqp/N ]
R|xi
= | xi
A()
:=
(7.83)
(7.84)
2N
1
i
h
0
X
1
(, 0 ) exp 2i ( q p) = 1 U q R
V p eipq/N
T
2
(2N ) ,0 =0
2N
2N
(7.85)
T(n, k) =
2N
1
X
(7.86)
Como N (q) =
1
N
PN 1
n=0
AL =
2N
1
X
p)2N (n1 p n2 q n3 )
A(q,
q,p=0
2N 1 2N 1
1 X X
2
A(q, p) exp[i
=
(n1 p n2 q n3 )]
2N =0 q,p=0
2N
2N 1
1 X
2
T (n1 , n2 ) exp[i
n3 ]
2N =0
2N
(7.89)
exp[2ij /N ]. Alem disso, tal operador e cclico e satisfaz TN = I. Portanto, como os seus autovalores sao razes N -esimas da unidade, os j sao
inteiros. Logo, podemos reescrever (7.89) como
2N 1 N
2
1 XX
exp[i
(2j n3 )]|j ihj |
AL =
2N =0 j=0
2N
N
X
(7.90)
j=0
7.7
Exemplo 7.7.1 Este exemplo segue [25]. Para uma reta Lq definida por
q = n3 (ou seja, n1 = 1, n2 = 0), a funcao de Wigner somada sobre todos os
pontos de Lq e
X
X
W (n3 , p) = hn3 /2||n3 /2i
(7.91)
W (q, p) =
p
(q,p)Lq
W (2q, p) = hq||qi, q = 0, 1, . . . , N 1
(7.92)
p=0
2N
1
X
W (2q + 1, p) = 0, q = 0, 1, . . . , N 1
p=0
185
(7.93)
Prova Primeiramente, para ver porque o caso q mpar implica que a funcao
de Wigner e igual a zero, considere a expressao para W dada por
N 1
h 2i
i
1 X
W (q, p) =
hq n||ni exp
p(n q/2)
2N n=0
N
Escreva =
(7.94)
cj hq n|jihj|ni
(7.95)
(7.96)
186
(7.97)
1
(hq0 ||q0 i hq0 + N/2||q0 + N/2i)
2N
(7.98)
2N
1
X
W (q, 2p)
(7.100)
q=0
para p = 0, . . . , 2N 1.
Seja a W -transformada de , e seja F a transformada de Fourier
discreta de .
Pergunta:
?
|(F)(p)|2 = (p), p = 0, 1, . . . , N 1
(7.101)
1
1
(F|0i)(0) = |(F|0i)(0)|2 =
2
2
E
(0) =
W|0i (q, 0) =
Ainda
1
1
1
+0+ +0=
4
4
2
1
1
(F|0i)(1) = |(F|0i)(1)|2 =
2
2
E
(1) =
W|0i (q, 2) =
1
1
1
+0+ +0=
4
4
2
(7.102)
W|1i (q, 0) =
1
1
1
+0+ +0=
4
4
2
Ainda,
1
1
(F|1i)(1) = |(F|0i)(0)|2 =
2
2
E
(1) =
W|1i (q, 2) =
1
1
1
+0+ +0=
4
4
2
(7.103)
Vamos
ver um exemplo em que o estado considerado e misturado. Seja
= 1/ 2(|0i + |1i). Entao
i
1
1 h 1
1
F|i = (F|0i+F|1i) = (|0i+|1i)+ (|0i|1i) = |0i (7.104)
2
2
2
2
188
2
Entao |(F)(0)|2 = 1 e |(F)(1)|
= 0. Agora vamos calcular (p), p = 0, 1.
P
Por definicao, temos (p) = q W (q, 2p). Podemos usar a expressao (7.66):
1
W (q, 0) =
W|0i (q, 0) + W|1i (q, 0) + 0,1 (q, 0)
2
1
W (q, 2) =
W|0i (q, 2) + W|1i (q, 2) + 0,1 (q, 2)
2
(7.105)
(7.106)
Entao
1 1 1
1
W (0, 0) = ( + + 0) =
2 4 4
4
1
1
1
W (1, 0) = (0 + 0 + ) =
2
2
4
1 1 1
1
W (2, 0) = ( + + 0) =
2 4 4
4
1
1
1
W (3, 0) = (0 + 0 + ) =
2
2
4
2
o que implica (0) = 1 = |(F)(0)| . Analogamente,
1
1 1 1
W (0, 2) = ( + + 0 + 0) =
2 4 4
4
1
1
1
W (1, 2) = (0 + 0 ) =
2
2
4
1 1 1
1
W (2, 2) = ( + + 0 + 0) =
2 4 4
4
1
1
1
W (3, 2) = (0 + 0 ) =
2
2
4
2
o que implica (1) = 0 = |(F)(1)| .
189
Prova Temos
N 1
1 X
F|mi =
exp [2ijm/N ]|ji
N j=0
Logo,
1
1
(F|mi)(p) = exp [2ipm/N ] |(F|mi)(p)|2 =
N
N
P2N 1
Vamos calcular (p) = q=0 W|mi (q, 2p). Pelo corolario 7.7.3, basta somar
P 1
os q pares. Entao (p) = N
cao 7.7.2 obtemos,
q=0 W|mi (2q, 2p). Pela proposi
usando a expressao (7.98), que
1
(hq0 ||q0 i + hq0 + N/2||q0 + N/2i)
(7.108)
2N
onde o sinal do segundo produto interno e positivo porque 2p e par. Agora,
observe que apenas um dos dois produtos internos pode ser nao nulo, pois
e por hipotese um estado puro. Mais ainda, puro implica que tais produtos internos sao iguais a 1. Finalmente, como q varia entre 0 e 2N 1
temos exatamente dois termos nao nulos na soma de (p) a saber, os termos
correspondentes a m e m + N/2. Logo,
W (2q0 , p) =
Entao
2N
1
X
(7.109)
(7.110)
q=0
2N
1
X
W (q, 2p + 1) = 0, p = 0, 1, . . . N 1
q=0
190
(7.111)
P2N 1
Prova Vamos calcular (p) = q=0
W (q, 2p). Pelo corolario 7.7.3, basta
PN 1
somar os q pares. Entao (p) =
cao 7.7.2
q=0 W (2q, 2p). Pela proposi
obtemos, usando a expressao (7.98), que
W (2q, 2p) =
1
(hq||qi + hq + N/2||q + N/2i)
2N
(7.112)
ondeP
o sinal do segundo produto interno e positivo porque 2p e par. Escreva
= i ci |iihi|. Tome, por exemplo, q = 0. Entao
W (0, 2p) =
=
1
(h0||0i + h0 + N/2||0 + N/2i)
2N
1
1 X
(
(c0 + cN/2 )
ci h0|iihi|0i + hN/2|iihi|N/2i) =
2N i
2N
(7.113)
1
(c1 + cN/2+1 )
2N
(7.114)
e assim por diante (notando que sempre temos zeros quando q e mpar).
Desta forma, somamos todos os coeficientes ci duas vezes (pois q varia entre
0 e 2N 1) e obtemos que
(p) =
2N
1
X
q=0
W (q, 2p) =
1
1
(c0 + c1 + + c2N 1 ) =
N
N
(7.115)
X
m
X
m
N 1
N
1
X
1 X
exp [2ijp/N ]
exp [2ilp/N ]hj|mihm|li
cm
N j=0
l=0
N 1
1 X
1 X
1
cm
exp [2ijp/N ] exp [2imp/N ]hj|mi =
cm =
N j=0
N m
N
(7.116)
191
Conclus
ao Pelas proposicoes 7.7.2 e 7.7.5 temos para a transformada de
Wigner discreta que se N e par e e operador densidade entao
2N
1
X
2N
1
X
W (2q, p) = hq||qi,
p=0
W (2q + 1, p) = 0, q = 0, 1, . . . , N 1
p=0
(7.117)
e se
N 1
1 X
|pi =
exp [2ijp/N ]|ji
N j=0
(7.118)
entao
2N
1
X
q=0
2N
1
X
q=0
Tais expressoes sao os analogos discretos do resultado para a funcao de Wigner, caso contnuo, que relaciona as marginais com a transformada de Fourier F: se = |ih| entao
Z
Z
2
W (q, p)dp = |(q)| ,
W (q, p)dq = |F(p)|2
(7.120)
Ver [11] para mais detalhes.
1
1
1
4
4
4
4
4
4
4
4
0 0 0 0
0 0 0 0
(7.121)
W|0ih0| = 1
1
1
1 , W|1ih1| = 1
1
1
1
4
4
4
4
4
4
4
4
0 0 0 0
0 0 0 0
Podemos usar as proposicoes anteriores para verificar o valor das marginais.
Por
P exemplo, pela proposicao 7.7.2 verificamos que para = |0ih0|, vale que
e igual a 1, 0, 0 e 0, para P
q = 0, 1, 2, 3, respectivamente. Pela
p W (q, p)
proposicao 7.7.5, calculamos as somas q W (q, p), para p = 0, 1, 2, 3, e por
uma inspecao simples na matriz W acima, tais valores devem ser iguais a
192
(7.122)
Entao
h0||0i =
1
1
1
|0i + |1i, (|0ih0|)(|0i + |1i) =
|0i + |1i, |0i =
2
2
2
Analogamente,
1
1
1
|0i |1i, (|0ih0|)(|0i |1i) =
|0i |1i, |0i =
2
2
2
Isso confirma o que esperavamos e conclui o exemplo.
h1||1i =
W|0ih0|
0
0
0
1
18
8
0 0
0 0
0 0
0
0
0
0
0
0
1
18
8
0 0
0 0
0 0
0
0
0
0
0
0
1
18
8
0 0
0 0
0 0
0
0
0
0 0
0 0
1 1
8 8
0 0
=
0 0
0 0
1
18
8
0 0
0
0
0
0
0
0
0
0
0
0
1
8
1
8
1
8
1
8
1
8
0
0
1
8
0
18
0
W|1ih1|
0
0
0
0
0
0
0
0
0
1
18
8
0 0
193
0
0
0
0
0
0
1
18
8
0 0
0
0
0
1
18
8
0 0
0 0
0 0
0
0
0
1
8
18 81 18
0 0 0 0
0 0 0 0
0 0 0 0
=
1 1 1 1
8 8 8 8
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
1
1
1
1
8 8 8 8
0 0 0 0
=
0 0 0 0
0 0 0 0
1 1 1 1
8
8
8
8
0 0 0 0
W|2ih2|
W|3ih3|
1
8
1
8
18 81 18
0 0 0 0
0 0 0 0
0 0 0 0
1
1
1
1
8
8
8
8
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
1
1
1
1
8
8
8
8
0 0 0 0
0 0 0 0
0 0 0 0
1
1
1
1
8
8
8
8
0 0 0 0
Observac
ao 1 O que ocorre em geral para estados puros: a funcao de
Wigner W|q0 ihq0 | e zero exceto em duas faixas localizadas em q 2(modN ).
Quando q = 2q0 , W toma o valor 1/2N , e quando q = 2q0 N assume
o valor 1/2N para valores pares de p e 1/2N para valores mpares. Tais
oscilacoes sao tpicas de franjas de interferencia e podem ser interpretadas
como surgindo da interferencia entre a faixa q = 2q0 e uma imagem espelhada
formada a uma distancia de 2N de 2q0 , induzida pelas condicoes de contorno
periodicas [25].
Observac
ao 2 O fato de que a funcao de Wigner assume valores negativos
na faixa de interferencia e essencial para se poder recuperar as distribuicoes
marginais corretas. Somar os valores de W (q, p) ao longo de uma reta vertical
fornece a probabilidade de se medir q/2, que deve ser igual a 1 se q = 2q0 , e
igual a zero, caso contrario. Um calculo semelhante pode ser feito para um
autoestado de momento = |kihk|. O resultado e semelhante, exceto que
desta vez as faixas serao horizontais [25].
7.8
Lema
7.8.1
Defina
:
M
M
,
()
=
N
N
i Vi Vi , com Vi lineares,
P
cao de Wigner discreta associada. Entao
i Vi Vi = I e seja W() a fun
194
(7.123)
tr(A1/2 Vi Vi A1/2 ) =
(7.124)
Corol
ario 7.8.2 Sejam
p11
V1 =
0
p21
V3 =
0
p12
, V2 =
,
0
0
0
0
, V4 =
0
0
p22
0
0
0
0
(7.125)
(7.126)
1
(u11 d11 u
22 u12 d22 u21 ) p11 0
M1 =
0
u21 u22 ( d11 d22 ) p11
det(U )
1
M2 =
det(U )
0 (u11 d11 u
22 u12 d22 u21 ) p12
0
u21 u22 ( d11 d22 ) p12
195
u
0
11 u12 ( d22 d11 ) p21
1
0
u
11 u12 ( d22 d11 ) p22
M4 =
det(U ) 0 (u22 d22 u11 u21 d11 u12 ) p22
1
M3 =
det(U )
e a
Lema 7.8.3 Seja () =
i Vi Vi e defina F () = FF , onde F
transformada de Fourier discreta. Entao existe G : MN MN tal que o
diagrama abaixo comuta:
F
MN MN
(7.127)
y
yG
F
MN MN
Prova Primeiro, note que F 1 () = F F. Observe que F e unitaria,
portanto temos F 1 = F . Defina G = F F 1 . Explicitamente,
hX
i
X
G() = F (
Vi F FVi ) = F
Vi F FVi F
i
FVi F FVi F =
Vi Vi
Observac
ao O lema 7.8.3 vale se tomarmos F () = GG , onde G e
qualquer aplicacao MN MN unitaria.
0
p11 0
p12
V1 =
, V2 =
,
0
0
0
0
p21 0
0
0
V3 =
, V4 =
p22
0
0
0
(7.129)
(7.130)
V1 = FV1 F =
p11
, V2 = FV2 F =
p12
1 1
1 1
2
2
1
1
1
1
1
1
V3 = FV3 F =
p21
, V4 = FV4 F =
p22
1 1
1 1
2
2
E entao, de p11 + p21 = 1, p12 + p22 = 1 e escrevendo
11
12
=
21 1 11
e para o lema 7.8.3, obtemos a expressao
F (()) = G(F ()) =
FVi Vi F
=
1
2
p11 11 + p12 (1 11 )
p11 11 + p12 (1 11 )
1
2
1
2
1
2
(7.131)
197
Lista de Smbolos
PN
MN
S()
M1 ()
HN
PHN
f a(X)
ca(X)
bf a(X)
bca(X)
M (X)
M f in (X)
r()
V+
f+ (x)
f (x)
kxkf
e
B
(C, )
BC
V
mb (X)
I(x)
U
hf, i
(P, {Pi })
M V (X)
M F (X)
Ik
Ikn
Fi
Xi
pi (x)
Ikn (x)
V ()
S()
Estados puros
Adjunto de
Operadores densidade
Entropia de Von Neumann
Medidas de probabilidade em
Operadores positivos
Medidas em X
Baricentro de uma medida
Estrutura compacta
Operador de Markov
Dual de V
Par de Markov
Medidas invariantes para F
198
6
7
7
7
8
14
69
69
69
70
70
70
70
70
71
71
71
71
72
72
73
73
73
76
76
76
76
76
79
80
80
81
81
81
81
81
82
83
83
Lim(n )nN
SF ()
H(U, A)
Hdyn (U )
h0 ()
(x)
h(x)
Hn (x)
H(x)
Hn ()
H()
hV (W )
LbFW
L FW
MF
Vp ()
H(P )
C
H min ()
C(a)
LH
Entropia de Shannon-Boltzmann
199
83
83
88
89
90
92
92
92
93
93
93
99
100
100
102
102
104
126
126
127
130
Indice Remissivo
Amplitude, 25
condicional, 25
Aplicacao
afim, 76
biestocastica, 19
completamente copositiva, 40
completamente positiva, 19, 39
k-copositiva, 39
k-positiva, 39
Baricentro de uma medida, 71
Metrica de Fubini-Study, 6
200
Medida
fraca , 74
atrativa, 80
Transformada de Fourier discreta, 174
de Markov, 110
invariante, 80
invariante para uma dinamica, 90
Medida com valores em operacoes, 10
Observavel, 9
Operacao, 10
Operador
de Fano, 173
de Feller, 83
de Markov
assintoticamente estavel, 99
para estados, 77
para medidas, 76
positivo, 7, 65
submarkoviano, 78
Operador densidade, 8
Operadores de Weyl discretos, 168
OVM, 10
Par de Markov, 79
Processo estocastico quantico, 12
homogeneo, 29
Markov, 12, 29
nao homogeneo, 37
QIFS
hiperbolico, 18
homogeneo, 17
nao homogeneo, 17
para estados misturados, 16
para estados puros, 16
QSP, 12
Qubit, 6
Qutrit, 7
Relacoes de Weyl discretas, 168
Topologia
fraca, 74
201
Refer
encias Bibliogr
aficas
[1] Baraviera, A., Lardizabal, C. F., A. Lopes, A. O., Terra Cunha, M.
A dynamical point of view of Quantum Information: entropy, pressure
and Wigner measures. Preprint Arxiv (2009). A ser publicado em Dynamics, Games and Science in honour of Mauricio Peixoto and David
Rand. Springer (2010), ISBN: 978-3-642-11455-7.
[2] Baraviera, A., Lardizabal, C. F., Lopes, A. O., Terra Cunha, M. Quantum Stochastic Processes, Quantum Iterated Function Systems and Entropy. Preprint Arxiv (2009). A ser publicado no Sao Paulo Journal of
Mathematical Sciences (2010).
[3] Baraviera, A., Lardizabal, C. F., A. Lopes, A. O., Terra Cunha, M. A
Thermodynamic Formalism for density matrices in Quantum Information. Preprint Arxiv (2009). A ser publicado no Applied Mathematics
Research Express (2010).
[4] Benatti, F. Dynamics, Information and Complexity in Quantum Systems. Springer, 2009.
[5] Bertrand, J., Bertrand, P. A tomographic approach to Wigners Function. Found. Phys. 17, 397, 1987.
[10] Garca-Mata, I., Saraceno, M. Spectral approach to chaos and quantumclassical correspondence in quantum maps. Mod. Phys. Let. B, Vol 19,
No. 7, 8 (2005)
[11] de Gosson, M. Symplectic geometry and quantum mechanics. Birkhauser, 2006.
[12] Grimmett, G.R., Stirzaker, D.R. Probability and random processes. Oxford University Press, 1992.
[13] Gudder, S. Quantum Probability. Academic Press, 1988.
[14] Gudder, S., Marbeau, J. Analysis of a Quantum Markov Chain. Annales
de lInstitut Henri Poincare - Physique Theorique, Vol 52, no. 1, 1990,
p. 31-50.
[15] Gudder, S., Schindler, C. Quasi-discrete quantum Markov processes.
Annales de lInstitute Henri Poincare. Vol 56, no. 2, 1992.
[16] Gustafson, S., Sigal, I. Mathematical Concepts of Quantum Mechanics.
Springer-Verlag, 2003.
[17] Gustafson, K. The angle of an operator and positive operator products.
Bull. Amer. Math. Soc. Volume 74, Number 3 (1968), 488-492.
[18] Hastings, M. B. A counterexample to additivity of minimum output
entropy. arXiv:0809.3972v3 [quant-ph], 2008.
[19] Jordan, T. Affine maps of density matrices. Physical Review A, 71,
034101, 2005.
[20] Lasota, A., Mackey, M. Chaos, fractals and noise. Springer-Verlag, New
York, 1994.
[21] Lopes, A., Oliveira, E. Entropy and variational principles for holonomic
probabilities of IFS. Discrete and Continuous Dynamical Systems Vol.
23, N, 3, 937-955 (2009) Series A.
[22] Lopes, A. An analogy of the charge distribution on Julia sets with the
Brownian motion. J. Math. Phys. 30 (9), 1989.
[23] Lopes, A. Craizer, M. The capacity-cost function of a hard-constrained
channel. Int. Journal of Appl. Math. Vol 2, N 10 pp 1165-1180 (2000).
[25] Miquel, C., Paz, J.P., Saraceno, M. Quantum computers in phase space.
Phys. Rev. A. Vol. 65, 062309, 2002.
[26] Nielsen, M., Chuang, I. Quantum computation and quantum information. Cambridge University Press, 2000.
[27] Parry, W., Pollicott, M. Zeta Functions and the Periodic Orbit Structure of Hyperbolic Dynamics. Societe Mathematique de France. 187-188,
Asterisque, 1990.
[28] Shor, P. W. Equivalence of additivity question in quantum information
theory. Comm. Math. Phys. 246, 453-472 (2004).
[29] Slomczy
nski, W., Zyczkowski,
K. Quantum Chaos: an entropy approach. J. Math. Physics, 32 (1), 1994, p. 5674-5700.
[30] Srinivas, M. D. Foundations of a quantum probability theory. J. Math.
Phys., Vol 16, No. 8, 1975.
[31] Tannor, D. J. Introduction To Quantum Mechanics: A Time-dependent
Perspective. University Science Books, 2006.
[32] Slomczy
nski, W., Dynamical Entropy, Markov Operators and Iterated
Function Systems. Jagiellonian University Press, 2003.
[33] Winkler, G., Choquet Order and Simplices. Lecture notes in Mathematics 1145. Springer-Verlag, Berlin, 1985.
[34] Wootters, W. K. A Wigner-Function formulation of finite-state quantum
mechanics. Ann. Phys., 176, 1-21 (1987).
204