UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL

INSTITUTO DE MATEMATICA

EM MATEMATICA

PROGRAMA DE POS-GRADUAC
AO

PROCESSOS ESTOCASTICOS
QUANTICOS

CARLOS FELIPE LARDIZABAL

RODRIGUES

PORTO ALEGRE, MARC

O DE 2010

Tese submetida por Carlos Felipe Lardizabal Rodrigues1 como requisito

parcial para a obtencao do ttulo de Doutor em Matematica pelo Programa de
Pos-Graduacao em Matematica do Instituto de Matematica da Universidade
Federal do Rio Grande do Sul.
Professor Orientador
Dr. Artur Oscar Lopes (PPG-MAT/UFRGS)
Banca Examinadora
Dr. Alexandre Baraviera (PPG-MAT/UFRGS)
Dr. Marcelo Terra Cunha (co-orientador, UFMG)
Dra. Sandra Prado (IF/UFRGS)
Dr. Rogerio Steffenon (UNISINOS)
Data de Defesa: 29 de marco de 2010.

Bolsista da Coordenac
ao de Aperfeicoamento de Pessoal de Nvel Superior (CAPES).

Resumo: Neste trabalho formulamos uma versao do princpio variacional

de pressao no contexto de operadores densidade em mecanica quantica. Tal
princpio relaciona um potencial e um conceito de entropia, que e induzido por
um sistema de funcoes iteradas quantico (QIFS), de forma analoga ao que e
feito em formalismo termodinamico com a entropia metrica do operador shift
e um potencial contnuo. Iremos definir um conceito de processo estocastico
quantico induzido por tais QIFS de forma natural, e faremos consideracoes
sobre funcoes de Wigner discretas e certos canais quanticos obtidos no nosso
contexto.
Abstract: In this work we formulate a version of the variational principle
of pressure in the context of density operators in quantum mechanics. Such
principle relates a potential and a concept of entropy, which is induced by
a quantum iterated function system (QIFS), in a way which is analogous
to what is done in thermodynamic formalism with the metric entropy of
the shift operator and a continuous potential. We will define a concept of
quantum stochastic process induced by such QIFS in a natural way, and we
make some considerations on discrete Wigner functions and certain quantum
channels obtained in our setting.

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.

Let us draw an arrow arbitrarily. If as we follow the arrow we find more

and more of the random element in the state of the world, then the arrow is
pointing towards the future; if the random element decreases the arrow points
towards the past...I shall use the phrase times arrow to express this one
way property of time which has no analogue in space...So far as physics is
concerned, times arrow is a property of entropy alone.
Sir Arthur Stanley Eddington

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
. . . . .
. . . . .
. . . . .
. . . . .

4 Baricentros, pontos fixos e autovalores para IFS

4.1 Integrais vetoriais e baricentros . . . . . . . . . .
4.2 Estados . . . . . . . . . . . . . . . . . . . . . . .
4.3 Exemplo: matrizes densidade . . . . . . . . . . .
4.4 Operadores Markovianos, submarkovianos e IFS .
4.5 Pontos fixos para IFS e matrizes densidade . . . .
5 Entropia para QIFS
5.1 Entropia de estados coerentes . . . . .
5.2 Uma definicao de entropia para QIFS .
5.3 Formula integral para entropia de IFS
5.4 Alguns lemas para IFS . . . . . . . . .
1

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

41
41
52
64
65

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

69
69
71
74
75
81

.
.
.
.

88
88
89
92
94

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

5.5
5.6
5.7
5.8

Alguns calculos sobre entropia . . . . .

Formulando uma expressao de entropia
Entropia e cadeias de Markov . . . . .
Sobre entropias e medidas de Markov .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

6 Problema variacional de press

ao para QIFS
6.1 Problema de pressao e multiplicadores de Lagrange . . .
6.2 Revisando um exemplo . . . . . . . . . . . . . . . . . . .
6.3 Funcao capacidade com custo . . . . . . . . . . . . . . .
6.4 Potenciais e operadores de transferencia . . . . . . . . .
6.5 Princpio variacional de pressao . . . . . . . . . . . . . .
6.6 Problema de autovalores revisado . . . . . . . . . . . . .
6.7 Calculos de uma desigualdade . . . . . . . . . . . . . . .
6.8 Sobre logaritmos e a positividade de um operador . . . .
6.9 Uma variante do operador de Ruelle . . . . . . . . . . . .
6.10 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.11 Sobre o problema de pressao e mecanica quantica . . . .
6.12 Apendice: calculo alternativo para o problema de pressao

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

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

Temos o seguinte resultado basico [27]:

Teorema 1.0.1 (Ruelle-Perron-Frobenius). Seja f F (X). Entao existe
autovalor maximal positivo de Lf com uma autofuncao estritamente positiva correspondente g F (X).
Seja M := o conjunto das probabilidades invariantes para o shift e seja
M . Seja A = {A1 , . . . , An } particao de X. Defina a entropia da
particao por
X
H(A) =
(Ai ) log (Ai )
i

Defina a entropia do shift relativa a particao A por

n1
_
1
i A)
h(, A) = lim H(
n n
i=0

e entao a entropia metrica da medida e

h () := sup h(, A)
A

No formalismo termodinamico estamos interessados na grandeza dada pela

entropia mais um potencial:
Z
h () + f d
e estamos interessados em saber qual e a medida , invariante para o shift, que
maximiza tal grandeza [27]. Tal teoria e bem entendida matematicamente, e
um dos resultados mais importantes e o seguinte:
Teorema 1.0.2 (Princpio variacional de pressao). Seja f F (X). Entao
Z
P (f ) := sup {h () + f d} = log
M

onde e o autovalor maximal para Lf . Tal supremo e atingido por uma

u
nica medida de probabilidade invariante.
Agora considere a questao de obter uma versao de tal teorema para o
espaco dos operadores densidade. Dado um espaco de Hilbert H, um operador densidade sobre este espaco e um operador : H H que e hermitiano,
positivo, e cujo traco e igual a 1. Uma parte consideravel de nossa analise sera
sobre sistemas que podem assumir um n
umero finito de estados puros. Desta
forma os operadores podem ser descritos por matrizes finitas. Agora, note
que os operadores densidade nao fazem parte do espaco de smbolos {0, 1}N ,
entao o operador shift nao esta definido. Desta forma o operador de transferencia e a entropia definidos acima nao fazem sentido no nosso contexto.
Portanto, parte substancial de nosso trabalho sera obter novas construcoes
que permitam demonstrar um resultado semelhante. Iremos provar o seguinte
resultado, dado pelo teorema 6.5.3:
Teorema (Princpio variacional de pressao para matrizes densidade)
hV (W ) +

k
X

log

tr(Hj Hj )tr(Vj Vj )

tr(Wj W Wj ) log

j=1

e vale a igualdade se, e somente se, para todo i, j,

tr(Wj Vi W Vi Wj )
1

tr(Hj Hj )tr(Vj Vj ) =

tr(Vi W Vi )
4

(1.1)

Acima, definimos a entropia de um processo por

hV (W ) :=

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

Seja HN um espaco de Hilbert complexo de dimensao finita N , com um

elemento de tal espaco sendo denotado por |i. Se um sistema quantico
encontra-se em um certo estado conhecido |i, dizemos que o sistema esta
em um estado puro. Caso contrario, dizemos que o sistema encontra-se
em um estado misturado. Cada sistema quantico possuira certos estados
puros, fixados ao se definir o problema. Ainda, tais estados sao normalizados
de modo que k|ik2 = h|i = 1.
Queremos que para qualquer fase , o elemento | 0 i = ei |i descreva o
mesmo estado fsico que |i. Entao identificamos tais estados, e portanto o
espaco de estados puros, denotado por PN , possui 2N 2 dimensoes reais.
Topologicamente, ele pode ser representado pelo espaco projetivo complexo
CPN 1 com a metrica de Fubini-Study, dada por
DF S (|i, |i) := arccos|h|i|.
Um qubit e um vetor unitario em um espaco vetorial complexo de dimensao 2,
|i = |0i + |1i,
onde ||2 + ||2 = 1 (i.e., h|i = 1). Podemos reescrever tal equacao como

|i = ei (cos |0i + ei sin |1i),

2
2
6

onde , , sao n
umeros reais. Como trabalhamos no espaco projetivo, o
fator ei pode ser ignorado e entao podemos escrever

|i = cos |0i + ei sin |1i

2
2
Os n
umeros e definem um ponto na esfera unitaria tridimensional. Tal
esfera e chamada esfera de Bloch e fornece uma maneira u
til de visualizar
o estado de um qubit. No entanto, nao existe uma generalizacao simples da
esfera para m
ultiplos qubits.
Observac
ao Pelo que observamos acima, podemos dizer que o espaco
de estados puros e CPn , para algum n. Determinar o valor de n depende
da natureza do experimento fsico que estamos modelando. Por exemplo,
considere uma partcula de spin 1/2, um exemplo de sistema de dois nveis.
O espaco de estados de tal sistema e CP1 . Para um sistema de N nveis,
o formalismo quantico trata cada qudit (um estado que e sobreposicao de d
estados puros) da mesma forma, mas o seu significado depende do problema
(por exemplo, temos um atomo com N nveis relevantes de energia). Por
exemplo, e possvel utilizar outras unidades de informacao quantica, como
por exemplo o qutrit, escrito na forma
|i = |1i + |1i + |2i,
ou seja, desta vez consideramos sobreposicoes de 3 estados base.

Seja HN um espaco de Hilbert de dimensao N , denote por h, i o produto

interno. Em geral, vamos considerar que HN = CN . Um vetor em CN sera
denotado por = |i e o seu dual por = h| de forma que
(h|)i := h|i := h, i
Com tal notacao segue que uma projecao pode ser escrita como
|ih| : CN CN , (|ih|)|i := |ih|i = h|i|i
Denote por , ou por , o adjunto de : HN HN . Dizemos que
: HN HN e hermitiano se = . Dizemos que um operador hermitiano
P : HN HN e positivo, denotado por P 0, se
hP v, vi 0, v HN
7

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

Ressaltamos que tal entropia nao possui nenhuma caracterstica dinamica.

A entropia e nao negativa, e sera igual a zero se, e somente se, o estado
for puro. Alem disso, em um espaco de Hilbert de dimensao d, a entropia
e no maximo igual a log d. A entropia sera igual a log d se, e somente se, o
sistema estiver no estado de mistura m
axima = I/d.
8

2.2

Processos estoc
asticos qu
anticos

Nesta secao descrevemos uma conhecida definicao de processos estocasticos

quanticos. A construcao basica, baseada em observaveis e instrumentos,
segue [29].
Definic
ao Um espaco de estados e um par (V, K), onde
1. V e um espaco de Banach real com norma k k.
2. K e um cone fechado em V (u + v K, u, v K, , 0).
3. Se u, v K entao kuk + kvk = ku + vk
4. Se u V e  > 0 entao existem u1 , u2 K tais que u = u1 u2 e
ku1 k + ku2 k < kuk + .
Definic
ao Se (V, K) e um espaco de estados entao existe um u
nico funcional linear positivo : V R tal que (u) = kuk se u K, e (u) kuk
se u V . Alem disso, dizemos que u K e um estado se (u) = 1.
Exemplo 2.2.1 Mecanica quantica sobre um espaco de Hilbert. Seja H um
espaco de Hilbert de dimensao finita e seja V o espaco dos operadores autoadjuntos em H. Seja K o conjunto dos operadores positivos em V . Neste
caso temos (B) = tr(B) para todo B operador em V .

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

mecanica quantica em um espaco de Hilbert, efeitos podem ser identificados

com operadores limitados A tais que 0 A 1 pela formula
A (W ) = tr(AW ).
Definic
ao Uma operac
ao e um operador linear positivo T : V V
que satisfaz 0 (T u) (u) para todo u K. O espaco de operacoes sera
denotado por O.
Definic
ao Uma medida com valores em operaco
es, ou um OVM
sobre um espaco de fase e uma aplicacao J : O tal que
Pse {En } for uma
sequencia de conjuntos disjuntos em , entao J (En ) = J (En ).
Definic
ao Seja J : O um OVM, entao dizemos que J e um instrumento se
(J ()u) = (u), u V.
(2.3)
Interpretamos tal nocao da seguinte maneira. Seja J um instrumento,
E , u K. Se u e o estado do sistema no instante anterior `a medicao e
o instrumento J determina um valor em E entao o estado resultante e dado
por
J (E)u
(2.4)
(J (E)u)
Observamos que para cada instrumento J , existe um u
nico observavel
xJ : E tal que (J (E)u) = xJ (E)u, E , u K. Ainda, e possvel
que dois instrumentos diferentes correspondam ao mesmo observavel.
Os seguintes sao exemplos de instrumentos.
Exemplo 2.2.2 Seja H um espaco de Hilbert, e F(H) o espaco dos operadores autoadjuntos A em H tais que
X
hek , Aek i <
kN

e possuem o mesmo valor em qualquer base ortonormal {ek }kN de H.

Seja = {1, . . . , N }, ou P
= N, seja {Pi }i uma famlia de projecoes
ortogonais em H tais que I = i Pi . Defina
T :O
10

xT : E
como sendo
T (E) :=

Pi Pi ,

(2.5)

(Pi ),

(2.6)

iE

xT (E) :=

X
iE

para todo E e F(H).

Exemplo 2.2.3 Seja H um espaco de Hilbert, um espaco topologico,

-algebra de e m uma medida em (, ). Seja {Pa }a uma famlia
de
R projecoes em H, tais que a aplicacao a Pa e fortemente contnua e
P dm(a) = I. Entao defina
a
T :O
xT : E
como sendo

Z
T (E) :=

Pa Pa dm(a)

(2.7)

(Pa )dm(a),

(2.8)

Z
xT (E) :=
E

para todo E e F(H).

Exemplo 2.2.4 Seja X um espaco de Hausdorff localmente compacto, V o

espaco das funcoes contavelmente aditivas na -algebra de Borel B(X) de
X munido com a norma de variacao total. Seja K o conjunto das medidas
nao-negativas de V . Seja (, ) = (X, B(X)). Entao
T (E)(A) = (A E),

(2.9)

para V , A, E e um instrumento, e o observavel correspondente e

xT (E) = (E)

(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

para todo t0 < . . . < tn , ti I, u V , E0 , . . . , En . Uma transic

ao de
probabilidade e uma aplicacao P : R tal que P (, E) e mensuravel
para todo E e P (x, ) e uma medida de probabilidade para todo x
. Um QSP Markov e homog
eneo se as transicoes de probabilidade Ps,t
dependem apenas da diferenca t s.
Observac
ao Em contraste com a teoria classica de processos estocasticos,
as transicoes de probabilidade de um QSP Markov nao satisfazem em geral
a equacao de Chapman-Kolmogorov (ver secao 2.7).

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
+

onde p : RR e uma func

ao de transic
ao, ou seja, uma aplicacao
mensuravel tal que p(x, y)dm(y) = 1.
12

Considere um sistema que e medido sucessivamente por um instrumento

I. Assuma que tal evolucao e descrita por um grupo G = {Tt }tI de automorfismos isometricos de V . Entao a evolucao do sistema pode ser descrita
pelo QSP {It }iI , onde It = ITt e um instrumento transformado, ou seja,
It (E) = Tt1 I(E) Tt

(2.14)

para E . Denotaremos tal processo por C(G, I).

Exemplo 2.2.5 (Instrumento nuclear) Seja (V, K) um espaco de estados,
(, ) um espaco de fase e x um observavel. Seja : V um operador
x-mensuravel, x-essencialmente limitado. Entao a formula
Z
I(E) =
dx, E
(2.15)
E

define um instrumento. Ainda, se m e uma medida em (, ), dizemos que

x e absolutamente contnua com respeito a m (ver [29]) se existir uma
funcao mensuravel f : E tal que
Z
f dm =
(2.16)

Z
f dm, E

x(E) =

(2.17)

Neste caso, (2.15) assume a forma

Z
I(E)u = (f (a)u)(a)dm(a), E , u V

(2.18)

A seguinte proposicao possui demonstracao em [29].

Proposic
ao 2.2.6 Seja I um instrumento nuclear absolutamente contnuo e
seja G = {Tt }tT um semigrupo de automorfismos isometricos sobre o espaco
de estados V . Entao o processo C(G, I) e um processo de Markov quantico
homogeneo com funcao de transicao dada por
pt (a, b) = f (b)(Tt ((a)))
Os seguintes sao exemplos de processos de Markov quanticos.
13

(2.19)

Exemplo 2.2.7 Seja T o instrumento do exemplo 2.2.4,

T (E)(A) = (A E),

(2.20)

e seja : X X uma aplicacao mensuravel. Entao gera o automorfismo

T : V V , T ()(A) = (1 (A)), para V , A B(X). O processo
C(T , T ) e um processo de Markov quantico e sua transicao de probabilidade
e dada por P (x, E) = E (x), para x X, E B(X).

Exemplo 2.2.8 Seja T o instrumento dado no exemplo 2.2.2 ou 2.2.3, tal

que cada Pa e atomico, a , ou seja, Pa = |a iha |, para algum |a i H.
Assuma que o sistema evolui de acordo com TU () = U 1 U , para algum
operador unitario U . Segue que C(TU , T ) e um processo de Markov quantico
homogeneo com funcao de transicao dada por
p(a, b) = tr(Pb U 1 Pa U )/D,

(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)

onde B e um subconjunto mensuravel de .

Definic
ao Seja d a metrica em . Um IFS e hiperb
olico se, para todo
i = 1, . . . , k,
14

1. d(fi (x), fi (y)) Li d(x, y), para algum Li < 1, x, y .

2. |pi (x) pi (y)| Ki d(x, y) , para algum (0, 1], Ki R+ , x, y .
3. pi (x) > 0, x .
O operador de Markov associado a um IFS hiperbolico possui uma u
nica
medida de probabilidade invariante, isto e, tal que P = .

2.4

Exemplos de IFS

Exemplo 2.4.1 Seja = [0, 1], k = 2, p1 = p2 = 1/2 e as transformacoes

afins f1 (x) = x/3, f2 (x) = x/3 + 2/3, x . Ambas as funcoes sao
contracoes, com constantes de Lipschitz L1 = L2 = 1/3 < 1, portanto este
IFS e hiperbolico. Portanto existe uma u
nica medida invariante atrativa .

Exemplo 2.4.2 Como antes, = [0, 1], k = 2 e f1 (x) = x/3, f2 (x) =

x/3 + 2/3, x . Defina p1 (x) = x, p2 (x) = 1 x. Este IFS nao e
hiperbolico, mas ainda assim uma u
nica medida invariante existe.

Exemplo 2.4.3 = [0, 1] [0, 1] R2 , k = 4, p1 = p2 = p3 = p4 = 1/4.

Considere as seguintes transformacoes afins:
  
 
  
  

x
1/3 0
x
x
1/3 0
x
2/3
f1
=
, f2
=
+
y
0 1
y
y
0 1
y
0
  
 
  
  

x
1 0
x
x
1 0
x
0
f3
=
, f4
=
+
y
0 1/3
y
y
0 1/3
y
2/3
Este IFS tambem nao e hiperbolico, ja que as transformacoes fi nao sao
globalmente contrativas. Tal IFS tambem admite uma medida invariante.

Exemplo 2.4.4 = S 2 . Seja k = 2, p1 = p2 = 1/2, seja f1 (, ) =

(, + 1 ) (rotacao em torno do eixo z de angulo 1 ) e f2 uma rotacao de
angulo 2 em torno de um eixo inclinado por um angulo como respeito ao
eixo z. Ambas aplicacoes sao isometrias, portanto este IFS nao e hiperbolico.
A medida de Lebesgue em [0, 1] e ume medida invariante para este IFS.
15


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)

de QIFS para estados misturados.

A definicao acima e mais geral do que a anterior porque, em particular,
Gi e pi podem ser definidos por
Gi () :=

Vi Vi
tr(Vi Vi )

16

(2.24)

e
pi () := tr(Wi Wi )

(2.25)

Portanto cada QIFS definido em PN pode ser estendido de forma a ser

um QIFS em MN .
Definic
ao Um QIFS e homog
eneo se pi e Gi pi sao aplicacoes afins,
i = 1, . . . , k. Um QIFS de estados misturados e homogeneo se Vi =Wi , i =
1, . . . , k. O QIFS segundo a definicao geral (i.e., quando Wi 6= Vi ) sera dito
n
ao homog
eneo.
Aqui podemos definir como no caso classico o operador de Markov P :
M(MN ) M(MN ),
(P )(B) =

k Z
X
i=1

G1
i (B)

pi ()d(),

Definimos tambem : MN MN ,
() :=

k
X

pi ()Gi ()

i=1

Se a QIFS e homogenea, temos

() =

Vi Vi

(2.26)

Teorema 2.5.1 Um estado misturado e -invariante se, e somente se,

Z
=
xd(x),
(2.27)
MN

para alguma medida P -invariante .

A secao 4.5 contem a demonstracao do teorema acima, que requer algumas
construcoes preliminares.
Para definirmos QIFS hiperbolicos, precisamos especificar uma distancia
no espaco de estados quanticos misturados. Tres possibilidades sao as seguintes:
p
DHS (1 , 2 ) = tr[(1 2 )2 ]
p
Dtr (1 , 2 ) = tr (1 2 )2
17

q
DBures (1 , 2 ) =

1/2

1/2

2{1 tr[(1 2 1 )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

Exemplo 2.6.1 Seja = PN = CPN 1 , k = 2, p1 = p2 = 1/2, F1 (|i) =

U1 (|i), F2 (|i) = U2 (|i), onde os Ui sao unitarios. Neste caso ambas
aplicacoes sao isometrias. Portanto a medida Riemanniana natural (FubiniStudy) em PN e invariante, mas sua unicidade depende de U1 e U2 .

Exemplo 2.6.2 = MN , k = 2, p1 = p2 = 1/2, G1 () = U1 U1 , G2 () =

U2 U2 . A matriz identidade normalizada, = I/N e -invariante, independentemente da forma dos operadores unitarios U1 e U2 . Note que podemos
escrever
Z
=
d()
MN

onde a medida , distribuida uniformemente sobre PN (a medida de FubiniStudy), e P -invariante.

Exemplo 2.6.3 Seja = MN , k = 2, p1 = p2 = 1/2, G1 () = ( + 21 )/3,

G2 () = ( + 22 )/3, onde escolhemos os projetores 1 = |1ih1| e 2 = |2ih2|
de modo que sejam ortogonais. Como G1 e G2 sao contracoes (com constante
de Lipschitz 1/3), este QIFS e hiperbolico e portanto existe uma u
nica medida
invariante.
18


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

onde os Vj sao operadores lineares. Chamamos tal forma de forma de

P
Stinespring-Kraus. Se alem disso, temos kj=1 Vj Vj = I, entao (I/N ) =
I/N e a aplicacao e dita unit
aria. Esse e o caso se cada um dos Vj e

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

onde os Ui sao operadores unitarios e

pi = 1.

Note que fazendo Gi () = Ui Ui , temos que o exemplo 2.6.2 faz parte

dessa classe de QIFS. Chamaremos tais QIFS de unit
arios. Para um QIFS
unitario, temos que e um estado invariante para U e tambem que e
invariante para o operador de Markov PU induzido por essa QIFS.
Definic
ao Dizemos que matrizes unitarias de mesma dimensao possuem
diagonais em blocos comuns se elas forem diagonais em bloco na mesma
base, e com os mesmos blocos.
Proposic
ao 2.6.4 Assuma que pi , i = 1, . . . , k sao estritamente positivos.
Entao o estado de mistura maxima e o u
nico estado invariante para o
operador U se, e somente se, os operadores unitarios Ui , i = 1, . . . , k nao
forem diagonais em blocos comuns.
Para provar a proposicao, precisamos de um lema.
19

Lema 2.6.5 Seja U = (Unm )n,m=1,...,N uma matriz unitaria de ordem N .

Suponha que existem dois conjuntos nao vazios de ndices A e B tais que
A B = I := {1, . . . , N } e A B = . Entao Unm = 0 para n A e m B
implica Unm = 0 para n B e m A.
Prova do lema Calculamos o n
umero de elementos do conjunto A:
XX
XX
XX
|A| =
|Unm |2 =
|Unm |2 +
|Unm |2
nA mI

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 |,

onde n0 := n + (1 )/N , n = 1, . . . , N . Entao tambem e um estado

invariante para U . Seja
1
:=
1 1 N
P
N
0
0
Tal escolha implica 10 = 0 e
n=1 n = 1. Assuma que n = 0 para
n = 1, . . . , n0 e n0 > 0 para n = n0 + 1, . . . , N , onde n0 1. A equacao
U ( ) = pode ser reescrita na forma
n0

k
X
i=1

pi

N
X

0
|(Ui )nm |2 m
,

m=1

onde (Ui )nm , n, m = 1, . . . , N sao os elementos das matrizes Ui , i = 1, . . . , k

na base (|n i)n=1,...,N .
Para n = 1, . . . , n0 , obtemos
0=

k
X
i=1

pi

N
X

0
|(Ui )nm |2 m
.

m=n0 +1

Portanto, (Ui )nm = 0 para n = 1, . . . , n0 e m = n0 + 1, . . . , N . Usando o lema,

deduzimos que (Ui )nm = 0 para n = n0 + 1, . . . , N e m = 1, . . . , n0 . Portanto,
os Ui , i = 1, . . . , k sao diagonais em blocos comuns.

Exemplo 2.6.6 Seja = P2 , U1 = I, U2 = 1 , U3 = 2 , U4 = 3 , p1 =
1 p, p2 = p3 = p4 = p/3 > 0, onde






0 1
0 i
1 0
1 =
,
2 =
,
3 =
1 0
i 0
0 1
sao as matrizes de Pauli. Como tais matrizes nao sao diagonais em blocos
comuns, o estado de mistura maxima e o u
nico estado invariante de
X
p
U () =
pi Ui Ui = (1 p) + (1 1 + 2 2 + 3 3 ).
3
A aplicacao acima, que e biestocastica, e chamada canal quantico depolarizador (veja [24]).

21

Exemplo 2.6.7 Seja = P2 , p1 = 1 p, p2 = p,

U1 = exp(iH0 T /~),
Z T
i
V (t)dt))
U2 = exp( (H0 T +
~
0
onde V (t) = V (t + T ). O estado de mistura maxima = I/2 e o estado invariante do operador U correspondente a este QIFS. Para uma perturbacao
generica V , as matrizes U1 e U2 nao sao diagonais em blocos comuns, portanto e o u
nico estado invariante para U .

Exemplo 2.6.8 Considere um sistema composto descrito, inicialmente, pelo

estado
Im
= A B
= A
m
Uma matriz unitaria U de ordem N m agindo no espaco HN Hm pode ser
representado na sua decomposicao de Schmidt como
K
X

U=
qi ViA ViB ,
i=1

onde K = min{N 2 , m2 }. Os operadores ViA e ViB agem P

em certos espacos
de Hilbert HN e Hm , respectivamente. Ainda, temos que K
i=1 qi = 1 (coeficientes de Schmidt). Lembre que o traco parcial e
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. Assim, podemos descrever o seguinte
QIFS homogeneo:
U (A ) := trB (U U ) =

K
X

qi ViA A ViA

i=1

Portanto, se A
:= 1N /N , temos
A
B

A
U (A
) = trB (U ( )U ) =

e entao a aplicacao completamente positiva U preserva o traco, i.e., e biestocastica.

22

2.7

Mec
anica qu
antica e a equa
c
ao de ChapmanKolmogorov

Iniciamos com uma breve digressao sobre a equacao de Chapman-Kolmogorov

para cadeias de Markov. Seja X = {Xn } uma sequencia de funcoes mensuraveis. Iremos supor que
P (Xn+1 = j|Xn = i) = P (X1 = j|X0 = i)
para todo n, i, j. Ou seja, X e homogenea com relacao ao tempo. Vamos
supor que X assume valores no conjunto S que por simplicidade, iremos supor
que e finito. E definimos a matriz P = (pij ) de ordem |S|, cujas entradas sao
pij = P (Xn+1 = j|Xn = i)
Definimos tambem a matriz de n transicoes Pn = (pij (n)), onde
pij (n) = P (Xm+n = j|Xm = i)
Claramente, temos P1 = P . Vamos supor ainda que temos uma cadeia de
Markov, ou seja,
P (Xn = xn |X0 = x0 , X1 = x1 , . . . , Xn1 = xn1 ) = P (Xn = xn |Xn1 = xn1 )
(2.28)
para todo n 1, e todo x0 , . . . , xn S.
O seguinte lema e elementar. Depois buscaremos uma versao de tal lema
que seja adequada para sistemas quanticos.
Lema 2.7.1 Para quaisquer eventos A1 , . . . , An , temos
P (A1 An ) = P (A1 )P (A2 |A1 )P (A3 |A1 A2 ) P (An |A1 An1 )
(2.29)
Corol
ario 2.7.2 Para quaisquer eventos A1 , A2 , A3 , temos
P (A1 A2 |A3 ) = P (A1 |A2 A3 )P (A2 |A3 )

(2.30)

Usando o corolario acima, temos

pij (m + n) = P (Xm+n = j|X0 = i) =

P (Xm+n = j, Xm = k|X0 = i)

P (Xm+n = j|Xm = k, X0 = i)P (Xm = k|X0 = i)

23

P (Xm+n = j|Xm = k)P (Xm = k|X0 = i)

(2.31)

Isso mostra que

pij (m + n) =

pik (m)pkj (n)

(2.32)

e portanto Pm+n = Pm Pn e Pn = P n . A expressao (2.32) e a equacao de

Chapman-Kolmogorov.

Estamos interessados em estudar processos estocasticos quanticos e em

obter uma definicao adequada para o que seria um processo quantico de Markov. Primeiramente observamos que uma construcao conhecida sobre o assunto mostra que sob certas condicoes o equivalente da equacao de ChapmanKolmogorov nao e valido em geral [29]. Entretanto no trabalho [15], obtemos um ambiente em que uma versao da equacao de Chapman-Kolmogorov
e valida.
Em termos algebricos, podemos pensar que a deducao de (2.32) acima
nao e valida para processos quanticos devido a` equacao (2.30). Mais precisamente, uma vez que em sistemas quanticos temos que levar em consideracao
a interferencia causada por medicoes, faz-se necessario analisar com mais
detalhe como funcionam medidas de probabilidade em tais espacos.
Levando em consideracao a interferencia, queremos construir um ambiente onde seja possvel obter uma equacao analoga a de Chapman-Kolmogorov.
Faremos algumas consideracoes a respeito disso a seguir.

Em mecanica quantica, podemos considerar um espaco inicial (, , ) tal

como definimos espacos de probabilidade em teoria da medida. Entretanto
teremos que e uma -algebra e e uma medida em apenas quando
nos restringimos a uma u
nica medicao. Quando realizarmos varias medicoes,
ocorrem efeitos de interferencia e desta forma nao estamos mais considerando
um problema de probabilidade classica [13].
Podemos pensar que a interferencia ocorre porque ao contrario das medidas de probabilidade classicas, que podem ser bastante arbitrarias, as funcoes
de probabilidade quanticas sao obtidas de uma maneira bastante especfica.

24

Em mecanica quantica, temos uma funcao de amplitude a : C, e se

B , definimos a amplitude de B por
X
A(B) =
a()
(2.33)
B

e definimos a probabilidade de que B ocorra por

(B) = |A(B)|2

(2.34)

Vamos formalizar tais ideias e fazer mais algumas consideracoes a respeito de

amplitudes condicionais. Sera instrutivo considerar um ambiente axiomatico
para a mecanica quantica, baseado em funcoes de amplitude. Iremos nos
concentrar no mnimo necessario para nossos argumentos. Para mais detalhes
ver [13].
Seja um conjunto nao vazio e seja a : C. Dizemos que e um
ponto amostral, a funcao a e uma amplitude de probabilidade, e (, a)
e um
probabilidade qu
antica. Um conjunto A e som
avel
P espaco de
2
se A |a()| < e denotamos a colecao dos conjuntos somaveis por 0 .
Agora defina A : 0 C por A() = 0 e
X
A(B) :=
a()
(2.35)
B

Dizemos que A(B) e a amplitude de B. Agora defina

A(B1 |B2 ) :=

A(B1 B2 )
A(B2 )

(2.36)

se A(B2 ) 6= 0 e igual a zero, caso contrario. No caso em que A(B2 ) 6= 0, vale

que A(|B2 ) e uma medida complexa em P (), com A(|B2 ) = 1. Dizemos
que A(B1 |B2 ) e a amplitude condicional de B1 , dado B2 . Observamos
que A(B) = 0 nao implica A(B C) = 0 [13]. Por causa disso, formulas do
tipo A(B C) = A(B)A(C|B) podem nao ser verdade quando A(B) = 0.
Entretanto, quando os conjuntos condicionantes tiverem amplitude nao nula,
temos a seguinte formula
A(B1 Bn ) = A(B1 )A(B2 |B1 )A(B3 |B1 B2 ) A(Bn |B1 Bn1 ),
(2.37)
que e o analogo para amplitudes da equacao (2.29). Defina a matriz A =
(aij ), onde
aij = A(Xn+1 = j|Xn = i)
25

Agora vamos supor que a cadeia {Xn }nN e markoviana qu

antica, ou seja,
A(Xn = xn |X0 = x0 , X1 = x1 , . . . , Xn1 = xn1 ) = A(Xn = xn |Xn1 = xn1 )
(2.38)
para todo n 1, e todo x0 , . . . , xn S. Entao de maneira analoga a feita
para probabilidades, definimos a matriz de n transicoes An = (aij (n)), onde
aij (n) = A(Xm+n = j|Xm = i)
e obtemos
aij (m + n) =

aik (m)akj (n)

(2.39)

k
n

e portanto Am+n = Am An e An = A .

2.8

Medidas de probabilidade induzidas por

QIFS

Vamos considerar o caso de um espaco de Hilbert complexo de dimensao

N = 2 e k = 2, ou seja, duas matrizes Vi . Sejam q1 , q2 R e tambem







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 =

o que nos leva a uma restricao sobre os qi , a saber,

f
1h
=
1a
g
Portanto, a solucao de (2.41) e (2.42) e
 f

 1h

0
0
g
1a
= 4
= 4
0 1
0 1
Mas 1 + 4 = 1 implica a relacao
=

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

e coluna estocastica. Seja tal que P = . Tal e dado por

=(

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.

Considere um QIFS homogeneo F = {MN , Fi , pi }i=1,...,k , onde

Vi Vi
tr(Vi Vi )
P
onde os Vi sao operadores lineares com i Vi Vi = I e pi () = tr(Vi Vi ).
Desta forma e simplesmente
X
X
() =
pi F i =
Vi Vi
Fi () =

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

Dizemos que o par ({Xn }nN , ), Xn : {1, . . . , k}, e um processo estoc

astico qu
antico, QSP (caso homogeneo), associado ao QIFS F quando
for definida por
(X1 = x1 , . . . , Xn = xn ) := tr(Vxn Vxn1 Vx2 Vx1 0 Vx1 Vx2 Vxn1 Vxn )
(2.45)
onde 0 MN e qualquer operador densidade. Para explicitar tal estado,
podemos denotar tal medida por 0 . O operador 0 e um estado de premedicao, ou seja, temos um sistema quantico e preparamos o estado inicial
na forma 0 . Por exemplo, se queremos que o estado inicial seja 1, entao
basta escolher 0 = |1ih1| (ver [29] para um tratamento semelhante dado a
uma sequencia de medicoes).
Com isso definimos para qualquer r,
(Xr = xr |Xr1

tr(Vxr Vxr1 0 Vxr1 Vxr )

= xr1 ) =
tr(Vxr1 0 Vxr1 )

(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)

No entanto observamos que existem exemplos onde podemos mostrar que

aPmedida de uma particao de cilindros e igual a 1 mesmo sem supor que

cao com matrizes esi Vi Vi = I. Isso ocorre, por exemplo, na constru

tocasticas a seguir.
29


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)

definidos no incio desta secao. Supomos que a matriz P = (pij ) e coluna

estocastica e que temos tal que P = . Por exemplo, temos
(X1 = 1, X2 = 2) = tr(V2 V1 0 V1 V2 ) = p21 (p11 11 +p12 22 ) = p21 11 (2.50)
pois com a escolha de Vi que fizemos, temos que as entradas nao nulas de 0
correspondem `as entradas de . Entao podemos interpretar pij como sendo
pij = (X2 = j|X1 = i)

(2.51)

(X1 = 2, X2 = 1) = tr(V1 V2 0 V2 V1 ) = p12 22

(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)

Prova Por inducao. Se m = 1 entao



p11 11 + p12 22 0

V1 0 V1 =
0
0
e
V2 0 V2


=

0
0
0 p21 11 + p22 22

(2.56)


(2.57)

Supondo o lema valido para m, consideramos o produto

Vxm+1 Vxm Vx1 0 Vx1 Vx2 Vxm Vxm+1
Suponha xm+1 = 1. Entao um calculo simples mostra que




0 0
0

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

(X1 = 2) = tr(V2 0 V2 ) = p21 11 + p22 22 = 22

Apenas para exemplificar, mostramos tambem o caso n = 2. Temos, apos
alguns calculos,
(X1 = 1, X2 = 1) = tr(V1 V1 0 V1 V1 ) = p11 11

(2.64)

(X1 = 1, X2 = 2) = tr(V2 V1 0 V1 V2 ) = p21 11

(2.65)

(X1 = 2, X2 = 1) = tr(V1 V2 0 V2 V1 ) = p12 22

(2.66)

(X1 = 2, X2 = 2) = tr(V2 V2 0 V2 V2 ) = p22 22

(2.67)

Suponha o lema valido para n, vamos provar para n + 1.

Primeiro, suponha xn+1 = 1. Entao
(X1 = x1 , . . . , Xn = xn , Xn+1 = 1)
= tr(V1 Vxn Vx2 Vx1 0 Vx1 Vx2 Vxn1 Vxn V1 )

(2.68)

Usando o lema 2.8.1, temos dois casos. Se xn = 1 entao



0

Vxn Vx2 Vx1 0 Vx1 Vx2 Vxn1 Vxn =

0 0
e portanto
V1 Vxn Vx2 Vx1 0 Vx1 Vx2

Vxn1 Vxn V1


= V1

0
0 0

V1


=

p11 0
0 0

e portanto tomando o traco obtemos

tr(V1 Vxn Vx2 Vx1 0 Vx1 Vx2 Vxn1 Vxn V1 )
= p11 p1xn1 pxn1 xn2 px3 x2 px2 x1 x1 x1

(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

= p12 p2xn1 pxn1 xn2 px3 x2 px2 x1 x1 x1

(2.70)

Agora, supomos xn+1 = 2, e procedemos de maneira analoga.

(X1 = x1 , . . . , Xn = xn , Xn+1 = 2)
= tr(V2 Vxn Vx2 Vx1 0 Vx1 Vx2 Vxn1 Vxn V2 )

(2.71)

Pelo lema 2.8.1, temos dois casos. Se xn = 1 entao

Vxn Vx2 Vx1 0 Vx1 Vx2

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

e portanto tomando o traco obtemos

tr(V2 Vxn Vx2 Vx1 0 Vx1 Vx2 Vxn1 Vxn V2 )
= p21 p1xn1 pxn1 xn2 px3 x2 px2 x1 x1 x1

(2.72)

Analogamente se xn = 2



0 0
=
0




0 0
p22 0

V2 Vxn Vx2 Vx1 0 Vx1 Vx2 Vxn1 Vxn V2 = V2

V2 =
0
0 0
Vxn Vx2 Vx1 0 Vx1 Vx2

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)

Isso conclui o lema.


Corol
ario 2.8.3 O processo estocastico quantico induzido por





p11
p12
0
0

, V2 =
,
V1 =
0
0
p21
p22
e Markov.
33

(2.74)

Prova Evidente, pois pelo lema a medida se reduz a` medida de Markov

para matrizes.

Exemplo 2.8.4 Vamos supor que temos aplicacoes lineares V1 , V2 quaisquer
e que 0 e ponto fixo de
X
() =
Vi Vi
i

Mostremos que para l, m quaisquer,

(X1 = l, X2 = m) = (X2 = l, X3 = m)
Note que
(X1 = l, X2 = m) = tr(Vm Vl 0 Vl Vm )

(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)

O exemplo acima sugere o resultado geral:

Lema 2.8.5 Para Vi aplicacoes lineares e 0 ponto fixo de () =
temos para m, n quaisquer,

Vi Vi ,

(X1 = x1 , X2 = x2 , . . . , Xn = xn ) = (Xm+1 = x1 , Xm+2 = x2 , . . . , Xm+n = xn )

Prova Provaremos no caso em que temos duas dinamicas possveis. Temos
(Xm = x1 , Xm+1 = x2 , . . . , Xm+n = xn )
=

(X1 = i1 , X2 = i2 , . . . , Xm1 = im1 , Xm = x1 , . . . , Xm+n = xn )

i1 ,...,im1

tr(Vxn Vx1 Vim1 Vi2 V1 0 V1 Vi2 )

i2 ,...,im1

+tr(Vxn Vx1 Vim1 Vi2 V2 0 V2 Vi2 )

34

tr(Vxn Vx1 Vim1 Vi2 0 Vi2 Vi3 Vim1 Vx1 Vxn )

i2 ,...,im1

Repetindo o procedimento acima para i2 , i3 , etc. obtemos

(Xm = x1 , Xm+1 = x2 , . . . , Xm+n = xn ) = tr(Vxn Vx1 0 Vx1 Vxn )
o que conclui a prova.

Exemplo 2.8.6 Vamos fazer uma inspecao referente a equacao de ChapmanKolmogorov, ou seja, queremos saber se vale a igualdade
X
?
ij (m + n) =
ik (m)kj (n)
(2.77)
k

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

tr(V1 V1 V1 V1 )2 tr(V2 V1 V1 V2 ) tr(V1 V2 V2 V1 )

+
tr(V1 V1 )2
tr(V1 V1 )
tr(V2 V2 )

(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)

Fixando V1 e V2 da forma (2.61), obtemos calculos classicos e entao temos

a formula de Chapman-Kolmogorov. Agora, tomando




1 0
1 0
V1 =
, V2 =
(2.80)
0 0
0 2
temos, por (2.78) e (2.79):
tr(V1 V1 V1 V1 )2 tr(V2 V1 V1 V2 ) tr(V1 V2 V2 V1 )
11
+
=1+
(2.81)
2

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)

Entao vale Chapman-Kolmogorov neste caso

P se, e somente se, 22 = 0 ou
seja, se 11 = 1. Observamos tambem que i Vi Vi 6= I.
P
Para concluir o exemplo, tomamos V1 e V2 com i Vi Vi = I, a saber,
!
q
 1

2

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.

Gostaramos de obter uma versao nao homogenea para a medida definida

por (2.45), pagina 29, para o caso homogeneo, i.e., queremos definir uma
medida induzida por um QIFS
ao homogeneo. Sejam Wi , i = 1, . . . , k
P n

operadores lineares tais que i Wi Wi = I. Seja 0 MN qualquer. Defina

(X1 = x1 , . . . , Xn = xn ) :=
=

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 )

tr(Wxn1 Vxn2 Vx1 0 Vx1 Vxn2 Wxn1 )

tr(Vxn2 Vx1 0 Vx1 Vxn2 )

tr(Wxn Vxn1 Vx1 0 Vx1 Vxn1 Wxn )

tr(Vxn1 Vx1 0 Vx1 Vxn1 )

(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

Alem disso, supondo que Wi = Vi para todo i, recuperamos a definicao de

medida para QSP, caso homogeneo, ou seja,
(X1 = x1 , . . . , Xn = xn ) :=
tr(Vxn Vxn1 Vx2 Vx1 0 Vx1 Vx2 Vxn1 Vxn )

(2.86)

Sendo assim, considere um QIFS F = {MN , Fi , pi }i=1,...,k , onde

Fi () =

Vi Vi
tr(Vi Vi )

onde os Vi sao operadores lineares e pi () = tr(Wi Wi ), com

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
)

(Xr = xr , Xr1 = xr1 )

(Xr1 = xr1 )

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 )

induzido pelo QIFS F.

Lembramos que um QSP homogeneo sempre e estacionario. O seguinte

exemplo fornece uma intuicao com respeito a` questao de estacionariedade
para QSP nao homogeneos.
37

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)

Observe que no caso homogeneo, as duas fracoes entre parenteses em (2.91)

sao iguais a 1 e entao se 0 e ponto fixo de , temos a estacionariedade, fato
que ja provamos em geral anteriormente. Mas no caso nao homogeneo, os
termos em parenteses nao sao iguais a 1, em geral.

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

Uma aplicacao linear : Cnn Cmm e dita positiva se (A) 0,

para todo A 0. Seja Ik a matriz identidade de ordem k. Toda aplicacao
linear induz uma aplicacao
Ik : Ckk Cnn Ckk Cmm
quando definimos
(Ik )(M A) := M (A)
e estendemos tal definicao por linearidade. Todo elemento de Ckk Cnn
pode ser escrito na forma

A11 A1k
..
.. ,
..
.
.
.
Ak1 Akk

i.e., onde cada elemento Aij e uma matriz em Cnn .

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

que nao e hermitiana, e portanto nao e positiva.

Uma aplicacao linear e dita copositiva se T for positiva. De forma
analoga ao que fizemos antes, sera dita k-copositiva se Ik for uma
39

aplicacao copositiva e chamaremos de completamente copositiva se for

k-copositiva para todo k.
Toda aplicacao completamente positiva (CP) que preserva o traco pode
ser representada (de forma nao u
nica) na forma de Stinespring-Kraus,
() =

k
X

Vi Vi ,

i=1

k
X

Vi Vi = I,

i=1

onde os operadores lineares Vi sao ditos operadores de Kraus [24].

40

Captulo 3
Formalismo termodin
amico e o
operador de Ruelle
3.1

Problema variacional

Estamos interessados em problemas variacionais tais como o problema de

Pressao que encontramos em Formalismo Termodinamico. Comecamos com
um exemplo para motivacao.
Seja HN um espaco de Hilbert complexo de dimensao N . Como antes,
seja MN o espaco dos operadores densidade em HN . Inicialmente desejamos
obter pontos fixos para um operador do tipo : MN MN ,
() =

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

(1 |v3 |2 +2 v3 v4 +2 v3 v4 +4 |v4 |2 )+(1 |w3 |2 +2 w3 w4 +2 w3 w4 +4 |w4 |2 ) = 4

(1 v1 v3 +2 v1 v4 +2 v2 v3 +4 v2 v4 )+(1 w1 w3 +2 w1 w4 +2 w2 w3 +4 w2 w4 ) = 2
Ainda, note que como e densidade, temos 4 = 1 1 e entao podemos
reescrever o calculo acima, com as coordenadas de em evidencia para obter
1 (|v1 |2 |v2 |2 + |w1 |2 |w2 |2 1) + 2 (v1 v2 + w1 w2 )
+2 (v2 v1 + w2 w1 ) + (|v2 |2 + |w2 |2 ) = 0

(3.2)

1 (|v3 |2 |v4 |2 + |w3 |2 |w4 |2 + 1) + 2 (v3 v4 + w3 w4 )

+2 (v4 v3 + w4 w3 ) + (|v4 |2 + |w4 |2 1) = 0

(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)

Chame de Fi , Gi , Ji , i = 1, . . . , 4 cada termo em parenteses nas equacoes

acima de tal forma que e possvel obter os coeficientes de em funcao dos Vi
ao reescrever as equacoes (3.2), (3.3) e (3.4) como
1 F1 + 2 F2 + 2 F3 + F4 = 0
1 G1 + 2 G2 + 2 G3 + G4 = 0
1 J1 + 2 J2 + 2 J3 + J4 = 0,
(note que os Fi , Gi , Ji nao dependem de ). Neste caso a solucao e
P
S({2,3,4}) sgn()F(2) G(3) J(4)
1,p = P
(3.5)
S({1,2,3}) sgn()F(1) G(2) J(3)
P
S({1,3,4}) sgn()F(1) G(3) J(4)
2,p = P
(3.6)
S({1,2,3}) sgn()F(1) G(2) J(3)
Uma condicao que impomos sobre os Vi e V1 V1 + V2 V2 = I. Em coordenadas, temos
|v1 |2 + |v3 |2 + |w1 |2 + |w3 |2 = 1
|v2 |2 + |v4 |2 + |w2 |2 + |w4 |2 = 1
v1 v2 + v3 v4 + w1 w2 + w3 w4 = 0.
Ficam assim determinados os pontos fixos atraves das equacoes (3.5) e (3.6).
42


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

e invariante para () = V1 V1 + V2 V2 , para todo q R.

Exemplo 3.1.2 Seja

eik
V1 = V2 =
2

p
1

1p p

Alguns calculos nos fornecem

p
p
F1 = 2p 2, F2 = p(1 p), F3 = p(1 p), F4 = 1 p
p
p
G1 = 2 2p, G2 = p(1 p), G3 = p(1 p), G4 = p 1
p
p
J1 = 2 p(1 p), J2 = p 1, J3 = 1 p, J4 = p(1 p)
Resolvendo, obtemos que

1 22 p(1p)+1p

p1
= 2
2
1+

2
1 22
2

p(1p)+1p
p1

com 2 R, e invariante para () = V1 V1 + V2 V2 , k R, p (0, 1).

Fazendo 2 = 0, obtemos a solucao diagonal I/2.
43


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

Um calculo nos fornece

V1 V1

V2 V2


=

25
144
31
240

31
240
41
400


+

119
144
31
240

31
240


=I

359
400

Resolver (3.1) usando (3.5) e (3.6) nos fornece 1 livre e

1746
4837
9

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

2 = 2 = 0.002881638863 290 + 0.1319376051 = 0.1810101467

e entao


=

0.5296472016 0.1810101467
0.1810101467 0.4703527984

e ponto fixo para .

Agora consideramos um problema variacional de pressao, via multiplicadores de Lagrange.

Seja

=

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

Queremos obter q tal que

F (q ) = sup F ()
Mn

44

(3.7)

onde Mn e o conjunto dos operadores densidade de ordem n. Nos nossos

calculos, n = 2.
O problema acima e o correspondente a maximizacao de pressao em
Formalismo Termodinamico. Note, porem, que nao existe nenhuma caracterstica dinamica em tal problema, visto que a entropia que consideramos
nao esta associada a nenhuma dinamica. Mais tarde vamos considerar problemas desta natureza, mas onde desempenha papel importante a dinamica
de um QIFS (via um diferente conceito de entropia).
Defina ainda
G() = 1 + i1 + 4 + i4 1
I() = 2 3
J() = 2 + 3
(, , , ) = F + G + I + J
Entao
tr(H) = h1 1 + h2 3 + h2 2 + h4 4
= h1 (1 + i1 ) + h2 (3 + i3 ) + h2 (2 + i2 ) + h4 (4 + i4 )
e de = 0, temos:
S1

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 ,

Sejam 1 e 2 os autovalores de . Entao = BDB 1 , onde B e a matriz

dos autovetores de e


1 0
D=
,
0 2
e entao S() = S(1 , 2 ) = 1 log 1 2 log 2 .

45

Como estamos em dimensao 2, podemos ainda escrever

1 =

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)

Somando (3.9) e (3.10), obtemos

2
p

(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

e reescreva as equacoes (3.8) e (3.11) como

(4 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)

onde h = |h2 /(h1 h4 )|2 . Ainda, note que se h2 = 0 entao h = 0 e assim

recuperamos a solucao do caso classico.
Suponha que fixamos p = (1,p , 2,p ) solucao para o problema (3.1) e
vamos impor que
1,p = 1,q
2,p = 2,q
48

(3.14)

Podemos pensar no problema de obter h1 , h2 e h4 em funcao da solucao

1,p , 2,p . Alguns calculos nos mostram que



21,p 1+4h1 1+4h

log 21,p 1+4h+1 1+4h T

h1 h4 =
(3.15)
1 + 4h



1,p 1+4h1 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)

Entao podemos escrever

q =

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

Queremos saber quais hipoteses sobre H fazem com que sup F () = 0.

No problema variacional classico, tal fato ocorre se


h4
(3.23)
h1 = T log 1 e T
ou seja, se
h1

h4

e T + e T = 1.

(3.24)

Note que tal condicao implica que h1 > 0 e h4 > 0.

Vamos calcular a pressao. Temos
1
tr(Hq )
T
p
p




(h1 h4 )2 + 4|h2 |2
(h1 h4 )2 + 4|h2 |2
1
1
=
+
+
log
2
2(h1 h4 )
2
2(h1 h4 )
p
p




(h1 h4 )2 + 4|h2 |2
(h1 h4 )2 + 4|h2 |2
1
1

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 )

onde usamos os autovalores de q para calcular a entropia. No caso

classico, h2 = 0, o que implica h = 0 e entao
=

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

Lema 3.1.4 Suponha h2 = 0, T = 1 e que (3.24) vale. Neste caso, =

eh4 eh1 e F (q ) = 0.
50

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)

Ainda, note que a diferenca h1 h4 depende de apenas uma das entradas

de H. Entao podemos supor que no caso geral, temos
h4 = h1 + k(h1 , h2 ; T ),

(3.27)

onde k e uma funcao de h1 e h2 , mas

 nao de h4 . No caso classico, tomamos
h1
k = kcl (h1 ; T ) := T log e T 1 . Mas a princpio, poderamos fixar k
igual a uma constante, e tentar obter solucoes. De fato, alguns calculos nos
mostram como obter H tal que F (q ) = 0. As expressoes sao as que seguem.
Defina
p
2 (k 2 + 4|h2 |2 )
,
:=
k
entao




h1

i
1
4|h2 |2
1
h1 =
k(1 + )
+ T log
log
1 1+
2
k
1+
4
h4 = h1 k,

(3.28)

com h2 livre. Em particular, note que se h2 = 0 entao = = tanh (k/2T ),

e resolvendo (3.28) para k nos fornece duas solucoes, a saber,
 h1



h1
k = T log e T 1 ou k = T log e T 1
e note que a primeira destas e igual `a condicao (3.26), e portanto tal procedimento nos permite reobter o valor de k para o caso classico.
51


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)

1 (|v3 |2 |v4 |2 + 1) + 2 (v3 v4 ) + 2 (v4 v3 ) + (|v4 |2 1) = 0

(3.30)

1 (v1 v3 v2 v4 ) + 2 (v1 v4 1) + 2 (v2 v3 ) + (v2 v4 ) = 0.

(3.31)

De forma semelhante ao caso anterior, chame de fi , gi , ji , i = 1, . . . , 4

cada termo em parenteses e entao
1 f1 + 2 f2 + 2 f3 + f4 = 0
1 g1 + 2 g2 + 2 g3 + g4 = 0
1 j1 + 2 j2 + 2 j3 + j4 = 0,
Como antes,
P

S({2,3,4})

sgn()f(2) g(3) j(4)

S({1,2,3})

sgn()f(1) g(2) j(3)

1,p = P
P

S({1,3,4})
2,p = P

S({1,2,3})

sgn()f(1) g(3) j(4)

sgn()f(1) g(2) j(3)

(3.32)

(3.33)

Observamos que mesmo neste caso, a formula explcita envolvendo as

componentes fi , gi , ji e bastante longa, envolvendo muitos termos.

3.2

Operador de Ruelle

Faremos agora algumas consideracoes sobre o operador de Ruelle L definido

a seguir. Em particular mostraremos que o problema classico de Perron e
um caso particular do problema do operador L agindo em matrizes. Sejam




0 p01
p00 0
V1 =
, V2 =
0 0
0 0
52


V3 =

0 0
p10 0


, V4 =

0 0
0 p11


, =

1 2
3 4

Defina
L() =

4
X

qi ()Vi Vi

i=1

Temos que L() = implica em 2 = 0 e

a1 + b4 = 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

Mas queremos que seja operador densidade, portanto 1 + 4 = 1 e entao

um calculo nos permite fixar 4 e obter
!
!
q2 p201
1q4 p211
0
0
2
2
2
2
q2 p01 q1 p00 +1
1q4 p11 +q3 p10
=
=
1q1 p200
q3 p210
0
0
2
2
q2 p01 q1 p00 +1
1q4 p211 +q3 p210
(3.37)
Seja


X
p00 p01
P =
Vi =
,
p10 p11
i

53

coluna estocastica. Seja = (1 , 2 ) tal que P = . Entao

1 p00
p01
,
)
p01 p00 + 1 p01 p00 + 1
Comparar (3.38) e (3.37) sugere que fixemos
=(

q1 =

1
1
1
1
, q2 =
, q3 =
, q4 =
p00
p01
p10
p11

(3.38)

(3.39)

Entao as entradas nao nulas de sao as entradas de e assim associamos o

ponto fixo de P ao ponto fixo de um certo L de maneira natural. Mas note
ainda que tal escolha nao e u
nica, pois
1 q1 p200
1 q3 p10 p01
, q4 =
,
q2 =
p01 p10
p211

(3.40)

q1 , q3 quaisquer, tambem produz com coordenadas nao nulas iguais as de

.
Note que tambem poderamos ter considerado P linha estocastica, e 0
tal que 0 P = . Tal 0 tem a forma
0 = (

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)

q1 , q3 quaisquer, produzimos com coordenadas nao nulas iguais as de 0 .

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

ou seja, na notacao do que analisamos acima, ci = qi .

c21 =

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 =

o que nos leva a uma restricao sobre os qi , a saber,

f
1h
=
1a
g
Portanto, a solucao de (3.43) e (3.44) e
 f

 1h

0
0
g
= 4 1a
= 4
0 1
0 1
Mas 1 + 4 = 1 implica a relacao
=

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

Assumiremos agora que


P = V1 + V2 =

p00 p01
p10 p11

e coluna estocastica. Seja tal que P = . Tal e dado por (3.38):

=(

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

Um calculo analogo nos mostra que se

q1 =

p10 p200

1 p00
p10
, q2 = 3
,
2
2
p01 p00 + p01
p10 p211 p00 + p211

as entradas nao nulas de sao as entradas de 0 . Novamente, comparando a

(i, i)-esima coordenada de com a i-esima coordenada de 0 , vemos que se
existem qi0 que tambem tornam e 0 iguais, entao qi0 = qi , como mostramos
acima.
Alternativamente, poderamos ter definido




p00 0
0 p01
V1 =
, V2 =
,
p10 0
0 p11
ou seja, separando P pelas colunas, e nao pelas linhas. Neste caso o sistema
obtido e
q1 p200 1 + q2 p201 4 = 1
q1 p00 p10 1 + q2 p01 p11 4 = 2
q1 p210 1 + q2 p211 4 = 4
ou reescrevendo,
a1 + b4 = 1

(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

Entao resolvendo (3.47), (3.48), (3.49), obtemos a relacao

=

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

ou de forma equivalente, a relacao

=

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

Lembre que a solucao do problema estocastico classico para P e

=(

p01
1 p00
,
)
p01 p00 + 1 p01 p00 + 1

0 = (

1 p00
p10
,
),
p10 p00 + 1 p10 p00 + 1

onde, como antes, corresponde ao caso P coluna estocastica, 0 ao caso

P linha estocastica. Aqui buscamos alguma interpretacao em termos de
estados misturados. Note que a solucao (3.50) parece estar relacionada a`
solucao (3.37) (caso em que P e separada em 4 matrizes) pois a diagonal dos
dois operadores e a mesma. Mas como neste caso os termos nao diagonais
de sao a princpio nao nulos, uma correspondencia entre as entradas de
com as de nao parece tao evidente.
Mesmo assim, podemos pensar no problema de obter qi tais que as entradas da diagonal de correspondem a`s entradas de , e como consequencia
obter expressoes para os termos nao diagonais, possivelmente em uma forma
mais simplificada, mas ainda associado a algum tipo de mistura entre as coordenadas. Entao pelo calculo obtido para P separado em 4 matrizes, obtemos
de (3.40) e (3.41) que
q2 =

1 q1 p200
,
p01 p10

58

q1 qualquer, tornam a diagonal de igual a e

q2 =

p10 (q1 p200 1)

,
p201 (p00 1)

q1 qualquer, tornam a diagonal de igual a 0 .

Agora, consideramos o seguinte problema. Sejam






h00 0
0 h01
V1 =
, V2 =
, V3 =
0 0
0 0



X
0 0
1
V4 =
, H=
Vi , =
0 h11
3
i

Defina
L() =

4
X

0 0
h10 0

2
4

qi Vi Vi ,

i=1

com qi R. Assumimos que hij R e queremos obter tal que L() = ,

6= 0, e e o maior dos autovalores possveis. Com um calculo, obtemos
2 = 3 = 0,
q1 h200 1 + q2 h201 4 = 1
q3 h210 1 + q4 h211 4 = 4
ou equivalentemente,
a1 + b4 = 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

4q2 q3 h201 h210

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

Mas 1 + 4 = 1 entao obtemos a relacao

!
q1 h200 q4 h211
ad
0
q1 h200 q4 h211 +2q3 h210
ad+2c
=
=
2c
0
0
ad+2c

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)

que determinam implicitamente v1 , v2 , . Note agora que tomando

q1 =

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

Defina agora L com qi C, hij C, H hermitiano complexo. Queremos

obter tal que L() = , R, 6= 0, sendo o maior dos autovalores.
Supomos ainda hermitiano e positivo. Note que as equacoes (3.55)-(3.56)
tambem valem para H hermitiano complexo qualquer. Ainda, nesse calculo
podemos tomar os operadores Vi com coordenadas complexas. Mas observe
o seguinte: neste caso complexo que queremos considerar, (3.53) e (3.54)
mostram que existem restricoes sobre os qi , pois como e hermitiano, temos
que as entradas da diagonal de devem ser reais.
Por exemplo, em (3.53) (ou em (3.54)), notamos que mesmo supondo
todos os qi reais, pode ocorrer que 00
/ R ou 11
/ R.
Agora, consideramos o problema de dividir H em duas matrizes apenas.
Aqui temos dois casos a considerar, de forma semelhante ao que fizemos antes.
Em ambos os casos, assuma H = V1 + V2 hermitiano complexo. Temos:
1.


V1 =

h00 0
h10 0


, V2 =

0 h01
0 h11

E L() = nos leva a

q1 |h00 |2 1 + q2 |h01 |2 4 = 1

(3.57)

q1 h00 h01 1 + q2 h01 h11 4 = 2

(3.58)

q1 h00 h01 1 + q2 h01 h11 4 = 2

(3.59)

q1 |h10 |2 1 + q2 |h11 |2 4 = 4

(3.60)

Este sistema generaliza algumas das construcoes que vimos antes, e

nota-se que varios dos calculos a seguir sao semelhantes. Observe ainda
que 2 e uma combinacao de 1 e 4 e que podemos tratar (3.57) e (3.60)
em conjunto para obter os seguintes calculos. Denote
a
= q1 |h00 |2 , b = q2 |h01 |2 , c = q1 |h10 |2 , d = q2 |h11 |2
donde obtemos a relacao
 
 d
4 2
c

=
=
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

q1 |h00 |2 q2 |h11 |2 +2q

1 |h10 |

2
2q1 |h10 |2
2
2

q1 |h00 | q2 |h11 |2 +2q

1 |h10 |

(3.62)

ou de forma equivalente, a relacao

=

=
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)

2. Ao contrario do que vimos acima, o caso a seguir tera solucao diagonal

(o que o torna pouco interessante). De fato,




h00 h01
0
0
V1 =
, V2 =
0
0
h10 h11
E L() = nos leva a
q1 (|h00 |2 1 + h00 h01 2 + h01 h00 3 + |h01 |2 4 ) = 1
q2 (|h10 |2 1 + h10 h11 2 + h11 h10 3 + |h11 |2 4 ) = 4
2 = 0

62

o que, caso 6= 0, se reduz em

q1 (|h00 |2 1 + |h01 |2 4 ) = 1
q2 (|h10 |2 1 + |h11 |2 4 ) = 4
Denote
a
= q1 |h00 |2 , b = q1 |h01 |2 , c = q2 |h10 |2 , d = q2 |h11 |2
O calculo exigido neste caso e quase identico ao do caso anterior, exceto
por certos coeficientes envolvidos, e pelo fato de que temos apenas
termos diagonais nao nulos. Ainda, um calculo simples mostra que ao
obter em funcao dos qi e de H, obtemos o mesmo valor do caso 1,
dado por (3.61). Entao como

a
+ d a
+ d
=

2
2
2

temos
=

a
d
+2
c
a
d

q1 |h00 |2 q2 |h11 |2
2

q1 |h00 |2 q2 |h11 |2 +2q

2 |h10 |

q
(d a
)2 + 4b
c
2
!

2
c
+2
c
a
d

0
2q1 |h10 |2
2

q1 |h00 |2 q2 |h11 |2 +2q

2 |h10 |

(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

Operador de Ruelle e o problema variacional

Queremos comparar a relacao

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 + 4h(e T 1+4h + e T 1+4h )

 h
2


01
h=

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

referente `a solucao do problema de autovalores do operador de Ruelle, tambem

analisado anteriormente. Ambas as solucoes sao referentes ao caso complexo.
A solucao do operador de Ruelle indicada acima corresponde ao caso em que
dividimos o hamiltoniano em duas matrizes, cada uma com uma coluna nao
nula (lembre que esse foi o u
nico caso com coeficientes complexos em que
obtivemos uma solucao nao diagonal). Note que trocamos a notacao dos
ndices de H no problema variacional de modo que h00 = h1 , h01 = h2 ,
h10 = h3 , h11 = h4 (a notacao de ndices enumerando linhas e colunas e mais
conveniente ao se considerar casos mais gerais).
Nossa pergunta e a seguinte. Fixado H, queremos determinar q1 e q2 tais
que a solucao do problema do operador de Ruelle Lq1 ,q2 associado e igual
a q que, lembramos, corresponde ao maximo da pressao para operadores
densidade.
Comparando (3.67) e (3.69), e as coordenadas dos respectivos, chegamos
ao seguinte sistema:
q1 |h00 |2 q2 |h11 |2
1
(1 ) =
2
q1 |h00 |2 q2 |h11 |2 + 2q1 |h10 |2

h01
1
q1 h00 h01 (1 ) + q2 h01 h11 (1 + )
=
h00 h11
2
p
= (q1 |h00 |2 q2 |h11 |2 )2 + 4q1 q2 |h01 |2

(3.72)
(3.73)
(3.74)

Um calculo longo, mas elementar nos fornece o seguinte.

Lema 3.3.1 Fixado H, existem q1 e q2 tais que a solucao do problema de
autovalores de Lq1 ,q2 e a solucao do problema variacional de pressao.

3.4

Um teorema de autovalores

As proposicoes a seguir sao inspiradas em [27]. Lembramos que um operador

linear P : V V em um espaco de Hilbert (V, hi) e positivo se hP v, vi 0,
para todo v V . Denotamos tal propriedade de P por P 0.
Seja HN espaco de Hilbert complexo de dimensao N . Defina o espaco dos
operadores positivos em HN :
PHN := { : HN HN : = , 0}
Defina:
MN := { PHN : tr() = 1}
65

o espaco dos operadores densidade em HN . Sejam Vi : HN HN operadores

lineares, i = 1, . . . , k.
Observac
ao Em [24] e suposto ainda que os Vi sao invertveis, mas nao
usaremos tal fato aqui.

Defina o operador hermitiano e positivo LV : PHN PHN ,

LV () :=

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

Mas Vj Vj e positivo, para todo j, assim como LV () e positivo. E sabemos

que para qualquer operador positivo P 6= 0, se {v1 , . . . , vN } e uma base
ortonormal para HN , temos
tr(P ) =

N
X

hP vi , vi i > 0

i=1

Logo, tr(LV ( + nI )) > 0, n 1, e portanto Ln () esta bem definida.

Sabemos que MN e compacto e convexo, entao podemos aplicar o teorema
de Schauder para cada uma das aplicacoes Ln , n 1 e obter n MN tais
que
I
Ln (n ) = n LV (n + ) = n n , n 1
n
66

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

pois LV () e positivo, e a desigualdade sera igual a zero apenas se LV () for

o operador nulo. Assim mostramos que existem MN e > 0 tais que
LV () = .

A prova acima funciona, com pequenas alteracoes, para o operador hermitiano e positivo LW,V : PHN PHN ,
LW,V () :=

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

tr(Wi Wi )tr(Vi Vi ) = tr(LW,V )

67

E sabemos que para qualquer operador positivo P 6= 0, se {v1 , . . . , vN } e uma

base ortonormal para HN , temos
tr(P ) =

N
X

hP vi , vi i > 0

i=1

Logo, tr(LW,V ( + nI )) > 0, n 1, e portanto Ln () esta bem definida.

Sabemos que MN e compacto e convexo, entao podemos aplicar o teorema
de Schauder para cada uma das aplicacoes Ln , n 1 e obter n MN tais
que
I
Ln (n ) = n LW,V (n + ) = n n , n 1
n
onde
I
n := tr(LW,V (n + ))
n
Pela compacidade de MN , podemos escolher um ponto MN que seja
limite da sequencia {n }
ao, por continuidade, LW,V () = , onde
n=1 e ent
= tr(LW,V ()). Ainda, note que 0, pois para {v1 , . . . , vN } base ortonormal de HN ,
tr(LW,V ()) =

N
X

hLW,V ()vi , vi i 0,

i=1

pois LW,V () e positivo, e a desigualdade sera igual a zero apenas se LW,V ()

for o operador nulo. Assim mostramos que existem MN e > 0 tais que
LW,V () = .


68

Captulo 4
Baricentros, pontos fixos e
autovalores para IFS
4.1

Integrais vetoriais e baricentros

Nota sobre pontos fixos de QIFS homogeneos. Esta exposicao e baseada em

[24] e [32].
Nesta secao voltamos a considerar operadores markovianos.
Seja MN (C) o conjunto de matrizes complexas de ordem N . Sejam
HN := { MN (C) : = }
PHN := { HN : h, i 0, CN }
MN := { PHN : tr() = 1}
PN := { HN : = |ih|, CN , h|i = 1},
o espaco dos operadores hermitianos, positivos, dos estados densidade, e
dos estados puros, respectivamente. Como visto anteriormente, denota o
transposto conjugado (adjunto) de , tr e o funcional traco, h|i e o produto
interno em MN (C) e |ih| e a notacao de Dirac para projecoes.
Embora as construcoes e teoremas mencionados em [32] sejam completamente gerais, estaremos mais interessados no caso em que temos IFS quanticos
sobre estados misturados, o que significa considerar o espaco de operadores
densidade MN em um espaco de Hilbert complexo de dimensao finita. Portanto, sempre que possvel, indicaremos um exemplo das construcoes feitas
no caso de matrizes densidade.
69

Seja (X, d) espaco metrico, B(X) os subconjuntos de Borel de X. Defina

f a(X) := {f : B(X) R : f e finitamente aditiva }
ca(X) := {f : B(X) R : f e contavelmente aditiva }
Seja m f a(X). Dizemos que m e limitada se
X
kmktot := sup{
|m(A)| : A e particao mensuravel de (X, B(X))}
aA

for finita. Defina

bf a(X) := {f f a(X) : f e limitada }
bca(X) := {f ca(X) : f e limitada }

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 o lado direito da expressao existir.

Seja (V, +, ) um espaco vetorial real, e uma topologia em V . Dizemos que (V, +, ; ) e um espaco vetorial topologico se for Hausdorff e se as
operacoes + e forem contnuas.
Por exemplo, no contexto de matrizes densidade, V sera o espaco de
Hilbert HN e X sera o espaco MN das matrizes densidade.
Definic
ao Seja (X, ) um espaco mensuravel, seja M (X), seja
(V, +, ; ) um espaco localmente convexo e seja f : X V . Dizemos que
x V e a integral de f em X, denotado por
Z
x :=
f d
X

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

Para matrizes densidade , MN , iremos definir se for

matriz positiva.
Se (V, +, , ) e um espaco vetorial ordenado, entao
V + := {x : x 0}
e um cone proprio, chamado cone positivo. Um funcional linear f : V
R e dito positivo se f (V + ) R+ e e dito estritamente positivo se
f (V + \{0}) R+ \{0}. Ainda, se f e funcional positivo, defina f+ , f :
V R como
f+ (x) := inf{f (y) : y V + , y x V + }
(4.1)
f (x) := inf{f (z) : z V + , z + x V + }

(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)

Seja C V + um cone e seja uma topologia localmente convexa em hCi (o

espaco gerado por C). Dizemos que o par (C, ) e uma estrutura compacta
em V + se
BC := B C
73

for compacto na -topologia. A estrutura compacta sera metriz

avel se a
-topologia restrita a BC for metrizavel.
No caso de operadores densidade, podemos tomar simplesmente C =
V + = PHN , com V=HN por exemplo, e portanto BC = B V + = B = MN ,
que e compacto na topologia Euclidiana (i.e., a topologia metrica induzida
pela metrica Euclidiana em V ). Logo (C, ) = (PHN , ) e uma estrutura
compacta para esse caso particular.

4.3

Exemplo: matrizes densidade

Aqui resumimos, a ttulo de ilustracao, como a construcao da secao anterior

se ajusta ao caso de matrizes densidade.
Usando a notacao da secao anterior, defina V := HN , V + := PHN (note
que tal espaco e um cone convexo), e seja a ordem parcial em PHN dada
por se, e somente se, 0, i.e., se for positivo. Entao,
temos que
(V, V + , e) = (HN , PHN , tr),
onde tr denota o funcional traco, e um espaco de estados regular. Ainda naquela notacao, o conjunto B dos elementos de V + de traco 1 e, naturalmente,
o espaco de matrizes densidade. Logo, B = MN .
Seja Z V um subespaco vetorial nao vazio de V . A menor topologia
em V tal que todo funcional definido em Z e contnuo nessa topologia, denotada por (V, Z), torna V um espaco localmente convexo. Em particular,
(V, V ) e chamada de topologia fraca em V . Se (V, k k) e um espaco normado, entao (V , V ) e chamada topologia fraca em V (identificamos V
com um subespaco de V ).
Temos tambem que (C, ) = (PHN , ), onde e a topologia fraca (e
que coincide com a Euclidiana, ver p. 26 de [32]) e uma estrutura compacta
metrizavel. Temos, nesse caso, que BC = B C = MN .
Observac
ao O conjunto de estados puros pode ser identificado com o
espaco projetivo complexo CP N 1 . Para N = 2, temos que M2 e isomorfo
a` bola fechada em R3 (a bola de Bloch) e o conjunto de estados puros P2 e
isomorfo a` sua fronteira (a esfera unitaria de dimensao 2), chamada esfera
de Poincare. Mais especificamente, cada M2 pode ser escrito na forma
=

I+u
, u R3 , |u| 1,
2
74

onde I e matriz identidade e := (x , y , z ) sao as matrizes de Pauli, que

ja vimos antes:






0 i
1 0
0 1
x =
,
y =
,
z =
1 0
i 0
0 1
Da mesma forma, um estado puro pode ser descrito da forma acima, mas
com u tal que |u| = 1.

Observamos a ttulo de curiosidade que estas construcoes gerais tambem

permitem modelar problemas baseados em algebras C , tal como e descrito
em [32], por exemplo.

4.4

Operadores Markovianos, submarkovianos e IFS

+
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.

No contexto de sistemas quanticos definimos QIFS homogeneos, que sao

um caso particular do que segue. Seja F = (B, Fi , pi )i=1,...,k um IFS. Defina
Bi := {x B : pi (x) 6= 0}
e tambem i : B V + ,
i (x) := (pi Fi )(x),
75

(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,

e que chamaremos de operador de Markov induzido por F.

Seja
mb (X) := {f : X R : f e mensuravel e limitada}
Entao, defina
I(x) := {i : x Xi }, x X,
e tambem U : mb (X) mb (X),
(Uf )(x) :=

pi (x)f (Fi (x))

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

onde hf, i denota a integral de f com respeito a .

76

(4.7)

Agora assuma que (V, V + , e) e um espaco de estados completo com base

B = {x V + : e(x) = 1}
Defina
kxk = kxke := e+ (x) + e (x)
(ver equacoes (4.3) e (4.4)). Estamos interessados em operadores de Markov
sobre elementos de um espaco vetorial. Tal definicao imita o que temos para
operadores de Markov para medidas.
Definic
ao Seja P : B B. Dizemos que P e operador de Markov
se
P (x1 + (1 )x2 ) = P (x1 ) + (1 )P (x2 ),
para todo x1 , x2 B, (0, 1).
Proposic
ao 4.4.2 Todo operador de Markov P : B B pode ser estendido
de maneira u
nica a um operador P+ : V + V + , satisfazendo
1. P+ (x + y) = P+ (x) + P+ (y)
2. P+ (x) = P+ (x), > 0
3. kP+ (x)k = kxk, x V +
z
), z V + .
Prova Defina P+ : V + V + como sendo P+ (z) = kzkP ( kzk
Claramente P+ e uma extensao de P . Sejam x, y V + , > 0. Temos

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

Alem disso, tal e i sao u

nicos. Dizemos que (, {i }ki=1 ) e o par de
Markov associado a F, e F e o IFS gerado por (, {i }ki=1 ).
Prova 1 2. Defina i := i = pi Fi , i = 1, . . . , k e :=
x B temos
ki (x)k = kpi (x)Fi (x)k = pi (x)
e
k(x)k = 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

Logo, e operador de Markov e os i sao operadores submarkovianos em B.

claro que i = pi Fi e aplicacao afim e pi = ki k e afim, por ser
2 1. E
combinacao de duas aplicacoes lineares.
79


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

Dizemos que uma medida de probabilidade e atrativa se V n (convergencia

fraca ), se n , para toda medida M 1 (X).
Assuma agora que F e um IFS homogeneo e que (, {i }ki=1 ) e o par
de Markov associado. Para enunciar o teorema de ponto fixo com toda
generalidade, tomamos ainda a seguinte definicao.
Definic
ao Sejam (V, V + , e) um espaco de estados com base B, (C, )
uma estutura compacta em (V, V + , e), BC = B C e P : V + V + um
operador submarkoviano. Dizemos que P e (C, )-contnuo se P (C) C e
se P |C for -contnuo. Ainda, dizemos que um par de Markov (P, {Pi }ki=1 ) e
(C, )-contnuo se para cada i = 1, . . . , k, Pi for (C, )-contnuo, ou equivalentemente, se para cada i = 1, . . . , k, Pi (BC ) C e Pi |BC for -contnuo.

80

4.5

Pontos fixos para IFS e matrizes densidade

O que faremos a seguir e enunciar os resultados de pontos fixos para IFS

homogeneos com toda generalidade, segundo [32]. Para as demonstracoes,
faremos as simplificacoes e ajustes necessarios de modo a obter o resultado
no caso particular de IFS quanticos de estados misturados, ou seja, no espaco
MN das matrizes densidade em um espaco de Hilbert HN de dimensao finita.
Inicialmente assuma apenas que F = (B, Fi , pi )i=1,...,k e um IFS qualquer,
P
= ki=1 pi Fi .
Faremos as seguintes definicoes. Denote, para X um espaco metrico qualquer (podemos tomar X = B),
B = {x V + : e(x) = 1}
Xi = {x X : pi (x) 6= 0}
I(x) := {i : x Xi }, x X,
Ik := {1, . . . , k}
Ikn := {1, . . . , k}n
Para = (i1 , . . . , in ) Ikn e = (k1 , . . . , km ) Ikm defina a concatenac
ao
n+m
Ik
como sendo ()j := ij , se j = 1, . . . n e ()j := kjn se j =
n + 1, . . . , n + m. Note que para i Ik , temos que Xi , Fi , pi ja foram
definidos. Seja n N, Ikn , i Ik . Defina
Fi := Fi F

(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)

Portanto, para = (i1 , . . . , in ) Ikn e x X ,

F (x) = Fin (Fin1 (Fin2 ( (Fi1 x))))

(4.11)

e
p (x) = pi1 (x)pi2 (Fi1 x) pin (Fin1 (Fin2 ( (Fi1 x))))

81

(4.12)

Ainda, V e o operador de Markov em M 1 (B) gerado por F,

(V)(A) =

k Z
X
i=1

Fi1 (A)

pi d, A B(X)

e, como antes,
(Uf )(x) =

pi (x)f (Fi (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

Seja P : M 1 (X) M 1 (X) um operador de Markov e seja M 1 (X).

Dizemos que e P -persistente se a sequencia (P n )nN e relativamente
compacta.
Denote por B(X) C(X) o conjunto das funcoes contnuas reais e limitadas em X. Seja P : M 1 (X) M 1 (X) um operador submarkoviano.
Dizemos que P e um operador de Feller se existe U : B(X) B(X) tal
que hU f, i = hf, P i, para todo f B(X) e M 1 (X). Dizemos que U e
o conjugado de P .
Seja M 1 (X). Defina
V () := { M 1 (X) : e ponto de acumulacao de (

n1
X

P i )nN }

i=0

S() := M P (X) Lim(P n )nN ,

onde Lim(n )nN denota o fecho convexo do conjunto dos pontos de acumulacao de (n )nN :
Lim(n )nN := co{ M 1 (X) : e ponto de acumulacao de (n )nN }
Ainda, denotamos SF () o conjunto S() associado ao operador de Markov induzido pelo IFS F.
Observac
ao Seja P : M 1 (X) M 1 (X) operador de Feller, M 1 (X).
Se e P -persistente, entao V () S() M P (X), V () e um subconjunto
compacto nao vazio de M 1 (X), e S() e um subconjunto compacto, convexo
nao vazio de M 1 (X) [32].

Os resultados sobre pontos fixos para IFS homogeneos sao os seguintes.

Denote por x a delta de Dirac em x. O primeiro teorema a seguir estabelece
para IFS homogeneos, uma relacao entre medidas invariantes para o operador
de Markov V e pontos fixos para . O segundo teorema e a relacao entre
pontos fixos para e baricentros de medidas.
Teorema 4.5.4
1. F e homogeneo se, e somente se, p e p F forem lineares para cada Ikn , n N.
Ainda, se F for homogeneo, entao para x B,
P
2. (x) = x se, e somente se, x = i:pi (x)6=0 pi (x)Fi (x)
83

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

pi (x)1B (Fi (x))dx =

i=1

pi dx

pi (x)Fi (x) (B)

(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

entao i (x) = pi (x)Fi (x) = pi (x)x, pela unicidade da decomposicao de .

Logo, 1 implica 2. Suponha que vale o item 2. Assim temos Fi (x) = x, entao
X
X
pi (x)Fi (x) =
pi (x)x = x ,
i:pi (x)6=0

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

Exemplo 4.5.6 (Sobre pontos fixos de QIFS homogeneos)P

Observamos que
o lema 4.5.5 nao implica que todo ponto fixo 0 de = i pi Fi e tal que
Fi (0 ) = 0 para todo i, embora existam diversos exemplos onde isso ocorre.
Com efeito, considere




1
1
1 0
1 0
V1 =
, V2 =
2 0 0
2 0 2
Temos que

0 =

1 a
a 0


(4.14)

e ponto fixo de () = V1 V1 + V2 V2 . No entanto, temos

 1

 1

0
a

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

Teorema 4.5.8 [24] Um estado misturado e -invariante se, e somente

se,
Z
=
d(),
(4.15)
MN

para alguma medida V-invariante , isto e, se, e somente se, for o baricentro de algum M V (MN ):
Z
(
) =
()d(), (MN )
MN

Adaptando as demonstracoes dos teoremas (4.5.4) e (4.5.7), podemos

obter uma prova simples do teorema acima. Precisamos ainda do seguinte
lema:
Lema 4.5.9 Seja P : M 1 (X) M 1 (X) um operador de Feller, M 1 (X),
g B(X). Se e P -persistente entao
1.

n1

1X
hg, P i+j i = min{hg, i : S()}
lim lim inf
n j n
i=0
2.

n1

lim lim sup

1X
hg, P i+j i = max{hg, i : S()}
n i=0

Prova do teorema 4.5.8 Seja MN tal que (

) = . Seja
funcional linear em MN . Entao
Z
Z
Z
X
pi ()(Fi ())d
()dV =
U()d =
MN

MN

MN iI()

Z
 X


pi ()Fi () d =

=
MN

iI()

Z
=

(())d

MN

()d = ((
)) = (
)

MN

Logo, e o baricentro de V. Usando o lema 4.5.9, obtemos que

n1

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

Entropia de estados coerentes

A definicao de entropia dada nesta secao segue [29]. Seja HN um espaco

de Hilbert, o qual representa a cinem
atica do sistema quantico e seja U :
HN HN um operador unitario, o qual representa a din
amica.
Seja um espaco de fase compacto munido de uma medida de probabilidade m. Sejam x1 , x2 , . . . tais que a partir deles podemos obter uma
famlia |x1 i, |x2 i, . . . HN , de modo que
xi 7 |xi i HN
e contnua e

Z
|xi ihxi |dm(xi ) = I,

para todo xi . Assuma ainda que hxi |xi i := N . Defina KU : 2 R,

KU (x, y) :=

1
|hy|U |xi|2
N

Seja A := {E1 , . . . , Ek } uma particao de . Defina

P

CS

Z
dm(x0 )

(i0 , . . . , in1 ) :=
Ei0

dm(xn1 )
Ein1

n1
Y

KU (xj1 , xj ),

j=1

ij = 1, . . . , k, j = 0, . . . , n 1. Defina as entropias parciais por Hn , n N,

Hn :=

k
X

P CS (i0 , . . . , in1 ) log P CS (i0 , . . . , in1 )

i0 ,...,in1 =1

88

Defina a entropia de estados coerentes de U com respeito a A por

1
Hn
n n

H(U, A) := lim (Hn+1 Hn ) = lim

n

Ambas as sequencias acima sao decrescentes. Ainda, o n

umero
H1 =

k
X

m(Ei ) log m(Ei ),

i=1

que nao depende de U e a entropia da partic

ao A, denotada H(A).
Vamos dividir a entropia de estados coerentes com respeito a uma particao
em duas partes. Uma associada a` suposicao de que uma medicao e um
processo aproximado, e outra a` dinamica do sistema. Defina
Hmeas (A) := H(I, A)
Hdyn (U, A) := H(U, A) Hmeas (A) = H(U, A) H(I, A)
Finalmente, defina a entropia de estados coerentes de U por
Hdyn (U ) := sup Hdyn (U, A),
A

onde o supremo e tomado sobre todas as particoes finitas.

5.2

Uma definic
ao de entropia para QIFS

Estamos interessados em uma versao do problema variacional baseada na

entropia definida em [21], [22]. Fazemos as seguintes construcoes basicas.
Seja Up : mb (MN ) mb (MN ),
(Up f )() :=

k
X

pi ()f (Fi ())

i=1

Vamos pensar em todas as escolhas possveis de pi (que determinam o que

chamamos p) que satisfacam Up 1 = 1. Cada p determina um Up . O conjunto
dos p possveis e denotado por P .
Seja (MN , Fi , pi )i=1,...k um QIFS. Um exemplo de operador de Markov
para medidas e o que definimos anteriormente, Vp : M 1 (MN ) M 1 (MN ),
(Vp )(B) =

k Z
X
i=1

89

Fi1 (B)

pi d,

e que chamaremos de operador de Markov induzido pelos pi . Ou seja

consideramos todos os Vp com p P .
Dizemos que e invariante para os Fi se para algum p P vale que
Vp = .
Seja MF o conjunto de todas as medidas invariantes para a escolha fixa
dos Fi . Para tais medidas MF , e baseado em [21], [22], defina
Z
h0 () := inf+
f B

k
X
f Fi
)d
log(
f
i=1

Acima, B+ denota as funcoes boreleanas, limitadas e positivas em MN .

Proposic
ao 5.2.1 Para MF , temos que 0 h0 () log k.
Para provar essa proposicao precisamos do seguinte lema.
Lema 5.2.2 [21] Sejam 1 + e n
umeros ai [1 + , ], i = 1, . . . , k.
Entao existe  1 tal que
k
k
 X
 X
log 
ai
log (ai ).
i=1

i=1

A demonstracao do lema segue fazendo a escolha

 1 log Pk a 
i
 = exp
Pk i=1
k i=1 log ai
Lema 5.2.3 Se f B+ e MF entao
k Z
X

Z
f Fi d

f d

i=1

Prova Suponha primeiro que f = 1B , onde B e conjunto mensuravel. Temos

k Z
X
i=1

1B Fi d

k Z
X

pi (x)1B (Fi (x))d(x) =

i=1

k Z
X
i=1

Z
= Vp ()(B) = (B) =
90

1B d

Fi1 (B)

pi (x)d(x)

A seguir, assuma que f =

k Z X
l
X
i=1

l
X
j=1

Pl

j=1 bj 1Bj ,

i.e., uma funcao simples. Entao

bj 1Bj Fi d =

j=1

bj

l
X

bj

j=1

k Z
X

k Z
X

1Bj Fi d

i=1

pi (x)1Bj (Fi (x))d =

l
X

i=1

bj Vp ()(Bj )

j=1

l
X

Z
bj (Bj ) =

f d

j=1

Agora, seja f = limn fn limite de uma sequencia de funcoes simples. Note

que supomos f B+ , entao temos que f e limitada, e como e probabilidade
em MN , segue que f e integravel. Pelo teorema da convergencia limitada,
temos
k Z
k Z
k Z
X
X
X
f Fi d =
lim fn Fi d = lim
fn Fi d
i=1

i=1

Z
lim
n

Z
fn d =

i=1

Z
lim fn d =
n

f d


A demonstracao seguinte e adaptada de [21].

Prova da proposic
ao 5.2.1 Vamos restringir a demonstracao ao caso
de um QIFS do tipo (MN , Fi , pi )i=1,...,k , onde Fi () = Vi Vi , onde os Vi
sao aplicacoes lineares invertveis, como visto em [24]. Em particular, Fi e
invertvel.
R
P
Primeiro, note que se f 1, temos log( ki=1 1)d = log k, logo h0 ()
log k.
R
P
i
)d e suponha, sem perda de generalidade, que
Seja I = log ( ki=1 f F
f
1 + f (note que essa integral e invariante pela transformacao
projetiva f f ). Entao
Z
I=

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

pela compacidade de MN . Com tal escolha, obtemos, pelo lema 5.2.2,

log (0

k
X

f Fi )

i=1

k
X

log (0 f Fi )

(5.2)

i=1

Aplique (5.2) em (5.1), entao

I

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

onde e o baricentro de . Entao, queremos obter

MF tal que

= sup F0 ()
MF

5.3

F
ormula integral para entropia de IFS

Seja (X, d) um espaco metrico completo separavel. Seja (V, V + , e) um espaco

de estados completo, B = {x V + : e(x) = 1} e F = (X, Fi , pi )i=1,...,k o IFS
homogeneo gerado pelo par de Markov (, {i }ki=1 ).
Defina : R+ R por

(x) =

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

Seja n N. Defina a entropia parcial Hn : X R+ por

X
Hn (x) :=
(p (x)),
Ikn

para n 1 e H0 (x) := 0, x X. Defina, para x X,

1
H(x) := lim sup Hn (x),
n n
a entropia superior em x, e
H(x) := lim inf
n

1
Hn (x),
n

a entropia inferior em x. Se tais limites coincidem, chamamos o valor

comum de entropia em x, denotado por H(x).
Seja M F (X). A entropia parcial da medida e definida por
X
Hn () :=
(hp , i),
Ikn

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

O seguinte resultado nos fornece uma formula integral para a entropia,

bem como uma relacao entre as entropias que definimos acima. Lembramos
que S() := M P (X) Lim(V n )nN , onde Lim(V n )nN e o fecho convexo
do conjunto dos pontos de acumulacao de (V n )nN , e SF () e o conjunto
S() associado ao operador de Markov induzido pela IFS F.
93

Teorema 5.3.2 [32] (Formula integral para entropia de IFS homogeneos,

caso compacto). Seja (C, ) uma estrutura compacta metrizavel em (V, V + , e)
tal que (, {i }ki=1 ) e (C, )-contnua. Assuma que 0 BC := B C e tal
que (0 ) = 0 . Entao
Z
hd
H(0 ) = H() =
X

para cada SFC (0 ), onde FC e a PIFS F restrita a (BC , ).

O resultado analogo para IFS hiperbolicos e o seguinte.
Teorema 5.3.3 [32] Seja F = (X, Fi , pi )i=1,...,k um IFS hiperbolico, x X,
M 1 (X) uma medida invariante e atrativa para F. Entao
H(x) = lim (Hn+1 (x) Hn (x))
n

Z
H(x) = H() =

hd.
X

5.4

Alguns lemas para IFS

Queremos entender a estrutura do operador Lb : MN MN ,

b :=
L()

k
X

pi F i =

i=1

k
X

tr(Wi Wi )

i=1

Vi Vi
,
tr(Vi Vi )

com Vi , Wi lineares invertveis, i Wi Wi = I. Tal operador esta associado

de maneira natural a um IFS que nao e homogeneo. Entretanto, algumas das
propriedades enunciadas anteriormente para IFS homogeneos tambem valem
para o caso nao homogeneo e nesta secao explicitamos algumas dessas propriedades, enunciando e provando certos resultados elementares e relevantes
para nosso estudo.
P

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

pi (x)Fi (x)) = (L(x))


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.

1. Seja 0 X tal que Fi (0 ) = 0 , i = 1, . . . , k. Entao V0 = 0 .

2. Seja 0 X tal que V0 = 0 , entao L(0 ) = 0 .
Prova 1. Temos
V0 (B) =

k Z
X
i=1

k
X

Fi1 (B)

pi d0 =

k Z
X

pi ()1B (Fi ())d0

i=1

pi (0 )1B (Fi (0 )) =

i=1

k
X

pi (0 )1B (0 ) = 0 (B)

i=1

2. Seja funcional linear. Entao

Z
(L(0 )) = U((0 )) =

Z
U(())d0 =

()dV0

Z
=

()d0 = (0 )


Lema 5.4.4 Seja {X, Fi , pi }i=1,...,k um IFS homogeneo, =

p i Fi .

1. Seja o baricentro de uma probabilidade . Entao ( ) e baricentro

de V, onde V e o operador de Markov associado.
95

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

2. Pelo lema 5.4.1, temos

Z
(L( )) = U ( ) =

Z
U d =

Z
dV =

d = ( ),

onde o fato de que U e linear segue da homogeneidade de F.


Exemplo 5.4.5 Sejam k = N = 2,

V1 =

1 0
0 1


, V2 =

322

342

!
,

W1 = (1/2)I, W2 = ( 3/2)I. Entao

L() =

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

Fazemos a seguir alguns calculos baseados no exemplo 2.6.8. Seja U matriz

unitaria de ordem mn agindo em Hm Hn . Sua decomposicao de Schmidt e
U=

K
X

qi ViA ViB , K = min{m2 , n2 }

i=1

certos espacos de Hilbert Hm e Hn , resOs operadores ViA e ViB agem em P

pectivamente. Temos tambem que K
i=1 qi = 1.
Seja = A B
=

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

Pelo teorema 4.5.4, 0 e o baricentro de V n 0 , n N. Pelo teorema 5.3.2,

podemos calcular a entropia de tal IFS. Nesse caso, temos
Z
H(0 ) = H() =
hd,
(5.3)
MN
P

onde M (X) Lim(V 0 )nN .

Seja F = (MN , Fi , pi )i=1,...,k um IFS qualquer, =

conjugado de V. Pela proposicao 4.5.1,
X
(U n h)() =
p ()h(F ())

pi Fi . Seja U o

Ikn ()

e como h() =
quer,

Pk

j=1

(pj ()), temos, para = (i1 , . . . , in ), 0 MN qualZ

Z
n
hdV 0 =
U n hd0
(5.4)
MN

Z
=

MN

p ()

MN I n ()
k

X
Ikn (0 )

p (0 )

k
X

pj (F ()) log pj (F ())d0

(5.5)

pj (F (0 )) log pj (F (0 ))

(5.6)

j=1
k
X
j=1

pi1 (0 )pi2 (Fi1 0 ) pin (Fin1 (Fin2 ( (Fi1 0 ))))

(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

Agora considere IFS homogeneos e hiperbolicos. Temos o seguinte lema:

Lema 5.5.1 Seja F um IFS homogeneo e hiperbolico, V o operador de Markov associado e a u
nica medida invariante e atrativa associada a V. Entao
para todo n 1, e para todo MN ,
Z
Z
n
n
hdV = (U h)() e
hdV n h(n ())
MN

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

Formulando uma express

ao de entropia

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

Note que pela

P construcao feita na secao 5.5, temos hV (W ) = Uh(W ),
onde Uh() = i pi ()h(Fi ()).
Observac
ao O lema 5.5.1 mostra como os calculos (5.4)-(5.8), usados
para definir hV (W ), sao usados para se obter, sob certas condicoes, uma
formula integral para entropia. Ainda, os teoremas 5.3.2 e 5.3.3 fornecem
outras condicoes sob as quais temos uma formula integral.

Temos o seguinte lema, cuja prova e simples.

Lema 5.6.1 Seja F = (MN , Fi , pi ) um QIFS, com Fi , pi da forma (5.10)
e (5.11). Suponha que existe 0 MN tal que 0 e a u
nica medida Vb
invariante. Entao LF (0 ) = 0 (eq. (5.13)) e
Z
U n hd0 = U n h(0 ) = h(0 ),
100

para todo n N. Alem disso, U n h(0 ) = Uh(0 ) e portanto

hV (W ) = U n h(0 ),
para todo n N.
Prova O fato de que L(0 ) = 0 segue do lema 5.4.3, item 2. Ainda,
Z
Z
Z
n
n
n
U h(0 ) = U hd0 = hdV 0 = hd0 = h(0 )
e
Z

U h(0 ) =

U hd0 =

hdV 0 =

Z
hdV0 =

Uhd0 = Uh(0 )


Lema 5.6.2 Se e medida V-invariante e atrativa entao se e o baricentro

de temos, para qualquer ,
Z
Z
n
lim U h() = Uhd = hd h( )
(5.15)
n

Prova A desigualdade segue de [32], proposicao 1.15. Ainda, pela proposicao

4.4.1 temos
Z
Z
Z
n
n
n1
lim U h() = lim
U hd = lim
UhdV = Uhd,
n

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

Prova A prova segue por inducao. Seja n = 1. Temos:

X
X
Uh() =
pi ()h(Fi ()) = h()
pi () = h()
i

E note que U n h() = U(U n1 h)(), o que conclui a prova.


Exemplo 5.6.4 Podemos considerar a entropia de um QIFS com Vi complexos. Por exemplo, se k = 2, W1 = W2 = 12 I, V1 = I,

V2 =

i 0
0 i

Entao um calculo simples mostra que hV (W ) = log 2.

5.7

Entropia e cadeias de Markov

Seja MN o espaco dos operadores

P densidade. Sejam Vi , Wi operadores lineares, invertveis, i = 1, . . . , k, ki=1 Wi Wi = I. Vamos supor que os Vi estao
fixados e determinam uma dinamica dada por operadores por Fi : MN
MN , i = 1, . . . , k. Defina
+

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

MF := { M 1 (MN ) : p P 0 tal que Vp = },

onde Vp : M 1 (MN ) M 1 (MN ),
Vp ()(B) :=

k Z
X
i=1

Fi1 (B)

pi d

Note que uma famlia W := {Wi }i=1,...,k determina um QIFS FW ,

FW = {MN , Fi , pi }i=1,...,k
102

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

e a funcao h (entropia de Shannon-Boltzmann) e 0. Isso prova o lema.

Uma outra prova elementar e a que segue. Como W e positivo, temos
hWi W Wi v, vi = hW Wi v, Wi vi 0, v HN . Logo, para {vl }l=1,...N base
ortonormal de HN ,
tr(Wi W Wi )

N
X

hWi W Wi vl , vl i > 0

l=1

Analogamente a expressao acima vale para os Vi W Vi , e portanto tambem

para os Wj Vi W Vi Wj , pois
hWj Vi W Vi Wj v, vi = hVi W Vi Wj v, Wj vi 0
Para concluir que hV (W ) 0, resta mostrar que tr(Wj Vi W Vi Wj ) tr(Vi W Vi )
P
(note o sinal negativo na expressao de hV (W )). De ki=1 Wi Wi = I, temos
tr(Wj Vi W Vi Wj )

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

Agora, mostremos que hV (W ) log k. Note que a expressao

hV (W ) :=

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

tem como maximo o valor log k, que ocorre quando

 Wj Vi W V W  1
i
j
tr
=
tr(Vi W Vi )
k
Logo,
hV (W )

k
X

tr(Wi W Wi ) log k = log k

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

V (W ) = 0. E temos que hV (W ) atinge

i Wi Wi = I. Neste caso, temos h
o maximo se escolhermos Wi = 1/ kI, para cada i, onde I e o operador
identidade.

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

i pji log pji

(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

Exemplo 5.7.2 (Caso homogeneo, 4 matrizes). Vamos fazer alguns calculos,

tendo em mente a descricao feita na secao 3.2. Seja N = 2, k = 4 e





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

e coluna estocastica. Temos





p00 1 0
p01 4 0

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

Seja = (1 , 2 ) tal que P = . Sabemos que

=(

p01
1 p00
,
)
1 p00 + p01 1 p00 + p01

(5.18)

Entao as entradas nao nulas de V sao as entradas de e assim associamos

o ponto fixo de P ao ponto fixo de um certo L de maneira natural.
105

Vamos calcular hV (W ). Note que L definido acima esta associado a um

IFS homogeneo. Entao Wi = Vi , i = 1, . . . , k e
hV (W ) = hV (V )
k
k

 tr(Wj Vi V V W ) 
X
tr(Wi V Wi ) X 
j
i

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)

Um calculo elementar mostra que, neste caso,

H(P ) = hV (V )

(5.20)

onde H(P ) e a entropia da matriz estocastica, definida por (5.17). Isso

mostra que a entropia de cadeias de Markov e um caso particular da entropia
para QIFS que definimos anteriormente.
Exemplo 5.7.3 (Caso nao homogeneo, 4 matrizes). Podemos refazer o
exemplo anterior, considerando Vi 6= Wi . Mais precisamente, seja N = 2,
k=4e





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

sao coluna estocastica. Entao

tr(V1 V1 ) = p00 1 , tr(V2 V2 ) = p01 4
106

tr(V3 V3 ) = p10 1 , tr(V4 V4 ) = p11 4

tr(W1 W1 ) = q00 1 , tr(W2 W2 ) = q01 4
tr(W3 W3 ) = q10 1 , tr(W4 W4 ) = q11 4
P
Queremos o ponto fixo de L() = i tr(Wi Wi )Vi Vi /tr(Vi Vi ). Isso
nos leva a
q00
p00

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.
=

Exemplo 5.7.4 (Caso homogeneo, 2 matrizes). Vamos calcular o exemplo

acima dividindo a matriz estocastica em duas. Seja N = 2, k = 2 e





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

e coluna estocastica. Alguns calculos sao semelhantes aos vistos para as

equacoes (3.47), (3.48), (3.49), (3.50), secao 3.2. Vamos calcular a entropia
do IFS homogeneo associado. O ponto fixo para L e


p00 p10 p01
p01
11 p10
+ pp0101p+p
p01 +p10
p01 +p10
10
V =
p00 p10 p01
p10
11 p10
+ pp0101p+p
p01 +p10
p
+p
10
01
10
As entradas da diagonal principal de V correspondem as entradas do ponto
fixo da matriz estocastica P . As outras entradas sao uma certa combinacao
linear das principais, fato ja discutido na secao 3.2. Entao para tais Vi temos
que hV (W ) se reduz a
hV (W ) = hV (V ) =


 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

Como nos exemplos anteriores, teremos

V
V
=
i
i
i
i Wi Wi = I ao
supor que




p00 p01
q00 q01
P :=
, Q :=
p10 p11
q10 q11
sao coluna estocastica. De
tr(V1 V1 ) = 1 , tr(V2 V2 ) = 4
tr(W1 W1 ) = 1 , tr(W2 W2 ) = 4
108

tr(W1 V1 V1 W1 ) = p00 1 , tr(W2 V1 V1 W2 ) = p10 1

tr(W1 V2 V2 W1 ) = p01 4 , tr(W2 V2 V2 W2 ) = p11 4
e um calculo simples, obtemos que, de fato, hV (W ) = H(P ). Isso conclui o
exemplo.

Lema 5.7.6 Sejam Vij matrizes de ordem n da forma

Vij = pij |iihj|

i.e., com uma entrada nao nula apenas, i, j = 1, . . . , n. Seja
X
P () :=
Vij Vij
i,j

onde P = (pij )i,j=1,...,n . Entao para todo n, nP () = P n ().

Prova Note que
Vkl Vij =

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

pki pij |kihj||jihk| =

p2kj |kihj||jihk| = P 2 ()

k,j

O caso geral segue iterando o calculo acima.


Corol
ario 5.7.7 Nas condicoes do lema, temos que limn nP () = (),
onde = limn P n e a matriz estocastica cujas colunas sao todas iguais ao
vetor estacionario de P .

5.8

Sobre entropias e medidas de Markov

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
}

e denote por (C) a -algebra gerada pelos cilindros em .

109

Seja (P, ) uma cadeia

P de Markov, de modo que P = (pij ) e uma matriz de
ordem n, com pij 0, j pij = 1 (linha-estocastica), e = (1 , .P
. . , n ) e o
autovetor a` esquerda com autovalor 1. Portanto P = , ou seja, i i pij =
j .
Associada a` matriz P temos a seguinte medida.
Definic
ao A medida de Markov (associada `a cadeia (P, )) de um
cilindro e definida por
(C ) := i1 pi1 i2 pi2 i3 pir1 ir

(5.24)

Estamos interessados na seguinte analise. Queremos comparar a entropia

h0 vista na secao 5.2,
Z
h0 () := inf+
f B

k
X
f Fi
)d
log(
f
i=1

(5.25)

com a entropia hV (W ) para QIFS, definida na secao 5.6,

hV (W ) :=

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

aij 1ij (x)

(5.27)

i,j=1

onde aij R+ . Ou seja,

P f e uma funcao simples, constante nos cilindros ij.
Desta forma, log f = i,j log aij 1ij .
110

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

log (aij )1ij d =

I2N i,j=1

2
X

log (aij )(ij) =

i,j=1

2
X

i pij log aij

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

aij pji 1ji (w)

i,j=1

Defina
u(w) :=

2
X

aij 1ji (w)

i,j=1

e
g(w) :=

2
X

pji 1ji (w)

i,j=1

Temos
2
X

Z
log f d =

I2N i,j=1

I2N

2
X

log (aij pji )(ji)

i,j=1
2
X

j pji log(aij pji ) =

i,j=1

2
X

log (aij pji )1ji d =

j pji log(aij ) +

i,j=1

2
X

j pji log(pji )

(5.34)

i,j=1

Se w = (i, j, . . .), entao f Fl (w) = ali pil e portanto

X
X
ali pil
f Fl =
l

Escrevemos
Lg (u)(w) =

f Fl (w) =

XX
l

aij pji 1ij (Fl (w))

(5.35)

i,j

Temos tambem o seguinte.

Lema 5.8.1

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 1ij (Fl (w))d

log(aij )pji

i,j

log(aij )pji

i,j

XZ

1ij (Fl (w))d

(lj) =

log(aij )pji (1 p1j + 2 p2j ) =

i,j

log(aij )j pji

i,j

(5.38)
Logo,
Z

Z
Lg (log u)d =

log ud

(5.39)


Desta forma temos, usando (5.34), (5.36) e (5.37),

Z

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

log (Lg (u)) d log u d + H(P )

Z
log (Lg (u)) d Lg (log u) d + H(P )

Queremos mostrar que

Z
Z
log (Lg (u)) d Lg (log u) d 0

(5.40)
(5.41)

(5.42)

Isto segue imediatamente se mostrarmos que para w = (i, j, . . .),

log (Lg (u)) (w) Lg (log u) (w)

(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

Tal desigualdade e verdadeira, pois os pil sao n

umeros positivos com
1, para qualquer i, e a funcao log e concava.

113

pil =

Portanto, conclumos de (5.41) e (5.42) que

Z

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

Seja MF o conjunto das medidas

invariantes definido na secao 5.7. Dadas
P

aplicacoes lineares Wi , com i Wi Wi = I, estas determinam aplicacoes pi e

uma medida de probabilidade que por sua vez determina o baricentro .
Para MF seja W = MN o seu baricentro. Defina
F := hV (W )

1
tr(HW ),
T

(6.1)

onde hV (W ) e definido na secao 5.7, e H e um operador hermitiano. Assim,

temos o seguinte problema: encontrar tal que
F = sup F

(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

aplicacoes lineares Wi , com i Wi Wi = I, estas determinam aplicacoes pi

e uma medida de probabilidade que por sua vez determina o baricentro
. Para se poder descrever o problema de pressao usando multiplicadores
de Lagrange, e necessario escrever as coordenadas de em funcao dos Wi .
Dadas certas hipoteses (lema 5.4.6), vale que e o u
nico ponto fixo do
operador L associado ao IFS (MN , Fi , pi ). Ou seja, as coordenadas de
serao as coordenadas do ponto fixo de L, e estas podem ser escritas em funcao
dos Wi como veremos posteriormente.
115


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)

Considere o caso N = k = 2. Sejam







1 2
x1 x2
y1 y2
=
, V1 =
, V2 =
2 4
x3 x4
y3 y4
1 :=
Observac
ao Ao inves de considerar W1 e W2 nos calculos, defina W

e W2 := W2 W2 . Apos resolver o sistema associado aos multiplicadores

1 e W
2 , podemos calcular a raiz quadrada para recuperar
de Lagrange para W
W1 e W2 . Sendo assim, defina




u
u
z
z
1
2
1
2
1 =
2 =
W
, W
u3 u4
z3 z4
W1 W1

e queremos obter tal que

2 )
1 )
tr(W
tr(W

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


x21 1 + 2x1 x2 2 + x22 4

x1 x3 1 + (x2 x3 + x1 x4 )2 + x2 x4 4
=
x1 x3 1 + (x2 x3 + x1 x4 )2 + x2 x4 4
x23 1 + 2x3 x4 2 + x24 4


y1 y3 1 + (y2 y3 + y1 y4 )2 + y2 y4 4
y12 1 + 2y1 y2 2 + y22 4

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

Queremos obter expressoes para que dependem de Wi e Vi apenas.

Note que o traco e linear, e como os Wi , Vi sao lineares, as aplicacoes
7 tr(Vi Vi )
7 tr(Wi Wi )
7 tr(Wj Vi Vi Wj )
sao funcionais lineares. RAinda, para qualquer funcional linear temos, por
definicao, que ( ) = MN ()d e entao
Z

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
=

pj (Vi Vi )d() (6.13)

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

Wi Wi = I fornece os seguintes vnculos:

G1 (W1 , W2 ) := u21 + u23 + z12 + z32 1
G2 (W1 , W2 ) := u22 + u24 + z22 + z42 1

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.

Exemplo 6.1.1 Vamos fazer os calculos do multiplicador de Lagrange no

caso particular em que






a 0
0 0
h1 h2
V1 =
, V2 =
, H=
0 0
0 b
h2 h4
1 = W1 W1 ,
Como feito nas consideracoes gerais acima, escreveremos W

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

Pela observacao no incio desta secao, precisamos obtemos expressoes

para os pontos fixos de L. A solucao de L() = neste exemplo e 2 = 0 e
1 =

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
(

u4 log(u4 ) log(1 u4 ) + log(1 u4 )u4 ) i

(u4 u1 + 1)2

(6.21)

(u1 1)(u1 log(u1 ) + log(1 u1 ) log(1 u1 )u1 2 log(1 u4 )

hV (W ) =
u4
(u4 u1 + 1)2
log(u4 )u1 + log(u4 ) + log(1 u4 )u1 )
(u4 u1 + 1)2

(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

Vamos calcular = 0. Temos, por (6.17), que

ui tr(H) = h1 ui 1 + h4 ui 4 = (h1 h4 )ui 1
122

(6.26)

zi tr(H) = h1 zi 1 + h4 zi 4 = (h1 h4 )zi 1 ,

(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)

Substituimos nessas equacoes as expressoes de entropia obtidas em (6.21)

e (6.22). Entao alguns calculos nos permitem obter a solucao de (6.33) e
(6.34), que e
!
!
eh1 /T
eh4 /T
0
0
eh1 /T +eh4 /T
eh1 /T +eh4 /T
1 =
2 =
W
, W
eh1 /T
eh4 /T
0
0
eh1 /T +eh4 /T
eh1 /T +eh4 /T
(6.35)
i = W Wi , i = 1, 2, obtemos
e portanto, de W
i
q

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

Revisamos aqui o exemplo 6.1.1, indicando os calculos referentes a pontos

fixos, autovalores e pressao associados. Naquele exemplo, temos:






a 0
0 0
h1 h2
V1 =
, V2 =
, H=
0 0
0 b
h2 h4




u1 u2
1 u1 u2

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)

e maximal e dada por

1 =
W

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)

Logo, para o operador L associado aos Wi maximais, temos

m =

a2 eh1 /T
eh1 /T + eh4 /T

ou m =

b2 eh4 /T
eh1 /T + eh4 /T

(6.47)

A pressao maximal naquele exemplo e

F = hV (W )
 T eh1 /T log
=

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)

Alguns calculos a partir da pressao obtida acima nos leva ao seguinte:

Lema 6.2.1 Temos que
F = log xH ,

(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.

Exemplo 6.2.2 Seja H um potencial fixo. Defina

a := eh1 /2T (eh1 /T + eh4 /T )

(6.51)

e seja b qualquer tal que = a2 u1 b2 (1 u1 ), onde u1 e tal como obtido

1,
na solucao para W
eh1 /T
(6.52)
u1 = h1 /T
e
+ eh4 /T
125

Considere o QIFS com dinamicas V1 e V2 como o do exemplo 6.1.1 e

entradas a e b como definido acima. Entao
eh1 /T
eh1 /T
h1 /T h1 /T
h4 /T 2
=
e
(e
+
e
)
= xH
eh1 /T + eh4 /T
eh1 /T + eh4 /T
(6.53)
e portanto F = log .

= a2

6.3

Func
ao capacidade com custo

Vimos anteriormente que toda aplicacao completamente positiva (CP) que

preserva o traco pode ser representado (de forma nao u
nica) na forma de
Stinespring-Kraus,
() =

k
X

Vi Vi ,

i=1

k
X

Vi Vi = I,

i=1

para Vi operadores lineares. Aplicacoes CP que preservam o traco tambem

sao chamadas canais qu
anticos.
Definic
ao A capacidade de Holevo para enviar informacao classica
via um canal quantico e definido por
C () := max S
pi [0,1]

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

Conjectura da aditividade Temos que

C1 2 = C1 + C2 ,
126

Conjectura da entropia mnima de sada Para quaisquer canais 1

e 2 ,
H min (1 2 ) = H min (1 ) + H min (2 )
Em [28], e mostrado que a conjectura da aditividade e equivalente a`
conjectura da entropia mnima de sada, e em [18] obtemos um contraexemplo
para esta u
ltima conjectura.

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)

A descricao a seguir e adaptada de [23]. Existe uma relacao entre a

funcao capacidade-custo e o problema variacional de pressao. Com efeito,
seja F : R+ R+ a funcao dada por
F () := sup {hW,V ( ) tr(H )}

(6.56)

MF

Temos os seguintes fatos: existe uma u

nica probabilidade 0 MF tal que
F () = hW,V (0 ) tr(H0 )
E o seguinte lema:
Lema 6.3.1 Seja 0, seja a
= tr(H0 ). Entao
C(
a) = hW,V (0 )

(6.57)

Prova Seja MF , 6= 0 , com tr(H ) a

= tr(H0 ). Entao
hW,V ( ) tr(H ) < hW,V (0 ) tr(H0 )
e portanto,
hW,V ( ) < hW,V (0 )
Logo,
hW,V (0 ) = sup {hW,V ( ) : tr(H ) a
} = C(
a)
MF


127

6.4

Potenciais e operadores de transfer

encia

O problema variacional de pressao conforme visto em [27], por exemplo,

relaciona o valor da pressao maximal com o maior autovalor do operador de
transferencia associado em um espaco de smbolos. Mais precisamente, se X
e um espaco de smbolos, C(X) sao as funcoes contnuas nesse espaco e dado
um potencial H, definimos LH : C(X) C(X)
X
LH (w)(x) =
eH(y) w(y)
(6.58)
(y)=x

onde e o shift em X (ver introducao deste trabalho). Seguindo [27], se

Z
P (H) := sup{h () + Hd},
(6.59)

onde h () e a entropia do shift e o supremo e tomado sobre todas as medidas

-invariantes, temos que
P (H) = log ,
(6.60)
onde e o maior autovalor de LH .
Dizemos que H esta normalizado se LH (1) = 1. Poderia se dizer de
outra forma que LH esta normalizado. Neste caso o operador dual LH leva
probabilidades em probabilidades.
A generalizacao do conceito de probabilidade (Mecanica Estatstica) em
Mecanica Quantica e a matriz densidade. Uma matriz diagonal em que
p1 0 e p2 0, sao os termos diagonais, e ainda p1 + p2 = 1 corresponde a
uma probabilidade. Mas um operador positivo de traco 1 pode ser bem mais
geral.
Desta forma, podemos identificar de certa forma heurstica o operador U
com LH e o operador de Markov V com LH .
Uma ideia basica considerada neste trabalho e a de que no contexto de
sistemas quanticos, se ao inves de considerarmos o operador de transferencia,
considerarmos operadores do tipo LW,V : MN MN ,
LW,V () =

k
X

tr(Wi Wi )Vi Vi ,

(6.61)

i=1

entao e possvel obter certos resultados analogos aos de termodinamica classica.

O operador LW,V esta relacionado com os canais quanticos vistos nas secoes
2.6 e 6.3.
O operador LW,V nao parece ser analogo a LH , pois age em matrizes,
mas tem uma natureza distinta de V. Ele nao tem um analogo em Mecanica
128

Estatstica. Poderia se pensar que de certa forma que ele e o analogo de V

mas agindo em baricentros.
P
Podemos fazer a suposicao que ki=1 Vi Vi = I e que os Vi estao fixos.
Assim, fixamos um IFS classico.
Vamos pensar que os WiP
podem ser variados (nao como os Vi , que estao
fixos). Se supusermos que ki=1 Wi Wi = I, entao diremos que LW,V esta
normalizado. Neste caso LW,V leva matrizes positivas de traco 1 em matrizes
positivas de traco 1. Tal caso foi explorado em [15] [16].
Pensamos, de maneira analoga a Mecanica Estatstica, que os Wi determinam o jacobiano de uma medida invariante para o P
QIFS.
Aqui vamos considerar o caso mais geral em que ki=1 Wi Wi nao e necessariamente igual a identidade. Como vimos antes, neste caso, LW,V pode
nao ter ponto fixos, mas existem e tal que LW,V () = .
Desejamos analisar o problema analogo ao formalismo termodinamico da
Mecanica Estatstica na Mecanica Quantica. Para isto necessitamos fixar a
dinamica da IFS definido pelos Vi e buscar medidas sobre matrizes densidades
(em vez de medidas) que tenham carater estacionario. Desejamos buscar uma
definicao de entropia que seja para sistemas estacionarios. Isto significa
duas coisas: uma medida sobre matrizes densidades que seja fixa por V e
ainda o estado que e o seu baricentro. Isto deveria permitir definir uma
entropia estacionaria. O teste para saber se tal entropia e estacionaria e que
sua definicao independa do n da iteracao.

6.5

Princpio variacional de press

ao

Sejam Vi , Wi , operadores lineares, i = 1, . . . , k, com

H :=

k
X

Wi Wi = I e seja

Hi Hi

(6.62)

i=1

uma operador autoadjunto. Estamos interessados em obter uma versao do

princpio variacional de pressao para o nosso contexto. Veremos que a pressao
atingira o maximo quando houver uma certa relacao entre o potencial H e a
distribuicao de probabilidade considerada (representada aqui pelos Wi ).
O lema seguinte sera fundamental para a construcao que segue.
Lema 6.5.1 Se r1 , . . . , rk e q1 , . . . , qk sao duas distribuicoes de probabilidade
em 1, . . . , k tais que rj > 0, j = 1, . . . , k, entao

k
X
j=1

qj log qj +

k
X
j=1

129

qj log rj 0

e a igualdade vale se, e somente se, rj = qj , j = 1, . . . , k.

Prova ver [27].

O potencial (6.62) em conjunto com os Vi induz um operador dado por
LH () :=

k
X

tr(Hi Hi )Vi Vi

(6.63)

i=1

Sabemos que tal operador admite um autovalor e um autoestado associado

. Entao LH ( ) = implica
k
X

tr(Hi Hi )Vi Vi =

(6.64)

i=1

Em coordenadas, (6.64) pode ser escrito como

k
X

tr(Hi Hi )(Vi Vi )jl = ( )jl

(6.65)

i=1

onde a notacao (B)jl significa a coordenada (j, l) da matriz associada ao

operador B, j,l = 1, . . . k.
Observac
ao Fazendo uma comparacao com o problema analogo para
cadeias de Markov, a equacao (6.64) pode ser vista como o analogo da expressao
leA = l
(6.66)
que teramos para o problema classico para matrizes. Ali, a matriz A, com
entradas aij faz o papel do potencial, eA e a matriz com coordenadas eaij e
lj denota a j-esima entrada do autovetor `a esquerda l associado ao autovalor
. Em coordenadas,
X
li eaij = lj , i, j = 1, . . . , k
(6.67)
i

De (6.64) obtemos
k
X
1
tr(Hi Hi )tr(Vi Vi ) = 1

i=1

130

(6.68)

o que e apenas a expressao explcita para que calculamos no teorema de

autovalores,
k
X
=
tr(Hi Hi )tr(Vi Vi )
(6.69)
i=1

Com isso em mente, defina

rjlm

(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

e vale a igualdade se, e somente se, para todo i, j, l, m,

tr(Wj Vi W Vi Wj )
1
tr(Hj Hj )(Vj Vj )lm =
( )lm
tr(Vi W Vi )

(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)

Multiplicando por tr(Wi W Wi ) e somando em i obtemos


X
(Vj Vj )lm  X tr(Wi W Wi )
hV (W )+
log tr(Hj Hj )
tr(Wj Vi W Vi Wj )

(
)
tr(V

V
)

lm
i
W
i
j
i

tr(Wi W Wi ) log = log

(6.75)

e vale a igualdade se, e somente se, para todo i, j, l, m,

(Vj Vj )lm
tr(Wj Vi W Vi Wj )
1

tr(Hj Hj )
=

( )lm
tr(Vi W Vi )

(6.76)

Vamos reescrever a desigualdade (6.75). Primeiro, usamos o fato de que

W e ponto fixo de LbW,V ,
k
X
i=1

tr(Wi W Wi )

Vi W Vi
= W
tr(Vi W Vi )

132

(6.77)

Agora, compomos ambos os lados da igualdade acima com o operador

k
X


(Vj Vj )lm 
log tr(Hj Hj )
Wj Wj
( )lm
j=1

(6.78)

(i.e., multiplicamos `a direita) e entao obtemos

k
X

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)

Rearranjando termos, obtemos

k
X

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)

Tomando o traco em ambos os lados, obtemos

k
X

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

tr(Wj W Wj ) log tr(Hj Hj )

j=1

133

(6.82)

k
X

tr(Wj W Wj ) log

 (Vj V )lm 

j=1

( )lm

log

(6.83)

e vale a igualdade se, e somente se, para todo i, j, l, m,

(Vj Vj )lm
tr(Wj Vi W Vi Wj )
1
tr(Hj Hj )
=

( )lm
tr(Vi W Vi )

(6.84)

Exemplo 6.5.2 Suponha que o potencial considerado acima e tal que Hi =

H, i = 1, . . . , k para um certo H. Entao de (6.83) temos

hV (W ) + log tr(H H ) +

k
X

tr(Wj W Wj ) log

j=1

(Vj Vj )lm
log (6.85)
( )lm

e vale a igualdade se, e somente se, para todo i, j, l, m,

(Vj Vj )lm
tr(Wj Vi W Vi Wj )
1
tr(H H )
=

( )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

tr(Wj W Wj ) log tr(Hj Hj )

j=1

k
X

tr(Wj W Wj ) log tr(Vj Vj ) log

(6.88)

j=1

e vale a igualdade se, e somente se, para todo i, j,

tr(Wj Vi W Vi Wj )
1
tr(Hj Hj )tr(Vj Vj ) =

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.

Exemplo 6.5.4 Suponha que a dinamica e trivial, ou seja, Vi = I, i =

1, . . . , k. Entao (6.82) se torna
hI (W ) +

k
X

tr(Wj W Wj ) log tr(Hj Hj ) log ,

(6.90)

j=1

onde
hI (W ) =

tr(Wj W Wj ) log tr(Wj W Wj )

(6.91)

e por (6.84), vale a igualdade se, e somente se, para todo j,

tr(Hj Hj ) = tr(Wj W Wj )

(6.92)

Exemplo 6.5.5 Suponha que a dinamica e trivial, Vi = I, i = 1, . . . , k, e

suponha que o potencial e tal que Hi = H, i = 1, . . . , k para um certo H.
Entao pelo exemplo 6.5.4,
hI (W ) + log tr(H H ) log

(6.93)

e vale a igualdade se, e somente se, para todo j,

tr(H H ) = tr(Wj W Wj )

(6.94)

Agora vamos analisar as equacoes dadas por (6.65). Para simplificar,

consideramos k = 2 e escreveremos


11 12
= =
12 22
Entao (6.65) pode ser escrito como
tr(H1 H1 )(V1 V1 )jl + tr(H2 H2 )(V2 V2 )jl = jl

135

(6.95)

para j, l = 1, 2. Isso nos fornece 3 equacoes (lembre que e autoadjunto).

Seja hijl a coordenada (j, l) de Hi , i = 1, 2. Entao
tr(Hi Hi ) = ((hi11 )2 + (hi12 )2 )11 + 2(hi11 hi12 + hi12 hi22 )12 + ((hi12 )2 + (hi22 )2 )22
Ainda, se

V1 =

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

Portanto as equacoes (6.65) podem ser escritas como

2
2
tr(H1 H1 )(v11
11 + 2v11 v12 12 + v12
22 )
2
2
+tr(H2 H2 )(w11
11 + 2w11 w12 12 + w12
22 ) = 11

(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

Gostaramos de obter condicoes tais que seja possvel obter um autoestado

que seja diagonal e uma matriz A tal que
X
eaij jj = ii , i = 1, 2
(6.99)
j

ou seja, se r = (11 , 22 ), temos

E A r = r

(6.100)

a equacao de autovetor a direita para uma cadeia de Markov classica. Acima

E A denota a matriz cujas entradas sao os n
umeros eaij .
Se existir tal autoestado e a matriz A mencionada acima, obtemos o
seguinte lema.
Lema 6.5.6 Suponha que

= =

11 0
0 22

e o autoestado associado ao autovalor do operador (6.63). Seja r =

(11 , 22 ). Entao eA r = r, onde eA denota a matriz cujas entradas sao
os n
umeros eaij .

Exemplo 6.5.7 Considere o caso particular em que a dinamica de cada

ramo do QIFS e unitaria, ou seja Vi Vi = I, i = 1, . . . , k. Entao temos
que tr(Vi Vi ) = 1 e
k
X

tr(Hi Hi )Vi Vi =

(6.101)

i=1

implica
=

k
X

tr(Hi Hi )

(6.102)

i=1

Entao, como nestas condicoes temos log tr(Vj Vj ) = 0, podemos reescrever

(6.88) como
hV (W ) +

k
X

tr(Wj W Wj ) log tr(Hj Hj ) log

(6.103)

j=1

e vale a igualdade se, e somente se, para todo i, j,

1
tr(Hj Hj ) = tr(Wj Vi W Vi Wj )

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)

e portanto (6.103) e a desigualdade

hV (W ) +

k
X

tr(Wj W Wj ) log tr(Hj Hj ) log

(6.106)

j=1

ou seja,
hV (W ) + log

log
k

(6.107)

o que nos leva a

hV (W ) log k

(6.108)

e vale a igualdade se, e somente se, para todo i, j,

1
= tr(Wj Vi W Vi Wj )
k

(6.109)

Exemplo 6.5.9 Defina









0 0
p1 0
0
p2
0 0

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)

(h3 p3 )21 + (h4 p4 )(1 1 )2 = (1 1 )

(6.112)

E resolver tal sistema mostra que 1 e raiz de

ax3 + bx2 + cx + d = 0

(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)

Seja i , i = 1, 2, 4 as entradas de = . Entao

tr(H1 H1 ) = h1 1 , tr(H2 H2 ) = h2 4

(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

Entao a desigualdade (6.83),

hV (W ) +

k
X

tr(Wj W Wj ) log tr(Hj Hj )

j=1

k
X

tr(Wj W Wj ) log tr(Vj Vj ) log

(6.120)

j=1

pode ser reescrita. Temos, lembrando que 4 = 1 1 ,

hV (W ) +

k
X

tr(Wj W Wj ) log[tr(Hj Hj )tr(Vj Vj )] log

(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

+[tr(W2 W W2 ) + tr(W4 W W4 )] log(1 1 )2 log

(6.123)

139

6.6

Problema de autovalores revisado

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

cao de autovalores para LH escrita

H
H
i
i , Hi lineares quaisquer. A equa
i
em coordenadas nos fornece o seguinte sistema, de acordo com o calculo geral
que fizemos na secao anterior, com k = 2:
2
2
22 )
11 + 2v11 v12 12 + v12
tr(H1 H1 )(v11
2
2
+tr(H2 H2 )(w11
11 + 2w11 w12 12 + w12
22 ) = 11

(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)

E escrevemos tambem, para i = 1, 2,

tr(Hi Hi ) = ((hi11 )2 + (hi12 )2 )11 + 2(hi11 hi12 + hi12 hi22 )12 + ((hi12 )2 + (hi22 )2 )22
(6.128)
Exemplo 6.6.1 No caso k = 2, tomando H1 , H2 unitarios e tomando V1 ,
V2 da forma




v11 v12
0
0
V1 =
, V2 =
(6.129)
0
0
w21 w22
temos que o sistema (6.125)-(6.127) assume a seguinte forma conveniente.
Obtemos 12 = 0 e
2
2
v11
11 + v12
22 = 11
(6.130)
2
2
22 = 22
w21
11 + w22

(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

v11 = a11 , v12 = a12 , w21 = a21 , w22 = a22

(6.133)

(6.134)

Suponha H1 , H2 quaisquer, sejam V1 , V2 definidos por





v11 v12
0
0
V1 =
, V2 =
0
0
w21 w22

(6.135)

entao temos, pelo sistema geral (6.125)-(6.127), que 12 = 0 e

2
2
11 + v12
22 ) = 11
tr(H1 H1 )(v11

(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)

Ainda, vamos supor que

v11 = v12 = w21 = w22 = 1

(6.140)

Entao obtemos
((h111 )2 + (h112 )2 )11 + ((h112 )2 + (h122 )2 )22 = 11

(6.141)

((h211 )2 + (h212 )2 )11 + ((h212 )2 + (h222 )2 )22 = 22

(6.142)

Seja A = (aij ) uma matriz com entradas positivas e considere o problema

de encontrar seus autovalores e autovetores. Entao de
a11 v1 + a12 v2 = v1

(6.143)

a21 v1 + a22 v2 = v2

(6.144)

vemos que os sistemas (6.141)-(6.142) e (6.143)-(6.144) sao identicos no caso

em que escolhemos
a11 = (h111 )2 + (h112 )2 , a12 = (h112 )2 + (h122 )2
141

(6.145)

a21 = (h211 )2 + (h212 )2 , a22 = (h212 )2 + (h222 )2

(6.146)

Assim, conclumos que o problema classico de Perron e um caso particular

do problema do operador LH agindo em matrizes. Com efeito, basta fixar as
matrizes




1 1
0 0
V1 =
, V2 =
(6.147)
0 0
1 1
e dada a matriz com entradas positivas A, escolha




a11
0
a21
0

H1 =
, H2 =
0
0
a12
a22
Entao o operador LH associado possui um autoestado diagonal


11 0
=
0 22

(6.148)

(6.149)

associado ao autovalor , e temos que definindo v = (11 , 22 ), obtemos

Av = v.
Exemplo 6.6.2 Vamos calcular a desigualdade basica (6.83) para Vi , Hi
fornecido por (6.147) e (6.148). Temos
tr(H1 H1 ) = a11 11 + a12 22

(6.150)

tr(H2 H2 ) = a21 11 + a22 22

(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)

onde tal expressao e obtida ao se resolver uma equacao quadratica associada

ao sistema LH () = , que no nosso exemplo e
a11 11 + a12 22 = 11

(6.154)

a21 11 + a22 22 = 22

(6.155)

Obtemos tambem os autoestados associados

1 2a21 +a11 a22 +
2 a11 a12 +a21 a22

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)

onde, na expressao acima, 11 e 22 sao as coordenadas nao nulas de , dadas

pela expressao (6.156).

Exemplo 6.6.3 Sejam


V1 =

1 1
0 0


, V2 =

0 0
1 1


(6.158)

e defina

A=

1 4
3 21


(6.159)

Entao Av = v nos leva a

v1 + 4v2 = v1
1
3v1 + v2 = v2
2
As solucoes sao as seguintes. Os autovalores sao
3 1

193
4 4
com autovetores, respectivamente,
1

1
12

1
1
1

(
193, 1)
1
+ 12 193 12 12
143

(6.160)
(6.161)

(a renormalizacaofaz com que a soma das coordenadas

seja igual a 1). Logo,

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)

o que e o mesmo sistema (6.160)-(6.161). Portanto temos = 43 + 14 193 e

o autoestado correspondente e, como 12 = 0,

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

Vamos fazer mais uma analise com a desigualdade

k
X

qj log qj +

j=1

k
X

qj log rj 0

(6.166)

j=1

obtida pelo lema 6.5.1. Ali, temos r1 , . . . , rk e q1 , . . . , qk duas distribuicoes

de probabilidade em 1, . . . , k tais que rj > 0, j = 1, . . . , k, e a igualdade vale
se, e somente se, rj = qj , j = 1, . . . , k.
Seja A uma matriz. Se v denota o autovetor a` esquerda da matriz eA , tal
que cada entrada e eaij , entao a equacao veA = v em coordenadas e
X
vi eaij = vj , j
(6.167)
i

Defina
rij :=

eaij vi
vj

144

(6.168)

Logo,

i rij = 1. Sejam qij > 0 tais que

k
X

qij log qij +

k
X

i=1

Entao

k
X

i qij

= 1. Por (6.166), temos:

qij log rij 0

(6.169)

i=1

qij log qij +

i=1

k
X

qij log

i=1

eaij vi
0
vj

(6.170)

Da

k
X

qij log qij +

i=1

k
X

qij aij +

i=1

k
X

qij log vi

i=1

k
X

qij log vj log

i=1

Ou seja,

k
X

qij log qij +

i=1

k
X

qij aij +

k
X

i=1

qij (log vi log vj ) log

(6.171)

i=1

Se Q denota a matriz com entradas qij , P

seja = (1 , . . . , k ) o vetor estacionario associado a Q. Como supomos i qij = 1, Q e coluna-estocastica
e entao escrevemos Q = . Multiplicando a desigualdade acima por j e
somando em j obtemos
X X
X X
X X

j
qij log qij +
j
qij aij +
j
qij (log vi log vj ) log
j

(6.172)
P

Em coordenadas, Q = e j qij j = i , para todo i. Entao

X X
X X

j
qij log qij +
j
qij aij
j

X
j

qij log vi

qij log vj log

(6.173)

Da,

log vi

qij log qij +

j qij

j log vj

qij aij

qij log

donde

X
j

qij log qij +

X
j

145

X
i

qij aij

(6.174)

i log vi

j log vj log

(6.175)

e portanto, como os dois u

ltimos somatorios acima cancelam, obtemos
X X
X X

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

com autovalor e com antes, definimos a entropia do QIFS como sendo

hV (W ) =

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 )

onde W denota o baricentro da u

nica medida atrativa e invariante para o
operador de Markov V associado ao QIFS FW .
Dada a desigualdade classica (6.176) obtida acima, queremos comparala com a desigualdade basica (6.177). Mais precisamente, queremos fazer
o seguinte. Queremos saber se existem Vi tais que dada uma matriz com
entradas positivas A e um matriz Q linha-estocastica, existem Hi e Wi tais
que a desigualdade (6.177) se torna a desigualdade (6.176). De fato, isso e
possvel e temos a seguinte proposicao.
Proposic
ao 6.7.1 Defina

V1 =

V3 =

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)

Entao a desigualdade basica associada a Wi , Vi , Hi , i = 1, . . . , 4, l = m = 1

ou l = m = 2, e equivalente a desigualdade classica associada `as matrizes A
e Q.
Para provar esta proposicao usamos o seguinte lema.
147

Lema 6.7.2 Para a escolha de


v11
V1 =
0

0
V3 =
v21

Vi dada por


0
, V2 =
0


0
, V4 =
0

v12
0

0
0

0
v22

0
0

(6.186)

(6.187)

onde os vij sao n

umeros positivos quaisquer, temos que o QIFS associado e
tal que W e sao operadores densidade diagonais, para qualquer escolha
de Wi e Hi , i = 1, . . . , 4.
Prova do lema 6.7.2 O operador W e ponto fixo de
L() =

tr(Wi Wi )

Vi Vi
tr(Vi Vi )

Escrevendo,
=

11 12
12 22

temos que a equacao L() = nos leva a





tr(W1 W1 ) v11 11 0
tr(W2 W2 ) v12 22 0
+
0
0
0
0
tr(Vi Vi )
tr(V2 V2 )



 

tr(W3 W3 ) 0
tr(W4 W4 ) 0
0
0
11 12
+
+
=
0 v21 11
0 v22 22
12 22
tr(V3 V3 )
tr(V4 V4 )
Portanto, 12 = 0 e entao W e diagonal. Analogamente, o operador e
autoestado de
X
LH () =
tr(Hi Hi )Vi Vi
i

Logo, a equacao LH () = nos leva a





v12 22 0
v11 11 0

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)

Entao da desigualdade basica, para l = m = 1 ou l = m = 2,




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 )

log tr(Hi Hi ) log

(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

No caso particular em que os Vi sao os do teorema 6.7.1, temos que e

diagonal e entao
tr(H1 H1 ) = 4, tr(H2 H2 ) = 1, tr(H3 H3 ) = 2, tr(H4 H4 ) = 1
Da LH () = implica o sistema
411 + 22 = 11
211 + 22 = 22
Um calculo simples fornece
=

5+

com autoestado
=

7+

17
2


17

3+ 17
4

0
1

Estamos interessados em obter os Wi que maximizam a desigualdade

basica (6.177) neste caso particular. Lembrando que pelo teorema 6.7.1, a
escolha dos Vi que fizemos e tal que
(Vj Vj )lm
= 1,
( )lm
temos
hV (W ) +

k
X

tr(Wj W Wj ) log tr(Hj Hj ) log

(6.193)

j=1

E vale a igualdade se, e somente se, para todo i, j, l, m,

(Vj Vj )lm
tr(Wj Vi W Vi Wj )
1
tr(Hj Hj )
=

( )lm
tr(Vi W Vi )

(6.194)

Escolha, por exemplo, l = m = 1. Entao a condicao (6.194), para os Vi ,

Hi fixados consiste de 16 igualdades (i.e., i, j = 1, . . . , 4) que nos permitem
determinar os Wi .
tr(Wj Vi W Vi Wj )
1

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

Portanto, conclumos que

 p

1
tr(Hi Hi ) p
0
Wi =
, i = 1, . . . , 4
0
tr(Hi Hi )

(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

Para resolver isso, renormalizamos o potencial, definindo

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

e cancelando os termos log , obtemos a mesma desigualdade para os Hi nao

i fornecem a igualdade. Portanto,
renormalizados. Como vimos, tais W
)+
hV (W

k
X

j W
j ) log tr(Hj Hj ) = log
tr(W
W

(6.205)

j=1

Isso conclui o exemplo.

6.8

Sobre logaritmos e a positividade de um

operador

Faremos a seguir algumas consideracoes sobre operadores positivos. Lembre

que um operador linear A e positivo, denotado por A 0, se hAv, vi 0,
para todo v, ou equivalentemente, se A = M M para alguma matriz M , ou
equivalentemente, se todos os seus autovalores sao positivos. Ainda, se B e
outro operador linear, escrever A B significa B A 0.
Proposic
ao 6.8.1 Temos:
1. Se A 0, B 0 entao A2 0 e A + B 0.
2. Se A 0, B 0 e AB = BA entao AB 0.
3. Se Ai sao operadores lineares positivos tais que
todo i = 1, . . . , k, temos I Ai 0.

Pk

i=1

Ai = I entao para

Prova A prova de 1 e 3 e elementar. Sobre a prova de 2, ver [17].



152

O espectro de um operador linear T , denotado por (T ), e o conjunto

de todos os n
umeros tais que T I nao e invertvel. O raio espectral
de T e definido por
(T ) := max{|| : (T )}
Defina o logaritmo de um operador A tal que (I A) < 1 da seguinte forma:

X
(I A)k
log A :=
k
k=1

(6.206)

Agora fazemosPos seguintes calculos. Sejam Qi operadores positivos, i =

1, . . . , k tais que i Qi = I. Pelo item 3 da proposicao 6.8.1, I Qi 0.
Note que I Qi comuta com Qi , para todo i. Entao pelo item 2 da proposicao
6.8.1, Qi (I Qi ) 0. Agora, observe que para qualquer i, e para todo n,
n
n
 X
X
(I Qi )m
(I Qi )m 
= Qi
0
(6.207)
Qi
m
m
m=1
m=1
e portanto, se para todo i temos (I Qi ) < 1 entao o operador
(Qi ) = Qi log Qi

(6.208)

e positivo. Podemos ainda

P tomar outro conjunto de operadores Pi positivos,
i = 1, . . . , k tais que i Pi = I. Da, se para todo i temos (I Pi ) < 1
entao, para os Qi fixados acima, podemos definir os operadores
i (Pi ) = Qi log Pi

(6.209)

Exemplo 6.8.2 Sejam k = n = 2 e





1/4 0
3/4 0
Q1 =
, Q2 =
0 1/5
0 4/5




1/3 0
2/3 0
P1 =
, P2 =
0 1/6
0 5/6
Claramente as matrizes acima determinam operadores positivos e tais que
Q1 + Q2 = P1 + P2 = I. Alem disso, uma inspecao simples mostra que
(I Pi ) < 1 e (I Qi ) < 1, i = 1, 2 e tambem que os autovalores da
matriz
2
2
X
X
i (Pi )
(Qi )
(6.210)
i=1

i=1

sao positivos, e portanto

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

e vale a igualdade se, e somente se, Pi = Qi , i = 1, . . . , k.

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

Uma variante do operador de Ruelle

Defina LH,V : PHN PHN ,

LH,V () :=

k
X

Hi Hi Vi Vi

i=1

Para ver porque tal operador e positivo, note que

X
tr(LH,V ) =
tr(Hi Hi Vi Vi )
i

154

(6.215)

tr(Vi Hi Hi Vi ) =

tr(Vi Hi 1/2 1/2 Hi Vi 1/2 1/2 )

tr(1/2 Vi Hi 1/2 1/2 Hi Vi 1/2 ) =

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 ))

Tal operador esta bem definido. De fato, note que

tr

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

Agora note que

tr(Hi Hi Vi Vi ) = tr(Vi Hi Hi Vi ) 0
155

pois Vi Hi Hi Vi = Ai Ai , onde Ai = Vi Hi 1/2 . Analogamente,

tr(Hi Hi Vi Vi ) = tr(Hi Vi Vi Hi ) 0
pois Hi Vi Vi Hi = Bi Bi , onde Bi = Hi Vi 1/2 . Ainda,
tr(Hi Hi Vi Vi ) = tr(Vi Hi Hi Vi ) 0
pois Vi Hi Hi Vi = Ci Ci , onde Ci = Vi Hi . Logo,
tr

hX
i

Hi ( +

i X
I
I
)Hi Vi ( + )Vi
tr(Hi Hi Vi Vi ) = tr(LH,V )
n
n
i

E sabemos que para qualquer operador positivo P 6= 0, se {v1 , . . . , vN } e uma

base ortonormal para HN , temos
tr(P ) =

N
X

hP vi , vi i > 0

i=1

Logo, tr(LH,V ( + nI )) > 0, n 1, e portanto Ln () esta bem definida.

Sabemos que MN e compacto e convexo, entao podemos aplicar o teorema
de Schauder para cada uma das aplicacoes Ln , n 1 e obter n MN tais
que
I
Ln (n ) = n LH,V (n + ) = n n , n 1
n
onde
I
n := tr(LH,V (n + ))
n
Pela compacidade de MN , podemos escolher um ponto MN que seja
limite da sequencia {n }
ao, por continuidade, LH,V () = , onde
n=1 e ent
= tr(LH,V ()). Ainda, note que 0, pois para {v1 , . . . , vN } base ortonormal de HN ,
tr(LH,V ()) =

N
X

hLH,V ()vi , vi i 0,

i=1

pois LH,V () e positivo, e a desigualdade sera igual a zero apenas se LH,V ()

for o operador nulo. Assim mostramos que existem MN e > 0 tais que
LH,V () = .

156

Sejam Vi , Wi , operadores lineares, i = 1, . . . , k, com

H :=

k
X

Hi Hi

Wi Wi = I e seja
(6.216)

i=1

uma operador autoadjunto. Estamos interessados em obter uma versao do

princpio variacional de pressao para o nosso contexto. Veremos que a pressao
atingira o maximo quando houver uma certa relacao entre o potencial H e a
distribuicao de probabilidade considerada (representada aqui pelos Wi ).
O potencial (6.216) em conjunto com os Vi induz um operador dado por
LH () :=

k
X

Hi Hi Vi Vi

(6.217)

i=1

Sabemos que tal operador admite um autovalor e um autoestado associado

. Entao LH ( ) = implica
k
X

Hi Hi Vi Vi =

(6.218)

i=1

Em coordenadas, (6.218) pode ser escrito como

k
X

(Hi Hi Vi Vi )lm = ( )lm

(6.219)

i=1

onde a notacao (B)lm significa a coordenada (l, m) da matriz associada ao

operador B, l,m = 1, . . . k.
Defina
rjlm
Portanto, temos

(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)

e vale a igualdade se, e somente se, para todo i, j, l, m,

(Hj Hj Vj Vj )lm
tr(Wj Vi W Vi Wj )
=
( )lm
tr(Vi W Vi )

(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)

Multiplicando por tr(Wi W Wi ) e somando em i obtemos

hV (W ) +

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 )

tr(Wi W Wi ) log = log

(6.225)

e vale a igualdade se, e somente se, para todo i, j, l, m,

(Hj Hj Vj Vj )lm
tr(Wj Vi W Vi Wj )
=
( )lm
tr(Vi W Vi )

(6.226)

Vamos reescrever a desigualdade (6.225). Primeiro, usamos o fato de que

W e ponto fixo de LbW,V ,
k
X

tr(Wi W Wi )

i=1

Vi W Vi
= W
tr(Vi W Vi )

(6.227)

Agora, compomos ambos os lados da igualdade acima com o operador

k
X

 (Hj H Vj V )lm 
j
j
Wj Wj
log
(
)

lm
j=1

(6.228)

(i.e., multiplicamos `a direita) e entao obtemos

k
X

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)

Tomando o traco em ambos os lados, e rearranjando termos obtemos

k
k
X
tr(Wi W W ) X
i=1

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)

e vale a igualdade se, e somente se, para todo i, j, l, m,

(Hj Hj Vj Vj )lm
tr(Wj Vi W Vi Wj )
=
( )lm
tr(Vi W Vi )

(6.232)

6.10

Exemplo

Exemplo 6.10.1 Seja N = 2, k = 3, seja operador densidade e Vi , Wi

lineares, i = 1, 2, 3.








0 0
11 12
i 0
2 0
=
, V1 =
, V2 =
, V3 =
12 22
1 0
2
0 0
0
q



 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)

Entao uma inspecao simples mostra que, por exemplo, o operador

 1 i 
2
3
0 =
,
3i 12
(obtido pela expressao (6.236) ao fazer 11 = 22 = 1/2), e um estado densidade e alem disso, temos L(0 ) = 0 .

6.11

Sobre o problema de press

ao e mec
anica
qu
antica

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

fundamental para diversas demonstracoes de princpio variacional de pressao,

com a entropia de QIFS que definimos anteriormente. Procedendo dessa
forma, obtivemos a desigualdade basica, que em uma de suas versoes e
hV (W ) +

k
X



log tr(Hj Hj )tr(Vj Vj ) tr(Wj W Wj ) log

(6.237)

j=1

onde vale a igualdade se, e somente se, para todo i, j,

tr(Wj Vi W Vi Wj )
1
tr(Hj Hj )tr(Vj Vj ) =

tr(Vi W Vi )

(6.238)

Ainda, podemos supor que os Vi sao unitarios. Desta forma, combinamos de

maneira natural um problema de formalismo termodinamico e uma evolucao
de carater quantico. Neste caso particular, temos para cada i que Vi Vi =
Vi Vi = I e portanto
tr(Vj Vj ) = tr(Vi W Vi ) = 1,
entao a desigualdade basica se torna
hV (W ) +

k
X

tr(Wj W Wj ) log tr(Hj Hj ) log

j=1

161

(6.239)

e vale a igualdade se, e somente se, para todo i, j,

1
tr(Hj Hj ) = tr(Wj Vi W Vi Wj )

(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

Prova Defina, para cada j,

j :=
W

1
tr(Hj Hj )I

(6.242)

onde I e a matriz identidade. A condicao de igualdade (6.240) e satisfeita

j , donde segue o lema.
por tais W

Observac
ao O lema acima tambem vale para a desigualdade basica em
coordenadas, dada por (6.177) e condicao de igualdade (6.179), pagina 146.
imediato obter uma versao semelhante ao lema acima
Observac
ao E
para todo QIFS tal que os Vi sao m
ultiplos da identidade; tambem e imediato
obter uma versao semelhante ao lema acima para todo QIFS tal que W fixa
cada um dos ramos, ou seja, tal que
Vi W Vi
= W
tr(Vi W Vi )

6.12

Ap
endice: c
alculo alternativo para o problema de press
ao

Sejam Vi , Wi , operadores lineares, i = 1, . . . , k, com

H :=

k
X
i=1

162

Hi Hi

Wi Wi = I e seja
(6.243)

uma operador autoadjunto. Estamos interessados em obter uma versao do

princpio variacional de pressao para o nosso contexto. Veremos que a pressao
atingira o maximo quando houver uma certa relacao entre o potencial H e a
distribuicao de probabilidade considerada (representada aqui pelos Wi ).
O potencial (6.243) em conjunto com os Vi induzem um operador dado
por
k
X
(6.244)
LH () :=
tr(Hi Hi )Vi Vi
i=1

Sabemos que tal operador admite um autovalor e um autoestado associado

. Entao LH ( ) = implica
k
X

tr(Hi Hi )Vi Vi =

(6.245)

i=1

Em coordenadas, (6.245) pode ser escrito como

k
X

tr(Hi Hi )(Vi Vi )jl = ( )jl

(6.246)

i=1

onde a notacao (B)jl significa a coordenada (j, l) da matriz associada ao

operador B, j,l = 1, . . . k.
Observac
ao Fazendo uma comparacao com o problema analogo para
cadeias de Markov, a equacao (6.245) pode ser visto como o analogo da
expressao
leA = l
(6.247)
que teramos para o problema classico para matrizes. Ali, a matriz A faz o
papel do potencial, eA e a matriz com coordenadas eAij e lj denota a j-esima
entrada do autovetor `a esquerda l associado ao autovalor . Em coordenadas,
X
li eAij = lj , i, j = 1, . . . , k
(6.248)
i

De (6.245) obtemos
k
X
1
tr(Hi Hi )tr(Vi Vi ) = 1

i=1

163

(6.249)

o que e apenas a expressao explcita para que calculamos no teorema de

autovalores,
k
X
=
tr(Hi Hi )tr(Vi Vi )
(6.250)
i=1

Com isso em mente, defina

rj =
Portanto, temos

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

Logo, podemos aplicar o lema 6.5.1 para rj , qji , j = 1, . . . k, com i fixado,

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
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)

e vale a igualdade se, e somente se, para todo i, j,

tr(Wj Vi W Vi Wj )
1

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 

log tr(Hj Hj )tr(Vj Vj )

+
tr
tr(Vi W Vi )
j

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)

Multiplicando por tr(Wi W Wi ) e somando em i obtemos


 X tr(W W )
X
i W
i

hV (W )+
log tr(Hj Hj )tr(Vj Vj )
tr(Wj Vi W Vi Wj )

tr(Vi W Vi )
j
i

tr(Wi W Wi ) log = log

(6.256)

e vale a igualdade se, e somente se, para todo i, j,

tr(Wj Vi W Vi Wj )
1
tr(Hj Hj )tr(Vj Vj ) =

tr(Vi W Vi )

(6.257)

Vamos reescrever a desigualdade (6.256). Primeiro, usamos o fato de que

W e ponto fixo de LbW,V ,
k
X
i=1

tr(Wi W Wi )

Vi W Vi
= W
tr(Vi W Vi )

165

(6.258)

Agora, compomos ambos os lados da igualdade acima com o operador

k
X



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

Rearranjando termos, obtemos

k
X

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

Tomando o traco em ambos os lados, obtemos

k
X

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

tr(Wj W Wj ) log tr(Hj Hj )

j=1

166

(6.263)

k
X

tr(Wj W Wj ) log tr(Vj Vj ) log

(6.264)

j=1

e vale a igualdade se, e somente se, para todo i, j,

tr(Wj Vi W Vi Wj )
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

Esta secao e inspirada em [4]. Considere o espaco de Hilbert H = CN . Seja

N 1
{|ki}k=0
uma base ortonormal. Fixe u , v [0, 1] e defina as seguintes
matrizes UN , VN MN (C):
UN := e

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

juntamente com a identificacao |ji = |j mod N i. Tais operadores sao unitarios

e temos
2
2
(7.2)
UN |li = e N i(u +l) |li, VN |li = e N iv |l + 1i
Definindo n := (n1 , n2 ) Z2 , temos que UN e VN satisfazem as relaco
es de
Weyl discretas:
2
UNn1 VNn2 = e N in1 n2 VNn1 UNn2
(7.3)
Ainda, inspirados no caso contnuo, definimos os operadores de Weyl discretos:

(7.4)
WN (n) := ei N n1 n2 UNn1 VNn2
Tais operadores satisfazem
WN (n) = W (n)
e

WN (n)WN (m) = ei N (n,m) WN (n + m)

onde (n, m) := n1 m2 n2 m1 .

168

(7.5)

(7.6)

Quando normalizados, os operadores de Weyl discretos formam uma base

ortonormal para MN (C). De fato, usando (7.2) e (7.4), temos
tr(WN (n)) =

N
1
X

ei N n1 n2 hl|UNn1 VNn2 |li

l=0

N
1
X

ei N (n1 n2 +2n1 (u +l)2n2 v ) hl|l + n2 i

l=0

= n2 ,0

N
1
X

2in1
(u +l)
N

= N n,0

(7.7)

l=0

Isso nos permite obter

tr(WN (n)WN (m)) = N n,m

(7.8)

e portanto para todo A MN (C),

A=


1 X 
tr WN (n)A WN (n)
N
2

(7.9)

nZN

onde Z2N := {n = (n1 , n2 ) : 0 ni N 1}.

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~

e ~ p(xx ) hx0 |ih|xids

(7.14)

Ou seja, a distribuicao de Wigner e obtida ao se calcular o produto (x0 ) (x)

e depois aplicando a transformada de Fourier em s = x x0 . Tal distribuicao
tem as seguintes propriedades:
Z
W (q, p)dp = hq|ih|qi = |(q)|2
(7.15)

W (q, p)dq = hp|ih|pi = |(p)|

(7.16)

W (q, p)dpdq = 1

(7.17)

e a representacao de momento da funcao de onda .

onde
Agora, note que (7.14) pode ser escrito como
Z
Z
i
i
1
1
0)
0
p(xx
0
W (q, p) =
e~
e ~ p(xx ) hx0 ||xids
hx (|ih|)xids =
2~
2~
(7.18)
onde
s
s
x = q + , x0 = q
(7.19)
2
2
170

onde definimos o operador densidade de estados puros por

:= |ih|
A definicao mais geral de inclui os estados puros e os misturados:
X
=
pi |i ihi |

(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.

Denote por hAit o valor esperado de um observavel A correspondendo a

Entao
um operador A.

= 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 =

A(p, q)(p, q)dpdq

(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

Esta secao segue partes de [25] e [34]. Em dimensao 1, a func

ao de Wigner,
caso contnuo, esta em correspondencia 1-1 com uma matriz densidade e
e definida por
Z
1

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)

e a distribuicao de probabilidade para a posicao. Entretanto a propriedade

3 e mais forte do que apenas esses dois casos particulares. Sobre a validade
de tais propriedades para a funcao de Wigner, ver [34].

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)
~

Ainda, podemos reescrever A como

p) = 1 D(q,
p)R
D
(q, p)
A(q,
~

(7.32)

(7.33)

e o operador que age em autoestados de posicao de modo que R|xi

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

 + a2 P com autovalor a3 . Tal

onde |a3 i e um autoestado do operador a1 Q
identidade pode ser provada ao se escrever a funcao delta como a integral de
uma exponencial e entao realizando a integracao no espaco de fase. Depois
faremos a prova do caso discreto, de forma semelhante a que acabamos de
descrever.

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)

onde as somas de vetores e mod N . De forma semelhante, o operador V e

um shift na base de momentos e e diagonal na de posicoes
V m |ki := |k + mi, V m |ni := exp[2imn/N ]|ni

(7.39)

Entao e possvel mostrar que

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

um operador de reflexao como sendo R|ni

:= | ni. Vale a seguinte relacao
=R
U 1 , V R
=R
V 1
U R

(7.41)

O operador de reflexao esta relacionado com a transformada de Fourier da

seguinte forma. Denote por UF T o operador que realiza a transformada de
Fourier discreta, ou seja, o operador cujas entradas na base Bx sao
hn0 |UF T |ni = exp[2inn0 /N ]

(7.42)

= UF2 T
R

(7.43)

Entao vale que

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].

Para definir a funcao de Wigner discreta, precisamos ainda definir um

operador de translac
ao T e um operador pontual A (correspondente ao
operador de Fano definido no caso contnuo). Isso e o que faremos a seguir.
175

Defina
T(q, p) := U q V p exp[iqp/N ]

(7.44)

Tais operadores satisfazem

T(q, p) = T (q, p)

(7.45)

Observac
ao Em R2 definimos o operador de translacao na posicao q e
momento p como sendo
i

T(q, p) = e ~ (qP pQ)

(7.46)

Ao inves das definicoes (7.38) e (7.39) para U e V poderamos, a princpio,

e P definidos
definir U e V como sendo a exponencial de dois operadores Q
e P infinitecomo sendo diagonais em Bx e Bp . No entanto, operadores Q
simais que satisfazem as relacoes de comutatividade canonicas (CCR) nao
podem ser definidos em um espaco de Hilbert discreto [10],[34]. Portanto
iremos usar os shift cclicos finitos, dados por (7.38) e (7.39).

Seja = (q, p) ponto do espaco de fase reticulado, com q e p assumindo

valores entre 0 e 2N 1. Defina

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)

Podemos expressar o operador de translacao em termos de A()

ao inverter

a definicao acima, e entao obtemos a transformada de Fourier de A:

T(n, k) =

2N
1
X

p) exp[i 2 (np kq)]

A(q,
2N
q,p=0

(7.48)

Note que como definimos os operadores de Fano acima sobre um reticulado

de 2N 2N pontos, temos um total de 4N 2 operadores. Entretanto, tal
conjunto nao e independente. De fato, e possvel mostrar que apenas N 2
deles o sao, pois
+ q N, p + p N ) = A(q,
p)(1)p q+q p+q p N
A(q
para q , p = 0, 1. Defina
GN := { = (q, p) : 0 q, p N 1}
176

(7.49)

E o conjunto G2N ira denotar o reticulado completo de ordem 2N .

Uma relacao entre A e T e a seguinte:
A(
0 ) = T( 0 ) exp[i(/N )(q p0 q0 p )]
A()
4N 2

(7.50)

Tomando o traco da equacao acima obtemos

A(
0 )) = 1 N (q 0 q)N (p0 p)
tr(A()
4N

(7.51)

onde e 0 estao em GN e
N (q) :=

N 1
1 X 2iqn/N
e
N n=0

(7.52)

e a delta de Dirac periodica, que e igual a zero a menos que q 0 mod N .

Definic
ao A func
ao de Wigner discreta e

W () := tr(A())

(7.53)

onde G2N . Esses 4N 2 valores nao sao independentes, pois a funcao de

Wigner obedece a mesma relacao satisfeita pela funcao pontual A:

(q + q N, p + p N ) = W
(q, p)(1)p q+q p+q p N
W

(7.54)

para q , p = 0, 1. Como os operadores A()

formam um conjunto completo,
podemos escrever o operador densidade como uma combinacao linear dos

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

possvel mostrar que a funcao de Wigner discreta definida

Observac
ao E
acima satisfaz as propriedades de unicidade 1 a 3, enunciadas no incio desta
p) sao hermitianos.
secao. A propriedade 1 e consequencia do fato de que A(q,

A propriedade 2 segue da completude do conjunto A(), o que nos permite

mostrar que
X
tr(1 2 ) = N
W1 ()W2 ()
(7.56)
G2N

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

e definida como sendo o valor esperado do operador A()

definido sobre o
espaco de fase, dado pela equacao (7.47). A definicao e tal que W () R.
Tal definicao pode ser usada para calcular o produto interno entre estados
e fornece as distribuicoes marginais corretas quando somadas ao longo de
qualquer linha no espaco de fase que, por sua vez, e um reticulado G2N com
4N 2 pontos. Ainda, os valores de W () no subreticulado GN sao suficientes

para reconstruir o espaco de fase, uma vez que o conjunto A()

e completo
quando pertence a GN .

7.4

Calculando fun
c
oes de Wigner

Para calcular a funcao de Wigner de um estado quantico, iremos usar (7.38),

(7.39) e (7.47) para escrever W na seguinte forma conveniente:
Lema 7.4.1
W (q, p) =

N 1
h 2i
i
1 X
hq n||ni exp
p(n q/2)
2N n=0
N

(7.57)

Prova Nos calculos a seguir, lembramos que o produto interno e linear na

segunda variavel. Temos
W (q, p) = tr(A) =

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

Ainda, note que

ipq/N 2ip(q n)/N =

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)

De fato, basta notar que



W () = tr(A()) = tr A()(|a|2 |0ih0| + |b|2 |1ih1| + ab |0ih1| + a b|1ih0|)
= |a|2 W1 () + |b|2 W2 () + ab tr(A()|0ih1|) + a btr(A()|1ih0|)
= |a|2 W1 () + |b|2 W2 () + ab tr(h1|A()|0i) + a btr(h0|A()|1i)
donde segue o resultado.

Vamos analisar algumas caractersticas da funcao de Wigner para estados

puros. Neste caso temos que e um operador projecao. Entao expandindo
em termos dos operadores de espaco de fase, como na equacao (7.55) e
impondo a condicao 2 = , obtemos
X
W () = 4N 2
(, , )W ()W ()
(7.59)
,GN

onde a funcao (, , ), dependente de 3 pontos do espaco de fase (i.e., de

um triangulo) e dada por
h 2i
i
1

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

e na expressao acima, valida para N par, o valor S(, , ) e a area do

triangulo formado por tais pontos do espaco de fase (medido em unidades
do triangulo elementar formado por 3 pontos que estao a` distancia de uma
posicao).

Agora calculamos a funcao de Wigner de um autoestado de posicao,

q0 = |q0 ihq0 |

(7.62)

Obtemos a seguinte expressao fechada para W :

Wq0 (q, p) =

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)
=

Podemos tambem analisar a funcao de Wigner de um estado, que e uma

superposicao linear:
1
|i = (|q0 i + ei |q1 i)
(7.65)
2
Novamente e possvel obter uma expressao fechada para W , que e

1
W (q, p) =
Wq0 (q, p) + Wq1 (q, p) + Wq0 ,q1 (q, p)
(7.66)
2
onde o termo de interferencia e
Wq0 ,q1 (q, p) :=

 2

1
N (
q )(1)qp cos
p+
N

onde
q = q0 + q1 q, =

2N
q0 q 1

(7.67)

(7.68)

Esta e uma expressao explcita para o que calculamos no exemplo 7.4.2.

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

onde a matriz Z e definida por

Z

:= N tr A()U
A()U

(7.71)

Portanto, a evolucao temporal no espaco de fase e representada por uma

transformacao linear, o que e uma consequencia da equacao de Schrodinger.
A unitariedade impoe algumas restricoes sobre a matriz Z . De fato, como
a pureza dos estados e preservada, a evolucao temporal deve preservar a
restricao dada pela equacao (7.59). Portanto, a matriz deve deixar invariante
a funcao (, , ), ou seja,
X
(0 , 0 , 0 ) =
Z0 Z 0 Z 0 (, , )
(7.72)
,,

A matriz real Z contem toda a informacao sobre a evolucao temporal do

sistema. Em geral, tal matriz relaciona um ponto com diversos outros
pontos . Portanto, a evolucao sera, em geral, nao local no espaco de fase, o
que e uma caracterstica u
nica da mecanica quantica. Em sistemas classicos
o valor da funcao distribuicao classica W (, t + 1) e igual ao valor W (, t)
para algum ponto , o que consiste em uma funcao de e t bem definida.
Entretanto, temos em [25] alguns exemplos de operadores unitarios que geram
uma evolucao dinamica local no espaco de fase.

7.5

Func
oes de Wigner e QIFS

Considere a seguinte expressao para a funcao de Wigner, obtida na secao 7.4:

N 1
h 2i
i
1 X
hq n||ni exp
p(n q/2)
W (q, p) =
2N n=0
N

181

(7.73)

Considere o operador agindo em operadores densidade

() =

k
X

Vi Vi

(7.74)

i=1

onde Vi , sao lineares. Primeiramente seja q0 = |q0 ihq0 |, onde q0 = 0 ou 1.

Ja vimos como calcular a funcao de Wigner de tais estados (dada pela eq.
(7.63), pagina 180):
1
V p |q0 ieipq/N = 1 N (q 2q0 )(1)p[(q2q0 ) mod N ]
Wq0 (q, p) =
hq0 |U q R
2N
2N
(7.75)

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

Enunciamos novamente as propriedades basicas que determinam a funcao de

Wigner [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
(7.78)
tr(1 2 ) = 2~ W1 (q, p)W2 (q, p)dqdp
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.
Ja vimos na secao 7.3 que a funcao de Wigner discreta

W () = tr(A())

(7.79)

satisfaz as propriedades 1 e 2. Agora vamos analisar P

a propriedade
P 3. Reescrevemos aqui as definicoes para W . Temos que = i pi |iihi|, i pi = 1 e
um operador densidade. Temos uma base de posicoes
Bx = {|ni, n = 0, . . . , N 1},
e uma base de momentos
Bp = {|ki, k = 0, . . . , N 1}
onde

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

p) exp[i 2 (np kq)]

A(q,
2N
q,p=0

(7.86)

Para provar a propriedade 3 devemos mostrar que ao somar os operadores

p) sobre os pontos do espaco de fase que estao em uma reta L, obtemos
A(q,
um operador de projecao. Isso implica que somar os valores da funcao de
Wigner sobre todos os pontos de uma reta nos fornece um n
umero positivo,
que pode ser interpretado como sendo uma probabilidade.
Iniciamos definindo retas no nosso espaco de fase. Uma reta L e um
conjunto de pontos do reticulado definido por
L = L(n1 , n2 , n3 ) = {(q, p) G2N : n1 pn2 q = n3 , 0 ni 2N 1} (7.87)
Ainda, dizemos que duas retas sao paralelas se elas forem parametrizadas
pelos mesmos inteiros n1 e n2 .
Agora, vamos mostrar que ao somar os operadores A sobre uma reta,
obtemos operadores de projecao. Estamos interessados no operador
X
p)
AL =
A(q,
(7.88)
(q,p)L

Como N (q) =

1
N

PN 1
n=0

e2iqn/N , podemos reescrever tal operador como

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)

onde usamos a transformada de Fourier (7.86) de A para obter a u

ltima
igualdade. Como T e unitaria, possui N autovetores |j i com autovalores
184

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

2N (2j n3 )|j ihj |

(7.90)

j=0

Segue que AL e um operador de projecao sobre um subespaco gerado por um

subconjunto de autovetores do operador de translacao T(n1 , n2 ).

7.7

Sobre transformada de Fourier discreta e

W -transformada

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

se n3 for par, e igual a zero caso contrario.

Registramos o resultado acima na seguinte proposicao:

Proposic
ao 7.7.2 Seja N par e operador densidade. Entao
2N
1
X

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 |jihj|, cj > 0. Entao

hq n||ni =

cj hq n|jihj|ni

(7.95)

e tal valor e 6= 0 se e somente se j = q n = n para algum j. Em particular,

a fim de que o produto interno acima seja nao nulo, e necessario que q seja
par, pois q n = n implica q = 2n.
Agora suponha que q = 2q0 . Pela analise acima, vemos que na soma dos
termos que formam a funcao de Wigner (expressao (7.94)), basta somar os
ndices tais que a equacao modular
q n = n 2q0 n = n

(7.96)

e satisfeita. Tal equacao possui duas solucoes, a saber, n = q0 e n = q0 + N/2

(por exemplo, se N = 2, e q = 0, as solucoes de n = n sao n = 0 e n = 1;
se N = 4 e q0 = 0 as solucoes de n = n sao n = 0 e n = 2; se N = 4 e
q0 = 1 as solucoes de 2 n = n sao n = 1 e n = 1 + 2 = 3, etc.).
Para ver que existem apenas duas solucoes para (7.96), procedemos da
seguinte forma. De 2q0 n = n obtemos 2(q0 n) = 0. Sabemos que n = 0
e n = q0 + N/2 solucoes. Note que x = 0 e x = N/2 sao solucoes de 2x = 0.
Agora, se y e solucao de 2x = 0 entao y N/2 tambem e. Claramente se y e
um elemento entre 0 e N/2 entao 2y sera no maximo igual a 2N 2, portanto
2y 6= 0. Finalmente, seja y elemento entre N/2 e N e por absurdo suponha
que 2y = 0. Entao pelo que observamos antes, temos que z = 2y N/2
tambem e solucao, e z esta entre 0 e N/2. Mas nao existem solucoes de
2x = 0 entre 0 e N/2. Isso mostra que 2x = 0 admite apenas as duas
solucoes dadas acima.
Agora, note que se n for igual a q0 entao
i
h 2i
p(n q/2) = 1
exp
N

186

(7.97)

Se n = q0 + N/2, temos que a exponencial acima e igual a 1, sendo positivo

ou negativo se p for par ou mpar, respectivamente. Portanto, para N par e
q = 2q0 , temos
W (2q0 , p) =

1
(hq0 ||q0 i hq0 + N/2||q0 + N/2i)
2N

(7.98)

onde o sinal depende de p. Para q fixo e considerando todos os p possveis

(p = 0, . . . , 2N 1), temos que o segundo produto interno acima tera sinal
positivo nas N possibilidades em que p for par e tera sinal negativo nas N
possibilidades restantes. Portanto,
X
W (2q0 , p) = hq0 ||q0 i
(7.99)
p

Isso conclui a prova.


Corol
ario 7.7.3 Se q e mpar entao W (q, p) = 0, para qualquer p e qualquer
operador densidade.
Prova Ver primeiro paragrafo da demonstracao do lema.

Definic
ao Seja um estado. A W -transformada de e
(p) :=

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)

Resposta Para N = 2 e = |0i ou |1i, a resposta e sim. Com efeito, seja

|i = |0i = (1, 0). Entao
1 X
1
F|0i =
exp [2ij0/2]|ji = (|0i + |1i)
2 j
2
187

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

Portanto, neste caso,

|(F)(p)|2 = (p), p = 0, 1

(7.102)

Agora seja |i = |1i = (0, 1). Entao

1 X
1
1
F|1i =
exp [2ij/2]|ji = (|0i + exp [2i/2]|1i) = (|0i |1i)
2 j
2
2
1
1
(F|1i)(0) = |(F|0i)(0)|2 =
2
2
E
(0) =

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

Portanto, neste caso,

|(F)(p)|2 = (p), p = 0, 1

(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)| .

Inspirados no calculo acima, provamos o seguinte lema, cuja prova abaixo

vale para estados puros apenas. Depois, provaremos o resultado para operadores densidade quaisquer.
Lema 7.7.4 Seja = |mi {|0i, . . . , |N 1i}, N par, e a W -transformada
de . Entao
|(F)(p)|2 = (p), p = 0, 1, . . . , N 1
(7.107)

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) =

(p) = 1/2N + 1/2N = 1/N = |(F|mi)(p)|2

Isso conclui a prova.

O seguinte resultado, inspirado no anterior, completa a proposicao 7.7.2,
que relaciona a funcao de Wigner discreta e a base de posicoes. Agora fazemos
a prova referente a base de momentos.
Proposic
ao 7.7.5 Seja N par e operador densidade. Seja |pi vetor da
base de momentos, ou seja, obtida via transformada de Fourier discreta a
partir da base de posicoes:
N 1
1 X
exp [2ijp/N ]|ji
|pi =
N j=0

Entao

2N
1
X

W (q, 2p) = hp||pi, p = 0, 1, . . . N 1

(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)

Como sabemos, W (1, 2p) = 0. Tomando q = 2 obtemos

W (2, 2p) =

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)

Pelo calculo acima, resta calcular hp||pi e mostrar que tal n

umero e igual
a 1/N . Com efeito, lembrando P
que o produto interno e linear na segunda
variavel, temos, escrevendo = m cm |mihm|:
hp||pi =

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

W (q, 2p) = hp||pi,

2N
1
X

W (q, 2p+1) = 0, p = 0, 1, . . . N 1 (7.119)

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.

Exemplo 7.7.6 Denote por W a matriz com entradas W (q, p) para q, p =

0, . . . , 2N 1. Por exemplo para N = 2, e escrevendo os vetores |0i, |1i
em coordenadas ou seja, |0i = (1, 0) e |1i = (0, 1), temos que W contem a
imagem da funcao de Wigner para cada ponto do espaco de fase. Como era
de se esperar, a funcao e real em cada ponto e a integral do espaco e igual a
1:
1 1 1 1
1

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

1/2, 0, 1/2 e 0, respectivamente. Com efeito, exibimos tal calculo

P a seguir.
Seja = |0ih0|. Entao por (7.110) e (7.111), temos que as somas q W (q, p)
para p = 0, 1, 2, 3 sao iguais a h0||0i, 0, h1||1i e 0. Mostremos que
h0||0i = h1||1i = 1/2
Por (7.109), temos que
1
1
F|0i = (|0i + |1i), F|1i = (|0i |1i)
2
2

(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 =

Exemplo 7.7.7 Denote por W a matriz com entradas W (q, p) para q, p =

0, . . . , 2N 1. Seja N = 4, e escrevendo os vetores |0i, |1i, |2i, |3i em
coordenadas ou seja, |0i = (1, 0, 0, 0), |1i = (0, 1, 0, 0), |2i = (0, 0, 1, 0),
|3i = (0, 0, 0, 1), temos que W contem a imagem da funcao de Wigner para
cada ponto do espaco de fase:
1 1 1 1 1 1 1 1
8

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

Transformadas discretas e canais qu

anticos

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

dados (q, p) existem Mi = Mi (q, p) tais que

X
W() (q, p) =
tr(Mi Mi )

(7.123)

Prova Primeiro, como A(q, p) e hermitiano, temos uma decomposicao

A = U DU 1
onde U e unitaria e D e diagonal (e real). Entao
A1/2 = U D1/2 U 1
onde (A1/2 )2 = A, D1/2 e a matriz diagonal cujas entradas sao as razes
quadradas positivas das entradas de D. Entao
X
X
p)()) = tr(A
i V )
W() (q, p) = tr(A(q,
Vi Vi ) =
tr(AV
i
i

tr(A1/2 Vi Vi A1/2 ) =

tr(U D1/2 U 1 Vi Vi U D1/2 U 1 )

(7.124)

Definindo Mi = U D1/2 U 1 Vi e notando que U 1 = U , podemos escrever

X
W() (q, p) =
tr(Mi Mi )
i


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)

onde os pij formam uma matriz coluna estocastica. Entao os Mi = Mi (q, p)

citados no lema sao dados por



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

(u22 d22 u11 u21 d11 u12 ) p21 0




1
0
u
11 u12 ( d22 d11 ) p22

M4 =
det(U ) 0 (u22 d22 u11 u21 d11 u12 ) p22

1
M3 =
det(U )

onde D = (dij ), U = (uij ), e A = A(q, p) = U (q, p)D(q, p)U 1 (q, p) e a

decomposicao para A dada no lema.

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

onde Vi = FVi F . E uma inspecao simples mostra que

X
F (()) = G(F ()) =
FVi Vi F
i


Observac
ao O lema 7.8.3 vale se tomarmos F () = GG , onde G e
qualquer aplicacao MN MN unitaria.

Exemplo 7.8.4 Considere N = 2. Entao a transformada de Fourier discreta e dada por



1
1 1
(7.128)
F=
2 1 1
196

Neste caso, temos F 1 = F. Sejam






0
p11 0
p12
V1 =
, V2 =
,
0
0
0
0




p21 0
0
0

V3 =
, V4 =
p22
0
0
0

(7.129)

(7.130)

onde os pij formam uma matriz

estocastica P . O lema 7.8.3 para este
P coluna

exemplo mostra que G() = i Vi Vi , onde





1
1
1 1
1 1

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)

No caso em que o vetor = (11 , 1 11 ) e fixo para a matriz estocastica P ,

podemos reescrever a expressao acima como


1
11 12
2
F (()) = G(F ()) =
(7.132)
1
11 12
2

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

Entropia de uma medida

Entropia de um QIFS

Entropia de uma cadeia de Markov

Capacidade de Holevo

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

de matriz estocastica, 104

de Shannon-Boltzmann, 93
de uma medida, 93
inferior em um ponto, 93
mnima de sada, 126
parcial, 88, 93
de uma medida, 93
superior em um ponto, 93
Esfera de Bloch, 7
Espaco
de estados, 72
de probabilidade quantica, 25
vetorial ordenado, 71
Estado
misturado, 6
puro, 6
Estrutura compacta, 73

Cadeia markoviana quantica, 26

Canais quanticos, 126
Capacidade de Holevo, 126
Cone, 71
base de um, 72
decomposicao mnima de um, 72
gerador, 71
Forma de Stinespring-Kraus, 19
positivo, 72
Funcao capacidade-custo, 127
proprio, 71
Funcao de Wigner, 170
Conjectura
contnua, 172
da aditividade, 126
discreta, 177
da entropia mnima de sada, 127
IFS, 14
Desigualdade
hiperbolico, 14
basica, 146
PIFS, 75
classica, 146
QIFS hiperbolico, 18
QIFS homogeneo, 17
Efeito, 9
QIFS para estados misturados, 16
Entropia
QIFS para estados puros, 16
de von Neumann, 8
Instrumento, 10
da particao, 89
de estados coerentes, 89

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.

[6] Bengtsson, I., Zyczkowski,

K. Geometry of Quantum States. Cambridge
University Press, 2006.
[7] Bouten, L. Applications of quantum stochastic processes in quantum
optics. Physical Measurement and Control 266-33, California Institute
of Technology, 1200 E. California Blvd., Pasadena, CA 91125, USA.
[8] Busch, P., Ruch, E. The measure cone: irreversibility as a geometrical
phenomenon, Int. J. Quantum Chemistry. 41, 163-185, 1992.
[9] Cardoso, J. Logaritmos de matrizes, aspectos teoricos e numericos. Universidade de Coimbra, 2003.
202

[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).

[24] Lozinski, A., Zyczkowski,

K., Slomczy
nski, W. Quantum iterated function systems, Physical Review E, Volume 68, 04610, 2003.
203

[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