Alijärjestelmän mittaus ja muita epätäydellisiä mittauksia



Samankaltaiset tiedostot
Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

JAKSO 2 KANTA JA KOORDINAATIT

Lineaarialgebra ja matriisilaskenta I

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Yleiset lineaarimuunnokset

Kvanttimekaniikan tulkinta

Lineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin

Avaruuden R n aliavaruus

Vektorien virittämä aliavaruus

Kuvaus. Määritelmä. LM2, Kesä /160

MS-A0004/A0006 Matriisilaskenta

Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )

2.8. Kannanvaihto R n :ssä

Kertausta: avaruuden R n vektoreiden pistetulo

Koodausteoria, Kesä 2014

Lineaarialgebra ja matriisilaskenta I

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

2 / :03

1 Kannat ja kannanvaihto

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Matriisilaskenta. Harjoitusten 3 ratkaisut (Kevät 2019) 1. Olkoot AB = ja 2. Osoitetaan, että matriisi B on matriisin A käänteismatriisi.

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h

ACKERMANNIN ALGORITMI. Olkoon järjestelmä. x(k+1) = Ax(k) + Bu(k)

Kanta ja dimensio 1 / 23

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

MS-C1340 Lineaarialgebra ja

Ortogonaalisen kannan etsiminen

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

Ominaisarvo ja ominaisvektori

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/210

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

Käänteismatriisi 1 / 14

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

Matriisialgebra harjoitukset, syksy x 1 + x 2 = a 0

Determinantti 1 / 30

Kanta ja Kannan-vaihto

Vektoreiden virittämä aliavaruus

2.5. Matriisin avaruudet ja tunnusluvut

Matematiikka B2 - TUDI

Tehtäväsarja I Kerrataan lineaarikuvauksiin liittyviä todistuksia ja lineaarikuvauksen muodostamista. Sarjaan liittyvät Stack-tehtävät: 1 ja 2.

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:

Ominaisvektoreiden lineaarinen riippumattomuus

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Sovellettu todennäköisyyslaskenta B

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

Mat Lineaarinen ohjelmointi

Koodausteoria, Kesä 2014

Lineaarialgebra (muut ko)

1 Sisätulo- ja normiavaruudet

802320A LINEAARIALGEBRA OSA II

Matikkapaja keskiviikkoisin klo Lineaarialgebra (muut ko) p. 1/81

Matematiikka B2 - Avoin yliopisto

Ortogonaaliset matriisit, määritelmä 1

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

Ominaisarvo ja ominaisvektori

Lineaarialgebra ja matriisilaskenta I

Paulin spinorit ja spinorioperaattorit

Insinöörimatematiikka D

Tehtäväsarja I Kertaa tarvittaessa materiaalin lukuja 1 3 ja 9. Tarvitset myös luvusta 4 määritelmän 4.1.

Lineaariset yhtälöryhmät ja matriisit

Ennakkotehtävän ratkaisu

Johdatus lineaarialgebraan

Seuraava luento ti on salissa XXII. Lineaarialgebra (muut ko) p. 1/117

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja

Lineaarikuvauksen R n R m matriisi

3 Suorat ja tasot. 3.1 Suora. Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta.

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

Johdatus lineaarialgebraan

Lineaarialgebra ja matriisilaskenta I

Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti

Ominaisarvoon 4 liittyvät ominaisvektorit ovat yhtälön Ax = 4x eli yhtälöryhmän x 1 + 2x 2 + x 3 = 4x 1 3x 2 + x 3 = 4x 2 5x 2 x 3 = 4x 3.

ẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t),

Insinöörimatematiikka D

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

1 Avaruuksien ja lineaarikuvausten suora summa

Inversio-ongelmien laskennallinen peruskurssi Luento 2

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

1 Ominaisarvot ja ominaisvektorit

Esimerkki 19. Esimerkissä 16 miniminormiratkaisu on (ˆx 1, ˆx 2 ) = (1, 0).

Inversio-ongelmien laskennallinen peruskurssi Luento 3

Mat Dynaaminen optimointi, mallivastaukset, kierros 1

Dynaamiset regressiomallit

v AB q(t) = q(t) v AB p(t) v B V B ṗ(t) = q(t) v AB Φ(t, τ) = e A(t τ). e A = I + A + A2 2! + A3 = exp(a D (t τ)) (I + A N (t τ)), A N = =

Sisätuloavaruudet. 4. lokakuuta 2006

Transkriptio:

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 1 Alijärjestelmän mittaus ja muita epätäydellisiä mittauksia Loepp & Wootters, Protecting Information, luvut.4-.5

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 Alijärjestelmän mittaus ja muita epätäydellisiä mittauksia Mitä otsikko takoittaa? Alijärjestelmän mittaus: Useamman kvantin järjestelmästä mitataan vain sen kvanttien osajoukon tila. Epätäydellinen mittaus: Useamman kvantin järjestelmästä mitataan vain osa. Esimerkki: alijärjestelmän mittaus myös muita epätäydellisia mittauksia olemassa Aluksi käsitellään alijärjestelmän mittausta.

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 3 Tarkastellaan yleisintä fotoniparin polarisaatiotilaa: s = a + b + c + d, joka voi olla lomittunut tai ei. Halutaan tehdä mittaus M = (, ) ensimmäiselle fotonille ja jättää toinen fotoni mittaamatta. Mittauksen vaikutuksen selvittämiseksi on hyödyllistä kirjoittaa tila s = (a + b ) + (c + d ), mikä on muotoa s = v + w, missä v ja w ovat normalisoimattomia vektoreita assosioituina toiseen fotoniin.

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 4 Kun tehdään mittaus M ensimmäiselle photonille, mitkä ovat tulosten ja todennäköisyydet? Tila oli muotoa s = v + w. Tulosten todennäköisyydet ovat v v ja w w. Entä mitkä ovat fotonien lopputilat? Jos ensimmäisestä fotonista tulee tulos, sen lopputila on ja toisen fotonin lopputila on verrannollinen v :hen.

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 5 Sääntö alijärjestelmien mittaukselle Tarkastellaan järjestelmää AB joka koostuu kahdesta osasta A ja B ja oletetaan että AB kokonaisuutena on tilassa s. Osaa A mitataan nyt mittauksella ( m 1,..., m N ), missä N on osan A dimensio. Voidaan osoittaa, että tila s voidaan aina kirjoittaa muodossa s = m 1 v 1 +... + m N v N, missä v 1,..., v N ovat normalisoimattomia osaan B assosioituja vektoreita Tuloksen m i todennäköisyys on p i = v i v i. Jos i. tulos tapahtuu, osan A lopputila on m i ja osan B lopputila on v i / v i v i.

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 6 Esimerkki Fotonipari on tilassa s = 1 ( + ). (1) Tehdään ensimmäiselle fotonille mittaus M = ( m 1, m ) = ( 1 ( + ), (i) Mikä on tuloksen m 1 todennäköisyys? (ii) Jos tulos on m 1, niin mikä on toisen fotonin lopputila? 1 ( )). Vastaukset: Vastataksemme haluamme ilmaista tilan s muodossa Eli haluamme, että s = m 1 v 1 + m v. s = 1 [( + ) v 1 + ( ) v ].

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 7 Jokainen v i voidaan kirjoittaa v i = a i + b i, joten saadaan s = 1 [( + ) (a 1 +b 1 )+( ) (a +b )] = 1 [(a 1 +a ) +(b 1 +b ) +(a 1 a ) +(b 1 b ) ]. Vertaamalla tätä yhtälöön (1) nähdään, että täytyy olla a 1 + a = 1, b 1 + b = 0, a 1 a = 0, ja b 1 b = 1. Ainoa ratkaisu on a 1 = a = b 1 = 1/ ja b = 1/. Täten v 1 = 1 ( + ) ja v = 1 ( ). Nyt kysymyksiin voidaan vastata. (i) Tuloksen m 1 todennäköisyys on v 1 v 1 = (1/) + (1/) = 1/. (ii) Jos tulos m 1 tapahtuu, toisen fotonin lopputila on v 1 / v 1 v 1 = (1/ )( + ).

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 8 Yhden fotonin mittaus vaikuttaa toisen fotonin tilaan. Lisäksi, toisen fotonin lopputila riippuu valinnasta, minkä mittauksen teemme ensimmäiselle fotonille. Jos Alice seisoo lähellä ensimmäistä fotonia ja Bob seisoo lähellä toista fotonia, voisiko Alice lähettää välittömän signaalin Bobille valitsemalla mittauksen? Vastaus: Alice voi valita minkä mittuksen tekee, mutta ei voi vaikuttaa mittauksen tulokseen. Voidaan osoittaa, että tämä estää häntä käyttämästä fotonin lomittuneisuutta lähettääkseen signaalin Bobille.

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 9 Standardikanta (,,, ) esittää tiettyä täydellistä mittausta fotoniparille. Mutta oletetaan, että haluamme tehdä vain mittauksen (, ) ensimmäiselle fotonille. Täytyy pystyä erottelemaan kaksi ensimmäistä kantaelementtiä kahdesta viimeisestä. Tässä tulevat apuun projektio-operaattorit. Tilan kertominen matriisilla 1 0 0 0 0 1 0 0 P 1 = 0 0 0 0 0 0 0 0 saa aikaan kahden fotonin tilan projisoinnin aliavaruuteen, jonka virittävät kaksi ensimmäistä kantavektoria.

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 10 Vastaavasti tilan kertominen matriisilla P = 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 saa aikaan kahden fotonin tilan projisoinnin aliavaruuteen, jonka virittävät kaksi jälkimmäistä kantavektoria.

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 11 Määritelmä. N :n dimension vektoriavaruuteen vaikuttava projektio-operaattori P on N N -matriisi seuraavilla ominaisuuksilla: (i) P = P, (ii) P = P.

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 1 Esimerkki. Olkoon s tilavektori N -ulotteisessa tila-avaruudessa. Matriisi P = s s on projektio-operaattori joka projisoi s :n virittämään aliavaruuteen (ks. perustelu kirja s.98).

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 13 Esimerkki. Olkoot s (1) ja s () kaksi ortogonaalista tilaa N -ulotteisessa tila-avaruudessa. Yhdessä ne virittävät kaksiulotteisen aliavaruuden. Operaattori, joka projisoi tähän aliavaruuteen voidaan kirjoittaa P = s (1) s (1) + s () s ().

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 14 Yleiset kvanttimekaaniset säännöt epätäydellisille mittauksille Järjestelmän tila-avaruus mielivaltaisen ulotteinen. 1. Mittaus esitetään projektio-operaattoreina M = (P 1,..., P n ) niin että i P i = I, identiteetti-operaattori.. Jos järjestelmän alkutila on s ja mittaus M suoritetaan, niin i. tuloksen todennäköisyys on p i = s P i s. 3. Jos alkutila on s ja i. tulos tapahtuu, systeemin lopputila on s i = P i s s Pi s.

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 15 Esimerkki Fotonipari on alussa tilassa s = (1/ )( + ). Tehdään ensimmäiselle fotonille mittaus (, ). Mitkä ovat kahden tuloksen todennäköisyydet, ja kullekin tulokselle, mikä on fotoniparin lopputila?

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 16 Projektio-operaattorit P 1 ja P kuten aikaisemmassa johdatuksessa. Säännön mukaan ensimmäisen tuloksen todennäköisyys on p 1 = ( 1 0 0 Vastaavasti toisen tuloksen todennäköisyys on 1/. 1 0 0 0 1/ 1 0 1 0 0 0 ) = 1 0 0 0 0 0. 0 0 0 0 1/

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 17 Jos ensimmäinen tulos tapahtuu, niin säännön mukaan parin lopputila on 1 0 0 0 1/ 1 s = 1 0 1 0 0 0 0 = =. 1/ 0 0 0 0 0 0 0 0 0 1/ 0 0 Siis mittaus ei vain jätä mitattua fotonia tilaan, vaan jättää myös toisen fotonin samaan tilaan.

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 18 Esimerkki. Tarkastellaan seuraavaa epätäydellistä mittausta fotoniparille: P 1 = + P = + Mittaus kysyy onko kahdella fotonilla sama polarisaatio vai vastakkaiset polarisaatiot ilman että kultakin fotonilta kysyttäisiin sen oma polarisaatio. Olkoon tila s = 1 ( + ) eli sama mitä käytettiin aikaisemmissa esimerkeissä.

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 19 Mittauksen tulosten todennäköisyydet ovat p 1 = s P 1 s = 1 ( + )( + ) ( + ) = 1 p 1 = s P s = 1 ( + )( + ) Ensimmäinen tulos siis tapahtuu. ( + ) = 0

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 0...ensimmäinen tulos siis tapahtuu, ja fotonipari säännön mukaan jää tilaan s 1 = P 1 s s P1 s = s. Eli, mittaus ei ole muuttanut tilaa. Jos kunkin yksittäisen fotonin polarisaatiot olisi mitattu, se olisi muuttanut niiden tilaa. Tekemällä tämänkaltainen epätäydellinen mittaus, voidaan saada tietoa tilasta vaikuttamatta tilaan.

T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 1 Yhteenveto 1. Lomittuneissa järjestelmissä alijärjestelmän mittaus vaikuttaa myös järjestelmän toisen osan tilaan.. Voidaan tehdä myös epätäydellisiä mittauksia joissa systeemin tila ei muutu.