23.11.2014 Views

PhD thesis (in polish)

PhD thesis (in polish)

PhD thesis (in polish)

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

44 Rozdział 3: Kryteria separowalnosci<br />

3. Tr(ρW 2 ) > 0 ⇒ λTr(ρW 2 ) Tr(ρW 1 )<br />

Weźmy dowolny stan ρ 1 ∈ D(W 2 ). Zdef<strong>in</strong>iujmy nieunormowaną macierz gęstości<br />

ρ 2 = Tr(ρW 2 )ρ 1 − Tr(ρ 1 W 2 )ρ. Zachodzi dla niej Tr(ρ 2 W 2 ) = 0, więc można zastosować<br />

do niej wynik kroku pierwszego. Otrzymujemy w wyniku Tr(ρW 2 )Tr(ρ 1 W 1 ) −<br />

Tr(ρ 1 W 2 )Tr(ρW 1 ) 0. Dostajemy teraz nierówność:<br />

Tr(ρW 2 )Tr(ρ 1 W 1 ) Tr(ρ 1 W 2 )Tr(ρW 1 )<br />

Dzieląc obie strony przez ujemną liczbę Tr(ρ 1 W 2 )Tr(ρW 2 ), dostajemy nierówność:<br />

Tr(ρ 1 W 1 )<br />

Tr(ρ 1 W 2 ) Tr(ρW 1)<br />

Tr(ρW 2 )<br />

Nierówność powyższa zachodzi dla dowolnego ρ 1 ∈ D(W 2 ), dlatego zachodzi również<br />

dla <strong>in</strong>fimum prawej strony po zbiorze D(W 2 ). Infimum to def<strong>in</strong>iuje wielkość λ.<br />

Mnożąc obie strony tak otrzymanej nierówności przez Tr(ρW 1 ) otrzymujemy tezę.<br />

Pokazaliśmy w ten sposób, że niezależnie od znaku lewej strony nierówności (3.4) jest ona<br />

spełniona. □<br />

Dowód drugiej części twierdzenia jest zmodyfikowaną wersją dowodu z [79].<br />

Def<strong>in</strong>icja 3.6. Świadka k-splątania nazywamy optymalnym, jeżeli nie istnieje świadek od<br />

niego doskonalszy.<br />

Na mocy twierdzenia 3.5 możemy podać bardziej operacyjną def<strong>in</strong>icję optymalności<br />

świadka:<br />

Wniosek 3.7. Świadek jest optymalny wtedy i tylko wtedy, gdy odjęcie od niego dowolnej<br />

macierzy dodatniej wyprowadza poza zbiór świadków.<br />

Przy stwierdzaniu optymalności świadka k-splątania W , kluczową rolę odgrywa zbiór<br />

wektorów k-separowalnych, na których wartość własna świadka W jest równa zero. Oznaczamy<br />

go jako P k (W ). Znając ten zbiór, można zawęzić zbiór macierzy dodatnich, które<br />

mogą być odjęte od świadka splątania, poprzez warunek na jądro takiej macierzy dodatniej<br />

P :<br />

ker P ⊃ spanP k (W )<br />

Jeżeli warunek ten nie zachodzi, to istnieje wektor k-separowalny Ψ w zbiorze P k (W ),<br />

na którym wartość średnia macierzy P jest większa od zera. Oznacza to, że obserwabla<br />

W − P nie jest świadkiem k-splątania, ponieważ istnieją stany k-separowalne, na których<br />

przyjmuje ona ujemną wartość średnią.<br />

Widzimy, że im więcej l<strong>in</strong>iowo niezależnych wektorów jest w zbiorze P k (W ), tym<br />

ostrzejsze warunki musi spełniać macierz dodatnia, którą możemy odjąć od W nie wychodząc<br />

poza zbiór świadków k-splątania. Najkorzystniejsza sytuacja ma miejsce, gdy<br />

zbiór P k (W ) nap<strong>in</strong>a całą przestrzeń Hilberta układu. Wtedy odjęcie dowolnej macierzy<br />

dodatniej od świadka W wyprowadza poza zbiór świadków k-splątania i mamy pewność<br />

że świadek jest optymalny. Dostajemy tym samym następujący warunek:<br />

Twierdzenie 3.8 (Warunek wystarczający optymalności). Jeżeli dla świadka k-splątania<br />

W zachodzi równość: spanP k (W ) = C d 1<br />

⊗ C d 2<br />

, to świadek ten jest optymalny<br />

Charakteryzacja optymalności za pomocą zbioru P k (W ) i powyższe twierdzenie pochodzą<br />

z pracy [79].

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!