+   Ficha Técnica
 +   Mapa Publicaciones
 +   Cálculo Autovectores
 



Matrices de Pauli
Deducción Matemática


José Enrique González Cornejo
v.9.1/Abril 2021


Capítulo extraído del Documento de Base:
Matrices Cuánticas de Pauli ~ Base de un Algebra de Lie









Vectores Propios $\longrightarrow$ Matrices de Pauli


·  Introducción - Deducción $\unicode{123}\large {\sigma_x,\sigma_y,\sigma_z}\unicode{125}$ 177

Se mostrará la deducción de los tres operadores lineales, a partir de $\sigma_z$, operador que gira en torno al eje de la $z$ del plano euclidiano de 3 dimensiones (representación sobre la superficie de la esfera de Bloch19), espacio donde, - en el presente artículo-, se ilustran las definiciones de las tres puertas de Pauli $\sigma_x=X$, $\sigma_y= Y$, $\sigma_z=Z$. 175


Espín:Matrices de Pauli


Nótese que se actuará linealmente sobre los operadores {$X,Y$} como Estados en Superposición de los autovectores de base utilizados para configurar $\sigma_z= Z$.

Comenzaremos desde el sping del electrón, donde se tiene un estado hacia arriba (↑~$|u〉$) y un estado de la rotación hacia abajo (↓~$|d〉$). Equivalentemente se utiliza esta notación de Dirac1 como: $|0〉$ y $|1〉$.

Los operadores de Pauli se utilizan en física para describir el spin de las partículas, que es una propiedad intrínseca de las partículas elementales. El spin se comporta como un vector en un espacio tridimensional y los operadores de Pauli nos permiten describir matemáticamente sus componentes en cada una de las tres direcciones.


Dirac: Representación de Estados


A fin de deducir el operador, se aplican los principios básicos de la mecánica cuántica. Es decir,
    i) $\sigma_z$ es un operador lineal;

    ii) Los autovectores de $\sigma_z$ son {$|u〉=+1,|d〉=-1$} 170;

    iii) Los vectores $|u〉$ y $|d〉$ son ortogonales, i.e. producto interno $〈u|d〉=0$2.



$\sigma_x$

$\sigma_y$

$\sigma_z$

Matrices de Pauli~Esfera de Bloch19


· Autovalores ~ Matrices de Pauli

Ahora, cada una de las matrices de Pauli son una matriz hermítica ($M=(M^T)^*$) 178 y unitaria de $2×2$, i.e. que abarca el espacio de observables del espacio de Hilbert complejo bidimensional3, dotado de los valores propios escalares $\lambda=\pm 1$. Los vectores propios de los tres operadores normalizados son:

$$ |r〉=\sigma_{x+}= \frac{1}{\sqrt{2}} \begin{pmatrix} 1 \\ 1 \\ \end{pmatrix}$$ $$|\ell〉=\sigma_{x-}= -\frac{1}{\sqrt{2}} \begin{pmatrix} 1 \\ 1 \\ \end{pmatrix}$$
$$|i〉=\sigma_{y+}= \frac{1}{\sqrt{2}} \begin{pmatrix} 1 \\ i \\ \end{pmatrix}$$ $$|\ell〉=\sigma_{y-}= \frac{1}{\sqrt{2}} \begin{pmatrix} 1 \\ -i \\ \end{pmatrix}$$
$$|u〉= \sigma_{z+}= \begin{pmatrix} 1 \\ 0 \\ \end{pmatrix}$$ $$|d〉=\sigma_{z-}= \begin{pmatrix} 0 \\ 1 \\ \end{pmatrix}$$


· Eigenvectores o Vectores Propios

En síntesis, a continuación se describen más detalladamente los autovectores como los autovalores del sistema de matrices de Pauli,- incluyendo la matriz Idéntica:


Los eigenvectores o vectores propios de la matriz idéntica $\mathbf{\sigma_0=I}$,

$$ \sigma_0=I= \begin{pmatrix} 1 & 0\\ 0 & 1\\ \end{pmatrix} $$
$$\text{son:}$$
$$ H_0=\left\{ \begin{pmatrix} 1 \\ 0 \\ \end{pmatrix}, \begin{pmatrix} 0 \\ 1 \\ \end{pmatrix} \right\} $$
Ambos autovalores (eigenvalues) asociados tienen $\mathbf{\lambda=1}$.





Los eigenvectores o vectores propios de la matriz $\mathbf{\sigma_x=X}$,

$$ \sigma_{1}=\sigma_{x}=X= \begin{pmatrix} 0 & 1\\ 1 & 0\\ \end{pmatrix} $$
$$\text{son:}$$
$$ H_1= \left\{ \frac{1}{\sqrt{2}} \begin{pmatrix} 1 \\ 1 \\ \end{pmatrix}, \frac{1}{\sqrt{2}} \begin{pmatrix} 1 \\ -1 \\ \end{pmatrix} \right\} $$
Los autovalores (eigenvalues) asociados son $\mathbf{\lambda_1=1}$ y $\mathbf{\lambda_2=-1}$.




Los eigenvectores o vectores propios de la matriz $\mathbf{\sigma_y=Y}$,

$$ \sigma_{2}=\sigma_{y}=Y= \begin{pmatrix} 0 & -i\\ i & 0\\ \end{pmatrix} $$
$$\text{son:}$$
$$ H_2= \left\{ \frac{1}{\sqrt{2}} \begin{pmatrix} 1 \\ i \\ \end{pmatrix}, \frac{1}{\sqrt{2}} \begin{pmatrix} 1 \\ -i \\ \end{pmatrix} \right\} $$
Los autovalores (eigenvalues) asociados son $\mathbf{\lambda_1=1}$ y $\mathbf{\lambda_2=-1}$.





· Los eigenvectores o vectores propios de la matriz $\mathbf{\sigma_z=Z}$,

$$ \sigma_3=\sigma_z=Z= \begin{pmatrix} 1 & 0 \\ 0 & -1 \\ \end{pmatrix} $$
$$\text{son:}$$
$$ H_3= \left\{ \frac{1}{\sqrt{2}} \begin{pmatrix} 1 \\ 0 \\ \end{pmatrix}, \frac{1}{\sqrt{2}} \begin{pmatrix} 0 \\ 1 \\ \end{pmatrix} \right\} $$
Los autovalores (eigenvalues) asociados son $\mathbf{\lambda_1=1}$ y $\mathbf{\lambda_2=-1}$.





· ¿ De dónde aparece la constante normalizada $\large{\frac{1}{\sqrt{2}}}$ ?

Sabemos del cálculo de autovectores que $A\vec{v}=\lambda\vec{v}$, siendo $A_{n \times n}$ una matriz cuadrada no nula ($A \ne \vec{0}$), y $\vec{v}_{n\times 1}$ es un autovector de orden $n \times 1$, con $\lambda \in \mathbb{C}\quad(\lor \quad \lambda \in \mathbb {R})$ es un escalar.

Luego, resolviendo la ecuación matricial:

$$ \begin{pmatrix} 0 & -i\\ i & 0\\ \end{pmatrix} \begin{pmatrix} x\\ y\\ \end{pmatrix} = (+1) \begin{pmatrix} x\\ y\\ \end{pmatrix} $$
Se puede determinar que una solución es el autovector columna $\vec{v_1}$ con autovalor $\lambda_1=+1$:

$$ \begin{pmatrix} x \\ y \\ \end{pmatrix}= (+1)\underbrace{\begin{pmatrix} -i \\ 1 \\ \end{pmatrix}}_{\vec{v_1}} $$
En efecto, multiplicando la matriz $\sigma_y$ por el vector $\vec{v_1}$, con el autovalor asociado $\lambda=+1$ se obtiene $\vec{v_1}$:

$$ \begin{pmatrix} 0 & -i\\ i & 0\\ \end{pmatrix} \underbrace{ \begin{pmatrix} -i \\ 1 \\ \end{pmatrix}}_{\vec{v_1}}= \begin{pmatrix} 0·(-i)+(-i)·1 \\ i·(-i)+0·1 \end{pmatrix}=\underbrace{\begin{pmatrix} -i \\ 1 \\ \end{pmatrix}}_{\vec{v_1}} $$

Ahora, la norma o módulo del eigenvector $\vec{v_1}$ es 176:

$$ \begin{Vmatrix} -i \\ 1\end{Vmatrix} =\sqrt{|-i|^2+|1|^2}=\sqrt{2} $$
De ahí que, la normalización constante es $\large{\frac{1}{\sqrt{2}}}$ 




Así mismo en este artículo anexo, se esboza una demostración algebraica, a partir de las propiedades de la matrices de Pauli, operando matricialmente, generando ecuaciones y despejando para demostrar su conformación.




·  Iniciando Deducción con la Matriz $\large {\sigma_z=Z}$

$$ \sigma_z = \begin{cases} |u〉=|↑〉+1 & \text{ (up)} \\ |d〉=|↓〉-1 & \text{ (down)} \end{cases} $$

Los autovectores o eigenvectores de {$|u〉, |d〉$}, que al transformarlos en su medición por el operador $\sigma_z$, dan lugar a los escalares {$+1,-1$} respectivamente.

Es decir,
$$\sigma_z(|u〉)=+1|u〉=|u〉\\ \land \\ \sigma_z(|d〉)=-1|d〉=-|d〉$$
$$\Rightarrow$$
$\sigma_z|u〉=|u〉$
  $\quad$[Eqsz]
$$\sigma_z|d〉=-|d〉$$


Vectorialmente se representan como vectores columnas de un espacio bidimensional:

$$ |u〉=\begin{pmatrix} 1 \\ 0 \\ \end{pmatrix}\\ \land \\|d〉=\begin{pmatrix} 0 \\ 1 \\ \end{pmatrix} $$

Nótese que todos los posibles resultados de las mediciones son operadores del autovalor que representan un observable. Además, estos dos vectores son ortogonales, i.e. el producto interno entre ellos es igual a cero:

$$ \large{|u\text{|}d〉=0} $$

Aplicando $[Eqs_z]$, considérese matricialmente entonces, - en este espacio vectorial bidimensional -, las siguientes dos ecuaciones:


$$ \begin{pmatrix} (\sigma_z)_{11} & (\sigma_z)_{12} \\ (\sigma_z)_{21} & (\sigma_z)_{22} \\ \end{pmatrix}· \underbrace{ \begin{pmatrix} 1 \\ 0 \\ \end{pmatrix}}_{|u〉}= \underbrace{ \begin{pmatrix} 1 \\ 0 \\ \end{pmatrix}}_{|u〉} \qquad [Eq_{z1}] $$
$$ \begin{pmatrix} (\sigma_z)_{11} & (\sigma_z)_{12} \\ (\sigma_z)_{21} & (\sigma_z)_{22} \\ \end{pmatrix}· \underbrace{ \begin{pmatrix} 0 \\ 1 \\ \end{pmatrix}}_{|d〉}= -\underbrace{ \begin{pmatrix} 0 \\ 1 \\ \end{pmatrix} }_{|d〉} \qquad [Eq_{z2}] $$
Multiplicando matricialmente $[Eq_{z1}]$ y $[Eq_{z2}]$ respectivamente, se obtiene:

$$ \begin{pmatrix} (\sigma_z)_{11}\\ (\sigma_z)_{21}\\ \end{pmatrix}=\begin{pmatrix} 1 \\ 0 \\ \end{pmatrix} \\ \land \\ \begin{pmatrix} (\sigma_z)_{12}\\ (\sigma_z)_{22}\\ \end{pmatrix}=-\begin{pmatrix} 0 \\ 1 \\ \end{pmatrix} $$
$$ \large{\Rightarrow} $$
$$ (\sigma_z)_{11}=1\text{ , } (\sigma_z)_{21}=0 \\ \land \\ (\sigma_z)_{12}=0\text{ , }(\sigma_z)_{22}=-1 $$
Por lo tanto, uniendo:

$$ \sigma_z=Z= \begin{pmatrix} 1 & 0 \\ 0 & -1 \\ \end{pmatrix} $$

Se ha deducido la matriz unitaria $\sigma_z$ de Teoría Cuántica, que se denomina también Puerta Cuántica de Pauli $Z$.


Operador $\sigma_z$~Esfera de Bloch


Luego, con el mismo procedimiento y principios con que se dedujo este operador lineal $\sigma_z=Z$, se infieren las otras dos matrices de Pauli $\sigma_x=X \quad y \quad \sigma_y=Y$ 171 como combinación lineal de los vectores de base {$|u〉,|d〉$}.



·  Deducción Matriz $\large {\sigma_x=X}$

Denotemos dos vectores {$|r〉,|\ell〉$} como $(\rightarrow \text{ right})$ y $(\leftarrow \text{ left})$, para deducir el operador $\sigma_x$.

$\sigma_x(|r〉)=+1|r〉=|1〉$ y $\sigma_x(|\ell〉)=-1|\ell〉=-|l〉$, i.e.

$\sigma_x|r〉=|r〉$
  $\quad$[Eqsx]
$$\sigma_x|\ell〉=-|\ell〉$$

Desde ahí, se demostrará que:



$$|r〉=\frac{1}{\sqrt{2}}(|u〉 + |d〉)\\ \land \\ |\ell〉=\frac{1}{\sqrt{2}}(|u〉 - |d〉)$$

Luego, se tienen los siguientes vectores columnas:

$$ |r〉=\begin{pmatrix} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{pmatrix} \\ \land \\ |\ell〉=\begin{pmatrix} \frac{1}{\sqrt{2}} \\ -\frac{1}{\sqrt{2}} \\ \end{pmatrix} $$

Obsérvese que los vectores {$|r〉,|\ell〉$} son una superposición (equiprobable) de los vectores de base {$|u〉, |d〉$}, que se obtiene al realizar la rotación en torno al eje $x$.

Aplicando $[Eqs_x]$, considérese matricialmente entonces las siguientes dos ecuaciones:


$$ \begin{pmatrix} (\sigma_x)_{11} & (\sigma_x)_{12} \\ (\sigma_x)_{21} & (\sigma_x)_{22} \\ \end{pmatrix}· \underbrace{ \begin{pmatrix} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{pmatrix}}_{|r〉}= \underbrace{ \begin{pmatrix} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{pmatrix}}_{|r〉} \qquad [Eq_{x1}] $$
$$ \begin{pmatrix} (\sigma_x)_{11} & (\sigma_x)_{12} \\ (\sigma_x)_{21} & (\sigma_x)_{22} \\ \end{pmatrix}· \underbrace{ \begin{pmatrix} \frac{1}{\sqrt{2}} \\ -\frac{1}{\sqrt{2}} \\ \end{pmatrix}}_{|l〉}= -\underbrace{ \begin{pmatrix} \frac{1}{\sqrt{2}} \\ -\frac{1}{\sqrt{2}} \\ \end{pmatrix} }_{|l〉} \qquad [Eq_{x2}] $$
Multiplicando matricialmente $[Eq_{x1}]$ y $[Eq_{x2}]$ respectivamente, se obtiene:

$$ (\sigma_x)_{11}=0 \text{ , }(\sigma_x)_{21}=1\\ \land \\ (\sigma_x)_{12}=1 \text{ , }(\sigma_x)_{22}=0 $$
Se ha deducido la matriz unitaria $\sigma_x$ de Teoría Cuántica, que se denomina también Puerta Cuántica de Pauli $X$. Matricialmente se expresa como:

$$ \sigma_x=X= \begin{pmatrix} 0 & 1 \\ 1 & 0 \\ \end{pmatrix} $$


Operador $\sigma_x$~Esfera de Bloch




·  Deducción Matriz $\large {\sigma_y=Y}$

Denotemos dos vectores {$|i〉,|o〉$} como $in$ y $out$, para deducir el operador $\sigma_y$.

$\sigma_y(|i〉)=+1|i〉=|i〉$ y $\sigma_y(|o〉)=-1|o〉=-|o〉$, i.e.

$\sigma_y|i〉=|i〉$
  $\quad$[Eqsy]
$$\sigma_y|o〉=-|o〉$$

Es decir, se demostrará que



$$|i〉=\frac{1}{\sqrt{2}}(|u〉 + i|d〉)\\ \land \\ |o〉=\frac{1}{\sqrt{2}}(|u〉 - i|d〉)$$
Obsérvese que los vectores {$|i〉,|o〉$} son una superposición de los vectores de base {$|u〉, |d〉$}, que se obtiene al realizar la rotación de $\pi$ radianes en torno al eje $y$. (Vectores que se asumen equiprobables)

Luego, se tienen los vectores columnas,

$$ |i〉=\begin{pmatrix} \frac{1}{\sqrt{2}} \\ \frac{i}{\sqrt{2}} \\ \end{pmatrix}\\ \land \\|o〉=\begin{pmatrix} \frac{1}{\sqrt{2}} \\ -\frac{i}{\sqrt{2}} \\ \end{pmatrix} $$

Aplicando $[Eqs_y]$, considérese matricialmente entonces las siguientes dos ecuaciones:


$$ \begin{pmatrix} (\sigma_y)_{11} & (\sigma_y)_{12} \\ (\sigma_y)_{21} & (\sigma_y)_{22} \\ \end{pmatrix}· \underbrace{ \begin{pmatrix} \frac{1}{\sqrt{2}} \\ \frac{i}{\sqrt{2}} \\ \end{pmatrix}}_{|i〉}= \underbrace{ \begin{pmatrix} \frac{1}{\sqrt{2}} \\ \frac{i}{\sqrt{2}} \\ \end{pmatrix}}_{|i〉} \qquad [Eq_{y1}] $$
$$ \begin{pmatrix} (\sigma_y)_{11} & (\sigma_y)_{12} \\ (\sigma_y)_{21} & (\sigma_y)_{22} \\ \end{pmatrix}· \underbrace{ \begin{pmatrix} \frac{1}{\sqrt{2}} \\ -\frac{i}{\sqrt{2}} \\ \end{pmatrix}}_{|o〉}= -\underbrace{ \begin{pmatrix} \frac{1}{\sqrt{2}} \\ -\frac{i}{\sqrt{2}} \\ \end{pmatrix} }_{|o〉} \qquad [Eq_{y2}] $$
Multiplicando matricialmente $[Eq_{y1}]$ y $[Eq_{y2}]$ respectivamente, se obtiene:

$$ (\sigma_y)_{11}=0 \text{ , }(\sigma_x)_{21}=i\\ \land \\ (\sigma_x)_{12}=-i \text{ , }(\sigma_x)_{22}=0 $$

Se ha deducido la matriz unitaria $\sigma_y$ de Teoría Cuántica, que se denomina también Puerta Cuántica de Pauli $Y$. Matricialmente se expresa como:

$$ \sigma_y=Y= \begin{pmatrix} 0 & -i \\ i & 0 \\ \end{pmatrix} $$


Operador $\sigma_y$~Esfera de Bloch


Por tanto, tenemos las tres Matrices de Pauli en el espacio bidimensional:


$$ \sigma_x= \begin{pmatrix} 0 & 1 \\ 1 & 0 \\ \end{pmatrix} \qquad \sigma_y= \begin{pmatrix} 0 & -i \\ i & 0 \\ \end{pmatrix} \qquad \sigma_z= \begin{pmatrix} 1 & 0 \\ 0 & -1 \\ \end{pmatrix} $$



·  Deducción Algebraica ~ Desde las Propiedades

Estas tres matrices de Pauli son representaciones matriciales de su operador unitario, que cumplen con la condición de que la determinante de su matriz es diferente de $0$ (toma el valor $\pm 1$), su traza $Tr(\sigma_i)=0$, que su matriz inversa es igual a ella misma y que su transpuesta también es la misma matriz.

Esta propiedad involutiva se expresa como:

$$ \sigma_x^{2}=\sigma_y^{2}=\sigma_z^{2}=I $$
$$\sigma_x=\sigma_x^{-1}=\sigma_x^{T}\quad \text{, } \sigma_y=\sigma_y^{-1}=\sigma_y^{T}\quad \text{, }\sigma_z=\sigma_z^{-1}=\sigma_z^{T}$$

Otro enfoque de deducción matemática de los autovectores de las matrices de Pauli, es a partir de las propias matrices utilizando sus características y particularmente su propiedad de anticonmutación:

$$\sigma_x\sigma_y + \sigma_y\sigma_x = 0\\ \sigma_y\sigma_z + \sigma_z\sigma_y = 0 \\ \sigma_z\sigma_x + \sigma_x\sigma_z = 0$$
Se despejan y operan algebraicamente estas ecuaciones, a fin de llegar a obtener los autovectores y autovalores de las matrices de Pauli con sus elementos.

En otras palabras, se utilizan diversas operaciones entre las tres matrices y se obtienen expresiones que, al aplicarles las propiedades de las matrices señaladas, permiten deducir los autovectores de las matrices de Pauli.

A ese efecto es necesario contar por ejemplo con:

$$\times$$ $$\sigma_x$$ $$\sigma_y$$ $$\sigma_z$$
$$\sigma_x$$ $$I$$ $$i\sigma_z$$ $$-i\sigma_y$$
$$\sigma_y$$ $$-i\sigma_z$$ $$I$$ $$i\sigma_x$$
$$\sigma_z$$ $$i\sigma_y$$ $$-\sigma_x$$ $$I$$
Tabla de Cayley

Además por ejemplo, armar desde la Tabla de Cayley el siguiente sistema de igualdades, donde se utiliza la diferencia de los productos cruzados de la matrices de Pauli. Ciertamente, se aplica la conmutación con la operación binaria Corchetes de Lie ([XY]=XY-YX)90:

$$ [\sigma_x \sigma_y]=\sigma_x\sigma_y - \sigma_y\sigma_x = 2i\sigma_z \\ [\sigma_y \sigma_z]=\sigma_y\sigma_z - \sigma_z\sigma_y = 2i\sigma_x \\ [\sigma_z \sigma_x]=\sigma_z\sigma_x - \sigma_x\sigma_z = 2i\sigma_y $$

El grupo de Lie $SO(2)$ es triparamétrico como $SO(3)$. Por ejemplo, explicitamente:

$$ [\sigma_x \sigma_y]= \begin{pmatrix} 0 & 1 \\ 1 & 0 \\ \end{pmatrix} \begin{pmatrix} 0 & -i \\ i & 0 \\ \end{pmatrix} - \begin{pmatrix} 0 & -i \\ i & 0 \\ \end{pmatrix} \begin{pmatrix} 0 & 1 \\ 1 & 0 \\ \end{pmatrix} = \begin{pmatrix} 2i & 0 \\ 0 & -2i \\ \end{pmatrix} \\ \Rightarrow \\ 2i\begin{pmatrix} -1 & 0 \\ 0 & 1 \\ \end{pmatrix}=2i\sigma_z \\ $$

En resumen, las matrices de Pauli {$\sigma_x,\sigma_y, \sigma_z$} se deducen construyendo operadores que actúan sobre una base de dos dimensiones y cumplen con las propiedades descritas.

(Ver Matrices de Pauli ~ Generadores del Algebra de Lie )





  Notas Complementarias Adjuntas

Videografía y Bibliografía

  • [B1]
    Quantum Computation 5: A Quantum Algorithm
    David Deutsch, Autor del Algoritmo
    Centre for Quatum Computation
    https://www.youtube.com/watch?v=3I3OBFlJmnE

  • [B2]
    Curso Computación Cuántica
    Eduardo Sáenz de Cabezón
    26 abril 2019
    Instituto de Matemáticas de la UNAM, México
    https://www.youtube.com/watch?v=KKwjeJzKezw

  • [B3]
    Quantum Optics
    Miguel Orszag,
    Pontificia Universidad Católica - Santiago de Chile
    Editorial Springer ~ 2016


  • [B4]
    Quantum Optics - Mark Fox - Oxford University Press
    22 jun. 2006 - Oxford Master Series in Physics.
    Capítulo 13
    https://www.academia.edu/24696066/



  • [B5]
    Quantum Computing Explain
    David McMahon on 2007
    WILEY-INTERSCIENCE
    A John Wiley & Sons, Inc., Publication
    https://www.academia.edu/31537353

    /_David_McMahon_Quantum_
    Computing_Explained_BookFi_1_

  • [B6]
    Programming a Quantum Computer with Cirq (QuantumCasts)
    Dave Bacon
    Google

  • [B7]
    The Quantum World ~ Quantum Physics for Everyone
    Kenneth W. Ford
    Harvard University Press
    Cambridge Massachusetts
    London England ~ 2004

  • [B8]
    Principios Fundamentales de Computación cuántica
    Vicente Moret Bonillo
    Profesor Titular de Universidad. Senior Member, IEEE.
    Departamento de Computación. Facultad de Informática.
    Universidad de la Coruña
    2O13

  • [B9]
    Quantum Networks for Elementary Arithmetic Operations
    Vlatko Vedral, Adriano Barenco and Artur Ekert
    Clarendon Laboratory, Department of Physics
    University of Oxford, Oxford, OX1 3PU, U.K.
    (Submitted to Phys. Rev. A)
    16 de Noviembre 1995

  • [B10]
    Quantum computing for the determined
    Michael Nielsen on June 10, 2011
    http://michaelnielsen.org/blog/

    quantum-computing-for-the-determined/
    https://www.youtube.com/watch?v=x6gOp_o7Bi8

  • [B11]
    QC — Quantum Algorithm with an example
    Jonathan Hui
    Dec 6, 2018
    https://medium.com/@jonathan_hui/qc-quantum-

    algorithm-with-an-example-cf22c0b1ec31

  •  
  • [B12]
    [W] Wikipedia
    Consultas a Wikipedia de múltiples conceptos

    relacionados a la Mecánica y Computación Cuántica
    https://en.wikipedia.org

  • [B13]
    Programación Cuántica
    Francisco Gálvez
    T3chFest 2017
    IBM
    https://www.youtube.com/
    watch?v=FYAkeCcOgeQ

  • [B14]
    Quantum Computation (CMU 18-859BB, Fall 2015)
    Lecture 1: Introduction to the Quantum Circuit Model
    September 9, 2015
    Lecturer: Ryan O’Donnell Scribe: Ryan O’Donnell

  • [B15]
    Hipertexto: Tratamiento Documental de Datos
    José Enrique González Cornejo
    Centro de Investigación y Desarrollo de la Educación,
    CIDE, Santiago – Chile, 1990.
    Registro Nº81.183 - 1991 ~ Editoria Argué Ltda

  • [B16]
    Algoritmo para el Cambio de Base Numérica
    José Enrique González Cornejo
    DocIRS Technology
    Math-Computing Open Academy Junio 2014
    https://www.docirs.cl/
    algoritmo_cambio_base.htm

  • [B17]
    Algoritmo, Generación Distribución
    Aleatoria Discreta de Suma 1
    José Enrique González Cornejo
    11 de julio 2012
    DocIRS Technology
    Math-Computing Open Academy

    https://www.docirs.cl/
    Algoritmo_Distribucion_Aleatoria.htm

  • [B18]
    Naïve Bayes ~ Simple Algoritmo de Clasificación
     Modelo de Variables Discretas
    José Enrique González Cornejo
    01 de agosto 2019
    DocIRS Technology
    Math-Computing Open Academy

  • [B19]
    Problema de la Ruta Optima
    José Enrique González Cornejo
    01 de mayo 2009
    DocIRS Technology
    Math-Computing Open Academy

  • [B20]
    Nomenclatura DocIRS para la Programación
    José Enrique González Cornejo
    24 de abril 2009
    DocIRS Technology
    Math-Computing Open Academy

  • [B21]
    Acerca del Estilo en Programación
    José Enrique González Cornejo
    18 de abril 2009
    DocIRS Technology
    Math-Computing Open Academy

  • [B22]
    Acerca de la Calidad de una Aplicación
    José Enrique González Cornejo
    18 de abril 2009
    DocIRS Technology
    Math-Computing Open Academy

  • [B23]
    Fundamentos Teóricos de los
    Lenguajes Estructurados
    José Enrique González Cornejo
    12 de julio de 2011
    DocIRS Technology
    Math-Computing Open Academy

  • [B24]
    Propiedades Geométricas Cualitativas
    José Enrique González Cornejo
    15 de marzo 1997
    DocIRS Technology
    Math-Computing Open Academy

  • [B25]
    Lunch & Learn: Quantum Computing
    Andrea Morello
    Quantum Engineering at University

     of New South Wales Australia
    21 nov. 2018

  • [B26]
    21 Lessons for the 21st Century
    Talks at Google
    Yuval Noah Harari 11 octubre 2018


  • [B27]
    Homo-Deus-A-Brief-History-of-Tomorrow
    Universidad de California,
    Yuval Noah Harari
    27 febrero 2017

  • [B28]
    MIND BLOWN: Quantum Computing &
    Financial Arbitrage
    Andrea Morello
    Quantum Engineering at University

     of New South Wales Australia
    18 jun. 2020

  • [B29]
    Algoritmo cuántico de Deutsch y Jozsa en GAMA
    M. Paredes López - A. Meneses Viveros - G. Morales-Luna
    Departamento de Matemáticas, Cinvestav, Av. Instituto

    Politécnico Nacional 2508, CDMX
    Departamento de Computación, Cinvestav,

    Av. Instituto Politécnico Nacional 2508, CDMX
    Rev. mex. fís. E vol.64 no.2 México jul./dic. 2018

  • [B30]
    Principios Fundamentales de Computación Cuántica
    2013, Vicente Moret Bonillo
    Universidad de la Coruña-España

  • [B31]
    Informática Cuántica - Parte 1
    Tecnologias Disruptivas
    Alejandro Alomar
    9 jul. 2018
    https://www.youtube.com/watch?v=SisRIgS3oO4

  • [B32]
    Computación Cuántica para Torpes
    Publicado el 26 de septiembre
    de 2016 por Sergio Montoro
    https://lapastillaroja.net/2016/09/
    computacion-cuantica/

  • [B33]
    Intro to Quantum Computing
    Steve Spicklemire
    Lesson 38 Quantum Computing, Deutsch's Problem

  • [B34]
    Learn Quantum Computation using Qiskit
    Page created by The Jupyter Book Community
    Qiskit Development Team Last updated on 2020/07/17.

  • [B35]
    Disfruta de la Experiencia cuántica de IBM
    Francisco R. Villatoro (Francis Naukas)
    2 noviembre, 2018
    https://francis.naukas.com/2018/11/02/

    disfruta-de-la-experiencia-cuantica-de-ibm/

  • [B36]
    Inversión de Matrices de Números Complejos
    reshish.com 2011 - 2020
    https://matrix.reshish.com/es/
    multCalculation.php

  • [B37]

    Algoritmo de Deutsch
    13 octubre 2016
    Felipe Fanchini
    https://www.youtube.com/watch?v=Sb5WRs8XUuU

  • [B38]
    Desarrollo de un simulador para el protocolo
    de criptografía cuántica E91
    en un ambiente distribuido
    Ingeniare. Rev. chil. ing. vol.23 no.2 Arica abr. 2015
    Luis Cáceres Alvarez,
    Roberto Fritis Palacios,
    Patricio Collao Caiconte

  • [B39]
    Effect of an artificial model’s vocal expressiveness
     on affective and cognitive learning
    . Llaima Eliza González Brouwer
    0999377
    MSc. Human Technology Interaction
    Department of Innovation Sciences
    Eindhoven University of Technology
    August 2018

  • [B40]

    Así Cambiará el Mundo la
    Computación Cuántica
    2016
    Ignacio Cirac
    https://www.youtube.com/watch?v=WJ3r6btgzBM

  • [B41]
    GIPHY
    Imagen de Animación Gif / Partículas
    Explore Partículas Gif

  • [B42]
    MathJax
    MathJax es una biblioteca javascript
    American Mathematical Society.
    Accessible Math in All Browsers


  • [B43]
    El Algoritmo de Deutsch-Jozsa
    KET.G
    25 mar. 2020
    Twitter: https://twitter.com/KetPuntoG


  • [B44]
    Apuntes de Grupos de Lie
    Badajoz, 30 de diciembre de 2017
    Volumen 3
    1.2. Grupos de Lie

  • [B45]
    Teoria de Grupos
    Marshall Hall jr.
    Bibioteca de Matemática Superior
    1967 Maximilian Company, N.Y. USA

  • [B46]
    Tutorial Grupos de Lie
    Javier García
    29 jun. 2017
    Serie de Capítulos ~ España

  • [B47]
    Matrices de Pauli - Pauli matrices Matrices de Pauli
    Enciclopedia libre Matrices de Pauli

  • [B48]
    La Mecánica Cuántica
    Los grupos de rotación I
    Matrices de Pauli
    cuantica.blogspot.com/2009/08/

  • [B49]
    Física Matemática
    Grupos de Lie, rotaciones, unitarios, Poincaré.
    Monte Carlo
    L. L. Salcedo
    Departamento de Física Atómica, Molecular y Nuclear
    Universidad de Granada, E-18071 Granada, Spain
    29 de julio de 2020

  • [B50]
    Matrices de Pauli - Pauli matrices Matrices de Pauli
    De Wikipedia, la enciclopedia libre Matrices de Pauli

  • [B51]
    Phisics
    Explore our Questions

  • [B52]
    Entrevista a Jorge Antonio Vargas,
    FAMAF
    Universidad Nacional de Córdoba de Argentina,
    Investigador del Conicet
    20/01/2010, Pagina|12
    ,

  • [B53]
    Introducción a Grupos y Álgebras de Lie de Dimensión Infinita,
    Matthew Dawson,
    CIMAT- Mérida México noviembre de 2020,
    Instituto de Matemáticas de la UNAM

    (Universidad Nacional Autónoma de México)
    ,

  • [B54]
    Lie Groups:Introduction,
    Richard E. BORCHERDS,
    University of California,
    Department of Mathematics, USA
    ,

  • [B55]
    Lie theory for the Roboticist,
    Joan Solà,
    Institut de Robòtica i Informàtica Industrial, en catalán,
    Consejo Superior de Investigaciones Científicas (CSIC),

     Cataluña
    Universidad Politécnica de Cataluña (UPC). España

  • [B56]
    A micro Lie theory for state estimation in robotics,
    Joan Solà, Jeremie Deray, Dinesh Atchuthan,
    Diciembre 2021
    arXiv ~ https://arxiv.org,
    Web Accessibility Assistance -arXiv Operational Status

  • [B57]
    Graph Theory,
    Frank Harary,
    1969
    Addison-Wesley
    USA

  • [B58]
    RobotDocIRS,
    José Enrique González Cornejo
    abril 2003
    DocIRS Technology
    Math-Computing Open Academy


  • [B59]
    Introducción a la Topología Algebraica,
    Williams S. Massey,
    1972
    Editorial Reverté S.A.
    España


  • Paginas Independientes que Contienen los Capítulos del Documento:

  • Conceptos Matemáticos Básicos de
     Computación Cuántica
    José Enrique González Cornejo
    20 de marzo 2020
    DocIRS Technology
    Math-Computing Open Academy

  • Algoritmo de Deutsch
    José Enrique González Cornejo
    20 de marzo 2020
    DocIRS Technology
    Math-Computing Open Academy