Gleason's theorem establishes that quantum probabilities arise from the inner product structure of Hilbert space and are given by the Born rule.La dimensión tres es un número crítico para la probabilidad cuántica. En 1957, el matemático Andrew Gleason demostró que en un espacio de Hilbert (el hogar matemático de los estados cuánticos) con tres o más dimensiones, cualquier medida de probabilidad consistente se convierte automáticamente en la traza del producto de la matriz densidad y un proyector. Esto es precisamente la regla de Born. Hasta entonces, los físicos sospechaban que podrían existir otros métodos para asignar números a los resultados; Gleason cerró esa laguna.
El problema surgió en la década de 1930 al intentar axiomatizar la mecánica cuántica. El pionero fue John von Neumann, pero su demostración contenía una laguna. En 1957, Andrew Gleason, en su trabajo 'Measures on the Closed Subspaces of a Hilbert Space', proporcionó una demostración impecable que se convirtió en un clásico. Más tarde se encontraron generalizaciones para espacios de Hilbert reales y cuaterniónicos.
Se utiliza en los fundamentos de la mecánica cuántica y la teoría de la información cuántica para demostrar la unicidad de las predicciones probabilísticas. En dimensión dos (un cúbit) existen contraejemplos; es como si una votación con dos candidatos permitiera trampas. Su aplicación práctica está en la criptografía cuántica: sin la unicidad garantizada de la regla de Born, los protocolos de distribución de claves carecerían de sentido.
Justifica la unicidad de las predicciones probabilísticas de la teoría cuántica. Sin este teorema, los ingenieros no podrían diseñar con confianza los ordenadores cuánticos: el funcionamiento de cualquier chip se reduciría a las mismas matemáticas.
El propio Gleason no era físico: resolvió un problema puramente matemático planteado por sus colegas. El teorema se convirtió en la piedra angular de la lógica cuántica.
| P(A|B) | variable | Conditional probability of A given B — conditional probability |
| P(B|A) | variable | Conditional probability of B given A — conditional probability |
| P(A) | variable | Marginal probability of A — probabilidad |
| P(B) | variable | Marginal probability of B — probabilidad |
















