Gleason's theorem establishes that quantum probabilities arise from the inner product structure of Hilbert space and are given by the Born rule.La dimension trois est le nombre critique pour la probabilité quantique. En 1957, le mathématicien Andrew Gleason a démontré que dans un espace de Hilbert (la maison mathématique des états quantiques) de dimension trois ou plus, toute mesure de probabilité cohérente se transforme automatiquement en la trace du produit de la matrice densité et d'un projecteur. C'est la règle de Born. Auparavant, les physiciens soupçonnaient qu'il existait d'autres façons d'attribuer des nombres aux résultats — Gleason a fermé cette échappatoire.
Le problème est apparu dans les années 1930 lors des tentatives d'axiomatisation de la mécanique quantique. Le pionnier était John von Neumann, mais sa démonstration contenait une lacune. En 1957, Andrew Gleason, dans son article 'Measures on the Closed Subspaces of a Hilbert Space', a fourni une preuve irréprochable devenue classique. Plus tard, des généralisations pour les espaces de Hilbert réels et quaternioniques ont été trouvées.
Utilisé dans les fondements de la mécanique quantique et de la théorie de l'information quantique pour prouver l'unicité des prédictions probabilistes. En dimension deux (un qubit), il existe des contre-exemples — comme si un scrutin à deux candidats permettait des fraudes. Application pratique en cryptographie quantique : sans l'unicité garantie de la règle de Born, les protocoles de distribution de clés n'auraient pas de sens.
Justifie l'unicité des prédictions probabilistes de la théorie quantique. Sans ce théorème, les ingénieurs ne pourraient pas concevoir avec confiance des ordinateurs quantiques — le fonctionnement de toute puce se résumerait à la même mathématique.
Gleason lui-même n'était pas physicien — il a résolu un problème purement mathématique posé par ses collègues. Le théorème est devenu la pierre angulaire de la logique quantique.
| 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 — probabilité |
| P(B) | variable | Marginal probability of B — probabilité |
















