美文网首页量子力学概论
1.6 概率分布的方差 Variance of probabil

1.6 概率分布的方差 Variance of probabil

作者: 莎野椰 | 来源:发表于2020-05-23 21:00 被阅读0次

    1. 方差(Variance)

    上节讲完期望(均值),紧接着就说到了方差

    1.1 方差表达式

    方差\langle \Delta x^2 \rangle:就是离散(or 连续)函数中每一个数减去期望

    \Delta x = x_i - \langle x\rangle

    然后平方\Delta x^2

    最后再对得到的平方值,求期望

    就得到了方差\langle \Delta x^2 \rangle

    然后又有数学家发现,求解方差还有一个简便的公式

    \langle \Delta x^2 \rangle = \langle x^2 \rangle - \langle x \rangle ^2

    附上推理过程如下:

    \langle \Delta x^2 \rangle = \int \Delta x^2 p(x)

    这是上节中的期望求解公式

    = \int (x-\langle x \rangle)^2 p(x) dx

    \Delta x分解成\Delta x = x_i - \langle x\rangle

    = \int (x^2 - 2x \langle x \rangle + \langle x \rangle^2) p(x) dx

    然后再把平方带入到括号里

    = \int x^2p(x) dx - \int 2x \langle x \rangle p(x) dx + \int \langle x \rangle^2 p(x) dx

    分解

    = \langle x^2 \rangle - 2\langle x \rangle\langle x \rangle + \langle x \rangle ^2

    最后,再根据期望求解公式就得到了结果

    = \langle x^2 \rangle - \langle x \rangle ^2

    • 注意: 方差 = 平方的期望 - 期望的平方

    \langle \Delta x^2 \rangle = \langle x^2 \rangle - \langle x \rangle ^2

    2. 归一化(又称正则化,Normalization)

    量子力学认为物质是以波函数的形式存在的,对波函数求平方等于物体存在的概率。
    但是无论物质可能在什么地方出现,将所有概率加和必定等于一.这就引申处波函数最重要的性质;归一性
    所以只有经过归一化处理的波函数才是可用的波函数

    • 波函数归一化的步骤:
    1. 得到概率: **对波函数平方积分: **

      \int_a^b |\psi|^2=P|_a^b

    2. 使波函数等于一个有限值(finite value),然后除以一个常数(divide a constant),就可以将其等于一

    • 归一化和波函数随时间的变化
      对波函数进行归一化之后,试想一下,如果将概率函数对时间求导会发生什么呢?
      [图片上传失败...(image-e7a306-1599985862668)]

      \frac{d}{dt} \int |\psi(x,t)|^2 dx

      = \int \frac{\partial}{\partial t}|\psi(x,t)|^2 dx

      = \int \frac{d}{dt} (\psi^*\psi) dx

      = \int \frac{\partial \Psi^*}{\partial t} \psi + \psi^* \frac{\partial \psi}{\partial t} \bigstar


    \spadesuit插点:将经典薛定谔方程拿过来

    \because i \hbar \frac{\partial \psi}{\partial{t}} =-\frac{\hbar^2}{2m} \frac{\partial^2 \psi}{\partial x^2}+V(x)\psi

    上式薛定谔方程左边是t的函数,右边是x的函数,两边同时除以i\hbar 后得到

    \therefore \frac{\partial \psi}{\partial{t}} =-i\frac{\hbar}{2m} \frac{\partial^2 \psi}{\partial x^2}-i \frac{V(x)}{\hbar}\psi


    \spadesuit带入公式\bigstar得到

    = \int \left[ \left(-i\frac{\hbar}{2m} \frac{\partial^2 \psi^*}{\partial x^2}+ i \frac{V(x)}{\hbar}\psi^* \right) \right] \psi

    + \int \left[ \psi^* \left[ \left(i\frac{\hbar}{2m} \frac{\partial^2 \psi}{\partial x^2}-i \frac{V(x)}{\hbar}\psi \right) \right]\right] dx

    = \int \frac{i\hbar}{2m}\left( -\frac{\partial^2 \Psi^*}{\partial x^2} \psi + \psi^* \frac{\partial^2 \psi}{\partial x^2} \right)dx

    • 至此,我们将概率函数对时间的导数,转化为波函数对坐标x的导数

    3. 讨论:概率函数和时间的关系

    接着上面的推导出来的等式:

    \frac{d}{dt} \int_{-\infty}^{\infty} |\psi(x,t)|^2 dx

    =\int_{-\infty}^{\infty} \frac{i\hbar}{2m}\left( -\frac{\partial^2 \psi^*}{\partial x^2} \psi + \psi^* \frac{\partial^2 \psi}{\partial x^2} \right)dx

    可以接着化简,将\frac{\partial}{\partial x}提出来

    =\frac{i\hbar}{2m} \int \frac{\partial}{\partial x} \left( -\frac{\partial \psi^*}{\partial x} \psi + \psi^* \frac{\partial \psi}{\partial x} \right) dx

    去掉积分符号:
    =\left. \frac{i\hbar}{2m} \left( -\frac{\partial \psi^*}{\partial x} \psi + \psi^* \frac{\partial \psi}{\partial x}\right) \right|_{-\infty}^{\infty}

    • 讨论: 既然\psi是归一化的,那么\psi的图像必然在\pm \infty的位置都是无限接近0的(否则对\psi的积分将不再是一个有限数)

    所以,如果x \rightarrow \pm \infty \\
    那么\Longrightarrow 上式=0

    也就是说\frac{d}{dt}\int_{-\infty}^{\infty}|\psi(x,t)|^2 dx = 常数

    • 总结:拿过来一个波函数,第一件事就是将他归一化:平方积分,再除以一个常数。接下来就不用担心时间对概率函数的影响了,因为他此时对时间的导数是一个常数。

      此外,也可以看出,无限函数是不能作为波函数的。


    举例:如何归一化一个波函数?

    归一化下面的波函数,求解常数A是多少?
    \Psi(x) = \begin{cases} 0, & |x| >1 \\ A e^{ix} (1-x^2), & 否则 \\ \end{cases}

    \Longrightarrow \int_{-1}^1 e^{-ix} (1-x^2) e^{ix} (1-x^2) dx

    既然|x| >1,那就对-1~1区间进行积分就好了!

    = A^2 \int_{-1}^1(1-x^2) dx

    = A^2 \int_{-1}^1(1-2x^2+x^4)dx

    = A^2 \left[x - \frac 23 x^5 + \frac{x^5}5 \right]_{-1}^1

    = A^2 \left[2 - \frac 23 2 + \frac{1}5 2\right]_{-1}^1

    = A^2 \frac{16}{15} = 1

    \Longrightarrow A = \sqrt{\frac{15}{16}}
    结束

    相关文章

      网友评论

        本文标题:1.6 概率分布的方差 Variance of probabil

        本文链接:https://www.haomeiwen.com/subject/cxzlahtx.html