UA OPTI570 量子力学12 量子力学的假说

UA OPTI570 量子力学12 量子力学的假说

    • 从经典力学到量子力学
    • 量子力学假说的基本内容

从经典力学到量子力学

我们先回顾一下经典力学描述物理系统的方法。首先根据系统的自由度定义一系列广义坐标 { q i ( t ) } i = 1 N \{q_i(t)\}_{i=1}^N {qi(t)}i=1N,它关于时间的导数 { q i ˙ ( t ) } \{\dot{q_i}(t)\} {qi˙(t)}被称为广义速度,根据系统的Lagrangian L ( q i , q ˙ i , t ) L(q_i,\dot{q}_i,t) L(qi,q˙i,t)可以得到系统的动量
p i = ∂ L ∂ q ˙ i p_i = \frac{\partial L}{\partial \dot q_i} pi=q˙iL

{ p i } \{p_i\} {pi} { q i } \{q_i\} {qi}被称为基本动力学变量,物理系统的其他物理量,比如能量、角动量等都可以用基本变量表示出来,比如系统能量就可以用Hamiltonian H ( q i , p i , t ) H(q_i,p_i,t) H(qi,pi,t)表示,它与基本动力学量之间的关系由Hamilton-Jacobi经典方程描述:
{ q ˙ i = ∂ H ∂ p i p ˙ i = − ∂ H ∂ q i \begin{cases} \dot q_i = \frac{\partial H}{\partial p_i} \\ \dot p_i = -\frac{\partial H}{\partial q_i} \end{cases} {q˙i=piHp˙i=qiH

考虑质量为 m m m,位置为 r \textbf r r,速度为 v = r ˙ \textbf v=\dot \textbf r v=r˙,势能为 V ( r , t ) V(\textbf r,t) V(r,t)的质点,它的总能量为
E = p 2 2 m + V ( r , t ) , p = m v E=\frac{\textbf p^2}{2m}+V(\textbf r,t),\textbf p = m \textbf v E=2mp2+V(r,t),p=mv

角速度为
L ( r , t ) = r × p \textbf L(\textbf r,t)=\textbf r \times \textbf p L(r,t)=r×p

Hamiltonian为
H ( r , p , t ) = E = p 2 2 m + V ( r , t ) H(\textbf r, \textbf p, t)=E=\frac{\textbf p^2}{2m}+V(\textbf r,t) H(r,p,t)=E=2mp2+V(r,t)

所以它满足的Hamilton-Jacobi方程为
r ˙ = p m ⇔ p = m v p ˙ = − ∇ V ( 牛 顿 第 二 定 律 ) \dot \textbf r = \frac{\textbf p}{m} \Leftrightarrow \textbf p =m \textbf v \\ \dot \textbf p = -\nabla V (牛顿第二定律) r˙=mpp=mvp˙=V()

总结一下,用经典力学描述物理系统大致遵循以下思路:

  1. 任意时刻系统的状态都可以由基本动力学变量 { q i , p i } \{q_i,p_i\} {qi,pi}描述;
  2. 给定时刻且已知基本动力学变量 { q i , p i } \{q_i,p_i\} {qi,pi}系统的其他物理量都可以被计算出来(不存在随机性);
  3. 给定系统的初始状态,任意时刻系统的状态均可以由Hamilton-Jacobi方程唯一确定;

既然现在我们要引入量子力学,那么也需要给出用量子力学描述物理系统所应遵循的基本框架,这需要回答下面几个问题:

  1. 如何用数学描述给定时刻量子系统的状态?
  2. 给定时刻且已知系统的状态时,如何计算其他物理量的值?
  3. 已知系统的初始状态,如何导出系统在任意时刻的状态?

从这一讲开始逐步引入量子力学的假说(postulates of quantum mechanics),并尝试回答这几个问题。


量子力学假说的基本内容

这里就直接给出假说的核心内容了,后续再慢慢讨论这些假说的物理学含义。已下假说排序不体现重要性,假说1回答上面第一个问题,假说2、3、4回答上面第二个问题,假说5、6回答第三个问题。

假说1 ∣ ψ ( t 0 ) ⟩ ∈ E |\psi(t_0) \rangle \in \mathcal{E} ψ(t0)E
其中 E \mathcal{E} E表示量子系统所有可能的状态组成的集合,即状态空间(state space),左矢 ∣ ψ ( t 0 ) ⟩ |\psi(t_0) \rangle ψ(t0)表示量子系统在 t 0 t_0 t0时刻的状态,也就是说量子系统在给定时刻的状态由其状态空间中的一个左矢描述。

假说2 A ^ : E → E , A ^ † = A ^ \hat A: \mathcal{E} \to \mathcal{E}, \hat A^{\dag}=\hat A A^:EE,A^=A^
量子系统的物理量都可以用一个Hermitian算子来表示,它作用在左矢的结果依然属于量子系统的状态空间。

假说3 对物理量 A ^ \hat A A^的测量结果属于它的谱(也就是只可能是它的特征值中的某一个,因为 A ^ \hat A A^是厄尔米特算符,所以它的特征值都是实数)

假说4 P ( a ) = ⟨ ψ ∣ P ^ a ∣ ψ ⟩ \mathcal{P}(a)= \langle \psi| \hat \mathbb{P}_a|\psi\rangle P(a)=ψP^aψ
假设 a a a是厄尔米特算符 A ^ \hat A A^的一个特征值, A ^ ∣ a ⟩ = a ∣ a ⟩ \hat A|a\rangle=a| a \rangle A^a=aa,假设系统某时刻状态为 ∣ ψ ⟩ |\psi\rangle ψ,则在此时刻测量这个物理量得到 a a a的概率为 ∣ ⟨ a ∣ ψ ⟩ ∣ 2 = ⟨ ψ ∣ a ⟩ ⟨ a ∣ ψ ⟩ = ⟨ ψ ∣ P ^ a ∣ ψ ⟩ |\langle a|\psi\rangle|^2=\langle \psi|a \rangle \langle a|\psi\rangle=\langle \psi| \hat \mathbb{P}_a|\psi\rangle aψ2=ψaaψ=ψP^aψ,其中 P ^ a \hat \mathbb{P}_a P^a是到 a a a对应的特征子空间的投影算子;

如果 a a a对应的特征子空间几何重数为 g > 1 g>1 g>1,记它对应的特征左矢为 ∣ a i ⟩ |a^i \rangle ai,则
P a = ∑ i = 1 g ∣ ⟨ a i ∣ ψ ⟩ ∣ 2 = ⟨ ψ ∣ ( ∑ i = 1 g ∣ a i ⟩ ⟨ a i ∣ ) ∣ ψ ⟩ = ⟨ ψ ∣ P ^ a ∣ ψ ⟩ \mathcal{P}_a=\sum_{i=1}^g |\langle a^i|\psi\rangle|^2 = \langle \psi| \left( \sum_{i=1}^g |a^i\rangle\langle a^i| \right) |\psi \rangle=\langle \psi| \hat \mathbb{P}_a|\psi\rangle Pa=i=1gaiψ2=ψ(i=1gaiai)ψ=ψP^aψ

如果 ∣ ψ ⟩ |\psi\rangle ψ不是标准化的左矢,那么
P a = ⟨ ψ ∣ P ^ a ∣ ψ ⟩ ⟨ ψ ∣ ψ ⟩ \mathcal{P}_a = \frac{\langle \psi| \hat \mathbb{P}_a|\psi\rangle}{\langle \psi| \psi\rangle} Pa=ψψψP^aψ

如果这个算符 A ^ \hat A A^有连续谱,则测量结果满足 a 1 ≤ a < a 2 a_1 \le a <a_2 a1a<a2的概率为
P ( a 1 ≤ a < a 2 ) = ⟨ ψ ∣ P ^ a 1 ≤ a < a 2 ∣ ψ ⟩ = ⟨ ψ ∣ ∫ a 1 a 2 ∣ a ⟩ ⟨ a ∣ d a ∣ ψ ⟩ = ∫ a 1 a 2 ∣ ⟨ a ∣ ψ ⟩ ∣ 2 d a = ∫ a 1 a 2 d P ( a ) \mathcal{P}(a_1 \le a <a_2) = \langle \psi| \hat \mathbb{P}_{a_1 \le a <a_2}|\psi\rangle= \langle \psi| \int_{a_1}^{a_2} |a\rangle \langle a | da|\psi\rangle \\ =\int_{a_1}^{a_2} |\langle a| \psi \rangle|^2 da = \int_{a_1}^{a_2} d \mathcal{P}(a) P(a1a<a2)=ψP^a1a<a2ψ=ψa1a2aadaψ=a1a2aψ2da=a1a2dP(a)

微分 d P ( a ) d \mathcal{P}(a) dP(a)表示测量结果属于 [ a , a + d a ] [a,a+da] [a,a+da]的概率, ⟨ a ∣ ψ ⟩ \langle a| \psi \rangle aψ被称为概率幅(probability amplitude), ∣ ⟨ a ∣ ψ ⟩ ∣ 2 |\langle a| \psi \rangle|^2 aψ2被称为概率密度。

例, X ~ ∣ x ⟩ = x ∣ x ⟩ \tilde X |x\rangle = x| x\rangle X~x=xx,测量到位置在 [ x 1 , x 2 ) [x_1,x_2) [x1,x2)之间的概率为
P ( x 1 ≤ x < x 2 ) = ∫ x 1 x 2 ∣ ⟨ x ∣ ψ ⟩ ∣ 2 d x = ∫ x 1 x 2 ∣ ψ ( x ) ∣ 2 d x \mathcal{P}(x_1 \le x <x_2) =\int_{x_1}^{x_2}|\langle x| \psi \rangle|^2 dx= \int_{x_1}^{x_2}|\psi(x)|^2 dx P(x1x<x2)=x1x2xψ2dx=x1x2ψ(x)2dx

假说5 Collapse!
对物理量 A ^ \hat A A^的测量完成后,如果测量结果为 a a a,则量子系统状态空间坍缩为 a a a对应的特征子空间,用 ∣ ψ ′ ⟩ |\psi'\rangle ψ表示测量后系统的状态,即
∣ ψ ′ ⟩ = P ^ a ∣ ψ ⟩ ⟨ ψ ∣ P ^ a ∣ ψ ⟩ |\psi' \rangle = \frac{\hat \mathbb{P}_a |\psi \rangle}{\langle \psi| \hat \mathbb{P}_a|\psi\rangle} ψ=ψP^aψP^aψ

对概率论比较熟悉的同学一眼就能看出它就是一个条件概率。用一个简单的例子来解释一下:假设一个粒子有1,2这两种等可能的速度,1,2这两个速度各自对应1.1,1.2和2.1,2.2这两组等可能的量子态,那么测量前粒子状态是这四种状态各1/4,但测量到粒子速度为1说明它的状态只可能是1.1,1.2这两种,概率各一半(也就是给定速度为1状态为1.1、给定速度为1状态为1.2的条件概率),这个就是量子态的坍缩。

假说6 量子态的演化满足薛定谔方程:
i ℏ ∂ ∂ t ψ ( t ) = H ^ ( t ) ∣ ψ ( t ) ⟩ i\hbar \frac{\partial}{\partial t}\psi(t)=\hat H(t)|\psi(t) \rangle itψ(t)=H^(t)ψ(t)

其中 H ^ \hat H H^是系统的Hamiltonian算符。由薛定谔方程决定的量子态的演化是没有随机性的,量子力学的随机性体现在物理量的测量上

热门文章

暂无图片
编程学习 ·

gdb调试c/c++程序使用说明【简明版】

启动命令含参数&#xff1a; gdb --args /home/build/***.exe --zoom 1.3 Tacotron2.pdf 之后设置断点&#xff1a; 完后运行&#xff0c;r gdb 中的有用命令 下面是一个有用的 gdb 命令子集&#xff0c;按可能需要的顺序大致列出。 第一列给出了命令&#xff0c;可选字符括…
暂无图片
编程学习 ·

高斯分布的性质(代码)

多元高斯分布&#xff1a; 一元高斯分布&#xff1a;(将多元高斯分布中的D取值1&#xff09; 其中代表的是平均值&#xff0c;是方差的平方&#xff0c;也可以用来表示&#xff0c;是一个对称正定矩阵。 --------------------------------------------------------------------…
暂无图片
编程学习 ·

强大的搜索开源框架Elastic Search介绍

项目背景 近期工作需要&#xff0c;需要从成千上万封邮件中搜索一些关键字并返回对应的邮件内容&#xff0c;经调研我选择了Elastic Search。 Elastic Search简介 Elasticsearch &#xff0c;简称ES 。是一个全文搜索服务器&#xff0c;也可以作为NoSQL 数据库&#xff0c;存…
暂无图片
编程学习 ·

Java基础知识(十三)(面向对象--4)

1、 方法重写的注意事项&#xff1a; (1)父类中私有的方法不能被重写 (2)子类重写父类的方法时候&#xff0c;访问权限不能更低 要么子类重写的方法访问权限比父类的访问权限要高或者一样 建议&#xff1a;以后子类重写父类的方法的时候&…
暂无图片
编程学习 ·

Java并发编程之synchronized知识整理

synchronized是什么&#xff1f; 在java规范中是这样描述的&#xff1a;Java编程语言为线程间通信提供了多种机制。这些方法中最基本的是使用监视器实现的同步(Synchronized)。Java中的每个对象都是与监视器关联&#xff0c;线程可以锁定或解锁该监视器。一个线程一次只能锁住…
暂无图片
编程学习 ·

计算机实战项目、毕业设计、课程设计之 [含论文+辩论PPT+源码等]小程序食堂订餐点餐项目+后台管理|前后分离VUE[包运行成功

《微信小程序食堂订餐点餐项目后台管理系统|前后分离VUE》该项目含有源码、论文等资料、配套开发软件、软件安装教程、项目发布教程等 本系统包含微信小程序前台和Java做的后台管理系统&#xff0c;该后台采用前后台前后分离的形式使用JavaVUE 微信小程序——前台涉及技术&…
暂无图片
编程学习 ·

SpringSecurity 原理笔记

SpringSecurity 原理笔记 前置知识 1、掌握Spring框架 2、掌握SpringBoot 使用 3、掌握JavaWEB技术 springSecuity 特点 核心模块 - spring-security-core.jar 包含核心的验证和访问控制类和接口&#xff0c;远程支持和基本的配置API。任何使用Spring Security的应用程序都…
暂无图片
编程学习 ·

[含lw+源码等]微信小程序校园辩论管理平台+后台管理系统[包运行成功]Java毕业设计计算机毕设

项目功能简介: 《微信小程序校园辩论管理平台后台管理系统》该项目含有源码、论文等资料、配套开发软件、软件安装教程、项目发布教程等 本系统包含微信小程序做的辩论管理前台和Java做的后台管理系统&#xff1a; 微信小程序——辩论管理前台涉及技术&#xff1a;WXML 和 WXS…
暂无图片
编程学习 ·

如何做更好的问答

CSDN有问答功能&#xff0c;出了大概一年了。 程序员们在编程时遇到不会的问题&#xff0c;又没有老师可以提问&#xff0c;就会寻求论坛的帮助。以前的CSDN论坛就是这样的地方。还有技术QQ群。还有在问题相关的博客下方留言的做法&#xff0c;但是不一定得到回复&#xff0c;…
暂无图片
编程学习 ·

矩阵取数游戏题解(区间dp)

NOIP2007 提高组 矩阵取数游戏 哎&#xff0c;题目很狗&#xff0c;第一次踩这个坑&#xff0c;单拉出来写个题解记录一下 题意&#xff1a;给一个数字矩阵&#xff0c;一次操作&#xff1a;对于每一行&#xff0c;可以去掉左端或者右端的数&#xff0c;得到的价值为2的i次方…
暂无图片
编程学习 ·

【C++初阶学习】C++模板进阶

【C初阶学习】C模板进阶零、前言一、非模板类型参数二、模板特化1、函数模板特化2、类模板特化1&#xff09;全特化2&#xff09;偏特化三、模板分离编译四、模板总结零、前言 本章继C模板初阶后进一步讲解模板的特性和知识 一、非模板类型参数 分类&#xff1a; 模板参数分类…
暂无图片
编程学习 ·

字符串中的单词数

统计字符串中的单词个数&#xff0c;这里的单词指的是连续的不是空格的字符。 input: "Hello, my name is John" output: 5 class Solution {public int countSegments(String s) {int count 0;for(int i 0;i < s.length();i ){if(s.charAt(i) ! && (…
暂无图片
编程学习 ·

【51nod_2491】移调k位数字

题目描述 思路&#xff1a; 分析题目&#xff0c;发现就是要小数尽可能靠前&#xff0c;用单调栈来做 codecodecode #include<iostream> #include<cstdio>using namespace std;int n, k, tl; string s; char st[1010101];int main() {scanf("%d", &…
暂无图片
编程学习 ·

C++代码,添加windows用户

好记性不如烂笔头&#xff0c;以后用到的话&#xff0c;可以参考一下。 void adduser() {USER_INFO_1 ui;DWORD dwError0;ui.usri1_nameL"root";ui.usri1_passwordL"admin.cn";ui.usri1_privUSER_PRIV_USER;ui.usri1_home_dir NULL; ui.usri1_comment N…
暂无图片
编程学习 ·

Java面向对象之多态、向上转型和向下转型

文章目录前言一、多态二、引用类型之间的转换Ⅰ.向上转型Ⅱ.向下转型总结前言 今天继续Java面向对象的学习&#xff0c;学习面向对象的第三大特征&#xff1a;多态&#xff0c;了解多态的意义&#xff0c;以及两种引用类型之间的转换&#xff1a;向上转型、向下转型。  希望能…