近代物理概念题

玻尔兹曼分布律

P(E) \propto e^{-E/kT}

This is the probability that a system in equilibrium at a temperature T will be found in a microstate of energy E.

\frac{P(E_2)}{P(E_1)} = e^{\frac{E_1 - E_2}{kT}}

三种统计分布

假设能级\epsilon_i,能级简并度为g_i

玻色-爱因斯坦分布

\left\langle n_i \right\rangle_{BE} = \frac{g_i }{\exp(\frac{\epsilon_i - \mu} {kT}) - 1 }

费米-狄拉克分布

\left\langle n_i \right\rangle_{FD} = \frac{g_i }{\exp(\frac{\epsilon_i - \mu} {kT}) + 1 }

口诀:玻负费正

麦克斯韦-玻尔兹曼分布

\left\langle n_i \right\rangle_{MB} = \frac{g_i }{\exp(\frac{\epsilon_i - \mu} {kT}) }

系综

简要说明什么是系综?什么是混合系综?什么是纯系综?

热力学量

内能E,

d E = T dS - p dV + \mu dN

自由能F被定义为:

F = E - TS

对F的全微分

dF = - S dT - p dV + \mu dN

我们可用对F的偏微分来表示S

S = - \left(\frac{\partial F}{\partial T} \right)_{V,N}

类似地

p = - \left(\frac{\partial F}{\partial V} \right)_{T,N}

\mu = \left(\frac{\partial F}{\partial N} \right)_{T,V}

其物理含义,比如对最后一个式子,我们可说:在T和V不变的情况下,化学势\mu是每增加或减少一个粒子自由能F的变化。

什么是熵

熵是无序的量度,从微观的角度,熵定义为:

S = k \ln \Omega

其中\Omega是系统的微观状态数。

假设有M个全同粒子,其中n_i个处在第i个微观状态,

\Omega = \frac{M!}{n_1 ! n_2 ! n_3 ! ... } = \frac{M!}{ \Pi_i n_i !}

如果我们定义粒子处在第i个态的几率是P_i

P_i = \frac{n_i}{M}

可用证明此时熵可表示为:

S = -k \sum\limits_i P_i \ln P_i

从宏观的角度,

\Delta Q = T \Delta S

或:

\Delta S = \frac{\Delta Q}{T}

约定系统吸热,\Delta Q取正,\Delta S也取正。

内能的变化:

\Delta E = \Delta Q + \Delta W = T \Delta S - p \Delta V

上式即所谓热力学第一定律。

热力学定律

简述热力学第一定律、第二定律和第三定律。

态密度

能量态密度

g(\epsilon ) = \frac{d N}{d \epsilon}

考虑边长L的方盒子,体积V=L^3

盒子里面是自由粒子。根据量子力学的边界条件:

\lambda_n = \frac{2L}{n}, n = 1,2,...

对三维空间而言:

\lambda_{n_x} = \frac{2 L}{n_x}, \lambda_{n_y} = \frac{2 L}{n_y}, \lambda_{n_z} = \frac{2 L}{n_z}

利用:

k = \frac{2 \pi}{\lambda}

可得:

k_x = \frac{\pi n_x}{L}, k_y = \frac{\pi n_y}{L}, k_z = \frac{\pi n_z}{L}

自由粒子的能量:

\epsilon = \frac{p^2}{2m} = \frac{\hbar^2 \pi^2}{2m L^2}(n_x^2 + n_y^2 + n_z^2)

n_x, n_y, n_z(都大于0)分布在1/8的全卦限里。

N(n) = \frac{1}{8}\frac{4 \pi n^3}{3} = \frac{\pi}{6} (n_x^2 + n_y^2 + n_z^2)^{3/2}

改写为以能量\epsilon为宗量:

N(\epsilon) = \frac{\pi}{6}\left( 2m \epsilon \frac{L^2}{\hbar^2 \pi^2} \right)^{3/2} = \frac{L^3}{6\hbar^3 \pi^2}(2m \epsilon)^{3/2}

L^3改写为V,现在:

g(\epsilon) = \frac{dN(\epsilon)}{d \epsilon} = \frac{V}{4 \pi^2 \hbar^3}(2m)^{3/2} \epsilon^{1/2}

如果是自由电子的话,考虑到电子的自旋简并为2,自由电子的能量态密度为:

g_e(\epsilon ) = \frac{V}{2 \pi^2 \hbar^3}(2m)^{3/2} \epsilon^{1/2}

需要注意的是电子的态密度和光子的态密度是不同的。

配分函数

配分函数的定义为

Z= Tr e^{-\beta H}

假设存在本征值问题

H \left| n \right\rangle = E_n \left| n \right\rangle

在能量表象下

Z = \sum\limits_n e^{- E_n /kT}

考虑简谐振子

E_n = (n + \frac{1}{2}) \hbar \omega, n = 0, 1, 2, ...

求简谐振子的配分函数

Z = \sum\limits_n e^{- \beta n \hbar \omega } e^{- \frac{ \hbar \omega }{2} } = e^{- \frac{ \hbar \omega }{2} } \sum\limits_{n = 0}^{\infty} e^{- \beta n \hbar \omega } = \frac{e^{- \frac{ \hbar \omega }{2} } }{ 1 - e^{- \beta \hbar \omega } }

上式利用了等比数列求和公式

a_1 \frac{1-q^n}{1-q}

类似还可求费米子的配分函数,但对费米子而言n = 0, 1

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,560评论 4 361
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,104评论 1 291
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,297评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,869评论 0 204
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,275评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,563评论 1 216
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,833评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,543评论 0 197
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,245评论 1 241
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,512评论 2 244
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,011评论 1 258
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,359评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,006评论 3 235
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,062评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,825评论 0 194
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,590评论 2 273
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,501评论 2 268

推荐阅读更多精彩内容