一维自由高斯波包(量子)

             

  • 本词条需要更多讲解,便于帮助理解.
  • 本词条存在未完成的内容.
预备知识 无限深势阱中的高斯波包,一维自由粒子(量子)

   我们这里要讨论的是量子力学中单个粒子的一个特定的一维波函数 $\psi(x,t)$.它描述的粒子的空间分布是一个高斯分布(正态分布)

   设 $t = 0$ 时的波函数(已归一化)

\begin{equation} \psi (x,0) = \frac{1}{(2\pi\sigma_x ^2)^{1/4}} \mathrm{e} ^{-(x - x_0)^2/(2\sigma_x)^2} \mathrm{e} ^{ \mathrm{i} \frac{p_0}{\hbar}x} \end{equation}
那么动量表象波函数具有对称的形式1
\begin{equation} \psi (p,0) = \frac{1}{(2\pi\sigma_p^2)^{1/4}} \mathrm{e} ^{-(p - p_0)^2/(2\sigma_p)^2} \mathrm{e} ^{- \mathrm{i} \frac{x_0}{\hbar }(p - p_0)} \end{equation}

   其中 $\sigma_x$ 为位置的标准差,$\sigma_p$ 为动量的标准差,满足不确定原理

\begin{equation} \sigma_x\sigma_p = \frac{\hbar}{2} \end{equation}
含时波函数为
\begin{equation}\begin{aligned} \psi (x,t) = &\frac{1}{(2\pi\sigma_x^2)^{1/4}} \frac{1}{\sqrt{1 + \frac{ \mathrm{i} \hbar t}{2m \sigma_x^2}}} \exp \left[\frac{-(x - p_0 t/m)^2}{(2\sigma_x )^2 \left(1 + \frac{ \mathrm{i} \hbar t}{2m \sigma_x^2} \right) } \right] \exp \left[\frac{ \mathrm{i} p_0}{\hbar } \left(x - \frac{p_0 t}{2m} \right) \right] \end{aligned}\end{equation}

1. 推导

   如果我们想要一维波函数的概率分布为高斯分布,即

\begin{equation} \left\lvert \psi (x) \right\rvert ^2 = \frac{1}{\sigma_x \sqrt{2\pi}} \mathrm{e} ^{-\frac{x^2}{2\sigma_x^2}} \end{equation}
先假设波函数为实数,有
\begin{equation} \psi (x) = \frac{1}{(2\pi\sigma_x^2)^{1/4}} \mathrm{e} ^{- \left(\frac{x}{2\sigma_x} \right) ^2} \end{equation}
变换到动量表象,得2
\begin{equation} \psi(p) = \frac{1}{(2\pi\sigma_p^2)^{1/4}} \mathrm{e} ^{- \left(\frac{p}{2\sigma_p} \right) ^2} \end{equation}
其中 $\sigma_p = \hbar/(2\sigma_x)$,可见高斯波包一个独特的性质就是在位置和动量表象下都是高斯分布.

   由于波函数为实数,动量平均值为零.为了让波函数有一个动量 $p_0$,而维持 $ \left\lvert \psi(x) \right\rvert ^2$ 和 $ \left\lvert \psi(p) \right\rvert ^2$ 的形状不变,我们可以直接将动量表象中的波函数平移 $p_0$,得

\begin{equation} \psi (p) = \frac{1}{(2\pi\sigma_p^2)^{1/4}} \mathrm{e} ^{- \left(\frac{p - p_0}{2\sigma_p} \right) ^2} \end{equation}
由傅里叶变换的性质,对应的位置表象波函数需要乘以因子 $ \exp\left( \mathrm{i} p_0 x/\hbar\right) $ 变为
\begin{equation} \psi(x) = \frac{1}{(2\pi\sigma_x^2)^{1/4}} \mathrm{e} ^{- \left(\frac{x}{2\sigma_x} \right) ^2} { \mathrm{e} ^{ \mathrm{i} {p_0}x/{\hbar }}} \end{equation}
类似地,也可以将 $\psi(x)$ 平移 $x_0$
\begin{equation} \psi (x) = \frac{1}{(2\pi\sigma_x^2)^{1/4}} \mathrm{e} ^{- \left(\frac{x-x_0}{2\sigma_x} \right) ^2} \mathrm{e} ^{ \mathrm{i} p_0 (x-x_0)/\hbar} \end{equation}
而 $\psi(p)$ 则需要乘以因子 $ \exp\left(- \mathrm{i} x_0 p/\hbar\right) $
\begin{equation} \psi(p) = \frac{1}{(2\pi\sigma_p^2)^{1/4}} \mathrm{e} ^{- \left(\frac{p - p_0}{2\sigma_p} \right) ^2} \mathrm{e} ^{- \mathrm{i} x_0 p/\hbar} \end{equation}
将以上两式同乘一个常数 ${ \mathrm{e} ^{ \mathrm{i} {p_0}{x_0}/\hbar }}$ 就得到式 1 式 2

  

未完成:时间演化的推导


1. ^ 也可以把式 1 式 2 同时除以常数 $ \mathrm{e} ^{ \mathrm{i} p_0 x_0}$ 使式 1 最后的 $x$ 变为 $x-x_0$,式 2 最后的 $p-p_0$ 变为 $p$.
2. ^ 可以用 Wolfram Alpha 或 Mathematica 计算积分.

致读者: 小时百科一直以来坚持所有内容免费无广告,这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择会员制,大量广告,内容付费等。 因此,我们请求广大读者热心打赏 ,使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 10 元,我们一个星期内就能脱离亏损, 并保证网站能在接下来的一整年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款, 他们的付出帮助了 99% 的读者免费获取知识, 我们在此表示感谢。

         

© 小时科技 保留一切权利