
- •Московский государственный институт электронной техники (Технический Университет).
- •§2. Метод статистической физики(элементы теории вероятностей)
- •§3. Микро- и макро- параметры системы.
- •§4. Свойство эргодичности системы.
- •§5. Два способа усреднения в статистической физике
- •§6. Понятие ансамбля систем
- •§7. Эргодическая гипотеза
- •§8. Равновесное состояние системы
- •§9. Время релаксации
- •§10. Квазизамкнутость и статистическая независимость подсистем
- •§11. Принцип равновероятности микросостояний
- •§12. Статистический вес макросостояния
- •§13. Статистическая энтропия
- •§14. Теорема Лиувилля
- •§15. Микроканоническое распределение Гиббса
- •§16. Каноническое распределение Гиббса
- •§17. Принцип возрастания энтропии
- •§18. Микроканоническое распределение Гиббса (продолжение)
- •§19. Каноническое распределение Гиббса
- •§25. Квазиклассическое приближение в статистической физике
- •§26. Распределение Максвелла как следствие канонического распределения Гиббса
- •§27. Использование распределения Максвелла для расчёта средних:,,,
- •§28. Статистическое описание системы невзаимодействующих частиц.
- •§29. Большое каноническое распределение
- •§30. Термодинамический потенциал Гиббса
- •§32. Распределение Ферми-Дирака
- •§33. Распределение Бозе-Эйнштейна
- •§34. Ферми и Бозе газы элементарных частиц
- •§35. Плотность одночастичных состояний в - пространстве
- •§36. Расчёт импульса Ферми для электронного газа при
- •§37. Расчёт энергии электронного газа при
- •§38. Уравнение состояния идеального электронного газа при . Критерий идеальности электронного газа
- •§39. Числовые оценки параметров ,,,,и
- •Решение задач по курсу “Статистическая физика”
- •Гамма-функция Эйлера
- •Решение дополнительных задач по курсу “Статистическая физика”
- •Экзаменационные вопросы по курсу “Статистическая физика”
- •Экзаменационные задачи по курсу “Статистическая физика”
- •Дополнительные задачи по курсу “Статистическая физика”
§5. Два способа усреднения в статистической физике
Будем иметь дело со стационарными процессами.
Рассмотрим случайную величину
,
где
и
это динамические переменные (их
штук). Но можно рассматривать и случайную
величину
,
где
- время (это одна переменная).
Усреднение по времени производим так:
(**)
Если
- случайная величина, то её усреднение
соответствует усреднению по фазовой
траектории в фазовом пространстве.
Зависимость координат от времени в фазовом пространстве определяется фазовой траекторией.
Усреднение по времени имеет основой эксперимент, т.к. экспериментатор наблюдает случайную величину во времени.
Назовём
временем релаксации. Если
,
то предел (**) хорошо согласуется с
практикой. И тогда принимают
.
Усреднение по времени, однако не удобно в теории, это усреднение по одной реализации.
Другое усреднение – статистическое.
Оно основано на усреднении случайной
величины
как функции
и
.
Каждой точке фазового пространства
ставится в соответствие величина
(
как функция
и
).
Потом вводится вероятность попадания
этой точки в элементарный объём фазового
пространства:
здесь
- элементарный объём фазового пространства.
Говорят, что
- это функция распределения, определяющая
плотность вероятности попадания точки
в элементарный объём.
И вводится понятие статистического среднего, или среднего по ансамблю:
§6. Понятие ансамбля систем
Имеем совокупность макроскопических идентичных систем, именуемых ансамблями. Можем говорить, что конкретная точка фазового пространства соответствует конкретному состоянию одной из систем этого ансамбля.
У систем может быть различное динамическое состояние, так как точки перемещаются в пространстве. Хотя число точек, поля и т.п. у систем будут одинаковыми. Это и будет ансамблем, если таких систем будет неограниченно много.
Часто, т.к. рассматриваются стационарные
процессы, то фазовая траектория очень
длинная (бесконечная), тогда говорят,
что фазовую траекторию, при рассмотрении
предела
,
можно разбить на достаточно длинные
траектории, которым можно приписать
системы из ансамбля.
§7. Эргодическая гипотеза
Согласно эргодической гипотезе, для наблюдаемых величин в статистической физике водится:
Процессы или поля для которых удовлетворяется это равенство называют эргодическими.
- это усреднение по пространству
реализаций, где
-случайное
поле, т.к. здесь больше одной переменной
у
-
усреднение по аргументам, которые
«сидят» в
.
- это случайный процесс, т.к. одна
переменная в
.
§8. Равновесное состояние системы
Для стационарных процессов в случае
систем с большим числом степеней свободы
обнаруживается (где процесс
),
что в процессе измерения величины
,
она основное время пребывает в состоянии,
имеющим значение близкое к числу
(которое практически не отлично от
).
Система длительное время пребывает в
состоянии со значением
.
Это значение представляется, таким
образом, наиболее вероятным значением
случайной величины
.
Состояние системы, описываемое наиболее вероятными значениями макропараметра, называется равновесным. Стационарная макросистема основное время пребывает в равновесном состоянии, хотя бывают кратковременные флуктуации.
В термодинамике, во всех термодинамических
соотношениях, используются равновесные
состояния. Например, под
понимают
(пишут
,
а подразумевают
).