- •Оглавление
- •§1. Статистическое описание систем с большим числом степеней свободы
- •§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
- •§15. Микроканоническое распределение Гиббса
- •§16. Каноническое распределение Гиббса
- •§17. Принцип возрастания энтропии
- •§18*. Статистическая сумма и её свойства
- •§19*. Функция распределения вероятностей по энергии и распределение Гаусса
- •§20. Квазиклассическое приближение в статистической физике
- •§21*. Распределение Максвелла как следствие канонического распределения Гиббса
- •§22. Использование распределения Максвелла для расчёта средних: , , ,
- •§23. Большое каноническое распределение
- •§24. Термодинамический потенциал Гиббса
- •§25. Распределение Ферми-Дирака
- •§26. Распределение Бозе-Эйнштейна
- •§27. Ферми и Бозе газы элементарных частиц
- •§28. Расчёт импульса Ферми для электронного газа при
- •§29. Расчёт энергии электронного газа при
- •§30*. Уравнение состояния идеального электронного газа при . Критерий идеальности электронного газа
- •§31*. Числовые оценки параметров , , , , и
- •Экзаменационные вопросы по курсу “Статистическая физика”
- •Экзаменационные задачи по курсу “Статистическая физика”
- •Экзаменационные вопросы и задачи по курсу “Статистическая физика” (минимум)
- •Решение задач по курсу “Статистическая физика”
- •Гамма-функция Эйлера
§4. Свойство эргодичности системы.
Итак, мы рассматриваем такие функции:
Параметр испытывает флуктуации – отклонения от некоторого среднего значения в течение времени. На ряду с зависимостью от можно ввести характеристику – вероятность того, что лежит в интервале :
Как получить эту вероятность? Очевидно, если у нас стоит:
то мы можем посчитать сумму всех промежутков времени , в течение которых попадает этот интервал.
То есть мы подсчитываем длительность пребывания в слое .
О казывается, что если все одинаковые, то . Так же оказывается, что , где - время наблюдения.
Тогда:
(*)
Это вероятность того, что случайная величина лежит в пределах
Плотность вероятности:
Здесь - это не случайная величина, а параметр. Случайной величиной является . С помощью (*) мы можем найти среднее по времени значение наблюдаемой величины.
§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 T» , 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.