Wavefunctions | 物理化學詳解
在量子力學中,波函數 $\psi$ 是包含系統所有可知資訊的數學物件。對一維粒子而言,波函數寫作 $\psi(x,t)$,但它不是古典意義下「粒子確定在某處」的描述,而是一個機率振幅(probability amplitude),從中可以計算所有可觀測量的統計結果。
波函數能預測哪些資訊?
機率振幅(probability amplitude):波函數 $\psi(x,t)$ 本身,可正可負或為複數,不是機率。
機率密度(probability density):取模平方得到實數非負量: $$|\psi(x,t)|^2 = \psi^*(x,t)\,\psi(x,t)$$ 單位為 length$^{-1}$(一維),代表單位長度內找到粒子的機率。
機率(probability):機率密度對區間積分: $$P(a\le x\le b) = \int_a^b |\psi(x,t)|^2\,dx$$
類比:質量密度 $\rho(x)$ 積分得質量;機率密度 $|\psi|^2$ 積分得機率。
Born 詮釋要求 $|\psi|^2$ 代表物理上有意義的機率密度,因此可接受的波函數必須:
設歸一化後的波函數為 $\psi_N(x)=A\sin(3\pi x/L)$,令 $\int_0^L|\psi_N|^2\,dx=1$,求 $A$。
用標準結果:$\int_0^L\sin^2(n\pi x/L)\,dx=L/2$(對任意正整數 $n$)。
Gaussian 積分標準結果:$\int_{-\infty}^{\infty}e^{-bx^2}dx = \sqrt{\pi/b}$($b>0$)。
(i) $e^{-x^2}$:$|\psi|^2 = e^{-2x^2}$,Gaussian 積分有限,可歸一化。
(ii) $e^{-ax}$:$|\psi|^2 = e^{-2ax}$。當 $x\to-\infty$ 時 $e^{-2ax}\to\infty$,積分發散,不可歸一化。
(iii) $e^{ax}$:$|\psi|^2 = e^{2ax}$。當 $x\to+\infty$ 時 $e^{2ax}\to\infty$,積分發散,不可歸一化。
(i) $\sin(ax)$:$|\psi|^2=\sin^2(ax)$ 在 $\pm\infty$ 振盪不衰減,$\int_{-\infty}^{\infty}\sin^2(ax)dx$ 發散,不可歸一化。
(ii) $\cos(ax)$:同理,$\int\cos^2(ax)dx$ 發散,不可歸一化。
(iii) $e^{-x^2}$:Gaussian 積分有限,可歸一化。
使用 E7B.3 的歸一化波函數;令 $u=3\pi x/L$ 換元積分;用 $\sin^2 u = (1-\cos 2u)/2$。
二維歸一化條件:$\iint|\psi(x,y)|^2\,dx\,dy=1$;面積元素 $dx\,dy$ 具有面積因次 $L^2$。
環上粒子的波函數必須滿足週期性邊界條件:$\psi(0) = \psi(2\pi)$(繞一圈回到原點必須相同),才能保證單值性。
$\cos\phi$:$\cos(0)=1$,$\cos(2\pi)=1$,滿足週期性邊界條件,可接受。
$\sin\phi$:$\sin(0)=0$,$\sin(2\pi)=0$,滿足週期性邊界條件,可接受。
$\cos(0.9\phi)$:$\cos(0)=1$,$\cos(0.9\times 2\pi)=\cos(1.8\pi)\neq 1$,不滿足週期性,函數在 $\phi=0/2\pi$ 處不連續(跳躍),不可接受。
(a) $\cos(m\phi)$
(b) $\sin(m\phi)$
二維歸一化可分解為兩個一維積分(因波函數可分離):$\int_0^{L_x}\int_0^{L_y}|\psi|^2\,dx\,dy = \left(\int_0^{L_x}A^2\sin^2\frac{\pi x}{L_x}dx\right)\left(\int_0^{L_y}\sin^2\frac{\pi y}{L_y}dy\right)/A^2 = 1$(注意 $A$ 要提出)。
利用積分可分離性:$x$ 方向含 $x^3$ 奇次項搭配 Gaussian;$y$ 方向為純 Gaussian。需用高斯矩積分公式 $\int_{-\infty}^{\infty}x^{2n}e^{-\alpha x^2}dx$。
先對 $\psi=Ne^{-mx}$ 歸一化,再積分計算機率。
$P(x_1,x_2) = \dfrac{x_2-x_1}{L} - \dfrac{1}{2\pi}\!\left[\sin\!\left(\dfrac{2\pi x_2}{L}\right)-\sin\!\left(\dfrac{2\pi x_1}{L}\right)\right]$
機率可分離:$P = \dfrac{4}{L^2}\!\left[\int_{x_1}^{x_2}\sin^2\!\left(\dfrac{\pi x}{L}\right)dx\right]\!\left[\int_{y_1}^{y_2}\sin^2\!\left(\dfrac{\pi y}{L}\right)dy\right]$
每個一維積分:$I = \left[\dfrac{x}{2}-\dfrac{L}{4\pi}\sin\!\left(\dfrac{2\pi x}{L}\right)\right]_{x_1}^{x_2}$
小體積近似:$P\approx|\psi(\mathbf{r}_c)|^2\,\delta V$,其中 $\delta V=\dfrac{4}{3}\pi R^3$,$R=1.0\ \text{pm}$,$a_0=53\ \text{pm}$。
令機率密度 $|\psi|^2=N^2x^2e^{-2x^2/a^2}$ 對 $x$ 的導數為零,找極大值。