파동묶음은 푸리에 적분으로 이해할 수 있다.
보다 일반적인 파동묶음에 대해 이해하기 위해서는 푸리에 적분을 도입해야 한다. 푸리에 변환에서 성분함수 ϕ(k)를 가우스 함수로 삼으면 위치의 폭과 파수의 폭을 동시에 가장 작게 할 수 있다. 즉, ψ(x)=1√2π∫dkϕ(k)eikx 에서 ϕ(k)=e−α(k−k0)2 의 가우스 함수를 도입한다. 이는 특정한 k0를 중심으로 하고 있고, α에 따라 그 폭이 변한다. 그리고 입자가 k∼k+dk의 파수로 있을 확률은 |ϕ(k)|2dk에 비례하여 |ϕ(k)|2를 확률밀도함수라 한다. 파수의 불확정도를 k의 제곱평균제곱근(RMS: root mean square)으로 정의하면, Δk=√⟨(k−⟨k⟩)2⟩=12√α 여기서 ⟨A⟩는 A의 기댓값을 나타낸다. 한편 ψ(x)는 약간의 계산을 거치면 다음과 같이 x 측면에서도 가우스 함수의 꼴이 되는 것을 확인할 수 있다. ψ(x)=1√2αeik0xe−x2/4α
x∼x+dx에서 입자를 발견할 확률은 |ψ(x)|2dx 이므로 위치에 대한 확률밀도함수는 |ψ(x)|2이다. 이로부터 x의 불확정도인 제곱평균제곱근은 Δx=√⟨(x−⟨x⟩)2⟩=√α 이다. 따라서 다음의 x와 k의 불확정도 사이에 다음의 관계가 성립한다. ΔxΔk=12 가우스 함수형태로 합성하는 경우가 이 불확정도의 곱이 가장 작은 값을 가질때이므로 보다 일반적인 파동묶음에서는 ΔxΔk≥12 3차원의 푸리에 적분으로 파동묶음을 다루게 되면 각각의 차원에 대해 동일한 관계가 성립하여 (x,y,z)와 (kx,ky,kz) 사이에 ΔxΔkx≥12 ΔyΔky≥12 ΔzΔkz≥12 이 된다.
_ 확률밀도함수_ 푸리에 변환_ 푸리에 적분_ 파동묶음_ 기댓값_ 파수
|