Beruflich Dokumente
Kultur Dokumente
Jean-Baptiste Fournier
Statistique microcanonique
(A) 3 1
1 2 A : jet pair P (A) = = = .
A 6 2
3 4 (B) 1
B : mult. de 3 P (B) = = .
3
5 6 (C) 1
C : jet 3 P (C) = = .
2
B
Propri
et
es
(A B) 1
P (AB) = = . (1.1)
6
1
2 Universite Paris VII Jean-Baptiste Fournier
Probabilite de A ou B
(A B) (A) + (B) (A B)
P (A + B) = = . (1.2)
ainsi
P (A + B) = P (A) + P (B) P (AB). (1.3)
4
ici P (A + B) = 6
= 23 .
Probabilite de A sachant B
(A B) P (AB)
P (A | B) = = . (1.5)
(B) P (B)
Ind
ependance statistique
A et B sont statistiquement independants savoir B na pas dincidence
sur lissue de A (et vice-versa), i.e. P (A | B) = P (A) ; ainsi
P 1 B
2
I 3
1 2
P1 P2
P3
I1 I3
I2
A et B
Physique statistique (M1) I. Statistique microcanonique 3
1 (A)2 (B)
P (AB) = = P (A)P (B). (1.7)
1 2
1.1.2 D
enombrements
Permutations
Il y a N! facons de permuter N objets.
1 2 3 4 5 6 7
o o 1 o o 2 o
Formule de Stirling
N! N N eN 2N. (1.8)
ln N! N ln N N (N 1023 ). (1.9)
Ici on a neglige des termes O(log N) 50 tandis que les termes retenus sont
de lordre de 1023 .
!
(x) = dt tx1 et . (1.10)
0
On a (1) = 1 (on montre aussi que ( 12 ) = ) et, dautre part, en integrant
par parties : !
d
(x + 1) = dt tx et = x (x). (1.11)
0 dt
4 Universite Paris VII Jean-Baptiste Fournier
Ainsi,
Combinaisons
Combien y a-t-il de facons CNn de choisir n objets parmi N ?
1 2 3 4 5 6 7
N(N 1) . . . (N n + 1) N!
CNn = = (1.13)
n! n! (N n)!
La solution, non triviale, est illustree sur la figure : il sut de choisir les
positions de B 1 barres, representant les separations entre les botes, parmi
un nombre n+ B 1 de sites pouvant chacun recevoir un objet ou une barre.
n=6, B=4
n+B1 sites
Physique statistique (M1) I. Statistique microcanonique 5
n (n + B 1)!
= Cn+B1 = . (1.14)
n! (B 1)!
P () = qppqppqpqqppppq = pn q N n . (1.15)
N
" N
"
PN (n) = CNn pn q N n = (p + q)N = 1. (1.17)
n=0 n=0
6 Universite Paris VII Jean-Baptiste Fournier
Limite gaussienne
P(n)
m2
1
PN (m) e 2Np(1 p) (distribution gaussienne). (1.19)
2Npq
Limite thermodynamique
Supposons avec N 1023 que lon mesure la variable x = n/N (unite macro-
scopique). Il vient P (x) = C exp((x p)2 /[2N 1 p(1 p)]) dont la largeur est
%
p(1 p)/N 1012 .
P(x)
epaisseur du trait
12
10 cm
p x
1
Cette propriete est `a la base de la thermodynamique statistique.
Limite Poisson
On se place maintenant dans la limite N 1 mais avec p 1 de sorte que la
valeur la plus probable pN =a
soit finie, de lordre de quelques unites.
p <<1
Ex. Des gouttes dune pluie tr`es eparse
tombent sur une plaque gigantesque.
Combien dimpacts sur la plaque pen-
dant un temps t ?
an ea
P (n) (distribution de Poisson). (1.20)
n!
variable aleatoire notee X. Nous supposons que les dierentes valeurs possibles
ne sont pas equiprobables. Soit P (x, ) la probabilite de lev`enement : le
resultat tombe dans [x, x + ] . Pour x fixe, cette probabilite est une fonction
(). Si la fonction est susament reguli`ere pour admettre un developpement
limite en = 0, nous pouvons ecrire
() = 0 + 1 + . . . (1.21)
Si 0 = 0 cela signifie quil y a une probabilite 0 que X tombe exactement sur
la valeur x, laquelle est par consequent privilegiee parmi linfinite des autres
valeurs possibles. Laissons de cote ce cas pour linstant.
Dans le cas contraire, nous avons () 1 , pour susament petit : la
probabilite est proportionnelle `a la taille de lintervalle (c.-`a-d. dautant plus
faible que lintervalle est etroit). Comme 1 est une fonction de x, nous lap-
pelons p(x). La fonction p(x) ainsi definie sappelle la densite de probabilite
de la variable X ou bien la fonction de distribution de X . Ainsi, par
definition, pour une variable continue (notant dx la quantite 0) :
Changement de variable
A partir de maintenant nous confondrons X et x comme il est usuel. Soit x
une variable aleatoire de distribution p(x). Soit y une variable dependante de
x donnee par y = f (x). Quelle est la distribution p(y) de y ?
f(x)
x x+dx
Physique statistique (M1) I. Statistique microcanonique 9
f(x)
x1 x+dx
1 1
xdx
2 2
x2
p(x)
!
x= dx x p(x)
!
f (x) = dx f (x) p(x)
xm x x
Moments
Le ni`eme moment de p(x) est
!
xn = dx xn p(x) (ni`eme moment). (1.23)
10 Universite Paris VII Jean-Baptiste Fournier
!
2
= (x x)2 = dx (x x)2 p(x). (1.24)
Notez bien,
Exemple
Prenons lexemple de la distribution gaussienne. Il est bon de connatre par
coeur les relations qui suivent
! + (
ax2
dx e = , (1.26)
a
)
! +
12 ax2 +xy 2 + 1 1 y2
dx e = e 2a . (1.27)
a
(x x)2
1
p(x) = e 2 2 . (1.28)
2 2
On a alors
! ! y2
dx p(x) = A dy e 22 = A 2 2 = 1. (1.29)
! ! y2
dx x p(x) = A dy (x + y) e 22 = x (1.30)
! ! !
2
y2
2 2 2 2 d y22
dx (x x) p(x) = A dy y e = A dy y e 2
dy
! y2
= A 2 dy e 22 = 2 . (1.31)
Physique statistique (M1) I. Statistique microcanonique 11
!
p(x) p(k) = eikx = dx eikx p(x), (1.32)
p(0) = 1, |
p(k)| < 1 pour k = 0. (1.33)
1 (ik)n n
p(k) = 1 + ik x k 2 x2 + . . . + x + ... (1.34)
2 n!
Ainsi :
!
x2 1 1 2 2 1 2 2
p(k) = A dx e 22 +ikx = A e+ 2 (ik) = e 2 k . (1.36)
A
on reconnat que la transformee de Fourier dune gaussienne est une gaussienne
de largeur inverse.
Cumulants
On pose
eq(k) ,
p(k) = eikx = (1.37)
Le developpement limite de q(k) donne, par definition, les cumulants de la
distribution
k2 2 k2
p(k)] = ln(1 + ikx
q(k) = ln[ x + . . .) = ikx (x2 x2 ) + O(k 3 ). (1.38)
2 2
12 Universite Paris VII Jean-Baptiste Fournier
x + y = x + y. (1.41)
x y = x y en general. (1.43)
Independance statistique
La condition dindependance statistique [rappel : P (A B) = P (A) P (B)] donne,
si x et y sont independantes : p(x0 , y0 )dx dy = f (x0 )dx g(y0 )dy. Ainsi,
la condition dindependance statistique est p(x, y) = f (x)g(y), avec f et g
separement normalisees. On a alors
!
xy = dx dy xy f (x)g(y) = x y. (1.44)
Ainsi,
indep. stat. = x y = x y, (1.45)
Physique statistique (M1) I. Statistique microcanonique 13
Variance de la somme ?
Il est immediat que
(x + y)2 = x2 + y 2 + 2 x y, (1.47)
x + y 2 = x2 + y 2 + 2 x y. (1.48)
Ainsi, alors que la moyenne de la somme est toujours la somme des moyennes,
il est necessaire que les variables soient decorrelees pour que la variance de la
somme soit la somme des variances :
2
x+y = x2 + y2 (decorrelees). (1.49)
o`
u est la distribution de Dirac. En eet, en utilisant la definition de on a
! s2 !
ds h(s) = dx dy p(x, y) (1.51)
s1 [[s1 ,s2 ]]
o`
u la notation [[s1 , s2 ]] designe le domaine du plan (x, y) correspondant `a des
valeurs de s dans lintervalle [s1 , s2 ] ; ainsi le membre de gauche est bien la
probabilite de trouver s dans lintervalle [s1 , s2 ] quel quil soit.
Si les variables sont independantes, i.e., si p(x, y) = f (x)g(y), alors
!
h(k) = ds dx dy (x + y s) f (x)g(y)eiks
!
= dx dy f (x)g(y)eik(x+y) = f(k)
g (k). (1.52)
Ainsi
s=x+y =
h(k) = f(k) g(k) (x et y indep.). (1.53)
1.1.7 Th
eor`
eme de la limite centrale (TCL)
Soient x1 , . . . , xN une collection de N 1 variables aleatoires independantes,
a priori dierentes, mais de variances i finies. Soient pi (xi ) leurs distributions.
Sans perte de generalite on suppose que xi = 0 (sinon on pose yi = xi xi et
on raisonne sur yi au lieu de xi ).
On pose
1
X = (x1 + . . . + xN ) =
(1.54)
N N
Vers quoi tend la distribution (X) de X dans la limite N ?
Dapr`es le paragraphe precedent, a pour fonction caracteristique le pro-
duit des pi (k). Un simple changement de variable montre que X a alors pour
fonction caracteristique le produit des pi (k/N). On a donc, en vertu de (1.34),
# $2 # $ # $2 # $
2 k k3 2
N k k3
(k) = 1 1 +O . . . 1 +O (1.55)
2 N N3 2 N N3
Ainsi,
. /
2 k2 1
ln (k) = +O , (1.56)
2 N N2
Physique statistique (M1) I. Statistique microcanonique 15
o`
u
12 + . . . + N
2
2 =
, (1.57)
N
est la moyenne des variances. Donc
2 k2
lim (k) =e N 2 (1.58)
N
Distribution de la somme
de variables aleatoires indep .
de variances finies
Puisque pour N 1 variables iden-
tiques (ou similaires), la somme des
moyennes est proportionnelle `a N et la
racine de la somme
des variance est pro-
somme des portionnelle a` N N, on retrouve la
variances
certitude du resultat macroscopique
correspondant a` la somme dun grand
nombre dev`enements aleatoires.
somme des
moyennes
"vide"
E+E parois
champs ext.
*
18 Universite Paris VII Jean-Baptiste Fournier
Dans le cadre dune description classique, par exemple pour un fluide, les-
pace , quon appelle alors lespace des phases, est lespace a` 6N dimensions
dont les axes sont toutes les composantes des positions et des impulsions de
toutes les particules. Chaque point de correspond a` un etat microcopique
detaille du syst`eme. La coquille correspond aux etats microscopiques com-
pris dans le volume V et dont lenergie se trouve entre E et E + E.
P = constante,
/ P = 0. microetat impossible
Definissons maintenant = (E, E, V, N) le nombre de microetats acces-
sibles au syst`eme. On a alors, en vertu de la normalisation de la probabilite,
pour tous les etats accessibles :
1
P = (distribution microcanonique). (1.59)
(E, E, V, N)
Une fois lequilibre atteint, le syst`eme est dans un etat stationnaire macro-
scopiquement. Soit A une quantite macroscopique mesurable ; on peut definir
et calculer sa valeur moyenne A aussi bien par une moyenne temporelle (T tr`es
grand devant le temps de relaxation du syst`eme) :
!
1 T
A = dt A(t), (1.60)
T 0
que par une moyenne dite densemble :
"
A = A P . (1.61)
Ensembles de Gibbs
La notion densemble statistique (moyenne densemble) est attribuee `a Gibbs.
On imagine preparer N copies identiques du syst`eme (N etant un nombre
faramineusement grand). La probabilite P correspond au nombre de syst`emes
dans le microetat divise par N . Faire une moyenne densemble cest moyenner
une quantite sur tous les syst`emes et cela correspond `a la formule (1.61). Cest
pour cela quon parle densemble microcanonique (on introduira lensemble
canonique dans le chapitre suivant).
1.2.4 Entropie
De la facon la plus generale, pour un syst`eme qui visite ses etats accessibles
avec une probabilite P , on definit lentropie statistique par
"
kB
S= P ln P , (1.62)
20 Universite Paris VII Jean-Baptiste Fournier
Entropie microcanonique
Pour la distribution microcanonique (syst`eme isole), on a P = 1/, o`
u
(E, E, V, N) est une constante. Ainsi,
S = kB ln (microcanonique). (1.63)
Justification ?
Considerons un gaz enferme dans un compartiment de volume V dune enceinte
de volume V > V . Tout dun coup, on enl`eve la paroi interne et le gaz se
repand dans tout le volume V de lenceinte. Un grand nombre de micro-etats
deviennent accessibles, et le nouvel etat dequilibre correspond au maximum
detats accessibles, tout comme lentropie en thermodynamique. Donc, , ou
nimporte quelle fonction monotone croissante de semble un bon candidat
pour lentropie. Le bon choix est ln , car on veut que lentropie soit extensive :
Pour 2 syst`emes independants = 1 2 et on a bien S = S1 + S2 .
Entropie et desordre.
On associe la notion dentropie a` celle de desordre. On peut le comprendre
de la facon suivante. Un appartement ordonne est un appartement o` u chaque
chose est a` sa place : on trouvera peut-etre les chaussettes rangees selon un
ordre variable dans le tiroir a` chaussettes, mais jamais les chaussettes sur la
Physique statistique (M1) I. Statistique microcanonique 21
Densit
e d
etats et r
ole de E dans lentropie
Comme (E, E, V, N) est proportionnel `a E pour E faible, on definit
la densite detats (E, V, N) selon
Entropie
Alors que depend fortement de E, il se trouve, comme on va le voir, que
lentropie est quasiment independante de E pour un syst`eme macroscopique.
On peut donc poser
1 E
S(E, V, N) = ln [(E, V, N) E] + ln . (1.66)
kB E
On voit alors que le second terme qui est O(1) est parfaitement negligeable
devant le premier qui est O(N). En eet, meme si E 1050 E, cela contri-
bue un terme dordre 50, compl`etement negligeable devant N 1023 . Le E
disparat donc en pratique quand on prend le logarithme pour passer de
`a S.
22 Universite Paris VII Jean-Baptiste Fournier
(E) E
ln [(E)E] = ln + ln
1/E0 E0
E
= ln (E) + ln . (1.68)
E0
Comme precedemment, le premier terme est O(N), alors que le second est
O(ln N) O(N), cest-`a-dire quil est parfaitement negligeable. Quant au
choix de lunite E0 , il est aussi sans incidence car il produit une erreur de
lordre de celle faite en negligeant le second terme : en eet, un changement
dunite produit au pire E0 E0 1030 , ce qui contribue un terme dordre 30
negligeable devant le nombre dAvogadro.
S(E, V, N) = kB ln (E, V, N), (1.69)
o`
u (E, V, N) designe le nombre detats denergie inferieure `a E. En eet,
pour un syst`eme macroscopique on a tout aussi (E) E O(N ) ; comme (E) =
d(E)/dE,
on a (E) (E) E `a un facteur O(N) pr`es dont le logarithme
est negligeable par rapport a` celui de (E).
1.2.5 Forces g
en
eralis
ees conjugu
ees aux param`
etres ex-
tensifs
En principe, on na besoin que de la distribution des probabilites P pour
calculer la valeur moyenneobservable macroscopique, de nimporte quelle
quantite. Cependant, comme nous allons le voir, la fonction S(E, V, N) sav`ere
dune grande utilite pratique.
En fixant V et N, on peut inverser (au moins localement) la fonction S(E),
ce qui donne
E(S, V, N). (1.70)
Physique statistique (M1) I. Statistique microcanonique 23
On definit alors
'
E ''
T =
' ,
S 'V,N
'
E ''
P
= ' ,
V 'S,N
'
E ''
=
' .
N 'S,V
(1.71)
Pour linstant, ce sont des definitions ; nous montrerons plus tard que ces quan-
tites correspondent `a la temperature, `a la pression, et au potentiel chimique.
(Ca nest pas trivial, puisque les derivees sont prises `a entropie constante et
que nous ne savons pas encore clairement a` quoi correspond lentropie.)
Tandis que S, V , N et E sont des param`etres extensifs (ils sav`erent etre pro-
portionnels a` la taille N du syst`eme), les param`etres T , P et sont intensifs :
ils sont O(1).
Dierentielle dS
En inversant
dE = T dS P dV + dN, (1.72)
on obtient
1 P
dS = dE + dV dN. (1.73)
T T T
Exemple
Considerons un mod`ele ultra-simplifie de cristal a` la temperature T , dont
les atomes, places aux noeuds dun reseau regulier, peuvent etre soit dans leur
etat fondamental (atomes indiques en blanc sur la figure), soit dans un etat
excite (en noir sur la figure). Le cristal poss`ede N atomes au total. Appelons
n le nombre datomes excites.
E = N 0 + n . (1.75)
Comme nous raisonnons sur un syst`eme isole, E est fixee et donc n aussi. Le
nombre de micro-etats possibles est alors donne par
N!
= . (1.76)
n! (N n)!
S = kB ln kB [N ln N n ln n (N n) ln (N n)] . (1.77)
y=M
E, V, N
Cest lentropie normale, mais o` u lon restreint les microetats a` ceux com-
patibles avec la valeur de y specifiee. On a donc
1
S (y)
P (y) = P0 e kB . (1.81)
1 d2 S
2
(y ) (y y )2
P (y) P0 e 2 dy
y* y
Pour vous convaincre que exp(S (y)/kB ) est extremement piquee lorsque
S = O(N), prenez un programme de trace de fonction, et examinez, pour une
fonction f (x) ayant un leger maximum, les courbes exp[10f (x)], exp[100f (x)],
exp[1000f (x)], exp[10000f (x)] en gardant la meme echelle en x.
Ainsi, on retrouve bien une propriete de lentropie thermodynamique tradi-
tionnelle :
o`
u lintegrale porte sur toutes les valeurs possibles de y. Ainsi,
! 1
S (y)
S(E, V, N) = kB ln dy e kB . (1.84)
Pression thermodynamique
A partir de dE = T dS P dV + dN, est-il evident que P soit la pres-
sion ? Non, car P nest defini ici que par P = T S/V , cest-`a-dire que P
depend de notre definition de lentropie. La quantite P sinterpr`ete comme la
force exterieure par unite de surface Pext quil faut appliquer au syst`eme pour
changer son volume sans varier son entropie ; en eet, le travail elementaire est
alors Pext dV = dE = T dS P dV . L`a encore, tout depend de notre choix
pour S.
Nous allons montrer que P correspond bien a` la pression mecanique quil faut
exercer sur le syst`eme pour le maintenir a` lequilibre vis-`a-vis des variations de
son volume. Considerons lensemble isole ci-dessous constitue de notre syst`eme
couple `a un ressort mecanique. Nous traitons ce dernier comme un sous-
syst`eme purement mecanique ne poss`edant pas dentropie. La paroi separant
du ressort peut coulisser sans frottement.
0 L x
dS S E S V 1 Eressort S
=0= + = +A , (1.86)
dL E L V L T L V
puisque 1/T = S/E et E + Eressort est une constante car le syst`eme total
28 Universite Paris VII Jean-Baptiste Fournier
E1 V1 N1 E 2 V2 N2
ener gie
S1 S2 E2 S1 S2
+ = = 0, (1.89)
E1 E2 E1 E1 E2
c.-`a-d.
T1 = T2 . (1.90)
Flux de chaleur
Si maintenant on part dune situation initiale telle que T1 = T2 , la derive de
E1 vers la valeur dequilibre E1 va se faire avec une augmentation de S (E1 ).
Donc
S1 S2
dS = dE1 dE1 > 0, (1.91)
E1 E2
Physique statistique (M1) I. Statistique microcanonique 29
Cest-`a-dire :
. /
1 1
dE1 > 0. (1.92)
T1 T2
P1 = P2 . (1.93)
1 = 2 . (1.94)
Forces g
en
eralis
ees ; potentiel chimique
On peut interpreter ce qui prec`ede en enoncant que
La temperature est la force avec laquelle un syst`eme tend a` donner de
lenergie sous forme de chaleur a` son entourage. En eet, dS = (1/T ) dE :
pour avoir dS globalement positif, le syst`eme ayant le plus grand 1/T va
faire dE > 0 pour sapprocher de lequilibre.
La pression est la force avec laquelle un syst`eme tend a` prendre du volume
`a son entourage. En eet, dS = (P/T ) dV : a` lequilibre thermique, pour
avoir dS globalement positif, le syst`eme ayant le plus grand P va faire dV > 0
pour sapprocher de lequilibre.
On interpretera donc le potentiel chimiqueappellation intuitivecomme
la force avec laquelle le syst`eme tend `a donner des particules `a son entourage.
En eet, dS = (/T ) dN : a` lequilibre thermique, pour avoir dS globalement
positif, le syst`eme ayant le plus grand va faire dN < 0 pour sapprocher de
lequilibre.
30 Universite Paris VII Jean-Baptiste Fournier
1 3 2 4
= px + p2y + p2z
2m
py R = 2m
p
x
Le volume despace des phases accessible (que nous notions precedemment)
est defini par V et lintervalle denergie [, + ]
! !
= dx dy dz dpx dpy dpz
V [,+]
= V 4R2 dR
= 2V (2m)3/2 1/2 d (1.95)
3 4 2m
x2 + y2 + y2 (r) = (r). (1.98)
2
h
Par separation des variables, on montre aisement que (r) est un produit de
fonctions cos(ki xi ) ou sin(ki xi ), o`
u xi denote x, y ou z. Les ki sont tels que
k 2 = kx2 + ky2 + kz2 avec
2 k2
h
= . (1.99)
2m
La particule etant confinee dans une bote, les conditions aux limites sont
(r) = 0 aux bords (puits de potentiel infini) : x = 0 et x = Lx , etc. Cela
impose de ne garder que les sinus avec
ki Li = ni , ni . (1.100)
(x + L, y, z) = (x, y, z),
(x, y + L, z) = (x, y, z),
(x, y, z + L) = (x, y, z).
Comme la particule est libre maintenant (la bote est virtuelle), sa fonction
i
propre est fonction propre a` la fois de limpulsion p h et de p 2
2 2
h ; sa fonction donde est donc du type (r) exp(ikr) et les conditions
aux limites se traduisent par :
32 Universite Paris VII Jean-Baptiste Fournier
ky
2
k= (nx , ny , xy ), nx , ny , xy .
L
kx . /
2 3 (2)3
3k = = (`a 3D).
L V
2
k
(2D)
Densite detats
Comptons maintenant les etats dont lenergie est comprise entre et + .
Comme au paragraphe precedent, ce sont les etats dont le vecteur donde (i.e.,
limpulsion) est dans la coquille spherique comprise entre k et k + k, o` u,
dapr`es (1.99),
. /
2m 1/2
k= . (1.101)
2
h
Nous avons donc
dn 4k 2 dk/ 3 k
() = =
d d
. /
V 2m 3/2 1/2
= . (1.102)
(2)2 h 2
Oscillateur harmonique
Dans de nombreuses situations physiques, ex. atome ou particule confinee
dans un minimum de potentiel, on se place dans lapproximation quadratique :
U(x )
x
Physique statistique (M1) I. Statistique microcanonique 33
Paramagn
etisme
Le paramagnetisme designe lorientation par un champ magnetique de mo-
ments magnetiques pre-existants, donnant lieu `a une aimantation moyenne
non nulle. (Le diamagnetisme correspond `a des moments magnetiques induits
par le champ ; le ferromagnetisme designe lapparition dune aimantation spon-
tanee sans champ externe, due aux couplages entre les moments magnetiques
pre-existants.)
Dans un atome, ion, cristal, . . ., ce sont principalement les electrons (charge
e, masse m) qui donnent lieu au paramagnetisme (leet des protons est
negligeable car la contribution est inversement proportionnelle `a la masse, et
mp m).
En general, si B = B ez designe un champ magnetique dirige le long de laxe
z, il y a une corrections aux niveaux denergie donnee par
E = B = (g B mJ ) B, (1.105)
u B = e
o` h/2m est le magneton de Bohr, mJ la valeur propre de Jz / h
(Jz commute avec H, ainsi les etats propres de lenergie sont aussi des etats
propres de Jz ), et g, de lordre de lunite, est le facteur de Lande (il depend
des nombres quantiques L, S et J de letat considere).
Do`u cela provient-il ? Chaque electron contribue dans H un terme
1 3 4
2,
p + eA (1.106)
2m
Qui donne la force de Lorenz dans les equations du mouvement. Pour B = B ez ,
on peut prendre comme potentiel vecteur A = 1 B( x ey y ex ). Le terme
2
lineaire en B est alors
z
H = e (
x py y px ) B = B
L
B. (1.107)
2m h
34 Universite Paris VII Jean-Baptiste Fournier
Traitement quantique
Le Hamiltonien du syst`eme est H = 5i pi 2 /2m. En choisissant, comme
au paragraphe (1.2.7), des conditions aux limites periodiques dans une bote
cubique de longueur L, letat quantique du syst`eme (etat propre de lenergie)
est donne par N vecteurs dondes de particules libres (i = 1 . . . N) :
n
2 i
ki = mi , ni , mi , i . (1.110)
L
i
Physique statistique (M1) I. Statistique microcanonique 35
k1
On a alors
2 2
h
E=
K , (1.112)
2m
et tout se passe comme si on avait une seule particule dans un espace de
dimension 3N. Le nombre n de points du grillage (donc de microetats du
gaz) dont lenergie est comprise entre E et E + E est le volume compris entre
les hyper-sph`eres de rayon
. /1/2
2m
K= E (1.113)
2
h
et K +dK, divise par le volume elementaire (2/L)3N . On montre (voir appen-
dice en fin de chapitre) que la surface de la sph`ere de rayon unite en dimension
D est
2 D/2
SD (1) = , (1.114)
( D2 )
&
o`
u (x) = 0 dt tx1 et = (x 1)! est la fonction dEuler. Il vient
3N
2 2 3N 1 1
n = 3N K dK
( 2 ) (2/L)3N
. / 3N 3N
m 2 V N E 2 E
= . (1.115)
h2
2 ( 3N
2
) E
36 Universite Paris VII Jean-Baptiste Fournier
Comme nous lavons dej`a vu, quand on prend le logarithme de cette expression,
on peut negliger le facteur ln(E/E), qui est O(1), devant le logarithme de
lensemble des autres termes, qui est O(N). Donc lentropie vaut
. / 3N 3N
m 2 VNE 2
S = kB ln kB ln . (1.117)
2h2 N! ( 3N
2
)!
Nous avons aussi remplace (3N/2) = (3N/2 1)! par (3N/2)!, ce qui fait
une erreur dun facteur O(N) dans le logarithme, soit une erreur negligeable
O(ln N) N dans lentropie. En utilisant la formule de Stirling : ln N!
(N/e)N on obtient finalement
. /3 . / 32
m 2 V E +
5
S = N kB ln , (1.118)
3h2 N N 2
Traitement classique
Raisonnons maintenant en mecanique classique (mais toujours en supposant
les particules indiscernables). Pour un syst`eme de N particules, lespace des
phases est lespace de dimension 6N dont les points ont pour coordonnees
Physique statistique (M1) I. Statistique microcanonique 37
(r1 , p1 , . . . , rN , pN ), o`
u ri est la position de la particule i et pi son impulsion.
Lenergie totale, fixee, est
"N
pi
E= . (1.119)
i=1 2m
Comme il y a en fait 3N composantes dimpulsion, on peut ecrire (en les
denotants par un indice grec ) :
3N
"
2mE = p2 , (1.120)
i=1
correspondant a` lhyper-sph`ere de rayon R = 2mR. Ainsi, dans le sous-espace
de dimension D = 3N forme par les composantes des impulsions, la region de
lespace des phases accessible au syst`eme (dont lenergieest E `a dE pr`es) est
la couronne comprise entre les sph`eres de rayon R = 2mE et R + dR, ou
dR est lincrement d
u `a dE. Le volume accessible dans lespace des phases est
donc
! !
3 3
d = d r1 . . . d rN d3 p1 . . . d3 pN = V N S3N (R) dR. (1.121)
volume couronne
Temp
erature, pression et potentiel chimique du gaz parfait
Comme nous avons bien bien lentropie (1.118) en fonction de ses variables
naturelles E, V , et N, on calcule les variables intensives par derivees partielles :
1 S B C 3 N kB
= = cst. + N kB ln E 3/2 = . (1.125)
T E E 2 E
La temperature du gaz parfait mesure donc lenergie par particule :
2E
kB T = . (1.126)
3N
P S N kB
= = [cst. + N kB ln V ] = . (1.127)
T V V V
Ainsi on retrouve lequation detat des gaz parfaits :
N kB T
P = , (1.128)
V
2E
P = . (1.129)
3V
. /3 . / 32
m 2 V E
= kB T ln . (1.130)
3h2 N N
1.2.9 Appendice
Le calcul de la surface de lhyper-sph`ere en dimension D seectue as-
sez simplement en calculant une meme integrale gaussienne en coordonnees
cartesiennes et spheriques. Considerons lintegrale suivante en dimension D :
!
1 2 2
I= dx1 . . . dxD e 2 (x1 +...+xD ) = (2)D/2 . (1.131)
Physique statistique (M1) I. Statistique microcanonique 39