在Python中调用狄拉克gamma矩阵

这篇具有很好参考价值的文章主要介绍了在Python中调用狄拉克gamma矩阵。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

狄拉克矩阵

狄拉克矩阵是狄拉克在构建狄拉克方程时引入的矩阵,一般用 γ μ \gamma^\mu γμ来表示,其展开式为

γ μ = ( γ 0 , γ ⃗ ) = ( β , α ⃗ ) = ( γ 0 , γ 1 , γ 2 , γ 3 ) \gamma^\mu=(\gamma^0, \vec\gamma)=(\beta, \vec\alpha)=(\gamma^0,\gamma^1,\gamma^2,\gamma^3) γμ=(γ0,γ )=(β,α )=(γ0,γ1,γ2,γ3)

相应地狄拉克方程表示为

( i γ μ ∂ μ − m ) ψ = 0 (i\gamma^\mu\partial^\mu-m)\psi=0 (iγμμm)ψ=0

其展开形式为

i ℏ ∂ ψ ∂ t = ( ℏ c i α ⃗ ⋅ ∇ + β m c 2 ) ψ i\hbar\frac{\partial\psi}{\partial t}=(\frac{\hbar c}{i}\vec\alpha\cdot\nabla+\beta mc^2)\psi itψ=(icα +βmc2)ψ

此外,还定义了 γ 5 = i γ 0 γ 1 γ 2 γ 3 \gamma^5=i\gamma^0\gamma^1\gamma^2\gamma^3 γ5=iγ0γ1γ2γ3

mgamma

在sympy中提供了mgamma函数,用以生成狄拉克矩阵

from sympy import print_latex
from sympy.physics.matrices import mgamma

for i in range(4):
    print_latex(mgamma(i))

由此得到狄拉克矩阵的具体形式如下

γ 0 = [ 1 0 0 0 0 1 0 0 0 0 − 1 0 0 0 0 − 1 ] γ 1 = [ 0 0 0 1 0 0 1 0 0 − 1 0 0 − 1 0 0 0 ] γ 2 = [ 0 0 0 − i 0 0 i 0 0 i 0 0 − i 0 0 0 ] γ 3 = [ 0 0 1 0 0 0 0 − 1 − 1 0 0 0 0 1 0 0 ] \gamma^0=\left[\begin{matrix}1 & 0 & 0 & 0\\0 & 1 & 0 & 0\\0 & 0 & -1 & 0\\0 & 0 & 0 & -1\end{matrix}\right]\\ \gamma^1=\left[\begin{matrix}0 & 0 & 0 & 1\\0 & 0 & 1 & 0\\0 & -1 & 0 & 0\\-1 & 0 & 0 & 0\end{matrix}\right]\\ \gamma^2=\left[\begin{matrix}0 & 0 & 0 & - i\\0 & 0 & i & 0\\0 & i & 0 & 0\\- i & 0 & 0 & 0\end{matrix}\right]\\ \gamma^3=\left[\begin{matrix}0 & 0 & 1 & 0\\0 & 0 & 0 & -1\\-1 & 0 & 0 & 0\\0 & 1 & 0 & 0\end{matrix}\right] γ0= 1000010000100001 γ1= 0001001001001000 γ2= 000i00i00i00i000 γ3= 0010000110000100

print_latex(mgamma(5))     
\left[\begin{matrix}0 & 0 & 1 & 0\\0 & 0 & 0 & 1\\1 & 0 & 0 & 0\\0 & 1 & 0 & 0\end{matrix}\right]

γ 5 = [ 0 0 1 0 0 0 0 1 1 0 0 0 0 1 0 0 ] \gamma^5=\left[\begin{matrix}0 & 0 & 1 & 0\\0 & 0 & 0 & 1\\1 & 0 & 0 & 0\\0 & 1 & 0 & 0\end{matrix}\right] γ5= 0010000110000100 文章来源地址https://www.toymoban.com/news/detail-796484.html

到了这里,关于在Python中调用狄拉克gamma矩阵的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python Sympy:解方程利器

    用程序来解决数学问题是非常普遍的,将数学的定理或公式封装成程序中的函数, 只要传入相应的参数,就能让计算机帮我们计算出最终的结果。 不过,今天介绍的这个库:Sympy,它的最大特点是让我们可以用做数学题的思考方式来写程序。 用程序实现数学的算法,会根据

    2024年01月16日
    浏览(39)
  • python进阶之符号计算概述SymPy

    一、概述 SymPy 是一个由 Python 编写的符号计算库,它的目标是成为一个全功能的计算机代数系统,同时保持代码简洁、易于理解和扩展。它完全由 Python 写成,不依赖于外部库。SymPy 支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散数学、几何

    2024年02月12日
    浏览(34)
  • python数学建模--sympy三维图像绘制

    在求解二元函数最值的时候,我们不知道自己经过若干个步骤求出的结果是否正确,那么我们该怎么办呢?一种办法就是将这个函数的图像绘制出来 三维图像的作用在于,它不仅能让我们直观的看出待求二元函数在指定区间内的形状,而且对于我们求得的最值以及求极值的步

    2024年02月06日
    浏览(67)
  • python数学建模之用sympy.solve求解方程组的解

    在sympy.solve(expression)方法的帮助下,我们可以很容易地求解数学方程,它将返回使用sympy.solve()方法作为参数提供的方程的根。 参考文档: 参考文档 https://www.geeksforgeeks.org/python-sympy-solve-method/ 在下面这个例子中,我们可以看到通过使用sympy.solve()方法,我们可以求解数

    2024年02月10日
    浏览(41)
  • 用于符号数学的 Python 库——sympy(二):常用信号的Laplace变换

    关于拉普拉斯变换的作用,可参考知乎 总的来说,拉普拉斯变换就是迫使函数满足绝对可积条件的傅里叶变换。 参考信号与系统/陈后金, 胡健, 薛健. ——2版.——北京:清华大学出版社;北京交通大学出版社, 2005.7(2017.3重印)第218-219页。 序号       单边信号(f(t))      

    2024年02月07日
    浏览(47)
  • 图像处理中Gamma校正的原理和实现算法——Python

    图像处理中Gamma校正的原理和实现算法——Python 在图像处理中,Gamma校正是一种用于调整图像亮度的常见技术。本文将介绍Gamma校正的原理和实现方法,并提供Python代码示例进行演示。 一、Gamma校正的原理 Gamma校正是通过对图像像素值进行幂函数变换来调整图像亮度的技术。

    2024年02月10日
    浏览(37)
  • 量子力学的应用:量子计算

    亲爱的读者, 欢迎回到我们的量子力学系列文章。在前面的几篇文章中,我们已经深入探讨了量子力学的起源、基本概念、实验验证以及解释问题。今天,我们将聚焦在量子力学的一个引人注目的应用领域:量子计算。 在传统计算机中,信息由比特表示,每个比特的状态可

    2024年02月15日
    浏览(45)
  • 量子力学 学习

    对于同一个竖直向上量子比特,不对他进行任何的干扰,进行第一次水平测试实验会随机得到一个一或者负一,之后再进行多少次水平测试实验都与第一次的试验结果是相同的。 我们换用其他的竖直向上量子比特,或者对原来的量子比特进行干扰,对原来那个竖直向上的量子

    2023年04月25日
    浏览(45)
  • 量子力学专业英语

    atom, particle, wave function, eigenvalue, entanglement, superposition, measurement, collapse, Schrodinger equation, probability density, uncertainty principle, Born rule, Hilbert space, operator, matrix element, Dirac equation, spin, angular momentum, hydrogen atom, Pauli exclusion principle, many-body problem, path integral formulation, nonlinear optics, F

    2023年04月26日
    浏览(37)
  • 概念解析 | 量子机器学习:将量子力学与人工智能的奇妙融合

    注1:本文系“概念解析”系列之一,致力于简洁清晰地解释、辨析复杂而专业的概念。本次辨析的概念是:量子机器学习。 量子增强机器学习:量子经典混合卷积神经网络 量子机器学习是量子计算和机器学习的结合,它利用量子力学的特性如叠加、纠缠和干涉来进行数据处

    2024年02月11日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包