248
个编辑
更改
小第101行：
第101行： − +
→本征微观态及其演化
<math>t</math>和<math>t^{\prime}</math>的微观态之间的相关性由它们的矢量乘积定义：<math>\begin{eqnarray}{C}_{{tt}^{\prime} }=\delta {\boldsymbol{S}}{\left(t\right)}^{{\rm{T}}}\cdot \delta {\boldsymbol{S}}(t^{\prime} )=\displaystyle \sum _{i=1}^{N}\delta {S}_{i}(t)\delta {S}_{i}(t^{\prime} )\end{eqnarray}</math> <ref>{{cite journal |last1=Hu|first1=Gaoke|last2=Teng|first2=Liu|last3=Maoxin|first3=Liu|last4=Wei|first4=Chen|last5=Xiaosong|first5=Chen|title=Condensation of eigen microstate in statistical ensemble and phase transition|journal=Science China Physics, Mechanics & Astronomy|date=25 April 2019|volume=62|issue=2019|doi=10.1007/s11433-018-9353-x}}</ref>。
<math>t</math>和<math>t^{\prime}</math>的微观态之间的相关性由它们的矢量乘积定义：<math>\begin{eqnarray}{C}_{{tt}^{\prime} }=\delta {\boldsymbol{S}}{\left(t\right)}^{{\rm{T}}}\cdot \delta {\boldsymbol{S}}(t^{\prime} )=\displaystyle \sum _{i=1}^{N}\delta {S}_{i}(t)\delta {S}_{i}(t^{\prime} )\end{eqnarray}</math> <ref name="hu">{{cite journal |last1=Hu|first1=Gaoke|last2=Teng|first2=Liu|last3=Maoxin|first3=Liu|last4=Wei|first4=Chen|last5=Xiaosong|first5=Chen|title=Condensation of eigen microstate in statistical ensemble and phase transition|journal=Science China Physics, Mechanics & Astronomy|date=25 April 2019|volume=62|issue=2019|doi=10.1007/s11433-018-9353-x}}</ref>。
以<math>{C}_{tt}^{\prime} </math>作为其元素，我们可以得到一个<math>M×M</math>的微观态相关矩阵：<math>\begin{eqnarray}{\boldsymbol{C}}={C}_{0}{{\boldsymbol{A}}}^{{\rm{T}}}\cdot {\boldsymbol{A}}\end{eqnarray}</math>，其轨迹<math>Tr\boldsymbol{C}={\sum }_{t=1}^{M}{C}_{tt}={C}_{0}</math> 。相关矩阵<math>\boldsymbol{C}</math>有<math>M</math>个特征向量<math>V_J</math>，其中<math>J = 1, 2, ⋯ , M</math>，我们可以用它们组成一个<math>M×M</math>的单元矩阵
以<math>{C}_{tt}^{\prime} </math>作为其元素，我们可以得到一个<math>M×M</math>的微观态相关矩阵：<math>\begin{eqnarray}{\boldsymbol{C}}={C}_{0}{{\boldsymbol{A}}}^{{\rm{T}}}\cdot {\boldsymbol{A}}\end{eqnarray}</math>，其轨迹<math>Tr\boldsymbol{C}={\sum }_{t=1}^{M}{C}_{tt}={C}_{0}</math> 。相关矩阵<math>\boldsymbol{C}</math>有<math>M</math>个特征向量<math>V_J</math>，其中<math>J = 1, 2, ⋯ , M</math>，我们可以用它们组成一个<math>M×M</math>的单元矩阵
<math>\boldsymbol{V}=\left[\boldsymbol{V}_1 \boldsymbol{V}_2 \ldots \boldsymbol{V}_M\right]</math>
<math>\boldsymbol{V}=\left[\boldsymbol{V}_1 \boldsymbol{V}_2 \ldots \boldsymbol{V}_M\right]</math>