tecktom.com

⋆\star 積の性質と計算の道具

2026年10月17日9分で読めますAI生成教科書『虎の巻』第5部 第3章 ⋆ 積と Moyal 方程式
目次
  1. 演算子の代数から移る性質
  2. と は微分演算子
  3. 木下の層

AI 生成・木下が未勉強

量子力学の様々な構成方法 第5部 第3章 §5.3.2 ★★ 結合律・共役・トレースの性質は演算子の性質がそのまま移ったもの。x⋆x\star と p⋆p\star は微分演算子になり、多項式の計算は有限項で終わる

演算子の代数から移る性質

定理 5.3.2 によって、⋆\star 積は演算子の積を写したものなので、演算子の積の性質はそのまま ⋆\star 積の性質になる。

命題 5.3.3(⋆\star 積の基本の性質 ★★)

  1. (i) 結合律 (f⋆g)⋆h=f⋆(g⋆h)(f\star g)\star h=f\star(g\star h)。可換ではない。
  2. (ii) 複素共役 (f⋆g)∗=g∗⋆f∗(f\star g)^*=g^*\star f^*。
  3. (iii) 積分 ∫f⋆g dx dp=∫fg dx dp\displaystyle\int f\star g\,\mathrm{d} x\,\mathrm{d} p=\int fg\,\mathrm{d} x\,\mathrm{d} p(両辺が収束するとき)。
  4. (iv) ℏ\hbar の展開

f⋆g=fg+iℏ2{f,g}−ℏ28(fxxgpp−2fxpgxp+fppgxx)+O(ℏ3)(5.3.6)f\star g=fg+\frac{\mathrm{i}\hbar}{2}\{f,g\}-\frac{\hbar^2}{8}\bigl(f_{xx}g_{pp}-2f_{xp}g_{xp}+f_{pp}g_{xx}\bigr)+\mathcal{O}(\hbar^3)\tag{5.3.6}

(添字は偏微分)。

証明

(i) 演算子の積の結合律を記号に写す。(ii) (A^B^)†=B^†A^†(\hat A\hat B)^\dagger=\hat B^\dagger\hat A^\dagger と、エルミート共役が記号の複素共役に写ること(前の章)から。(iii) 前の章のトレースの公式 Tr⁡(A^B^)=∫AWBW dx dp/(2πℏ)\operatorname{Tr}(\hat A\hat B)=\int A_WB_W\,\mathrm{d} x\,\mathrm{d} p/(2\pi\hbar) と Tr⁡C^=∫CW dx dp/(2πℏ)\operatorname{Tr}\hat C=\int C_W\,\mathrm{d} x\,\mathrm{d} p/(2\pi\hbar) を C^=A^B^\hat C=\hat A\hat B に当てて比べる。直接には、(5.3.4) の n≥1n\ge1 の項が全微分の和になっていることからも分かる。たとえば n=1n=1 の項は fxgp−fpgx=∂x(fgp)−∂p(fgx)f_xg_p-f_pg_x=\partial_x(fg_p)-\partial_p(fg_x) で、積分すると境界の値だけが残り、0 になる。(iv) (5.3.4) の n=0,1,2n=0,1,2 の項を書き出したものである。

(iii) は、2つの関数の ⋆\star 積を積分するときは普通の積に戻してよいということで、期待値の公式 ⟨A^⟩=∫WAW\langle \hat A \rangle =\int WA_W がトレースの公式と矛盾しない理由でもある。3つ以上の積では ∫f⋆g⋆h=∫f (g⋆h)=∫(f⋆g) h\int f\star g\star h=\int f\,(g\star h)=\int(f\star g)\,h のように1か所だけ普通の積にでき、これは Tr⁡(A^B^C^)\operatorname{Tr}(\hat A\hat B\hat C) の巡回性に当たる。

x⋆x\star と p⋆p\star は微分演算子

一方が xx や pp のときは、⋆\star 積の級数は1次で止まる。(5.3.4) で f=xf=x とすると n≥2n\ge2 の項はすべて xx を2回以上微分するので

x⋆F=(x+iℏ2∂p)F,p⋆F=(p−iℏ2∂x)F,F⋆x=(x−iℏ2∂p)F,F⋆p=(p+iℏ2∂x)F(5.3.7)x\star F=\Bigl(x+\frac{\mathrm{i}\hbar}{2}\partial_p\Bigr)F,\qquad p\star F=\Bigl(p-\frac{\mathrm{i}\hbar}{2}\partial_x\Bigr)F,\qquad F\star x=\Bigl(x-\frac{\mathrm{i}\hbar}{2}\partial_p\Bigr)F,\qquad F\star p=\Bigl(p+\frac{\mathrm{i}\hbar}{2}\partial_x\Bigr)F\tag{5.3.7}

を得る。左から xx を ⋆\star で掛ける操作は、位相空間の関数に作用する微分演算子 x+(iℏ/2)∂px+(\mathrm{i}\hbar/2)\partial_p である。この2つの微分演算子の交換子は[x+iℏ2∂p, p−iℏ2∂x]=iℏ2+iℏ2=iℏ\left[x+\frac{\mathrm{i}\hbar}{2}\partial_p,\,p-\frac{\mathrm{i}\hbar}{2}\partial_x\right]=\frac{\mathrm{i}\hbar}{2}+\frac{\mathrm{i}\hbar}{2}=\mathrm{i}\hbar で、正準交換関係を満たす。位置表示では x^\hat x は「xx を掛ける」、p^\hat p は「−iℏ∂x-\mathrm{i}\hbar\partial_x」だったが、位相空間では xx と pp の両方が「半分は掛け算、半分は微分」になる。(5.3.7) を繰り返し使えば、多項式の ⋆\star 積は微分の有限回で計算できる。

積分の形

⋆\star 積は積分でも書ける。

(f⋆g)(x,p)=1(πℏ)2∫f(x′,p′) g(x′′,p′′) exp⁡{2iℏ[p(x′′−x′)+p′(x−x′′)+p′′(x′−x)]}dx′ dp′ dx′′ dp′′.(f\star g)(x,p)=\frac{1}{(\pi\hbar)^2}\int f(x',p')\,g(x'',p'')\, \exp\Bigl\{\frac{2\mathrm{i}}{\hbar}\bigl[p(x''-x')+p'(x-x'')+p''(x'-x)\bigr]\Bigr\}\mathrm{d} x'\,\mathrm{d} p'\,\mathrm{d} x''\,\mathrm{d} p'' .

指数の肩の角括弧は、3点 (x,p)(x,p)、(x′,p′)(x',p')、(x′′,p′′)(x'',p'') の作る三角形の符号つき面積の2倍である。級数 (5.3.4) が収束しない関数(Gauss 関数など)を扱うときはこの形が使える。2つの Gauss 関数について、演算子の位置表示の核を数値で掛けて記号に戻した値と、この積分の値が一致することを verify_ch5-03.py で確かめた。

例題 5.3.2 p^x^2p^\hat p\hat x^2\hat p の記号と期待値 ★★

オリジナル

  1. (1) (5.3.7) を使って p⋆x2⋆pp\star x^2\star p を求めよ。また x⋆p2⋆xx\star p^2\star x と比べよ。
  2. (2) 調和振動子の基底状態の Wigner 関数 W0=1πℏe−2H/(ℏω)W_0=\frac{1}{\pi\hbar}\mathrm{e}^{-2H/(\hbar\omega)}(H=p2/(2m)+mω2x2/2H=p^2/(2m)+m\omega^2x^2/2)で ⟨p^x^2p^⟩\langle \hat p\hat x^2\hat p \rangle を求め、p^x^2p^=(x^p^)†(x^p^)\hat p\hat x^2\hat p=(\hat x\hat p)^\dagger(\hat x\hat p) から位置表示で直接求めた値と照合せよ。前の章の 12(x^2p^2+p^2x^2)\tfrac12(\hat x^2\hat p^2+\hat p^2\hat x^2) の期待値 −ℏ2/4-\hbar^2/4 とも比べよ。
解答

(1) 右から先に計算する。x2⋆p=(p+iℏ2∂x)x2=x2p+iℏxx^2\star p=(p+\frac{\mathrm{i}\hbar}{2}\partial_x)x^2=x^2p+\mathrm{i}\hbar x。次に左から p⋆p\star を当てると

p⋆(x2p+iℏx)=(p−iℏ2∂x)(x2p+iℏx)=x2p2+iℏxp−iℏxp−iℏ2⋅iℏ=x2p2+ℏ22.p\star(x^2p+\mathrm{i}\hbar x)=\Bigl(p-\frac{\mathrm{i}\hbar}{2}\partial_x\Bigr)(x^2p+\mathrm{i}\hbar x)=x^2p^2+\mathrm{i}\hbar xp-\mathrm{i}\hbar xp-\frac{\mathrm{i}\hbar}{2}\cdot\mathrm{i}\hbar=x^2p^2+\frac{\hbar^2}{2} .

同じ計算で x⋆p2⋆x=x2p2+ℏ2/2x\star p^2\star x=x^2p^2+\hbar^2/2 も得られる。p^x^2p^\hat p\hat x^2\hat p と x^p^2x^\hat x\hat p^2\hat x は記号が同じなので、Weyl 対応が1対1であることから同じ演算子である。一方、12(x^2p^2+p^2x^2)\tfrac12(\hat x^2\hat p^2+\hat p^2\hat x^2) の記号は x2p2−ℏ2/2x^2p^2-\hbar^2/2 で、古典の関数 x2p2x^2p^2 に対応しうる3つの演算子の記号は ℏ2\hbar^2 の定数だけ違う(順序の曖昧さの具体的な形。第2部第2章)。

(2) W0W_0 では xx と pp は独立な Gauss 分布で、⟨x2⟩=ℏ/(2mω)\langle x^2 \rangle =\hbar/(2m\omega)、⟨p2⟩=mℏω/2\langle p^2 \rangle =m\hbar\omega/2 である。したがって

⟨p^x^2p^⟩=∫W0(x2p2+ℏ22)dx dp=ℏ2mω⋅mℏω2+ℏ22=3ℏ24.\langle \hat p\hat x^2\hat p \rangle =\int W_0\Bigl(x^2p^2+\frac{\hbar^2}{2}\Bigr)\mathrm{d} x\,\mathrm{d} p=\frac{\hbar}{2m\omega}\cdot\frac{m\hbar\omega}{2}+\frac{\hbar^2}{2}=\frac{3\hbar^2}{4} .

直接には、ψ0∝e−mωx2/(2ℏ)\psi_0\propto\mathrm{e}^{-m\omega x^2/(2\hbar)} に p^=−iℏ∂x\hat p=-\mathrm{i}\hbar\partial_x を当てると p^ψ0=imωxψ0\hat p\psi_0=\mathrm{i} m\omega x\psi_0、さらに x^\hat x を当てて x^p^ψ0=imωx2ψ0\hat x\hat p\psi_0=\mathrm{i} m\omega x^2\psi_0 である。⟨p^x^2p^⟩=∥x^p^ψ0∥2=m2ω2⟨x4⟩=m2ω2⋅3(ℏ/(2mω))2=3ℏ2/4\langle \hat p\hat x^2\hat p \rangle =\lVert \hat x\hat p\psi_0\rVert ^2=m^2\omega^2\langle x^4 \rangle =m^2\omega^2\cdot3\bigl(\hbar/(2m\omega)\bigr)^2=3\hbar^2/4 で一致する。p^x^2p^\hat p\hat x^2\hat p は (x^p^)†(x^p^)(\hat x\hat p)^\dagger(\hat x\hat p) の形なので期待値は必ず非負で、実際に正の値になった。12(x^2p^2+p^2x^2)\tfrac12(\hat x^2\hat p^2+\hat p^2\hat x^2) はこの形に書けず、期待値 −ℏ2/4-\hbar^2/4 は負である。古典の x2p2x^2p^2 は非負の関数だが、それに対応する演算子が非負になるかどうかは並べ方で決まる。

木下の勉強ステータス

木下はまだこの記事を勉強していません。

AI(Claude)が書いた教材を、木下が勉強しながら公開しています。式と数値は検算していますが、誤りが残っているかもしれません。誤りのご指摘・削除のご依頼をいただければ直します。 連絡先:support@tecktom.com

← AI生成教科書『虎の巻』の記事一覧へ