Documente Academic
Documente Profesional
Documente Cultură
Facultad de Ciencias
Escuela de Fsica
Laboratorio de Fsica Teorica de Solidos ( LFTS )
Centro de Fsica Teorica y Computacional ( CEFITEC )
A.P. 47586. Caracas 1041-A. Venezuela
Y
HH
H PP C
q
P
dE = dQ dW
I
dQ S = kB ln WC
S=
T
MECANICA ESTADISTICA
*
1
:
y
X
XXX
X
M 6 C6
Resumen
Ampliado
- v. 3.1 - *
@
T T
Hj
H
@
R
@
.............. . ..
. .
... ............. .. .. ^^
.. . . .
. ... .. ^
.......... Semestre 2004
. . ........
..... . ..... ..
... . . .
. .. . .
@ -
R
@ 1
F. P. Marn
?
Introduccion VI
1. Tarea 1: Termodinamica 18
6. Parcial 1 59
7. Parcial 2 71
8. Parcial 3 80
II Apendices 82
A. Estimaciones: Constantes y Unidades 83
B. Herramientas Matematicas 86
B.1. Formulas Utiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
i
INDICE GENERAL ii
B.2. Funciones Salto (x), Signo sgn (x) y Valor Absoluto |x| . . . . . 88
B.3. Delta de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Ejercicio B.1: Ecuacion con fuente tipo delta de Dirac . . . . . . . 92
Ejercicio B.2: Funcion de Green del oscilador armonico . . . . . . 92
Z
sen (x)
Ejercicio B.3: La integral dx . . . . . . . . . . . . . . 95
x
Z
sen2 (x)
Ejercicio B.4: La integral dx . . . . . . . . . . . . . . 95
x2
Z
sen3 (x)
Ejercicio B.5: La integral dx . . . . . . . . . . . . . . 96
x3
Ejercicio B.6: Transformada de Fourier de (t) F (t) . . . . . . . . 97
B.4. Expansiones Asintoticas . . . . . . . . . . . . . . . . . . . . . . . 98
iv
Indice de cuadros
v
Introduccion
En estas notas presentamos las tareas y soluciones, asignadas en el semes-
tre 2004, del curso Mecanica Estadstica del postgrado de Fsica. Algunas de ellas
han sido ligeramente modificadas para evitar ambiguedades y/o confusiones de la
redaccion de ellas. Sus soluciones han sido revisadas exhaustivamente respecto de
las soluciones iniciales entregadas a los estudiantes del curso. Sin embargo, como
puede esperarse, es posible que contenga errores derivados del proceso de escritu-
ra. En tal caso, pueden comunicarlo al correo electronico que se menciona en la
portada.
A lo largo del curso, nos hemos convencido de la necesidad de incluir, en
forma de apendices, algunos topicos que forman parte de las herramientas basicas
de la Mecanica Estadstica actual. En particular a lo que concierne a simula-
cion de procesos fsicos. Para entender la idea, digamos graficamente, usemos el
ejemplo del estudiante E0 que ha aprobado el curso de Fsica Estadstica del pre-
grado. E0 ha aprendido a manipular reglas que permiten el calculo de promedios,
desviacion standard, etc. . . as como energas, calores especficos, susceptibilida-
des magneticas, presiones, etc. . . Sin embargo, tal curso no le enseno a E0 como
realizar en la practica la generacion de un proceso con una distribucion de pro-
babilidad dada. Por ejm. . . , como crear un conjunto de espines, en un campo
magnetico H z a la temperatura T , con distribucion de probabilidad para cada es-
pin individual sech (mH/T ) eHm/T /2 y m = M0 , M0 > 0; lo cual es tan simple
que puede realizarse con una simple calculadora de bolsillo ( ver pag. 122 ).
Un conjunto de simulaciones extremadamente simples se han includo para
paliar parcialmente las deficiencias mencionadas arriba acompanadas de progra-
mas en el lenguaje C++ que ilustran los diferentes procesos de simulacion.
F. P. Marn
Laboratorio de Fsica Teorica de Solidos
( asociado al CEFITEC )
Escuela de Fsica. Facultad de Ciencias
Universidad Central de Venezuela
A.P. 47586. Caracas 1041-A. Venezuela
vi
INTRODUCCION vii
Parte I
1
Captulo 0
Tarea 0: Probabilidades
2
CAPITULO 0. TAREA 0: PROBABILIDADES 3
La condicion de normalizacion puede reescribirse, en coordenadas esfericas,
en la forma Z a Z Z 2
3r 2 1 d
1= dr 3 d sen
0 a 0 2 0 2
2 3
3r /a , sen () /2 y 1/2 son distribuciones de probabilidad para r, y
en los intervalos [0, a), [0, ) y [0, 2), respectivamente. Entonces, podremos
usar el triplete (x0 , x1 , x2 ) en la determinacion del triplete (r, , ) con lo
cual determinaremos a (x, y, z). En efecto, es necesario resolver
3 2 dr
r = 1, r|x0 =0 = 0
a3 dx0
1 d
sen = 1, |x1 =0 = 0
2 dx1
1 d
= 1, |x2 =0 = 0
2 dx2
cuya solucion es inmediata:
1/3
r = ax0 , = 2 arc sen ( x1 ) , = 2x2
Finalmente, (x, y, z) se genera usando una calculadora simple ( ver pag. 122 )
2. Una partcula ejecuta saltos, a lo largo del eje x, de longitud ` con probabi-
lidad p (p ) a la derecha (izquierda). p + p = 1. Tales saltos ocurren
a intervalos de tiempo . Denotemos con pn (t) la probabilidad de que tal
partcula se encuentre, en el instante t, en el punto n`. n Z.
CAPITULO 0. TAREA 0: PROBABILIDADES 4
a) Construya una relacion2 entre pn (t) y pn1 (t ). Suponga que cada
salto ocurre con independencia de cualquier salto anterior.( 1 punto )
SOLUCION:
La partcula se encuentra, en el instante t, en el punto n` (con proba-
bilidad pn (t)) si ocurre que:
1) la partcula se encuentra, en el instante t en la posicion (n 1) `
( con probabilidad pn1 (t ) ) y decide realizar un salto a la
derecha ( con probabilidad p ). Este evento ocurre con probabi-
lidad pn1 (t ) p
2) o se encuentra, en el instante t , en la posicion (n + 1) ` ( con
probabilidad pn+1 (t ) ) y decide realizar un salto a la izquier-
da ( con probabilidad p ). Este evento ocurre con probabili-
dad pn+1 (t ) p .
Por tanto
X
P (x, t) = pn (t) (x n`) (0.4)
n=
+
X
p pn (t ) ([x + `] n`)
n=
P (x, t) = p P (x `, t ) + p P (x + `, t ) (0.5)
Ecuacion de Difusion
1
p = p =
2
P (x, t) 2 P (x, t) (0.9)
=D
t x2
`2
D lm+ D: Constante de Difusion
`0
0+
2
`2 ` p p
D lm+ y vd lm+ (p p ) = 2D lm+ finitos
`0
0+
2 `0
0+
`0
0+
`
( 3 puntos )
SOLUCION:
En este caso partimos de la expresion general (0.8): Puesto que p ` +
p (`) = (p p ) ` es el desplazamiento medio por salto, vd
(p p ) `/ es la componente x de la velocidad media. Escribimos,
entonces, la expresion general (0.8) en la forma:
P (x, t) P (x, t)
= vd
t x
cuya solucion general es de la forma P (x, t) = P (x vd t, 0). Esta repre-
senta una propagacion, sin deformacion, con velocidad vd y no describe
adecuadamente el proceso fsico de difusion. Por estas razones se retie-
ne, en general, la presencia de la segunda derivada espacial y la nueva
ecuacion de difusion describe una conducta de traslacion superpuesta
al proceso de difusion.
CAPITULO 0. TAREA 0: PROBABILIDADES 8
Para reducir la ec. (0.10) a la forma de una ecuacion de difusion debe-
mos factorizar el segundo miembro:
" #
2 P (x, t) P (x, t) 2 P (x, t) vd P (x, t)
D v d = D
x2 x x2 D x
!2
vd vd2
=D P (x, t) P (x, t)
x 2D 4D
Pero
!2 ! !
vd vd vd
P (x, t) = P (x, t)
x 2D x 2D x 2D
=
! " ! #
vd vd
e vd x/2D
evd x/2D P (x, t)
x 2D x 2D
=
! h i
vd evd x/2D P (x, t)
evd x/2D
x 2D x
=
h i
2 evd x/2D P (x, t)
evd x/2D
x2
Similarmente
! " ! #
vd2 vd2 t/4D vd2 t/4D vd2
+ P (x, t) = e e + P (x, t)
t 4D t 4D
h 2
i
vd2 t/4D
evd t/4D P (x, t)
= e
t
P (x, t) 2 P (x, t)
=D
t x2
2
P (x, t) evd t/4Dvd x/2D P (x, t) = et/0 x/0 P (x, t) (0.12)
4D 2 2D 1
0 = , 0 = `
2
vd (p q)2 vd pq
-1 0 1 2 .............................. n1 n
p` + (q p) p`1 = q , ` 1; p0 = 1 (0.13)
(0)
Una solucion particular de esta ecuacion inhomogenea es p` = 1/2, `. Por
tanto, la ecuacion para p` 1/2 es homogenea:
1 1
p` + (q p) p`1 = 0, ` 1; p0 = 1
2 2
CAPITULO 0. TAREA 0: PROBABILIDADES 10
1 + (p q)n
pn = , n0 (0.14)
2
COMENTARIO ADICIONAL:
La ecuacion en diferencias (0.13) puede resolverse, al menos, en dos formas
adicionales:
a) Iterando a
1 1
p` = (p q) p`1 , ` 1; p0 = 1
2 2
En efecto
1 1 1
p1 = (p q) p0 = (p q)
2 2 2
1 1 1
p2 = (p q) p1 = (p q)2
2 2 2
1 1 1
p3 = (p q) p2 = (p q)3
2 2 2
.. .. ..
. . .
1 1 1
pn = (p q) pn1 = (p q)n
2 2 2
Por tanto
1 + (p q)n
pn =
2
que coincide con el resultado (0.14).
b) Introduciendo la Funcion Generatriz (z) ( z C, |z| < 1 ):
X
n 1 n (z)
(z) = pn z = pn =
n=0 n! z n z=0
En efecto, multipliquemos ambos miembros de pn + (q p) pn1 = q
por z n y sumemos n 1:
X
X
X
pn z n + (q p) pn1 z n = q zn
n=1 n=1 n=1
CAPITULO 0. TAREA 0: PROBABILIDADES 14
la cual puede reescribirse en la forma
= 1
X z}|{ X z 1
n
pn z p0 + (q p) z pn z n = q = q + q
n=0 n=0 1z 1z
(z) satisface
1 q 1 1 pz
(z) = p+ =
1 (p q) z 1z 1 (p q) z 1 z
1/2 1/2 1 X 1 X
= + = zn + [(p q) z]n
1 z 1 (p q) z 2 n=0 2 n=0
1 + (p q)n n
X
= z
n=0 2
Por tanto
1 + (p q)n
pn = , n0
2
lo cual coincide con el resultado (0.14).
// solucion01.cc
#include <cmath>
#include <iostream>
using namespace std;
const double DOSPI=2.0*M_PI,FACTOR=3.99,RADIO=3.0,UNTERCIO=1.0/3.0;
const double X_1=0.339;
double Semilla;
x0=RADIO*pow(x0,UNTERCIO);
x1=1.0 - 2.0*x1;
double temp=1.0 - x1*x1,x,y;
if ( ( temp>0 ) && ( (temp=sqrt(temp))>0 ) ) {
y=x0*temp;
x2*=DOSPI;
x=y*cos(x2);
y*=sin(x2);
} else x=y=0;
cout<<"Estos valores generan el punto (x,y,z):\n";
cout<<"x = "<<x<<"\ny = "<<y<<endl;
cout<<"z = "<<(x0*x1)<<endl;
return 0;
}
x0 = 0.894075
x1 = 0.377872
x2 = 0.937988
// solucion03.cc
#include <cmath>
#include <cstdlib>
#include <ctime>
#include <iostream>
#include <vector>
using namespace std;
const double PVERDAD=0.9;
const double P_Q=2.0*PVERDAD - 1.0,RANDMAX1=floor(RAND_MAX + 1.5);
const size_t ITERACIONES=1000000U,N=10U;
bool p;
size_t j;
for ( j=0 ; j<ITERACIONES ; ++j ) {
srand(size_t(time((time_t *)0)));
p=true;
for ( i=0 ; i<P.size() ; ++i ) {
if ( rand01()>=PVERDAD ) p=!p;
P[i]+=( p==true );
}
}
return 0;
}
p1 = 1 , 0.9
p2 = 0.824462, 0.82
p3 = 0.768136, 0.756
p4 = 0.855394, 0.7048
p5 = 0.91213 , 0.66384
p6 = 0.67505 , 0.631072
p7 = 0.586408, 0.604858
p8 = 0.498648, 0.583886
p9 = 0.586408, 0.567109
p10 = 0.586408, 0.553687
Tarea 1: Termodinamica
( 15 puntos )
1
FECHA DE ENTREGA: jueves 03 de junio de 2004.
No se aceptaran tareas realizadas en computador.
18
Captulo 2
19
CAPITULO 2. TAREA 2: GAS IDEAL CLASICO 20
Note que (~r, p~, ) con = 1 es un punto en el espacio de fases de una
partcula tal que el numero de estados en el elemento de volumen d3~r d3p~
P
es =1 d3~r d3p~/h3 = 2 d3~r d3p~/h3 .
En cada estado se pueden colocar dos partculas con energas p~ 2 /2m +
/2 y p~ 2 /2m /2 tal que la energa total del gas para una configu-
P
racion {(~ri , p~i , i )} dada es E = N pi2 /2m + i /2). Al realizar la
i=1 (~
suma o/e integracion sobre el espacio de fases del gas es conveniente
anotar que permutaciones de partculas no generan un nuevo estado
puesto que ellas son identicas. En consecuencia, el resultado de la su-
ma o/e integracion mencionada arriba es dividida por el numero N ! de
permutaciones de todas las partculas. Es decir
Z N Z
E
0 0 1 X 1 Y
dE D (E ) = 3N
d3~ri d3p~i
N ! {i } h i=1
PN
j=1 (p~j2 /2m+j /2)<E
" #
N Z
1 X 1 Y N
X p~j2 1
= d3~ri d3p~i E + j
N! {i }
h3N i=1 j=1 2m 2
P
donde {i } significa suma sobre las 2N configuraciones del conjun-
to {i }.
Reemplazando el resultado anterior en (2.1) se obtiene
" #
N Z
1 X 1 Y 3 3
XN
p~j2 1
D (E) = d ~ i E
~ri dp + j
3N
N ! {i } h i=1 j=1 2m 2
(2.2)
donde hemos usado la identidad d (t) /dt = (t).
Para un valor dado de E, la expresion (2.2) se anula si no es posible
anular el argumento de la delta de Dirac para ninguno de los valores
pj , j ). Por ejm. . . , es obvio que D (E) = 0 si E < N /2.
posibles de (~
Ademas
Z N Z
1 X 1 Y
dE D (E) = d3~ri d3p~i
N ! {i } h3N i=1
lo cual es el numero total de estados para N partculas indistinguibles.
b) Demuestre que la expresion anterior se reduce a
Z Z !3N
VN dt itE it/2 N dp itp 2 /2m
D (E) = e e + eit/2 e
N! 2 h
CAPITULO 2. TAREA 2: GAS IDEAL CLASICO 21
( 4 puntos )
SOLUCION:
Usando la representacion integral de Fourier para la delta de Dirac
Z dt it
() = e
2
en la expresion (2.2) ( la integracion espacial genera un factor multi-
plicativo V N ) se obtiene:
h P i
N Z Z
VN X 1 Y 3 dt it E Nj=1 (p~j2 /2m+j /2)
D (E) = dp~i e
N ! {i } h3N i=1 2
Z
VN dt itE X it PNj=1 j /2
= e e
N! 2 {i }
N Z PN 2 !
1 Y 3 it p
~ /2m
3N
d~i e
p j=1 j
h i=1
N
N Z X Z N
V dt itE 1 pj2 /2m
it~
= e eit/2 3
dp~ e
N! 2 =1 h3
y finalmente
V N Z dt itE it/2 N
D (E) = e e + eit/2
N ! 2 (2.3)
Z !3N
dp itp 2 /2m
e
h
q
Con (b) h/ 2m/b b1/2 se obtiene
2N V N Z i db F (b)
D (E) = e
N! i 2i
! (2.4)
b
F (b) = bE + N ln cosh 3N ln (b)
2
ln D (E) = N ln 2 + N ln V ln N ! + ln F eb
= N ln 2 + N ln V ln N ! (2.5)
!
e
b
+ ebE + N ln cosh 3N ln eb
2
e
b se obtiene a partir de la relacion
!
1 e
b 3N
E + N tanh e =0 (2.6)
2 2 2b
1
= eb (2.7)
kB T
( 1 punto )
SOLUCION:
Reemplazando eb = 1/kB T en la expresion (2.6) se obtiene
3 1
E= N kB T N tanh (2.8)
2 2 2kB T
CAPITULO 2. TAREA 2: GAS IDEAL CLASICO 24
f ) Demuestre que la Ecuacion de Estado no es afectada por la estructura
interna actual de las partculas. ( 1 punto )
SOLUCION:
A partir de la expresion (2.5) para ln D (E) podemos construir , en
relacion con el sistema en estudio, la primera ley de la termodinamica:
dQ = T dS = kB T d (ln D)
= 1
z }| {
ln D ln D ln D
= kB T dE + kB T dV + kB T dN
E V N
la cual equivale a
dW
z" }| !#{
ln D ln D
dE = dQ kB T dV kB T dN
V N
dE = dQ dW = dQ P dV + dN , dW = P dV dN
ln D
P = kB T , ( P: Presion ) (2.9)
V
ln D
= kB T , ( : Potencial Qumico ) (2.10)
N
(N ln V )
P = kB T = P V = N kB T (2.11)
V
= kB T
[N ln 2 + N ln V ln N ! + N ln cosh (/2kB T ) 3N ln (1/kB T )]
N
= kB T ln 2 + ln V ln N + ln cosh 3 ln DB
2kB T
!
2V cosh (/2kB T )
= kB T ln
N 3DB
donde
1 h
DB =
kB T 2mkB T
es la Longitud de Onda Termica de De Broglie. Finalmente
!
2 cosh (/2kB T )
= kB T ln (2.12)
n3DB
h2
4 = 4 13,6 11605 K 1,98 106 K con kB = 1
2me a20
2
me a0
T 1,98 106 K (2.13)
m d
1,98 106
T K = T 168,5 K
16 1,8361 400
Ejercicio 2.1
Un gas ideal clasico de electrones esta confinado a un tubo, cuyo
eje descansa a lo largo del eje z, de seccion transversal A. Cada par-
tcula tiene masa m y carga e < 0. Un fondo de cargas positivas,
en reposo, es distribudo uniformemente en el interior del tubo con el
unico proposito de mantener la neutralidad electrica. Suponga que una
P
corriente electrica I = (neA/m) i piz circula por el tubo a lo largo
del eje z. n = lm N N/V es la densidad de partculas. N y V es el
V
numero de partculas y el volumen del sistema, respectivamente. p iz es la
componente z del momento lineal de la i-esima partcula.
1. Evalue la densidad de estados D (E, I) del sistema para valores dados
de la energa E y la corriente electrica I.
2. Evalue la energa E del sistema en terminos de la corriente electrica I
y la temperatura T .
3. Suponga que el numero de partculas N y el volumen V permanecen
constantes. Evalue el calor especfico dQ/dT
a) a corriente electrica constante ( CI )
b) y a energa constante ( CE ).
SOLUCION:
1. Es obvio, de la solucion de la tarea, que D (E, I) viene dada por
Z Y ! !
1 3 3
X p2i neA X
D (E, I) = d~ri dp~i E I+ piz
N !h3N i i 2m m i
CAPITULO 2. TAREA 2: GAS IDEAL CLASICO 28
Usemos, en la expresion anterior, la representacion de Fourier de la delta de
Dirac: Z
dt it
() = e
2
D (E, I) se reduce a
Z Y Z
VN dt it(EP p2i /2m)
D (E, I) = d3p~i e i
N !h3N i 2
Z Z
dt d i [I+(neA/m) P piz ]
e i
2 2
Z Z
VN dt d i(tE+I)
= e
N !h3N 2 2
Z Y P
d3p~i ei i [tp2i /2mneApiz /m]
i
Z Z "Z #N
VN dt d i(tE+I) d3p~ i(tp2 /2mneApz /m)
= e e
N! 2 2 h3
!2N
V N Z dt Z d i(tE+I) Z dp itp2 /2m
= e e
N ! 2 2 h
"Z #N
dpz i(tp2z /2mneApz /m)
e
h
Con la definicion
s
Z
1 dpz bp2z /2m b
e = (b) = h b1/2
(b) h 2m
se obtiene
V N Z dt Z d i(tE+I)3N ln (it)+iN [(neA)2 /2m] 2 /t
D (E, I) = e
N ! 2 2
CAPITULO 2. TAREA 2: GAS IDEAL CLASICO 29
En el lmite termodinamico, la contribucion mas importante del integran-
do ocurre para aquellos valores te y e de t y , respectivamente, donde las
derivadas del argumento de la exponencial se anulan:
!2
3N (neA)2 e
iE e iN = 0 (2.14)
2t 2m te
(neA)2 e
iI + iN = 0 (2.15)
m te
cuyas soluciones son
3N/2
te = i (2.16)
E mI 2 /2N (neA)2
mI mI 3N/2
e = e
2 t = i (2.17)
N (neA) N (neA) E mI 2 /2N (neA)2
2
V N Ee 3N/2 e3N/2 mI 2
D (E, I) = , Ee E (2.19)
N! 2N (neA)2
CAPITULO 2. TAREA 2: GAS IDEAL CLASICO 30
2. Con el resultado anterior y
1 ln D ln D 3N 3
= = = = Ee = N kB T
kB T E Ee 2Ee 2
se obtiene
3 mI 2
E= N kB T + (2.20)
2 2N (neA)2
dE 3
CI = = N kB (2.23)
dT 2
3
CE = N kB (2.24)
2
Captulo 3
32
CAPITULO 3. TAREA 3: GAS IDEAL CLASICO ( CONTINUACION ) 33
Puesto que los grados de libertad de traslacion y magneticos no inte-
ractuan, la funcion de particion se reduce a Z = Ztr Zmag donde
V N 3N
DB h
Ztr = , DB ; ( Ver Captulo 2 )
N! 2kB mT
X P P
) = X eH i i eJ ( i i ) /2N
2
e (JM
2 /2N 2 +HM
Zmag =
{i } {i }
2 {i }
Z
1 2 /4
= dx ex
2
" #N
H+ J/2N x
eH+ J/2N x
+e
s N
Z
1 x2 /4 2 cosh H
J
= dx e + x
2 2N
2N Z
= dx e(x)
2
donde
s
1 2 J
(x) = x + N ln cosh H + x
4 2N
V N 3N h
Z = DB
2N e(ex) , DB
N! 2kB mT (3.2)
xe es determinado por la Ec. (3.1)
P V = N kB T (3.3)
m hMi T
m = tanh , m , t
t N Tc
(3.5)
( Ver Figura 3.1 )
1
El parametro de orden hMi 0 cuando T Tc . En contraste, en transiciones de
fase de primer orden el parametro de orden cae abruptamente a cero para valores
de T < Tc donde Tc = J/kB .
CAPITULO 3. TAREA 3: GAS IDEAL CLASICO ( CONTINUACION ) 36
m hMi 6
N
MAGNETICO NO MAGNETICO
-
0 1 t T
Tc
1 Z YN
d3~ri d3p~i PN c p2 +(mc)2
ZR = e i=1 i
N ! i=1 h3
" 3 Z #N
VN mc 3 mc2 p2 +1
= dp~ e
N! h
N
3 Z
V N N mc2 mc 3 mc2 p2 +1 1
= e dp~ e
N! h
N
3 Z
V N N mc2 mc
2 mc
2 p2 +1 1
= e dp 4p e
N! h 0
CAPITULO 3. TAREA 3: GAS IDEAL CLASICO ( CONTINUACION ) 37
" #1/3 3N
V N N mc2 1 Z 2 mc
2 p2 +1 1
= e m
dp 4p e
N! 0
2 V N 3N h
= emc R
, m
N! mc
R viene dado por:
1 1
Z mc2
2 p2 +1 2
e dp 4p e ; mc =
3R 3m 0 kB T
1
< > , |arg z| <
2 2
!k
1 d h i
(9.6.28): z ei K (z) = z k ei(+k) K+k (z) ;
z dz
k = 0, 1, 2, . . .
2
Ver Handbook of Mathematical Functions with Formulas, Graphs, and Mathematical Tables,
Ed. por M. Abramowitz e I. A. Stegun. Dover 1965.
CAPITULO 3. TAREA 3: GAS IDEAL CLASICO ( CONTINUACION ) 38
y propiedades de la funcion Gamma: (z + 1) = z (z) con z 6=
0, 1, 2, . . . y (1/2) = .
En conclusion
V N 3N
ZR = eN R
N!
" #1/3 (3.6)
e mc2
R = m (4)1/3 , = mc2 =
K2 () kB T
r " #
z 1 ( 1) ( 9)
(9.7.2): K (z) e 1+ + +
2z 8z 2! (8z)2
3
4 2 , |arg z| < , |z| (3.9)
2
podemos obtener la conducta de D () en los casos lmites 1 ( bajas
temperaturas: kB T mc2 ) y > 0 ( altas temperaturas: kB T
2
mc ):
3
ln , 1, kB T mc2
D () 2
3 ln , >
0, kB T mc2
D () vs.
15
10
0
0 5 10 15 20
alpha
1/6
DB 2
0,9275 , kB T mc2 (3.10)
n1/3
ur
21/3 0,7937 , kB T mc2 (3.11)
n1/3
3 1/3
n es una medida de la separacion interpartcula.
CAPITULO 3. TAREA 3: GAS IDEAL CLASICO ( CONTINUACION ) 42
Note que, como se espera, el resultado es independiente de la masa
en reposo m.
Con estos resultados y con la ayuda de la Figura 3.2 podemos concluir
que altas temperaturas y/o bajas densidades son favorables
a la validez de la aproximacion clasica .
Nitrogeno ( N2 )
dinas
P 106 Presion Atmosferica4
cm2
moleculas
n 2,5 1019
cm3
m 4,65 1023 gm
5,1 104
me 9,10908 1028 gm
dinas
4
1 atmosfera = 760 mm Hg = 1,01325 106
cm2
CAPITULO 3. TAREA 3: GAS IDEAL CLASICO ( CONTINUACION ) 43
3,9103 A
z }| {
1 h me c 2
ur =
2 1/3 me c kB T
1 3,9 103 0,5 106 11605
1/3
a0 4,86 104 a0
2 0,529 300
1/3
(2,5 1019 ) 108
n1/3 = a0 64,65 a0
0,529
Es obvio que gas nitrogeno, a temperatura y presion ambiente, se en-
cuentra en el lmite del gas clasico no relativista.
b) Determine la ecuacion de estado. ( 1 punto )
SOLUCION:
En terminos de la funcion de particion (3.6), la presion P viene dada
por
ln Z (N ln V ) N
P = kB T = kB T = kB T
V V V
Por tanto
" #
2 3 K1 () mc2
E = N mc + , = (3.13)
K2 () kB T
CAPITULO 3. TAREA 3: GAS IDEAL CLASICO ( CONTINUACION ) 44
A bajas temperaturas ( kB T mc2 )
" #
2 3 1 + 3/8 15/1282
E N mc +
1 + 15/8 + 105/1282
3 3 15 15 105 225
N mc2 + 1+ 1 + +
8 1282 8 1282 642
2 3 3 15 2 3 15
N mc + 1 + = N mc 1 + +
2 82 2 82
donde hemos usado la expresion (3.9). En consecuencia
!2
3 15 mc2
E N mc2 + N kB T + N mc2 , kB T mc2
2 8 kB T
y por tanto
!
1 mc2
E 3N kB T + N mc2 , kB T mc2
2 kB T
dQ = dE + P dV (3.14)
!2
mc2
CV (T ) = N kB
kB T
" #2
3 K0 () K1 () K1 ()
+ + (3.15)
2 K2 () K2 () K2 ()
mc2
=
kB T
dE
CP (T ) = + N kB
dT
7
H E + P V es la Entalpa del sistema. Esta funcion de estado suele ser util en procesos
que evolucionan bajo presion constante. Por ejm. . . , algunas reacciones qumicas, etc. . . En
terminos de la entalpa el calor especfico a presion constante viene dado por C P (T ) = dH/dT .
CAPITULO 3. TAREA 3: GAS IDEAL CLASICO ( CONTINUACION ) 47
CP (T ) = CV (T ) + N kB
(3.17)
CV (T) viene dado por la expresion (3.15)
CV (T ) dT = P dV
CP (T ) dT = V dP
CP (T ) V dP d (ln P )
(T ) = =
CV (T ) P dV d (ln V )
P V (T ) = constante
CP (T )
T V (T )1 = constante , (T ) =
CV (T ) (3.19)
Ver resultados (3.15) y (3.17)
Smz
~ S~ ~ i + (Smz
nz = [hSmz ~ hSmz
~ i)] [hS~
nz i + (S~
nz hS~
nz i)]
hSmz
~ i hS~
nz i + hSmz
~ i (S~
nz hS~
nz i) + (Smz
~ hSmz
~ i) hS~
nz i
= hSmz
~ i hS~
nz i + hSmz
~ i S~ ~ hS~
nz + Smz nz i
1
FECHA DE ENTREGA: jueves 22 de julio de 2004.
No se aceptaran tareas realizadas en computador.
48
CAPITULO 4. TAREA 4: MODELO DE ISING 49
Reemplazando este resultado en el hamiltoniano (4.3) se obtiene el hamil-
toniano HCM en la aproximacion de campo medio o molecular:
1 X X X
HCM = ~ ~n) hSmz
J (m ~ i hS~
nz i S~nz J (~n m)
~ hSmz
~ i
2 m~
~n ~
n m
~
1 X
J (~n m)
~ hSmz
~ i
gB m
~
1 X
HCM = N zJM 2 zJM S~nz
2 ~
n
!
1 zJ |M |
|M | = tanh (4.1)
2 2kB T
1 tanh (zJM/2kB T ) zJ 1
1 = lm = = k B Tc = zJ
T Tc 2 M 4kB Tc 4
M 0
CAPITULO 4. TAREA 4: MODELO DE ISING 50
M (T ) 6
M (0)
1
T
TC
-
1
Figura 4.1: Variacion, con la temperatura, del momemto magnetico medio.
1 P
FCM = kB T ln Tr eHCM = N zJM 2 kB T ln Tr ezJM n~ S~nz
2
!
1 Y
= N zJM 2 kB T ln Tr ezJM S~nz
2 ~
n
1 Y
= N zJM 2 kB T ln Tr~n ezJM S~nz
2 ~
n
1 X
= N zJM 2 kB T ln Tr~n ezJM S~nz
2 ~
n
!!
1 X zJ |M |
= N zJM 2 kB T ln 2 cosh
2 ~
n
2
!!
1 zJ |M |
FCM = N kB T ln 2 + N zJM 2 N kB T ln cosh
2 2
(4.2)
CAPITULO 4. TAREA 4: MODELO DE ISING 51
2. Bragg-Williams1
3. Bethe-Peierls1
Cada una vale 20/3 puntos.
1
Las aproximaciones de Bragg-Williams y Bethe-Peierls son descritas en el libro de tex-
to: Statistical Mechanics, K. Huang, John Wiley & Sons., Ltd 1988.
2
Una red cristalina es caracterizada por un conjunto discreto de puntos, en R 3 , {~n} de la
forma
~n na~a + nb~b + nc~c , n a , nb , nc Z
n o
~a, ~b, ~c es una base de vectores en R3 .
Captulo 5
52
CAPITULO 5. TAREA 5: GAS IDEAL CUANTICO 53
tal que el fenomeno de condensacion
n o de Bose-Einstein ocurre cuando el
potencial qumico = min E~k (z) = 0. En el lmite continuo de la caja
de normalizacion, la integracion sobre el numero de onda ~k excluye las
3
partculas con ~k = ~0 puesto que d~k k 2 en 3 dimensiones. Por tanto, el
numero de partculas excitadas a T = Tc ( la temperatura de condensacion
cuando g 6= 0 ) viene dada por
Z Z 3
V 1 L d~k
N= dz (5.1)
(2)3 L ec (h )1
2 2
0 k /2m+mgz
donde2 Z
1 n1
gn () d
(n) 0 1 e 1
A partir de (5.2) y en ausencia de la gravedad ( g 0, Tc Tc(0) ) se
obtiene h i3/2
V 2mkB Tc(0)
3
N= g3/2 (1) (5.3)
2 2 2h3
2
2
Ver, por ejm. . . Statistical Mechanics, R. K. Pathria, Pergamon Press 1972. Especialmente,
la aproximacion de Robinson cuando 1 en el Apendice D ( On the Bose-Einstein Integrals ):
X `
(1)
gn () = (1 n) n1 + (n `) ` ; ln , <
1
`!
`=0
X
1
() es la funcion zeta de Riemann donde < > 1. (n `) en la expresion para g n ()
`
`=1
es, en general, una continuacion analtica de la funcion zeta de Riemann.
CAPITULO 5. TAREA 5: GAS IDEAL CUANTICO 54
Dividiendo, miembro a miembro, las expresiones (5.2) y (5.3) encontramos
que
" #3/2 " #2/3
Tc I (c mgL) Tc I (c mgL)
1= (0)
= (0)
=
Tc g3/2 (1) Tc g3/2 (1)
donde3
1 Z
I () dz g3/2 ez , I (0) = g3/2 (1)
0
Puesto que c(0) mgL 1, se cumple que Tc Tc(0) . c(0) 1/kB Tc(0) . Enton-
ces
2/3 2/3
Tc I c(0) mgL I (0) I c(0) mgL
(0)
= 1
Tc I (0) I (0)
(0)
2 I (0) I c mgL
1+
3 I (0)
Segun pie de pagina 2:
= 2(1/2)
Z Z z }| {
1 1 3 1 1/2
z
I () = dz g3/2 e dz + z
0 0 2 2
4 1/2 4
= (3/2) = I (0) 1/2 , >
0
3 3
Por tanto 1/2
Tc 2 (4 /3) c(0) mgL
(0)
1+
Tc 3 (3/2)
3
gn (1) es evaluada segun ( n > 1 ):
Z Z Z
X
1 n1 1 n1 e 1
gn (1) = d = d
= d n1 e e`
(n) 0 e 1 (n) 0 1 e (n) 0 `=0
Z
X
X Z
1 1 1
= d n1 e(`+1) = n d n1 e
(n) 0 (n) (` + 1)
`=0 `=0 |0 {z }
= (n)
X 1
= = gn (1) = (n)
`n
`=1
CAPITULO 5. TAREA 5: GAS IDEAL CUANTICO 55
" #1/2
8 1 mgL
Tc Tc(0) 1 + (0)
, mgL kB Tc(0) (5.4)
9 (3/2) k B Tc
Nh Ntotal (0 E EV ) Nocup. (0 E EV )
4
Es usual la denominacion hueco para un estado vaco. Ello provee una intuicion adecuada
al caso en que la region de energas en consideracion esta casi llena. en tal caso luce conveniente
hablar de huecos en vez de las partculas en la region mencionada arriba.
CAPITULO 5. TAREA 5: GAS IDEAL CUANTICO 56
D (E) 6
- -
0 EV EC E
Figura 5.1: Densidad de estados del gas de fermiones sin espin. A T = 0 K todos
los estados con energas [0, EV ] estan ocupados por los fermiones. Cuando se
incrementa la temperatura, los fermiones realizan transiciones hacia la region con
energas EC . Cada uno de estos fermiones deja un estado vaco ( hueco ) en la
region de energas [0, EV ] y por lo tanto Nh = Ne . Ver texto. Este es un modelo
simple de un semiconductor.
Z EV Z EV
= dE DV (E) [1 f (E )] = dE DV (E) f ( E)
0 0
Z !
EV DV (E) Numero de estados vacos
= dE ,
0 e(E)/kB T + 1 con energas [0, EV ].
Puesto que
E EV
> 1
kB T 0E<EV kB T
se obtiene
Z EV
/kB T
Nh e dE DV (E) eE/kB T
0
Z q
3NV /kB T
EV
= 3/2
e dE EV E eE/kB T
2EV 0
Z
3NV 0
= 3/2
e(EV )/kB T dE E eE/kB T
2EV EV
Z
3NV EV
= 3/2
e(EV )/kB T dE E eE/kB T
2EV 0
CAPITULO 5. TAREA 5: GAS IDEAL CUANTICO 57
Z
3NV (EV )/kB T 3/2
EV /kB T
= 3/2
e (kB T ) dx ex x1/2
2EV 0
Z
3NV
3/2
e(EV )/kB T (kB T )3/2 dx ex x1/2
2EV | 0
{z }
(3/2)= /2
En conclusion
Numero de esta-
3 NV dos vacos o hue-
Nh e(EV )/kB T (kB T )3/2 ,
4 EV
3/2 cos con energas
[0, EV ].
(5.5)
Similarmente, el numero de estados ocupados con energas EC viene dado
por
Z Z
DC (E)
Ne = dE DC (E) f (E ) = dE (E)/k
EC EC e BT + 1
Z q
3 NC /kB T
e dE E EC eE/kB T
2 EC3/2 EC
Z
3 NC (EC )/kB T
= e dE E eE/kB T
2 EC3/2 0
Z
3 NC (EC )/kB T
= e (kB T )3/2 dx ex x1/2
2 EC3/2 0
y por tanto
Numero de esta-
3 NC
Ne 3/2
e(EC )/kB T (kB T )3/2 , dos ocupados con
4 EC energas EC .
(5.6)
Multiplicando Nh ( ver (5.5) ) por Ne ( ver (5.6) ) se obtiene la ley de accion
de masas
9 NV NC
Nh Ne e(EC EV )/kB T (kB T )3
16 (EV EC )3/2
CAPITULO 5. TAREA 5: GAS IDEAL CUANTICO 58
y puesto que Nh = Ne ( ver Figura 5.1 )
3 (NV NC )1/2
Nh = N e 3/4
e/2kB T (kB T )3/2 (5.7)
4 (EV EC )
3/2 !
EV + E C NC EV
kB T ln (5.8)
2 NV EC
Vemos, entonces que la condicion que favorece la hipotesis inicial del pro-
blema es
NC EC 3/2
>1
NV EV
Captulo 6
Parcial 1
1
2
martes 06 de julio de 2004
Fecha de entrega:
Por brevedad llamamos a M momento magnetico en vez de componente z del momento
magnetico sin que ello se preste a confusiones.
CAPITULO 6. PARCIAL 1 60
Reemplazando esta en la expresion anterior y usando la identidad d (t) =
(t), se obtiene:
2 D/2
= CD =
(D/2)
3
E= N kB T ( en un campo magnetico nulo ! ) (1.5)
2
La presion:
ln D (E, M ) (N ln V ) N
P = kB T = =
V V V
y en resumen
lo cual equivale a
3
E= N kB T HM
2
El calculo se completa cuando determinemos el comportamien-
to de M en funcion de H y T .
Presion: Se obtiene la ecuacion de estado anterior puesto que
el volumen no es afectado por el corrimiento senalado arriba.
En efecto
ln D (E E + HM, M ) (N ln V ) N
P = kB T = kB T = kB T
V V V
CAPITULO 6. PARCIAL 1 64
(1.8)
Momento Magnetico: En cualquier caso ( sistema aislado o en
contacto con un reservorio termico ) la solucion se obtiene para
un valor de M tal que la entropa S = kB ln D (E + HM, M )
es un extremo. En efecto
S [kB ln D (E + HM, M )]
0 = =
M M
3N
= kB ln (E + HM ) + seM + N ln (2 cosh (seB ))
M 2
3N kB H se
= +kB [M + N B tanh (seB )] + kB se
2 (E + HM ) | {z } M
| {z } = 0
= H/T
B H
M = N B tanh (1.9)
kB T
3 3 B H
E = N kB T M H = N kB T N B H tanh
2 2 kB T
(1.10)
Es interesante observar que la contribucion magnetica a la en-
tropa ( kB ln Dmag (M ) ) resulta ser
HM B H
kB ln Dmag (M ) = + N kB ln 2 cosh
T kB T
tal que
[kB ln Dmag (M )] B H
=0 = M = N B tanh
H kB T
CAPITULO 6. PARCIAL 1 65
Ello significa que podemos considerar a M o a H como varia-
bles independientes. As mismo
S [kB ln D (E + HM, M )]
=
H H
3N
= kB ln (E + HM ) + sM + N ln (2 cosh (sB ))
e e
H 2
3N kB M S
= = M = T (1.11)
2 (E + HM ) H
| {z }
= M/T
3
CV,M = N kB (1.13)
2
dQ = dE + d (P V ) = d (E + P V )
3 B H
= d N kB T N B tanh + N kB T
2 kB T
5 B H B H 1
= N kB N B sech2 2 dT
2 kB T kB T
Por tanto
5 N 2B H 2 B H
CP,H = N kB + sech (1.14)
2 kB T 2 kB T
dQ = dE + d (P V ) + d (M H) = d (E + P V + M H)
3 5
= d N kB T + N k B T = N kB dT
2 2
y en consecuencia
5
CP,M = N kB (1.15)
2
3 N 2B H B H
CV,H = N kB + 2
sech2 (1.16)
2 kB T kB T
NA + 2NA2 = N
La estados accesibles del sistema vienen dados por A A2 tal que la entropa
de los gases resulta ser
S = kB ln A + kB ln A2
S 1 ln A ln A2 1
= 0 = = = = = TA = TA2 T
EA k B TA EA EA2 k B TA 2
3NA
V NA2 A2 2 eNA2
ZA2 =
N A2 !
Z !1
dp p2 /4m h
A 2 e = q
h 2 (2m) kB T
Entonces
ln ZA2
A2 = kB T
NA2
CAPITULO 6. PARCIAL 1 69
= kB T (NA2 ln V 3NA2 ln A2 + NA2 ln NA2 !)
NA2
= kB T (ln V 3 ln A2 + ln NA2 )
A2 = kB T ln nA2 3A2 e
2 n na 3A
nA 3A = nA2 3A2 e = n2A 6A = e
2 2 2
la cual se reduce a 4 2 3A n2A + e nA e n = 0 cuyas raices son
q
e e2 + 16 2 3A e n
nA =
8 2 3A
2 1
nA = 1/2 n , nA 2 = (n nA )
1 + 1 + 16 2 e n3A 2
(1.18)
Cuando kB T se obtiene ( Note que es necesario que 1 puesto que n3A
estamos considerando el regimen hde un gas iideal clasico y, en consecuencia,
debe cumplirse kB T h2 / 2mn2/3 )
2 2
nA 1/2 n 1/2 n
1 + 16 2 e n3A 16 2 e n3A
CAPITULO 6. PARCIAL 1 70
e/2kB T
nA 25/4 q n T 3/4 e/2kB T
3
nA
, kB T
1
nA 2 = (n nA )
2
(1.19)
Cuando kB T se obtiene ( n3A 1 puesto que la validez de nuestro
analisis corresponde al lmite de un gas ideal clasico )
2 1
nA n= n
1+ 1+8 2 e n3A 1+4 2 e n3A
1 4 2 e n3A n
Por tanto
nA n 4 2 1+ n3A n
kB T
, kB T
nA 2 2 2 1+ n3A n (1.20)
kB T
Parcial 2
1
Fecha de entrega: viernes 23 de julio de 2004
CAPITULO 7. PARCIAL 2 72
ln Z F
hM i = kB T
=
H H
F kB T ln Z es la energa libre de Helmholtz.
La energa de una configuracion particular E {i } puede ser expresada
en terminos de M . En efecto
= 1/4
X z}|{ X 1 X X 1
M2 = i2 + i j = N + i j = i j = M 2 N
i i6=j 4 i6=j i6=j 4
tal que
J 1
M 2 + J HM
E {i } =
2N 8
El factor J/8 no es importante puesto que solo representa un corri-
miento de la energa aparte de que no es extensivo y, por tanto, es
ignorado en el calculo de Z:
X 2 /2N
Z= eHM eJM
{i }
En consecuencia
Z !
X 1 1
x2 +
Z = eHM dx e 4
J/2N M x
{i}
2
Z Z Z 2=b Z
1
x2 +bx 1
(x2b)2 +b2 b2 1
x2 b2 1 2
dx e 4 = dx e 4 = e dx e 4 = e dx e 4 x
2=b
Z Z
b2 x2 b2 1 1 2
= 2e dx e = e = dx e 4 x +bx
2
| {z }
=
CAPITULO 7. PARCIAL 2 73
Z
1 1 X H+ J/2N x M
x2
= dx e 4 e
2 {i }
Z
1 1 XY H+ J/2N x i
x2
= dx e 4 e
2
{i } i
Z
1 1 Y X H+ J/2N x i
x2
= dx e 4 e
2 i i =1/2
Z
1 1 2
= dx e 4 x
2
" #N
H+ J/2N x ( 1/2) H+ J/2N x (1/2)
e +e
q N
Z H + J/2N x
1 1
x2
= dx e 4 2 cosh
2 2
Z
1
= dx eF (x,H)
2
donde
q
1 H + J/2N x
F (x, H) = kB T x2 N kB T ln 2N kB T ln cosh
4 2
[F (xe, H)]
=0
xe
Puesto que
q s
[F (x, H)] 1 H + J/2N x 1 J
= x + N tanh
x 2 2 2 2N
xe satisface
s q
N J H + J/2N xe
xe = tanh (2.1)
2 2
Esta ecuacion posee dos soluciones para xe. La solucion que tiene el
mismo signo que H genera la contribucion mas importante ( en este
CAPITULO 7. PARCIAL 2 74
caso xe > 0 ) y en particular es la unica a ser tomada en cuenta en
el lmite termodinamico. El lector puede convencerse de ello al estu-
diar el comportamiento de 2 [F (xe, H)] / xe2 . Ello significa que la
fase magnetica ocurre cuando los lmites H 0+ y termodinamico se
toman en el orden
~ = ~r m d~r
L
t t
> ~r m
d~r
= ~r m
d~r ~
= L
dt d (t) dt
Es obvio que productos de espines son invariantes bajo inversion temporal. Por ejm. . .
T ~S1 ~S2 T 1 = T ~S1 T 1 T ~S2 T 1 = ~S1 ~S2 = ~S1 ~S2
h i
~ ~ ~ ~ ~ ~
Tr eS1 S2 ~S3 = Tr T eS1 S2 T 1 T ~S3 T 1 = Tr eS1 S2 ~S3
~ ~
= Tr eS1 S2 ~S3 = 0
CAPITULO 7. PARCIAL 2 75
los dos puntos de ensilladura producen contribuciones similares que dan
lugar a la ausencia de la fase magnetica: Ello corresponde a la invarian-
cia bajo inversion temporal del hamiltoniano del sistema ( ver (2.9) )
en ausencia de campo magnetico. Se dice, entonces, que tal procedi-
miento restaura la simetra bajo inversion temporal del hamiltoniano,
que describe el sistema ( ver (2.9) ), en ausencia de campo magneti-
co ( H = 0 ).
Note que F (xe, H) es la energa libre de Helmholtz: F = kB T ln Z =
F (xe, H). As mismo
= 0
z}|{
F xe F
hM i =
xe H H
q !
H + J/2N xe
= N kB T tanh
2 2
tal que q
hM i 1 H + J/2N xe
m= = tanh (2.2)
N 2 2
Comparando este resultado con (2.1) se obtiene xe = 2N J m el
cual se reemplaza en (2.2) para obtener una ecuacion de consistencia
para el momento magnetico medio por sitio m:
-
0 1 t
1 2m
Estudiemos la ecuacion m = tanh , que corresponde al ca-
2 t
so h = 0, en algunos casos lmites:
1
> 0:
t m e2/t (2.5)
2
" #
1 2m 1 2m 3 m 4 3
< 1:
t m m
2 t 3 t t 3
CAPITULO 7. PARCIAL 2 77
3
(1 t)1/2
2
(2.6)
!
m (1/4 m2 )
= =
H H=0
1 J (1/4 m2 )
! (2.7)
1 Jm
con m = tanh
2 2
!
m t1 (1/4 m2 ) 1 1 4m2
k B Tc = = =
h h=0
1 t1 + 4t1 m2 4 4m2 (1 t)
1 2m
con m = tanh
2 t
(2.8)
Usando los resultados (2.5) y (2.6) se pueden obtener casos lmites
para :
e2/t
, si t >
0
t
1 1 , si t <
8 1t 1
1 1
, si t>1 ( Ver (2.8) con m = 0 )
4 t1
CAPITULO 7. PARCIAL 2 78
6
;; -
t
Figura 7.2: Bosquejo de vs. t para el Modelo de Ising con rango infinito. La
divergencia cuando t 1 desaparece bajo la aplicacion de un campo magnetico
( Demuestrelo ).
!
1 [H + Jm]
m = tanh (2.11)
2 2
Parcial 3
80
CAPITULO 8. PARCIAL 3 81
vacos Nh con energas menores que EV y el numero de electrones Ne con
energas mayores que EC . ( 10 puntos )
Apendices
82
83
APENDICE A. ESTIMACIONES: CONSTANTES Y UNIDADES 84
Apendice A
Estimaciones: Constantes y
Unidades
cm
Velocidad de la Luz en el Vaco c= 2,997925 1010
seg !
21 ergios eh
Magneton de Bohr B = 9,2732 10 , B =
gauss 2me c
ergios
Magneton Nuclear N = 5,05050 1024 ,
gauss
B
2000
APENDICE A. ESTIMACIONES: CONSTANTES Y UNIDADES 85
Apendice B
Herramientas Matematicas
Z
(z) = dt et tz1 ; z C, <z > 0 (B.1)
0
(z + 1) = z (z) , z 6= 0, 1, 2, 3, . . . (B.2)
(z) (1 z) = , z 6= 0, 1, 2, 3, . . . (B.3)
sen (z)
12
z+1/2 z 1
(z + 1) 2 z e 1+ + +
z 288z 2
|z| 1 , |arg z| < (B.4)
(B.6)
N ! = (N + 1) , N N (B.7)
ln N ! N ln N N , N 1 (B.8)
d ln N !
ln N , N 1 (B.9)
dN
Z
x2 1
dx e = = 1,7724539 . . . (B.10)
2
86
APENDICE B. HERRAMIENTAS MATEMATICAS 87
Z 2 2
ex /2
dx = 1, >0 (B.11)
2
Z
2 1 1
dx x ex = (1) = (B.12)
0 2 2
Z
2 1
dx x2 ex = 0, 88622693 . . . (B.13)
2
Z
2 1 1
dx x3 ex = (2) = (B.14)
0 2 2
Z
2 3
dx x4 ex = 1,3293404 . . . (B.15)
4
Z
z x2 1 z+1
dx x e = , <z > 1 (B.16)
0 2 2
r Z
a 2 +bx 2 /4a
dx eax = eb (B.17)
v
u N
Z Z Z uX Z R
dx1 dx2 . . . dxN Ft x2 i = F (R0 ) CN R0N 1 dR0
i=1 0
2 x +x2 ++x2 R
1 2 N
2 N/2
donde CN (B.18)
(N/2)
Z Z Z Z t
t tN 1 t1 1 N 1
dtN 1 dtN 2 . . . dt0 F (t0 ) = dt00 (t t00 ) F (t00 )
t0 t0 t0 (N 1)! t 0
!
1 X Funcion Zeta
(z, q) = z , <z > 1 (B.20)
n=0 (n + q)
de Riemann
X 1
(z) = (z, 1) = z
, <z > 1 (B.21)
n=1 n
(B.22)
2 4 6
(2) = 1,6449 , (4) = 1,0823 , (6) = 1,0173 (B.23)
6 90 945
(3) 1,2021 , (5) 1,0369 (B.24)
APENDICE B. HERRAMIENTAS MATEMATICAS 88
(B.25)
Z x1 1
dx x
= () () ; < > 0 , < > 1 (B.26)
0 e 1
Z x 2
dx = 1,6449 (B.27)
0 ex 1 6
Z x3 4
dx x = 6,4939 (B.28)
0 e 1 15
Z x1 1 1
dx = 1 2 () () ; < > 0 , < > 0 (B.29)
0 ex + 1
min
con x min = {xi , xf } y como caso particular
max max
Z
dx f (x) (x a) = f (a)
.. .. ..
. . .
Z
dx f (x) (n) (x a) = (1)n f (n) (a) , n = 0, 1, 2, . . .
Por ejm. . . , si interpretamos (x) = 2 (x) literalmente llegamos a una conclusion erronea:
Z Z
dx (x) = dx [2 (x)] = 1 = 2 !!!
APENDICE B. HERRAMIENTAS MATEMATICAS 90
2 1 d (x)
= 4 (~r) , = (x)
r dx
d sgn (x) d2 |x|
= 2 (x) , = 2 (x) ,
dx dx2
4. Descomposicion en terminos de las races del argumento:
X (x xi )
(f (x)) = ; f (xi ) = 0 , i
i |f 0 (xi )|
P
La suma ( i ) es sobre el conjunto de raices reales {xi } de la ecua-
cion f (x) = 0.
Por ejm. . .
(x) (x a) + (x + a)
(3x) = ; x2 a 2 = , aR
3 2 |a|
5. Tres ( 3 ) dimensiones:
Coordenadas Cartesianas: (~r) = (x) (y) (z)
1
Coordenadas Esfericas: (~r) = (r) (cos ) ()
r2
1
Coordenadas Cilndricas: (~r) = () () (z)
6. Integracion con polos cercanos al eje real:
Z
b f (x)
Z
P dx if (0) , a<0<b
b f (x)
dx = a x
a x i0+ Z
b f (x)
dx , en cualquier otro caso
a x
la cual se resume simbolicamente
1 1
+
= P i (x)
x i0 x
Algunos ejemplos son:
a)
Z Z Z Z !
dx dx dx dx
= P + i = lm+ + + i
x i0+ x 0 x x
Z !
dx Z dx
= lm + + i = i
0+ x x
APENDICE B. HERRAMIENTAS MATEMATICAS 91
b)
Z Z
sen (kx) sen (kx)
dk = P dk + i sen (k0 x)
k k0 i0+ k k0
Z sen (kx) cos (k0 x) + cos (kx) sen (k0 x)
= P dk + i sen (k0 x)
k
Z sen (kx)
= cos (k0 x) dk + i sen (k0 x)
k
z }| {
Z sen (k)
= cos (k0 x) sgn (x) dk +i sen (k0 x)
k
Entonces
Z d
Z
d~k i~k~r e ~ e ~k = ~
f (~r) = e f k f dd~r eik~r f (~r) , ( Fourier )
(2)d
As mismo
Z Z 0+ +i ds st
fL (s) = dt est f (t) f (t) = e fL (s) , ( Laplace )
0 0+ i 2i
y usando ambas expresiones
Z Z 0+ +i
0+ +i ds st ds st Z 0 st0 0
f (t) = e fL (s) = e dt e f (t )
0+ i 2i 0+ i 2i 0
Z Z 0+ +i
0 0 ds s(tt0 )
= dt f (t ) e
0 0+ i 2i
APENDICE B. HERRAMIENTAS MATEMATICAS 92
Por tanto Z 0+ +i ds st
(t) = e
0+ i 2i
Ejercicio B.1
Resuelva la ecuacion diferencial y 00 (x) = 2 (x) donde y (x) cumple
las condiciones y (0) = 0 e y0 (0 ) = 1.
y (x) = |x|
Ejercicio B.2
Use el metodo de la Funcion de Green para resolver el problema del
oscilador armonico simple ( masa m y frecuencia 0 ) en presencia de una
fuerza externa F (t):
F (t)
x (t) + 02 x (t) = ; x 0+ = x0 , x 0+ = v0
m
Z
1
x 0 +
= x0 + dt0 F (t0 ) G 0+ , t0 = x0
m
Z
+
1
0 G (t, t0 )
0
x 0 = v0 + dt F (t )
+
= v0
m t t=0
Z
v0 1 t
x (t) = sen (0 t) + x0 cos (0 t) + dt0 F (t0 ) sen (0 [t t0 ])
0 m0 0
sen (0 0+ )
G 0+ = 0+ =0
0
G 0 = 0 cos 0 0 = 0
G 0+ = 0+ cos 0 0+ = 1
Ejercicio B.3
APENDICE B. HERRAMIENTAS MATEMATICAS 95
Evalue la integral Z sen x
S1 dx
x
SOLUCION:
= sen(x)/x
Z z Z }| { Z Z
1 1 1 1
S1 = dx dk cos (kx) = dx dk eikx
2 1 2 1
Z Z Z
1 dx ikx 1
= dk e = dk (k)
1 2 |
1
{z }
= 1
Z sen x
S1 = dx = (B.30)
x
Ejercicio B.4
Evalue la integral
Z sen2 x
S2 dx
x2
SOLUCION: Definamos
Z Z
sen2 (x) sen2 x
S2 () dx , S2 (0) = 0 , S2 (1) = S2 = dx
x2 x2
Ademas
Z Z
0 2 sen (x) cos (x) x sen (2x)
S2 () = dx 2
= dx
x x
Z sen x d || d {S2 () ||}
= sgn () dx = = =0
x d d
donde hemos usado el resultado (B.30). Por tanto
S2 () || = constante
La constante es nula para satisfacer S2 (0) = 0. Entonces, S2 () = || y, en
consecuencia, S2 (1) = .
Z sen2 x
S2 = dx = (B.31)
x2
APENDICE B. HERRAMIENTAS MATEMATICAS 96
Ejercicio B.5
Evalue la integral
Z sen3 x
S3 dx
x3
SOLUCION: Definamos
Z Z
sen3 (x) sen3 x
S3 () dx , S3 (0) = 0 , S3 (1) = S3 = dx
x3 x3
Ademas
Z Z
3 sen2 (x) cos (x) x 3 sen (x) sen (2x)
S03 () = dx 3
= dx
x 2 x2
Z
3 cos (x) cos (3x)
= dx
4 x2
Z
3 [1 2 sen2 (x/2)] [1 2 sen2 (3x/2)]
= dx
4 x2
Z Z
3 sen2 (3x/2) 3 sen2 (x/2)
= dx dx
2 x2 2 x2
Z Z Z
9 sen2 x 3 sen2 x 3 sen2 x
= || dx || dx = || dx
4 x2 4 x 2 2 x2
3 d ( ||) d 3
= = S3 () || = 0
4 d d 4
donde hemos usado el resultado (B.31). Por tanto
3
S3 () || = constante
4
La constante es nula para satisfacer S3 (0) = 0. Entonces, S3 () = 3 || /4 y,
en consecuencia, S3 (1) = 3/4.
Z sen3 x 3
S3 = dx = (B.32)
x3 4
Ejercicio B.6
APENDICE B. HERRAMIENTAS MATEMATICAS 97
Evalue la transformada de Fourier de la funcion F> (t) (t) F (t) y
las integrales
Z Z i~k~r
3 e
dx sen x , d~r
0 r
SOLUCION:
Z
e
F () dt eit (t) F (t)
>
() F(t)
z }| { z }| {
Z Z i 0 t Z
d 0 e d 00 i00 t e 00
= dt eit e F ( )
2i 0 i0+ 2
(+ 0 00 )
z }| {
Z Z e ( 00 ) Z
d 0 d 00 F dt i(+0 00 )t
= e
2i 0 i0+ 2
Z e ( 00 )
d 00 F
=
2i 00 i0+
Z Z e ( 0 )
e ()
d 0 F
F > dt eit (t) F (t) = (B.33)
2i 0 i0+
Por tanto
Z Z
dk i [ (k 1) (k + 1)]
1 1 1
dx sen x = =
0 2i k i0+ 2 1 i0+ 1 i0+
1 1 1 1 1
= + = 2< =1
2 1 i0+ 1 + i0+ 2 1 i0+
Otra forma equivalente es
1 1 1 1 1 1
+
= P + i (1) P i (1) = 1
2 1 i0 1 i0+ 2 1 1
APENDICE B. HERRAMIENTAS MATEMATICAS 98
Z
dx sen x = 1
0
(B.34)
( Comentarios ? )
En forma analoga
sen(kr)/(kr)
Z Z z
Z }| { Z
i~k~r
3 e
2 1 i~k~r 1 4
d~r = 4r d~r e dr = dr sgn (k) sen (|k| r)
r 0 4 ~r r k 0
Z
4
= dr sen r
k2 0
Z ~
eik~r 4
d~r 3
= 2, k ~k (B.35)
r k
Ver ademas, Curso en Metodos de la Fsica Teorica, P. L. Torres 2000. Puede ser adqui-
rido en la Direccion de la Escuela de Fsica ( dirfis@fisica.ciens.ucv.ve ). Telf.
( Phone ): (+058) 212 6051187, 6051102, 6051188.
Apendice C
Probabilidades y Simulaciones
Simples
C.1. Probabilidades
En esta seccion suponemos que el lector esta familiarizado con la teora ele-
mental de probabilidades en la forma presentada en el curso de Fsica Estadstica
del pregrado. El proposito de la misma es mostrar algunos problemas tipos que
permiten ejemplificar algunas herramientas matematicas adicionales.
Ejercicio C.1
Los elementos del conjunto de numeros reales {x0 , x1 , . . . , xN 1 } se
han generado con una distribucion uniforme de probabilidades en el inter-
valo [1/2, 1/2).
PN 1
1. Evalue la probabilidad de que la suma n=0 xn sea menor que un
valor dado s.
2. Evalue la probabilidad de que la suma ( mencionada en el aparte
anterior ) sea menor que 3 al generar 10 numeros.
SOLUCION:
1. Sea P (s) la solucion al problema planteado. Esta viene dada por
1 Z 1/2
NY 1 Z 1/2
NY N 1
!
X
P (s) = dxn = dxn s xn
n=0 1/2 n=0 1/2 n=0
PN 1
n=0 xn < s
P
N 1
1 Z 1/2
NY Z dk eik(s n=0 xn )
= dxn
n=0 1/2 2i k i0+
99
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 100
Z Z !N
dk eiks 1/2
ikx
= dx e
2i k i0+ 1/2
Z !N Z " #N
dk eiks eik/2 eik/2 dk eiks sen (k/2)
= =
2i k i0+ ik 2i k i0+ k/2
Z !N Z !N
dk e2iks sen k 1 dk e2iks sen k
= = +P
2i k i0+ k 2 2i k k
donde hemos usado resultados de la seccion B.3. El smbolo P antes del
signo integral significa Parte Principal de la Integral 1
N N
P (s) = 0 , si s < o s
2 2
!N
1 Z dk sen (2ks) sen k
P (s) = +
2 2 k k (C.1)
!
1 X N
= 1 N
(1)` (N 2s 2`)N
2 N! ` `
0`<N/2s
N N
si s<
2 2
mientras que Z 2
1
dx diverge logartmicamente.
5 x1
2
Ver, por ejm. . . , 3.836.4 en Table of Integrals, Series and Products, I. S. Gradshteyn e
I. M. Ryzhik, Academic Press 1965.
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 101
2.
!
1 X ` 10
P (1)|N =10 = 1 10 (1) (10 2 (1) 2`)10
2 10! ` `
0`<10/2(1)
5
X (6 `)10
`
= 1 (1)
`=0 `! (10 `)!
Ejercicio C.2
Los elementos del conjunto de numeros reales {s0 , s1 , . . . , sN 1 } son
generados con la distribucion de probabilidades P (s). s R.
Evalue la distribucion de probabilidades P (x) de la suma x = s 0 +
s1 + + sN 1 .
Construya una aproximacion Gaussiana para P (x).
SOLUCION:
1 Z
NY
Z
d x d dsn P (sn )
P (x) = dx0 P (x0 ) =
n=0
dx dx P N 1
sn <x
n=0
1 Z 1
!
d NY N
X
= dsn P (sn ) x sn
dx n=0 n=0
PN 1
1 Z
NY d x sn
n=0
= dsn P (sn )
n=0 dx
1 Z
NY N 1
!
X
= dsn P (sn ) x sn
n=0 n=0
1 Z Z
NY dk ik(xPN 1 sn )
= dsn P (sn ) e n=0
n=0 2
Z Z N
dk ikx
iks
= e ds e P (s)
2
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 102
Z Z
dk ikx e N
P (x) = e P (k) , e (k)
P ds eiks P (s) (C.3)
2
rD E q
Con N s y s (s hsi)2 = hs2 i hsi2 se obtiene:
!
e (k) i (x N hsi) k 1 2 k 2 = 1 2 k 2 2i x N hsi k
ikx + N ln P
2 2 2
" #
1 x N hsi (x N hsi)2
= 2 k 2 2i k
2 2 4
(x N hsi)2
2 2
!2
1 x N hsi (x N hsi)2
= 2 k i
2 2 2 2
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 103
En consecuencia
Z 2
(xN hsi)2 /2 2
dk e [ki(xN hsi)/ ]
2 2 /2
P (x) e
Z i(xN hsi)/ 2
2
/2 2 2 k 2 /2
= e(xN hsi) dk e
i(xN hsi)/ 2
Z
2 2
/2 2 2 k 2 /2 /2 2
= e(xN hsi) dk e e(xN hsi)
Puesto que Z 2
/2 2
dx e(xN hsi) = 2
Aproximacion Gaussiana
2 2
e(xN hsi) /2 (C.4)
P (x) =
2
= N s
Ejercicio C.3
Use el resultado C.3 para evaluar P (x) cuando
/
P (s) = , >0
(s s0 )2 + 2
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 104
SOLUCION:
Z Z
/ iks0
eiks
e (k) =
P ds eiks 2 = e ds
(s s0 ) + 2 (s i) (s + i)
En consecuencia Z
dk ik(xN s0 )|k|N
P (x) = e
2
El resultado final es obvio puesto que las transformadas de Fourier de P (x) y P (s)
son similares:
N /
P (x) = (C.5)
(x N s0 )2 + (N )2
Ejercicio C.4
En cierto experimento, la probabilidad Pn ( n = 0, 1, 2, . . . ) de que
se observen n eventos independientes satisface la relacion de recurrencia
(n + 1) Pn+1 = Pn , n 0, 0 (C.6)
Determine Pn , n 0.
donde
1 dn (z)
Pn =
n! dz n z=0
Multipliquemos ambos miembros de la relacion de recurrencia por el factor z n y
sumemos n 0:
X
X
X
X
(n + 1) Pn+1 z n = Pn z n = nPn z n1 = Pn z n
n=0 n=0 n=1 n=0
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 105
la cual equivale a
d X n
X
Pn z = Pn z n
dz n=0 n=0
y en consecuencia
e n
Pn = , n = 0, 1, 2, . . . , 0 (C.7)
n!
Ejercicio C.5
Suponga que se lanzan Nd dados ( de 6 caras ) simultaneamente
donde Nd 1. Evalue la probabilidad PNd (S) de obtener un valor dado S
P d 1
de la suma de las caras : S = N n=0 dn donde dn = 1, 2, . . . , 6 es
el valor obtenido con el dado nesimo. Use el resultado obtenido para
evaluar PNd (S) cuando Nd = 1, 2, 3.
SOLUCION: Trabajaremos con la suposicion razonable de que la probabilidad de
obtener cualquiera de las caras de un dado es 1/6. Al realizar cada lanzamiento
la probabilidad de obtener cualquiera de las 6Nd posibles configuraciones ( los
dados son distinguibles ! ) es
Nd veces
z }| {
1 1 1 1 1
= N
6 6 6 6 6 d
Por tanto3
X 1 1 X
PNd (S) = = PNd 1
6 Nd 6Nd {dn } (S n=0 dn ),0
PNd{d1n }
dn =S
n=0
3
Cada lanzamiento es independiente de cualquier otro lanzamiento.
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 106
Esta se lee como la suma sobre todas las configuraciones {d n }, tales que la suma
de las caras de los dados lanzados es exactamente S, de la probabilidad 6 Nd de
obtener una configuracion dada . Obviamente, PNd (S) = 0 si S < Nd o S > 6Nd
de manera tal que solo es necesario evaluar PNd (S) cuando Nd S 6Nd .
Para realizar explcitamente la suma es conveniente usar la identidad ( una
integracion en el plano complejo )
I
dz 1
n0 (C.8)
|z|=1 2i z n+1
I 6
! Nd
1 dz 1 X
d
= N z
6 d |z|=1 2i z S+1 d=1
" #N
1 I dz 1 z (z 6 1) d
= N
6 d |z|=1 2i z S+1 z1
I
1 dz 1 6 Nd
= N SN +1
1 z (1 z)Nd (C.9)
6 d |z|=1 2i z d
X
! !
1 X Nd Nd + n0 1
= N (1)n n0 ,SNd 6n
6 d n0 =0 n=0 n Nd 1
! !
1 X Nd S 6n 1 X
= N (1)n n0 ,SNd 6n
6 n=0
d n Nd 1 n0 =0
! !
1 NXmax
Nd S 6n 1
= N (1)n
6 d n=0 n Nd 1
S Nd
donde Nmax mn Nd ,
6
! !
1 NX max
Nd S 6n 1
PNd (S) = N (1)n
6 d
n=0 n Nd 1
si Nd S 6Nd o 0 ( cero ) en cualquier otro caso. (C.10)
S Nd
Nmax = < Nd
6
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 108
Se puede demostrar que la suma en (C.10) se anula cuando se reemplaza Nmax
por Nd ( lo cual ocurre cuando S > 6Nd ). En efecto, note que
! ! !
S 6n 1 S 6n S 6n 1
=
Nd 1 Nd Nd
Nd
! ! Nd
! !
X n Nd S 6n 1 X n Nd S 6n
(1) = (1)
n=0 n Nd 1 n=0 n Nd
Nd
! !
X n Nd S 6n 1
(1) =0
n=0 n Nd
1
P1 (S)|1S6 =
6 (C.11)
0 en cualquier otro caso
4
Ver Captulo 1 de Algoritmos Fundamentales, Vol. I, D. E. Knuth, editorial Reverte S. A.
1986.
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 109
! !
1 NX
max
2 S 6n 1
P2 (S) = 2 (1)n
6 n=0 n 21
!
1 NXmax
2
= (1)n (S 6n 1)
36 n=0 n
S1
P2 (S)|2S7 =
36
1 13 S
P2 (S)|8S12 = [S 1 2 (S 7)] =
36 36
1 |S 7|
P2 (S)|2S12 =
6 36 (C.12)
0 en cualquier otro caso
! !
1 NX
max
3 S 6n 1
P3 (S) = 3 (1)n
6 n=0 n 31
!
1 NXmax
3 (S 6n 1) (S 6n 2)
= (1)n
216 n=0 n 2
1 NXmax
(S 6n 1) (S 6n 2)
= (1)n
72 n=0 n! (3 n)!
(S 1) (S 2)
P3 (S)|3S8 =
432
" #
1 (S 1) (S 2) (S 7) (S 8)
P3 (S)|9S14 = (C.13)
72 6 2
"
1 (S 1) (S 2) (S 7) (S 8)
P3 (S)|15S18 =
72 6 2
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 110
+
#
(S 13) (S 14)
2
( 0 en cualquier otro caso )
Ejercicio C.6
El lanzador L decide determinar la distribucion5 de probabilidades de
cierto bateador B o, en otras palabras, cuan eficiente es B al batear una
pelota con rapidez v. Para ello disena un experimento que consiste en
efectuar NL lanzamientos, con rapidez v, al bateador B. Sin embargo,
por razones obvias, la pelota es lanzada en el iesimo lanzamiento con
rapidez vi ( no necesariamente igual a v ) determinada por la probabili-
(L) (B)
dad Pvvi . Pv0 es la probabilidad de que B batee la pelota que recibe con
rapidez v 0 . v o/y v 0 son valores discretos que pertenececen a un conjunto
especfico de valores escogido por el lanzador L al disenar su experimento 6 .
Obviamente se cumple
X (B ) X (L)
Pv = 1 , Pv = 1
v v
SOLUCION:
N 1
L
X (B)
hNB iB = Pv i (C.14)
i=0
D E
2. hNB iB viene dado por
L
N 1 N 1 !
D E L
X (B) L
X X (L ) (B)
hNB iB = Pv i = Pvv0 Pv0
L i=0 L i=0 v0
D E X (L) (B)
hNB iB = NL Pvv0 Pv0 (C.15)
L v0
D E
3. Puesto que hNB iB puede considerarse como el numero medio de pelotas
L
bateadas o, lo que es lo mismo, una medida realizada en el experimento de L,
D E (B )
este infiere que hNB iB /NL corresponde a la probabilidad medida Pv
L
de que el bateador B batee una pelota con rapidez v ( registrada por el
lanzador L ):
( B) (B )
Pv = P v
(L) 1
Pvv0 =
( B) 1
Pv =
(B) 1
Pv 0 =
(B ) 1 (B )
Pv = = P v
(B )
Pv 0 = v 0 v 0
(B ) (L)
Pv = Pvv0
X (B) D 2 E D E D E
= Pv 0 v + 2 hviL v 0 + v 02 = v 2 + 2 hviL hviB + v 2
v0
L L B
La desviacion standard
q ( ancho de la distribucion ) viene dada por el resul-
tado medido v = hv 2 i hvi2 :
q
v = (vB )2 + (vL )2 vB
(C.18)
q
vB = (v)2 (vL )2 v
Note que estos resultados son validos cuando los momentos hv n i ( con n =
1, 2 ) existen. Por ejm. . . el resultado es invalido para distribuciones de
probabilidad Lorentzianas.
5. En la expresion (C.16), multipliquemos ambos miembros por el factor z v
( z C, |z| < 1 ) y sumemos sobre v:
" # " #" #
X (B ) X X (L) (B) X (L) X (B)
v v v v0
Pv z = Pvv0 Pv0 z = Pv z Pv 0 z
v v v0 v v0
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 115
Por tanto
(B )P
X (B ) v Pv z v v
Pv z =
v
P (L ) v
v Pv z
y en consecuencia
( B)
(B) 1 d v P
P z v
v v
Pv = , Deconvolucion (C.19)
v! dz v
P (L) v
Pv z
v z=0
(B ) (L)
Puesto que Pv es el resultado medido y Pv se presume conocido, la
expresion anterior7 descubre como batea B.
6. Introduzcamos las notaciones:
se obtiene
X (B)
PB (v) = PL (v v 0 ) Pv0 , Convolucion (C.21)
v0
lo cual conduce a
X Z
(B )
PB (v) = PL (v v 0 ) Pv0 (v 00 v 0 ) dv 00
v0
Z " #
X (B )
= PL (v v 00 ) Pv0 (v 00 v 0 ) dv 00
v0
tal que
Z
PB (v) = PL (v v 0 ) PB (v 0 ) dv 0 , Convolucion (C.22)
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 117
Con la notacion:
Z Z
dk ikv e
(v) = e (k) e (k) = dv eikv (v)
2
obtenemos
e
e (k) = PB (k)
P (C.23)
B e (k)
P L
9
Ver The Mossbauer effect: A review, with a collection of reprints, Hans Frauenfelder,
W. A. Benjamin 1962.
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 118
tal que
Z dk ikv PeB (k)
PB (v) = e e (k)
(C.24)
2 P L
G (v 0 v + vL iL ) G (v 0 vB + iB )]
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 119
Z
1
= < dv 0 G (v 0 v + vL + iL ) G (v 0 vB iB )
2 2
1 Z 0 1 1
= 2
< dv 0 0
2 v v + vL + iL v vB iB
" #
1 1
= 2
< 2i
2 (vB + iB ) v + vL + iL
1 1
= =
(vB + vL v) + i (B + L )
(B + L ) /
PB (v) = (C.25)
[v (vB + vL )]2 + [B + L ]2
3.5
2.5
1.5
LANZADOR
BATEADOR
MEDIDA
1
0.5
0
1 2 3 4 5 6 7 8
En particular, ello significa que en el caso mas general, que incluye la posibilidad
de monedas sesgadas, se escoge la opcion CARA si < pCARA o SELLO en caso con-
trario. pCARA es la probabilidad de obtener CARA. El lector podra notar que hemos
reemplazado la moneda por un mecanismo ( no especificado por el momento ) que
genera numeros al azar y decimos, en este sentido, que estamos realizando una
Simulacion del Lanzamiento de Monedas . Obviamente, podemos imagi-
nar que algunas caractersticas del lanzamiento de monedas han sido obviadas.
En la practica ello puede remediarse, al menos parcialmente, incorporando a la
simulacion otros elementos que no discutiremos aqu debido al proposito simple
de esta seccion. En cualquier caso, una simulacion puede ser muy simple o extre-
madamente complicada de acuerdo a las caractersticas del sistema en estudio.
La moneda solo sirve al proposito de ilustrar el ejemplo pero el analisis es rele-
vante a cualquier situacion con dos eventos posibles. Si tenemos que decidir entre
varios eventos ( n = 0, 1, 2, . . . ), que ocurren con probabilidades P0 , P1 , P2 , . . ., la
generalizacion es evidente:
10
De acuerdo al DRAE ( http://www.asixinformatica.com/servicios/drae.php ), simu-
lar significa Representar algo, fingiendo o imitando lo que no es .
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 122
1. Dividamos el intervalo [0, 1) en segmentos de longitud P0 , P1 , P2 , . . . como
se indica a continuacion:
P0 P0 + P 1 P0 + P 1 + P 2
[ )[ )[ ) ... -
...
0 1 2
En esta seccion mostramos una serie de simulaciones simples. En realidad son tan
extremadamente simples que, con un poco de paciencia, algunas de ellas pueden
realizarse con una calculadora de bolsillo como la que se muestra a continuacion:
double(rand())/(RAND_MAX + 1.0);
ni + size_t(dn*(double(rand())/(RAND_MAX + 1.0)));
genera numeros enteros al azar {n} ( de tipo size_t ) tal que ni n <
ni + dn.
El codigo siguiente ( programa en C++ ) ejemplifica el uso de los recursos mencio-
nados arriba:
Imprime 10000 numeros al azar en el intervalo [0, 1).
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 124
#include <cmath>
#include <cstdlib>
#include <ctime>
using namespace std;
const double RANDMAX1=floor(RAND_MAX + 1.5);
int main()
{
// Inicializa el generador. Esta linea no es obligatoria.
srand(size_t(time((time_t *)0)));
return 0;
}
Ejercicio C.7
Simule 1000 lanzamientos de una moneda. El programa debe repor-
tar a) el numero de caras y sellos obtenidos y b) la probabilidad de
obtener cara mediante el uso de la informacion obtenida en a).
int main()
{
size_t cara=0;
srand(size_t(time((time_t *)0)));
for ( size_t n=0 ; n<LANZAMIENTOS ; ++n )
if ( (rand()/RANDMAX1)<0.5 ) ++cara;
return 0;
}
Caras = 5027
Sellos = 4973
Probabilidad CARA = 0.5027
Ejercicio C.8
Este Ejercicio es similar al anterior salvo que el usuario decide con
que probabilidad cree o presume que se obtendra CARA. La simulacion es
realizada por el programa moneda1.cc, en C++, a continuacion
SOLUCION:
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 126
// moneda1.cc
#include <cmath>
#include <cstdlib>
#include <ctime>
#include <iostream>
using namespace std;
const double RANDMAX1=floor(RAND_MAX + 1.5);
const size_t LANZAMIENTOS=10000U;
int main()
{
double pCara;
do {
cout<<"Probabilidad de CARA ?: ";
cin>>pCara;
} while ( ( pCara<0 ) || ( pCara>1 ) );
size_t cara=0;
srand(size_t(time((time_t *)0)));
for ( size_t n=0 ; n<LANZAMIENTOS ; ++n )
if ( (rand()/RANDMAX1)<pCara ) ++cara;
return 0;
}
Una ejecucion tpica de este programa genera el resultado:
Probabilidad de CARA ?: 0.2
Caras = 2039
Sellos = 7961
Probabilidad CARA propuesta = 0.2
Probabilidad CARA "simulada" = 0.2039
Note que la desviacion standard teorica viene dada por
q
nCARAS = 10000 0,2 0,8 = 40
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 127
< nCARAS
por lo que es razonable esperar 1960 < 2040.
Ejercicio C.9
Este es similar al Ejercicio C.7 salvo que llevaremos una contabi-
lidad al n-esimo lanzamiento. En este sentido, consideramos el resultado
de la simulacion como un experimento y obtenemos la probabilidad simula-
da o medida como un ajuste a traves del Metodo de Mnimos Cuadrados.
En efecto, denotemos con:
// moneda2.cc
#include <cmath>
#include <cstdlib>
#include <ctime>
#include <iostream>
using namespace std;
const double RANDMAX1=floor(RAND_MAX + 1.5);
const size_t N=1000U; // Numero de lanzamientos
return 0;
}
pC = 0.482921
CARAS/LANZAMIENTOS = 0.487
Cn 6
+Pf
+
+ +
+ +
+ +
+
+
+
+ +
+ + +
-
0 1000 n
Figura C.3: Los smbolos + representan algunos ( por simplicidad ) de los 1000
valores generados mientras la lnea continua es el ajuste de mnimos cuadrados
de acuerdo a la expresion (C.26). Ambos resultados son solo un bosquejo ( con
escala arbitraria ) del resultado simulado por el programa, en C++, moneda2.cc.
Ejercicio C.10
Cierto personaje P realiza 106 ( un millon ) lanzamientos de una
moneda. Como resultado obtiene 6 105 caras y 4 105 sellos. A con-
tinuacion comunica sus resultados a cuatro personas P 1 , P2 , P3 y P4
con la particularidad de que ello resulta en tres preguntas completamente
diferentes y con diferentes grados de informacion:
1. A P1 : Solo te informo que realize lanzamientos de una moneda.
Cual es la probabilidad de obtener cara segun el experimento que
acabo de realizar ?
2. A P2 : Cual es la probabilidad de obtener cara si realize N = 10 6
lanzamientos y obtuve nc = 6 105 caras ?
3. A P3 : Cual es la probabilidad de obtener cara si se realizaron N =
106
lanzamientos con desviacion standard ( para las caras ) c =
200 6 ?
4. A P4 : Si asigno 1 al valor sello y 1 al valor cara puedo afirmar que
obtuve el valor medio Pcara (1) + Psello (1) = 0,2 donde P sello cara
tal que
s (p) = s0 (1) ln p + A , A = constante
A se anula ( A = 0 ) y s0 (1) debe ser negativa ( s0 (1) < 0 ) para satisfacer
las condiciones de frontera (C.27). La eleccion mas simple es s0 (1) = 1 tal
que14
s (p) = ln p (C.28)
X
X
S= Pn ( ln Pn ) = Pn ln Pn (C.29)
n=1 n=1
13
En este contexto, la probabilidad es considerada como una medida de la factibilidad de un
evento e independiente de un argumento que cuenta eventos . En particular, en el caso de
eventos no repetibles, esta posibilidad luce mas intuitiva. Animados por el proposito de enfatizar
esta situacion, algunos autores han sugerido los nombres presuncion o factibilidad en vez del
generico probabilidad .
14
Frecuentemente, s0 (1) es elegida de tal manera que permita el uso del logaritmo en bases
diferentes con resultados que lucen mas intuitivos. Por ejm. . . , para un conjunto de espines 1/2
el logaritmo en base 2 es mas adecuado.
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 133
valor maximo de S el cual se obtiene usando el metodo de los multiplicadores
de Lagrange con la expresion:
X
X
X
S Pn = Pn ln Pn Pn , ( : multiplicador de Lagrange )
n=1 n=1 n=1
!
X X
0= Pn ln Pn Pn = ln Pm 1 , m
Pm n=1 n=1
Por tanto, Pn es independiente de n: Pn = 1/. Este es el resultado que ha
invocado P0 . La medida de la sorpresa o ignorancia, en este caso, se reduce
a
X
1 1
S = ln = ln
n=1
= ln Pm 1 m , m = 1, 0, 1
P
lo cual significa que Pn = Z 1 en donde Z = 1n=1 en garantiza la
condicion de normalizacion. se determina imponiendo que se cumpla la
condicion (C.30):
e(1) (1) + e(0) (0) + e(1) (1) e + e
hni = =
e(1) + e(0) + e(1) e + 1 + e
e2 1
=
e2 + e + 1
la cual equivale a:
q
hni + 4 3 hni2
(1 hni) e2 hni e (1 + hni) = 0 = e =
2 (1 hni)
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 134
e
Psello |n=1 = 0,2383714067 ( SELLO )
e + 1 + e
1
Pcanto |n=0 = 0,3232571868 ( CAN T O )
e + 1 + e
e
Pcara |n=1 = 0,4383714065 ( CARA )
e + 1 + e
La sorpresa media o ignorancia media obtenida con estos valores resulta ser:
Ejercicio C.11
Simule 60000 lanzamientos de un dado de seis caras. Cada cara apa-
rece con probabilidad 1/6.
// dados0.cc
#include <cmath>
#include <cstdlib>
#include <iomanip>
#include <iostream>
#include <vector>
using namespace std;
const double RANDMAX1=floor(RAND_MAX + 1.5);
const size_t LANZAMIENTOS=60000U;
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 135
int main()
{
size_t i;
vector<size_t> cara(6U,0); // Las 6 caras de un dado.
size_t j=1U;
for ( i=0 ; i<cara.size() ; ++i,++j )
cout<<j<<" ---> "<<setw(5)<<cara[i]<<endl;
return 0;
}
1 ---> 10040
2 ---> 10074
3 ---> 10046
4 ---> 9995
5 ---> 9893
6 ---> 9952
Ejercicio C.12
Simule 60000 lanzamientos de un dado sesgado de seis caras. La pro-
babilidad Pn de obtener el valor n en un lanzamiento del dado viene dada
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 136
por:
P1 = 0.03, P2 = 0.09 P3 = 0.13
SOLUCION:
// dados1.cc
#include <cmath>
#include <cstdlib>
#include <iomanip>
#include <iostream>
#include <vector>
using namespace std;
const double RANDMAX1=floor(RAND_MAX + 1.5);
const size_t LANZAMIENTOS=60000U;
size_t dado();
int main()
{
size_t i;
vector<size_t> cara(6U,0); // Las 6 caras de un dado.
size_t j=1U;
for ( i=0 ; i<cara.size() ; ++i,++j )
cout<<j<<" ---> "<<setw(5)<<cara[i]<<endl;
return 0;
}
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 137
size_t dado()
{
static const double sp[5]={0.03,0.12,0.25,0.45,0.7};
static double r;
r=rand01();
if ( r<sp[0] ) return 1U;
if ( r<sp[1] ) return 2U;
if ( r<sp[2] ) return 3U;
if ( r<sp[3] ) return 4U;
if ( r<sp[4] ) return 5U;
return 6U;
}
1 ---> 1738
2 ---> 5528
3 ---> 7819
4 ---> 12119
5 ---> 14937
6 ---> 17859
Ejercicio C.13
Simule 240000 lanzamientos de un dado sesgado de veinte y cua-
tro ( 24 ) caras. La probabilidad Pn de obtener el valor n ( n = 1, 2, 3, . . . , 24 )
en un lanzamiento del dado viene dada por Pn e(n24)/24 :
1 e1/24 (24n)/24
Pn = e
1 e1
SOLUCION:
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 138
// dados2.cc
#include <cmath>
#include <cstdlib>
#include <ctime>
#include <iomanip>
#include <iostream>
#include <vector>
using namespace std;
const double E_1=1.0/M_E;
const double FACTOR=(1.0 - pow(E_1,1.0/24.0))/(1.0 - E_1);
const double RANDMAX1=floor(RAND_MAX + 1.5);
const size_t LANZAMIENTOS=240000U;
const size_t& dado();
srand(size_t(time((time_t *)0)));
size_t i=0;
while ( i<LANZAMIENTOS ) ++cara[dado() - 1U],++i;
size_t j=1U;
unsigned char k;
for ( i=0 ;;) {
cout<<setw(2)<<j<<" ---> "<<setw(5)<<cara[i]<<;;
if ( ++i<cara.size() ) ++j; else break;
for ( k = 0 ; k<3 ; ++k ) {
cout<<" "<<setw(2)<<j<<" ---> "<<setw(5)<<cara[i]<<;;
if ( ++i<cara.size() ) ++j; else break;
}
cout<<endl;
if ( i>=cara.size() ) break;
}
return 0;
}
if ( sp.size()==0 ) {
n=(sp.resize(24U),0);
for ( size_t i=0 ; i<sp.size() ; ++i ) sp[i]=p(++n);
}
r=(suma=sp[0],rand01());
for ( n=1U ; ( n<sp.size() ) && ( suma<r ) ; ++n ) suma+=sp[n];
return n;
}
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 140
Una ejecucion tpica de este programa genera el resultado:
Ejercicio C.14
Explique como se generan valores aleatorios de ( 0 < ) distri-
budos de acuerdo a sen () /2. Elabore un programa, en C++, que gene-
re 30 de tales numeros. Compare el valor medio de ellos y su desviacion
standard con los valores teoricos.
q
= 2 arc sen , 0<1 (C.32)
D E Z Z
1 1
2 sen () 2 d = 2 cos + cos () d
t 0 2 2 0 0
Z
2 2 2
= + sen |0 sen () d = + cos |0 = 2 2,9348022
2 0 2 2
v !
q u 2
u 2 2 8
t h 2 it hi2t = t 2 = 0,68366739
2 2 2
// senTheta0.cc
#include <cmath>
#include <cstdlib>
#include <iostream>
using namespace std;
const double RANDMAX1=floor(RAND_MAX + 1.5);
const size_t N=30U; // Cantidad de numeros generados.
double R;
double delta(double p1,double p2);
int main()
{
double prom1=0,prom2=0,theta;
return 0;
}
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 143
double delta(double p1,double p2) // Equivale a sqrt(|p2| - p1*p1)
{
p2=sqrt(abs(p2));
if ( p2>abs(p1) ) {
p1/=p2;
p1=1.0 - p1*p1;
if ( p1>0 ) return p2*sqrt(p1);
}
return 0;
}
los cuales el lector podra comparar con los resultados teoricos de la pag. 141.
Suponga que se generan, por ejm. . . , 1010 numeros en vez de una pequena
cantidad como 30: Que precauciones ( o modificaciones ) tomara el lector al
ejecutar senTheta0.cc ?.
Ejercicio C.15
Explique como pueden generarse valores de x distribudos de acuerdo
a una Gaussiana:
1 2 2
G (x) e(xx) /2 ; x, x, R , >0
2
Una vez conocidos los valores r y podemos usar (C.33) o/y (C.34) para deter-
minar una cantidad generada por una distribucion Gaussiana.
Para determinar r y resolvemos el par de ecuaciones diferenciales ( ver (C.31) ):
2 dr
2r er = 1, ( r = 0 = r=0)
dr
1 dr
= 1, ( = 0 = =0)
2 d
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 145
donde r y son, en general, numeros al azar que se generan con una distribucion
de probabilidades uniforme en el intervalo [0, 1). Las soluciones de las ecuaciones
para r y son:
q
r = ln (1 r )
= 2
q
x=x+ 2 ln (1 r ) cos (2 )
// Gauss0.cc
#include <cmath>
#include <cstdlib>
#include <ctime>
#include <iomanip>
#include <iostream>
using namespace std;
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 146
template<class T>
class Gauss
{
private:
T xBar; // valor medio
T sigma; // Desviacion Standard
// Metodos
T& desviacion() { return sigma; }
T desviacion() const { return sigma; }
static T Rand01();
T randGauss() const;
T& valorMedio() { return xBar;}
T valorMedio() const { return xBar;}
};
template<class T>
const T Gauss<T>::DOSPI=static_cast<T>(2.0L*M_PIl);
//
template<class T>
const T Gauss<T>::RAIZ2PI=sqrt(DOSPI);
//
template<class T>
const T Gauss<T>::RANDMAX1=static_cast<T>(floor(RAND_MAX + 1.5L));
//
template<class T> T Gauss<T>::R;
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 147
template<class T>
inline T Gauss<T>::Rand01()
{
return rand()/RANDMAX1;
}
template<class T>
T Gauss<T>::randGauss() const
{
if ( abs(sigma)>0 ) {
do R=1.0 - Rand01(); while ( R<=0 );
R=(-2.0)*log(R);
if ( ( R>0 ) && ( (R=sqrt(R))>0 ) )
return xBar + sigma*R*cos(DOSPI*Rand01());
}
return xBar;
}
int main()
{
Gauss<long double> g(10.0,4.0);
return 0;
}
1 --> 3.96543
2 --> 12.0958
3 --> 12.8516
4 --> 10.4131
5 --> 6.95679
6 --> 6.85706
7 --> 6.20282
8 --> 18.5289
9 --> 8.84015
10 --> 8.27031
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 148
Ejercicio C.16
Dos partculas parten del origen de coordenadas y se mueven a lo largo
del eje x realizandos saltos distribudos de acuerdo a
2
ex /2
G (x)
2
! PN N
N Z `2 /4 X
Y e i=1 i
hdN i = d`i N `i
(2 1/2 )
i=1 i=1
P PN
N
Puesto que i=1 `i i=1 |`i |, es obvio que:
Z 2 Z 2 2
e` /4
e` /4 2 e` /4
|hdN i| = hdN i N d` |`| = 2N d` ` = 2N
2 0 2 2 0
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 149
Por tanto
2N
hdN i (C.36)
// dosGauss0.cc
#include <cmath>
#include <cstdlib>
#include <ctime>
#include <iostream>
using namespace std;
const double DOSPI=2.0*M_PI,RANDMAX1=floor(RAND_MAX + 1.5);
const size_t INTENTOS=1000U,SALTOS=1000U;
size_t Semilla=size_t(time((time_t *)0));
double distancia(),Gauss();
int main()
{
double dMedia=0;
for ( size_t i=0 ; i<INTENTOS ; ++i ) dMedia+=distancia();
dMedia/=INTENTOS;
return 0;
}
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 150
double distancia() // distancia en cada intento
{
static double p1,p2;
static size_t i;
srand(Semilla--);
for ( i=((p1=0),0) ; i<SALTOS ; ++i ) p1+=Gauss();
srand(Semilla--);
for ( i=((p2=0),0) ; i<SALTOS ; ++i ) p2+=Gauss();
temp=(-2.0)*log(temp);
if ( temp>0 ) return sqrt(temp)*cos(DOSPI*rand01());
return 0;
}
Ejercicio C.17
v0 v1 v2 ... vN 1
...
0 1 2 N 1
!#
v 0 v` v/2
arctan
B
SOLUCION:
// espectro0.cc
#include <cmath>
#include <cstdlib>
#include <ctime>
#include <iomanip>
#include <iostream>
#include <stdexcept>
#include <vector>
using namespace std;
typedef unsigned long long ullong;
const double DELTAV=0.1;
const double DELTAV2=DELTAV/2.0;
const double GAMMAB=1.0,GAMMAL=0.1;
const double VME=58.0,VMA=62.0,V0=55.0;
const size_t NREG=111U;
const ullong BARRIDOS=ullong(10.0E4 + 0.5);
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 153
/*****************************************************/
struct Jugador
{
double gamma;
static const double RANDMAX1;
static double Lorentz(double w,double g);
static double Rand01();
int main()
{
Bateador bat(VME,VMA,GAMMAB);
Lanzador lan(GAMMAL);
vector<ullong> reg(NREG);
srand(size_t(time((time_t *)0)));
double v;
size_t n;
for ( ullong b=0 ; b<BARRIDOS ; ++b ) {
for ( n=((v=V0),0) ; n<reg.size() ; v+=((++n),DELTAV) )
if ( Jugador::Rand01()<bat.prob(lan.rand(v)) ) ++reg[n];
}
try {
for ( n=((v=V0),0) ; n<reg.size() ; v+=((++n),DELTAV) ) {
cout<<setw(5)<<v<< ;
cout<<(0.05 - double(reg[n])/BARRIDOS)<< ;
cout<<(0.1*bat.dist(v))<<endl;
}
}catch(overflow_error &oe) {
cerr<<"Division por cero en "<<oe.what()<<endl;
}
return 0;
}
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 156
double Jugador::Lorentz(double w,double g)
{
if ( (w=abs(w))<g ) {
w/=g;
w=((1/g)/M_PI)/(1 + w*w);
} else if ( w>0 ) {
g/=w;
w=(g/M_PI)/(w*(1 + g*g));
} else throw overflow_error("double Lorentz(double,double)");
return w;
}
return VPrima;
}
Ejercicio C.18
Explicacion del metodo conocido como integracion de Montecarlo.
SOLUCION: Considere la suma
N
X
SN = f (xn )
n=1
donde {xn } son generados por una distribucion de probabilidades P (x). El valor
medio hSN i se reduce a:
= hfi
N N
zZ }| { Z
X X
hSN i = hfi = dx P (x) f (x) = N dx P (x) f (x)
n=1 n=1
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 157
Simulacin
Beisbol vs. Espectroscopa
0.05
0.04
0.03
Simulacin
Dist. Prob. del Bateador
0.02
0.01
0
56 58 60 62 64 66
v ( rapidez )
Z hSN i hSN i
dx P (x) f (x) = = lm (C.37)
N N N
Z SN
dx P (x) f (x) , N 1
N (C.38)
Este resultado es exacto cuando f es la funcion constante !
Z N
1 1 X
dx sen (x) sen (xn ) , P (x) = (x) (1 x)
0 N n=1
Z N
ex 1 X 1
dx 7/3 , P (x) = (x) ex
0 x +1 N n=1 x7/3
n +1
Z N
sen 1 X 2 1
d , P () = () ( ) sen
0 ln + cos N n=1 n ln n + cos n 2
Para tener una idea de lo grueso del error cometido y/o aprender a usar
la tecnica al momento de minimizar errores
r D es conveniente
E
estudiar la conducta
de la desviacion standard (SN /N ) = (SN /N ) hSN /N i2 :
2
q
SN (SN /N ) 2
hSN i hSN i2
= =
hSN i hSN /N i hSN i
*" N
#2 + * N
+ * N
+
D E X X X
2 2
SN = f (xn ) = f (xn ) + f (xm ) f (xn )
n=1 n=1 m,n=1
m6=n
N D E
X N
X D E
= f2 + hfi hfi = N f 2 + N (N 1) hfi2
n=1 m,n=1
m6=n
D E
= N f 2 hfi2 + N 2 hfi2
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 159
Por tanto
SN 1 f
=
hSN i N hf i
sZ (C.39)
2
f dx P (x) [f (x) hfi]
Z Z
a a f (x) + f (a x)
dx f (x) = dx
0 0 2
El integrando de la segunda integral va-
ra mas suavemente que el de la inte-
gral original ( miembro izquierdo ). Esto
se conoce como el metodo de agregar la
reflejada en el espejo .
Ejercicio C.19
Evalue, usando numeros al azar, la integral
Z
0,005x2 3 3/13 8
I dx e x sen (4x) + ln 1 + x cos |sen (x)|
2
SOLUCION: Aprovechamos la presencia del factor Gaussiano e0,005x para intro-
ducir la distribucion de probabilidades P (x):
2 2
ex /2 2
P (x) , 10 ; Note que e0,005x = 2 P (x)
2
(C.40)
y consideremos la suma
N
X 1
SN f (xn )
n=0
= 10 " 1
#
z}|{ 1 NX
I 2 f (xn )
N n=0
// intGauss0.cc
#include <cmath>
#include <cstdlib>
#include <ctime>
#include <iomanip>
#include <iostream>
using namespace std;
const double DOSPI=2.0*M_PI,RANDMAX1=floor(RAND_MAX + 1.5);
const double SIGMA=10.0;
const double RAIZDOSPI_S=sqrt(DOSPI)*SIGMA;
const size_t N=10000000U; // Diez millones.
double f(double x),Gauss();
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 161
int main()
{
srand(size_t(time((time_t *)0)));
double suma=0;
size_t j=1U,n=1U;
while ( n<=N ) {
suma+=f(Gauss());
if ( n==j ) {
cout<<setw(8)<<n<<" --> "<<((RAIZDOSPI_S*suma)/n)<<endl;
++(j<<=1U);
}
++n;
}
cout<<endl<<setw(8)<<N<<" --> "<<((RAIZDOSPI_S*suma)/N)<<endl;
return 0;
}
double f(double x)
{
static const double val3_13=3.0/13.0;
static double temp;
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 162
temp=abs(seno(x));
if ( temp>0 ) temp=pow(temp,val3_13); else temp=0;
temp=abs(x*cos(temp));
if ( temp>0 ) temp=1.0 + pow(temp,8.0); else temp=1.0;
1 --> 2656.16
3 --> 753.23
7 --> 43368.8
15 --> 19230.3
31 --> 13181.5
63 --> 2540.52
127 --> 5103.58
255 --> -1476.58
511 --> -2894.24
1023 --> 460.933
2047 --> -230.717
4095 --> 213.973
8191 --> 207.83
16383 --> 332.642
32767 --> 124.795
65535 --> -170.383
131071 --> -50.5289
262143 --> 62.5107
524287 --> 135.59
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 163
1048575 --> 166.115
2097151 --> 193.75
4194303 --> 220.566
8388607 --> 222.899
Ejercicio C.20
Este ejercicio es similar al anterior ( Ejercicio C.19 ) salvo que
resolvemos una integral cuyo resultado se conoce pero su integrando oscila
fuertemente: Z
J dx sen (199x)
0
int main()
{
srand(size_t(time((time_t *)0)));
double suma=0;
size_t j=1U,n=1U;
while ( n<=N ) {
suma+=f(M_PI*rand01());
if ( n==j ) {
cout<<setw(8)<<n<<" --> "<<(M_PI*(suma/n))<<endl;
++(j<<=1U);
}
++n;
}
cout<<endl<<setw(8)<<N<<" --> "<<(M_PI*(suma/N))<<;;
cout<<" Valor EXACTO = "<<EXACTO<<endl;
return 0;
}
1 --> -1.36889
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 165
3 --> -1.05353
7 --> 0.324021
15 --> 0.20165
31 --> 0.23342
63 --> -0.0901957
127 --> 0.18167
255 --> 0.0330276
511 --> -0.0391006
1023 --> -0.00955283
2047 --> 0.00548513
4095 --> -0.0136338
8191 --> 0.016558
16383 --> -0.0028808
32767 --> 0.0137717
65535 --> 0.0096126
131071 --> 0.014193
262143 --> 0.0121142
524287 --> 0.00391622
1048575 --> 0.00745356
2097151 --> 0.00723829
4194303 --> 0.00877376
8388607 --> 0.0101528
Note que solo despues de alrededor de 105 iteraciones el resultado puede ser cer-
cano al valor exacto.
Ejercicio C.21
Evalue, usando el metodo de Montecarlo, la integral
Z
4 1 dx
=1
0 x2+1
4 Z 1 dx 4 1 XN
1
2
2
0 x +1 N n=1 xn + 1
// intEspejo0.cc
#include <cmath>
#include <cstdlib>
#include <ctime>
#include <iomanip>
#include <iostream>
using namespace std;
const double FACTOR=4.0/M_PI,RANDMAX1=floor(RAND_MAX + 1.5);
const size_t N=100000U; // Cien mil.
int main()
{
srand(size_t(time((time_t *)0)));
double fMenos,fMas,mas=0,menos=0;
size_t j=1U,n=1U;
while ( n<=N ) {
funciones(rand01(),fMenos,fMas);
menos+=fMenos;
mas+=fMas;
if ( n==j ) {
cout<<setw(6)<<n;
cout<<" --> "<<(FACTOR*(menos/n));
cout<<" --> "<<(FACTOR*(mas/n))<<endl;
++(j<<=1U);
}
++n;
}
cout<<endl<<setw(6)<<N;
cout<<" --> "<<(FACTOR*(menos/N));
cout<<" --> "<<(FACTOR*(mas/N))<<endl;
return 0;
}
1.3
1.2
f<(x)
f>(x)
1.1
0.9
0.8
0.7
0.6
0 0.2 0.4 0.6 0.8 1
x
Figura C.6: Ilustracion de f< (x) y f> (x). Note que f> (x) vara suavemente en
comparacion con f< (x) lo cual garantiza una convergencia mas rapida, de la in-
tegracion de Montecarlo, para obtener el mismo resultado.
Ejercicio C.22
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 169
Evalue Z cos x
dx
0 |x|30/7 + 1
// varios0.cc
#include <cmath>
#include <cstdlib>
#include <ctime>
#include <iomanip>
#include <iostream>
using namespace std;
const double DOSPI=2.0*M_PI,FACTOR0=16.0/7.0,FACTOR1=30.0/7.0;
const double RANDMAX1=floor(RAND_MAX + 1.5);
const size_t N=1000000U; // Un millon.
int main()
{
srand(size_t(time((time_t *)0)));
double suma=0;
size_t j=1U,n=1U;
while ( n<=N ) {
suma+=ff(rand01());
if ( n==j ) {
cout<<setw(7)<<n<<" --> "<<(suma/n)<<endl;
++(j<<=1U);
}
++n;
}
return 0;
}
Ejercicio C.23
Evalue mediante el metodo de Montecarlo.
Z Z q N q
1 1 2
1
2
1 X 2 2
= 4 dx dy 1 x + y 4 1 xn + y n
1 1 4 N n=1
donde {(xn , yn )} son puntos del plano generados por la distribucion de probabili-
dades (1 |x|) (1
|y|)
q /4.
PN
N n=1 1 x2n + yn2 es el numero de puntos en el crculo, con
centro en (0, 0) y radio 1, tal que es aproximado por
N
4
N
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 172
En realidad el resultado es obvio puesto que la probabilidad de que un punto
quede dentro del crculo es /4 tal que el numero medio de puntos dentro del
crculo viene dado por:
s
hN i = N y, ademas N = N 1
4 4 4
tal que s
N 1 4 0,5227232002
= 1
hN i N N
El programa, en C++, pi0.cc evalua con el metodo explicado en este Ejercicio:
// pi0.cc
#include <cmath>
#include <cstdlib>
#include <iomanip>
#include <iostream>
using namespace std;
const double RANDMAX1=floor(RAND_MAX + 1.5);
const size_t PUNTOS=400U;
size_t nc=0;
for ( size_t n=0 ; n<PUNTOS ; ++n )
if ( hypot(2.0*rand01() - 1.0,2.0*rand01() - 1.0)<1.0 ) ++nc;
return 0;
}
con el resultado
Circulo = 324
No Circulo = 76
PI = 3.24
Error Porcentual = 3.132403 %
El resultado es ilustrado en la Figura C.7.
Ejercicio C.24
Evalue, por el metodo de Montecarlo, la integral
Z ~
2 eik~r ~k0 = (1, 2) ,
d~k 5/7 ; ~r = (10, 3)
(kx + ky i) 3/2
+ k + 2~k + ~r
|~k~k0 |<12
n o
donde ~kn 3 n = 1, 2, . . . , N son puntos, en el plano kx ky , generados por la dis-
tribucion uniforme de probabilidades 12 ~k ~k0 /144. Es decir ( ver ex-
presion (C.31) ),
q
kx = k0x + 12 r cos (2 )
q
ky = k0y + 12 r sen (2 )
// complejo0.cc
#include <cmath>
#include <complex>
#include <cstdlib>
#include <iomanip>
#include <iostream>
using namespace std;
typedef complex<double> Complejo;
typedef unsigned long long ullong;
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 176
/************************************************************/
class Vector2D
{
private:
double cx,cy; // componentes cartesianas.
public:
// Constructores
Vector2D(): cx(0), cy(0) {}
Vector2D(double valX,double valY);
// Metodos
double abs() const { return hypot(cx,cy); }
double& x() { return cx; }
double x() const { return cx; }
double& y() { return cy; }
double y() const { return cy; }
// Operadores
Vector2D operator +(const Vector2D &v) const;
double operator *(const Vector2D &v) const;
Vector2D operator *(double escalar) const;
Vector2D& operator +=(const Vector2D &v);
// Friends
friend Vector2D operator *(double escalar,
const Vector2D &v);
};
/************************************************************/
const Complejo I(0,-1.0);
const double DOSPI=2.0*M_PI,CINCO7=5.0/7.0;
const double RANDMAX1=floor(RAND_MAX + 1.5);
const Vector2D K0(1.0,-2.0),R(10.0,-3.0);
Complejo Den,Num;
double Fase,XiR;
Vector2D K;
int main()
{
const double factor=144.0*M_PI;
const int w=10;
const ullong np=100000000UL; // 100 millones: Numero de puntos
return 0;
}
APENDICE C. PROBABILIDADES Y SIMULACIONES SIMPLES 178
1 --> (13.6729,15.3202)
3 --> (7.33065,6.26289)
7 --> (5.25949,8.27589)
15 --> (3.68587,4.92635)
31 --> (-1.02987,0.542208)
63 --> (-2.66109,0.533909)
127 --> (-3.5832,-2.05837)
255 --> (-1.55049,-5.00588)
511 --> (1.89149,-1.489)
1023 --> (-0.00733835,-2.07264)
2047 --> (-0.0937291,-1.32297)
4095 --> (-0.107607,-0.933332)
8191 --> (-0.227835,-0.365493)
16383 --> (-0.0251378,-0.0901875)
32767 --> (0.255396,-0.340971)
65535 --> (-0.0046882,-0.570189)
131071 --> (-0.0315184,-0.271452)
262143 --> (0.00660147,-0.175767)
524287 --> (-0.042262,-0.0970711)
1048575 --> (-0.0201318,-0.151981)
2097151 --> (0.0153756,-0.158944)
4194303 --> (0.0295975,-0.160655)
8388607 --> (0.0215885,-0.137395)
16777215 --> (0.00673676,-0.146419)
33554431 --> (0.00615091,-0.154857)
67108863 --> (-0.00573118,-0.161054)
100000000 --> (-0.00531163,-0.158173)
Teora de GinzburgLandau
~ y ~n son vectores de la red cristalina. El operador de espin ~S~n , en un sitio dado ~n,
m
tiene asociado un momento magnetico ~ ~n = gB~S~n y satisface ~S~n ~S~n = S (S + 1),
~n donde S es un numero positivo entero o semientero. g es el factor de Lande y B
es el magneton de Bohr . J (m ~ ~n) es la constante de acoplamientos entre los
sitios m
~ y ~n.
1
En particular, es posible derivar versiones adecuadas a otros fenomenos tales como super-
conductividad, ondas de densidad de espin, ondas de densidad de carga, etc. . .
180
APENDICE D. TEORIA DE GINZBURGLANDAU 181
En la aproximacion de campo molecular, (D.1) se reduce a
1 X D E D E X X D E
Hcm = J (m~ ~n) ~Sm
~ ~
S ~
n ~
S ~
n J (~
n m)
~ ~Sm
~
2 m~
~n ~n m
~
1 1 X
hS~nz i = S (S + 1) c h~n = S (S + 1) c ~ ~n) Smz
J (m ~
3 3 m
~
~
n
3 ~
n m
~
tal que
1
k B Tc = S (S + 1) max {J (~q)} (D.6)
3
X 1 X
J (~q) J (~n) ei~q~n J (~n) J (~q) ei~q~n (D.7)
~
n
N q~
donde N es el numero de sitios. kB Tc es max {J (~q)} puesto que para los
restantes autovalores Tc la linealizacion realizada arriba no tiene sentido fsico
alguno.
En (D.7), la suma sobre ~q se realiza sobre el conjunto
B1 = ~q 3 |qi | , i = x, y, z
a
En realidad, la estructura de J (~q) puede ser mas complicada que la sugerida por
los casos simples de los ejemplos senalados arriba. En general, las fases sugeri-
das por el max {J (~q)} pueden ser exploradas a temperaturas mas bajas aunque
es posible que en tal caso ocurran otros cambios de fase. La variedad de orden
magnetico que se encuentra en la naturaleza es, en general, muy variada.
A continuacion, y por simplicidad, consideramos
1. El caso de una red cubica simple de constante de red a > 0. En este caso,
un vector ~` de la red cristalina es de la forma
~` = (`xx + `y y + `z z) a ; `i Z , i = x, y, z
2. Interaccion solo entre los z = 6 vecinos mas cercanos, en una red cubica
simple, de un sitio dado.
La magnetizacion ( momento magnetico medio por unidad de volumen ) viene
dada por D E
gB ~S~n D E 3
M ~ ~n = = ~S~n = a M ~ ~n
a3 gB
D.2. Ferromagnetismo
En este caso, J (m)
~ = J > 0 cuando m ~ es uno de los vecinos mas cercanos del
~
origen 0 y nula en cualquier otro caso. De acuerdo a (D.7), J (q) viene dado por
1,2910
z}| {
1/2
15 S (S + 1) Tc (D.10)
M0 = q 1
3 S (S + 1) + 1/2 T
1 2 2 h i
(~r) + (~r) 2 (~r) 1 = 0 (D.11)
2
donde
0,5774
z}| {
1/2 (D.12)
3 Tc
1 a, < Tc
T
3 T
Ejercicio D.1
Un material ferromagnetico ocupa el semiespacio {~r 3 x 0}. Su-
ponga que la solucion solo depende de la coordenada x y
A medida que nos alejamos del origen el
(x)|x = 1 sistema se comporta como un medio in-
finito.
APENDICE D. TEORIA DE GINZBURGLANDAU 186
!
La componente z de la magnetizacion es
(x)|x0+ = 0
continua.
1. Evalue (x), x 0.
~ (~r) generado por la so-
2. Determine el vector induccion magnetica B
lucion del aparte anterior.
SOLUCION:
1 2 00 h i
(x) + (x) 2 (x) 1 = 0
2
Multiplicando ambos miembros por 0 (x) se obtiene
d 1 1 1
2 02 (x) + 4 (x) 2 (x) = 0
dx 4 4 2
Por tanto
h i2
2 02 (x) 4 (x) + 22 (x) = 2 02 (x) 1 2 (x) + 1 = constante
!
x
(x) = tanh , x0 (D.13)
6 -
0 | {z } x
a
Figura D.1: Ilustracion de la magnetizacion ferromagnetica adimensional
(x)|x>0 . (x) es una solucion de la ecuacion de GinzburgLandau con condi-
ciones apropiadas de frontera ( ver texto ). Note que el ancho de la region donde
se anula la magnetizacion es, en las inmediaciones del origen, del orden de .
Cuando x la solucion se comporta como la de un ferromagneto uniforme en
un medio infinito.
~J (~r) = c M
~ (~r)
tal que
~J (~r) = gB cM0 d [ (x) tanh (x/)] y
a3 dx
3
Ver algun texto de Teora Electromagnetica.
APENDICE D. TEORIA DE GINZBURGLANDAU 188
" !#
~ (~r) = 2 gB M0 1 2 (x) tanh x
B z (D.15)
a3
4
Con el cambio de variables = tan se obtiene:
Z Z /2 Z /2
d 1
= sec2 () d = d cos = 1
0 (2 + 1)
3/2
0 sec3 0
APENDICE D. TEORIA DE GINZBURGLANDAU 189
Bz (x) Bz (~r) 6
gB
2 M0
a3
-
x
gB
2 M0
a3
~ = (x + y + z)
Q
a
con longitud de onda asociada = 2/ (/a) = 2a. Por ejm. . . , a lo largo de uno
de los ejes observamos una estructura de espines que se alternan como indica la
Figura (D.3). La temperatura de transicion Tc viene dada por
1
k B Tc = S (S + 1) z |J|
3
En la aproximacion de GinzburgLandau introducimos una amplitud M~n que
vara lentamente a lo largo de los sitios de la red cristalina:
~ ~n
hS~nz i = M~n cos Q
APENDICE D. TEORIA DE GINZBURGLANDAU 190
a =2a
z }| { z }| {
6 6 6 6 6 6 6
? ? ? ? ? ?
Figura D.3: Variacion antiferromagnetica del momento magnetico, a lo largo de
una lnea, en la aproximacion de campo medio. La aproximacion de Ginzburg
Landau introduce, a posteriori, una modulacion espacial lenta de las amplitudes
en cada sitio y no se relaciona directamente con la variacion rapida que describe
el antiferromagnetismo subyacente.
+
( )
1 X h i
J (m)
~ (m ~ m
~ ~n ) M~n cos Q ~ 2 ~ ~n
cos Q
2 m
~
X X 2 M~n
= J (m) ~ m
~ cos Q ~ mi mj
m
~ i,j=x,y,z ni nj
" #
X X 2 M~n
= J (m) ~ m
~ mi mj cos Q ~
i,j=x,y,z m
~
ni nj
" #
X 1 X 2 M~n
= ij ~ m2 cos Q
J (m) ~ m
~
i,j=x,y,z 3 m
~
ni nj
APENDICE D. TEORIA DE GINZBURGLANDAU 191
" #
1 2X X 2 M~n
= a J (m)
~ cos Q~ m
~ 2
3 m
~ i=x,y,z ni
En conclusion
X 1
J (~n m) ~ n
~ i J (Q) cos Q ~
~ hSmz 1 + a2 ~n2 M~n
m
~
6
< T Tc
0
1 X
H= ~ ~n) ~Sm
J (m ~n ;
~ S~ J (m)
~ = J (m)
~ , J ~0 = 0 (E.1)
2 m~
~n
192
APENDICE E. ONDAS DE ESPIN ( MAGNONES ) 193
un gas de bosones libres. El espectro de excitaciones de este gas provee la informa-
cion necesaria para extraer consecuencias medibles, a bajas temperaturas, tales
como la variacion con la temperatura del calor especfico, magnetizacion, etc. . .
Es claro que el estudio de ondas de espin requiere investigar la evolucion
de S~nx y/o S~ny y/o combinaciones lineales de ellas. Recordemos las reglas de
conmutacion de espin
[Smx
~ , S~
ny ] = im~
~ n S~
nz , [Smy
~ , S~
nz ] = im~
~ n S~
nx , [Smz
~ , S~
nx ] = im~
~ n S~
ny
[Sm+
~ , S~
n ] = 2m~
~ n S~
nz , [Smz
~ , S~
n+ ] = m~
~ n S~
n+ , [Smz n ] = m~
~ , S~ ~ n S~
n (E.2)
y en particular
iS~nz
z }| {
S~n S~n+ = (S~nx iS~ny ) (S~nx + iS~ny ) = S~n2 x + S~n2 y + i [S~nx , S~ny ]
= S~n2 x + S~n2 y S~nz = ~S~n2 S~n2 z S~nz
(E.3)
Para estados con buen numero cuantico S:
S~n S~n+ = S (S + 1) S~n2 z S~nz = (S S~nz ) (S + 1 + S~nz )
iS~nz
z }| {
S~n+ S~n = (S~nx + iS~ny ) (S~nx iS~ny ) = S~n2 x + S~n2 y + i [S~ny , S~nx ]
= S~n2 x + S~n2 y + S~nz = ~S~n2 S~n2 z + S~nz
Para estados con buen numero cuantico S:
S~n+ S~n = S (S + 1) S~n2 z + S~nz = (S + S~nz ) (S + 1 + S~nz )
APENDICE E. ONDAS DE ESPIN ( MAGNONES ) 194
S~n+ ( S~n ) puede interpretarse como un operador que aumenta ( disminuye ) en
una unidad los autovalores del operador S~nz lo cual justifica el nombre Operador
de Desviacion4 . As mismo
S~n |~n, Si = 0 , S~n+ |~n, Si = 0 ; ~n Ver pie de pag. 2
En terminos de los operadores de desviacion el hamiltoniano de Heisenberg
puede reescribirse en la forma:
1 X
H = ~ ~n) (Smx
J (m ~ S~
nx + Smy
~ S~
ny + Smz
~ S~nz )
2 m~
~n
1 X
= ~ ~n)
J (m
2 m~
~n
!
Sm+
~ + Sm
~ S~n+ + S~n Sm+
~ Sm
~ S~n+ S~n
+ + Smz
~ S~
nz
2 2 2i 2i
1 X 1 1
= ~ ~n)
J (m Sm+~ S~n + Sm
~ S~
n+ + Smz~ S~nz
2 m~
~n
2 2
y, en resumen,
1 X
H= J (m~ ~n) (Sm
~ S~n+ + Smz
~ S~ nz ) (E.4)
2 m~
~n
Note que
1
H |F i0 = N zJS 2 |F i0 puesto que S~n+ |F i0 = 0 , ~n
2
N zJS 2 /2 es la energa del estado fundamental ferromagnetico.
La relacion de conmutacion
" #
S~n+ S~n S~nz
, =
2S 2S S
sugiere que, a bajas temperaturas, el efecto del miembro derecho es similar al
del operador identidad ( S~nz /S 1 ). En otras palabras, los estados que generan
la mayor contribucion a la energa libre de Helmholtz son aquellos que tienen
componentes mS S. Esta circunstancia nos permite introducir, al menos en
forma aproximada, operadores bosonicos
S~n+ 1 S~n 1
b~n = = (S~nx + iS~ny ) , b~n = = (S~nx iS~ny )
2S 2S 2S 2S
s s
S S
S~nx = b~n + b~n , S~ny = i b~n b~n
2 2
4
Revise, en algun texto usual de Mecanica Cuantica, las propiedades de los autoestados de
espin y de los operadores de espin las cuales pueden derivarse a partir de las relaciones de
conmutacion de espin.
APENDICE E. ONDAS DE ESPIN ( MAGNONES ) 195
los cuales satisfacen las relaciones de conmutacion
h i
[bm
~ , b~
n] = 0 , bm n = 0
~ , b~
h i h i
bm
~ , b~ ~ 6= ~n ,
n = 0 si m b~n , b~n 1
1 1 X
Hode = N zJS 2 S ~ ~n) bm
J (m ~ b~
n (E.5)
2 2 m~
~n
(E.5) se reduce a
1
Hode = N zJS 2
2
APENDICE E. ONDAS DE ESPIN ( MAGNONES ) 196
1 X 1 X
~ n) 1 X ~
S ~
J (m) ei~q(m+~ bq~ eik~n b~k
2 m~
~n N q~ N ~k
" #" #
1 1 X X 1 X i(q~~k)~n
= N zJS 2 S ~ ei~qm
J (m) ~
e bq~ b~k
2 2 ~ m
~
N ~n
q~ k | {z }| {z }
J (~
q) q~ ~k
1 1 X ~
= N zJS 2 S J k b~k b~k
2 2 ~
k
1 1 X 1 X h ~ i
= N zJS 2 SJ ~0 b~k b~k + S J 0 J ~k b~k b~k
2 2 ~
2 ~
k k
Pero
X X X
b~k b~k = b~n b~n = 2S S~n S~n+
~k ~
n ~
n
!
Xh i 0 en la aproximacion
= 2S S (S + 1) S~n2 z S~nz ,
~
n
de ondas de espin
Por tanto
1 X
Hode = N zJS 2 + E~k b~k b~k
2 ~ k
1 h ~ i (E.6)
E~k = S J 0 J ~k
2
" ! ! !#
2 kx a ky a ky a
= 2SJ sen + sen2 + sen2
2 2 2
Ademas ( M (T ) M (0) M (T ) )
Z Z Z
M (T ) 2 V /a /a /a 1
= dkx dky dkz
M (0) N (2)3 /a /a /a e E~k /kB T
1
Z
a3 4k 2
dk SJa2 k 2 /2k
4 3 0 e BT 1
!3/2 Z
2 kB T x1/2 3
= dx , 2,612
2 SJ |0 {z
e x1
}
2
= (3/2) /2
Este resultado es conocido como la ley T 3/2 de Bloch quien la derivo hace 74 anos5 :
!5/2
1 3 2 (5/2) kB T
E N zJS 2 + N SJ
2 8 3/2 SJ
y por lo tanto
0,6386
z
}| { !3/2
15 2 (5/2) kB T (E.8)
C N kB
16 3/2 SJ
Note que
M (T )
tanto como C son T 3/2
M (0)
Apendice F
Recocido Simulado1
F.1. Introduccion
Recocido Simulado es un procedimiento iterativo, y por lo tanto basicamente
computacional, que permite encontrar la region representativa, en el espacio de
fases2 , que ocupara un sistema fsico en equilibrio termodinamico a una tempe-
ratura dada T y para valores dados de sus parametros externos o/y las fuerzas
generalizadas que actuan sobre el3 .
1
En ingles: Simulated Annealing.
2
Con ello nos referimos, por simplicidad, tanto al espacio de fases clasico como al espacio
de estados en Mecanica Cuantica puesto que el metodo de simulacion expuesto en este captulo
es suficientemente general. As mismo hablamos, indistintamente, de configuraciones o estados.
Esperamos que ello no produzca confusion alguna.
3
Una discusion interesante del metodo de Recocido Simulado puede verse en:
Optimization by Simulated Annealing. S. Kirkpatrick, C. D. Gelatt Jr., M. P. Vecchi.
Science, 13 May 1983, volume 220, number 4598, pag. 671.
La siguiente referencia discute las bases del metodo, sus extensiones y una variedad de
aplicaciones en diversas areas:
Monte Carlo Methods in Statistical Physics. Ed. por K. Binder. Topics in Current
Physics. Vol. 7. SpringerVerlag 1979.
Una revision del metodo con una amplia discusion del proceso de generacion de numeros
aleatorios puede verse en:
Applications of Monte Carlo Methods to Statistical Physics. K. Binder, Rep.
Prog. Phys. 60, ( 1997 ), pags. 487559.
Una discusion, basada en el Teorema del Lmite Central, de la convergencia del Algoritmo
de Metropolis puede verse en:
Stochastic Processes. J. L. Doob, Wiley & Sons, New York 1953.
El Metodo de las Coincidencias y una breve discusion de simulaciones numericas ( que
incluye la convergencia del algoritmo de Metropolis ) puede verse en:
Statistical Mechanics. ShangKeng Ma, World Scientific 1985.
199
APENDICE F. RECOCIDO SIMULADO 200
Este procedimiento o algoritmo adquiere relevancia cuando el sistema no se
encuentra inicialmente en la region representativa, mencionada arriba, del espacio
de fases. En tal caso, se procede a movilizar lentamente el punto o la region en
el espacio de fases hacia la region donde suele permanecer cuando se encuentra
en equilibrio termodinamico. Las configuraciones intermedias o transientes son
irrelevantes y solo importa el objetivo final donde se pueden realizar medidas
temporales ( a lo largo de un numero de iteraciones del proceso ) que pueden ser
contrastadas con experimentos reales. La lentitud del proceso o recocido garantiza,
en principio, que el sistema se aproxima a su situacion de equilibrio termodina-
mico en contraste con un proceso rapido ( en ingles: quenching ) donde el sistema
podra adoptar una configuracion no compatible ( por ejm. . . , metaestable ), en
general, con la situacion de equilibrio termodinamico.
El Recocido Simulado es extremadamente util en sistemas de extrema com-
plejidad donde resultados analticos o aproximaciones razonables son escasas. Un
consejo usual es que este es el caso en que solo debe usarse el metodo de Recocido
Simulado. Es habitual la comparacion o cooperacion de este metodo con otros
enfoques aproximados.
Puesto que el metodo de Recocido Simulado esta disenado para aproximar
un sistema a su equilibrio termodinamico este resulta ser equivalente a minimizar
algun potencial termodinamico especfico a una situacion dada. Por ello y por
analoga el metodo es aplicable a situaciones, en otras areas del conocimiento, que
se reducen a la minimizacion de4 una funcion de una o varias variables ( llamada a
veces Funcion Costo ). En tales casos las nociones de temperatura, presion, etc. . .
adquieren un significado que se relaciona al sistema particular en estudio.
la cual es una expresion mas simple para nuestros propositos puesto que no invo-
lucra explcitamente a la entropa S.
Una condicion mas debil , que anula esta suma, es exigir que cada sumando se
anule identicamente:
!
Condicion de Equilibrio
Wnm Pm Wmn Pn = 0 , m, n (F.3)
Detallado
6
Ver pie de pag. 2
7
Partiendo de la ecuacion de Liouville-Neumann para un sistema dado, la construccion de
una ecuacion maestra como una descripcion aproximada de la evolucion de un sistema fsico no
es un problema simple. El lector interesado podra, por ejm. . . , revisar textos de Fsica de Laser
donde tal problema se muestra en toda su complejidad.
APENDICE F. RECOCIDO SIMULADO 202
Ello significa que las probabilidades de transicion por unidad de tiempo satisfacen
Wmn Pm
= = e(Em En )/kB T , m, n (F.4)
Wnm Pn
tal que
Pmn
= e(Em En )/kB T , m, n (F.5)
Pnm
|mi Em
6
Pmn
Pmn Pnm = e(Em En )/kB T
Pnm
|ni ? En
Figura F.1: Ilustracion de las transiciones entre dos estados |mi y |ni de ener-
gas Em y En , respectivamente, con Em > En . Note que las transiciones a estados
de mas baja energa ( por ejm. . . , |mi |ni ) son mas probables que las transi-
ciones hacia altas energas ( por ejm. . . , |ni |mi ). Debido a la existencia de un
estado fundamental se establece una especie de efecto compensatorio que genera
una situacion de equilibrio.
Algoritmo de Metropolis
1 , si Em En (F.6)
Pmn =
e(Em En )/kB T , si Em > En
1
donde f (E) = eE/kB T + 1 es la funcion de distribucion de Fermi-Dirac9 .
Si en cierto estadio del proceso iterativo, la configuracion del sistema corres-
ponde al estado |ni; el algoritmo (F.6) o (F.7), entre otras posibilidades, permite
decidir si se acepta la transicion hacia el estado |mi. Note que, en general, la
energa Ei del estado |ii es extensiva en el sentido termodinamico tal que el can-
didato |mi hacia donde el sistema realiza la transicion |ni |mi debe ser tal
que Em En sea una cantidad intensiva en el sentido termodinamico. Ello se
logra realizando solo pequenos desplazamientos en el espacio de estados.
Note que las bases fsicas del metodo de Recocido Simulado descansan
esencialmente sobre la Condicion de Equilibrio Detallado (F.3). Alguna
prueba de que este es un buen punto de partida, para justificar el metodo,
es una tarea dificil de construir. En cualquier caso
El metodo se ha tratado de construir sobre bases generales e inde-
pendiente de los detalles fsicos de un sistema particular.
La experiencia de mas de cinco decadas de aplicaciones a diversos
sistemas le confieren una buena dosis de confianza.
Su difusion se ha generalizado debido a su simplicidad y relativa
facilidad de implementacion computacional en forma independiente
de las complejidades del sistema en estudio lo cual, a su vez, ha
permitido la comparacion con numerosos resultados experimentales.
8
N. Metropolis, A. W. Rosenblut, M. N. Rosenblut, A. H. Teller, E. Teller: J. Chem. Phys. 21,
1087 ( 1953 ).
9
Note que f () /f () = e/kB T .
APENDICE F. RECOCIDO SIMULADO 204
Su extension a otras areas del conocimiento ( por ejm. . . , astrono-
ma, economa, diseno de circuitos electronicos, etc. . . ) es simple.
1 X1
0 +
hAiT = A (|n (t)i) (F.8)
t=0
T` = T`1 ; ` 1, < 1
(F.9)
T` = T0 e` ln = T0 e` ln(1[1]) T0 e(1)`
2. LOGARITMICO:
T0 ln 2
T` = , `0 (F.10)
ln (2 + `)
|4i
|N 1i
|1i
|2i |ni
|3i |5i
|0i
Figura F.2: Ilustracion de una caminata en el espacio de fases que parte de |0i
y, despues de N pasos, arriba a |ni. Dadas las reglas para realizar una transicion
arbitraria ( |mi |m0 i ), la probabilidad de encontrarse en |ni puede ser calcu-
lada, cuando N , sumando sobre todos los caminos posibles que empiezan
en |0i y terminan en |ni. Como ejercicio, construya los argumentos ne-
cesarios que muestran que el resultado ( con el metodo del Recocido
Simulado ) debe ser eEn /kB T donde E` es la energa del estado |`i.
F.4. Ejemplos13
En esta seccion mostraremos ejemplos de naturaleza extremadamente
simple. Tratamos de mantener la simplicidad de los modelo expuestos.
a continuacion, puesto que el proposito basico es ilustrar el metodo de
Recocido Simulado sin desviar la atencion hacia los detalles de un modelo
particular.
tal que podemos esperar grandes fluctuaciones alrededor del valor medio, o en
otras palabras: h|x|i < 2T . Ello es consecuencia de haber realizado un ejemplo
con una sola partcula y no se relaciona, en forma alguna, al metodo de Re-
cocido Simulado. Para remediar ello, uno debe considerar un gas de N partculas
identicas y realizar promedios sobre todas las partculas del gas. En tal caso, las
fluctuaciones son proporcionales a N 1/2 .
En particular, realizaremos la simulacion, propuesta arriba, tomando en cuen-
ta las siguientes consideraciones:
En el instante inicial, colocaremos la partcula
n en la coordenada
o XINI = 3T .
Es decir, relativamente lejos de la region x 3 |x| < T donde esperamos
que la partcula realize su paseo habitual , en equilibrio termodinamico, a
la temperatura T . De esta forma no prejuiciamos o favorecemos, para el
proposito de ilustrar el Recocido Simulado, el resultado de la simulacion.
T = 10 , 0 = 1000 , = 9000 ,
1 X1
0 +
h|x|i = |x (t)|
t=0
la cual ignora los primeros 0 pasos ( el 10 % del total ) los cuales corres-
ponden al proceso de termalizacion a la temperatura T .
15
Ver aparte 3. en la pag. 205.
APENDICE F. RECOCIDO SIMULADO 210
// partInfi0.cc
#include<cmath>
#include<cstdlib>
#include<ctime>
#include<iostream>
using namespace std;
/************************************************************/
const char *SEP="##############################\n";
const double RANDMAX1=floor(RAND_MAX + 1.5);
const unsigned char NENSAYOS=5; // Numero de ensayos.
const double T=10.0; // Temperatura.
const double XINI=3.0*T; // Posicion inicial.
const double EINI=abs(XINI); // Energia inicial de la particula.
const size_t TAU=9000U; // Iteraciones para "medir" <|x|>.
const size_t TAU0=1000U; // Iteraciones para "termalizar".
/************************************************************/
double medicion(double &error);
void transicion(double &x,double &energia);
int main()
{
double error;
cout<<SEP;
for ( unsigned char i=0 ; i<NENSAYOS ; ++i ) {
cout<<"<|x|> teorico = "<<T<<endl;
cout<<"<|x|> medido = "<<medicion(error)<<endl;
cout<<"Error = "<<error<<" %\n"<<SEP;
}
return 0;
}
APENDICE F. RECOCIDO SIMULADO 211
double absXMedido=0;
for ( t=0 ; t<TAU ; ++t ) { // Medicion.
transicion(x,energia);
absXMedido+=abs(x);
}
absXMedido/=TAU;
error=abs(1.0 - absXMedido/T)*100.0; // Error porcentual.
return absXMedido;
}
// partInfi1.cc
#include<cmath>
#include<cstdlib>
#include<ctime>
#include<iostream>
#include<vector>
using namespace std;
const char *SEP="##############################\n";
const double T=10.0; // Temperatura.
const double AMPLITUD=3.0*T; // Amplitud para inicializar.
const size_t NPART=100U; // Numero de particulas.
const size_t TAU=9000U; // Iteraciones para "medir" <|x|>.
const size_t TAU0=1000U; // Iteraciones para "termalizar".
const unsigned char NENSAYOS=5; // Numero de ensayos.
/************************************************************/
struct PartInf
{
double x,e; // x: posicion. e: energia
static const double RANDMAX1;
static double De;
static PartInf Nuevo;
static double Rand01();
error=abs(1.0 - absXMedio/T)*100.0;
return absXMedio;
}
/************************************************************/
APENDICE F. RECOCIDO SIMULADO 216
int main()
{
vector<PartInf> p(NPART);
size_t i=0,j,semilla=size_t(time((time_t *)0));
while ( i<p.size() ) {
srand(semilla++);
p[i].asigne((2.0*PartInf::Rand01() - 1.0)*AMPLITUD);
for ( j=0 ; j<TAU0 ; ++j ) p[i].transicion(T);
++i;
}
double error;
cout<<SEP;
for ( unsigned char i=0 ; i<NENSAYOS ; ++i ) {
srand(semilla++);
cout<<"<|x|> teorico = "<<T<<endl;
cout<<"<|x|> medido = "<<medicion(p,T,TAU,error)<<endl;
cout<<"Error = "<<error<<" %\n"<<SEP;
}
return 0;
}
##############################
<|x|> teorico = 10
<|x|> medido = 11.4595
Error = 14.5946 %
##############################
<|x|> teorico = 10
<|x|> medido = 10.2181
Error = 2.18097 %
##############################
<|x|> teorico = 10
<|x|> medido = 9.80664
Error = 1.93359 %
##############################
<|x|> teorico = 10
<|x|> medido = 9.86326
Error = 1.36744 %
APENDICE F. RECOCIDO SIMULADO 217
##############################
<|x|> teorico = 10
<|x|> medido = 9.269
Error = 7.31 %
##############################
el cual muestra la cercana al valor medio teorico h|x|iteor. = T = 10.
// sistema0.cc
#include<cmath>
#include<cstdlib>
#include<ctime>
#include<iostream>
#include<vector>
using namespace std;
const double TMIN=0.001; // Temperatura minima antes de T = 0.
const double T0=10.0; // Temperatura Inicial.
const size_t TAU0=100U; // Iteraciones para "termalizar" (x,y).
const size_t TAU=900U; // Iteraciones para "medir" <(x,y)>.
/************************************************************/
struct ParXY
{
double x,y,e; // e: energia = g(x,y)
static const double DOSPI,RANDMAX1;
static double De,Fase;
static ParXY Nuevo,P;
static double Fermi(double de,double temper);
static double Rand01();
return *this;
}
// Midiendo
P.x=P.y=0;
for ( i=0 ; i<tau ; ++i ) P+=transicion(temper);
*this=P/tau;
e=energia();
return *this;
}
APENDICE F. RECOCIDO SIMULADO 221
ParXY& ParXY::transicion(double temper)
{
do { // Escogiendo un salto
Nuevo.y=Rand01();
if ( Nuevo.y>0 ) Nuevo.y=sqrt(Nuevo.y);
if ( Nuevo.y>0 ) {
Fase=DOSPI*Rand01();
Nuevo.x=Nuevo.y*cos(Fase);
Nuevo.y*=sin(Fase);
} else Nuevo.x=Nuevo.y=0;
} while ( !Nuevo );
Nuevo+=(*this);
Nuevo.e=Nuevo.energia();
return *this;
}
int main()
{
ParXY p;
const double factor=0.99;
cerr<<"T0 = "<<T0<<endl;
double t=T0;
do cout<<t<< <<p.termoMedicion(TAU0,TAU,t).e<<endl;
while ( (t*=factor)>=TMIN );
cout<<0<< <<p.termoMedicion(TAU0,TAU,0).e<<endl;
cerr<<p.x<< <<p.y<<endl; // Solucion.
return 0;
}
APENDICE F. RECOCIDO SIMULADO 222
35
30
25
20
g(x,y)
15
10
0
0 1 2 3 4 5 6 7 8 9 10
T
Figura F.3: Datos generados por el programa, en C++, sistema0.cc. A altas tem-
peraturas ( T > 3, por ejm. . . ) se observan grandes fluctuaciones de la e-
nerga g (x, y) pero la tendencia es a reducir la energa a bajas temperaturas.
A T = 0 encontramos x = 1,00034 e y = 0,999962 con g (x, y) = 0,000534132 lo
cual equivale a un error porcentual de 3,42 102 %. La solucion exacta es (1, 1)
con g (1, 1) = 0. Con un sistema de ecuaciones mas complicado que (F.11), la so-
lucion aproximada podra ser tomada como punto de partida de algun algoritmo
numerico.
APENDICE F. RECOCIDO SIMULADO 223
hi, ji indica que la suma se realiza solo entre vecinos mas cercanos en una red
bidimensional infinita la cual, por simplicidad, es cuadrada ( el numero de vecinos
mas cercanos a un sitio dado es 4 ).
En equilibrio termodinamico, a la temperatura T , deseamos evaluar el mo-
mento magnetico medio por sitio m (T ) ( con campo magnetico nulo ):
P
1 X {i } eE({i })/kB T
m (T ) = lm+ lm hi i , h i P E({i })/kB T
H0 N N {i } e
i
2J 2J
y k B Tc = = 2,2692 J
arcsenh (1) ln 1 + 2
la cual describe una transicion ferromagnetica.
En esta seccion, nuestro proposito es realizar una simulacion del mode-
lo de Ising bidimensional, mediante el metodo de Recocido Simulado, que
evalua m (T ) en una red bidimensional cuadrada 45 45 con condiciones
de contorno periodicas las cuales simulan la ausencia de superficies. La
red consta de N = 45 x 45 = 2025 espines.
Para ello tomamos en cuenta las siguientes consideraciones:
1. Escogemos ( adimensionalmente )
ln 1 + 2
J= 0,4407 tal que Tc = 1 ( con kB = 1 )
2
18
L. Onsager, Phys. Rev. 65 117 (1944).
APENDICE F. RECOCIDO SIMULADO 224
2. Recorremos la red al estilo "maquina de escribir". En un sitio dado `
evaluamos el cambio de energa E` cuando se realiza el cambio ( en un sitio
dado ` ) ` ` :
1 X
E` J {[(1 2i` ) i ] [(1 2j` ) j ] i j }
2 hi,ji
1 X
= J [2 (i` + j` ) i j + 4i` j` ]
2 hi,ji
!
X La suma se realiza sobre los 4
E` = 2J` i (F.12)
i
vecinos mas cercanos al sitio `.
hi,`i
Tn+1 = 0,999 Tn , n 0 y T0 = 2
Recocido Simulado
m(T/Tc) vs. T/Tc
1 x xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxx
xxxxxxx
xxxxxxx
xxxxxx
xxxxxx
0.8
xxxxxxxx
xxxxx
xxxx
xxxxxxx
xx
x
xxxx
x
0.6
xx
x
xx
x
0.4
x
0.2 x
xx
x
xx x x
x x xx x
x xxx xx
0
xxxxxxxxxxxxx x x xx x xxxx x
xx xxxxxxx xx x xxxxxxxxxx xx xxx xx xx x x
xx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
x xx xxx xx xxxx x x
x x
xxxxxxxxxxx
x x
x
x
xxxx x x
-0.2
xx
xx
x
-0.4 x
x
x
x
x
x
-0.6 xxx
xxx
xxx
-0.8
-1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Figura F.4: Recocido Simulado del modelo de Ising bidimensional. Se uso una
red cuadrada de 2025 espines, con condiciones de contorno periodicas, para
P2024
evaluar el momento magnetico medio por sitio i=0 h i i /2025 en funcion
de T /Tc . La linea continua es la solucion de Onsager en el lmite termodina-
mico ( espines !!! ) mientras los smbolos x son los resultados del Recocido
Simulado de la muestra de 2025 espines. Note que las discrepancias no son espe-
cialmente notables cuando T < Tc . Alrededor de T = Tc = 1 pueden observarse
las fluctuaciones del momento magnetico medio por sitio. El resultado ha sido
generado por el programa, en C++, Ising2D0.cc ( ver pag. 227 ).
APENDICE F. RECOCIDO SIMULADO 227
// Ising2D0.cc
#include <cmath>
#include <cstdlib>
#include <ctime>
#include <iomanip>
#include <iostream>
#include <vector>
using namespace std;
class Ising2D: public vector<vector<signed char> >
{
private:
int intSize;
size_t nSitios;
size_t sizet(int i) const;
// Operadores
const int& intsize() const { return intSize; }
const signed char& operator()(int i,int j) const;
signed char& operator()(int i,int j);
// metodos
const size_t& sitios() const { return nSitios; }
static bool Metropolis(double de,double temper);
size_t j;
for ( size_t i=0 ; i<size() ; ++i ) {
(*this)[i].resize(size());
for ( j=0 ; j<size() ; ++j ) (*this)[i][j]=uno;
}
intSize=static_cast<int>(size());
nSitios=size()*size();
}
size_t j;
for ( size_t i=0 ; i<size() ; ++i ) {
for ( j=0 ; j<size() ; ++j ) suma+=(*this)[i][j];
}
return suma;
}
return suma;
}
return suma;
}
APENDICE F. RECOCIDO SIMULADO 231
int main()
{
srand(6397U);
Ising2D m(45U);
const size_t tau0=size_t(0.1*m.sitios());
const size_t tau=size_t(0.9*m.sitios());
const double factor=0.999,t0=2.0,tPare=0.1;
const unsigned long den=((unsigned long)tau)*m.sitios();
double t=t0;
cerr<<setprecision(15)<<t<< <<m()<<endl;
double suma;
size_t n;
while ( t>=tPare ) {
for ( n=0 ; n<tau0 ; ++n ) m.termalize(t);
suma=0;
for ( n=0 ; n<tau ; ++n ) suma+=m.termalize(t);
cout<<t<< <<(suma/den)<< <<Ising2D::Onsager(t)<<endl;
t*=factor;
}
for ( n=0 ; n<tau0 ; ++n ) m.termalize(0);
suma=0;
for ( n=0 ; n<tau ; ++n ) suma+=m.termalize(0);
cout<<0<< <<(suma/den)<< <<Ising2D::Onsager(0)<<endl;
return 0;
}
Puesto que:
y la energa de un foton es
1
hniP lanck = (F.18)
eh/kB T 1
+
"
#
X
W Pn (t) P0 (t) P1 (t)
n=0
A + B = (A + B) = A=0 = Pn = B n
P
y la condicion de normalizacion n=0 Pn = 1 a:
X 1
1=B n = B = B =1
n=0 1
Por tanto
! !n
n W W
Pn = (1 ) = 1 , n = 0, 1, 2, . . . (F.24)
W W
1
hniRS = =
1 W (F.25)
1
W
2. Con el ajuste de los datos experimentales hniP lanck realizado por Planck ( ver
expresion (F.18) ):
W
= eh/kB T (F.26)
W
Estas comparaciones permiten inferir que
En+1 En = h = En = E0 + n h , n = 0, 1, 2, . . . (F.27)
El programa fotones0.cc ( ver pag. 238 ), en C++, repite 105 veces los pasos
anteriores tanto para termalizar el gas como para medir la distribucion de pro-
babilidades Pn a la temperatura adimensional T = 20. El gran numero de itera-
ciones reduce, en gran medida, las fluctuaciones esperadas al considerar un solo
gas. As mismo, el programa mencionado arriba genero los datos que permitieron
construir la Figura F.5 ( ver pag. 240 ).
APENDICE F. RECOCIDO SIMULADO 238
// fotones0.cc
#include<cmath>
#include<cstdlib>
#include<ctime>
#include<iostream>
#include<vector>
using namespace std;
const double RANDMAX1=floor(RAND_MAX + 1.5);
const double T=20.0; // temperatura
const double PABSORCION=exp(-1.0/T);
const double P0=1.0 - PABSORCION; // P_{0}
const size_t NITER=100000U;
void inicialize(vector<size_t> &v,size_t &n);
return 0;
}
size_t nMax=0;
for ( size_t i=((n=0),0) ; i<NITER ; ++i ) { // Termalizando
transicion(n);
if ( n>nMax ) nMax=n;
}
v.resize(++nMax,0);
}
0.05
0.04
0.03
Pn
0.02
0.01
0
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105
n: Nmero de fotones
3
U (, T ) , h = kB = 1
e/T 1
( U (, T ) , y T son adimensionales )
T = 10 , NE = 100 , 0 = = 10000
// Metodos
static double Rand01();
static double U(double nu,double temper);
const size_t& fotones() const { return n; }
size_t& fotones() { return n; }
double termalize(double pAbsorcion,size_t tau0);
GasFotones& transicion(double pAbsorcion);
};
const double GasFotones::RANDMAX1=floor(RAND_MAX + 1.5);
/*******************************************************/
const double DNU=0.05; // Incremento de energia.
const double T=10.0; // Temperatura.
const double MAXNU=10.0*T; // Energia ( nu ) maxima.
//
const size_t NGASES=100U; // Numero de gases en el
// "ensemble".
const size_t TAU0=NGASES*NGASES;
const size_t TAU=TAU0;
APENDICE F. RECOCIDO SIMULADO 243
int main()
{
cout<<0<< <<0<< <<0<<endl;
vector<GasFotones> g(NGASES);
const unsigned long total=((unsigned long)TAU)*g.size();
double n,pA;
size_t i;
for ( double nu=DNU ; nu<=MAXNU ; nu+=DNU ) {
pA=exp(-nu/T);
for ( i=0 ; i<g.size() ; ++i ) g[i].termalize(pA,TAU0);
for ( i=((n=0),0) ; i<g.size() ; ++i )
n+=g[i].termalize(pA,TAU);
cout<<nu<< <<(nu*nu*nu*(n/total))<< ;
cout<<GasFotones::U(nu,T)<<endl;
}
return 0;
}
return 0;
}
return *this;
}
return suma;
}
APENDICE F. RECOCIDO SIMULADO 245
xx
x
Recocido Simulado
Resultado Terico
x
1600
x
x xxxxxx
x x xx xxx
x xx xx
xx xx
xx xxx x
xx xx
xx xx x x xx x xx xxxx x x xx
x x x x xx xxx
x x xx
1400
xxxxx xx x
x x xx xxxxx xxxxxxx xx
xx x xxx x xx xx
x xxxx xx x xxxxxxx xx xx
x
xx x x
xxx x x x
x xx x x xx x xx x x x xxx x
x xx
xx xxxxxx xxx x xx x xxx xx x xx xx x xx x x
x
x xx xx x x x xxx
x xxxxx xx xx xx xxxx x
x xx xxx x xx
x
x
xx x xx xx x xx xx xx
xxxxx x x xx xx
1200 xx xxxxx
x
x x
x xx x
x
x x x
xxx x
xxxx x xxxxxx x xx
x x
xxx
x
x
x x x xxxxxx x xxx
xx xx x x xx x
xx x xx x x xx x x
-1
xx x x x xx xx xxx x
xxxxx x
x x
- 1)
x xxxxxxxxx x xx xx x x
1000 xx x x
x xxx x xx
x x xx xx x
x xx x xx xxxx
x x x x xx x
xx x
xx
x
xxxx x
x x x
x x x
/kB T
x
xx xxxx x x xx
x xx x xxxxx x
xx xx x x x x x x
x xx x
x
xxxxxxxx
x
x x xx x x xx x xxxxx
xx xxxxx xx
800 xxx x x x
x x x x x x
x
(e
xxxx x x xx
x x x
x x x xx x x xxx x
x
xx x x x
3
xxxx xx xx
x xxxx x x x
xx x
x x xx x x
x x x xx x x xx x
x
xxxxxx xx xx
xx xxx x xx
600 xx
xxxxx
xx
x x x x
x x x
x x
xx xxxx x xx
x
x xx x
x
xxx x x x x x xx x xx x
xxxxxx x xx xx x x xx x xx x x xx
x
x x x x
xxxxx x x x
xx x
x x x xx x
x
xx x
xx x
x x
400
x x x x x xx x
xxxx
x x x x xx xx
x
xxx x
x x xx x x
x x
xxx
x x xx xx xx xxx xx
x x
xx x xxx x x x xx
xxxxx
xxxx xx xx x xx x xx x x
xx xx x x x x xx xx x
xx x x
x x x
x x x x x xxx x x x x
xx x
200
x x xx x x x xx x x
x x
xxxxxx xx x x x xx xx x x
x x xx x x x
xxxxx x x x xx x xx
xxxx x x
x x
x x xxx x xxx x xx x
xxx x xx
xx x x xx xx xxxx x x x
xxx x xx x xx xxx xxx
xxxx x x xxxx x
x x xxx xx xxxx x xxx x x x
xx
xx x x x x xxx x xx x x
x
xxxxxx x x x x xx x x x x
x
0
x x x x
xxxxxxxxxx x x x xx x x xxxxxxx xxxxxxxxxxxxx x xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxx
0 10 20 30 40 50 60 70 80 90 100
Ejercicio F.1
P0 (t + t) = P0 (t) + P1 (t) W t
P1 (t + t) = P1 (t) (1 W t) (1 W t) + P2 (t) W t
P0 (t) = W P1 (t)
P1 (t) = (W + W ) P1 (t) + W P2 (t)
Pn (t) = W Pn1 (t) (W + W ) Pn (t) + W Pn+1 (t) , n2
Denotemos con {Pn } al conjunto de soluciones estacionarias Pn (t) = 0, n
de {Pn (t)} las cuales satisfacen:
0 = W P1
0 = (W + W ) P1 + W P2
0 = W Pn1 (W + W ) Pn + W Pn+1 , n2
28
Obviamos los detalles puesto que el razonamiento es similar al de la seccion citada arriba
( ver pag. 233 ).
APENDICE F. RECOCIDO SIMULADO 247
Salvo en el caso no importante y trivial W = W = 0, se obtiene:
W 6= 0 o W 6= 0
(F.28)
1, si n = 0
Pn =
0, si n > 0