Revista Brasileira de Ensino de F sica, v. 35, n. 2, 2502 (2013) www.sbsica.org.

br

Ensinando a natureza estat stica da segunda lei da termodin amica no Ensino M edio
(Teaching the statistical nature of the second law of thermodynamics in High School)

Paulo Victor S. Souza11 , Penha M. Cardozo Dias2 , Filipe M.P. dos Santos1
1

Instituto Federal de Educa ca o, Ci encia e Tecnologia do Rio de Janeiro, Campus Nil opolis, Rio de Janeiro, RJ, Brasil 2 Instituto de F sica, Universidade Federal do Rio de Janeiro, Rio de Janeiro, RJ, Brasil Recebido em 30/6/2012; Aceito em 19/12/2012; Publicado em 24/4/2013 Apresentamos uma proposta de ensino da estat stica da segunda lei para uso no Ensino M edio. Essa proposta adapta uma id eia de Martin Sussman para representar estados, usando uma garrafa PET, bolas de gude e uma mangueira de ar refrigerado. Criamos, ainda, um aplicativo de simula ca o de contagem de estados, de f acil uso, e que reproduz a distribui ca o de bolas na mangueira (gaussiana). Palavras-chave: segunda lei, termodin amica, f sica estat stica. This paper proposes to teach the statistical nature of the second law of thermodynamics in High School. We adapt a former idea by Martin Sussman to represent microstates, using materials, such as a PET bottle, marbles, and a plastic hose. We present a program to simulate the counting of states, which reproduces the distribution of marbles in the hose (Gaussian) Keywords: seconmd law, thermodynamics, statistical physics.

1. Introdu c ao
A segunda lei da termodin amica e, em geral, tratada supercialmente, nos textos de Ensino M edio. Frequentemente, a lei e apresentada como uma f ormula que fornece o rendimento de m aquinas t ermicas; mas essa f ormula e apenas uma consequ encia, a lei signica muito mais [1]. Em particular, o aspecto microsc opico da lei e ignorado. Ora, ignorar esse aspecto e ignorar o car ater estat stico da lei e seu signicado. Propomos, ent ao, uma abordagem para a segunda lei da termodin amica que introduz seus aspectos estat sticos e que e access vel ao aluno do Ensino M edio.2 Este artigo e inspirado em um artigo de Martin V. Sussman [2] e em um artigo de Tim Harman [3]. Sussman constr oi um aparelho capaz de, entre outras coisas, invocar o dem onio de Maxwell. Segundo o autor, com o aparato criado por ele, pode-se ilustrar: (1) o car ater estat stico da lei; (2) os n veis de energia microsc opicos e (3) a a c ao do Dem onio de Maxwell. Embora sua ideia seja interessante, o autor n ao constr oi a estat stica dos n veis e nem elabora uma proposta concreta de ensino (o que se justica, pois a elabora c ao de uma proposta
1 E-mail:

de ensino escapa ao escopo do artigo). Em um trabalho posterior, Harman exemplica o car ater probabil stico da lei, pela a c ao de uma esp ecie de Dem onio de Maxwell [3]. No presente trabalho, o aparelho constru do por Sussman e modicado, de modo a torn a-lo mais pr atico para uso em sala de aula e de constru c ao trivial e barata. O aparelho que propomos e composto de uma garrafa PET, uma mangueira de pl astico ex vel, como as usadas em ar condicionado para retirada da agua de condensa c ao, e bolas de gude. Adaptamos o experimento, de modo a mostrar o aspecto estat stico, contando estados (possibilidades de disposi c ao das bolas dentro da mangueira); com isso, ilustramos, tamb em, a explica c ao estat stica de Harman. Outro resultado do artigo e um aplicativo para simular a contagem de estados, de f acil uso em sala de aula. O presente artigo est a esquematizado da seguinte forma: na se c ao 2, apresentamos um breve hist orico do car ater estat stico da lei. Na se c ao 3, descrevemos os trabalhos de Sussman e de Harman. Na se c ao 4, apresentamos a proposta de ensino da estat stica da segunda lei e o aplicativo de simula c ao de contagem de estados.

paulo.victor@ifrj.edu.br.

2 Propostas semelhantes est ao presentes na literatura [1114] mas, como ver a o leitor, consideramos nossa contribui ca o relevante pois enfoca o carater estat stico da segunda lei e o discute de um modo acess vel ao aluno de Ensino M edio.

Copyright by the Sociedade Brasileira de F sica. Printed in Brazil.

2502-2

Souza et al.

Na se c ao 5, descrevemos como a proposta foi ` a sala de aula originalmente. Na u ltima se c ao, tecemos alguns coment arios nais que julgamos relevantes.

2.

Um breve hist orico da segunda lei

Em 1824, Sadi Carnot enunciou um princ pio, segundo o qual o funcionamento de uma m aquina t ermica consiste no transporte de cal orico de uma fonte quente para uma fria; nesse processo, trabalho e produzido pela expans ao de um g as e cal orico e conservado [4]. Em 1850, Rudolf Julius Emmanuel Clausius, depois dos resultados de James Prescott Joule (1843), entende que calor (n ao mais cal orico) n ao pode ser conservado: Parte do calor e transformada em trabalho e parte, transferida para a fonte fria. Para demonstrar que duas m aquinas operando entre duas temperaturas respectivamente iguais, mas usando diferente subst ancias, produzem a mesma quantidade de trabalho um teorema anteriormente proposto por Carnot Clausius introduz o axioma de que a tend encia do calor e de equalizar temperaturas, logo ui do corpo quente para o frio, de modo espont aneo [1]. Em 1854, Clausius deu outra grande contribui c ao ` a Teoria do Calor: ele explora a id eia original de Carnot de que algo deve ser conservado ao fechar um ciclo, se for para reiniciar um novo ciclo da m aquina [1, 5]. Clausius constr oi a ideia de cancelamento de opera c oes ao fechar o ciclo. Cancelamento, na linguagem de Clausius, signica que as duas opera c oes que ele distingue na m aquina se cancelam ap os um ciclo fechado; as opera c oes s ao: transporte de calor (de uma fonte quente para uma fria) e produ c ao de trabalho; para fazer algebricamente o cancelamento, ele atribui uma fun c ao da temperatura a cada opera c ao.3 Ele aplica o conceito a duas m aquinas acopladas, uma operando no sentido direto (de realizar trabalho a partir do calor) e outra, no inverso (de usar trabalho para transferir calor de uma fonte fria para uma quente); ap os longo c alculo, chega ao resultado de que cancelamento traduz-se na express ao dS = dQ ao, respectivamente, T , onde S , Q, T s entropia, calor transferido (recebido ou cedido pela m aquina) e a temperatura em que a transfer encia de calor se d a [1, 5]. Em 1865, Clausius cria a express ao entropia, um nome que, segundo ele, lembra energia e a palavra grega para transforma c ao ( o ). Em meados do s eculo XIX, James Clerk Maxwell [6] argumentou que a segunda lei e estat stica. No argumento original de Maxwell, um g as a uma temperatura dada preenche dois compartimentos de um mesmo recipiente; de acordo com a segunda lei, do ponto de vista macrosc opico, uma vez atingido o equil brio de
3A 4 Veloz

temperatura, esse equil brio deve permanecer. O argumento de Maxwell consiste em mostrar que isso n ao e inteiramente verdadeiro, pois um ser que seja capaz de interagir com as mol eculas de um g as pode reverter a segunda lei, esquentando o g as em um dos compartimentos e o esfriando no outro compartimento. Maxwell imaginou que uma portinhola entre os dois compartimentos pudesse ser operada por um ser (ou alguma coisa) muito pequeno, que enxergasse as mol eculas. Esse ser abre a portinhola, quando mol eculas velozes se aproximam, e a fecha, quando mol eculas vagarosas se aproximam;4 o resultado e que, depois de certo tempo, um compartimento cont em mol eculas velozes, o que aumenta a temperatura do g as nele contido, enquanto o outro compartimento cont em mol eculas vagarosas, diminuindo a temperatura do g as nele contido. Desde ent ao, a natureza desse ser tem sido discutida [7]. Em 1923, Leo Szilard [8] o transformou em algo capaz de tomar decis oes: Szilard argumentou que, para agir, o Dem onio precisa obter informa c ao sobre a posi c ao das mol eculas e, para obter essa informa c ao, ele gasta mais entropia do que economiza, separando as mol eculas. Nas m aos de Brillouin [9], a discuss ao passou a ser por que um Dem onio, que pode ser constru do, n ao pode operar? No nal do s eculo XIX, Ludwig Boltzmann prop os e demonstrou o teorema-H, segundo o qual um g as inicialmente fora do equil brio termodin amico atinge o equil brio ap os algum tempo, como consequ encia das m ultiplas colis oes entre suas mol eculas; o estado do g as e matematicamente descrito por uma distribui c ao de velocidades das mol eculas e, em particular, o estado de equil brio e descrito pela distribui c ao de MaxwellBoltzmann. Esse processo e irrevers vel e a irreversibilidade e descrita pela exist encia de uma fun c ao H , o negativo da entropia, que decresce. O teorema e estat stico, mas isso n ao cou imediatamente claro na demonstra c ao, que parece ser mec anica e n ao estat stica; isso suscitou um debate, em 1894, sobre qual seria a hip otese estat stica do teorema-H [10]. Al em disso, em duas outras ocasi oes diferentes, o teorema recebeu graves cr ticas. Josef Loschmidt argumenta que n ao pode existir uma H monotonicamente decrescente, pois as leis da mec anica s ao revers veis e, revertendo simultaneamente as velocidades de todas mol eculas do g as, ele deve retornar ` a sua condi c ao inicial; ent ao, para estados que levam ` a diminui c ao de H , h a outros que levam a seu aumento. Em 1896, Ernst Zermelo utiliza um teorema demonstrado por Henri Poincar e para armar que, em algum momento, qualquer sistema fechado retorna ` as condi c oes iniciais, de modo que n ao pode haver uma fun c ao dos estados que sempre decres ca. Boltzmann

escolha da fun c ao n ao e trivial e foge ao escopo deste breve hist orico [1, 5]. pode ser denido como vmolec > < v 2 > e vagaroso, como vmolec < < v 2 >, onde < v 2 > e a m edia dos quadrados das velocidades das mol eculas. 5 Em resposta a Zermelo, Boltzmann argumenta que, para um g as de alguns cent metros c ubicos, o tempo necess ario para que o sistema retorne ` as condi c oes iniciais e muitas ordens de grandeza maior do que a idade do Universo e, por isso, a cr tica, embora

Ensinando a natureza estat stica da segunda lei da termodin amica no Ensino M edio

2502-3

responde que seu teorema e estat stico e representa o comportamento mais prov a vel do g as.5 No teorema H, H = S = k dV p ln p, onde p e a distribui c ao de velocidades (probabilidade de um estado de velocidade) e dV e o elemento de volume no espa co de velocidades. Ap os as cr ticas, Boltzmann desenvolve uma express ao para a segunda lei, obtida por contagem de microestados () das mol eculas de um g as S = k ln , onde S e a entropia e k , a constante de Bolztmann. (1)

3.

Observando mol eculas: Harman

Sussman e

O aparato constru do por Sussman e apresentado na Fig. 1A. O aparato e composto de um recipiente de vidro com um gargalo comprido, onde s ao inseridas 10 bolas (cinco pretas e cinco brancas). As bolas brancas s ao maci cas; as pretas s ao ocas, mas cont em, dentro, uma outra bola menor, de a co. As bolas podem se movimentar livremente dentro do recipiente. Para discutir n veis de energia de um sistema, Sussman atribui a cada bolinha, preta ou branca, um n umero, que corresponde ` a sua posi c ao no gargalo, contado a partir da boca do gargalo (Fig. 1A). As bolas pretas representam mol eculas, possuem massa e podem realizar trabalho; as bolas brancas representam espa cos vazios, sem massa, e n ao podem realizar trabalho; assim, s o as bolas pretas contribuem para o n vel de energia. O n vel de energia de uma dada bola preta e dado por sua posi c ao no gargalo: conta-se quantas bolas pretas e brancas est ao abaixo dela e esse n umero e sua energia. Por exemplo: a m axima energia de uma bola preta ocorre, quando ela est a na posi c ao mais distante do gargalo, ou seja, com as outras nove bolas debaixo dela; nesse caso, sua energia e 9 unidades. A menor energia de uma bola preta ocorre, por outro lado, quando ela se encontra na boca do gargalo, com as outras nove bolas acima dela; nesse caso sua energia e 0. A energia total do sistema e a soma das energias das bolas pretas; assim, a energia do sistema varia de 10 (todas as bolas pretas embaixo das brancas) a 35 unidades (todas as bolas pretas acima das brancas). O efeito do aumento da energia das mol eculas pela adi c ao de calor ao sistema pode ser simulado pela altera c ao da ordem de mol eculas no gargalo; uma dada ordem e chamada congura c ao. Para isso, basta que se adicionem ou se removam bolas brancas do gargalo. Ademais, a adi c ao de bolas brancas ao sistema aumenta n ao s oo n umero de n veis access veis, como aumenta o n umero de possibilidades de coloca c ao de uma bola preta no gargalo. O dem onio manipula a ordem das bolas no gargalo, impedindo que as congura c oes sejam aleat orias. Gifundamentada, n ao e aplic avel [15].

rando o recipiente, as bolas tamb em giram (Fig. 1B). As bolas pretas dissipam energia em forma de calor, devido ` as colis oes das bolas menores que est ao dentro dela e, na medida em que giram cada vez mais lentamente, elas escorregam e entram no gargalo, antes das brancas. Assim, um resultado que deveria ser aleat orio e, agora, controlado pela a c ao de girar o recipiente e o resultado obtido e sempre o mesmo bolas brancas sobre as pretas o que coloca o sistema no n vel baixo de energia. Harman [3] explora mais de perto, o argumento original de Maxwell: A entropia pode diminuir, embora a probabilidade de que isso aconte ca seja pequena. Harman apresenta o seguinte exemplo: considere dois recipientes A e B , que est ao conectados. Dentro desses recipientes, existem dois tipos de mol eculas, r apidas e lentas. Al em disso, em B h a mais mol eculas r apidas do que lentas; em A, o contr ario ocorre. Assim, B est aa uma temperatura maior do que A, ou, se se preferir, B tem energia interna maior do que A.

(a)

(b)
Figura 1 - (A) O aparato montado por Sussmann; (B) manipula c ao da ordem das bolas. As guras foram copiadas da Ref. [2].

2502-4

Souza et al.

Quatro eventos podem ocorrer: 1. Uma mol ecula r apida passar de A para B 2. Uma mol ecula lenta passar de A para B 3. Uma mol ecula r apida passar de B para A (a) 4. Uma mol ecula lenta passar de B para A Esses eventos t em a mesma probabilidade de ocorrer? N ao, responde Harman. Embora todos sejam poss veis, os eventos 2 e 3 s ao mais prov aveis, tendo em vista as caracter sticas moleculares dos sistemas. Naturalmente, embora B possa car cada vez mais quente e A, cada vez mais frio, isso e muito improv avel. Para 1 de 1 mol, i.e., um litro de g as ` a press ao atmosf erica ( 24 cerca de 2, 5 1022 mol eculas), considerando que todas as mol eculas se movem independentemente, esta probabilidade, isto e, a probabilidade de B car mais quente 21 enquanto A ca mais frio, ascende a 1 em 107,610 estatisticamente imposs tentativas. E vel que bolas de neve surjam no inferno, como ironiza o autor. Os autores gostariam de enfatizar a import ancia desses trabalhos na motiva c ao de um problema e constru c ao da proposta deste artigo, descrita a seguir.

(b)
Figura 2 - (A) O aparato e (B) seus componentes.

2. Bolas de uma mesma cor s ao consideradas indistingu veis entre elas. A distin c ao e, pois, apenas, entre bolas pretas e transparentes. 3. O sistema est a, inicialmente, disposto de forma que as 5 bolas pretas est ao em cima, na mangueira, e as 5 transparentes, abaixo delas (Fig. 3A). Essa disposi c ao vai ser chamada de disposi c ao padr ao.6 4. A passagem do tempo e representada pelo ato de retornar as bolas ` a garrafa, sacudi-las e voltar com elas ` a mangueira. Assim, depois de algum tempo, o g as pode ser encontrado em qualquer congura c ao, como, por exemplo, na Fig. 3B.

4.
4.1.

Uma ilustra c ao da estat stica da segunda lei da termodin amica

O experimento

O aparato que constru mos (Fig. 2) e uma varia c ao do aparato de Sussmann. Utilizamos uma garrafa PET, um mangueira de borracha transparente, de di ametro compar avel ao di ametro do gargalo da garrafa, de modo que possa ser inserida no gargalo, e dez bolas de gude, cinco pretas e cinco transparentes. Esses materiais s ao baratos, de f acil acesso, de modo que o aparato pode ser constru do por professores, em qualquer unidade escolar; de fato, o ideal e que cada aluno construa o seu. O comprimento da mangueira deve ser suciente para conter as 10 bolas de gude. As bolas podem se mover livremente dentro da garrafa e o experimento consiste em trazer as bolas, pretas e transparentes, para dentro da mangueira, sacudindo a garrafa. Ent ao, a ordem das bolas e observada. No experimento, deve ser suposto que: 1. Bolas de gude pretas representam mol eculas do g as e bolas de gude transparentes, espa cos vazios entre mol eculas.

(a)

(b)

Figura 3 - (A) Disposi c ao padr ao. O g as ocupa um volume de 5 bolas, na parte superior da mangueira e (B) uma poss vel disposi c ao.

6 Essa disposi c ao corresponde a concentrar o g as numa regi ao pequena do recipiente, a saber 5 volumes moleculares na parte superior da mangueira. Se houvesse bolas transparentes entre as pretas, as bolas pretas estariam mais espalhadas na mangueira (Fig. 3B); na analogia, o g as (bolas pretas) ocuparia mais regi oes dentro da mangueira (mais volume do recipiente). Se todas bolas pretas estivessem em baixo e todas as transparentes, em cima, as bolas pretas estariam concentradas em uma regi ao, tamb em, de apenas 5 volumes moleculares; uma diferen ca entre essa disposi c ao e a disposi c ao padr ao ser a feita na pr oxima subse c ao, introduzindo a id eia de macroestado.

Ensinando a natureza estat stica da segunda lei da termodin amica no Ensino M edio

2502-5

4.2.

Construindo os conceitos de microestado e macroestado

A partir de agora, o termo disposi c ao vai ser substitu do pelo termo t ecnico congura c ao. Cada congura c ao e um poss vel microestado do g as. Usando a letra M para denotar uma bola preta (mol ecula) e a letra V para denotar uma bola transparente (espa co vazio), ent ao MMMVVMMVVV e MVVVVMMVMM representam microestados diferentes do g as.7 Como bolas de uma mesma cor s ao indistingu veis entre elas, e imposs vel saber a diferen ca entre duas disposi c oes que diferem somente pela permuta c ao de bolas pretas entre elas; igualmente para as bolas transparentes. Macroestados, por sua vez, s ao grandezas macrosc opicas que reetem os microestados de modo que, a cada microestado corresponda um u nico macroestado, embora a rec proca n ao precise ser verdadeira, como se ver a, abaixo. No caso do g as hipot etico deste trabalho, o macroestado ser a representado por um n umero atribu do a cada congura c ao; esse n umero ser a chamado macrovalor. Os macrovalores s ao comparados a estados macrosc opicos de um g as, por exemplo, ` a energia correspondente a cada microestado molecular. Diferentes microestados podem estar associados a um mesmo macrovalor e, consequentemente, representar o mesmo macroestado. O macrovalor e denido da seguinte maneira: A cada bola preta atribui-se 1 ponto multiplicado pela posi c ao que a bola ocupa em rela c ao ` a boca da mangueira; espa cos vazios (bolas transparentes) n ao contribuem para o macrovalor. Assim, o macrovalor e a soma do n umero atribu do ` a posi c ao de cada bola preta; por exemplo, o macrovalor do microestado MVVVVVMMMM e 10 + 4 + 3 + 2 + 1 = 20. A congura c ao padr ao (pode-se, agora, usar a locu c ao congura c ao, em vez de disposi c ao) tem macrovalor 10 + 9 + 8 + 7 + 6 = 40; n ao e dif cil concluir que esse e o maior poss vel macrovalor, pois e aquele em que as bolas pretas t em o maior n umero devido ` a posi c ao delas
Tabela 1 - Apresenta c ao de apenas alguns dos microestados poss veis.
Macrovalor=15 Microestados=1 VVVVVMMMMM Macrovalor=18 Microestados=3 VVMVVVMMMM VVVMVMVMMM VVVVMMMVMM Macrovalor=25 Microestados=17 MMVVVVVMMM MVMVVVMVMM MVVMVVMMVM MVVMVMVVMM MVVVMMVMVM MVVVMVMMMV VMMVVMVVMM VMMVVVMMVM VMVMMVVVMM VMVMVMVMVM VMVMVVMMMV VMVVMMVMMV VMVVMMMVVM VVMMVMMVVM VVMMVMVMMV VVMMMVVMVM VVMVMMMVMV

no tubo. Suponha, agora, que, a partir da congura c ao padr ao o g as evolva para outro estado qualquer. Pergunta-se: Qual a probabilidade de que retorne ` a congura c ao padr ao, aquela que maximiza o macrovalor? Para responder a esta pergunta, estudaremos a estat stica dos micro e macroestados de nosso g as. O n umero total de microestados e 10! = 252; 5!5! (2)

onde o denominador e o n umero de permuta c oes de 10 posi c oes e o denominador e o n umero de permuta c oes de 5 bolas pretas; o denominador e introduzido, pois as bolas pretas podem ser permutadas entre elas sem mudar o microestado e o macrovalor; analogamente para as transparentes. Se os microestados forem todos igualmente prov aveis, a probabilidade de que o g as retorne ao microestado estado inicial ser a 1 0, 0039 252 ou 0, 39%, (3)

bem como ser a essa a probabilidade de ocorrer qualquer outro microestado, por exemplo, o microestado MMVVVVMMVM, que corresponde ao macrovalor 10 + 9 + 4 + 3 + 1 = 27. Por em, pode haver muitos microestados correspondendo ao mesmo macrovalor. Por exemplo, h a 17 microestados com o macrovalor 27, enquanto s o existe 1 microestado com o macrovalor 40. A Tabela 1 lista os microestados associados a alguns macrovalores. Como os microestados s ao considerados igualmente prov aveis, a probabilidade de que se encontre o sistema no macroestado de macrovalor 27 e 19 1 0.075% 252 ou 7, 5%, (4)

enquanto o macroestado correspondente ao macrovalor 40, associado ` a congura c ao inicial tem apenas 0, 39% de ocorrer.

Macrovalor=27 Microestados=19 MMVVVMVVMM MMVVVVMMVM MMVVMVVVMM MVMVVMVMVM MVMVVVMMMV MVVMMVVMVM MVVMVMMVVM MVVMVMVMMV MVVVMMMVMV VMMVMVVMVM VMMVVMMVVM VMMMVVVVMM VMMVVMVMMV VMVMVMMVMV VMVMMVVMMV VMVVMMMMVV VVMMMMVVVM VVMMMVMVMV VVMMVMMMVV

Macrovalor=30 Microestados=17 MMMVVVVVMM MMVMVVVMVM MMVVMVVMMV MMVVMVMVVM MMVVVMMVMV MVMMVVVMMV MVMMVVMVVM MVMVMMVVVM MVMVMVMVMV MVVMMMVVMV MVVMMVMMVV VMMMVMVVVM VMMMVVMVMV VMMVMMVVMV VMMVMVMMVV VMVMMMVMVV VVMMMMMVVV

Macrovalor=37 Microestados=3 MMMMVVVMVV MMMVMVMVVV MMVMMMVVVV

Macrovalor=40 Microestados=1 MMMMMVVVVV

7 Neste

texto utilizaremos a seguinte nota c ao: as congura c oes s ao lidas da esquerda para a direita.

2502-6

Souza et al.

Fazendo um gr aco em que a abcissa e o macrovalor e a ordenada, o n umero de microestados correspondendo ao macrovalor, obt em-se o gr aco da fun c ao gaussiana, curva que tem como assinatura o fato dos eventos (microestados) serem estatisticamente independentes; pode-se normalizar os valores da ordenada, dividindo-os pelo mesmo n umero (252), de modo que a ordenada e, tamb em, a probabilidade de cada macrovalor. O que ocorre, aumentando o volume do g as? No modelo, isso signica aumentar o n umero de bolas transparentes. Considere, por exemplo, o g as com cinco mol eculas e seis espa cos vazios. Ent ao, h a 11! = 462 5!6! (5)
Figura 4 - Gr aco do macroestado versus probabilidade de ocorr encia para o g as composto de (vermelho) cinco mol eculas e cinco espa cos vazios e (azul) cinco mol eculas e seis espa cos vazios.

congura c oes poss veis para o sistema. A congura c ao que maximiza o macrovalor (congura c ao padr ao) ser a MMMMMVVVVVV, que corresponde ao macrovalor 45. A probabilidade da congura c ao padr ao (ou qualquer outra congura c ao) ser encontrada e 1 0, 0022 462 ou 0, 22%. (6)

conveniente atribuir uma grandeza que me E ca o n umero de microestados em cada macrovalor. Essa grandeza e chamada entropia e deve ser proporcional ao n umero de microestados com um u nico macrovalor. Por (importantes) raz oes t ecnicas (para que a entropia seja aditiva), introduz-se a fun c ao logaritmo e dene-se S ln , (8)

Note que o acr escimo no volume do sistema aumenta o n umero de n veis de energia dispon veis para serem ocupados (n umero de microestados), o que acarreta a diminui c ao da probabilidade de se recuperar a congura c ao padr ao, depois do g as se difundir. O macrovalor 27 ser a, agora, partilhado por 29 microestados: Os 10 da Tabela 1 e mais outros 10, a saber:
Tabela 2 - Apresenta ca o dos microestados adicionais associados ao macrovalor 27. MMVVVVVVMMM MVMVVVVMMMV MVMVVVMVMVM MVVMVVVMMVM MVVMVVMVVMM MVVVMVMVMVM MVVVMVVMMMV MVVVMMVVVMM MVVVVMMMVVM MVVVVMMVMMV

onde e o n umero de microestados com um dado macrovalor; claramente, macroestados com maior n umero de microestados maximizam o valor de S . Sistemas f sicos caminham espontaneamente para macroestados representados pelo maior n umero de microestados, maximizando S . 4.3. Simulando contagem de estados

Assim, a probabilidade de se encontrar o macrovalor 27 e 1 29 0, 063 ou 6, 3%; (7) 462 logo e 29 vezes mais prov avel encontrar o macrovalor 27 do que o macrovalor 45. Veja a Fig. 4. Conforme o volume for aumentado, recuperar a congura c ao padr ao torna-se cada vez mais improv avel, de modo que sistemas reais formados por cerca de 1023 mol eculas s ao dominados por macroestados que correspondem ao maior n umero de microestados e recuperar a congura c ao padr ao e extremamente improv avel, embora poss vel.

Na medida em que se aumenta o volume do g as, torna-se computacionalmente invi avel estud a-lo na m ao. Ent ao, desenvolvemos um aplicativo que, dados o n umero de mol eculas e de espa cos vazios, gera a frequencia de ocorr encia dos macrovalores, isto e, o n umero de microestados correspondendo ao macrovalor. Descrevemos como o aplicativo pode ser utilizado e onde est a dispon vel. O aplicativo, cujo nome e combina c ao, foi escrito na linguagem C e est a dispon vel para download no endere co www.if.ufrj.br/~pef/producao_academica/ artigos/2012_pvictor_2/combinacao.rar O arquivo para download, combinacao.rar, depois de descompactado, d a origem a dois arquivos, o combina.exe e o info.in. Esse u ltimo e um arquivo de texto c e, por isso, no Windows , deve ser aberto com o bloco de notas. O aplicativo funciona do seguinte modo: 1. Executar o arquivo info.in. Aparecer a, na tela, um texto (Fig. 5A). O primeiro n umero (5, no

Ensinando a natureza estat stica da segunda lei da termodin amica no Ensino M edio

2502-7

exemplo) refere-se ` a quantidade de mol eculas (bolas pretas), e o segundo n umero (6, no exemplo) refere-se ` a quantidade de espa cos vazios (bolas transparentes). Pode-se modicar este n umero da forma como se desejar.8 2. Salvar as altera c oes e executar o arquivo combina.exe. O combina.exe, quando executado, faz a combina c ao e cria um arquivo de texto com os resultados. Por exemplo, se o valor escolhido para as vari aveis for 5 e 6, a execu c ao do arquivo combina.exe resultar a na cria c ao do arquivo saida M = 5 V = 6 .dat. O arquivo ser a criado no mesmo diret orio onde est ao localizados os arquivos combina.exe e o info.in. A frequ encia de ocorr encia associada a cada macrovalor aparece no arquivo, como mostra a Fig. 5B. 3. Essas informa c oes podem ser aplicadas em qualquer aplicativo capaz de gerar gr acos, tais como c c Excel ou Gnuplot . As Figs. 6A e 6B exibem gr acos gerados, a partir dos dados obtidos com c nosso aplicativo, com o Gnuplot .

(a)

(b) (a)
Figura 6 - (A) Gr aco do macroestado versus probabilidade de ocorr encia para o g as composto de cinco mol eculas e cem espa cos vazios e (B) Gr aco do macroestado versus probabilidade de ocorr encia para o g as composto de cinco mol eculas e esp cos vazios que variam de 1000 a 2500.

5.

Levando a contagem estat stica de microestados ` a sala de aula

(b)
Figura 5 - (A) Aspecto do arquivo info.in; (B) Aspecto do arquivo saida M = 5 V = 6 .dat

O que se descreve a seguir e a experi encia de um dos autores em sala de aula, na rede p ublica estadual do Rio de Janeiro. Uma aplica c ao de um piloto da proposta foi feita, a qual, dentro das devidas propor c oes e peculiaridades, se mostrou ecaz.9 As atividades foram propostas para serem realizadas pelos pr oprios alunos, como estrat egia de investiga c ao de um problema concreto. Ressalta-se um aspecto fundamental dessa proposta: O aprendiz e o protagonista de seu aprendizado. Ap os terem estudado a segunda lei, como geralmente e apresentada nos livros did aticos do Ensino M edio, incluindo m aquinas t ermicas, foi apresentado aos alunos um texto em prosa cujo t tulo e: Cec lia,

8 H a, naturalmente, limites computacionais para a utiliza c ao do aplicativo. A escolha de n umeros com mais de 4 algarismos, al em de implicar num processamento muito demorado, pode apresentar resultados inesperados, dependendo do computador em que e executado. 9 N ao foi feito um levantamento estat stico de qu ao ecaz foi a proposta, pois, na epoca, n ao havia o objetivo de uma avalia c ao do aprendizado; era, t ao somente, uma tentativa de estender aos alunos a oportunidade de conhecer a formula ca o estat stica da segunda lei da termodin amica.

2502-8

Souza et al.

o perfume e a segunda lei da termodin amica. O texto descreve as perip ecias de Cec lia, uma adolescente que vive mexendo nas coisas de sua m ae, at e o dia em que entorna, sobre a cama, o frasco do perfume preferido de sua m ae. Apavorada, pois sabia que sua m ae caria zangada e lhe passaria um pito, Cec lia escondeu o frasco vazio, mas o cheiro do perfume persistiu no quarto e na coberta da cama. Para ajudar Cec lia a esconder sua arte, foi feita uma pergunta: uma vez espalhado, h a alguma possibilidade do cheiro voltar a concentrar-se dentro do frasco, como de in cio? Ou, mais precisamente, pode um g as difundido retornar espontaneamente ` as condi c oes iniciais? Para discutir a quest ao, foi sugerida a constru c ao do aparato experimental descrito neste artigo e foi proposto o estudo estat stico das mol eculas de um g as composto por apenas 5 mol eculas (representadas pelas bolas de gude pretas), livres para se mover num ambiente fechado (representado pela garrafa PET). Com este aparato, os conceitos descritos na se c ao anterior s ao discutidos. Os alunos foram estimulados a construir seus pr oprios aparatos em casa, calcular o macrovalor, construir tabelas an alogas ` a Tabela 1 deste texto e a construir, a partir dos dados da tabela, gr acos tais como os representados na Fig. 4. Como exemplo, foi solicitado aos alunos que estimassem, para o sistema M = 5 e V = 5, o macrovalor das congura c oes obtidas em 25, 50 e 100 aferi c oes aleat orias e sucessivas, construissem uma tabela e, subsequentemente, um gra fico e que comparassem seu gr aco com o gr aco apresentado na Fig. 4A. O exerc cio foi repetido para o sistema composto por M = 5 e V = 6. Em seguida, foi utilizado o aplicativo acima descrito para construir o gr aco macroestado n umero de microestados para diferentes n umeros de bolas pretas, vericando que sempre se obt em a gaussiana e que pode ser mais ou menos estreita, dependendo do n umero do n umero de mol eculas e do volume. Por m, foi discutida a validade e as implica c oes dos resultados obtidos, em especial, dos gr acos que indicam que um g as, uma vez espalhado, tem probabilidade remota de retornar ` as suas condi c oes iniciais. Assim, ` a luz da vers ao estat stica de Boltzmann para a segunda lei, a jovem Cec lia n ao escapar a das consequ encias. A discuss ao foi sumarizada por meio da produ c ao de um texto, por parte dos alunos, cujo objetivo foi descrever com argumentos qualitativos por que a traquinagem de Cec lia n ao passaria despercebida.

de uma subst ancia em um campo magn etico externo, a propriedades dos s olidos, ao spalhamento da luz, ` a transi c ao de fase, etc. A distribui c ao de bolas (simbolizando indiv duos que t em alguma propriedade) em caixas (simbolizando a propriedade) e um modo muito usado nos livros de mec anica estat stica para ilustrar contagem de estados e serve a sistemas estat sticos em geral, pois as bolas apenas representam indiv duos que possuem tal ou qual propriedade; a propriedade a ser distribu da pode ser estado de spin (up ou down), mol eculas sem spin mas distingu veis, frequ encia de vibra c ao de mol eculas e da luz, etc. O aspecto mais importante na contagem dos modos de distribui c ao da propriedade entre os indiv duos, o qual e f acil de explicar com bolas de gude, e que a contagem depende de uma regra a-priori de sele c ao, a saber, se os indiv duos s ao distingu veis, indistingu veis e, neste caso, quantos indiv duos podem ser colocados juntos na mesma caixa. Neste artigo somente foi considerado o g as cl assico de Boltzmann, em que as mol eculas s ao distingu veis. O artigo e direcionado ao Ensino M edio e partiu do que foi feito em sala de aula por um dos autores. Quando da aplica c ao piloto, percebemos que os alunos caram menos resistentes ao conte udo, pois: (1) Toda discuss ao foi realizada dentro de um contexto que lhes e familiar, como o texto sobre Cec lia; (2) eles se envolveram ativamente, quando precisaram, por conta pr opria, construir o aparato e utiliz a-lo para fazer medi c oes e estimativas. Acreditamos que o principal dividendo de nossa proposta e a clara rela c ao que se estabelece entre a constru c ao de modelos em f sica e a solu c ao de problemas concretos. Outro aspecto que merece men c ao e a exalta c ao da matem atica como linguagem ideal para express ao de discuss ao de problemas f sicos. Sem combina c ao, tabelas e gr acos, n ao seria poss vel armar se Cec lia pagaria ou n ao o pre co da bagun ca. A import ancia da utiliza c ao do computador na solu c ao de problemas complexos em f sica, o que e uma realidade absoluta,10 tamb em e enfatizada, o que d a aos alunos uma no c ao mais clara das limita c oes dos f sicos e das potencialidades enormes que surgiram com o advento do computador. Por m, destacamos que a participa c ao ativa dos alunos e um aspecto fundamental para o sucesso da proposta e tamb em uma consequ encia da forma como foi pensada. De fato, nossa proposta teve o objetivo de estimular a participa c ao e o que observamos foi justamente isso.

6.

Coment arios nais

Refer encias
[1] Penha M. Cardozo Dias, Revista Brasileira de Ensino de F sica 23, 226 (2001). [2] Martin V. Sussman, Scientic American 228, 114 (1973).

Sistemas aos quais se aplicam m etodos estat sticos s ao mais variados do que o g as ideal considerado neste artigo; por exemplo, a chamada mec anica estat stica e aplicada ` a radia c ao eletromagn etica, ` a magnetiza c ao
10 Veja,

por exemplo, a Ref. [16].

Ensinando a natureza estat stica da segunda lei da termodin amica no Ensino M edio

2502-9

[3] Tim Harman, Physics Education 32, 66 (1997). [4] Penha M. Cardozo Dias, in: Logic and Philosophy of Science in Uppsala, editeb by Dag Prawitz and Dag Westerst (Kluwer, London, 1994). [5] Penha M. Cardozo Dias, Archive for History of Exact Sciences 49, 135 (1995). [6] James Clerk Maxwell, Theory of Heat (Longmans, Green, and Co., London, 1871), cap. 12. [7] Harvey S. Le and Andrew F. Rex, American Journal of Physics 58, 201 (1990). [8] Leo Szilard, in: Maxwells Demon: Entropy, Information, Computing, H. Le and A. Rex (eds) (Adam-Hilger, Bristol, 1990) originalmente publicado em Zeitschrift f ur Physik 53, 840 (1929). [9] Leon Brillouin, Journal of Applied Physics 22, 334 (1951). [10] Penha M. Cardozo Dias, Archive for History of Exact Sciences 46, 341 (1994).

[11] Silvia Cristina T. Covolan, O Conceito de Entropia Num Curso Destinado ao Ensino M edio a Partir de Concep co es Pr evias dos Estudantes e da Hist oria da Ci encia. Disserta ca o de Mestrado, Faculdade de Educa ca o, Universidade Estadual de Campinas, 2004. [12] Daniel C. Schopf, American Journal of Physics 70, 128 (2002). [13] Koo-Chul Lee, American Journal of Physics 69, 68 (2001). [14] Matthew J. Cochran and Paula R.L. Heron, American Journal of Physics 74, 734 (2006). [15] Ludwig E. Boltzmann, in: Kinetic Theory, edited by S.G. Brush (Pergamon Press, New York, 1966), v. 2, pp. 218-227. Originalmente publicado em Annalen der Physik 57, 773 (1896). [16] P.M.C. de Oliveira e S.M Moss de Oliveira, F sica em Computadores (Editora Livraria da F sica, S ao Paulo, 2010).