Escolar Documentos
Profissional Documentos
Cultura Documentos
Ejercicios Semana 14
𝜕𝑃 𝜕2𝑃
(𝑦, 𝑡) = 𝐷 2 (𝑦, 𝑡)
𝜕𝑡 𝜕𝑦
Con la condición inicial 𝑃(𝑦, 0) = 𝛿(𝑦 − 𝑦𝑜 ) y la condición de frontera
lim 𝑃(𝑦, 𝑡) = 0
𝑦→±∞
Rta:
𝜕𝑃 𝜕2𝑃
=𝐷 2
𝜕𝑡 𝜕𝑦
Aplicando la transformada de Fourier en la posición:
𝜕𝑃 𝜕2𝑃
𝐹[ ] = 𝐹 [𝐷 2 ]
𝜕𝑡 𝜕𝑦
𝑑𝐹[𝑃] 𝜕2𝑃
= 𝐷𝐹 [ 2 ]
𝑑𝑡 𝜕𝑦
𝑃(𝑦, 0) = 𝛿(𝑦 − 𝑦𝑜 )
La condición de la transformada de Fourier viene dada por:
𝑒 −𝑖𝑘𝑦𝑜
=𝐴
√2𝜋
Por lo tanto, la transformada de Fourier de la solución viene dada por:
2 𝐷𝑡
𝑒 −𝑖𝑘𝑦𝑜 𝑒 −𝑘
𝐹[𝑃(𝑘, 𝑡)] =
√2𝜋
𝑘 2 𝐷𝑡 + 𝑖𝑘𝑦 ′
𝑎2 = 𝑘 2 𝐷𝑡
𝑖𝑦 ′
2𝑎𝑏 = 2𝑘√𝐷𝑡𝑏 = 𝑖𝑘𝑦 ′ → 𝑏=
2√𝐷𝑡
Por lo tanto:
2 2 2 2 2 2
2 ′
𝑦′ 𝑦′ 𝑦′ 𝑦′ 𝑦′ 𝑦′
𝑘 𝐷𝑡 + 𝑖𝑘𝑦 + − = (𝑘 2 𝐷𝑡 + 𝑖𝑘𝑦 ′ − )+ = (𝑘√𝐷𝑡 + 𝑖 ) +
4𝐷𝑡 4𝐷𝑡 4𝐷𝑡 4𝐷𝑡 2√𝐷𝑡 4𝐷𝑡
Reemplazando:
′ 2 2
𝑦′
1 ∞ −(𝑘√𝐷𝑡+𝑖 𝑦 ) −
4𝐷𝑡 𝑑𝑘
𝑃= ∫ 𝑒 2√𝐷𝑡
2𝜋 −∞
2
1 ∞ − 1 (2𝑘𝐷𝑡+𝑖𝑦′ )2 − 𝑦′
𝑃= ∫ 𝑒 4𝐷𝑡 4𝐷𝑡 𝑑𝑘
2𝜋 −∞
2
𝑦′
− ∞ 2
𝑒 4𝐷𝑡 1 ′)
𝑃= ∫ 𝑒 − 4𝐷𝑡(2𝑘𝐷𝑡+𝑖𝑦 𝑑𝑘
2𝜋 −∞
Definiendo:
𝑑𝑢
2𝑘𝐷𝑡 + 𝑖𝑦 ′ = 𝑢 → 𝑑𝑘 =
2𝐷𝑡
2
𝑦′
− ∞ 𝑢2
𝑒 4𝐷𝑡
𝑃= ∫ 𝑒 −4𝐷𝑡 𝑑𝑢
4𝜋𝐷𝑡 −∞
2
𝑦′
−
𝑒 4𝐷𝑡
𝑃= √4𝐷𝑡𝜋
4𝜋𝐷𝑡
2
𝑦′
−
𝑒 4𝐷𝑡
𝑃=
√4𝜋𝐷𝑡
2
𝑦′
−
𝑒 4𝐷𝑡
𝑃=
2√𝜋𝐷𝑡
(𝑦𝑜−𝑦 )2
𝑒− 4𝐷𝑡
𝑃=
2√𝜋𝐷𝑡
Conclusión: La solución bajo la condición inicial dada viene dada por la expresión:
1 (𝑦 − 𝑦𝑜 )2
𝑃(𝑦, 𝑡) = 𝑒𝑥𝑝 {− }
2√𝜋𝐷𝑡 4𝐷𝑡
Comparando con la distribución Gaussiana, podemos ver que la varianza viene dada por:
2𝜎 2 = 4𝐷𝑡 → 𝜎 = √2𝐷𝑡
2. Considerar una cadena de Márkov para cuya distribución de probabilidad es 𝑃𝑛 (𝑡) y que las tasas de transición 𝑊(𝑛|𝑚) satisfacen la condición de
balance detallado.
𝑒𝑞 𝑒𝑞
𝑃𝑛 𝑊(𝑚|𝑛) = 𝑃𝑚 𝑊(𝑛|𝑚)
𝑒𝑞 ̂ =
Sea 𝑃𝑒𝑞 la matriz diagonal formada por 𝑃𝑛 y 𝑊 la matriz de tasas de transición que caracteriza la ecuación maestra. Mostrar que la matriz 𝑊
1 1
−
(𝑃𝑒𝑞 ) 𝑊(𝑃𝑒𝑞 ) es simétrica. Deducir que 𝑊 es diagonalizable y sus valores propios son reales negativos o nulos.
2 2
Rta:
• ̂ es diagonalizable basta con mostrar que los elementos de la matriz 𝑊𝑖𝑗 = 𝑊𝑗𝑖
Para que demostrar que la matriz 𝑊
1 1
−
̂𝑖𝑗 = (𝑃𝑒𝑞 ) 2 𝑊𝑖𝑗 (𝑃𝑒𝑞 )2
𝑊 𝑖𝑖 𝑗𝑗
1 1
−
̂𝑖𝑗 = (𝑃𝑒𝑞 ) 2 𝑊𝑖𝑗 (𝑃𝑒𝑞 )2
𝑊 𝑖 𝑗
1 1
̂𝑖𝑗 = (𝑃𝑖𝑒𝑞 )−2 𝑊𝑖𝑗 (𝑃𝑗𝑒𝑞 )2
𝑊
Reemplazando:
1 𝑒𝑞 1
𝑃𝑖
̂𝑖𝑗 = (𝑃𝑒𝑞 )−2 [
𝑊
𝑒𝑞 2
𝑒𝑞 𝑊𝑗𝑖 ] (𝑃𝑗 )
𝑖
𝑃𝑗
1 1
−
̂𝑖𝑗 = (𝑃𝑖𝑒𝑞 )2 𝑊𝑗𝑖 (𝑃𝑗𝑒𝑞 )
𝑊
2
1 1
−
̂𝑖𝑗 = (𝑃𝑗𝑒𝑞 ) 2 𝑊𝑗𝑖 (𝑃𝑖𝑒𝑞 )2
𝑊
̂𝑖𝑗 = 𝑊
𝑊 ̂𝑗𝑖
• ̂𝑖𝑗 = 𝑊
El hecho de que 𝑊 ̂𝑗𝑖 implica que:
̂ =𝑊
𝑊 ̂𝑇
“Toda matriz simétrica de coeficientes reales es diagonalizable y sus valores propios son reales”
̂ es diagonalizable.
Por lo tanto, usando el resultado anterior concluimos que 𝑊
• Para concluir que los valores propios son reales negativos o nulos basta con recordar la ecuación diferencial:
𝜕𝑃
̂𝑃
=𝑊
𝜕𝑡
La solución de dicha ecuación es de la forma:
̂
𝑃 = 𝑃𝑜 𝑒 𝑡𝑊
̂ se escriba en la base diagonal:
En el caso de que 𝑊
𝑒 𝜆1 𝑡 0 0
𝑒 𝑡𝑊 = ( 0 𝑒 𝜆2 𝑡 0 )
0 0 𝑒 𝜆3 𝑡
Ahora bien, los valores propios pueden dividir se en 3 casos:
𝜆1 > 0
𝜆1 < 0
𝜆1 = 0
La respuesta es independiente de la evolución del tiempo.
Dado lo anterior, podemos concluir que solo son validos los casos 𝜆1 < 0 y 𝜆1 = 0.
3. Considerar una marcha aleatoria en una dimensión sobre una red de N+1 sitios indexados por 𝑛 𝜀 {0,1,2, … , 𝑁}. La partícula puede saltar a los sitios
vecinos más cercanos con una tasa de transición 𝛾. Si la partícula llega los sitios extremos 𝑛 = 0 𝑜 𝑛 = 𝑁 ésta queda absorbida en estos sitios y no se
mueve más. Escribir la matriz 𝑊 que caracteriza la ecuación maestra. Encontrar las distribuciones de equilibrio.
Rta:
𝜕𝑃1
= ∑[𝑊(1|𝑛′)𝑃𝑛′ − 𝑊(𝑛′ |1)𝑃1 ] = −𝑊(0|1)𝑃1 + 𝑊(1|2)𝑃2 − 𝑊(2|1)𝑃1
𝜕𝑡
𝑛′
𝜕𝑃2
= ∑[𝑊(2|𝑛′ )𝑃𝑛′ − 𝑊(𝑛′ |2)𝑃2 ] = 𝑊(2|1)𝑃1 − 𝑊(1|2)𝑃2 + 𝑊(2|3)𝑃3 − 𝑊(3|2)𝑃2
𝜕𝑡
𝑛′
𝜕𝑃𝑁
= ∑[𝑊(𝑁|𝑛′ )𝑃𝑛′ − 𝑊(𝑛′ |𝑁)𝑃𝑁 ] = 𝑊(𝑁|𝑁 − 1)𝑃𝑁−1 − 𝑊(𝑁 − 1|𝑁)𝑃𝑁 − 𝑊(𝑁 + 1|𝑁)𝑃𝑁
𝜕𝑡
𝑛′
𝜕𝑃𝑁+1
= ∑[𝑊(𝑁 + 1|𝑛′ )𝑃𝑛′ − 𝑊(𝑛′ |𝑁 + 1)𝑃𝑁+1 ] = 𝑊(𝑁 + 1|𝑁)𝑃𝑁
𝜕𝑡
𝑛′
Donde se ha extendido la suma a los primeros vecinos y se ha usado el hecho de que 𝑊(𝑛′|𝑁 + 1) 𝑦 𝑊(𝑛′ |0) son ambos igual a 0, dado que al estar en esas
posiciones no se puede realizar ningún movimiento.
Considerando que las tasas de transición para saltar a la derecha o izquierda son iguales y la llamamos 𝛾, los resultados anteriores podemos reescribirlos por
medio de:
𝜕𝑃0
= 𝛾𝑃1
𝜕𝑡
𝜕𝑃1
= −𝛾𝑃1 + 𝛾𝑃2 − 𝛾𝑃1 = −2𝛾𝑃1 + 𝛾𝑃2
𝜕𝑡
𝜕𝑃2
= 𝛾𝑃1 − 𝛾𝑃2 + 𝛾𝑃3 − 𝛾𝑃2 = 𝛾𝑃1 − 2𝛾𝑃2 + 𝛾𝑃3
𝜕𝑡
𝜕𝑃𝑁
= 𝛾𝑃𝑁−1 − 𝛾𝑃𝑁 + 𝛾𝑃𝑁+1 − 𝛾𝑃𝑁 = 𝛾𝑃𝑁−1 − 2𝛾𝑃𝑁 + 𝛾𝑃𝑁+1
𝜕𝑡
𝜕𝑃𝑁+1
= 𝛾𝑃𝑁
𝜕𝑡
Lo anterior puede escribirse en un lenguaje matricial
𝑃𝑜 0 𝛾 0 0 0 0 𝑃𝑜
𝑃1 0 −2𝛾 𝛾 0 0 0 𝑃1
𝜕 𝑃2 𝛾 −2𝛾 𝛾 0 0 𝑃2
= 0
𝜕𝑡 : .. .. .. .. .. .. :
𝑃𝑁 0 0 0 𝛾 −2𝛾 𝛾 𝑃𝑁
[𝑃𝑁+1 ] [0 0 0 0 𝛾 0] [𝑃𝑁+1 ]
𝐴1
0
0
:
0
[𝐴2 ]
Siendo 𝐴1 𝑦 𝐴2 números reales ajustables tal que la suma de sus elementos de 1 ya que la probabilidad total debe ser la unidad.
4. Plantear la ecuación maestra y la ecuación de Fokker-Planck de una marcha aleatoria en una dimensión en que las tasas de transición a la derecha y
la izquierda no son iguales.
➢ Fokker-Planck:
𝜕𝑃𝑛
= [𝑊(𝑛|𝑛𝑑 )𝑃𝑛𝑑 − 𝑊(𝑛𝑑 |𝑛)𝑃𝑛 ] + [𝑊(𝑛|𝑛𝑖 )𝑃𝑛𝑖 − 𝑊(𝑛𝑖 |𝑛)𝑃𝑛 ]
𝜕𝑡 𝑑𝑒𝑟𝑒𝑐ℎ𝑎 𝑖𝑧𝑞𝑢𝑖𝑒𝑟𝑑𝑎
𝑊(𝑛|𝑛𝑑 ) = 𝑊1
𝑊(𝑛𝑑 |𝑛) = 𝑊2
𝑊(𝑛|𝑛𝑖 ) = 𝑊2
𝑊(𝑛𝑖 |𝑛) = 𝑊1
𝜕𝑃𝑛
= 𝑊1 𝑃𝑛𝑑 − 𝑊2 𝑃𝑛 + 𝑊2 𝑃𝑛𝑖 − 𝑊1 𝑃𝑛
𝜕𝑡
𝜕𝑃𝑛
= 𝑊2 𝑃𝑛𝑖 − (𝑊1 + 𝑊2 )𝑃𝑛 + 𝑊1 𝑃𝑛𝑑
𝜕𝑡