Mecánica Estadística

Ejercicios Semana 14

1. Resolver la ecuación de difusión

𝜕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:

Tomando la ecuación diferencial:

𝜕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

Aplicando la propiedad de la derivada en la transformada de Fourier:

 𝑑𝐹[𝑃]
= (𝑖𝑘)2 𝐷𝐹[𝑃]
𝑑𝑡
𝑑𝐹[𝑃]
= −𝑘 2 𝐷𝐹[𝑃]
𝑑𝑡
𝑑𝐹[𝑃]
= −𝑘 2 𝐷𝑑𝑡
𝐹[𝑃]
La solución de la ecuación diferencial viene dada por:
2 𝐷𝑡
𝐹[𝑃] = 𝐴𝑒 −𝑘
2 𝐷𝑡
𝐹[𝑃(𝑘, 𝑡)] = 𝐴𝑒 −𝑘
Dada la condición inicial:

𝑃(𝑦, 0) = 𝛿(𝑦 − 𝑦𝑜 )
La condición de la transformada de Fourier viene dada por:

𝐹[𝑃(𝑦, 0)] = 𝐹[𝛿(𝑦 − 𝑦𝑜 )]

∞
1 𝑒 −𝑖𝑘𝑦𝑜
𝐹[𝑃(𝑦, 0)] = ∫ 𝑒 −𝑖𝑘𝑦 𝛿(𝑦 − 𝑦𝑜 ) 𝑑𝑦 =
√2𝜋 −∞ √2𝜋
𝑒 −𝑖𝑘𝑦𝑜
𝐹[𝑃(𝑘, 0)] =
√2𝜋
• Usando esta condición para hallar la constante 𝐴.
𝐹[𝑃(𝑘, 0)] = 𝐴𝑒 0

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

Con el fin de obtener la respuesta en la posición, aplicamos la transformada inversa de Fourier:

2 𝐷𝑡
−1 −1
𝑒 −𝑖𝑘𝑦𝑜 𝑒 −𝑘
𝐹 [𝐹 [𝑃]] = 𝐹 [ ]
√2𝜋
1 2 𝐷𝑡
𝑃= 𝐹 −1 [𝑒 −𝑖𝑘𝑦𝑜 𝑒 −𝑘 ]
√2𝜋
1 ∞ −𝑖𝑘𝑦 −𝑘2 𝐷𝑡 𝑖𝑘𝑦
𝑃= ∫ 𝑒 𝑜𝑒 𝑒 𝑑𝑘
2𝜋 −∞
1 ∞ −(𝑘2 𝐷𝑡+𝑖𝑘𝑦 −𝑖𝑘𝑦)
𝑃= ∫ 𝐴𝑒 𝑜 𝑑𝑘
2𝜋 −∞
1 ∞ −(𝑘2 𝐷𝑡+𝑖𝑘𝑦′ )
𝑃= ∫ 𝐴𝑒 𝑑𝑘
2𝜋 −∞

Donde se ha definido 𝑦 ′ = 𝑦𝑜 − 𝑦 por comodidad en el cálculo.

- Escribiendo el término de la exponencial como un binomio al cuadrado

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

Partiendo de la definición de la matriz

1 1
̂ = (𝑃𝑒𝑞 )−2 𝑊(𝑃𝑒𝑞 )2
𝑊
Entonces:
1 1
−
̂𝑖𝑗 = ∑(𝑃𝑒𝑞 ) 2 𝑊𝑘𝑙 (𝑃𝑒𝑞 )2
𝑊 𝑖𝑘 𝑙𝑗
𝑘,𝑙
1 1
Pero las matrices (𝑃𝑒𝑞 )−2 y (𝑃𝑒𝑞 )2 son diagonales, por lo tanto, podemos escribir:
1 1
−
̂𝑖𝑗 = ∑(𝑃𝑒𝑞 ) 2 𝑊𝑘𝑙 (𝑃𝑒𝑞 )2 𝛿𝑙𝑗 𝛿𝑖𝑘
𝑊 𝑖𝑘 𝑙𝑗
𝑘,𝑙

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

Dada la condición de balance detallado:

𝑒𝑞 𝑒𝑞
𝑃𝑛 𝑊(𝑚|𝑛) = 𝑃𝑚 𝑊(𝑛|𝑚)
 𝑒𝑞 𝑒𝑞
𝑃𝑖 𝑊𝑗𝑖 = 𝑃𝑗 𝑊𝑖𝑗
𝑒𝑞
𝑃𝑖
𝑒𝑞 𝑊𝑗𝑖 = 𝑊𝑖𝑗
𝑃𝑗

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

̂ es una matriz simétrica.

Con lo cual, se concluye que la matriz 𝑊

• ̂𝑖𝑗 = 𝑊
El hecho de que 𝑊 ̂𝑗𝑖 implica que:

̂ =𝑊
𝑊 ̂𝑇

Haciendo uso del teorema:

“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

Al evolucionar el tiempo, los términos 𝑒 𝜆1 𝑡 divergen.

𝜆1 < 0

Al evolucionar el tiempo, los términos 𝑒 𝜆1 𝑡 convergen.

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:

Partiendo de la ecuación diferencial que representa la ecuación maestra:

𝜕𝑃𝑛
= ∑[𝑊(𝑛|𝑛′)𝑃𝑛′ − 𝑊(𝑛′ |𝑛)𝑃𝑛 ]
𝜕𝑡
𝑛′

Podemos dividir la respuesta partiendo del valor de 𝑛.

𝜕𝑃0
= ∑[𝑊(0|𝑛′)𝑃𝑛′ − 𝑊(𝑛′ |0)𝑃0 ] = 𝑊(0|1)𝑃1
𝜕𝑡
𝑛′

𝜕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 ]

Por lo tanto, la matriz W viene dada por:

0 𝛾 0 0 0 0
0 −2𝛾 𝛾 0 0 0
𝛾 −2𝛾 𝛾 0 0
𝑊= 0
.. .. .. .. .. ..
0 0 0 𝛾 −2𝛾 𝛾
[0 0 0 0 𝛾 0]
Las soluciones de equilibrio vienen dadas cuando:
 ̂𝑃
0=𝑊
Entonces 𝑃 debe ser de la forma:

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.

La ecuación maestra viene dada por:

𝜕𝑃𝑛
= ∑[𝑊(𝑛|𝑛′)𝑃𝑛′ − 𝑊(𝑛′ |𝑛)𝑃𝑛 ]
𝜕𝑡
𝑛′

La ecuación de Fokker-Planck viene dada por:

𝜕𝑃(𝑦, 𝑡) 𝜕 1 𝜕 2 [𝑎2 (𝑦)𝑃(𝑦, 𝑡)]

= − [𝑎1 (𝑦)𝑃(𝑦, 𝑡)] +
𝜕𝑡 𝜕𝑦 2 𝜕𝑦 2
Con:
 ∞
𝑎1 (𝑦) = ∫ 𝑟𝑊(𝑦, 𝑟) 𝑑𝑟
−∞
∞
𝑎2 (𝑦) = ∫ 𝑟 2 𝑊(𝑦, 𝑟) 𝑑𝑟
−∞

➢ Fokker-Planck:

• Para la marcha aleatoria tenemos que:

𝑊(𝑦, 𝑟) = 𝛾1 𝛿(𝑟 − 𝑎) + 𝛾2 𝛿(𝑟 + 𝑎)

Siendo 𝑎 el tamaño del paso.

Por lo tanto, tenemos que:

∞ ∞ ∞ ∞
𝑎1 (𝑦) = ∫ 𝑟𝑊(𝑦, 𝑟) 𝑑𝑟 = ∫ 𝑟[𝛾1 𝛿(𝑟 − 𝑎) + 𝛾2 𝛿(𝑟 + 𝑎)] 𝑑𝑟 = 𝛾1 ∫ 𝑟𝛿(𝑟 − 𝑎) 𝑑𝑟 + 𝛾2 ∫ 𝑟𝛿(𝑟 + 𝑎) 𝑑𝑟 = 𝛾1 𝑎 − 𝛾2 𝑎 = 𝑎(𝛾1 − 𝛾2 )
−∞ −∞ −∞ −∞
∞ ∞ ∞ ∞
𝑎2 (𝑦) = ∫ 𝑟 2 𝑊(𝑦, 𝑟) 𝑑𝑟 = ∫ 𝑟 2 [𝛾1 𝛿(𝑟 − 𝑎) + 𝛾2 𝛿(𝑟 + 𝑎)] 𝑑𝑟 = 𝛾1 ∫ 𝑟 2 𝛿(𝑟 − 𝑎) 𝑑𝑟 + 𝛾2 ∫ 𝑟 2 𝛿(𝑟 + 𝑎) 𝑑𝑟 = 𝛾1 𝑎2 + 𝛾2 𝑎2 = 𝑎2 (𝛾1 + 𝛾2 )
−∞ −∞ −∞ −∞

Por lo tanto, la ecuación de Fokker-Planck viene dada por

𝜕𝑃(𝑦, 𝑡) 𝜕 1 𝜕 2 [𝑎2 (𝛾1 + 𝛾2 )𝑃(𝑦, 𝑡)]

= − [𝑎(𝛾1 − 𝛾2 )𝑃(𝑦, 𝑡)] +
𝜕𝑡 𝜕𝑦 2 𝜕𝑦 2

𝜕𝑃(𝑦, 𝑡) 𝜕𝑃(𝑦, 𝑡) 𝑎2 (𝛾1 + 𝛾2 ) 𝜕 2 𝑃(𝑦, 𝑡)

= −𝑎(𝛾1 − 𝛾2 ) +
𝜕𝑡 𝜕𝑦 2 𝜕𝑦 2
 ➢ Ecuación maestra: Podemos dividir la sumatoria en un término asociado al movimiento a la derecha y otro a la izquierda.
𝜕𝑃𝑛
= ∑[𝑊(𝑛|𝑛′)𝑃𝑛′ − 𝑊(𝑛′ |𝑛)𝑃𝑛 ]
𝜕𝑡
𝑛′

𝜕𝑃𝑛
= [𝑊(𝑛|𝑛𝑑 )𝑃𝑛𝑑 − 𝑊(𝑛𝑑 |𝑛)𝑃𝑛 ] + [𝑊(𝑛|𝑛𝑖 )𝑃𝑛𝑖 − 𝑊(𝑛𝑖 |𝑛)𝑃𝑛 ]
𝜕𝑡 𝑑𝑒𝑟𝑒𝑐ℎ𝑎 𝑖𝑧𝑞𝑢𝑖𝑒𝑟𝑑𝑎

Sea 𝑛 → 𝑢𝑛 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜 𝑝𝑢𝑛𝑡𝑜; 𝑛𝑑 → 𝑚𝑜𝑣𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑎 𝑙𝑎 𝑑𝑒𝑟𝑒𝑐ℎ𝑎 ; 𝑛𝑖 → 𝑚𝑜𝑣𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑎 𝑙𝑎 𝑖𝑧𝑞𝑢𝑖𝑒𝑟𝑑𝑎.

Si el movimiento es la derecha tenemos un valor 𝑊1 , si el movimiento es la izquierda tenemos un valor 𝑊2

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