Sistemas aleatórios

Random walks e parentes

próximos
 Sistemas aleatórios

Até agora: sistemas determinísticos

⇒ Equação diferencial + cc
Agora: sistemas estocásticos
⇒ Grande número de graus de liberdade
⇒ Descrição estatística

Líquido, spins, difusão

 Já sabem!

Met Comp I – Érica

Décima Terceira Aula:

Números aleatórios
Geração de distribuições não-uniformes

Décima Quarta Aula:

Método de Monte-Carlo: Resolução de
Integrais
 Café com creme

1 gota de creme numa xícara de café

Como espalha?

~1023 moléculas de “creme”

~1023 equações de movimento

Método de euler Não !!!

 Café com creme

1 gota de creme numa xícara de café

Como espalha?

Modelo Random walk

Do mais simples para o mais
complicado ...

Random walk 1 dimensão

Passo constante


Passo aleatório
Random walk 2 dimensões


Self-avoiding walks Difusão
Random Walk – Passeio aleatório

Movimento browniano

difusão
Random Walk 1d

Passos de
X0=0 tamanho 1
Programa

x=0
Para i=1 até Npassos
r=random
se (r<0.5) x=x+1
se (r>=0.5) x=x-1
<x(i)>=<x(i)>+x
<x2(i)>=<x2(i)>+x*x
Random Walk 1d

14
12
10
8
3 realizações
6
4 diferentes
2
x

0
-2
-4
-6
-8
0 20 40 60 80 100

passo
10 realizações diferentes

10

→ Média sobre
<x>

-2 < >→
realizações
-4

-6

-8

-10
0 20 40 60 80 100

t
 Aumentando o número de
realizações

0,20 0,20
0,15

0,10
100 0,15

0,10
10.000
0,05 0,05
0,00
<x>

0,00

<x>
-0,05 -0,05
-0,10 -0,10
-0,15
-0,15
-0,20
0 20 40 60 80 100 -0,20
0 20 40 60 80 100
t t
<x>~0
Flutuações!
Calculando <x2>

<x2>=2Dt
100

80
100
60
<x >
2

40

20

0
Em d dimensões
0 20 40 60 80 100

t
<x2>=2dDt
Comparando com uma partícula
livre

Random walk <x2>=2Dt

Mais devagar

Livre x=x0+vt <x2>~t2

Difusão anômala

Lim t →∞ <x2> ~ tµ

0<µ<1 subdifusão

µ =1 difusão normal

µ>1 Superdifusão

µ=2 Regime balístico

10.000 realizações diferentes

100

80

60
<x >
2

40

20
D=1/2
0
0 20 40 60 80 100

t
Não é surpreendente

n
xn = ∑ si Xn é a posição depois de n
i =1 passos

Si é o deslocamento Si =+-1
para o i-ésimo passo:
Não é surpreendente

Com igual
Si =+-1
probabilidade

n
<Si >=0 xn = ∑ si = 0
i =1
Fazendo o mesmo para x2

n  n  Como os passos são

xn = ∑  ∑ si s j 
2
independentes entre si
i =1  j =1 
SiSj=+-1 <SiSj>=0
com igual para i≠j
probabilidade
para i≠j
Para um número grande de rw

n
Lembrando que
< xn >= ∑ < s > = n
2 2
i Si2=1
i =1

como n=t <x2>=2Dt

com D=1/2
Desvio padrão de x2

σ= (x 2
n − x 2
n )
2
= x − x 4
n
2 2
n

n
< xn >= ∑< s s s s >
4
i j k l
i , j , k ,l =1

Não nulo quando i,j,k e l são iguais ou

quando são iguais aos pares
 σ= (x 2
n − x 2
n )
2
= x − x
4
n
2 2
n

n  2 n 
< xn >= ∑ s + 3∑  si ∑ s j  = 3n − 2n
4 4 2 2
i
i =1 i =1  j ≠i 
n
< xn >= ∑ < s > = n
2 2
i
i =1

σ = 2n − 2n ≈ 2n2
 σ ~ x ~n
2
n

A separação entre dois andarilhos

cresce com n
Histogramas

0,25
probabilidade

0,20

0,15 10.000 realizações

0,10 bin=2
0,05 t=10 passos
0,00
-40 -30 -20 -10 0 10 20 30 40

x
Histogramas

0,25
probabilidade

0,20
10.000 realizações
0,15
bin=2
0,10
t=100 passos
0,05

0,00
-40 -30 -20 -10 0 10 20 30 40

x
Difusão

Na próxima
aula ...
Tamanhos de passo aleatórios

Passos de
X0=0
tamanho
(0,1]
Programa

x=0.d0
Para i=1 até Npassos
r=random
rb=random
se (rb<0.5) x=x+(1-r)
se (rb>=0.5) x=x-(1-r)
<x(i)>=<x(i)>+x
<x2(i)>=<x2(i)>+x*x
500 realizações diferentes

100

80
D=1/2
60
<x >
2

40

20 D<1/2
0
0 20 40 60 80 100

t
Também não é surpreendente

n
xn = ∑ si Xn é a posição depois de n
i =1 passos

Si é o deslocamento -1=<Si =<1

para o i-ésimo passo:
Calculando xn2

n n  Como os passos são

xn = ∑  ∑ si s j 
2
independentes entre si
i =1  j =1 
Para um número grande
de rw
SiSj=+-(0,1)
n com igual
∑s s
i≠ j
i j =0 probabilidade
para i≠j
Calculando xn2

n Lembrando que
< xn >= ∑ < s >
2 2 Si2 está distribuído
i
i =1 uniformemente no
intervalo(0,1]

1 1
1
< s >= ∫ y P( y )dy = ∫ y dy =
2
i
2 2

0 0
3

constante
Substituindo si2

n
1 n
< xn >= ∑ =
2
como n = t
i =1 3 3
1
2
<x >=2Dt D=
6

De acordo com o
gráfico!
Random Walk 2d

Passos de
tamanho 1
RandomWalk
Programa
x=0, Y=0
Para i=1 até Npassos
r=random
rb=random se (r<0.5) x=x-1
se (rb<0.5) se (r>=0.5) x=x+1

se (r<0.5) y=y-1
se (rb>=0.5) se (r>=0.5) y=y+1
<r(i)>=<r(i)>+sqrt(x*x+y*y)
<r2(i)>=<r2(i)>+x*x+y*y
500 realizações diferentes

100

80

60

2
<x > ~t
<r >
2

40

20

0
0 20 40 60 80 100
t
10.000 realizações diferentes

100

80
<x2>=2dDt
60
<r >
2

40

20

0
D=1/6
0 20 40 60 80 100
t
Self-avoiding Walk - SAW

Passos de
tamanho 1
Self-avoiding Walk - SAW

Random walk: cada passo é

completamente independente de
todos os anteriores

Na natureza nem sempre é assim:

polímeros
SAW

Blocos de construção

Iguais a RW

Porém: não é permitido superpor

Self-avoiding Walk - SAW
Self-avoiding Walk - SAW

Interrompe o
crescimento
 Problema!

simulação Growing SAWs ou

Kinetic SAWs
Problema: probabilidades
diferentes
 Solução

Escolher o próximo
simulação passo entre
TODAS as direções
e parar se
interceptar
SAW

SAW

Cresce mais rápido

RW
Expoente de Flory

<r2> ~ t2ν
ν = 0.735

 ν = 0.661

RW <r2>~t, ν =0.5

livre <r2>~t2, ν =1
SAW em mais dimensões

2D ν=3/4=0.75

3D ν=3/5=0.6
D cresce
⇒ ν → 0.5
4D α=0.575 ⇒ RW
 Enumeração X simulação

Solução: parar e
simulação
recomeçar ao
interceptar

enumeração Para um dado n

(pequeno!) enumerar
Custo todos os possíveis
computacional SAWs
alto
Método da enumeração
Método da enumeração

ν = 0.735

2 2ν
r
n +1  1 2ν
~ 1 +  ~ 1+
rn2  n n
Próxima aula

Random walks e
difusão
Referência

Computational Physics
N. J. Giordano e H. Nakanishi

Fundamentals of Statistical and

Thermal Physics
Federick Reif