Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
Modelos de difusion y transporte
J. Hector Morales Barcenas
Departamento de Matematicas
Universidad Autonoma Metropolitana, Unidad Iztapalapa
26 de noviembre de 2015
Hector Morales c©
Modelos matematicos [1/53]
¿Que es la difusion?
Hector Morales c© UAM Iztapalapa
Modelos matematicos [2/53]
Teorıa fenomenologica de la difusion y transporte
• La difusion es uno de los varios procesos de transporte que ocurren en la naturaleza.
• Los procesos de transporte involucran intercambio de masa, energıa y momento entre
sistemas, o dentro de un mismo sistema.
Figura 1: Adolf Eugen Fick (1829 - 1901)
• La difusion fue descrita y estudiada
como una teorıa fenomenologica por
el medico y fisiologo aleman AdolfFick.
• Ley de difusion (Fick, 1855) basa-
da en las observaciones de ThomasGraham sobre gases.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [3/53]
Teorıa fenomenologica de la difusion y transporte
• La primera ley de Fick afirma que el flujo difusivo (difusion) es proporcional al negativo
del gradiente de la concentracion de materia
J = −D∂C(x, t)
∂x(1 dimension espacial x).
• La segunda ley de Fick
∂C
∂t= −
∂J
∂x, Ley de conservacion,
∂C
∂t= D
∂2C
∂t2, Ecuacion de difusion.
• Como el mismo Fick observo, su primera ley no es mas que la ley de Fourier de conduccion
de calor (1822) y la misma que la ley de Ohm de conduccion de corriente electrica (1827).
Hector Morales c© UAM Iztapalapa
Modelos matematicos [4/53]
Teorıa general del transporte
Figura 2: Lars Onsager (1903 - 1976)
fue un fısicoquımico y fısico teorico de
origen noruego, nacionalizado norteame-
ricano. Premio Nobel en Quımica de
1968.
• Teorıa de respuesta lineal. Sistemas que se encuentran
cerca del equilibrio poseen corrientes proporcionales a los
gradientes en sus propiedades: Ley de Ohm, conductividad
termica, fluidos con esfuerzos proporcionales al estres, etc.
• Fue hasta la primera mitad del S. XX que Lars Onsageraclaro que las relaciones anteriores forman parte de una teorıageneral del transporte.
• En el contexto de la termodinamica, Onsager establecio
las relaciones recıprocas entre flujos Xi y fuerzas gene-ralizadas S en sistemas termodinamicos fuera del equilibrio:
Xi = −k∂S
∂xi.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [5/53]
La difusion desde el punto de vista microscopico
• Historicamente, la fısica estadıstica se origino en el intento de describir las propiedades
termodinamicas de la materia en terminos de sus constituyentes.
• La termodinamica, o mejor dicho, la termostatica, es una descripcion fenomenologica de las
propiedades macroscopicas de sistemas en equilibrio termico.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [6/53]
La difusion desde el punto de vista microscopico
(a) R. Brown (b) A. Einstein (c) P. Langevin
(d) L. Boltzmann (e) Smoluchowski (f) L. Bachelier (g) N. Wiener
Figura 3: Cientıficos involucrados en el estudio del movimiento browniano.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [7/53]
La difusion como movimiento browniano
En 1827, Robert Brown observo, en una solucion acuosa, una suspension de organelos de
almidon (6 y 8 µm de diametro), siendo expulsados del polen de Clarkia pulchella en un
movimiento incesante.
Figura 4: Robert Brown (1773 - 1858). Botanico y paleobotanico escoses.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [8/53]
La difusion como movimiento browniano
Figura 5: Polen de Clarkia pulchella expulsando su contenido. P. Pearle, K. Bart, D. Bilderback, B. Collett,
D. Newman, and S. Samuels. What Brown Saw and You Can Too. Am. J. Phys. 78 (12), December 2010.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [9/53]
La difusion como movimiento browniano
Figura 6: Contenido del polen de Clarkia pulchella despues de abrirse, dos fotos sobrepuestas tomadas con 1
min de diferencia, ampliado ×400. La escala es de 2 µm por division. P. Pearle, K. Bart, D. Bilderback, B. Collett,
D. Newman, and S. Samuels. What Brown Saw and You Can Too. Am. J. Phys. 78 (12), December 2010.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [10/53]
La difusion como movimiento browniano
Hector Morales c© UAM Iztapalapa
Modelos matematicos [11/53]
La difusion como movimiento browniano
Hector Morales c© UAM Iztapalapa
Modelos matematicos [12/53]
La difusion como movimiento browniano
Hector Morales c© UAM Iztapalapa
Modelos matematicos [13/53]
La difusion como movimiento browniano
Hector Morales c© UAM Iztapalapa
Modelos matematicos [14/53]
La difusion como movimiento browniano
Hector Morales c© UAM Iztapalapa
Modelos matematicos [15/53]
La difusion como movimiento browniano
Hector Morales c© UAM Iztapalapa
Modelos matematicos [16/53]
Einstein, difusion y movimiento browniano
“Sobre el movimiento de pequenas partıculas suspendidas en un lıquidoestacionario demandado por la teorıa cinetico-molecular del calor”Berna, mayo de 1905
• Un proceso de difusion se puede concebir como el
resultado del movimiento irregular y colectivo de muchas
partıculas, producido por el movimiento termico molecular.
• Hallamos el coeficiente de difusion de la sustancia
suspendidad (coloide).
Suponemos equilibrio dinamico de partıculas
suspendidas irregularmente dispersas en un lıquido.
Sea K una fuerza que actua sobre las partıculas en
el eje x, que depende solo de la posicion y no del tiempo.
Sea v el numero de partıculas suspendidas
por unidad de volumen (concentracion).
Hector Morales c© UAM Iztapalapa
Modelos matematicos [17/53]
Einstein, difusion y movimiento browniano
• Las partıculas suspendidas tienen forma esferica y radio a.
• El lıquido tiene un coeficiente de viscosidad η.
• (G. Kirchhoff) La fuerza K le imparte una velocidad a cada partıcula igual a
K
6πηa.
• Por lo que la cantidadKv
6πηa
es el numero de partıculas que atraviesan una unidad de area por unidad de tiempo.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [18/53]
Einstein, difusion y movimiento browniano
• Sea D el coeficiente de difusion de la sustancia suspendida.
• Sea m la masa de una partıcula suspendida.
• Como resultado de la difusion, una cantidad de materia cruzara, por unidad de area y por
unidad de tiempo,
−D∂(mv)
∂x, (gramos),
−D∂v
∂x, (partıculas).
Hector Morales c© UAM Iztapalapa
Modelos matematicos [19/53]
Einstein, difusion y movimiento browniano
• Dado que debe haber un equilibrio dinamico, se debe tener que
vK
6πηa−D
∂v
∂x= 0.
• Completamos esta ecuacion con otra del equilibrio termodinamico
vK =∂p
∂x,
en donde p es la presion osmotica ejercida sobre la sustancia suspendida.
• La presion osmotica esta relacionada con el numero de partıculas por unidad de volumen,
n, por medio de la ley del gas ideal
p = vRT
N.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [20/53]
Einstein, difusion y movimiento browniano
• Calculamos el coeficiente de difusion a partir de la 1er ecuacion
D =RT
N
1
6πηa.
• Por lo tanto, el coeficiente de difusion de la sustancia suspendida depende (excepto
por las constantes universales y la temperatura absoluta) solamente del coeficiente deviscosidad del lıquido y del tamano de las partıculas suspendidas.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [21/53]
Einstein, difusion y movimiento browniano
“Sobre el movimiento irregular de partıculas suspendidas en un lıquido y su relacioncon la difusion”Berna, mayo de 1905
(Argumentos de Einstein) Hipotesis:
• El movimiento de cada partıcula es independiente de las demas.
• Los movimientos de una misma partıcula, para diferentes intervalos de tiempo, se de-
ben considerar procesos mutuamente independientes (dichos intervalos de tiempo no son
necesariamente demasiado pequenos).
Hector Morales c© UAM Iztapalapa
Modelos matematicos [22/53]
Einstein, difusion y movimiento browniano
• Supongamos que simultaneamente hay n partıculas suspendidas en un lıquido.
• En un intervalo de tiempo τ , la coordenadas x’s de las partıculas se incrementaran por una
distancia ∆ (distinta para cada partıcula, + o − sobre el eje x.)
x→ x±∆.
• Para tiempos mayores que τ , los movimientos de las partıculas se consideran independientes
(propiedad de Markov).
• El valor de ∆ esta regido por una ley de probabilidad φ.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [23/53]
Einstein, difusion y movimiento browniano
• Sea dn el numero de partıculas que experimentan desplazamientos entre ∆ y ∆ + d∆ en
un tiempo τ ; es decir,
dn = nφ(∆)d∆,
donde ∫ ∞−∞
φ(∆)d∆ = 1.
• Para valores muy pequenos de ∆, la funcion φ 6= 0 y satisface la condicion
φ(∆) = φ(−∆).
• Investigaremos como el coeficiente de difusion depende de la funcion φ, de acuerdo
con la hipotesis de que el numero de partıculas por unidad de volumen, v, solo depende de
x y t.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [24/53]
Einstein, difusion y movimiento browniano
• Sea v = f(x, t) la concentracion o numero de partıculas por unidad de volumen.
• Calcularemos la distribucion de partıculas al tiempo t+ τ a partir del tiempo t.
• A partir de la definicion de la funcion φ(∆), es facil obtener el numero de partıculas
localizadas al tiempo t+ τ , entre dos planos perpendiculares al eje x, de coordenadas x y
x+ ∆
f(x, t+ τ)dx = dx
∫ ∆=+∞
∆=−∞f(x+ ∆, t)φ(∆)d∆.
• Ahora, dado que τ es muy “pequeno”, podemos escribir
f(x, t+ τ) = f(x, t) + τ∂f
∂t.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [25/53]
Einstein, difusion y movimiento browniano
• Ademas, podemos expandir en potencias de ∆ a f(x+ ∆, t); es decir
f(x+ ∆, t) = f(x, t) + ∆∂f(x, t)
∂x+
∆2
2!
∂2f(x, t)
∂x2+ · · · ad inf.
• Colocamos la ultima expansion bajo el signo de la integral, tomando en cuenta que solo
valores muy pequenos de ∆ contribuyen en la misma integral.
• Obtenemos que
f +∂f
∂tτ = f
∫ ∞−∞
φ(∆)d∆ +∂f
∂x
∫ ∞−∞
∆φ(∆)d∆ +∂2f
∂x2
∫ ∞−∞
∆2
2φ(∆)d∆ + · · ·
• Del lado derecho de la expresion se anulan los terminos impares, ya que φ(x) = φ(−x);
mientras que los terminos pares van siendo menores respecto a sus precedentes.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [26/53]
Einstein, difusion y movimiento browniano
• Ademas, consideremos que la densidad de probabilidad φ queremos que esta normalizada;
es decir,
1 =
∫ ∞−∞
φ(∆)d∆,
y, definiendo
D :=1
τ
∫ ∞−∞
∆2
2φ(∆)d∆.
• Finalmente, tomando solo en cuenta los primeros dos terminos pares del lado derecho,
obtenemos la ecuacion
∂f
∂t= D
∂2f
∂x2.
• Que se trata de la bien conocida ecuacion diferencial de difusion, y reconocemos que D
es el coeficiente de difusion.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [27/53]
Einstein, difusion y movimiento browniano
“Una nueva determinacion de las dimensiones moleculares”Berna, 30 de abril de 1905
• Pequenas partıculas de radio a y masa m (azucar como soluto) de mucho mayor tamano
que las moleculas del agua (solvente) de una viscosidad dinamica η.
• Resultado de G. Kirchhoff y G. Stokes de la mecanica de fluidos:
F = 6πηau.
• El coeficiente de difusion del azucar en agua esta dado por la relacion
D =RT
6πη
1
aNA
,
con unidades
[D] = l2t−1.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [28/53]
Einstein, difusion y movimiento browniano
• En una solucion acuosa con azucar: a3NA = 80, a 20◦C.
• Viscosidad: η = 0.0135, a 9.5◦C.
• Coeficiente de difusion D = 0.38 cm2dıa−1.
• Por lo anterior, se puede estimar que aNA = 2.08×1016 y entonces
aNA =RT
6πη
1
D,
que NA= 3.3×1023, lo que implica que
• a = 6.2×10−8cm es el tamano estimado de las moleculas de azucar.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [29/53]
¿Que es la difusion?
• Difusion simetrica en una lınea
Prob[partıcula ∈ (x, x+ dx)] ≡ P (x, t)dx, Densidad de probabilidad
• Satisface la ecuacion∂P
∂t= D
∂2P
∂x2,
donde D se llama coeficiente de difusion.
• Sin conocer explıcitamente a P (x, t), ¿cual es el desplazamiento medio de la partıcula?
〈x〉 =
∫RxP (x, t)dx = 0.
• ¿vual serıa el desplazamiento cuadratico medio (segundo momento)?
〈x2〉 =
∫Rx
2P (x, t)dx.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [30/53]
¿Que es la difusion?
Desplazamiento cuadratico medio (RMS) depende del coeficiente D de difusion y del
tiempo t.
[〈x2〉] = L2, [D] = L
2/T, [t] = T,
por lo que
〈x2〉 ∝ Dt,donde el factor de proporcion depende de la dimension en que describimos el movimiento
de las partıculas.
−20 −10 0 10 20 30 40−30
−20
−10
0
10
20
30
40
Y Po
sitio
n
X Position0 100 200 300 400 500 600 700 800 900 1000
0
1
2
3
4
5
6x 10−10
Time
Dis
plac
emen
t Squ
ared
Displacement Squared versus Time for 1 Particle in 2 Dimensions
Figura 7: Movimiento browniano en 2D sin restricciones.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [31/53]
¿Que es la difusion?
−5 −4 −3 −2 −1 0 1 2x 10−6
−5
−4
−3
−2
−1
0
1
2
3x 10−6
X position (m)
Y po
sitio
n (m
)
Combined Particle Tracks
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 50
0.5
1
1.5
2
2.5x 10−11
Time (seconds)
Dis
plac
emen
t Squ
ared
(m2 )
Displacement Squared vs Time
TheoreticalAverage
Figura 8: Superposicion de varias realizaciones (trayectorias) del movimiento browniano en el
plano R2, sin restricciones.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [32/53]
Difusion y escalamiento
• Aplicamos analisis dimensional a la densidad de probabilidad P (x, t;D).
[P ] = L−1
implica que√DtP (x, t;D) es adimensional.
• Formamos una cantidad adimensional: x/√Dt, para transformar a P :
P (x, t;D) =1√DtP(ξ), ξ :=
x√Dt,
en donde la densidad ahora depende de una sola variable de escalamiento y no de x y t.
• Substituyendo esta nueva variable ξ en la ecuacion de difusion, obtenemos
2P ′′ + ξP ′ + P = 0,
que integrada con la condicion P ′(0) = 0 y normalizando, obtenemos
P = (4π)−1/2
e−ξ2/4
,
o bien,
P (x, t;D) =1
√4πDt
exp
(−x2
4Dt
).
Hector Morales c© UAM Iztapalapa
Modelos matematicos [33/53]
Difusion y renormalizacion
• La estrategia del metodo del grupo de normalizacion es entender el comportamiento de
los fenomenos en “escalas grandes” a partir de “escalas pequenas”.
• Ecuacion de Chapman-Kolmogorov (Einstein, 1905)
P (x, 2t) =
∫RP (y, t)P (x− y, t)dy,
que representa la probabilidad de la caminata aleatoria en la posicion x al tiempo 2t, en
terminos de la propagacion del tiempo 0 a t y del tiempo t al 2t.
• Es un proceso de Markov en donde la propagacion de (y, t) a (x, 2t) es igual a hacerlo de
(0, 0) a (x− y, t).
Hector Morales c© UAM Iztapalapa
Modelos matematicos [34/53]
Difusion y renormalizacion
• La convolucion se puede tratar mediante transformadas de Fourier p(k, t) =∫R e
ikxP (x, t)dx, de tal forma que llegamos a que
p(k, 2t) = [p(k, t)]2.
• Del escalamiento ξ, se muestra que p(k, t) = P(q), con q = k√Dt, por lo que la
ecuacion del grupo de renormalizacion es
P(√
2q) = [P(q)]2.
• Tomando logaritmos y definiendo z := q2, Q(z) := lnP(q), llegamos a que Q(2z) =
2Q(z), cuya solucion es Q(z) = −Cz; o bien,
p(k, t) = e−2k2Dt
.
(La constante C = 2 se puede hallar expandiendo en terminos de k la transformada de
Fourier: p(k, t) ≈ 1− k2〈x2〉, y recordando que 〈x2〉 = 2Dt.)
• Otro enfoque importante relacionado con el movimiento browniano es el de la ecuacion
maestra.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [35/53]
Ecuacion de Langevin, 1908
Hector Morales c© UAM Iztapalapa
Modelos matematicos [36/53]
Ecuacion de Langevin
• En 1908, Paul Langevin introdujo una ecuacion diferencial del movimiento de partıculas
sujetas a fuerzas aleatorias R y viscosas γ (fuerzas de Stokes) dentro de un fluido.
“Sobre la teorıa del movimiento browniano”Nota de M. P. Lagevin, presentada por M. Mascart
COMPTES RENDUS, 1908
• La nota esta dividida en 3 secciones:
1. En la 1a establece la importancia del problema, desde el punto de vista de la fısica, y la
relevancia de los hallazgos de Einstein en 1905.
2. En la 2a desarrolla su metodo para obtener la misma explicacion que Einstein, e introduce
la ecuacion diferencial que ahora lleva su nombre.
3. En la 3er seccion, Langevin discute sobre la concordancia entre los resultados experimen-
tales y estos resultados teoricos sobre el movimiento browniano.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [37/53]
Ecuacion de Langevin
• Habıa un gran interes, en esos anos, por comprobar la hipotesis de que el movimiento
erratico y contınuo de las partıculas inmersas en un fluido, era un “eco” de la agitacion
termica de las moleculas del mismo fluido, independientemente de las acciones externas que
modifiquen la temperatura del medio.
• Lagevin senala que fue, precisamente, Einstein quien ha proporcionado una formula que
permite verificar la hipotesis:
∆2x =
RT
N
1
3πµaτ. (1)
• Langevin tambien menciona que Smoluchowski ha obtenido una formula similiar a la de
Einstein, pero que difiere solo por un factor numerico.
• Este fue el punto de partida de Langevin para obtener “una demostracion infinitamente mas
simple” el resultado de Einstein.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [38/53]
Ecuacion de Langevin
• El punto de partida es el teorema de la equiparticion de la energıa cinetica, entre los
diversos grados de libertad de un sistema en equilibrio termico, que exige que una partıcula
en suspension dentro de un fluido posea, en la direccion x, una energıa cinetica media
RT/2N igual a la de una partıcula gaseosa a la misma temperatura.
• Si ξ = dx/dt es la velocidad instantanea dada de una partıcula en la direccion considerada,
tendremos que, un gran conjunto de partıculas cada una de masa m, tienen una energıa
media igual a
mξ2 =RT
N.
• Una partıcula como la consideramos, mas grande que la distancia promedio entre moleculas
del fluido, se movera a dicha velocidad ξ, pero tendra una resistencia igual a −6πµaξ, de
acuerdo con la formula de Stokes.
• En realidad, tal valor de la fuerza de resistencia no es mas que un valor medio al rededor el
cual oscilara su movimiento.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [39/53]
Ecuacion de Langevin
• De lo anterior, la ecuacion de movimiento, en la direccion x, es
md2x
dt2= −6πµa
dx
dt+X. (2)
• Sobre la fuerza complementaria X, solo sabemos que es indiferentemente positiva o
negativa y que, su magnitud es tal que mantiene la agitacion de la partıcula que, de otra
forma, terminarıa por detenerse por el amortiguamiento.
• La Ecuacion (2), multiplicada por x, se puede escribir
m
2
d2x
dt2−mξ2
= −3πµad(x2)
dt+Xx. (3)
Hector Morales c© UAM Iztapalapa
Modelos matematicos [40/53]
Ecuacion de Langevin
• Si ahora consideramos a un gran numero de partıculas identicas y tomamos el valor
medio de la Ecuacion (3), termino a termino, entonces el valor medio del termino Xx es
evidentemente nulo a causa de la irregularidad de las acciones complementarias de X, y
escribimos, definiendo z = dx2/dt,
m
2
dz
dt+ 3πµaz =
RT
N.
Cuya solucion general es
z =RT
N
1
3πµa+ Ce
−6πµam t
,
tomando un valor constante el 1er termino en el regimen permanente al final de un tiempo
del orden m/6πµa; o bien, 10−8 segundos aproximadamente, para las partıculas sobre las
que el movimiento browniano es observable.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [41/53]
Ecuacion de Langevin
• Ası, en el regimen permanente de agitacion,
dx2
dt=RT
N
1
3πµa,
en donde, dentro de un intervalo de tiempo τ ,
x2 − x20 =
RT
N
1
3πµaτ.
• El desplazamiento ∆x de una partıcula esta dado por
x = x0 + ∆x,
y, como estos desplazamientos son indiferentemente positivos y negativos, se obtiene la
formula de Einstein (1):
∆2x =
RT
N
1
3πµaτ.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [42/53]
Ecuacion de Langevin
• La ecuacion de Langevin se trata de una ecuacion diferencial estocastica basada en la
segunda ley de Newton, que describe la evolucion temporal de la posicion x(t) de una
partıcula de masa m y esta dada por
mx(t) = −γx(t) + F (x, t) + γ√
2DR(t), (4)
donde γ es el coeficiente de friccion viscosa, D el coeficiente de difusion, F (x, t) com-
prende a las fuerzas no relacionadas con el fluido, y R(t) es una variable aleatoria conocida
como ruido termico.
• Suponemos que R(t) es ruido blanco estacionario con media temporal cero; es decir,
〈R(t)〉t = 0 y φR(t − t′) := 〈R(t)R(t′)〉t = δ(t − t′), donde φR(t) es la funcion de
autocorrelacion y δ(t) la delta de Dirac.
• El coeficiente de difusion D y la friccion γ son magnitudes conectadas por medio la relacion
de Einstein (Teorema de Fluctuacion-Disipacion)
D =kBT
γ. (5)
Hector Morales c© UAM Iztapalapa
Modelos matematicos [43/53]
Ecuacion de Langevin: sobreamortiguamiento
Sea a el radio de una partıcula browniana.
• Tiempo caracterıstico: Tiempo que le toma a una partıcular perder la “informacion” de
su velocidad inicial por friccion.
• Recorrido libre medio: Distancia que recorre la partıcula antes de detenerse o chocar con
un elemento del fluido.
λrelax := vτrelax = vm
γ. (6)
Caso amortiguadoλrelax
a� 1.
Caso subamortiguadoλrelax
a� 1.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [44/53]
Ecuacion de Langevin: Ley de Stokes
• Fuerza de friccion o arrastre que ejerce un fluido viscoso, con numero de Reynolds “pequeno”
F = 6πηav.
donde η es la viscosidad dinamica del fluido y γ el coeficiente de friccion
γ ∝ aη.
• A partir de esta relacion, se establece la ecuacion de Einstein-Stokes:
D =kBT
6πηa. (7)
• La relacion entre el recorrido libre medio λrelax y el radio a de la partıcula
Re :=λrelax
a=va
ν=
fuerzas inerciales
fuerzas viscosas,
donde ν es la viscosidad cinematica ν = η/ρ y Re se interpreta como la intensidad del
amortiguamiento (adimensional).
Hector Morales c© UAM Iztapalapa
Modelos matematicos [45/53]
Ecuaciones diferenciales estocasticas
• Una ecuacion diferencial (ODE)
f =df
dt= a(t, f)
es un caso particular de una ecuacion diferencial estocastica en ausencia de aleatoriedad.
• Simbolicamente, tenemos una forma diferencial df = a(t, f)dt, o mas precisamente su
representacion integral (Euler)
f(t) = f0 +
∫ t
t0
a(s, f(s))ds,
donde f(t) = f(t; f0, t0) es una solucion que satisface la condicion inicial f(t0) = f0.
• Estas soluciones estan relacionadas por la propiedad de evolucion
f(t; f(s; f0, t0), s) = f(t; f0, t0)
para todo t0 ≤ s ≤ t, que afirma que el futuro esta determinado completamente por el
presente.
• Esta es la version determinista de la propiedad de Markov.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [46/53]
Ecuaciones diferenciales estocasticas
• Siguiendo la explicacion de Einstein sobre el movimiento browniano, fue Langevin el que
formulo dicho movimiento en terminos de una ODE estocastica, que actualmente adopta la
siguiente forma:
dXt = a(t,Xt)dt+ b(t,Xt)Rtdt,
con un termino determinista (conveccion promedio) a(t,Xt), perturbado por un termino
difusivo aleatorio b(t,Xt)Rt, en donde Rt es una variable aleatoria distribuida normal para
cada t y b(t,Xt) es un factor de intensidad dependiente del espacio-tiempo.
• La ecuacion diferencial estocastica se puede interpretar como una ecuacion
Xt(ω) = Xt0(ω) +
∫ t
t0
a(s,Xs(ω))ds+
∫ t
t0
b(s,Xs(ω))Rs(ω)dt,
para cada trayectoria ω; o bien, como una simple realizacion del proceso estocastico.
• En el caso especial en donde a ≡ 0 y b ≡ 1 vemos que Rt deberıa ser una derivada del
movimiento browniano puro, conocido como proceso de Wiener Wt, sugiriendo que
Xt(ω) = Xt0(ω) +
∫ t
t0
dWs(ω)
Hector Morales c© UAM Iztapalapa
Modelos matematicos [47/53]
Ecuaciones diferenciales estocasticas
• Si b(t, x) ≡ b fuera constante, podrıamos esperar que la ecuacion integral previa, sea igual
a
b(Wt(ω)−Wt0(ω)).
Este es el punto de partida de la definicion de la integral estocastica de Ito o Stratonovich.
Figura 9: Kiyoshi Ito (1915-2008) en la Universidad de Cornell, Ithaca, NY, 1970.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [48/53]
Procesos estocasticos
• Un modelo estocastico se formula en terminos de un proceso estocastico.
• Un proceso estocastico es una coleccion de variables aleatorias que, a su vez, es un
numero asociado con el resultado de un experimento.
• Un experimento es cualquier situacion en la que existe un conjunto de resultados posibles.
• Supongamos que se llevan a cabo un gran numero de experimentos para determinar los
valores de la v.a. x.
• Los resultados de un numero M de experimentos se denotan por {Xi}i=1,2,...,M , a partir
de lo cual se construye un histograma de los valores hallados.
• De forma precisa escribimos {X(t; s) | t ∈ T, s ∈ S}, donde T es el conjunto ındice y
S es un espacio muestral comun.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [49/53]
Probabilidad y estadıstica
• La funcion de frecuencia o densidad de probabilidad, sera definida como el lımite, si existe,
a partir del histograma de un gran numero arbitrario de experimentos.
• Idealmente M → ∞, dividido entre las particiones de los valores de los intervalos arbitra-
riamente “pequenos” (enfoque frecuentista).
• Sea la correspondiente funcion de frecuencia lımite:
Px(X)dX (version contınua),
que se interpreta como la fraccion (probabilidad) de los valores de x que se localizan en el
intervalo B = {x |X ≤ x ≤ X + dX}.
• Como consecuencia de la definicion,
Px(X) ≥ 0,
y ∫∀x∈B
Px(X)dX =
∫RPx(X)dX = 1.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [50/53]
Probabilidad y estadıstica
• EL promedio o media o valor esperador se denota por 〈x〉 y se define por
〈x〉 :=
∫∀x∈B
XPx(X)dX = m1.
• La media es el “centro de masa” (analogıa mecanica) o primer momento de la densidad
de probabilidad.
• Usualmente es necesario “predecir” el valor numerico de x, en tal caso lo mejor es optar
por el valor 〈x〉. Es un valor central, pero no es el unico.
• Generalmente escribimosX(t; s) ≡ X(t) oX(t; s) ≡ Xt y lo llamamos serie de tiempo.
• El conjunto ındice comunmente representa al tiempo, tal como T = {0, 1, 2, . . .} o
T ∈ [0,∞) sea respectivamente discreto o contınuo.
• El estudio de los procesos estocasticos se basa en la teorıa de las probabilidades.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [51/53]
Procesos estocasticos
Tipos de procesos
• Un proceso {Xt|t ∈ T ⊂ (−∞,∞)} tal que, para cualquier {t1, t2, . . . , tM} ∈ T ,
donde t1 < t2 < · · · < tM , las v. a. ’s
Xt2−Xt1
, Xt3−Xt2
, . . . , XtM−XtM−1
son independientes, recibe el nombre de proceso con incrementos independientes.
• Un proceso estocastico {Xt|t ∈ T ⊂ (−∞,∞)} es estacionario si, para cualquier
{t1, t2, . . . , tM} ∈ T , las distribuciones de probabilidad conjunta de
Xt1+τ , Xt2+τ , . . . , XtM+τ
y
Xt1, Xt2
, . . . , XtM
son las mismas para todo τ ∈ (−∞,∞); y es estacionario en un sentido amplio (“wide-
sense-stationary, wss”), si la funcion de covarianza g(t, t+τ) = Cov(Xt, Xt+τ) = g(τ),
es una funcion unicamente de τ , ∀t ∈ T .
Hector Morales c© UAM Iztapalapa
Modelos matematicos [52/53]
Procesos estocasticos
• Un proceso de Markov es un proceso estocastico {Xt|t ∈ T ⊂ (−∞,∞)} para el
cual, dado el valor de Xt, la distribucion de Xs(s > t) no depende en forma alguna de un
conocimiento de Xu(u < t).
• De lo anterior, si
τ0 < τ1 < · · · < τk < t1 < t2 < · · · < tM
entonces las distribuciones conjuntas de
Xt1, . . . , Xtn|Xτ0
= x0, . . . , Xτk= xk
y de
Xt1, . . . , XtM
|Xτk= xk
son las mismas.
• El comportamiento futuro, cuando se conoce el estado presente del proceso, no se altera
por el conocimiento adicional acerca de su comportamiento pasado.
• Los procesos de Markov son, por mucho, la clase mas importante de procesos estocasticos.
• Todo proceso estocastico con incrementos independientes es un proceso de Markov.
Hector Morales c© UAM Iztapalapa
Modelos matematicos [53/53]
Referencias
1. H. C. Berg. Random Walks in Biology. Princeton, 1993.
2. P. E. Kloeden, E. Platen and H. Schurz. Numerical Solution of SDE Through Computer
Experiments. Springer, 1997.
3. D. Calvetti and E. Somersalo. Computational Mathematical Modeling. SIAM, 2013.
4. R. Coleman. Procesos estocasticos. Limusa, 1976.
5. R. C. Smith. Uncertainty Quantification. SIAM, 2014.
6. D. T. Gillespie & E. Seitaridou. Simple Brownian Diffusion. Oxford, 2013.
7. P. L. Krapivsky, S. Redner and E. Ben-Naim. A Kinetic View of Statistical Mechanics.
Cambridge, 2010.
8. J. P. Sethna. Statistical Mechanics: Entropy, Order Parameters, and Complexity. Oxford,
2010.
9. R. M. Mazo. Brownian Motion: Fluctuations, Dynamics, and Applications. Oxford, 2002.
10. L. Arnold. Stochastic Differential Equations: Theory and Applications. John Wiley & Sons,
1974.
11. G. B. Benedek and F. M. H. Villars. Physics With Illustrative Examples From Medicine and
Biology. Vol. 3 Statistical Physics. AIP Press-Springer, 2000.
12. S. Lynch. Dynamical Systems with Applications Using MATLAB c©. Birkhauser, 2004.
13. R. C. Aster, B. Borchers, and C. H. Thurber. Parameter Estimation and Inverse Problems.
Elsevier-Academic Press, 2005.
Hector Morales c© UAM Iztapalapa