UNIVERSIDAD SAN

FRANCISCO DE QUITO
POLITECNICO

COLEGIO: CIENCIAS E INGENIERÍAS

Introducción a la Fı́sica de semiconductores

Práctica Número 3

Resolución computacional de problemas

estadı́sticos ”mecánica estadı́stica”

Autor:
Christopher Isaac Luna, 0013906
Geovanny Satama, 00138700

Profesor:
Luis Caiza

Qutio - Noviembre 07, 2019

COLEGIO: CIENCIAS E INGENIERÍAS UNIVERSIDAD SAN FRANCISCO DE QUITO

Contents
Abstract 3

1 Introducción 3

2 Métodos y materiales 3

3 Procedimiento experimental 3
3.1 Marcha Aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2 Sistema de osciladores armónicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.3 Modelo de Ising . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

4 Resultados 7
4.1 Marcha Aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.2 Sistema de osciladores armónicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.3 Modelo de Ising . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

5 Discusiones 12

6 Conclusiones 13

References 13

Práctica Número 3 2 Mecánica Estadı́stica

COLEGIO: CIENCIAS E INGENIERÍAS UNIVERSIDAD SAN FRANCISCO DE QUITO

Abstract

Mediante simulaciones con el programa Matlab se busca comprender mecánica estadı́stica o fı́sica estadı́stica a

partir de el funcionamiento de los microestados de los sistemas como osciladores, marcha aleatoria y modelos de

Ising. A travez de histogramas y probabilidaes se analizaron los modelos mencionados llegando a la conclusión

que en la marcha aleatoria la partı́cula puede pasar por una misma dirección más de una ves. También se

concluye que mientras menos energı́a esté presente, habrá como consecuencia menos microestados, la entropı́a

del sistema y las probabilidades en un modelo de Ising. De igual manera se puede observar como Matlab sirvió

como una herramienta muy útil que ayudo a realizar las simulaciones, histogramas y la presentación de las

distribuciones con mayor facilidad.

1 Introducción

La mecánica estadı́stica tiene como objetivo predecir el comportamiento de un sistema macroscópico basándose

en las propiedades a nivel microscópico de las partı́culas que lo componen. Se basa en dos postulados, la

equiprobabilidad de todos los estados accesibles a un sistema aislado y la definición estadı́stica de entropı́a[1].

Existen varios programas para simulaciones que nos ayuden a comprender la mecánica estadı́stica de una manera

más experimental, uno de ellos es Matlab, este será utilizado a lo largo de esta práctica para realizar modelados

de algunos sistemas como osciladores armónicos o modelos de Ising y con ellos analizar sus microestados[2]

2 Métodos y materiales

En este laboratorio se realizo lo especulado en la guı́a de laboratorio número 3, también se realizaron diferentes

códigos en Matlab los cuales se encuentran adjuntos.

3 Procedimiento experimental

3.1 Marcha Aleatoria

Simule una marcha aleatoria en 1d.

a) Suponga que tiene una partı́cula con la misma probabilidad de moverse a la izquierda y a la derecha.

Cada paso que da es fijo y completamente independiente de los anteriores. ¿Cómo puede describirse la

trayectoria de la partı́cula? ¿ Con qué código lo puede hacer en MATLAB? ( u otro lenguaje)

b) Extienda la teorı́a de marchas aleatorias en una dimensión a 2D y a 3D. Grafique varias simulaciones.

Práctica Número 3 3 Mecánica Estadı́stica

 COLEGIO: CIENCIAS E INGENIERÍAS UNIVERSIDAD SAN FRANCISCO DE QUITO

c) Con varias simulaciones (> 100) haga un histograma de las trayectorias de las partı́culas, para 1D y 2D.

¿A qué distribución se asemejan los histogramas? Haga una regresión de su histograma a la ecuación

teórica. (Pista, deberı́a ser una Gaussiana, se puede calcular su media y su desviación estándar)

Listing 1: Código del Modelo de Marcha Aleatoria en Matlab.

1 %a l e a t o r i a m e n t e , en 1D 2D y 3D
2 %* * * * * * * * * * * * * * * * * * * * * * * *
3 close all
4
5 n = 1000; % numero de i t e r a c i o n e s
6 x = zeros (n , 1 ) ; % p o s i c i o n x p a r a t=0
7 r = zeros (n , 3 ) ; % p o s i c i o n r = ( 0 , 0 , 0 ) p a r a t=0
8 %Marcha a l e a t o r i a en 1D
9 for i =1:n
10 p = randn ( 1 ) ; % p r o b a b i l i d a d de x ( i +1)=x ( i )+1
11 if p > 0 % a v a n c e de x s e g u n l a p r o b a b i l i d a d
12 x ( i +1) = x ( i ) +1; % avance derecho
13 else
14 x ( i +1) = x ( i ) −1; % avance i z q u i e r d o
15 end
16 end
17
18 x mean = mean ( x ) ;
19 x std = std (x) ;
20 dx = min ( x ) : 0 . 1 : max ( x ) ;
21
22 figure (1)
23 h i s t o g r a m ( x ) ; h o l d on ;
24 p l o t ( dx , n * normpdf ( dx , x mean , x s t d ) ) ;
25 x l a b e l ( ' P o s i c i o n en $ x $ ' ) ;
26 y l a b e l ( ' F r e c u e n c i a en $ x $ ' ) ;
27
28 %Marcha a l e a t o r i a en 3D, a l tomar l a s pociciones r (1:2 ,:) s i m u l a 2D
29 for i =1:n %numero de i t e r a c i o n e s
30 p = randn ( 1 , 3 ) ; %p r o b a b i l i d a d de que r ( i +1 , j )=r ( i , j )+1
31
32 for j =1:3
33 i f p(1 , j ) > 0
34 r ( i +1 , j ) = r ( i , j ) +1; %a v a n c e s p o s i t i v o s
35 else
36 r ( i +1 , j ) = r ( i , j ) −1; %a v a n c e s n e g a t i v o s
37 end
38 end
39 end
40
41 r mean = mean ( r ) ;
42 r s t d = std ( r ) ;
43 d r 1 = min ( r ( : , 1 ) ) : 0 . 1 : max ( r ( : , 1 ) ) ;

Práctica Número 3 4 Mecánica Estadı́stica

 COLEGIO: CIENCIAS E INGENIERÍAS UNIVERSIDAD SAN FRANCISCO DE QUITO

44 d r 2 = min ( r ( : , 2 ) ) : 0 . 1 : max ( r ( : , 2 ) ) ;
45 d r 3 = min ( r ( : , 3 ) ) : 0 . 1 : max ( r ( : , 3 ) ) ;
46
47 figure (2)
48 h o l d on
49 histogram ( r ( : , 1 ) )
50 histogram ( r ( : , 2 ) )
51 x l a b e l ( ' P o s i c i o n en $ x/y $ ' ) ;
52 y l a b e l ( ' F r e c u e n c i a en $ x/y $ ' ) ;
53 p l o t ( dr1 , n * normpdf ( dr1 , r mean ( 1 ) , r s t d ( 1 ) ) ) ;
54 p l o t ( dr2 , n * normpdf ( dr2 , r mean ( 2 ) , r s t d ( 2 ) ) ) ;
55 legend ( ' Posicion $x$ ' , ' Posicion $y$ ' ) ;

3.2 Sistema de osciladores armónicos

Considere un cristal con 10 osciladores armónicos en los que una cantidad de energı́a E se distribuye entre ellos.

Suponga que la energı́a total del cristal es: (a) 5hf, (b) 6hf, (c)7hf y (d)8hf. Conteste:

a) ¿De cuantas maneras se puede distribuir la energı́a en los osciladores para cada caso a,b,c,d? Desarrolle

en detalle su respuesta.

Para la realizacion de esta pregunta lo que se tuvo que hacer es investigar para poder encontrar el significado

de un cristal para 10 osciladores armonicos.

3.3 Modelo de Ising

Considere N átomos en un cristal. Los átomos pueden tener spin paralelo o anti paralelo a un campo magnético

B, con energı́a −m0 ∗ B, o m0 ∗ B respectivamente. Asuma que M spines están paralelos a B y (N − M ) están

anti paralelos.

a) Demuestre que la energı́a total del sistema es E(x) = −N (2x − 1)m0 B donde x = M/N .

b) Escriba la expresión de la entropı́a del sistema.

c) Imagine un sistema con N = 10 átomos y M = 5 espines paralelos. Dibuje 10 posibles configuraciones del

sistema.

d) Deduzca una expresión teórica para encontrar el número de posibles configuraciones del cristal.

Listing 2: Código del Modelo de Ising en Matlab.

1 %% Modelo de I s i n g .
2 % C o n s i d e r e N atomos en un c r i s t a l . Los atomos pueden t e n e r s p i n p a r a l e l o

Práctica Número 3 5 Mecánica Estadı́stica

 COLEGIO: CIENCIAS E INGENIERÍAS UNIVERSIDAD SAN FRANCISCO DE QUITO

3 % o anti p a r a l e l o a un campo m a g n e t i c o B , con e n e r g i a −m0 * B , o m0 *B

4 % r e s p e c t i v a m e n t e . Asuma que M s p i n e s e s t a n p a r a l e l o s a B y (N−M)
5 % estan anti paralelos .
6
7
8 % Lo que vamos a empezar r e a l i z a n d o en e s t e c o d i g o e s d e f i n i e n d o n u e s t r o
9 % paramento i n i c i a l e s d e c i r con e l numero que vamos a i n i c i a r p a r a que
10 % nuestro codigo funcione .
11 p = 8000;
12 % Lo que va a h a c e r ” o n e s ” e s c r e a r una m a t r i z con c l a s e s u b y a c e n t e de
13 % d o b l e , con unos en t o d o s l o s e l e m e n t o s . Es d e c i r l o que vamos a r e a l i z a r
14 % e s l a c r e a c i o n de n u e s t r o v e c t o r inicial .
15 s = ones (1 ,10) ;
16 % A c o n t i n u a c i o n que vamos a r e a l i z a r es la c o l o c a c i o n e s de n u e s t r o s s p i n e s
17 % con l o que e l numero 1 e s cuando n u e s t r o s p i n e s t a p a r a a r r i b a y 0 cuando
18 % nuestro spin esta hacia abajo .
19 W = [1 1 1 1 1 0 0 0 0 0 ] ;
20 for i =1:10000 % Vamos a p r o c e d e r a l a c r e a c i o n de un b u c l e que e s c o n o c i d o
21 % b u c l e m i e n t r a s que l a e x p r e s i o n e s v e r d a d e r a . Una e x p r e s i o n
22 % e s v e r d a d e r a cuando su r e s u l t a d o no e s t a v a c i o y c o n t i e n e
23 % s o l o e l e m e n t o s no n u l o s ( n u m e r i c o s r e a l e s o l o g i c o s ) .
24 % De l o c o n t r a r i o , la expresion es f a l s a . Para l o c u a l 1 s e r a
25 % verdadero y 0 f a l s o .
26 a = 0;
27 con = 1 ;
28 f o r k =1:10
29 i f rand >0.5
30 s ( k ) =1;
31 else
32 s ( k ) =0;
33 end
34 end
35
36 for j =1:10 % Con n u e s t r o segundo f o r l o que queremos r e a l i z a r e s ,
37 % comprobar n u e s t r o s s p i n e s paralelos .
38 a=a+s ( j ) ;
39 end
40 i f a==5
41 b=s i z e (W) ;
42 f o r h=1:b ( 1 )
43 if s==W( h , : )
44 con =0;
45 end
46 end
47 i f con==1
48 % Y p or u l t i m o l o que vamos a r e a l i z a r con e s s i z e segunda l a definicion
49 % s i z e (A) d e v u e l v e un v e c t o r de f i l a c u y o s e l e m e n t o s s on l a s longitudes
50 % de l a s d i m e n s i o n e s c o r r e s p o n d i e n t e s de A . Por l o c u a l s e a g r e g a r a un
51 % m i c r o e s t a d o s i n o l o podemos e n c o n t r a r en n u e s t r a m a t r i z que e s t a definida
52 % como W

Práctica Número 3 6 Mecánica Estadı́stica

 COLEGIO: CIENCIAS E INGENIERÍAS UNIVERSIDAD SAN FRANCISCO DE QUITO

53 W = [W; s ] ;
54 end
55 end
56 end
57
58 s i z e (W, 1 )

4 Resultados

4.1 Marcha Aleatoria

Tiene sentido con respecto a las bases de la marcha aleatoria dado que al usar la función randn procesa una

cierta probabilidad de que el número aleatorio sea mayor o menor a cero. Como es una fausiana tiene igual

probabilidad. Lo que en el programa se interpreta como un camino hacia la izquierda o derecha dependiendo

del resultado. Sin embargo dicho proceso sólo converge para un numero grande de iteraciones. Y que de hecho

no números generados por la función randn son pseudo aleatorios. Y por eso la gausiana suele tener media

diferente de 0. Pero igual se está cerca del cero.

Figure 1: Resultado Marcha Aleatoria en Matlab.

Práctica Número 3 7 Mecánica Estadı́stica

COLEGIO: CIENCIAS E INGENIERÍAS UNIVERSIDAD SAN FRANCISCO DE QUITO

Figure 2: Resultado Marcha Aleatoria en Matlab.

4.2 Sistema de osciladores armónicos

En las combinaciones para lograr los diferentes niveles de energı́a del sistema de osciladores armónicos, se tiene

que tomar en cuenta que el sistema tiene un nivel de energı́a mı́nimo inherente. Este nivel de en energı́a es

la base sobre la que se tiene que analizar el resto de posibles combinaciones para los subsecuentes niveles de

energı́a.

El nivel de energı́a mı́nimo es representado por tener cero posibilidades de combinaciones diferentes a su inicial.

g!
(1)
N1 !(g − Ni )!

Sabiendo que g es el número de osciladores armónicos, y N la diferencia de energı́a entre la energı́a mı́nima y

la energı́a total del sistema dividida por hf. Ambas determinan la cantidad de combinaciones posibles en el

sistema debido a la ecuación de energı́a de los osciladores armónicos.

!
1
En = hf +n (2)
2

El sistema siendo la sumatoria de los diferentes osciladores dentro del sistema, en sus diferentes estados de

energı́a. N, representa entones la sumatoria total de “n”, los diferentes estados de energı́a de cada oscilador

dentro del sistema. De forma analógica, el número de osciladores armónicos dentro del sistema representa los

Práctica Número 3 8 Mecánica Estadı́stica

COLEGIO: CIENCIAS E INGENIERÍAS UNIVERSIDAD SAN FRANCISCO DE QUITO

espacios donde se puede poner los diferentes objetos a organizar, siendo estos a su vez representados por “n”.

Los espacios son distinguibles entre sı́, pero los objetos no[3].

5hf

10!
=1
0! ∗ 10!

6hf

10!
= 10
1! ∗ (9)!

7hf

10! 10 ∗ 9
= = 45
2! ∗ (8)! 2

8hf

10! 10 ∗ 9 ∗ 8
= = 120
3! ∗ (7)! 3∗2

4.3 Modelo de Ising

Considere N átomos en un cristal. Los átomos pueden tener spin paralelo o anti paralelo a un campo magnético

B, con energı́a −m0 ∗ B, o m0 ∗ B respectivamente. Asuma que M spines están paralelos a B y (N − M ) están

anti paralelos.

a) Demuestre que la energı́a total del sistema es E(x) = −N (2x − 1)m0 B donde x = M/N .

Lo que se va a demostrar en este enunciado es que la energı́a total que posee nuestro sistema es la siguiente

E(x) = −N (2x − 1)mo B donde x = M/N [4].Tenemos que saber identificar y que tener muy en claro que

para N, m partı́culas que contengan spin para paralelo se va a utilizar la siguiente formula: E = −mo B,

mientras que las partı́culas que contengan un spin anti paralelo se lo va a reconocer porque va a estar

indicado por: N − M , para lo cual nuestra formula sera la siguiente: M (−mo B). Ahora la energı́a que se

busca encontrar en el enunciado a) se la va a plantear de la siguiente manera:

Et = (N − M )(mo B) + M (−mo B) (3)

Práctica Número 3 9 Mecánica Estadı́stica

COLEGIO: CIENCIAS E INGENIERÍAS UNIVERSIDAD SAN FRANCISCO DE QUITO

Ahora vamos a proceder a realizar la resolución matemática:

Et = mo B(−M + N − M )

= −mo B(−2M + N )
!
2M
= −mo BN −1
N

= −mo BN (2x − 1)

= −N (2x − 1)mo B

b) Escriba la expresión de la entropı́a del sistema.

A continuación vamos a presentar la ecuación de la entropı́a con la cual se va a proceder a resolver el

enunciado b).

S = lnΩ (4)

En donde no tenemos que olvidar que Ω va a estar representado por nuestro numero de estados de la

siguiente forma: Ω = 2N , luego procederemos a remplazar en nuestra formula inicial de la entropı́a y

quedara de la siguiente forma:

S = ln(2N )

Por lo cual la formula final quedarı́a de la siguiente manera:

!
N!
S = ln (5)
M !(N − M )!

No tenemos que olvidar que M sera considerado como cantidad de spines paralelos.

c) Imagine un sistema con N = 10 átomos y M = 5 espines paralelos. Dibuje 10 posibles configuraciones

del sistema.

Pues bien ahora en la ecuación 5 que se obtuvo anteriormente lo que vamos a proceder a realizar es el

Práctica Número 3 10 Mecánica Estadı́stica

COLEGIO: CIENCIAS E INGENIERÍAS UNIVERSIDAD SAN FRANCISCO DE QUITO

remplazo de N y M a continuación:

!
N!
S = ln
M !(N − M )!
!
10!
= ln
5!(10 − 5)!
!
10!
= ln
5!(5)!

= ln(252)
" #
J
= 5.52943
k

d) Deduzca una expresión teórica para encontrar el número de posibles configuraciones del cristal.

Tomando la ecuacion 5 que se realizo en el literal a) la vamos a rescribir y nos quedaria de la siguiente

manera: !
N!
Ωm = (6)
M !(N − M )!

A partir de esta nueva ecuacion lo que vamos a proceder a realizar es tomar 10 atoms y remplazar a la

siguiente ecuacion:

Ω = 2N

= 210

Ω = 1024[conf iguraciones]

Retomando nuevamente nuestra nueva ecuación 6 vamos a proceder a encontrar el numero de configura-

ciones posibles para spines paralelos tomando en cuenta que N = 5.

!
N!
Ωm = Bigg(
M !(N − M )!
!
10!
=
5!(10 − 5)!
!
10!
=
5!(5)!

= 252

Por lo cual nos podemos dar cuenta que gracias al Código programado en matlab nuestras configuraciones

posibles coinciden.

Práctica Número 3 11 Mecánica Estadı́stica

COLEGIO: CIENCIAS E INGENIERÍAS UNIVERSIDAD SAN FRANCISCO DE QUITO

Figure 3: Resultado del modelo de Ising con el uso de matlab.

5 Discusiones

Las prácticas realizadas han permitido comprobar como se comporta una partı́cula en una primer estancia, con

apto a la probabilidad con la que se esta realizando la trayectoria especı́fica dada por los valores propuestos

dados por la posición de la partı́cula y sus movimientos. En los histogramas como por ejemplo en la figura 1,

se puede ver como los movimientos pueden ser interpretados de manera gráfica, esto es, como la partı́cula se

mueve pero visto en una sola dimensión con dos probabilidades idénticas. Hay que resaltar que el significado de

los valores de la probabilidad para los otros dos ejemplos (2D Y 3D) , los movimientos de los cuales la partı́cula

describe su ruta sigue siendo ecuánimes y por esto el transito dado tendrá una tendencia funcional con un

desplazamiento particular con relación al inicio y al final, cambiando el valor en el centro del transito, en donde

se supone que la descripción del transito tendrı́a una diferente posición, pero no deja de tener la base señalada

y el transito para el histograma. Los osciladores armónicos tienen un comportamiento particular en el cual se

determina como funcionan los microestados, esta revisión hace que se entienda si existe un mayor número de

microestados cuando la energı́a es mayor, este dato es entendible ya que también se lo puede ver desde otro

punto de vista, en el cual se explica que cada nivel de energı́a es progresivo y va incrementando debido a la

exigencia del problema.

Las practicas realizadas darán como resultado un paralelismo con ayuda de los valores obtenidos, hay que

resaltar que los estudios analı́ticos tienen como base matemática ciertos parametros especı́ficos, pero el código

desarrollado se realiza con un algoritmo complejo en el cual se intenta adaptar un cierto tipo especifico para ası́

poder trabajar con diferentes parametros que sean los indicados para poder realizar nuestros estudios. Por otro

lado, las probabilidades expuestas , ası́ mismo las configuraciones se dan en base a los elementos del modelo

de Ising, lo cual significa principalente trabajar con parametros especı́ficos. Como un punto sobresaliente se

debe mencionar el contacto entre la entropı́a y el funcionamiento del sistema, esto nos permite apreciar como el

aumento o la reducción de la temperatura crea un comportamiento en el mismo sistema y de todos los demás

elementos que conviven con este.

Práctica Número 3 12 Mecánica Estadı́stica

COLEGIO: CIENCIAS E INGENIERÍAS UNIVERSIDAD SAN FRANCISCO DE QUITO

6 Conclusiones

Para con concluir en la marcha aleatoria se puede ver como se mueve la partı́cula, también sus distintos

movimientos y usando un valor alto de interacciones se puede observar como esta pasa por una misma posición

un par de veces. De igual modo se ve que esta pasa sin falta por el cero y que la partı́cula se sitúa con mas

frecuencia alrededor del cero.

En el ejemplo del sistema de osciladores armónicos, se vio que cada vez que el nivel de energı́a del sistema subı́a

tendrı́a como consecuencia una mayor cantidad de microestados, esto se da debido a que hay diferentes maneras

de organizar la energı́a en cada oscilador para que ası́ se llegue a completar la energı́a total. En la regla de

Ising, se puede observar la energı́a final del sistema, el cual depende de las partı́culas con spin paralelo, también

las que poseen spin antiparalelo y sus energı́as respectivas. Igualmente hay que considerar los números de las

partı́culas para ver si se llegó al número correcto de configuración de las partı́culas, ya que de esto esta sujeto

que la combinación correcta se haga para llegar a un número real.

References

[1] B. M. McCoy and T. T. Wu, The two-dimensional Ising model. Courier Corporation, 2014.

[2] G. H. Fredrickson and H. C. Andersen, “Kinetic ising model of the glass transition,” Physical review letters,

vol. 53, no. 13, p. 1244, 1984.

[3] K. Sneppen and G. Zocchi, Physics in molecular biology. Cambridge University Press, 2005.

[4] P. A. D. Rodrı́guez, “Métodos computacionales basados en entrelazamiento cuántico para el análisis de

transiciones de fase en cadenas cuánticas de espı́n 1/2.”

Práctica Número 3 13 Mecánica Estadı́stica