Octubre 08, 2023.

Ciudad de Guatemala, Guatemala

Modelo de Banda Elástica

ZELADA, J.
RIOS. A
Universidad del Valle de Guatemala, Facultad de Ciencias y Humanidades.
Departamento de Física, Mecánica Estadística, sección 10.
Instructor de laboratorio: Lic. Sergio López

ABSTRACT El método de Monte carlo es un método estadístico que permite aproximar expresiones
matemáticas. Se propuso la tarea de aproximar como se comportará la longitud de una liga elástica en
función de la temperatura y comparar la gráfica de dicha aproximación, de forma cualitativa, con la gráfica
de la expresión teórica la cual se obtiene partiendo de la función de partición. Mediante las observaciones y
hacer el análisis cualitativo se logró comprobar que las gráficas son iguales.

INDEX TERMS Probabilidad, estados, longitud, moléculas y temperatura

I. MARCO CONCEPTUAL partición encontrada de forma experimental se desea utilizar

I-A. ANTECEDENTES el el algoritmo de Monte Carlo para determinar y graficar la
L Ensemble canónico se utiliza para describir sistemas longitud de la banda elástica en función de la temperatura.
E que tienen una energía fija E Con esto se desea deter-
minar el número de microestados Ω posibles para describir
Esto con el fin de comparar ambas g’raficas con la parte
teórica
dicho sistema.
II. OBJETIVOS - HIPÓTESIS
Se puede calcular la probabilidad de que cierto microesta- II-A. OBJETIVOS
do sea producido y puede expresarse como: Encontrar de forma teórica la función de partición para
el problema planteado.
eEi /KB T
Pi = (1) Utilizar el algoritmo de Monte Carlo para graficar la
Σi eEi /KB T longitud en función de la temperatura.
En donde el factor de normalización para la distribución Comparar las gráfica obtenida con el modelo teórico.
de Boltzmann es, para este caso:
II-B. HIPÓTESIS
Z = Σn e−βEn (2) Mediante un análisis cualitativo se puede determinar
Por lo que la probabilidad puede expresarse ahora como: que la gráfica obtenida con el método de Monte Carlo
es la misma que la obtenida con la expresión teórica.
e−βEn
Pi = (3)
Z III. MATERIALES Y MÉTODOS
En donde el factor inverso de la temperatura se denota III-A. MATERIALES
universalmente como: Computadora
Lenguaje de programación Python.
1
β= (4)
KB T
III-B. METODOLOGÍA
I-B. PLANTEAMIENTO DEL PROBLEMA 1. Deducción de la función de partición en la sección de
Se desea simular una banda elástica la cual se modela resultados.
como una cadena de N moléculas las cuales poseen dos 2. El programa realizado se colocará en un Drive en la
configuraciones, α y β. Estas tienen energías ϵα y ϵβ , con sección de anexos.
longitudes a y b, respectivamente. Mediante la función de

1
IV. RESULTADOS Recordando que a < b
Para la resolución teórica del problema, se inicia encon-
Si buscamos el límite cuando T → ∞, al tener un
trando la función de partición Z, para este sistema de partí-
número muy grande en el denominador del exponente,
culas que no interactúan entre sí, se calcula con los factores
este hace que se haga cero, obteniendo
de Boltzman de todos los estados posibles, obteniendo así:

Zi = e−βeα + e−βeβ (5) 

b−a
 
b−a

L(T ) = N a + =N a+ (15)
Recordando que la consante β = kB1T . El subíndice de 1 + e0 2
la Z se debe a que ttiene una función de partición para cada
una de las partículas, por lo que la función total queda de la Obteniendo así
forma:
 
−βeα −βeβ N
a+b
ZiN L(T ) = N


=Z= e +e (6) (16)
2
N es el número total de partículas en el sistema, como
estas tienen la probabilidad de estar en dos estados, este Resultando que para temperaturas muy altas, la longitud
número se puede definir cómo de la bandita es un promedio de la longitud de los dos
estados para cada una de las moléculas presentes.
N = Nα + Nβ (7)
Si buscamos el límite cuando T → 0, al tener un
Para conocer el número de partículas que se encuentran en número muy pequeño en el denominador del exponente,
cada estado, se necesita conocer la probabilidad de que una este crece hasta el infinito, obteniendo
molécula esté en dicho sistema, esto se realiza utilizando la
función de partición de cada molécula, obteniendo así  
b−a
L(T ) = N a+ = N (a + 0) (17)
∞
e−βeα
Pα = −βeα (8)
e + e−βeβ Obteniendo así
e−βeβ
Pβ = −βeα (9)
e + e−βeβ
La longitud total de la bandita debe estar descrita por la L(T ) = N a (18)
longitud del primer estado multiplicado por el número de
moléculas en este estado, más la longitud del segundo estado Resultando que para temperaturas muy bajas, la lon-
multiplicado por el número de moléculas en este segundo gitud de la bandita es la longitud del estado de menor
estado, por lo que energía para cada una de las moléculas presentes.
Utilizando el programa con el algoritmo Monte Carlo, se
L = Nα a + Nβ b (10)
obtienen los siguientes resultados
Utilizando la probabilidad de que una molécula esté en un
estado, se puede escribir de la siguiente forma

L = N Pα a + N Pβ b = N (Pα a + Pβ b) (11)
Para simplificar los cálculos, por las probabilidades, se
puede reescribir de la forma

L = N ((1 − Pβ )a + Pβ b) (12)
Sustituyendo las probabilidades, obtenemos la expresión
e e
− β − β
!
−ae kB T + be kB T
L=N a+ e (13)
− eα − β
e kB T + e kB T
Utilizando la sustitución de ∆e = eβ −eα , podemos llegar
hasta la ecuación más simple para la longitud de:
!
b−a Figura 1. Captura del la simulación con temperaturas 0.1 a 0.3
L(T ) = N a + ∆e (14)
(Laboratorio de Mecánica Estadística, 2023)
1 + e kB T
2
 [2] Ponciano, J. Curso Mecánica Cuántica. 2021
[3] Huang, Kerson. Introduction to statistical physics. CRC Press, 2009.
[4] Woods Halley J., Statistical Mechanics, Cambridge University Press, 2007

VII. ANEXOS
Link para el drive en donde se puede encon-
trar el programa realizado https://drive.google.com/file/d/
1ToCdOw-4C0H0cDK-EAHL6TpVd2POlMd_/view?usp=
sharing

Figura 2. Captura del la simulación con temperaturas 0.1 a 50

(Laboratorio de Mecánica Estadística, 2023)

Se observa que al iniciar la gráfica en temperaturas bajas,

las 200 moléculas se encuentran en el estado de menor
energía por la longitud indicada en la gráfica, mientras que
en las temperaturas altas, la longitud de la banda se empieza
a estabilizar en el promedio de longitud de la banda con 200
moléculas.

V. DISCUSIÓN DE RESULTADOS
Se logró encontrar de forma teórica la función de partición
para poder encontrar como se comporta la longitud en
función de la temperatura. También se logró encontrar la
misma utilizando el algoritmo de montecarlo.

Utilizando el graficador online Desmos, se logró encontrar

las gráficas que describen la longitud en función de la tem-
peratura. Al comparar estas con las obtenidas utilizando el
algoritmo de Monte Carlo, puede notarse que ambas parten
desde el mismo punto y poseen una misma tendencia. De
forma cualitativa se puede mostrar que las gráficas son las
mismas. Si se desea ser más exacto en cuanto varía una curva
con la otra, se puede evaluar varios puntos y evaluarlos con su
respectiva posición utilizando el algoritmo de Monte Carlo.
Otra idea es tratar de realizar más iteraciones y verificar el
comportamiento asintótico para comparar ambas gráficas.

VI. CONCLUSIONES
1. Se logró implementar de forma eficiente el algoritmo
de Monte Carlo para encontrar una función de la lon-
gitud en términos de la temperatura.
2. Se logró encontrar la función de partición para poder
describir de forma teórica como se comportará la lon-
gitud en función de la temperatura
3. Según el análisis cualitativo realizado, se cumple la
hipótesis planteada

Referencias
[1] Blundell and Blundell. Concepts in Thermal Physics. University of Oxford
UK. 2006