Proyecto 1

1
Reyes, E., Sánchez, D. & Zelada, J.
1
Universidad del Valle de Guatemala, Facultad de Ciencias y Humanidades, Departamento de Fı́sica
Métodos Matemáticos 2, Instructor: Yasmin Portillo

30 de Septiembre de 2023

PROBLEMA 1
Deduzca la fórmula de Stirling. Esta fórmula es una aproximación para factoriales grandes y es uti-
lizada para facilitar los cálculos en la mecánica estadı́stica cuando se está calculando el número de
microestados en un ensemble.
√  n n
n! ≈ 2πn (1)
e
R//—————————————————————————————————————

Partiendo de
n! = n(n − 1)!
= nΓ(n)
Z ∞
=n tn−1 e−t dt
0
Z ∞
= tn e−t dt
0
Haciendo la sustitución :
t−n √
u= √ →t=u n+n
n
1 √
du = √ dt → dt = du n
n
Se obtiene ∞ √ √
Z
(u n + n)n exp −(u n + n) ndu
 √
n! = √
− n
∞ n
n −n √
√
Z 
u
= √
n n
√ +1 e−u e ndu
− n n
n √ Z ∞  n √
n n u
= √
√ +1 e−u n
du
en − n n
Nótese que la expresión tiene ya similitudes con la fórmula de Striling. Hace falta un factor de 2π, el

1
cual se sabe que resultará de aproximar la integral a ese valor. Una posible aproximación preliminar
podrı́a ser aproximartla a una Gaussiana
n
Z ∞ 
u √
−u n
Z ∞
2 √
√
√ +1 e ≈ eu /2 du = 2π
− n n −∞

Haciendo un análisis gráfico de la propuesta de aproximación

2
Figura 1: Análisis gráfico de la aproximación realizada. En
 verdense gráfica la función f (x) = ex /2 ,
√
mientras que rojo, azul y naranja la gráfica de la función √un + 1 e−u n para n = 1, 10, 100 respec-
tivamente
Fuente: Elaboración propia

Se observa como al aumentar el valor de n, ambas funciones se van acercando cada vez más, con lo
cual la aproximación es acertada, teniendo finalmente la Fórmula de Striling
√  n n
n! ≈ 2πn
e
————————————————————————————————————-

PROBLEMA 2
Investigar la naturaleza de la función z y explorar la relación que existe entre ella y la función gamma.

La función zeta de Riemann, denotada comúnmente como ζ(z), es una función matemática especial
que tiene una profunda importancia en el campo de la teorı́a de números y el análisis complejo. Fue
estudiada por el matemático alemán Bernhard Riemann en el siglo XIX y es una función que toma un
número complejo ”zçomo entrada y devuelve otro número complejo como resultado. La función zeta
de Riemann está definida en su forma más general como una serie infinita:

ζ(z) = 1−z + 2−z + 3−z + 4−z + 5−z + ... (2)

Donde ”z.es un número complejo y los términos son las potencias inversas de los números naturales.

2
Sin embargo, esta serie solo converge para valores de ”zçuya parte real es mayor que 1. Para valores
de ”zçon parte real menor o igual a 1, la serie se vuelve divergente.

Una de las propiedades más notables de la función zeta de Riemann es su conexión con la distribución
de números primos. El matemático Leonhard Euler demostró que:

Π2
ζ(2) = 1−2 + 2−2 + 3−2 + 4−2 + 5−2 + ... = (3)
6
Esta es una identidad importante que relaciona la función zeta de Riemann en s = 2 con Π y su rela-
ción con números primos. La función zeta de Riemann también se utiliza en la hipótesis de Riemann,
que es uno de los problemas no resueltos más famosos en matemáticas.

La relación entre la función zeta de Riemann (ζ) y la función gamma (γ) se establece a través de lo que
se conoce como la ”fórmula funcional de la función zeta de Riemann”. Esta fórmula es una relación
fundamental que conecta estas dos funciones matemáticas en el contexto de números complejos. La
fórmula funcional de la función zeta de Riemann es la siguiente:

ζ(s) = 2s π s−1 sin(πs/2)Γ(1 − s)ζ(1 − s) (4)

Esta fórmula permite calcular valores de ζ(s) para diferentes valores de ”sütilizando la función gamma.
En particular, se utiliza para extender la definición de ζ(s) a regiones del plano complejo donde la
serie original de ζ(s) no converge.

La fórmula funcional es especialmente útil en el estudio de la función zeta de Riemann en la región

crı́tica (la región donde la parte real de ”s.está entre 0 y 1), lo que tiene importantes aplicaciones en
la teorı́a de números, como la hipótesis de Riemann.

En resumen, la fórmula funcional de la función zeta de Riemann es una relación clave que conecta
la función zeta de Riemann y la función gamma en el contexto de números complejos y se utiliza
ampliamente en matemáticas para analizar y calcular propiedades de la función zeta de Riemann en
diferentes regiones del plano complejo.

Luego demuestre la siguiente propiedad:

∞
us−1
Z
Γ(s)ζ(s) = du (5)
0 eu − 1

u es una variable muda.

R//—————————————————————————————————————

Conocemos que:
1
= e−x + e−2x + e−3x + ... (6)
−1ex
Converge uniformemente si se trabaja sobre los reales positivos. Con lo cual podemos escribir una

3
integral:
+∞ +∞
xs−1
Z Z
xs−1 e−x + e−2x + e−3x + ... dx


dx = (7)
0 ex − 1 0

XZ +∞
= xs−1 e−nx dx (8)
n≥1 0

Si sustituimos x = z/n, obtenemos:

X Z +∞ X Z +∞
s−1 −z 1 n 1
(z/n) e dz = z s−1 e−z s dz (9)
0 n 0 n n
n≥1 n≥1

X 1 Z +∞
= z s−1 e−z dz (10)
ns 0
n≥1

Recordando la función Gamma, la cual para todo s > 0 está definida por:
Z ∞
Γ(s) = z s−1 e−z dz (11)
0
Se remplaza tal que:
∞
us−1
Z X 1
du = Γ(s) (12)
0 eu − 1 ns
n≥1

Recordando que la función zeta de Riemman se escribe:

X 1
ζ(s) = (13)
ns
n≥1

Entonces sustituimos:
∞
us−1
Z
du = Γ(s)ζ(s) (14)
0 eu − 1
Q.E.D.
π2
Después de deducir esta relación, utilice esta relación y esta propiedad ζ(s) = 6 , para realizar la
siguiente integral:
Z ∞
x
x−1
dx (15)
0 e
R//—————————————————————————————————————

partiendo con la definición anterior:

∞
us−1
Z
du = Γ(s)ζ(s) (16)
0 eu − 1

4
para este caso serı́a s = 2:
∞
x2−1
Z
dx = Γ(2)ζ(2) (17)
0 ex − 1
Z ∞
x
dx = Γ(2)ζ(2) (18)
0 ex −1
π2
con lo que ya tenemos la integral que buscamos, recordando que Γ(2) = 1 y ζ(2) = 6 se sustituye:
Z ∞
x π2
dx = 1 ∗ (19)
0 ex − 1 6
resolviendo totlamente:
∞
π2
Z
x
dx = (20)
0 ex − 1 6
———————————————————————————————————————

PROBLEMA 3
Realiza una investigación acerca de las funciones gamma y beta en la fı́sica, explorando las áreas en
las que pueden aparecer, ası́ como su papel y relevancia en esos campos
R//—————————————————————————————————————

0.1. Funciones Gamma:

La función gamma () es una generalización del concepto de factorial a números complejos y reales no
negativos. Tiene una amplia gama de aplicaciones en la fı́sica y las matemáticas:

Mecánica Cuántica: La función gamma aparece en la teorı́a de la función de onda de partı́cu-

las en mecánica cuántica, especialmente en el contexto de la función de onda en términos de
coordenadas esféricas y en la normalización de las funciones de onda.

Estadı́stica y Termodinámica: La función gamma se utiliza en la teorı́a de la estadı́stica

y la termodinámica para describir la distribución de Bose-Einstein, que se aplica a partı́culas
bosónicas en sistemas cuánticos.

Teorı́a de Campos: En la teorı́a cuántica de campos, la función gamma aparece en la norma-

lización de los estados cuánticos y en la regularización de divergencias en cálculos de diagramas
de Feynman.

5
0.2. Funciones Beta:
La función beta (B) está relacionada con la función gamma y tiene aplicaciones en la fı́sica y la
estadı́stica:

Estadı́stica y Probabilidad: La función beta se utiliza en la teorı́a de la probabilidad y

la estadı́stica para describir distribuciones de probabilidad, especialmente en el contexto de
distribuciones beta.

Análisis de Datos: En la fı́sica experimental y la ciencia de datos, la función beta se emplea

en el análisis de datos y la estimación de parámetros desconocidos.

Modelos de Distribución: La función beta se utiliza en la modelización de sistemas fı́sicos y

en la descripción de procesos de mezcla y reacciones quı́micas.

Fı́sica de Partı́culas: Tanto la función gamma como la función beta son importantes en la fı́sica
de partı́culas y la teorı́a cuántica de campos. Aparecen en cálculos de amplitudes de dispersión y se
utilizan en la renormalización de teorı́as cuánticas de campos.

Cosmologı́a:En la cosmologı́a, estas funciones se utilizan en cálculos relacionados con la evolución

del universo temprano, como la nucleosı́ntesis primordial y la descripción de la densidad de estados
de partı́culas en el universo temprano.

La función gamma y la función beta son herramientas matemáticas esenciales en la fı́sica y la ciencia
en general. Se utilizan para describir fenómenos cuánticos, estadı́sticas de partı́culas, distribuciones
de probabilidad y una variedad de otros conceptos en fı́sica teórica y aplicada. Su versatilidad las
convierte en elementos fundamentales en muchas áreas de la fı́sica y la investigación cientı́fica.
———————————————————————————————————————

1. Simulación
En Canvas se le adjunto dos archivos CSV, estos archivos trazan una curva de una distribución, gamma
y beta. Mediante estos archivos, realice un ajuste de curva en Python (use cualquier librerı́a) para
estimar el valor de α & β en ambas distribuciones, minimizando RMSE

β α xα−1 eβx
f (x; α, β) = (21)
Γ(α)

xα−1 (1 − x)β−1
f (x; α, β) = (22)
B(α, β)
Luego de realizar los ajustes de curva, para la distribución gamma investigue que aplicaciones en el
campo se pueden realizar y que interpretaciones comunes hay en los parámetros α & β Respecto a la
distribución beta, investigue acerca de la Conjugación beta-binomial

6
1.1. Resultados
Código en Python: https://drive.google.com/drive/folders/1_ZFXoKmA2F-QLGHvsza_1zJsdXqcUEmk?
usp=sharing

1.1.1. Distribución Gamma

Para la distribución Gamma, se obtuvieron los siguientes resultados

Figura 2: Ajuste de curva para distribución Gamma, histograma 1

Fuente: Elaboración propia

7
Figura 3: Ajuste de curva para distribución Gamma, histograma 2
Fuente: Elaboración propia

Figura 4: Ajuste de curva para distribución Gamma, histograma 3

Fuente: Elaboración propia

8
 Figura 5: Ajuste de curva para distribución Gamma, histograma 4
Fuente: Elaboración propia

La distribución Gamma resulta de considerar varios eventos de Poisson en un tiempo dado, donde el
tiempo entre cada evento de Poisson es relevante. Dicho parámetro indica la densidad de la distribución
y está dado por el parámetro β, mientras que α se interpreta como la cantidad de sucesos.
Por eso mismo, entre las aplicaciones de la distribución se encuentran casos como el intervalo de tiempo
entre dos fallos de motor, como también en fiabilidad de materiales estudiando procesos de corrosión
y fatiga de metales, tiempo de vida sistemas electrónicos, entre otras

1.1.2. Distribución Beta

Para la distribución beta, se obtuvieron los siguientes resultados

9
Figura 6: Ajuste de curva para distribución Beta, histograma 1
Fuente: Elaboración propia

Figura 7: Ajuste de curva para distribución Beta, histograma 2

Fuente: Elaboración propia

10
 Figura 8: Ajuste de curva para distribución Beta, histograma 3
Fuente: Elaboración propia

Figura 9: Ajuste de curva para distribución Beta, histograma 4

Fuente: Elaboración propia

La Distribución Beta-Binomial está relacionada con la distribución binomial, con la diferencia que
la probabilidad de éxito/fracaso no es conocida/constante, sino que es aleatoria para cada suceso,
rigiéndose por la distribución Beta.

11
Referencias
[1] Weisstein, Eric W. (sf). GammaDistribution. Extraı́do de: https://mathworld.wolfram.com/
GammaDistribution.html.

[2] Shen, T.; Zhao, K. (2019) Normal-gamma distribution–based stochastic knock probability control
scheme for spark-ignition engines Journal of Automobile Engineering

[3] Arfken, Weber & Harris. (2013). MATHEMATICAL METHODS FOR PHYSICISTS Academic
Press is an imprint of Elsevie

[4] Riemann, Bernhard (1859) Monatsberichte der Berliner Akademie. Dover, Nueva York

12