Universidad Central de Venezuela.

Facultad de Ciencias
Escuela de Fsica.
Asignatura: Mecanica Estadstica
Profesor: Ernesto Medina
Estudiante: Jose Garca
1) (7 puntos) Funcion H de Boltzmann: Dado que la funcion H de Boltzmann viene dada por
H =
_
d
3
pf(p, t) ln f(p, t)
donde f(p, t) es arbitraria excepto por las condiciones
_
d
3
rf(p, t) = n
1
n
_
d
3
r
p
2
2m
f(p, t) =
muestre que H es mnimo cuando f es la distribucion de Maxwell-Boltzmann. Recuerde discusion sobre teora de
informacion.
Algunas integrales relevantes
_
e
x
cos(x)dx =
e
x
(a cos(x) + sin(x))
a
2
+ 1
_

0
t
z1
e
t
dt = (z) [Funcion Zeta de Riemann]
a) p(x) =
1
2a
para a < x < a y p(x) = 0 fuera del intervalo.
La funcion caracterstica

x
(k) =

e
ikx
_
=
x
(k) =
_
a
a
e
ikx
2a
dx

x
(k) =
1
2ika
(e
ika
e
ika
) =
x
(k) =
sin(ka)
ka
(1)
luego la media y la varianza
= x
2
=

x
2
_

2
=
_
a
a
x
2a
dx
2
=
_
a
a
x
2
2a
dx
= 0
2
=
a
2
3
(2)
b) p(x) =
1
2a
e

|x|
a
La funcion caracterstica

x
(k) =

e
ikx
_
=
x
(k) =
_

e
ikx
|x|
a
2a
dx

x
(k) =
_
0

e
(ik+
1
a
)x
2a
dx +
_

0
e
(ik
1
a
)x
2a
dx =
x
(k) =
_

0
e
(ik+
1
a
)x
2a
dx +
_

0
e
(ik
1
a
)x
2a
dx

x
(k) =
1
a
_

0
e

x
a
cos(kx)dx =
x
(k) =
1
1 + a
2
k
2
(3)
luego la media y la varianza
= x
2
=

x
2
_

2
=
_

xe

|x|
a
2a
dx
2
=
_

x
2
e

|x|
a
2a
= 0
2
= a
2
_

0
t
2
e
t
dt

2
= a
2
(2) = 2a
2
(4)
c) p(x) =
a
(x
2
+a
2
)
La funcion caracterstica

x
(k) =

e
ikx
_
=
x
(k) =
_

ae
ikx
(x
2
+ a
2
)
dx

x
(k) =
1

e
ikat
(t
2
+ 1)
dt
la integral anterior puede ser resuelta en el plano complejo, donde posee polos simples en t = i. El paramametro
k indica la direccion en la cual se recorre el camino, asi pues tendremos un resultado diferente para k 0 y
para k < 0. Si tomamos un contorno que englobe el polo t = i tendriamos lo siguiente

x
(k) =
1

e
ikat
(t
2
+ 1)
dt, con k 0

x
(k) = e
ka
, con k 0 (5)
donde se utilizo que Res(i) =
e
ka
2i
. Por otro lado, para el caso k < 0 bajo el mismo contorno se obtiene

x
(k) =
1

e
i|k|at
(t
2
+ 1)
dt, con k < 0

x
(k) = e
|k|a
, con k < 0 (6)
donde ahora el polo a utilizar es el que se encuentra en i = 1, debido al sentido del recorrido y cuyo residuo
es Res(i) =
e
|k|a
2i
. De manera que la funcion caracterstica es
= e
|k|a
(7)
luego la media y la varianza
= x
2
=

x
2
_

2
=
_

ax
(x
2
+ a
2
)
dx
2
=
_

ax
2
(x
2
+ a
2
)
dx
= 0
2
=
2a
2

_

0
t
2
t
2
+ 1
dt

2
= (tan
1
(t) t)|

2
=
2) (4 puntos)Matrices Aleatorias: Como modelo de espectro de n ucleos complejos, Wigner considero matrices
simetricas N N cuyos elementos son n umeros aleatorios. Si suponemos que cada elemento M
ij
(para i j) es
una variable aleatoria independiente tomada de la distribucion
p(M
ij
) =
1
2a
para a < M
ij
< a y p(M
ij
) = 0 otro caso.
a) Calcule la funcion caracterstica de la traza de la matriz.
Por denicion de traza
Tr(M) =
N

i=1
M
ii
(8)
la traza a su vez es una variable aleatoria z con una distribucion asociada
T
(z), de manera que la funcion
caracteristica puede ser calculada como sigue:

z
(k) =

e
ikz
_
=
z
(k) =
_
e
ik

xj
_

z
(k) =
_
R
N
e
ik

xj
(x)d
N
x =
z
(k) =
_

e
ik

xj
_
1
2a
_
N
d
N
x

z
(k) =
_
1
2a
_
N N

j=1
_
a
a
e
ikxj
dx
j
=
z
(k) =
_
1
2a
_
N N

j=1
e
ikxj
e
kxj
ik

z
(k) =
_
sin ka
ka
_
N
b) Que dice el teorema del lmite central sobre la densidad de probabilidad de la traza para grandes N?
Tomamos el logaritmo de la funcion caracterstica
ln
z
(x) = N ln
sin ka
ka
ln
z
(x) = N ln
uniforme
la ecuacion anterior puede ser expandida para encontrar los cumulantes, los mismos son entonces proporcionales
a los cumulantes de una distribucion uniforme
x
n

c
= N x
n

uniforme
c
(9)
el primer cumulante es
x
c
= N x
uniforme
c
= x
c
= N x
uniforme
x
c
= 0
(10)
y el cumulante siguiente es

x
2
_
c
= N

x
2
_
uniforme
c
=

x
2
_
c
= N

x
2
_
uniforme

x
2
_
c
=
N
2a
_
a
a
x
2
dx =

x
2
_
c
=
Na
3
3
(11)
como se vio en clase si se dene la cantidad y =
Tr(M)

N
los cumulantes de orden superior desaparecen en el
lmite de grandes n umeros y se obtiene simplemente
p (y) =
1

2
2
e

y
2
2
2
p (y) =
_
3
2a
2
e
3
y
2
2a
2
(12)
c) Para N grandes, cada autovalor
a
de la matriz M tiene una distribucion asociada
p() =
2

1
_

0
_
2
para
0
< <
0
(13)
encuentre la varianza de
Por denicion

2
_
C
=

2
_

2
=

2
_
C
=

2
_

__
dp()
_
2

2
_
C
=

2
_

_
2
0

_
2
__
1
1
x
_
1 x
2
dx
_2
=

2
_
C
=

2
_

2
_
C
=
2
2
0

_
1
1
x
2
_
1 x
2
dx =

2
_
C
=
2
2
0

2
_
C
=

2
0
4
(14)
d) Si en el resultado previo tenemos que
2
0
= 4Na
2
/3 pueden los autovalores ser independientes.
Dos autovalores seran independientes si su correlacion es cero, lo que implica

j
=
i

j
i = j (15)
luego como
i
= 0 entonces

j
= 0 i = j (16)
luego podemos utilizar el vinculo de la traza

Tr(M)
2
_
C
=

i,j

C
=

Tr(M)
2
_
C
=

2
i
_
C
+

i=j

Tr(M)
2
_
C
=

2
i
_
+

i=j

j
=

i=j

j
=

Tr(M)
2
_
C

2
i
_

i=j

j
=
Na
2
3

4Na
2
3
=

i=j

j
=

Tr(M)
2
_
C

2
i
_

i=j

j
= Na
2
(17)
por lo tanto los autovalores no son independientes.
3) (4 puntos ) Caminante aleatorio: El movimiento de una partcula en 3 dimensiones es una serie de pasos
independientes de longitud l, Cada paso hace un angulo con el eje z, con una densidad de probabilidad p() =
2 cos
2
(/2)/ mientras que el angulo esta distribuido uniformente entre 0 y 2. La partcula o caminante empieza
desde el origen y hace un gran n umero de pasos N.
a) Calcule los valores medios z , x , y ,

x
2
_
,

y
2
_
,

z
2
_
y xy , xz , yz
Como se observa, para la variable angular la densidad esta normalizada, lo que implica que en la misma
se encuentra implicitamente el factor sin del angulo solido. Ademas, como para la variable angular la
distribucion es uniforme en el interval [0, 2] podemos escribir la funcion de distribucion angular
(, ) =
1

2
cos
2

2
(, ) =
1
2
2
(1 + cos ) (18)
sea
i
y
i
con i = 1, . . . , N una secuencia aleatoria obtenidas bajo las distribucion (, ), para N iteraciones
el vector resultante viene dado por la suma de los vectores aleatorios unitarios r
i
= sin cos x+sin sin y +
cos z de manera que se obtiene
r
N
= l
N

i=1
sin
i
cos
i
x + sin
i
sin
i
y + cos
i
z (19)
mostramos ahora que
_
2
0
df()() sin = 0
_
2
0
df()() cos = 0
_

0
d cos
2
cos = 0
_

0
d sin
2
sin = 0
de manera que en cada componentes podemos calcular el valor medio como
x = l
N

i=1
_
2
0
_

0
dd sin cos (, ) y = l
N

i=1
_
2
0
_

0
dd sin sin (, )
x = 0 y = 0
z = l
N

i=1
_
2
0
_

0
dd cos (, ) = z =
l

i=1
_

0
d cos (1 + cos ) =
z =
l

i=1
_

0
d(1 + cos 2) = z =
Nl
2
luego para los segundos momentos el procedimiento es el mismo

x
2
_
= l
2
N

i=1
_
2
0
_

0
dd sin
2
cos
2
(, )

y
2
_
= l
2
N

i=1
_
2
0
_

0
dd sin
2
sin
2
(, )

x
2
_
=
l
2
2
2
N

i=1
_
2
0
_

0
dd sin
2
sin
2
(1 + cos )

y
2
_
=
l
2
2
2
N

i=1
_
2
0
_

0
dd sin
2
cos
2
(1 + cos )

x
2
_
=
l
2
2
2
N

i=1
_
2
0
_

0
dd sin
2
sin
2

y
2
_
=
l
2
2
2
N

i=1
_
2
0
_

0
dd sin
2
cos
2

x
2
_
=
l
2
2
2
N

i=1

2
2

y
2
_
=
l
2
2
2
N

i=1

2
2

x
2
_
=
Nl
2
4

y
2
_
=
Nl
2
4

z
2
_
=
N

i=1
_
2
0
_

0
dd cos
2
(, ) =

z
2
_
=
l
2
2
2
N

i=1
_

0
d cos
2
(1 + cos ) =

z
2
_
=
l
2
2
2
N

i=1

2
=

z
2
_
=
Nl
2
4
nalmente
xy = l
2
N

i=1
_
2
0
_

0
dd cos
2
sincos (, ) = xy = l
2
N

i=1
_
4
0
_

0
dd cos
2
sin2(, ) =
xz = 0
xz = l
2
N

i=1
_
2
0
_

0
dd cos sin cos (, ) = xz = 0
yz = l
2
N

i=1
_
2
0
_

0
dd cos sin sin (, ) = yz = 0
(20)
b) Utilice el teorema del lmite central para encontrar la probabilidad de que la partcula alcance el punto
(x, y, z). El espacio muestreal es un espacio innito dimensional, por lo tanto la probabilidad de encontrar a
la partcula en un punto es cero. No obstante es posible encontrar la densidad de probabilidad en el punto
(x, y, z), el teorema del lmite central enuncia que la distribucion de probabilidad del sistema converge para a
una gaussiana para grandes N por ende, las distribucion vendra dada por
p(x, y, z) =
e

(xx
C
)
2
2x
2

(yy)
2
2y
2

(zz
C
)
2
2z
2

C
(2)
3/2
x
2

C
y
2

C
z
2

C
4) (2 puntos). Probabilidades: Considere un espacio de eventos donde pueden ocurrir los eventos A y B tal que
P(A) = 3/5 y P(B) = 2/3 y P(A B) = P(A) + P(B) P(A, B) = 1. Compute P(A, B), P(B|A). Son A y B
independientes?
Tenemos
P(A B) =
19
15
P(A, B) = 1
P(A, B) =
4
15
luego, por denicion la probabilidad condicionada es
P(A|B) =
P(A, B)
P(B)
P(A|B) =
2
5
por ultimo
P(B|A) =
P(A, B)
P(A)
P(B|A) =
4
9
A sera un evento independiente del evento B si se cumple
P(A|B) = P(A)
por lo tanto, como no se cumple los eventos no son independientes.
5) (4 puntos) Informacion:Considere la velocidad de una partcula de gas en una dimension < v < .
a) Encuentre la densidad de probabilidad p(v) sujeta solamente a la restriccion de que la velocidad media es
|v| = c.
La funcion densidad, debe satisfacer para el problema en equilibrio las ecuaciones siguientes
_

p(v)dv = 1
_

|v|p(v)dv = c
S = maxima
luego la entropa es
S =
_

p(v) ln p
i
(v)dv (21)
luego debemos maximizar la entropa, incorporamos las restricciones del problema por medio de los multi-
plcadores de Lagrange

S =
_

p(v) ln p(v)dv +
1
_
1
_

p(v)dv
_
+
2
_
c
_

|v|p(v)dv
_
luego tomamos la variacion de la nueva funcion

S =
_

p(v) ln p(v)dv
1

p(v)dv
2

|v|p(v)dv

S =
_

ln p(v)p(v)dv
_

p(v)dv
1
_

p(v)dv
2
_

|v|p(v)dv
y nalmente maximizamos

S = 0

(ln p(v) + 1 +
1
+
2
|v|) p(v)dv = 0
ln p(v) + 1 +
1
+
2
|v| = 0
p(v) = e
112|v|
la funcion anterior puede ser escrita de una manera mas adecuada como
p(v) = e
|v|
al normalizar obtenemos
=

2
luego al calcular la velocidad media
_

|v|p(v)dv = c

_

0
ve
v
dv = c
1

= c
=
1
c
de donde se obtiene nalmente la distribucion
p(v) =
1
2c
e

|v|
c
(22)
b) Ahora encuentre la densidad de probabilidad p

(v) sujeta solamente a la restriccion

mv
2
/2
_
= mc
2
/2
Nuevamente denimos la funcion con restricciones

S =
_

(v) ln p

(v)dv +
1
_
1
_

(v)dv
_
+
2
m
2
_
c
2

v
2
p

(v)dv
_
luego la maximizamos

S = 0

_
ln p

(v) + 1 +
1
+
2
m
2
|v|
_
p

(v)dv = 0
ln p

(v) + 1 +
1
+
m
2

2
v
2
= 0
p

(v) = e
112
m
2
v
2
redenimos la funcion de una manera mas apropiada como
p

(v) = e
v
2
(23)
al normalizar se obtiene
=
_

(24)
luego
_

v
2
p

(v)dv =c
2
1
2a
=c
2
de manera que la distribucion es nalmente
p

(v) =
1

2c
2
e

v
2
2c
2
(25)
c) Cuales de las dos restricciones provee mas informacion sobre la velocidad. Cuantique la diferencia en infor-
macion en terminos de I

I (S

S)/ ln(2) La entropa para ambas distribuciones se calcula como

S =
_

ln
_
1
2c
e

|v|
c
_
1
2c
e

|v|
c
dv = S =
_

_
ln
_
1
2c
_

|v|
c
_
1
2c
e

|v|
c
dv
S =ln(2) + 1 + ln(c) (26)
S

=
_

ln
_
1

2c
2
e

v
2
2c
2
_
1

2c
2
e

v
2
2c
2
dv = S

=
_

_
ln
_
1

2c
2
_

v
2
2c
2
_
1

2c
2
e

v
2
2c
2
dv
S

=
1
2
+
1
2
ln(2) + ln(c) (27)
de manera que la diferencia de informacion es
I
2
I
1
=
ln ln 2 1
ln 2
(28)
d) (4 puntos)Cumulantes : Usando el metodo graco de clase, calcule en termino de los momentos simples lo
siguientes cumulantes