Mecánica Estadística: Estadística de Maxwell-Boltzmann

Documentos relacionados
Fugacidad. Mezcla de gases ideales

3. VARIABLES ALEATORIAS.

Electricidad y calor

Tema 4: Variables aleatorias

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage: Algunas definiciones

Fundamentos de Física Estadística: Problema básico, Postulados

TEMA 3. VARIABLE ALEATORIA

TERMODINÁMICA AVANZADA

Métodos específicos de generación de diversas distribuciones discretas

Problemas donde intervienen dos o más variables numéricas

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

4. PROBABILIDAD CONDICIONAL

Guía de Electrodinámica

Consideremos un sólido rígido sometido a un sistema de fuerzas en equilibrío, es decir

Mecánica Clásica ( Partículas y Bipartículas )

8 MECANICA Y FLUIDOS: Calorimetría

Tema 1.3_A La media y la desviación estándar

PROBABILIDAD Y ESTADÍSTICA

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros

TERMODINÁMICA FUNDAMENTAL. TEMA 3. Primer principio de la termodinámica

TERMODINÁMICA AVANZADA

1. Lección 7 - Rentas - Valoración (Continuación)

Propiedades Asintóticas

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1

Efectos fijos o aleatorios: test de especificación

Lección: Disoluciones

2.1. Sustancias puras. Medida de los cambios de entalpía.

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA

Aplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa

Capítulo V. Teoremas de Fermat, Euler y Wilson

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Una Reformulación de la Mecánica Clásica

TEMA 4 Variables aleatorias discretas Esperanza y varianza

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

Continua: Corriente cuyo valor es siempre constante (no varía con el tiempo). Se denota como c.c.

EXPERIMENTACIÓN COMERCIAL(I)

DEPARTAMENTO DE INDUSTRIA Y NEGOCIO UNIVERSIDAD DE ATACAMA COPIAPO - CHILE

Medidas de centralización

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange

FUNDAMENTOS QUIMICOS DE LA INGENIERIA

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

Pregunta Hoy está nublado, cuál es la probabilidad de que mañana continúe nublado? cuál es la probabilidad de que está nublado pasado mañana?

Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas.

Fisicoquímica CIBEX Guía de Trabajos Prácticos Trabajo Práctico N 7. - Medida de la Fuerza Electromotriz por el Método de Oposición-

Campo eléctrico. Líneas de campo. Teorema de Gauss. El campo de las cargas en reposo. Campo electrostático

INTRODUCCIÓN. Técnicas estadísticas

TEMA 1: PROBABILIDAD

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA. Ingeniería Química

1. Actividad y Coeficientes de actividad

Relaciones entre variables

Tema 1: Análisis de datos unidimensionales

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

Cinemática del Brazo articulado PUMA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

Modelos unifactoriales de efectos aleatorizados

Disoluciones. Disolución ideal. Disolución ideal. Disolución ideal. Disolución ideal

Colección de problemas de. Poder de Mercado y Estrategia

Variable aleatoria: definiciones básicas

1. Modelos Expresados en Variables de Estado 1

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

Capitalización y descuento simple

MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño Omar De la Peña-Seaman. Instituto de Física (IFUAP)

Sistemas de Varias Partículas.

TEMA 4. TRABAJO Y ENERGIA.

Tema 3. Sólido rígido.

NÚMEROS COMPLEJOS. y sabemos que no podemos calcular raíces de números negativos en R. Para resolver este problema introduciremos el valor i = 1

OSCILACIONES 1.- INTRODUCCIÓN

LABORATORIO DE OPERACIONES UNITARIAS I

En un mercado hay dos consumidores con las siguientes funciones de utilidad:

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.

Introducción a las Subastas de Múltiples Objetos

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

Tema 3. Trabajo, energía y conservación de la energía

Solución: Se denomina malla en un circuito eléctrico a todas las trayectorias cerradas que se pueden seguir dentro del mismo.

TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA

Laboratorio de Electricidad PRACTICA - 8 SHUNTS PARA INSTRUMENTOS DE MEDICIÓN DE CORRIENTE

Introducción al riesgo de crédito

ALINEAMIENTO DE DOS SECUENCIAS (pairwise alignment)

MÁQUINAS TÉRMICAS. Aspectos Fundamentales de Termodinámica. Mayo 2012 ASPECTOS FUNDAMENTALES

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

ONDAS ESFÉRICAS RADIACIÓN ACÚSTICA

Fuerzas ficticias Referencial uniformemente acelerado

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES

CESMA BUSINESS SCHOOL

RESISTENCIAS EN PARALELO

Análisis estadístico de incertidumbres aleatorias

Apuntes de Mecánica Newtoniana: Sistemas de Partículas, Cinemática y Dinámica del

Trabajo y Energía Cinética

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Mecánica del Sólido Rígido

Conceptos fundamentales de Termodinámica

Ejercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.

Es el movimiento periódico de un punto material a un lado y a otro de su posición en equilibrio.

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

Transcripción:

Ludwg Boltzmann 1844-1906 James Clerk Maxwell 1831-1879 E. Martínez 1

Lápda de Boltzmann en el cementero de Vena S=k ln W E. Martínez 2

S=k ln W Entropía, una propedad termodnámca Una medda de nuestra gnoranca de un sstema físco-químco Conexón entre las propedades termodnámcas macroscópcas del sstema y las propedades mcroscópcas de sus elementos E. Martínez 3

La entropía de un sstema aslado tende a crecer (o por lo menos no decrece) como consecuenca de cualquer transformacón termodnámca. Consdere usted un cubo de helo, aslado en una habtacón a una temperatura constante, dgamos 17 grados celcus... He aquí el helo: E. Martínez 4

En el nstante msmo que dejamos el helo en la habtacón...... tenemos absoluto conocmento de la poscón de cada molécula del helo. E. Martínez 5

... Sn embargo, en un proceso cuasestátco este helo se fundrá, transformándose en agua líquda. Y este proceso de fusón ha destrudo el orden en que se encontraban las moléculas en el sóldo. Ha aumentado, al gual que la entropía, nuestra gnoranca sobre la poscón de las partículas, producto del desorden. E. Martínez 6

Entropía e gnoranca Vamos a asocar la entropía con total gnoranca, en vez de asocarla sólo con la gnoranca de la poscón de los elementos. Por lo tanto, el problema es dar un sgnfcado precso al concepto de gnoranca, y hallar la relacón funconal que lo vncule con la entropía (y así, tambén, poder entender cabalmente porqué está esa relacón funconal en la lápda de Ludwg Boltzmann) E. Martínez 7

Consderemos por analogía un mazo de nape El mazo representa el sstema... y los napes, los elementos E. Martínez 8

S los elementos (napes) se encuentran orgnalmente ordenados (por pnta y valores), ello corresponderá a un estado de orden total (correspondendo a un estado de entropía cero). Es decr, que exste una únca dsposcón posble de los elementos del sstema, y conocemos perfectamente la poscón de cada nape. S se barajan las cartas (correspondendo a una agtacón térmca debda a un aumento de la temperatura) aumenta nuestra gnoranca respecto de la poscón de un nape dado (correspondendo a un aumento de la entropía). Cómo medremos esta gnoranca? E. Martínez 9

Consderemos el mazo ordenado, extragamos una carta al azar y coloquémosla en una poscón cualquera del mazo. S el número de cartas es N, tendremos N poscones dstntas gualmente posbles. Supongamos ahora que son dos los napes que se extrajeron y se han vuelto a colocar en otra poscón cualquera. El número de dsposcones dstntas e gualmente posbles es ahora N(N-1) E. Martínez 10

Sacamos un nape... Q Q N napes ordenados... y lo colocamos en una de las N poscones Habrán N poscones, gualmente posbles, donde la carta puede ubcarse! E. Martínez 11

Sacamos ahora dos napes... K Q Q N napes ordenados Este lugar ya está ocupado!... y volvemos a colocar los dos napes K Habrán N(N-1) poscones, gualmente posbles, donde los dos napes pueden ubcarse! E. Martínez 12

Se observa que el aumento de nuestra gnoranca acerca de la dsposcón de los napes en el mazo (que se corresponde con el aumento del desorden) está asocado con el número de dsposcones dstntas gualmente posbles. Podemos proponer, entonces, como medda de nuestra gnoranca el número de dsposcones dstntas de los napes, gualmente posbles, para el estado que se consdere. Es mportante consderar que, a pror, todas las poscones dstntas son gualmente posbles E. Martínez 13

El número de dsposcones dstntas de los elementos de un sstema dado se denotará por W Consderemos ahora dos mazos que se barajan ndependentemente Cuál es el número W de dsposcones gualmente probables del sstema formado por los dos mazos? W = W W 1 2 Sea W 1 el número de... y W para este dsposcones gualmente sstema 2 probables de este sstema E. Martínez 14

Por otro lado, termodnámcamente s S 1 y S 2 ndcan la entropía de dos sstemas ndependentes, la entropía total S está dada por S = S + S 1 2 Hemos encontrado una nterrelacón entre W y S, tal que: a) A un aumento de S corresponde un aumento de W, y vceversa b) Cuando se consderan dos sstemas ndependentes, a la propedad adtva de S le corresponde la propedad multplcatva de W E. Martínez 15

Por lo tanto, la funcón que vncule a S y W deberá ser tal que f(w W ) = f(w ) + f(w ) 1 2 1 2 Exste una, y solo una, funcón que verfca la condcón anteror...... y es la que fue puesta en la lápda de Boltzmann S = k lnw E. Martínez 16

S = k lnw Para el caso de un sstema físco-químco, W representará, al gual que los napes de la baraja, el número de todas las posbles poscones de sus elementos. Supongamos que el sstema tene N partículas, una funcón de volumen V, y una energía nterna U Uno de lo objetvo de la mecánca estadístca es calcular la gnoranca W como funcón de W = W(U, V, N) E. Martínez 17

Vamos a calcular W para un sstema aslado de elementos ndependentes localzados. Por localzado se entenderá que el elemento se puede encontrar en el entorno de una poscón fja en el espaco; además se puede encontrar uno, y solo un, elemento en tal poscón. Por ndependente se entenderá que el estado del elemento en un nstante dado no está afectado por el estado de los restantes elementos. E. Martínez 18

Supongamos entonces que tenemos un sstema aslado con N partículas déntcas. Cada partícula puede ocupar un nvel de energía E, E,... 1 2 La energía (constante) de este sstema aslado es U Defnamos una dstrbucón del sstema de partículas medante la notacón (n, n,..., n,... ) 1 2 E. Martínez 19

(n, n,..., n,... ) 1 2 número de partículas en el nvel, donde cada una de ellas tene una energía E Entonces n E=U y además n =N E. Martínez 20

Defnamos el conjunto de todas estas dstrbucones como Ω= (n 1, n2,..., n,...) / n =N, n E=U Cada elemento de Ω se dce que es un macroestado Ahora, cada macroestado tene varas maneras de confgurarse, y una manera asocada a un determnado macroestado se llamará mcroestado Luego W es el número de mcroestados posbles del sstema E. Martínez 21

Macroestado y mcroestado Supongase que el sstema tene N = 4 partículas, y que la energía nterna es U = 6, y los nveles de energía van desde 0, 1, 2,... He aquí tres posbles macroestados 7 6 5 4 3 2 1 0 A B C 7 7 6 6 5 5 4 4 3 3 2 2 1 1 0 0 E. Martínez 22

E. Martínez 23 Mecánca Estadístca: Estadístca de Maxwell-Boltzmann 0 1 2 3 4 5 6 7 A Como el sstema es localzado, esto sgnfca que las partículas son dstngubles, luego algunas manfestacones (mcroestados) para el macroestado A son las sguentes: 0 1 2 3 4 5 6 7 A 0 1 2 3 4 5 6 7 A

E. Martínez 24 Mecánca Estadístca: Estadístca de Maxwell-Boltzmann Algunos mcroestados asocados al macroestado B son los sguentes: 0 1 2 3 4 5 6 7 B 0 1 2 3 4 5 6 7 B 0 1 2 3 4 5 6 7 B 0 1 2 3 4 5 6 7 B

La pregunta es entonces dado un determnado macroestado, cuántos mcroestados asocados tene? La respuesta no es senclla. Sn embargo s la respondemos tenemos calculado el conjunto W. En efecto, sea ω Ω un macroestado Defnamos por asocados a ω Entonces ω como el número de mcroestados W= ω ω Ω E. Martínez 25

Insstmos en la pregunta entonces, dado un determnado macroestado, cuántos mcroestados asocados tene? La respuesta no es senclla. Sn embargo s por un momento olvdamos la condcón n E=U podemos responder a la pregunta, Dado N objetos, de cuántas maneras podemos repartr estos objetos en k cajas que tengan capacdad para n,n,..., n, objetos 1 2 k respectvamente?, donde n + n +... + n = N 1 2 k E. Martínez 26

... N boltas... n n 1 + n 2 +... + k = N ( N ) ( N - n 1 ) n 1 ( ) N - (n +... +n ) 1 k-1 n 2 n k E. Martínez 27

No resulta complcado demostrar que ( N )( N - n 1 ) n 1 ( ) N - (n +... +n )... 1 k-1 = n 2 n k N! n! n!... n! 1 2 k Son todos los mcroestados posbles para el macroestado (n, n,..., n ) 1 2 k pero que no necesaramente tenen la condcón n E + n E + --- + n E = U 1 1 2 2 k k E. Martínez 28

De otra forma, la cardnaldad de un macroestado partcular (n, n,..., n ) 1 2 k es (n, n,..., n ) 1 2 k = N! n! n!... n! 1 2 k Sn consderar la condcón n E + n E + --- + n E = U 1 1 2 2 k k E. Martínez 29

De manera que podemos conclur que donde W= ω Ω N! n1! n2! L n k! Ω= ω=(n 1, n 2,..., n k ) / k n =N, n E=U =1 =1 k E. Martínez 30

Así como toda ubcacón del nape extraído del mazo es gualmente probable, toda confguracón de un mcroestado es gualmente probable. En rgor, es el postulado fundamental de la mecánca estadístca: Todo sstema en equlbro tene la msma probabldad de estar en cualquera de sus mcroestados permtdos. De esta manera, el macroestado que tenga mayor número de mcroestados es, obvamente, el macroestado más probable. Y, en consecuenca, será (en probabldad) el estado de equlbro. E. Martínez 31

A la búsqueda del macroestado más probable Supongamos que exste una dstrbucón ω Ω tal que ω ω ω Ω Nuestro nterés es calcular entonces ω E. Martínez 32

A la búsqueda del macroestado más probable Encontrar ω sgnfca N! max n 1! L n k! sujeto a las condcones extremas k k =1 n =N, =1 n E =U E. Martínez 33

A la búsqueda del macroestado más probable Maxmzar la funcón N! ω= n 1! L n k! Es equvalente a maxmzar ln ω=ln N! -ln (n 1! L nk! ) E. Martínez 34

A la búsqueda del macroestado más probable Utlzando el método de los multplcadores de Lagrange, defnmos ( ) ( ) n -N - n E -U T( ω)=ln ω+ α β Dervando parcalmente e gualando a cero T(w) n =0 T(w) α =0 ; ; T(w) β =0 E. Martínez 35

A la búsqueda del macroestado más probable Para obtener las dervadas de ln n ω = n utlzamos la fórmula de Strlng ( ln N! -(ln n! + L+ln n! )) 1 ln M! =M ln M-M k y obtenemos ln w n =-ln n E. Martínez 36

A la búsqueda del macroestado más probable Obtenemos T( ω) =-ln n + + E =0 n α β De modo que, s dentfcamos por tenemos n =e α+ βe βe =c n e los máxmos, E. Martínez 37

A la búsqueda del macroestado más probable La constante c se encuentra sumando los n, esto es n =N=c e βe de modo que c= N β E e E. Martínez 38

A la búsqueda del macroestado más probable Conclumos que la dstrbucón más probable es ω ( n, n, ) = L 1 2, nk donde n =N e βe k β E e j=1 j Contnuará... E. Martínez 39