Distributions aléatoires et la Marche au hasard
Transcription
Distributions aléatoires et la Marche au hasard
P.Evesque/ Introduction au Mélange et à la ségrégation -1– Distribution au hasard, Marche au hasard DEA Master MSROE Cours de physique des milieux discontinus Rappels sur les Distributions aléatoires et la Marche au hasard P. Evesque Lab MSSMat , e-mail : [email protected] Ecole centrale Paris, 92295 Châtenay-Malabry _________________________________________________________ Résumé: On introduit la formule du binôme et on l’utilise pour décrire plusieurs problèmes : distributions de particules, marche au hasard. On cherche la limite : On décrit une distribution aléatoire de billes ou d’atomes On décrit la marche au hasard et ses applications. - Modèle discontinu, - Equation de la diffusion - Equation de Langevin - Diffusion dans les espaces fractales - Vols de Lévy Applications de la marche au hasard - Mesure, viscosité d'un liquide, réactions chimique, réseaux périodiques transitoires, conduction - Polymères: lois d'échelles et comparaison avec un modèle de une marche au hasard - Modèle de Witten & Sanders et ses applications (électrocristallisation, cristallisation, agrégation,… Transition de phase du 1er et du 2ème ordre, point critique MSROE, ( Sept. 2 004) -2– P.Evesque/ Introduction au Mélange et à la ségrégation Distribution au hasard, Marche au hasard Quelques applications de la formule du binôme : Formule du binôme : (x+y)N=Σn N!/[n !(N-n) !] xn yN-n Représentation arborescente (x+y) N+1 N (x+y) …(x+y)…(x+y) n n n-p = (x+y) (x+y)= [Σn CN x y ] (x+y) x y Application : distribution aléatoire ; Loi de Poisson Distribution de Poisson volume total Ω contient N particules ; quelle est la distribution de probabilité d’avoir n particules dans v ; on pose ϖ1=Ω/N. Hypothèse : particules sans interaction de taille infiniment petite Chaque particule a une probabilité p=v/Ω d’être dans v et 1-p d’être en dehors de v. W(N, Ω,n,v)=N!/[n! (N-n)!] (v/Ω)n(1- v/Ω)N-n Si on suppose Ω>>v, on peut passer à la limite N-> ϑinfini; on pose ϖ1=Ω/N W(Ω/N=ϖ1,n,v) ≅ [N(v/Ω)]n (1/n!) e-Nv/Ω = [1/(n !)] (v/ϖ1)n exp{-v/ϖ1} W(Ω/N=ϖ1,n,v) ≅ W(Ω/N=ϖ1,n,v) ≅ [1/(n !)] (v/ϖ1)n e-v/ϖ1 Application : mélange et ségrégation : En effet la distribution donnée par les W(N, Ω,n,v) représente une distribution totalement aléatoire. On peut alors comparer la distribution réelle obtenue à cette distribution. Pour cela on définit un volume test, et on sonde l’échantillon en différents endroits pour déterminer la variance de la distribution de particules dans ce volume. On se cantonne donc en général à la comparaison des moments d’ordre 1 et 2 de la distribution réelle et de la distribution aléatoire. On va voir comment chiffrer ces distributions MSROE, ( Sept. 2 004) P.Evesque/ Introduction au Mélange et à la ségrégation -3– Distribution au hasard, Marche au hasard Marche aléatoire : I) Modèle microscopique discontinu: Soit un marcheur qui fait des pas au hasard ; Soit p la probabilité qu’il aille à droite et 1-p celle qu’il aille à gauche. Quelle sera la distribution de probabilité après N pas. W(N,n)=N!/[n! (N-n)!] pn(1-p)N-n On pose n=(N-m)/2 W(N,m)=N!/[{(N+m)/2}! {(N-m)/2}!] p(N-m)/2(1-p)(N+m)/2 1) Espérance (valeur moyenne), écart type: a) valeur moyenne: Calculer Σn n W(N,n) on sait que (x+p)N= Σn' N!/[n'! (N-n')!] pN-n'(x)n' on a donc: x d/dx(x+p)N= Σn' n' N!/[n'! (N-n')!] pN-n'(x)n' = Nx(x+p)N-1 <n>=N(1-p) on peut refaire la même chose en écrivant: <x>=Σ x W(x) or d/du{(pu+q)N}=Np(pu+q)N-1 =d/du {Σ W(n) unpn(1-p)N-n} = {Σ n W(n) un-1pn(1-p)N-n} pour u=1 on a le résultat cherché <n>=Np Le déplacement moyen est < l >=<n-n'>=N(1-2p)=N(p-q) b) écart type: on procède de la même façon <x²>=d/du{u d/du(pu+q)N} <n²>=d/du {Σ nW(n) u un-1pn(1-p)N-n }={Σ n²W(n) un-1pn(1-p)N-n} <n²>=d/du(uNp(pu+q)N-1}={Np(pu+q)N-1+N(N-1)p²u(pu+q)N-2 }|u=1= Np+N(N-1)p² calculons δ²=<n²>-<n>² = <(n-<n>)²>=Np+N(N-1)p²-N²p²=Np-Np²=Np(1-p) δ²=<n²>-<n>² = Np(1-p) 2) Cas particulier : p=1-p=1/2 : MSROE, ( Sept. 2 004) P.Evesque/ Introduction au Mélange et à la ségrégation -4– Distribution au hasard, Marche au hasard W(N,n, p=½) = N!/[{(N+m)/2}! {(N-m)/2}!] 2-N Valeur moyenne <n>=N/2 => déplacement moyen=0 Ecart type: δ²=<n²>-<n>² = N/4 3) Passage à la limite continue : Formule de Stirling : quand q est grand on peut approximer ln(q!) : ln(q!) ≅ (q+½) ln(q) –q +(1/2) ln (2π) ln{W(N,n, p=½)}=ln{N!/[{(N+m)/2}! {(N-m)/2}!] 2-N} ≈ (N+½) ln(N) - ½{(N+m+1) ln[(N+m)/2] + (N-m+1) ln[(N-m)/2]} - ½ ln(2π) – N ln2 =(N+½) ln(N) - ½{(N+m+1) ln(N+m) + (N-m+1) ln(N-m)} + (N+1) ln(2) - ½ ln(2π)-N ln2 comme ln(N±m)=ln(N(1±m/N))= ln(N) ±m/N +m²/N²+… ln{W(N,m, p=½)}= -½ln(N) – m2/N + ln(2) - ½ ln(2π) W(N,m, p=½)= (2/πN)1/2 exp{-m2/N} Remarque : En fait, on va voir que la normalisation n’est pas correcte, car la formule de Stirling n’est qu’approximative, et on aurait du utiliser un développement plus précis. On verra un peu plus loin que le bon résultat après normalisation : -1/2 W(N,m, p=½)= (πN) exp{-m2/N} Passage aux coordonnées continues : Supposons que le pas est a, que la durée entre deux sauts est τ, le marcheur a fait N pas au bout du temps t, avec N = t/τ. Ce marcheur se trouvera en x avec une certaine probabilité p(x,t). On peut écrire : x=a{(N+m)/2-(N-m)/2}=ma N=t/τ La probabilité que le marcheur soit en x est donc : 1/2 p(x,t)=[2τ/(πt)] exp{-(x/a)²τ/t} La distribution p(x) est une gaussienne; sa normalisation n'est pas correcte. On doit avoir : p(x,t)dx=Σn tels que adx=dn (2/πN)1/2 exp{-m2/N} Normalisation de p: MSROE, ( Sept. 2 004) P.Evesque/ Introduction au Mélange et à la ségrégation -5– Distribution au hasard, Marche au hasard En fait la normalisation n’est pas correcte. Pour calculer la normalisation, on multiplie p par une constante A, que l’on cherche pour que la relation ∫[A p(x,t)]dx=1 soit satisfaite. Pour normaliser on utilise le fait que quelque soit t : ∫p(x,t)dx=1=√{∫∫p(x,t)p(y,t)dxdy}= = A √{∫∫exp(-r²/N)rdrdθ}= A √(2π) * √{∫exp(-r²/N)dr²/2} = =1= A (πN)1/2 Ainsi on doit avoir 1/2 p(x,t)= [τ/(πt)] exp{-(x/a)²τ/t} Cas où il y a une collection de marcheurs : L’équation de p(x,t) donne la distribution pour un seul marcheur. Dans le cas où il y a beaucoup de marcheurs indépendants, ce qui implique que la marche d’un marcheur n’est pas entravée par la présence des autres, le mouvement de chaque marcheur sera décrit par la même équation. Si l’on lâche N marcheurs à t=0 en x=0, la valeur N* p(x,t) représentera donc la moyenne du nombre de marcheurs en x à l’instant t. Exercice : vérifier que p(x,t) obéit à une équation différentielle du type, et trouver D en fonction de τ et a: dp/dt= D d²p/dx² 4) Passage à la limite lorsque le pas du saut est variable et que le temps entre deux sauts est variable : On montre que les résultats sur l'écart type et la variance se conservent, si l’on a plusieurs temps de saut et non un seul, et que la distribution devient gaussienne après un grand nombre de sauts. C’est le théorème de la limite centrale. Il est valable très souvent, lorsque la distribution des temps de saut n’est pas trop large, auquel cas on obtient un processus de vols de Lévy. 5) Passage à d dimension : Dans ce cas la loi de probabilité est le produit des lois de probabilité dans chacune des directions car les marches ne sont pas corrélées. Complément non utile pour le DEA-MSROE Exploration compacte/non compacte : Si les marcheurs sont sur un réseau, on voit qu’ils sont localisés sur une aire de taille N1/2, où N est le nombre de sauts. Correspondant à un volume Nd/2 . Si d<2, tous le nombre de sauts est plus grand que le nombre de sites possibles visités. Tous les sites sont alors visités ; on parle d’exploration compacte. Si d>2, le nombre possible de sites visités croît plus vite que le nombre de sites ayant été visité par un seul marcheur. On parle d’exploration non compacte. Application aux réactions chimiques : Dans une réaction chimique, les molécules doivent se rencontrer pour réagir. Le brassage des molécules peut se faire par convection ou par diffusion. Dans ce MSROE, ( Sept. 2 004) P.Evesque/ Introduction au Mélange et à la ségrégation -6– Distribution au hasard, Marche au hasard dernier cas le processus de mélange est la marche au hasard. Si la dimension de l’espace est <2, l’exploration est compacte, le temps passé sur chacun des sites augmente avec le temps, de tellesorte que chaque molécule pouvant réagir avec une autre parce qu’elle est suffisamment près doit réagir avec elle. La réaction est donc systématique. 6) Effets des conditions aux limites: Supposons que le volume soit fini d'un coté; que se passe-t-il? Cela dépendra des conditions aux limites: 6a) Si le bord ne laisse pas repartir le marcheur. 6b) Si le bord laisse repartir le marcheur. Si on place l'axe du temps en vertical, et l'axe des positions en horizontal, les trajets qui aurait pu se faire de l'autre côté du bord ne peuvent pas se faire; cependant, dans un espace infini, une fois que le marcheur a atteint un point donné, son mouvement doit être en moyenne symétrique par rapport à ce point. Ceci impose une symétrie de réflexion par rapport au bord. Si le marcheur part de xo, que le bord est en O, on doit avoir la probabilité P du marcheur d'être en x donné par: P(x,t,xo)=W(x,t,xo)+W(-x,t,xo) Où W est la probabilté que le marcheur marchant dans un espace illimité soit en x à l'instant t, s'il est parti de xo à t=0. MSROE, ( Sept. 2 004) P.Evesque/ Introduction au Mélange et à la ségrégation -7– Distribution au hasard, Marche au hasard II) Equation macroscopique de la marche au hasard : équation de la diffusion : Soit un réseau de sites 1d, notés : 1,…..,n,n+1,…. ; pas du réseau a. Soit ρn la densité de marcheurs au sites n. L’équation d’évolution du nombre des marcheurs s’écrit : dρn = -ρn dt/τ +Σvoisins ρn-i dt/(nvoisinsτ ) On peut poser W=1/τ Le nombre nvoisins de voisins dépend de la géométrie du réseau et du nombre de dimensions de l’espace. La probabilité de saut pourrait varier d’un point à un autre de l’espace => τi ≠τj, mais on ne considérera pas ce cas ici, pour rester simple. A 1-d : 2 voisins dρn = -ρn dt/τ + ρn-1 dt/(2τ) + ρn+1 dt/(2τ) dρn/dt = -ρn/τ + ρn-1/(2τ) + ρn+1/(2τ) Passage à la limite continue : ρn±1= ρn+ (±1)a∂ρn/∂x + (a²/2) ∂²ρn/∂x² +… dρn/dt = (a²/2τ) ∂²ρn/∂x² = ∂{(a²/2τ) ∂ρn/∂x}/∂x 1) Notion de courant: Exercice : Montrer que j=W dρ/dx est un courant de porteurs. 2) Equation de diffusion: Exercice : Montrer que l’on peut mettre cette équation sur la forme de l’Equation de la diffusion sous certaines conditions: l’Equation de la diffusion dρ/dt=d/dx(D dρ/dx) où D est le coefficient de diffusion Peu utile au DEA MSROE : 3) Chercher une solution par la méthode de la Transformée de Fourier. On cherchera une solution du type : ρ=exp(-αt+ikx) -α=-Dk² corrolaire : chercher la vitesse d’extinction d’un réseau , si celui-ci est sujet à de la diffusion 4) Relation d’Einstein : MSROE, ( Sept. 2 004) P.Evesque/ Introduction au Mélange et à la ségrégation -8– Distribution au hasard, Marche au hasard Soi des porteurs de charges n(r) . S’ils sont à l’équilibre ils doivent obéir à la distribution statistique de Boltzmann, soit n(r)=exp{-eEr/(kT)}. Ces porteurs permettent au matériau d’être conducteur, et ils assurent le transport du courant. Comme dans tout conducteur, on s’attend à ce que le courant qu’ils créent est j=n µ E e , où µ est la mobilité. A l’équilibre, le courant doit être nul ; il se compose d’un terme diffusif et d’un terme lié au champ électrique : n µ E + D dn/dx=0 Ceci impose : dn/n= -µ E/D dx soit : N = exp(-µ E r /D) L’identification des deux équations impose : µ=eD/(kT) ; qui est la relation d’Einstein cherchée. MSROE, ( Sept. 2 004) P.Evesque/ Introduction au Mélange et à la ségrégation -9– Distribution au hasard, Marche au hasard III) Autre formulation : Equation de Langevin Supposons qu'un corpuscule de masse m soit immergé dans un milieu à la température T et qu'il subit de sa part des forces aléatoires mF(t) de valeur moyenne nulle et une force de résistance à l'avancement de type visqueux: fv = -mηv. L'équation de sa dynamique s'écrit: m dv/dt= mF(t)-mηv En multipliant à droite et à gauche par la vitesse v/m, on obtient: dv²/dt = 2F(t) v(t) - 2ηv² Si on suppose que F est décorrélée de la vitesse v, on voit que v² doit tendre vers une constante. Cette constante est donnée par la température du bain: mv²/2=kT/2 soit v² = kT/m On repart de l'équation de la dynamique d²x/dt²=F-(η/2)dx/dt. On remarque que xdx/dt = d(x²)/dt² xd²x/dt² = ½ d²(x²)/dt² - (dx/dt)² L'équation de la dynamique, multipliée à droite et à gauche par x, s'écrit donc: ½ d²(x²)/dt² - (dx/dt)² = -½ η d(x²)/dt + F x La moyenne sur le temps de Fx doit être nulle car F et x sont supposés être décorrélés; de même, si on fait une moyenne sur une collection de corpuscule, la moyenne <Fx>=0 à cause de la décorréltion de F et x. ½ d²<x²>/dt² - <(dx/dt)²> = -½ η d<x²>/dt + <F x> = -½ η d<x²>/dt Or on a vu que <(dx/dt)²> = <v²>=kT/m . La solution est donc du type <x²>=2kT/(mη)t + g(t) où g(t) est une fonction transitoire. Celle ci est du type A(1exp(-ηt/2). On a donc: <x²> = 2kT t/(m η) + A(1-exp(-ηt/2) C'est la résolution de Langevin. L'écart type croit linéairement avec le temps, comme dans le cas d'une marche au hasard et dans le cas de l'équation de diffusion. MSROE, ( Sept. 2 004) P.Evesque/ Introduction au Mélange et à la ségrégation - 10 – Distribution au hasard, Marche au hasard IV) Vols de Lévy Dans certains cas, la migration des espèces peut dépendre d'une distribution de mécanismes différents ou d'un processus faisant apparaître des sauts directes à des distances lointaines R avec une loi de probabilité p(R). Si cette dépendance est une loi de puissance, elle peut donner lieu à des règles de diffusion anormale. Ceci n'est jamais le cas lorsque la probabilité d'effectuer un saut à une distance r décroît exponentiellement avec la distance. MSROE, ( Sept. 2 004) P.Evesque/ Introduction au Mélange et à la ségrégation - 11 – Distribution au hasard, Marche au hasard Applications de la marche au hasard: 1) Application à la mesure: Soit un expérimentateur qui fait n mesures d'une grandeur A , chacune bruitée, bruit caractérisé par l'écart type ∆A. Quelle précision obtient-il? Réponse ∆A/N1/2 2) Diffusion de molécules dans un gaz 3) Diffusion de la chaleur 4) Transmission de lumière à travers un nuage 5) Transport d'impulsion dans un liquide: viscosité L'équation de la dynamique s'écrit, si l'on considère que la pression est constante: ρ δϖ dv/dt=-ν ρ δϖ {2mv(x)-v(x-dx)-v(x+dx)} où ρ est la densité, δϖ est l'élément de volume, v la vitesse du point matériel et n est la viscosité cinématique. Ceci donne l'équation dv/dt =-ν d²v/dx² La vitesse obéit donc bien à une équation de diffusion, liée au transfert d'impulsion entre les parties adjacentes de liquide 6) Réactions chimiques Une réaction chimique a lieu lorsque les molécules se rencontrent. En régime dilué, les molécules subissent une marche aux hasard avant de se rencontrer. Le volume visité s'écrit: V(t)=Rd(t)=ϖo(t/τ)d/2. Si d<2, le temps passé dans chaque volume croit avec le temps, de sorte que la réaction a lieu systématiquement dès que les deux molécules sont en présence. La distribution de Poisson permet de calculer le nombre de molécule n'ayant pas réagi. On peut aussi raisonner simplement de la façon suivante: la variation de volume nouveau exploré en fonction du temps est donné par dN/dt=(dϖo/2)(t/τ)d/2-1 d'où, la probabilité de réaction est donné par dnA/dt=dnB/dt= -(dV/dt)nAnB Ainsi si nB est en concentration beaucoup plus importante que nA, nB reste presque constant; en appelant nAo la valeur initial de nA on a: nA= nAo exp-(V(t)nB) MSROE, ( Sept. 2 004) P.Evesque/ Introduction au Mélange et à la ségrégation - 12 – Distribution au hasard, Marche au hasard De même, si les deux types de molécules sont identiques, on a: 1/nA-1/nAo=V(t) On retrouve les équations des cinétiques mono- et bi--moléculaires. Le cas classique se trouve avec dV/dt=cste=ϖo, ce qui est vérifié pour d>2. Lorsque l'espace est de dimension inférieur à 2, le comportement de V(t) est anormal et on s'attend à ce que les réactions chimiques obéissent à des lois particulières. 7) Diffusion multiple électronique, rayons X,…. 8) Coefficient de diffusion et potentiel électrochimique 9) Conduction électrique 10) Décomposition spinodale ou comment avoir un coefficient de diffusion négatif 11) polymères MSROE, ( Sept. 2 004)