E STUDIO EXPERIMENTAL DE LA BLABLABLA TRACKER O LO

QUE SEA
Física moderna II

Daniel Felipe Mera Harold Laserna

Facultad de ciencias y educación Facultad de ciencias y educación
Universidad Distrital Francisco José de Caldas Universidad Distrital Francisco José de Caldas
dfmerav@correo.udistrital.edu.co hylasernad@correo.udistrital.edu.co

June 29, 2019

R ESUMEN
En esta práctica se hizo un estudio cualitativo del espectro de emisión del hidrógeno tomando como
referencia las longitudes de onda de las lineas predichas por la serie de Balmer. De esta forma
compararon la lineas tres primeras lineas de la serie con las lineas observadas en el laboratorio.
Adicionalmente se hizo la misma comparación

Palabras clave Rayos X · difracción · condición de Bragg

1 Problema planteado
Considerar una caminata aleatoria en una dimensión con un paso de todas las longitudes permitidas. La probabilidad
de que la magnitud de longitud j este denotada por p(j). La magnitud de paso si la forma de p(j) viene dada por
p(j) = e− j, ¿cuál es la forma de PN (X)?

2 Fundamento teórico
2.1 Random walk con paso de longitud fija unidimensional

El problema se puede modelar como un hombre que camina en una dirección aleatoria en una sola dimensión. Cada
paso es de una unidad y la dirección del mismo (derecha o izquierda) es equiprobable. Para modelar la equiprobabilidad
del paso, podemos suponer que la dirección del mismo se define con el lanzamiento de una moneda, en donde cara
es una dirección y sello es la dirección opuesta. Después de N pasos de longitud l definida, el caminante va a estar
ubicado en la posición x, donde

x = ml (1)

en donde m es un numero que puede tomar valores en el intervalo −N ≤ m ≤ N .

Después de un numero determinado de pasos N resulta de interés preguntarse por ¿Cuál es la probabibilididad PN (m)
de encontrar la partícula en la posición x = ml después de N pasos?

Para obtener PN (m) vamos a definir variables que describan la cantidad de pasos en las direcciones permitidas, de ésta
forma:
 I NFORME J UNE 29, 2019

n1 : pasos seguidos hacía la derecha

n2 : pasos seguidos hacía la izquierda

de ésta forma el desplazamiento neto está dado por la relación:

N = n1 + n2 (2)

Es importante anotar que cada paso dado es estadísticamente independiente del otro; por lo que las probabilidades
relacionadas con la dirección del paso pueden ser escritas como:

q+p=1 (3)
dónde p es la probabilidad de dar un paso a la derecha y q es la probabilidad de dar un paso a la izquierda. De ésta
forma podemos asumir que la probabilidad de que ocurran n1 pasos a la derecha y n2 pasos a la izquierda está dada por
la regla de multiplicación:

(pp...p)(qq...q) = pn1 q n2 (4)

Por medio de un análisis combinatorio es posible deducir una expresión para la probabilidad PN (m). Dado que existen
muchas posibilidades de dar N pasos de tal forma que n1 sean hacía la derecha y n2 sean hacía la izquierda, podemos
encontrar que las combinaciones de esos pasos que resulten en la posición ml están dadas por:

N!
(5)
n1 !n2 !

entonces la probabilidad WN (m) de tomar n1 pasos a la derecha y n2 = N − n1 pasos a la izquierda, en cualquier

orden, se obtiene multiplicando la probabilidad de la secuencia de camino (4) por el número posible de combinaciones
de pasos (5).

N! n n
WN (n1 ) = p q (6)
n1 !n2 ! 1 2

ésta expresión es equivalente a PN (m) por lo que

N! n n
WN (n1 ) ≡ PN (m) = p q (7)
n1 !n2 ! 1 2
La función de distribución (7) es denominada distribución binomial, ya que contiene un término típico de la expansión
de potencias binomial.

2.2 Algunas nociones básicas de probabilidad y variables aleatorias

2.2.1 Distribuciones de probabilidad multivariadas

Considerando el caso de dos variables U y V que pueden asumir los valores posibles

ui con i = 1, 2, 3, ..., M
vj con j = 1, 2, 3, ..., N

y definiendo P (Ui , Vj ) como la probabilidad de que las variables U y V asuman los valores ui y vi respectivamente.
Podemos también introducir el criterio de normalización como:

M X
X N
P (ui , vi ) = 1 (8)
i=1 j=1

2
 I NFORME J UNE 29, 2019

podemos escribir las probabilidades de que la variable U asuma el valor ui y que la variable V asuma el valor vi como

M
X
PU (ui ) = P (ui , Vi ) (9)
j=1

N
X
PV (vi ) = P (ui , Vi ) (10)
i=1

De tal forma que si U y V son estadísticamente independientes, la probabilidad P (ui , Vi ) puede ser escrita como:

P (ui , vi ) = PU (ui )PV (vi ) (11)

2.2.2 distribución de probabilidad continua

Ahora, si consideramos el caso de una variable U que puede asumir cualquier valor en el rango continuo a1 < U < a2 .
Para describir la probabilidad de que dicha variable tome valores dentro de ése rango, nos podemos centrar primero en
un rango infinitesimal de la variable entre (U , U + dU ) y preguntarnos por la probabilidad de que la variable asuma un
valor dentro de ése rango. Si el intervalo es suficientemente pequeño la probabilidad será proporcional a dU y puede ser
escrita como ρ(U )dU , donde ρ(U ) es la densidad de probabilidad.

2.2.3 Funciones de variables aleatorias

Para definir la función de una variable aleatoria consideraremos una variable U y una función φ(U ) que es alguna
función continua de U .

Si ρ(U )dU es la probabilidad de que U esté en el rango (U, U + dU ), ¿Cúal es la probabilidad W (φ)dφ de que φ esté
en el rango (φ, φ + dφ).

Dicha probabilidad se obtiene sumando las probabilidades para todos los valores de U que hacen que φ esté en el rango
(φ, φ + dφ), y se define como:
Z
w(φ)dφ = ρ(U )dU (12)
dφ

3 Desarrollo del problema: Random walk con pasos de longitud variable en una dimensión
La solución presentada en la sección 2.1 es un caso muy especifico del random walk y está basado en un análisis
combinatorio. Esto hace que su implementación en problemas más generales sea complicado y poco satisfactorio
(longitudes de paso variables y caminatas en varias dimensiones). Para el caso que nos compete (véase sección 1) es
necesario modelar la caminata bajo dos supuestos principales:

• Cada paso de la caminata tiene una longitud variable e independiente del paso anterior.
• La caminata se realizará en una dimensión en dónde las probabilidades de que el paso tenga una u otra
dirección son las mismas; esto es, la dirección del paso es equiprobable.

Bajo éstas condiciones vamos a abordar el problema de la forma más general posible desde el punto de vista probabilís-
tico.

3.1 Modelamiento del problema

Vamos a definir si como el desplazamiento (positivo o negativo) en el i-ésimo paso. Según la sección 2.2.2 podemos
definir la probabilidad de que el i-ésimo desplazamiento esté en el rango si , si + dsi .

3
 I NFORME J UNE 29, 2019

Para la caminara aleatoria podemos definir de forma general el desplazamiento neto x como:

N
X
x= si (13)
i=1

obsérvese que cada paso de longitud si puede tomar cualquier valor y es independiente del paso inmediatamente anterior.

Para poder definir función de distribución de la probabilidad según la sección 2.2.1 y teniendo en cuenta que los
pasos son estadísticamente independientes podemos asumir que paso dado por el caminante tiene una probabilidad
característica para caer en un rango determinado según la longitud del paso dado. Esto es:

1er desplazamiento está en el rango (s1 , s1 + ds1 )

2do desplazamiento está en el rango (s2 , s2 + ds2 )
..........
..........
..........
N-ésimo desplazamiento está en el rango (sN , sN + dsN )

Por lo que recordando que w(si )di es la probabilidad de que el paso termine en el rango deseado resulta que:

P (w) = w(s1 )ds1 w(s2 )ds2 ....w(sN )dsN (14)

si sumamos ésta probabilidad sobre todos los posibles desplazamientos individuales, los cuales son consistentes con:

N
X
x= si (15)
i=1

que están en el rango (x, x + dx). Entonces obtenemos la probabilidad P (x)dx, independiente de la secuencia de pasos
que producen éste desplazamiento total, como:
Z Z Z
P (x)dx = ... w(s1 )w(s2 )...w(sN )ds1 ds2 ...dsN (16)

donde la integración es sobre todos los valores posibles de las variables si . En principio la evaluación de la integral
resulta complicada debido a que los límites de integración impuestos por la condición:

N
X
x< si < x + dx (17)
i=1

esto quiere decir que es difícil determinar sobre qué subespacio consistente con (17) se debe integrar. La forma de
solucionar el problema es integrar sobre todos los valores de las variables si sin restricción, multiplicando el integrando
por un factor que sea igual a la unidad cuando si satisfaga (17) y se anule en caso contrario. De ésta forma podemos
introducir la función delta de Dirac que satisface:
Z b
f (x)δ(x − x0 )dx = f (x) (18)
a

(18) toma el valor f (x0 ) para a < x < b y cero si no está dentro el límite de integración. Entonces podemos reescribir:

Z Z Z N
!!
X
p(x)dx = ... w(s1 )w(s2 )...w(sN ) δ (x − si )dx ds1 ds2 ...dsN (19)
n i=1

sin embargo, resulta conveniente usar la siguiente representación analítica de la función δ en términos de la integral:

4
 I NFORME J UNE 29, 2019

Z ∞
 X  1 P
δ x− si = eik( si −x) dk (20)
2π −∞

entonces;
Z Z Z Z ∞
1
p(x)dx = ... w(s1 )w(s2 )...w(sN ) eik(s1 +s2 ...+sN −x) ds1 ds2 ...dsN (21)
n 2π −∞

Z ∞ Z ∞ Z ∞ Z ∞
1
p(x)dx = eikx dk w(s1 )eiks1 ds1 w(s2 )eiks2 ds2 ... w(sN )eiksN dsN (22)
2π −∞ −∞ −∞ −∞

Excepto por el símbolo usado como variable de integración todos los integrandos son iguales y tienen la misma forma:
Z ∞
Q(k) = w(s) eiks ds (23)
−∞

por lo que podemos reescribir (22) como:

Z ∞
1
P (x) = e−ikx QN (k) dk (24)
2π −∞

y así, evaluando las dos integrales de Fourier (23) y (24) se puede resolver el problema completamente.

4 Análisis y resultados
Tabla 1. Para el equivalente mecánico para
Tf = 293, 2 K, Ti = 288, 7 k en la primer
medición y Tf = 297, 5 K, Ti = 289, 9 k en la
segunda medición
n W [J] Q [Cal] J
500 139, 31 J ± 0,14 813,23 ± 0,23 5,83 ± 0,76
1000 278,73 ± 0,32 1373,65 ± 0,78 4,92 ± 0,21

Tabla 2. Para el equivalente eléctrico con un

voltaje de V = 8V y una resistencia de R = 1, 3Ω
y una corriente I = 6, 15A
t ± 0,1 [s] W [J] Q [Cal] J
540 25578 3879,04 ± 0,56 6,59 ± 0,14
840 41328 7758, 08 ± 0,77 5,21 ± 0,82
1440 70848 11637,12 ± 0,33 6,08 4 ± 0,06
3000 147600 14546,40 ± 0,92 10,14 ± 0,27

Respecto a la practica se evidencia que las mediciones se encuentran dentro del rango de los valores esperados. No
obstante, se puede observar que en el ejercicio realizado para 500 vueltas de la manivela el valor aunque es cercano
al esperado, se encuentra fuera de un rango aceptable. Las fuentes mas probables de error en la medición están
relacionadas con las temperaturas del cilindro de aluminio medidas con el termopar. Por la geometría del cilindro
los valores que mostraba el termómetro digital oscilaban constantemente por lo que las temperaturas que se tomaron
como verdaderas para el calculo de la constante fueron los valores intermedios entres el máximo y el mínimo valor que
mostraba el termómetro en su oscilación. Haciendo un promedio de los valores obtenidos en la practica del equivalente
mecánico, la constante resultó:

J = 5, 37 ± 0, 97 (25)

5
 I NFORME J UNE 29, 2019

Es evidente que respecto a las mediciones hechas con el montaje del equivalente eléctrico, el valor obtenido se acerca
mucho mas al valor que tomamos como real. Haciendo un promedio de las mediciones realizadas con el montaje del
equivalente eléctrico, el valor obtenido resultó:

J = 7, 00 ± 0, 63 (26)

5 Conclusiones

6 Conclusiones

References
[1] Handbook of chemistry and physics, edición No.52 The chemical rubber company, Cleveland, Ohio, USA. (1971)
[2] Mauricio Garcia Castañeda Introducción a la física moderna. Rayos X , Universidad Nacional de Colombia. (2003)
[3] Mauricio Garcia Castañeda Introducción a la física moderna. Elementos de la física del estado solido, Elementos
de cristalografía , Universidad Nacional de Colombia. (2003)
[4] Mauricio Garcia Castañeda Introducción a la física moderna. Elementos de la física del estado solido, difracción
de rayos X , Universidad Nacional de Colombia. (2003)
[5] Robert M. Eissberg Fundamentos de física moderna Los rayos X , Editorial Limusa. (2000)